🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
哇咔咔咔！今天第一次做了手抓饭！铸铁塔吉锅一锅出！肥肥的羊排特别给力！超满足，吃了大半锅，睡前再玩会儿壶铃减减肥 https://t.co/jFSWMGFwCS
写了一个 Skill 调MCP 把DAN KOE这篇神文转成6分钟解读视频。 仔细读有些启发，融合了很多人和经典书中的想法，但原创性跟纳瓦尔比差些。 虽然纳瓦尔也集合了前人的智慧，但第一次读“杠杆”、“幸福”等概念的解读，耳目一新，不知道大家的感受如何。 https://t.co/rzWSh5iEUt
我现在写代码尽量用 Codex，其他任务用 Claude Code。 Codex CLI 虽然不好用，但是模型好，写代码稳，并且 Token 量大。 Claude Code 好用，模型写代码不如 Codex，但是通用任务执行的更好。 这里其实 OpenAI Codex 团队是要反思一下后续走向的，空费了这么好的模型，整天做些华而不实的更新。
凡人小北
开发一个垂类 agent，认真做下去，其实 99% 的问题都能解决掉。 剩下那 1%，每往前啃一点，边际成本都是指数级往上窜。 但真正的阻力往往就卡在这 1% 上： 阻力来源基本不太关心 99% 的链路已经被自动化成什么样，但一定会死盯着那几个极端 case 不放手。 可人又何尝能做到 100%？ 没有客服能永远答得滴水不漏， 没有运营能照顾到所有场景， 没有项目能保证零事故。 这就是做 AI 产品的错位现实： 工程视角看的是整体覆盖率和边际收益， 阻力视角看的是安全感。 所以最终决策回到一句话： 到底要为 99% 买单， 还是要为那 1% 付出无限成本？ 想清楚这件事，就知道 agent 什么时候该做到什么程度， 毕竟，100% 这个指标连人类都做不到。
Est. 100 views for your reply