把OpenAI的这个实践应用到自己的项目里，可能是各个工程团队26年最需要做的改造了。

Humans steer. Agents execute.
目标是让AI编写100%代码，人类只做这些

环境设计：构建反馈循环让 AI 能自主验证，即使AI操作UI比人类慢很多，但它可以在你睡觉的时候工作，忙不过来的时候，你也可以随时Hire一个新的Agent
架构约束：用 linter/CI 机械化执行规则，而不是靠脆弱的文档指令
知识管理：通过AGENTS.md等文档沉淀知识，而不是分散在代码，甚至slack讨论里
可观测性：让 AI 能看到 UI 截图、日志、metrics，自己验证自己的工作

很多人可能会担心AI写的代码出错了怎么办，人类Review变成了瓶颈。OpenAI的哲学是：当 correction 的成本极低时，blocking merge gate 就不必要了，前提是你得有 CI 告诉 AI 哪里坏了，AI 才能自己修。

随着时间的推移和AI代码量的积累，整个仓库会趋于熵增，产生越来越多的垃圾。
人类维护的仓库如果不做重构也会这样，导致更容易出错，影响迭代效率（工程师经常要向产品经理解释为什么重构很重要），但AI产生垃圾的效率也远高于人类，重构的频率也需要提升。
重构的方向很难完全由AI决定，必须由人类设定目标，以后有代码和架构品味的，擅长重构的工程师价值会变得更大。但也需要这些工程师放下偏见，学会与AI协作，而不是觉得AI做不好就得自己上。

国产模型日常提问、写代码已经和海外头部差距不大了，但kimi2.5放到openclaw里简直像个不争气的傻儿子，稍微碰到点困难就放弃，要让我帮他操作，也不会从错误中反思学习，失败的操作还反复来。

最近听到个很有道理的说法：动作游戏都是音游，玩家通过适应boss的攻击节奏来做出反应。

从这个角度来说，怪的攻击动作是不是应该更符合直觉一些，这个符合直觉不等于让游戏变得简单，节奏可以有反拍，空拍，让玩家看到攻击就是躲不过，通过几次习惯练习后掌握。

比如快慢刀接替，还有boss预测玩家的条件反射路径来攻击，都让玩家有种手跟不上脑子的感觉。

很多3d游戏，一方面由于boss体型巨大，移动中视角不完美，场景的光影更复杂，boss也可能是个分不清四肢构造的怪异动植物，导致容易看不清出招动作。相比之下2d游戏的怪物轮廓清晰，体型比例合理，视角居中。

比如只狼虽然难，但都是人形怪，动作相对符合经验认知，重点考核的就是玩家的反应节奏感。

这倒也能理解，想象进入一个魔幻世界，面对的可能就是巨大陌生的怪物。

但有些boss长着人的样子不干人事是让人比较难受的，最近想吐槽的是黑神话第三章的黄眉，谁能想到空中悬浮一堆电花表示要使用投技了，而且投技的演出效果让人感觉是躲不过的剧情，挨了几次才感觉不对劲。。

作为中国人，经常要舍近求远去youtube看中国up主做的中文视频，几乎可以肯定这些up主在b站也有账号，但是不会推荐给我

Typeless好用，一些编程术语识别的不错

这里能求到一个Typeless邀请码吗，wisper flow的中文不太行

知识库的需求好像都是知识的持有人希望别人使用的，不好用也难怪了

只依赖融资不做收入会脱离商业实际。
尽早做收入优化又可能陷入枯燥的经营里，过于现实会扼杀想象力，精打细算会削弱投入的胆量

claude code把自己做成了cursor的插件，在cursor的terminal里运行会提示安装，比cursor自己还好用。。

一直为用不完cursor每月500次的额度而苦恼，最近因为模型能力变强了，一直vibe一直爽，眼看这个月有希望用完500次了，结果变无限额度了？