少了吗，我记得流动性一直就是 200 多 k 啊。刚发币那会是 500 多 k 。

@shylockhg 再等 5 分钟（即发帖 20 分钟后），加一个附言。

Cursor 的网站挂了： [{"error":"ERROR_UNSPECIFIED","details":{"title":"Service Unavailable","detail":"Service Unavailable", ...}]

什么公司这么神秘？啥都不介绍就好意思伸手要简历。

再补充 2 个，《钢铁侠》和《 2001 太空漫游》。

防不胜防啊。v 站前不久有人提醒过，但已经又失去警惕了。

你说的「需要人去监督」，有一部分（我感觉是大部分），是可以委托给 AI 去做的：

我之前做一个简单的 gtd 系统，我每次添加完一个功能，都要想，下一步再加点啥，才能最小可用。后来我灵机一动，让 AI 自己去看一下还缺哪些最基本的功能，它一下子指出来了。

我经常遇到 AI 花很长时间，做完一个功能，然后潦草测试一下，就交卷了。这种潦草，不一定是故意的，有时候就是没注意到，其实人也一样，不可能每次改完功能都做完整的回归测试。

所以，启动另一个 AI 实例或对话自动检查，就可以大大增加这个过程的自动化程度。比如 v 站这个哥们做的全自动化： /t/1199391

对于你说的情况，比如说这样一些提示词，通过自动化检查，就可以免去很多人的精力：
“为达到可维护性，还需要进行哪些代码结构的改进”，
“检查一下新引入的功能可能会影响哪些之前的功能，从测试用例中选取重点测试一下这些功能”，
“检查一下，为实现基本可用，指定的功能中还有哪些功能未添加。”

当然上面的都是最简单的，我也在学习实践过程中。但毫无疑问，有了它意味着有了（半）自动化，效率是质的差距，

最终的目标就是，人要做到就是最少化自己的提示，目前你使用的单 Agent 的编程模式还远远够不上这个目标。

如何指挥多个 Agent 协作，应该是今年的主要趋势。除了看效果，还要考虑经济成本，如何分配不同能力和成本的大模型或 Agent ，以节省 token 费用。

现在听到“消息不实”这四个字都要生理反胃了！都 TMD 会学着官腔打这套机器人腔调了，没羞没臊脸不红气不喘。

感谢分享！

请问是迭代了 1500 次吗，input 和 cache create 总共才 70 多万。相当于每次 diff 只有差不多 1000 个新 token 提示词输入吗？

我设想中的这种迭代是多轮次的，每次迭代都重新启动一个 Claude Code 的对话 session 。看样子你是在一轮对话里面完成的吗？

应用层与基础模型层中间，应该还有一个 Agent 层吧，像持续学习、记忆机制、目标驱动、多 Agent 协作这些外挂在基础模型上的，而不是基础模型内化（端到端）的，是在你说的应用层吗？

同问。按理说这么长时间应该有方案吧。

2020 年刚来 v 站时，自由工作者的家园问就是惠州。

感谢楼主，在楼主这个项目激励下，我在本地安装了 OpenCode ，安装了 OpenClaw ，搞定了 Cursor CLI （我想把 Cursor CLI 接进去，因为有额度），还注册并使用了 OpenRouter 的免费 API （还没用付费 API ，付款也简单）。

把上面的工具弄的七七八八，也基本都接入到 golutra 了之后，现在我也开始面对到楼上提到的问题，怎么真正让 AI 协作起来。

目前我对 golutra 的认识就是，它把命令行的交互方式，换成类似人类的协作对话框式的了。但是对于如何组织蜂群 Agent ，我还没有形成很好的概念。看了下 golutra 的系统提示词，似乎还没有这方面的，是吗？