- 博客(5)
- 收藏
- 关注
原创 codex与claude之间的巅峰对决,全模态vs代码模型
Codex与Claude是当前主流AI编程工具的两大代表。Codex作为OpenAI旗下产品,依托GPT-3架构,优势在于全模态任务支持(可连接ChatGPT处理多类型需求)、可视化操作界面及订阅性价比。Claude则由Anthropic开发,专注于代码生成领域,其特点是代码质量更稳定、插件生态更开放,并采用严格的安全机制(需逐步确认操作流程)。两者在功能定位上各具特色:Codex侧重多功能集成,Claude则更专注于编程场景的安全性与专业性。随着AI技术发展,这类工具正显著改变传统编程工作模式。
2026-06-08 20:26:27
390
原创 AI 编程助手巅峰对决:为什么在国内我更偏爱 Codex?
本文结合我近半年的实际使用体验,重点聚焦 Codex——不仅因为它能写代码,更因为在 多模态能力、可视化操作、国内可用性和性价比 四个方面,Codex 给了我更丝滑的综合体验。Claude Code 的优势(更高自由度、略微的基准领先)是真实存在的,但这些优势只有在你能轻松注册、愿意学习命令行、且预算充足的前提下才有意义。2026 年的今天,OpenAI 的 Codex 和 Anthropic 的 Claude Code 是这个赛道最具代表性的两位选手。但对于日常开发提效,我的主力依然是 Codex。
2026-06-08 11:58:57
1141
原创 【无标题】
本文分享作者利用Dify平台提升软件测试效率的实践经验。文章首先指出传统手动编写测试用例的痛点,随后介绍Dify作为开源LLM应用开发平台的优势,包括可视化工作流编排和自然语言转测试用例等特性。核心内容包括:Dify环境快速部署指南;三个典型应用场景——需求转测试用例自动生成(效率提升40倍)、测试用例转可执行脚本(效率提升300%)、缺陷智能分析(处理时间缩短85%);以及提示词设计、节点数据传递等避坑建议。通过将AI能力融入测试流程,实现了从"写脚本"到"设计策略"的测试思维升级。
2026-06-05 12:36:05
215
原创 如何专业掌握ai提示词的用途用法
《AI提示词设计方法论:从基础到精通的系统指南》 摘要:本文系统阐述了AI提示词设计的五阶段进阶方法。核心原理强调降低模糊性,通过具体性、结构化和示例驱动提升可控性。基础框架介绍RTF和CO-STAR模板,包含角色、任务、背景等要素。高级技巧涉及思维链推理、少样本学习和角色分层法。领域专用模板覆盖代码、学术和商业场景。调试方法论提出A/B测试和系统性排查策略,包含5类常见问题的诊断修复方案。全文通过正反例对比,展现如何将模糊需求转化为精确指令,最终实现高质量AI输出。
2026-05-29 09:55:50
52
原创 ai学习笔记记录
但当 FC 作为 Transformer 等架构里的“变换器”,或是用在超大规模数据下的通用架构里时,它凭借全局感受域、高性能计算特性和没有归纳偏置的灵活性,展现出了强大的效果。而一些新的纯 FC 架构(如 MLP-Mixer),不依赖这种操作,它在所有层都保持相同的特征分辨率,通过跨位置的 FC 直接进行全局交流,理论上避免了信息瓶颈。简单总结:你看到的“矩阵乘法”这一步,就是让静态的输入向量,穿上不同的“角色马甲”,使自注意力机制能够动态地、有侧重地去挖掘序列内部的关联,并把最有用信息聚合起来。
2026-05-28 09:37:03
349
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅