MiniMax 大模型专家，简称大专

GPT-5.6Terra Max 看起来才是质量✖️速度✖️价格的完美选择呀

最近在实践新型的读书方法：

第一步：每天上班的时候，1.5 倍听书，快速过一遍章节讲了什么，以及通过里面的故事了解作者具体想表达的想法。

第二步：在碎片时间，用手机看已经听过的内容，由于已经听过一次了，所以看的速度很快，更多是画一些重点以及图片，把作者的框架迅速地收敛。

第三步：用 codex 把划线的框架性的内容做成一个 skill，并且要求 codex 把这个 skill 做成交互式的 HTML。

第四步：一般来讲，我看书都是有一些目的性的，要么就是最近有些困惑，要么最近有些事情要解决，需要通过看书来解决，所以有了这个 skill 之后，我会马上通过自己的实际的需求去验证 skill，这个过程中既可以了解 AI 的思考过程，还可以去优化 skill。

第 5 步就是执行这个循环，每天看一点，更新一点。而且第二次的时候，是让这个 codex 在原来 skill 的基础上，把当天学习到的框架内容更新到这个 skill 里。

最后整本书看完了之后，我收获了一个 skill，也实践了书本的内容，并且解决了自己的问题。

高强度 5.6 Sol 了一天，体验如下：

1. 5.6 整体比 5.5 做事情思考地更多，也更纠结，虽然慢点，但最终结果还不错

2. 5.6 整体比 5.5 更喜欢更积极使用 subAgent（我提交了一个只有 5 个代码变更的 Commit，开了 3 个 subagent 分别从不同的角度 Review，我检查思考过程发现他激活了我的多智能体 Review 的 SKILL）

3. 5.6 整体比 5.5 消耗更大

4. 5.6 整体比 5.5 速度更慢

5. 5小时额度没了，被迫下班

GPT5.6 夯爆了

怕了，怕了，接手了一个产品经理出身的领导氛围编程的半成品，一个月都在为他的半成品做技术债的清理。这就是 AI 编程风靡之后，程序员要做的事情，就是重构 AI 不合理的技术栈…

以后接手类似项目，直接把那个氛围编程的项目当成一个原型➕ PRD，然后重新做技术架构的分析，然后重写。

😶‍🌫️

AI 也存在决策噪声，由于普通人很难影响模型训练时的数据，所以在同个模型的情况下，噪声就来源于上下文。

MattPocock 有一个很著名的观点：你的代码库就是最关键的上下文。架构混乱、屎山代码，模型阅读了代码后某种意义上就是被代码库的情况造成了污染。

而现在 AI 编程能力很强，经常会让 AI 写一些曾经不擅长的领域的代码，所以在脑暴和架构时期，就会需要 AI 辅助决策，在辅助决策的时候，每一个选项的产出，其实都可以运用“自我重复抽样法”(dialectical bootstrapping)的策略，让 AI 强行开启慢思考。

晚些我让我的 Brainstorming-only SKILL（github.com... ）学习一下。

怎么会有那么可爱的小猫咪

ClaudeCode 最近上下文管理的确傻傻的

我刚把 cc-dev 的「自动驾驶开发」升级成真正的 Codex 并发子线程。

不是喊一句“开几个 subagent”。

现在：cc-plan 冻结 Execution Environments，cc-dev 创建真实 child thread，按 CHILD_DISPATCH_PACKET 派发任务；子线程只做自己的环境，主线程负责审计、集成、cc-check、cc-act。

并发写代码，终于有责任边界了。

github.com

现在的工作流是 先 ClaudeCode 使用 Mattpocock Skills: Grill with Docs 进行需求分析，拷问得差不多了就开始 handoff 一份临时文档，让Codex 接着拷问具体的实现细节，确认方案后。直接开启 cc-dev 并行子线程开发。

Codex 就会根据需求自动分配任务，能够并行开发的，就会多个子线程发出开发和review。

直接代替了以前我认为拆分需求并发开发的希望，我以前的职能被 cc-dev 代替了哈哈哈