是应该说这个 xxxx-flash 模型聪明呢？还是实在呢？

花了 1 亿 Token 用 dsh 做了 dsh 插件导航

DeepSeekHarness 昨晚上公测，趁着 API 还没有涨价，

用 DSH 做了一个 deepSeekharnessplugins.com 的网站，审美也是满在线的

便宜是真便宜，用了接近 1 亿 Token，花费 5 块多一点，全程 V4Pro Max，出了中间因为 API 超时断了几次，都挺好的

缓存率是真的高，图上显示是 100%，我估计应该是 99.99% 这种被四舍五入了。

插件系统初看有些复杂，但这也说明为啥叫 harness ，而不是叫另一个 code

今天回头看眼之前的基金收益，感觉还得是大道至简，越简单的策略带来的收益至少能超过平均线（现在已空仓）
​
​有多简单呢？

1. 选中沪深 300，中证 500，债券基金，纳斯达克 100，标普 500
2. 设置每周/月一次定投
3. 设置一年一次再平衡日程提醒
4. 保证你余额宝有钱就行了
​
​任它云卷云飞，努力在场外挣钱，静待花开

最近睡前在用豆包和小米粒讲绘本，让我想起了 GPT 刚刚出来那段时间，我们做的两个功能：

1. 古早的语音助手：它是基于关键词匹配的。可以用它跟小朋友一起讲讲笑话、讲讲指定的绘本，或者讲讲今天天气怎么样之类的事情。
2. 摄像头拍绘本：用摄像头拍绘本，如果那个绘本在我的知识库里面有，我就会匹配一段绘本的语音去讲这个绘本。

这才过去不到三年，这两个功能基本上完全被 AI 替代了。甚至都不用专门去做一个应用，一些通用的大模型应用就已经能做得 60 分了。
​
​

矿池既视感

5 月时候一个月蹬了 17 亿，感觉自己蹬得好猛
​
​没想到两个月过去，一天都蹬了 35 亿。
​
​为啥蹬这么猛，得益于两个方面
一是模型的的长程任务、Agent 能力的增强
​二是工具的 harness 能力的增强
​
​昨天大概就是 7-8 个项目并行在跑，然后他们又派发了不少的子 agent 在干活

蹬了一下午 @王登科 大佬做得 Agent Tank，挺有意思的，排行榜上的王者 Tank 们真猛，完全打不赢

之前公司的龙虾用的顶级模型 opus 和 sonnet，但账单很吓人，比人还贵

于是开启了用国产模型降本之路，基本热度很高的模型，我们都做了尝试。

基于我最常用的一个查日志的链路，我来讲下我的体感。

背景：
1. 龙虾里面有很多的 skill
2. 我的查日志的链路做了一个 skill A，但是公共的一个 skill B有些冲突，所以我单独放了一个路径，并在 TOOLS.md 里面做了引用说明

表现：
qwen-3.7-max：看了日志格式，找到了 skill B，结果放进去跑不通，开始想办法，发现了这个日志在阿里云，去下载结果没有找到密钥，最后寻求我的帮助

deepseek-v4pro：不止匹配到了 skill B，甚至还找到了 BCD，但发现都不能解析这个日志，最后说查了记忆，也不知道是怎么解析，需要我提供进一步信息

glm-5.1：实际上它也找到了 skill B 去，然后发现不对，就自行查记忆去了，然后找到了 skill A，就能正确的走后面的流程了，更让人惊喜的是，在经历几次之后，glm-5.1 模型下的龙虾就记住这个事儿，直接去找了 skill A

综上，我的体感是 glm-5.1 最好，怪不得老外也来抢智谱的 coding plan

亲测很快，基于框架用的 cursor/codex 进行开发，没有做额外的优化，shipany next 确实很强

上个月花了 17 亿 token ，但并没有让我更轻松，反而更累了

有了 AI 后，多线程处理事情的场景变得多了起来了，人类上下文的切换，关键决策的制定都让人感觉疲惫

虽然可以 harness 让 AI 自动跑起来，但缺少人类的决策，始终觉得差了一些灵魂。