bgeyq的博客

确实实现了一个AI-Agent并调用了向量数据库（但是似乎要聊很多次才能触发长期记忆），LLM用的kimi的moonshot-v1-8k，对话看起来似乎不是很聪明的样子。AI编程相较于传统编程，非常反常识的一点就是：你不需要先学会什么再去实现什么，而是应该假设你已经学会了所有技术细节，把注意力放在实现价值上面。让AI指出方案的不足之处，再次让AI生成《系统架构设计说明书》（但似乎不太适合MVP）就细节反复迭代，如果不知道它写了啥，问他就对了，直到获得最佳版本。说明需求，让AI复述并提出疑问。

本地模型是将大型模型通过蒸馏（distillation）技术精简后在本地运行的版本，训练小型模型模仿大型模型，但仅保留原模型1%-26%的容量。Cline是一个功能强大的AI编程助手，它能够通过工具调用的方式帮助用户高效地进行代码的编写、分析与修改，支持本地部署和云端API调用，为开发人员提供灵活且便捷的使用体验。当你选择在本地运行模型时，Cline会加载精简后的模型，该模型仅保留原模型1%-26%的容量。：本地模型性能受限，响应速度慢，是云端的5-10倍，复杂任务处理能力弱，多步骤任务易失败。

温习了一遍《爆款小红书》，突然悟了，只有爆款才能教出爆款，只有第一才能教出第一。也就是说，如果在这个基础上加入MultiAgent框架，赋予它策划、编辑、主任的职责，它就是一个编辑部。感觉写书感觉也不是很难了，调整了一下代码，只需要给一个标题《DeepSeek私有化部署实战》。让DeepSeek自己列目录，自己写文章，比我写的好，还比我写得快......当然，作为一名资深程序员，主打一个能用代码+AI解决的事情，绝不动手解决。如果他可以自己写，他应该也可以自己审查，审查出问题，打回去，让他自己重写。