首先你要比它们专业，不是知识量，是解决问题的思路。 其次，AI工具的严重问题，不论是什么编排，都是“轮询”，加上为了省钱的“cache”，就会“loop”，所以要及时介入，中断作业。不...

首先你要比它们专业，不是知识量，是解决问题的思路。其次，AI工具的严重问题，不论是什么编排，都是“轮询”，加上为了省钱的“cache”，就会“loop”，所以要及时介入，中断作业。不能过于放任自流。还有为了节约算力，工具用的llm模型的参数就会缩水，智力下降，幻觉上升，解决不了问题，还会制造麻烦。所以判断“AI制造的虚假信息”的能力非常重要，特别是deepseek为底子再魔改的模型。放弃对于工具，agents，以及所谓提示工程的依赖，强化自己的思维能力，创造力，和发现力。今天要kimi code，月之暗面模仿Gemini cli和qwen code搞的一个cli，当然可能抄Claude code更多，用的模型是kimi 2 code preview吧。开始是说硬盘分区，然后我说要给硬盘做cache，它立即在没有我同意的情况下做了5g cache，给一个1t的硬盘。然后我说先讨论一下cache的架构。它只顾着大小和分区难度。后来我说要不用bcachefs来做硬盘分区吧，人家既然是以cache做名字的。而且我18年左右就用过bcache加速我的nas了。维护起来我也可以借鉴。我让kimi code搜一下bcachefs最新的进展。它没几秒钟就说内核不支持。要自己编译。但是它竟然要编译6.12版。本机的安装版，也是新装的干净机子。我说既然要动kernel，干嘛不升级到主线稳定版算了。然后我再自己搜了一下bcachefs和内核，发现原来6.17主线还没有剥离bcachefs的。所以只要把内核升级为6.17的主线稳定版就行。这里面有几个地方可以分析kimi的笨的源头1 为了节省算力和加快速度，比如所谓的tokens/秒，code模型降智了，也降低参数了，而且思维链（cot）缩短了。2为了降低成本，搜索引擎差和搜索强度，综合思考都降低了。3 上下文的限制。上下文既是rag，也是陷阱，绊脚石，遮掩布。code一开始搜索本机环境，发现红帽出kernel 6.12.x 不支持bcachefs，就被这个魔怔了。后面不停的重复。4在编译内核和取消编译的过程中，它产生了loop，取消到一半它突然又要重新启动编译，我不得不手工制止它几次。loop的最主要问题就是cache，cache里命中的单个反应强过了它对用户的指令与需求的变化，它就loop了。好比你让一个小学生，把语文作业做了，再把数学作业送到办公室去。然后你告诉他不要去送数学作业到办公室了，回头放讲台就行。但是他在回去的路上遇到了数学老师，他把数学老师和送数学作业去办公室给串了，于是又折返跑办公室去送，又遇到你，你又告诉他一遍不要送办公室了，回去吧，不行，他又遇到了数学老师，他又搞串了，又回头往办公室跑。……所以其实现在llm的AI，还是蠢得很的。所以和AI协作，一定要脾气好。