即刻App年轻人的同好社区
下载
最近这半年一直在折腾agent。日报、信息订阅这些应用也都做过了。但这些东西给我的感觉特别像智能家居，它告诉你“这个东西很🐮🍺”，结果每次演示，无非还是“打开窗帘”“打开灯”“打开空调”。你看着这些场景，目瞪口呆，在心里呐喊：这到底哪里🐮🍺了？！
所以我一直在想，如今 agent 的能力到底能帮我个人做点啥？
还真有一个：给孩子做一个个人家庭老师。
我一开始的想法很简单，把批改作业这件事帮我做了，把默写语文词语、英语单词这件事帮我做了。听起来都很小，但真上手之后才发现，做一个能跑的 agent 不难，做一个真的好用的产品很难，总结了几点感受来分享。
- 细节！细节！还是细节！
拿默写来说，表面上只是把文本用 TTS 转成语音。但真实的默写场景不是这样。老师不会用正常语速一路读完，而是会刻意放慢，会拆开节奏，会在引导词和目标词之间留出反应时间。
想象一下，我们在默“你好”，老师可能会读成：“你……好……你……好……”
但默认 TTS 不是这样的。它就是一段连续、标准语速的输出，哪怕重复两遍，孩子还是可能听不清、跟不上。这种细节很小，但特别典型。你不做一遍，根本意识不到它会直接决定这个功能到底是不是能用。
- 没有多模态，一切都是空
默写这个场景不是纯文本。首先要给书本拍照，把词语录进去；然后 agent 出题，孩子默写；默写完之后再拍照，让 agent 批改。只有这样，它才知道孩子到底掌握了什么、错在什么地方，下次要不要再默。
如果没有多模态，意味着你要一个个手动录词语，孩子写完之后你还要自己批改，再把结果告诉 agent。那我到底是在用 agent，还是在给 agent 打工？
这次被 doubao 的多模态识别效果震惊到了。我原本已经准备好“它识别一遍，我再人工改一遍”，结果实际用下来，很多小朋友写得特别抽象的内容，它一遍就能识别出来。这已经不是“勉强能用”，而是可以放心大胆的投入生产的地步程度。
- 速度是王道！
我自己用下来的体感是，只要响应慢，很多设计都会被抵消。比如一句指令发出去，几十秒甚至更久才返回，在这种高频交互场景下，我作为用户都会开始怀疑是不是哪里出问题了。
这点上，豆包就做得很好。像拍照批改这种场景，在豆包 App 里基本 10 秒内就能出结果。这里面一定不只是模型本身的问题，产品和工程上应该也做了很多处理。因为我作为用户最后只会感受到慢，而不会去猜想是不是GLM把我限速了。
- 模型依然关键
我原本以为，现在模型之间的差距已经缩小到“只要把 agent 流程做好就行”的程度。但做薄弱点分析的时候，发现自己还是太乐观了。
我的设想是：每次记录孩子的错题，分析为什么错，再每周生成针对性的强化练习。这个思路看起来很顺，但实际跑下来，在“为什么错”和“规律是什么”这两件事上，模型差异还是很明显。
我用 GLM-5.1 跑过，已经算是不错的国产模型了，但在稳定归因和行为模式总结上，效果依然不行。后来我把这一步单独交给 GPT-5.5 extra high 模式去做，只是换了模型，结果就明显好了很多。
所以我一直在想，如今 agent 的能力到底能帮我个人做点啥？
还真有一个：给孩子做一个个人家庭老师。
我一开始的想法很简单，把批改作业这件事帮我做了，把默写语文词语、英语单词这件事帮我做了。听起来都很小，但真上手之后才发现，做一个能跑的 agent 不难，做一个真的好用的产品很难，总结了几点感受来分享。
- 细节！细节！还是细节！
拿默写来说，表面上只是把文本用 TTS 转成语音。但真实的默写场景不是这样。老师不会用正常语速一路读完，而是会刻意放慢，会拆开节奏，会在引导词和目标词之间留出反应时间。
想象一下，我们在默“你好”，老师可能会读成：“你……好……你……好……”
但默认 TTS 不是这样的。它就是一段连续、标准语速的输出，哪怕重复两遍，孩子还是可能听不清、跟不上。这种细节很小，但特别典型。你不做一遍，根本意识不到它会直接决定这个功能到底是不是能用。
- 没有多模态，一切都是空
默写这个场景不是纯文本。首先要给书本拍照，把词语录进去；然后 agent 出题，孩子默写；默写完之后再拍照，让 agent 批改。只有这样，它才知道孩子到底掌握了什么、错在什么地方，下次要不要再默。
如果没有多模态，意味着你要一个个手动录词语，孩子写完之后你还要自己批改，再把结果告诉 agent。那我到底是在用 agent，还是在给 agent 打工？
这次被 doubao 的多模态识别效果震惊到了。我原本已经准备好“它识别一遍，我再人工改一遍”，结果实际用下来，很多小朋友写得特别抽象的内容，它一遍就能识别出来。这已经不是“勉强能用”，而是可以放心大胆的投入生产的地步程度。
- 速度是王道！
我自己用下来的体感是，只要响应慢，很多设计都会被抵消。比如一句指令发出去，几十秒甚至更久才返回，在这种高频交互场景下，我作为用户都会开始怀疑是不是哪里出问题了。
这点上，豆包就做得很好。像拍照批改这种场景，在豆包 App 里基本 10 秒内就能出结果。这里面一定不只是模型本身的问题，产品和工程上应该也做了很多处理。因为我作为用户最后只会感受到慢，而不会去猜想是不是GLM把我限速了。
- 模型依然关键
我原本以为，现在模型之间的差距已经缩小到“只要把 agent 流程做好就行”的程度。但做薄弱点分析的时候，发现自己还是太乐观了。
我的设想是：每次记录孩子的错题，分析为什么错，再每周生成针对性的强化练习。这个思路看起来很顺，但实际跑下来，在“为什么错”和“规律是什么”这两件事上，模型差异还是很明显。
我用 GLM-5.1 跑过，已经算是不错的国产模型了，但在稳定归因和行为模式总结上，效果依然不行。后来我把这一步单独交给 GPT-5.5 extra high 模式去做，只是换了模型，结果就明显好了很多。
0 00
经常有网友调侃，江浙沪的冷是「魔法攻击」，而北方的冷是「物理攻击」。此言一出，往往又是引来一片争论。
我倒觉得，北方的寒冷才更像是魔法攻击：威力巨大，一击致命。
而江浙沪的冷，在我心里更像是诅咒攻击：并不会像立刻丧命，而是像钝刀子割肉一般慢慢蚕食你的血肉与精神。
魔法攻击你能清清楚楚觉察到那股气势，知道这是一场非生即死的较量。
而这种诅咒攻击，却容易让人放松警惕，以为不会伤筋动骨。可它就像附骨之蛆，不断拉扯你的精神，让你在不知不觉中消耗殆尽。
我倒觉得，北方的寒冷才更像是魔法攻击：威力巨大，一击致命。
而江浙沪的冷，在我心里更像是诅咒攻击：并不会像立刻丧命，而是像钝刀子割肉一般慢慢蚕食你的血肉与精神。
魔法攻击你能清清楚楚觉察到那股气势，知道这是一场非生即死的较量。
而这种诅咒攻击，却容易让人放松警惕，以为不会伤筋动骨。可它就像附骨之蛆，不断拉扯你的精神，让你在不知不觉中消耗殆尽。
1 00
我家住在东川路地铁站附近。地铁站旁曾有一家欧尚超市，这家大型商超一度带动了整个置业广场的商业氛围。当时，老闵行地区最近的综合商场还在莘庄，因此每逢节假日，置业广场总是人潮涌动，等待进场的车辆甚至排到了下一个红绿灯。
随着周边商业综合体的兴起，局势逐渐改变。首先是颛桥万达广场分流了北桥一带的客流，随后龙湖闵行天街开业，几乎吸走了置业广场的全部客源。欧尚从门庭若市到门可罗雀的变化，其实早已预示了它的结局，只是当时的我们，还只是感叹人流不复往昔。
此后，欧尚先是改挂大润发的招牌，最终彻底关张。置业广场也几经易主重装，期间虽屡有传闻称将引入盒马鲜生等新业态，但始终未能落地。欧尚的兴衰轨迹，与上海众多老牌商场如出一辙。只是作为附近的居民，我们难免带着滤镜看待它，总抱有一些不切实际的期待。事实上，受限于地理位置等因素，它再也无法重现昔日的繁华了。
随着周边商业综合体的兴起，局势逐渐改变。首先是颛桥万达广场分流了北桥一带的客流，随后龙湖闵行天街开业，几乎吸走了置业广场的全部客源。欧尚从门庭若市到门可罗雀的变化，其实早已预示了它的结局，只是当时的我们，还只是感叹人流不复往昔。
此后，欧尚先是改挂大润发的招牌，最终彻底关张。置业广场也几经易主重装，期间虽屡有传闻称将引入盒马鲜生等新业态，但始终未能落地。欧尚的兴衰轨迹，与上海众多老牌商场如出一辙。只是作为附近的居民，我们难免带着滤镜看待它，总抱有一些不切实际的期待。事实上，受限于地理位置等因素，它再也无法重现昔日的繁华了。
0 10
所以并没有冰拿铁只有冰澳白对么？
笛啵威: “啡”常清晰，懂了☕️
0 00
AI协作开发创造新的编程范式
李继刚: 之前拼的是Coding能力，现在拼的是与AI协作Coding的能力。 这俩能力项非常不一样。
0 00
今天看到一篇报道，国际刑警组织计划停用"pig butchering（杀猪盘）"这一说法，因为这种表述可能导致受害者因羞耻感而不敢报案。通过这篇报道我才了解到，"pig butchering"一词竟是源自中文的"杀猪盘"。
报道中提到，将受害者比作"猪"严重损害了受害者的自尊心，使他们不愿报案。这让我想起几年前小区里常见的警示条幅，上面写着"本小区某某因网络裸聊/赌博被骗若干万元"之类的内容。现在这种条幅已经很少见到了，可能也是因为认识到这种做法不仅未能降低诈骗发生率，反而会伤害受害者的自尊，使他们更不愿去报案。
善莫大焉。
报道中提到，将受害者比作"猪"严重损害了受害者的自尊心，使他们不愿报案。这让我想起几年前小区里常见的警示条幅，上面写着"本小区某某因网络裸聊/赌博被骗若干万元"之类的内容。现在这种条幅已经很少见到了，可能也是因为认识到这种做法不仅未能降低诈骗发生率，反而会伤害受害者的自尊，使他们更不愿去报案。
善莫大焉。
Interpol: Stop calling it 'pig butchering'
1 01
