寫東西只為了抒發,一切隨緣不為流量

有事找 @finalfantasty

👻 個人博客 Blog: https://blog.pdzeng.com

👻 個人微博客 Blog:
https://daily.pdzeng.com/
这篇文章中传授的自部署 PostgreSQL 的经验,比开箱即用但集成了太多功能的 Pigsty 更让我感到安心。很早就知道了 Pigsty, 看过作者很多文章,非常敬佩,但一直犹豫没敢使用,原因还是内心对“黑盒”的排斥,在我的思想里更多功能意味着更多潜在故障点,选择一个自部署服务,可控性大于一切。所以对于 Postgres 这个我不太熟悉的数据库,我最需要的是能确保稳定性的关键参数配置,和简单使用场景下的运维经验,这些都在这篇文章中言简意赅地传授了,非常棒。

https://pierce.dev/notes/go-ahead-self-host-postgres

Vibed TLDR:

Codex is so so good at finding bugs and little inconsistencies. Where Claude Code is good at "raw coding"



感觉 Claude Code 写新功能,然后 Cursor 的 Agent Review + GPT 5.2 检查代码是最佳搭配
Oxide 公司使用大语言模型(LLM)的核心原则:以责任感(Responsibility)为首要价值,强调人类对 LLM 生成内容承担最终责任,LLM 只是工具,人类判断必须始终在回路中。

- 严谨性(Rigor):LLM 可辅助思考,但不能替代清晰思维
- 同理心(Empathy):需考虑读者或作者的人类感受
- 团队协作(Teamwork):避免 LLM 使用破坏团队信任
- 紧迫性(Urgency):不能为追求速度牺牲其他价值

LLM 作为阅读者/研究者
擅长阅读理解和文档摘要,可用于轻量级研究任务。但需注意数据隐私(Data Privacy),确保上传文档不会被用于模型训练;研究结果需验证来源,不可盲目信任。

LLM 作为编辑者 vs 写作者:
作为编辑器效果良好,可在写作后期提供结构和措辞反馈;但作为写作者问题较多——生成内容陈词滥调,破坏真实性和读写之间的社会契约,Oxide 员工应尽量避免用 LLM 写作。

LLM 作为代码工具:
- 代码审查(Code Review):可辅助但不能替代人工审查
- 调试(Debugging):可作为"橡皮鸭"激发思路
- 编程(Programming):适合实验性/辅助性代码,核心系统代码需谨慎;LLM 生成代码必须经过自我审查(Self-review)后再提交同行评审

LLM 反模式(Anti-patterns):
- 禁止强制使用 LLM 的行政命令(LLM Mandates)
- 禁止将 LLM 拟人化(Anthropomorphization),因其无法承担责任

https://rfd.shared.oxide.computer/rfd/0576
好的用了 skills,又回到最初 agents 那樣,高速燒 token 時期了 qwq
100u 的蕃茄鐘感覺好快又快打到了
Back to Top