[问与答] 在于 claude 的使用，是这个工具优秀，还是模型优秀，还是两者都优秀。
我之前被 claude 封了两个号，感觉 A\太恶心了，所以后期都只使用 codex 和 workbuddy 这两个工具，有时候用在线版本的 gemini 。
现在总看到有人在 twitter 上吹，claude 是最强大，因为已经很久没用了，想问问是 claude code 这个工具很强大吗？那如果我下载 claude 桌面版本，然后修改后调用 gpt6.1sol 是否能够达到效果？（印象中只能在对话中使用，claude code 好像要 VIP 啥版本才能使用，太久没用忘了）。
如果是 claude 那啥 5.5 模型 NB 的话，那我使用第三方中转站的 API 在 codex 或 workbuddy 上使用，是不是也能达到这种效果。
如果是两者结合起来，那我是不是只能捏着鼻子去买一个新号了呢？
太久没用，求最近有使用的人指点一下。谢谢。
via V2EX (author: zjh123456)
我之前被 claude 封了两个号，感觉 A\太恶心了，所以后期都只使用 codex 和 workbuddy 这两个工具，有时候用在线版本的 gemini 。
现在总看到有人在 twitter 上吹，claude 是最强大，因为已经很久没用了，想问问是 claude code 这个工具很强大吗？那如果我下载 claude 桌面版本，然后修改后调用 gpt6.1sol 是否能够达到效果？（印象中只能在对话中使用，claude code 好像要 VIP 啥版本才能使用，太久没用忘了）。
如果是 claude 那啥 5.5 模型 NB 的话，那我使用第三方中转站的 API 在 codex 或 workbuddy 上使用，是不是也能达到这种效果。
如果是两者结合起来，那我是不是只能捏着鼻子去买一个新号了呢？
太久没用，求最近有使用的人指点一下。谢谢。
via V2EX (author: zjh123456)
[推广] 作者自荐： Botstest，一个具身智能与机器人资源目录
我是 Botstest 的作者，来介绍一个具身智能与机器人资源目录。
网站按硬件与零部件、软件、模型、数据集、基准和研究学习资源分类，方便从一个入口查找相关项目。也可以按开源、商业和研究类别浏览。
比如做机器人学习或仿真选型时，可以先找 LeRobot 、MuJoCo 、Isaac Lab 等项目入口，再去上游核对文档、许可证和适用条件。目录负责帮助发现资源，并不表示每个收录项目都经过测试或获得背书。
地址： https://botstest.com/
想听听大家的建议：做具身智能项目时，你最难找到的是硬件、仿真工具、模型还是数据集？目录里还缺哪些信息？
via V2EX (author: 1722332572)
我是 Botstest 的作者，来介绍一个具身智能与机器人资源目录。
网站按硬件与零部件、软件、模型、数据集、基准和研究学习资源分类，方便从一个入口查找相关项目。也可以按开源、商业和研究类别浏览。
比如做机器人学习或仿真选型时，可以先找 LeRobot 、MuJoCo 、Isaac Lab 等项目入口，再去上游核对文档、许可证和适用条件。目录负责帮助发现资源，并不表示每个收录项目都经过测试或获得背书。
地址： https://botstest.com/
想听听大家的建议：做具身智能项目时，你最难找到的是硬件、仿真工具、模型还是数据集？目录里还缺哪些信息？
via V2EX (author: 1722332572)
[推广] 蹭了个热点，做了个 AI 换脸视频的小工具
顺手做了个工具：传一张正脸照片，出来 10 秒竖屏无声 MP4 。动作和机位原样保留，脸上的部分换成你。 bulin47ai.online
出来是无声的，BGM 得自己在 TikTok 里挂，不知道版权你们都怎么搞的
via V2EX (author: Viyozc)
顺手做了个工具：传一张正脸照片，出来 10 秒竖屏无声 MP4 。动作和机位原样保留，脸上的部分换成你。 bulin47ai.online
出来是无声的，BGM 得自己在 TikTok 里挂，不知道版权你们都怎么搞的
via V2EX (author: Viyozc)
[程序员] 「编程已死，编程万岁」： pstack 作者 poteto 写给正在哀悼写代码这件事的程序员
pstack 的作者 poteto （ Lauren Tan ） 9 月 25 日在 X 上发了一篇短文《 Coding is dead, long live Coding 》，站里放了中文译文，版权归原作者，原文链接在下面。
她也是自学编程，从高中开始写代码，爱的就是逐行琢磨怎么写得更优雅。但她觉得：
- 亲手写代码这门手艺会消失。她引了 Thorsten Ball 的话：意大利鞋匠如今还有，但看看你脚上穿的。
- 编程本身没死，它活在模型权重里、框架里、语言里。所以不该嘲笑那些在哀悼的人，我们的一切都归功于他们。
- 新一代程序员会用自然语言表达意图，做东西的速度和质量会超过手写能达到的水平。
- 她说自己反而比以往任何时候都更爱编程了：以前能做什么受限于本事，现在只要找对提示词和上下文就行。
想听听大家怎么看：你是在哀悼，还是更爱编程了？
译文： https://pstack.ganhai.cloud/from-poteto/coding-is-dead-long-live-coding-zh/
X 原文： https://x.com/poteto/status/2103571281014861957
via V2EX (author: liuluxu1989)
pstack 的作者 poteto （ Lauren Tan ） 9 月 25 日在 X 上发了一篇短文《 Coding is dead, long live Coding 》，站里放了中文译文，版权归原作者，原文链接在下面。
她也是自学编程，从高中开始写代码，爱的就是逐行琢磨怎么写得更优雅。但她觉得：
- 亲手写代码这门手艺会消失。她引了 Thorsten Ball 的话：意大利鞋匠如今还有，但看看你脚上穿的。
- 编程本身没死，它活在模型权重里、框架里、语言里。所以不该嘲笑那些在哀悼的人，我们的一切都归功于他们。
- 新一代程序员会用自然语言表达意图，做东西的速度和质量会超过手写能达到的水平。
- 她说自己反而比以往任何时候都更爱编程了：以前能做什么受限于本事，现在只要找对提示词和上下文就行。
想听听大家怎么看：你是在哀悼，还是更爱编程了？
译文： https://pstack.ganhai.cloud/from-poteto/coding-is-dead-long-live-coding-zh/
X 原文： https://x.com/poteto/status/2103571281014861957
via V2EX (author: liuluxu1989)
3fRX0kS.png
198.6 KB
[问与答] 为什么都在说 gpt 拉完了
本人 deepseek,claude code, gpt 都有在使用，老实说 opus5.5 确实挺强的，但 gpt6 也没有大家说的那么拉把，可能我做的项目都比较简单，都是一些 crud 型的，我承认 opus 在前端上面确实是秒杀 gpt 的，不过在后端上我感觉 gpt 不比 opus 差，甚至还强一点，opus 的后端有时候有点过于简单了，不过 claude 的套餐使用感受来说确实比 gpt 更耐用。
不过 gpt 使用门槛低太多了，现在时不时的重置也能弥补一些用量，所以我觉得还是可以的。
via V2EX (author: momowei)
本人 deepseek,claude code, gpt 都有在使用，老实说 opus5.5 确实挺强的，但 gpt6 也没有大家说的那么拉把，可能我做的项目都比较简单，都是一些 crud 型的，我承认 opus 在前端上面确实是秒杀 gpt 的，不过在后端上我感觉 gpt 不比 opus 差，甚至还强一点，opus 的后端有时候有点过于简单了，不过 claude 的套餐使用感受来说确实比 gpt 更耐用。
不过 gpt 使用门槛低太多了，现在时不时的重置也能弥补一些用量，所以我觉得还是可以的。
via V2EX (author: momowei)
[奇思妙想] 对话式 ai 依旧重要，但如何高效的沉淀成任务与知识越来越重要
标题：AI 对话很适合探索，但如何把它沉淀成真正可执行的任务？
最近我一直在思考一个问题。
我们和 AI 讨论任务时，通常不是从一份清晰的需求开始。对话更像探索：问题不断变化，新的约束和需求逐渐出现，一些想法被确认，另一些方向仍然充满不确定性。
过程中，我们会摘录有用的观点、写批注，或者围绕某个问题继续追问。但对话结束后，经常出现一种落差：
我们到底沉淀出了什么？
哪些判断已经被我们接受，并成为后续任务的约束？ AI 是否也理解了这些确认？哪些内容只是值得参考的想法，哪些仍然需要验证？
摘录下来的内容可能都很有价值，却属于不同层次：
● 任务目标和约束
● 已确认的设计判断
● 支持判断的依据
● 尚未解决的问题
● 被后续讨论修正的旧认识
● 可以用于验收的具体例子
直接让 AI 总结整段对话，往往会得到一份流畅的结论，但探索过程中的分歧、不确定性和判断依据也可能被一起抹平。最后留下的是摘要，人的学习过程和决策过程却没有真正沉淀下来。
我更期待这样的流程：
1. 人在对话和阅读中自由探索；
2. 人主动选择重要内容，写下自己的理解；
3. AI 根据这些选择继续提问，帮助发现缺口、明确约束并重新组织；
4. 原本发散的问题逐步成为已经确认的节点；
5. 最后由人确认，整理成需求、设计、知识或下一步行动。
在这里，AI 的作用不只是总结，而是帮助人把探索过程转化成一个保留依据、不确定性和修正记录的结构。
我也在尝试设计一个支持这种流程的插件，想先了解大家平时是怎么处理的：
● 你们如何判断一段对话应该结束探索、开始整理？
● 你们会保留完整对话、摘要、摘录，还是只保留最终任务文档？
● 有没有经历过“讨论时感觉收获很多，过后却说不清最终确认了什么”？
● 哪些整理工作可以交给 AI ，哪些判断必须由人完成？
via V2EX (author: cyberbankerccc)
标题：AI 对话很适合探索，但如何把它沉淀成真正可执行的任务？
最近我一直在思考一个问题。
我们和 AI 讨论任务时，通常不是从一份清晰的需求开始。对话更像探索：问题不断变化，新的约束和需求逐渐出现，一些想法被确认，另一些方向仍然充满不确定性。
过程中，我们会摘录有用的观点、写批注，或者围绕某个问题继续追问。但对话结束后，经常出现一种落差：
我们到底沉淀出了什么？
哪些判断已经被我们接受，并成为后续任务的约束？ AI 是否也理解了这些确认？哪些内容只是值得参考的想法，哪些仍然需要验证？
摘录下来的内容可能都很有价值，却属于不同层次：
● 任务目标和约束
● 已确认的设计判断
● 支持判断的依据
● 尚未解决的问题
● 被后续讨论修正的旧认识
● 可以用于验收的具体例子
直接让 AI 总结整段对话，往往会得到一份流畅的结论，但探索过程中的分歧、不确定性和判断依据也可能被一起抹平。最后留下的是摘要，人的学习过程和决策过程却没有真正沉淀下来。
我更期待这样的流程：
1. 人在对话和阅读中自由探索；
2. 人主动选择重要内容，写下自己的理解；
3. AI 根据这些选择继续提问，帮助发现缺口、明确约束并重新组织；
4. 原本发散的问题逐步成为已经确认的节点；
5. 最后由人确认，整理成需求、设计、知识或下一步行动。
在这里，AI 的作用不只是总结，而是帮助人把探索过程转化成一个保留依据、不确定性和修正记录的结构。
我也在尝试设计一个支持这种流程的插件，想先了解大家平时是怎么处理的：
● 你们如何判断一段对话应该结束探索、开始整理？
● 你们会保留完整对话、摘要、摘录，还是只保留最终任务文档？
● 有没有经历过“讨论时感觉收获很多，过后却说不清最终确认了什么”？
● 哪些整理工作可以交给 AI ，哪些判断必须由人完成？
via V2EX (author: cyberbankerccc)
[分享创造] 做了个浏览器本地处理的视频编辑器，分享给大家，欢迎提建议反馈
https://www.freeonlinevideoeditor.app
via V2EX (author: ethusdt)
https://www.freeonlinevideoeditor.app
via V2EX (author: ethusdt)
[随想] 品味、毅力、专注——AI 时代的稀缺能力
品味决定了构建一个东西，它的上限有多高？
毅力决定了构建一个东西，它的下限有多高？
专注决定了构建一个东西，它的纯度有多高？
就像乔布斯在 1997 年 WWDC 问答环节所说那样：“Focusing is about saying 'no' ”。
AI 天天拉出一堆看着美味的巧克力，还是得有品味、有毅力、能专注的人来过滤，才能把垃圾挡在外面。
这些能力与 AI 无关，在哪里都很重要。
AI 万能论不值得鼓吹，AI 无门槛也没那么绝对，有这三种能力来支撑，能更好地使用 AI 。
via V2EX (author: SuperDaniel313)
品味决定了构建一个东西，它的上限有多高？
毅力决定了构建一个东西，它的下限有多高？
专注决定了构建一个东西，它的纯度有多高？
就像乔布斯在 1997 年 WWDC 问答环节所说那样：“Focusing is about saying 'no' ”。
AI 天天拉出一堆看着美味的巧克力，还是得有品味、有毅力、能专注的人来过滤，才能把垃圾挡在外面。
这些能力与 AI 无关，在哪里都很重要。
AI 万能论不值得鼓吹，AI 无门槛也没那么绝对，有这三种能力来支撑，能更好地使用 AI 。
via V2EX (author: SuperDaniel313)
[Java] 让 AI 真正"打断点"： Java -debug，一个通用的 Java 远程调试 Agent Skill
别再让 AI 对着日志猜根因了。给它一个断点，让它自己去看现场。
GitHub：https://github.com/Aresxue/java-debug-skill
----------------------
痛点：AI 排查 Java 问题，大多数时候是在"猜"
线上一个接口偶发返回错误数据，你把代码和日志丢给 AI ，它给出三种"可能的原因"，但哪一个是真的，它也不知道。因为它看不到运行时：那一刻的入参是什么、走了哪个分支、某个字段到底是不是 null 。
Java 程序员排查这类问题的终极武器是断点调试。可让 AI 去用
java-debug 就是为这件事而生的：它是一个标准格式的 Agent Skill （
----------------------
一次调试长什么样
在已安装该 Skill 的 Agent 里，直接用自然语言发起即可：
1. 读代码，定位请求入口和可疑路径
2. 给出断点计划，等你确认（你用
3. 连接 JVM 并设置断点
4. 提示你触发请求，阻塞等待命中
5. 采集现场：调用栈、局部变量、表达式求值、单步执行
6. disconnect，被冻结的线程全部恢复
7. 输出结论：执行路径、变量快照、根因、修复建议
----------------------
为什么不直接用 jdb
核心是自研的 JDI 客户端：只依赖 JDK 内置的
----------------------
亮点能力
● 断点不漏装：方法入口断点、行断点；类还没加载时自动转为延迟断点；重载方法、同一行的多个可执行位置（含 lambda ）都会装上
● 多 ClassLoader / 热部署：同名类的所有已加载副本都装断点，之后加载的副本自动补装；某个副本装不上时会给出原因
● 表达式求值（相当于 IDEA 的 Evaluate Expression ）：局部变量、字段访问、实例方法、链式调用、静态方法 / 静态字段
● 单步执行：
● 命中不跑业务代码：对象按字段展开，从不自动调用
● 无法直连时（
更多能力（并发命中隔离、断线重连、错误码、JDK 8 / 9+ 兼容性等）见 README。
----------------------
安全：先说清楚风险
远程调试本身是高危操作：JDWP 没有认证，能连上就能执行任意代码。java-debug 尽量把边界做成硬约束，但它降低的是风险，不是消除风险。
客户端强制的防护（写在代码里）
● 命令端口只绑定
● 客户端最多保留 64 个命中现场，超出后新命中直接放行并提示
●
●
Skill 工作流规则（要求 Agent 遵守）
● 断点计划必须先经你确认；无论正常结束、失败还是被打断，都必须 disconnect
● 禁止 eval 有副作用的方法（写库、发 MQ 、改状态、清缓存）
● 认证、支付、隐私相关的敏感数据（ token 、身份证号、银行卡号、密码）不得原样贴进对话或结论
----------------------
快速开始
别再让 AI 对着日志猜根因了。给它一个断点，让它自己去看现场。
GitHub：https://github.com/Aresxue/java-debug-skill
----------------------
痛点：AI 排查 Java 问题，大多数时候是在"猜"
线上一个接口偶发返回错误数据，你把代码和日志丢给 AI ，它给出三种"可能的原因"，但哪一个是真的，它也不知道。因为它看不到运行时：那一刻的入参是什么、走了哪个分支、某个字段到底是不是 null 。
Java 程序员排查这类问题的终极武器是断点调试。可让 AI 去用
jdb？输出是要解析的文本，要靠 tmux + sleep 去赌时序，命中后默认冻结整个 JVM ，这根本不是给 AI 设计的。java-debug 就是为这件事而生的：它是一个标准格式的 Agent Skill （
SKILL.md），Claude Code 、Codex 、Cursor 等支持 Skills 的 Agent 都能用。装上之后，AI 可以像你在 IDEA 里一样，连上远程 JVM 、打断点、等命中、看调用栈和局部变量、求值、单步，并且被要求只能基于实际采集到的运行时数据下结论。----------------------
一次调试长什么样
在已安装该 Skill 的 Agent 里，直接用自然语言发起即可：
帮我远程 debug 10.0.1.5:5005 ，源码在 /path/to/repo ，查一下订单查询为什么偶发返回空
支持斜杠命令的 Agent 也可以显式调用，例如 Claude Code 中：接下来 AI 会自己完成整个闭环：/java-debug 10.0.1.5:5005 --repo /path/to/repo。 可选参数：--bp预设断点（可重复）、--repo本地源码路径、--max-bp每轮最多断点数、--wait-timeout等待命中的秒数、--manual只生成命令清单。
1. 读代码，定位请求入口和可疑路径
2. 给出断点计划，等你确认（你用
--bp 亲自指定的断点视为已确认；之后新增的断点仍需确认）3. 连接 JVM 并设置断点
4. 提示你触发请求，阻塞等待命中
5. 采集现场：调用栈、局部变量、表达式求值、单步执行
6. disconnect，被冻结的线程全部恢复
7. 输出结论：执行路径、变量快照、根因、修复建议
----------------------
为什么不直接用 jdb
核心是自研的 JDI 客户端：只依赖 JDK 内置的
com.sun.jdi，零外部依赖，以常驻 HTTP 服务模式运行，所有操作都是一条 JSON 命令，curl 即可驱动。不绑定任何 Agent 。----------------------
亮点能力
● 断点不漏装：方法入口断点、行断点；类还没加载时自动转为延迟断点；重载方法、同一行的多个可执行位置（含 lambda ）都会装上
● 多 ClassLoader / 热部署：同名类的所有已加载副本都装断点，之后加载的副本自动补装；某个副本装不上时会给出原因
● 表达式求值（相当于 IDEA 的 Evaluate Expression ）：局部变量、字段访问、实例方法、链式调用、静态方法 / 静态字段
● 单步执行：
over / into / out，响应自动带上新位置的栈和局部变量● 命中不跑业务代码：对象按字段展开，从不自动调用
toString()● 无法直连时（
--manual）：生成一份命令清单，在目标机或跳板机上执行后把输出贴回来分析更多能力（并发命中隔离、断线重连、错误码、JDK 8 / 9+ 兼容性等）见 README。
----------------------
安全：先说清楚风险
远程调试本身是高危操作：JDWP 没有认证，能连上就能执行任意代码。java-debug 尽量把边界做成硬约束，但它降低的是风险，不是消除风险。
客户端强制的防护（写在代码里）
● 命令端口只绑定
127.0.0.1，没有开关能对外开放；校验 Host 头、拒绝带 Origin 的请求，挡掉浏览器跨站和 DNS rebinding● 客户端最多保留 64 个命中现场，超出后新命中直接放行并提示
dropped_events●
eval 内置硬拒绝名单：System.exit、Runtime.exit / halt / exec、ProcessBuilder.start、Thread.stop / suspend●
disconnect 后目标 JVM 中所有被冻结的线程自动恢复Skill 工作流规则（要求 Agent 遵守）
● 断点计划必须先经你确认；无论正常结束、失败还是被打断，都必须 disconnect
● 禁止 eval 有副作用的方法（写库、发 MQ 、改状态、清缓存）
● 认证、支付、隐私相关的敏感数据（ token 、身份证号、银行卡号、密码）不得原样贴进对话或结论
⚠️ 使用边界，务必读完
● 只冻结命中线程 ≠ 不影响服务：被冻结的线程如果持有锁、数据库连接或连接池槽位，争用同一资源的线程会一起卡住，影响可能扩散到整个服务。
● 64 只限制客户端保留的现场数，不限制目标 JVM 同时被挂起的线程数：热路径上的断点遇到并发命中，会瞬间挂起大量线程。
● 超时不会自动恢复线程：wait-breakpoint/step超时后，要按frozen_threads逐一resume，或直接disconnect兜底。
● 拒绝名单只防手滑，不是沙箱，其他有副作用的方法仍然可以调用。
● 生产环境：断点放在冷路径、无锁的位置，尽快 resume ； JDWP 端口必须只对内网 IP 白名单开放，或者走 SSH 隧道。
----------------------
快速开始