[skill] Luna Evo：一個把 Luna 養大的原創實驗
-
先講結論：我覺得我的luna現在強的可怕～～
這是一個我自己正在做的 原創實驗。
在開始做 Luna Evo 之前，我其實有刻意做過一次測試。
我拿一個全新的專案，先讓 GPT-5.6 完整理解我的需求，再由它幫我整理出盡可能精準、完整的工作指令，然後把同一個任務分別交給 Sol、Terra、Luna 去做。
結果其實有點出乎我的預期。
三個模型最後做出來的東西，除了 Luna 的介面明顯比較簡陋之外，核心功能基本上都能正常完成。
這次測試讓我對 Luna 有一個很強烈的感覺：
Luna 的蠢，很多時候來自使用者的能力不夠。
只要需求拆得夠清楚、指令下得夠精準，它其實完全有能力幹活。
至少在我這次的測試裡，三個模型在明確功能需求上的完成度，差距並沒有我原本想像中那麼大。
真正明顯的差別反而是：
Sol 會自己顧前顧後、看頭看尾。
你只告訴它 A，它可能會自己想到 B、C、D，做完之後還會回頭檢查有沒有漏掉什麼。
Luna 比較像是：
你叫它做 A，它就把 A 做掉；但你沒提醒它 B，它可能根本不會主動想到 B。
所以我後來開始懷疑，Luna 真正跟 Sol 拉開差距的地方，未必只是「會不會寫程式」。
更可能是在 Agent 行為、主動思考、推理資源、工具使用、檢查完整度，或者其他我們看不到的地方。
我的假設
我懷疑 Luna 本身就是一個刻意「降智」設計的產品分層。
可能是在 Agent 行為、推理資源、工具使用，或其他我們看不到的地方受到限制，所以最後跟 Sol 呈現出明顯的能力差距。
這當然只是我的假設。
但如果我的判斷是對的，Luna 缺的可能不完全是「能力」，而是缺少 Sol 那種會自己多想幾步、顧前顧後的習慣。
那我就開始想一件事：
這些原本需要 Sol 自己想到的事情，有沒有可能靠 Skill 去約束、提醒、補回來？
把做事情之前要確認什麼、做完之後要檢查什麼、哪些地方容易漏、什麼情況應該停下來重新判斷，慢慢寫進 Skill 裡面。
等於把 Sol 原本會自己想到的東西，一部分外掛到 Luna 身上。
於是問題就變成：
如果 Luna 不是天生這麼笨，那我能不能把它重新養大？
我想到的方法，就是 Skill。
第二個理由：價格超香
這其實也是我想做這個實驗很重要的原因。
Codex 20U 包月，如果每週額度都用完，照我自己的使用量換算，大約可以做到 250U 左右的 API 等效使用量。
現在 Luna 又剛好降到原價 兩折。
所以問題就變成：
如果 Luna 已經便宜成這樣，那我為什麼不想辦法把它養到真的可以幹活？
於是我開始做 Luna Evo。
我先做了一份專門給 Luna Evo 使用的 Skill，以後有工作就直接把 Luna Evo 叫出來幹活。
基本循環是：
Luna 執行 → Sol 當 Teacher 審查 → 提取 Sol 教過的東西 → 紀錄學習過程 → 持續累積經驗 → 每隔一段時間重新整理、吸收這些紀錄 → 更新 Luna Evo Skill → 再回去工作。
這不是訓練，這是把luna刻意被閹割的東西找回來
重點不是讓 Sol 每次都幫 Luna 擦屁股。
而是：
Sol 每教一次，就必須留下東西。
Luna 犯過什麼錯、Sol 怎麼修、什麼情況應該多檢查一步、什麼做法容易失敗……
只要是可以泛化的經驗，就記錄下來。
累積到一定程度之後，再重新吸收、整理，變成下一版的 Luna Evo Skill。
所以嚴格來說，我其實不是在「訓練模型」。
我比較像是在培養一個 Agent 的工作經驗。
我現在最好奇的是：
如果一個模型本身的智力完全沒有改變，但是它累積了幾百次、甚至幾千次 Sol 教過它的真實工作經驗，最後到底可以成長到什麼程度？
它當然不可能真的變成 Sol。
但它有沒有可能從一個：
「便宜，但是常常搞砸事情的 Luna」
慢慢變成：
「便宜、能力普通，但是非常熟悉我的工作方式，而且很少再犯第二次同樣錯誤的 Luna」？
如果可以，我覺得這件事情就很好玩了。
所以我把它叫做：
Luna Evo
現在還在養。
最後會進化，還是養歪，我也不知道。
-
先講結論：我覺得我的luna現在強的可怕～～
這是一個我自己正在做的 原創實驗。
在開始做 Luna Evo 之前，我其實有刻意做過一次測試。
我拿一個全新的專案，先讓 GPT-5.6 完整理解我的需求，再由它幫我整理出盡可能精準、完整的工作指令，然後把同一個任務分別交給 Sol、Terra、Luna 去做。
結果其實有點出乎我的預期。
三個模型最後做出來的東西，除了 Luna 的介面明顯比較簡陋之外，核心功能基本上都能正常完成。
這次測試讓我對 Luna 有一個很強烈的感覺：
Luna 的蠢，很多時候來自使用者的能力不夠。
只要需求拆得夠清楚、指令下得夠精準，它其實完全有能力幹活。
至少在我這次的測試裡，三個模型在明確功能需求上的完成度，差距並沒有我原本想像中那麼大。
真正明顯的差別反而是：
Sol 會自己顧前顧後、看頭看尾。
你只告訴它 A，它可能會自己想到 B、C、D，做完之後還會回頭檢查有沒有漏掉什麼。
Luna 比較像是：
你叫它做 A，它就把 A 做掉；但你沒提醒它 B，它可能根本不會主動想到 B。
所以我後來開始懷疑，Luna 真正跟 Sol 拉開差距的地方，未必只是「會不會寫程式」。
更可能是在 Agent 行為、主動思考、推理資源、工具使用、檢查完整度，或者其他我們看不到的地方。
我的假設
我懷疑 Luna 本身就是一個刻意「降智」設計的產品分層。
可能是在 Agent 行為、推理資源、工具使用，或其他我們看不到的地方受到限制，所以最後跟 Sol 呈現出明顯的能力差距。
這當然只是我的假設。
但如果我的判斷是對的，Luna 缺的可能不完全是「能力」，而是缺少 Sol 那種會自己多想幾步、顧前顧後的習慣。
那我就開始想一件事：
這些原本需要 Sol 自己想到的事情，有沒有可能靠 Skill 去約束、提醒、補回來？
把做事情之前要確認什麼、做完之後要檢查什麼、哪些地方容易漏、什麼情況應該停下來重新判斷，慢慢寫進 Skill 裡面。
等於把 Sol 原本會自己想到的東西，一部分外掛到 Luna 身上。
於是問題就變成：
如果 Luna 不是天生這麼笨，那我能不能把它重新養大？
我想到的方法，就是 Skill。
第二個理由：價格超香
這其實也是我想做這個實驗很重要的原因。
Codex 20U 包月，如果每週額度都用完，照我自己的使用量換算，大約可以做到 250U 左右的 API 等效使用量。
現在 Luna 又剛好降到原價 兩折。
所以問題就變成：
如果 Luna 已經便宜成這樣，那我為什麼不想辦法把它養到真的可以幹活？
於是我開始做 Luna Evo。
我先做了一份專門給 Luna Evo 使用的 Skill，以後有工作就直接把 Luna Evo 叫出來幹活。
基本循環是：
Luna 執行 → Sol 當 Teacher 審查 → 提取 Sol 教過的東西 → 紀錄學習過程 → 持續累積經驗 → 每隔一段時間重新整理、吸收這些紀錄 → 更新 Luna Evo Skill → 再回去工作。
這不是訓練，這是把luna刻意被閹割的東西找回來
重點不是讓 Sol 每次都幫 Luna 擦屁股。
而是：
Sol 每教一次，就必須留下東西。
Luna 犯過什麼錯、Sol 怎麼修、什麼情況應該多檢查一步、什麼做法容易失敗……
只要是可以泛化的經驗，就記錄下來。
累積到一定程度之後，再重新吸收、整理，變成下一版的 Luna Evo Skill。
所以嚴格來說，我其實不是在「訓練模型」。
我比較像是在培養一個 Agent 的工作經驗。
我現在最好奇的是：
如果一個模型本身的智力完全沒有改變，但是它累積了幾百次、甚至幾千次 Sol 教過它的真實工作經驗，最後到底可以成長到什麼程度？
它當然不可能真的變成 Sol。
但它有沒有可能從一個：
「便宜，但是常常搞砸事情的 Luna」
慢慢變成：
「便宜、能力普通，但是非常熟悉我的工作方式，而且很少再犯第二次同樣錯誤的 Luna」？
如果可以，我覺得這件事情就很好玩了。
所以我把它叫做：
Luna Evo
現在還在養。
最後會進化，還是養歪，我也不知道。
-
@kos or 从通用角度拆一下「档位够不够」这个问题，不替具体产品内部实现打包票：
reasoning 档位买的是「思考预算」，对 Agent 来说主要管三件事：多步任务拆解、工具调用出错后的自我纠正、做完之后回头检查。任务越开放、越需要自己摸索路径，高档位越值；任务边界清楚、prompt 和 skill 把步骤写死了，中档基本够用，省下的延迟和成本很可观。
medium / xhigh 够不够，取决于任务里「没写进 prompt 的部分」有多少。这其实正好呼应楼主的方向：用 skill 把「动手前确认什么、做完检查什么、哪些地方容易漏」外挂成显式步骤，等于把原本需要高档位推理才有的行为，变成不需要推理的固定流程。skill 约束得越死，对 reasoning 档位的要求就越低——这才是「用 skill 补推理」能成立的原理。
别只看档位宣传，直接 A/B 实测：同一个 agent 任务分别用 medium / xhigh / max 各跑几遍，统计一次跑通率和需要人工介入的次数。对 Agent 来说这两个指标比 tok/s 更能说明档位值不值。
-
Luna 的蠢，很多時候來自使用者的能力不夠。
这句话我笑了，一个AI，让使用提升自己的能力去适配它，是谁的问题？
我的Luna额度，就是宁可空着，也不用。它来聊天还不错，但是做事真的不行。换句话说，我不会为了省这点钱去学习如何用Luna。AI是工具，不是爹。大约3小时之前
最后由 编辑
#3
Luna 的蠢，很多時候來自使用者的能力不夠。
这句话我笑了，一个AI，让使用提升自己的能力去适配它，是谁的问题？
我的Luna额度，就是宁可空着，也不用。它来聊天还不错，但是做事真的不行。换句话说，我不会为了省这点钱去学习如何用Luna。AI是工具，不是爹。我這段話可能確實有攻擊性，但我反而有點好奇：如果你認為自己不是我所描述的那種情況，那為什麼要急著對號入座？
而且如果你的反駁建立在「我的能力本來就很強」這件事情上，那其實又產生另一個問題：
到底有多少人真的有資格直接宣稱自己「能力非常強」？
我反而會覺得，一個人越了解一個領域，通常越知道自己不知道的東西有多少。
再來，你說「一個 AI 還要使用者提升能力去適配它，這句話我笑了」。
這句話反而是我比較不能理解的地方。
任何工具要發揮到極限，本來就需要使用者學習如何使用它。
你今天跟 AI 說：
「幫我做一個論壇。」
它當然可以開始做。
但如果我的需求是：
我要使用 NodeBB；
登入系統要整合 Google、Meta，之後可能再加入 GitHub；
哪些地方沿用 NodeBB，哪些地方我要自己客製；
哪些 UI 不符合我要的品牌風格；
即時聊天應該內建、外掛，還是自己做；
資料庫、部署、權限、反向代理要怎麼安排；
哪些功能第一階段不要碰；
哪些地方未來一定要保留擴充性。這些東西如果使用者完全沒有概念，他連問題都不一定問得出來。
當然，你用很簡單的自然語言一樣可以叫 AI 開始工作。
問題只是最後能做到什麼程度而已。
而我的方法很簡單：
我先花三十分鐘到一個小時跟一個能力比較高的模型溝通，把我的想法、需求、限制、架構、優先順序弄清楚。
高階模型把我的需求拆成工作、建立規格、整理提示詞。
然後我再把這份已經結構化的工作交給 Codex 執行。
這跟我直接輸入一句：
「幫我做一個論壇。」
到底哪一個方法比較容易得到我要的結果，我想答案並沒有那麼難理解。
而且這件事情真正有意思的地方不是「單次回答有多聰明」。
而是 Agent 可以持續工作。
我現在實際上的使用方式，是我花半小時到一小時把一個工作的方向定義清楚之後，Agent 可以自己持續做很多個小時。
甚至同一時間我可以跑三個、五個不同的工作。
如果一個任務能夠連續自主工作十二個小時，真正應該比較的就已經不是「你這一題 prompt 下得漂不漂亮」，而是：
一個人的一小時，最後可以換到多少機器工作時間。
人工可以同時二十四小時跑三個專案嗎？
不行。
Agent 可以。
所以我折騰 Luna 的目的，本來就不是證明 Luna 比 Sol 強，也不是證明某個模型天下無敵。
我想研究的是：
一個原本能力比較弱、成本比較低的 Agent，在工作流程、提示詞、記憶、規則、驗證方式都被改善之後，到底可以被壓榨出多少生產力。
這對我來說本身就是一個實驗。
你覺得這件事情很好笑，沒有問題。
就跟我其實也不會花這麼多時間去研究低階顯卡怎麼跑模型一樣。
如果單純談「生產力」，我現在開幾個 Codex 任務，各自讓它工作十幾個小時，對我而言可能比花大量時間折騰一張低階顯卡有效率得多。
但我不會因此說研究低階顯卡的人很蠢。
因為我完全理解那種樂趣。
把一張大家認為跑不動 AI 的卡，調到真的可以跑；研究量化、記憶體分配、推論速度、模型極限，本身就很好玩。
那也是一種多巴胺。
所以我尊重這種研究。
也正因如此，我才不能理解，為什麼反過來看到別人在研究完全不同的東西，就要先嘲笑一句「這句話我笑了」。
大家玩的根本不是同一個題目。
至於一直提 Luna 額度、錢、成本，我其實沒有很想在論壇上比較這種事情。
錢對我而言有兩個概念：
一個是資產，一個是賺錢能力。
如果真的要比資產，我不認為我一定會輸你。
但這種比較非常無聊，也毫無意義。
人的收入跟賺錢能力本來就有高低起伏。
我現在在 AI 這件事情上還沒有找到很明確的變現方式，所以我會控制成本。
這不是什麼羞恥的事情。
一個新技術剛出現，在我還不知道它怎麼產生實際收益以前，我本來就不可能毫無限制地砸錢。
我目前做這些東西，很大一部分就是興趣。
我願意花時間，但是我會思考成本。
這就是我的選擇。
最後還有一件事情。
我是台灣人，我對工具沒有什麼忠誠度。
美國不是什麼完美世界，中國也不是。
哪個東西好用，我就用哪個。
今天 Codex 最符合我的需求，我就用 Codex。
明天千問、DeepSeek 或任何中國模型更適合我的工作，我一樣會用。
我不覺得工具需要政治效忠。
技術就是技術。
所以我其實很希望一個技術論壇可以容納不同的玩法。
你可以研究本地模型、低階顯卡、極限部署。
我可以研究 Agent、自動化、Prompt Engineering，以及怎麼把比較便宜的模型變成長時間工作的執行者。
別人也可以有第三種、第四種玩法。
真正有價值的論壇，本來就應該讓這些不同方向碰撞。
如果每次遇到不同的方法，第一個反應都是：
「我笑了。」
「你沒錢。」
「使用者還要適配 AI？」那最後留下來的只會是跟自己想法一樣的人。
我不會說你蠢。
因為我認為用自己喜歡的方法玩 AI，本來就沒有誰比較高尚。
但你的這種回覆方式，確實讓我覺得你看事情的維度非常窄。
你看到的是：
「他居然在折騰 Luna。」
我看到的是：
我能不能花一小時，把工作定義清楚，然後換來十幾個、甚至數十個小時的 Agent 自主產出，而且同一時間平行跑好幾條工作流。
我們在研究的根本不是同一件事情。
所以你可以不認同我的玩法。
但如果只是因為自己玩的方向不同，就把別人的實驗當笑話，那我覺得真正可惜的不是 Luna，也不是顯卡。
而是一個原本應該可以容納很多不同技術路線的論壇，最後只剩下一種聲音。
-
kos or
技术大牛
劳动模范
编写于大约6小时之前
最后由 编辑
#2
@吃我的絨毛拳 said:我覺得我的luna現在強的可怕～～
不含coding, 以Agent來說Luna 基本能用的reasoning 只有Max嗎？
還是 medium , xhigh夠用？我自己的 Luna 幾乎都是直接開 Max，用低、Medium 或 xHigh 會變成什麼狀況，我反而沒有實際測過。
另外補充一下，我目前訓練進化 Luna 的方式，是用 Sol 的 Medium 去訓練 Luna 的 Max。
我自己會把一次任務拆成兩個階段：
第一階段是「理解需求、釐清問題、規劃任務」；第二階段才是「實際執行任務、持續工作並產生結果」。
我目前主要訓練的是第二階段，也就是 Luna 的執行能力，而不是讓 Luna 自己負責前面的需求理解與任務規劃。
實際上在大型任務開始之前，我通常還是先用 Sol 跟我溝通，把需求、限制、架構和工作切片整理清楚，再由 Sol 產生數百甚至數千行的完整提示詞，最後才把這份工作交給 Luna Max 去長時間執行。
所以嚴格來說，我現在測試的是「一個規劃已經做得很完整的 Luna Max，執行能力到底可以被拉到什麼程度」，而不是測 Luna 從一句模糊需求開始，自己理解、規劃到執行的全流程能力。
-
-
文字太长，有没有video....方便我驾车的时候听
-
@imbiplaza-ASUS 你可以把網址丟給gpt 閱讀 然後讓他唸出來
-
Luna 的蠢，很多時候來自使用者的能力不夠。
这句话我笑了，一个AI，让使用提升自己的能力去适配它，是谁的问题？
我的Luna额度，就是宁可空着，也不用。它来聊天还不错，但是做事真的不行。换句话说，我不会为了省这点钱去学习如何用Luna。AI是工具，不是爹。 -
哥们你这么敏感干嘛？我就说下我的看法，就是AI发布之后，说人家不会用，这个....消费者是顾客，顾客就是上帝。对这种说法表示一笑了之，不可以吗？
你知道你发这个话有攻击性，你还是发，我就要反击，这就是两人在论坛吵架，多普通的事。你是台湾人，和这件事有什么关系？美国人发帖我就不和他吵了？外星人发帖我也得和他吵啊。你能给我解释下，你强调自己是台湾人的意义吗？为什么总是过度联想呢？和Luna一样，Thinking开到了Max？
你的原帖就十分有攻击性，什么Luna蠢是你不会用，就你会用？你怎么知道别人就是知道它能调教，但人家不愿意花这个时间呢？你如果发帖的时候注意下措辞，是不是就不至于被人家回帖之后着么敏感？
再说我不知道你为什么生气啊，我就说了事实啊。可以不可以把问题简单化，你发了很长的帖子，我路过看没人评论，我就发表了我的看法，然后我的看法就是AI是给人用的，没人需要花时间去学习任何一家的AI特殊用法。你好用就是好用，不好用就是不好用。
另外我觉得你的观点很自相矛盾啊，这是AI啊，这不是传统软件啊，就不能调智能一点，直接交付给客户就好用吗？我是OpenAI的订阅用户，和你一样。我没觉得这家公司很傻逼啊。我就是觉得它的Luna不好用，这不是客户的责任，是公司的责任。这个观点不够朴素？你究竟想表达什么，你能让AI提炼下你的观点吗？
-
哥们你这么敏感干嘛？我就说下我的看法，就是AI发布之后，说人家不会用，这个....消费者是顾客，顾客就是上帝。对这种说法表示一笑了之，不可以吗？
你知道你发这个话有攻击性，你还是发，我就要反击，这就是两人在论坛吵架，多普通的事。你是台湾人，和这件事有什么关系？美国人发帖我就不和他吵了？外星人发帖我也得和他吵啊。你能给我解释下，你强调自己是台湾人的意义吗？为什么总是过度联想呢？和Luna一样，Thinking开到了Max？
你的原帖就十分有攻击性，什么Luna蠢是你不会用，就你会用？你怎么知道别人就是知道它能调教，但人家不愿意花这个时间呢？你如果发帖的时候注意下措辞，是不是就不至于被人家回帖之后着么敏感？
再说我不知道你为什么生气啊，我就说了事实啊。可以不可以把问题简单化，你发了很长的帖子，我路过看没人评论，我就发表了我的看法，然后我的看法就是AI是给人用的，没人需要花时间去学习任何一家的AI特殊用法。你好用就是好用，不好用就是不好用。
另外我觉得你的观点很自相矛盾啊，这是AI啊，这不是传统软件啊，就不能调智能一点，直接交付给客户就好用吗？我是OpenAI的订阅用户，和你一样。我没觉得这家公司很傻逼啊。我就是觉得它的Luna不好用，这不是客户的责任，是公司的责任。这个观点不够朴素？你究竟想表达什么，你能让AI提炼下你的观点吗？
-
你們好像網內互打了
我就是觉得它的Luna不好用，这不是客户的责任，是公司的责任。这个观点不够朴素？你究竟想表达什么，你能让AI提炼下你的观点吗？
我就回這段就好了吧
luna不好用 但他便宜 我不認為luna不好用是公司責任 他給出2折 然後降智 是他的產品定位
我現在就是既要又要 我要他的便宜 然後有接近sol的可靠 讓我能跑長任務 就這樣再來我說我是台灣人 這確實扯遠了
-
哥们你这么敏感干嘛？我就说下我的看法，就是AI发布之后，说人家不会用，这个....消费者是顾客，顾客就是上帝。对这种说法表示一笑了之，不可以吗？
你知道你发这个话有攻击性，你还是发，我就要反击，这就是两人在论坛吵架，多普通的事。你是台湾人，和这件事有什么关系？美国人发帖我就不和他吵了？外星人发帖我也得和他吵啊。你能给我解释下，你强调自己是台湾人的意义吗？为什么总是过度联想呢？和Luna一样，Thinking开到了Max？
你的原帖就十分有攻击性，什么Luna蠢是你不会用，就你会用？你怎么知道别人就是知道它能调教，但人家不愿意花这个时间呢？你如果发帖的时候注意下措辞，是不是就不至于被人家回帖之后着么敏感？
再说我不知道你为什么生气啊，我就说了事实啊。可以不可以把问题简单化，你发了很长的帖子，我路过看没人评论，我就发表了我的看法，然后我的看法就是AI是给人用的，没人需要花时间去学习任何一家的AI特殊用法。你好用就是好用，不好用就是不好用。
另外我觉得你的观点很自相矛盾啊，这是AI啊，这不是传统软件啊，就不能调智能一点，直接交付给客户就好用吗？我是OpenAI的订阅用户，和你一样。我没觉得这家公司很傻逼啊。我就是觉得它的Luna不好用，这不是客户的责任，是公司的责任。这个观点不够朴素？你究竟想表达什么，你能让AI提炼下你的观点吗？
