抡锤者

@fafafa … 阿就丢那个 GITHUB 给 hermes 搞定阿，里面都说有HUGE的选项了不是吗？ 为啥要自己设定？ = =？？？ 就让AI 自己去DEBUG 就行了，真的不难

@terry 是的，现在已经走 less is more 的路线了， skill 太多 废话太多 都是负担， 现在越聪明的MODEL 越不需要太多额外的提示词，只要给明确的目标，途中不要走歪就好，一开始MAP的路线非常重要，现在个人训练出的 harness 是让自己更好用，所以插件类型的 harness 才会更受欢迎，AI方向一直在变，新的MODEL 最好就不要套用旧版的SKILL跟负担，后面需要在慢慢增加就好，省钱又省时间

@neo 有一说一 还是要看你拿来的用途 跟 搭配的 harness , 差异确实不小。。。workflow 跟 一些边界没写好，推理再久还是错

@kop-wang 是的，但我现在实作的过程中，我不觉得那个分数值得更多的时间。。。 效果真的差不多，这MODEL 思考时间真的太长了。。。

推理真的没你想像中的有用 至少在我使用的过程中制造不少问题

使用的 syv-ai/qwen38-27b-rtx3090, 单卡3090长上下文 240k 设置, 不是在 VLLM 设定关闭推理

而是在 omp agent harness 上关闭推理 直接设定 off, coding 部分成果差不多 該錯還是會錯，但省下的時間跟上下文真的太多！
我测试的这专案也不单纯，是在原生开源的基础上新增 herdr 的对接 跟 灯光效果设定，在硬体测试上至少错了五次（但这是AI本身就没办法克服的硬件韧体测试，一定要有人类观察结果反餽），所以结论建议：性子急的可以关掉推理了！ 真的快太多！

测试专案 repo:https://github.com/botio/duckyPad-herdr/

有一说一 我也是用过 DEEPSEEK V4 之後 才觉得 AI 真的能干点事。。。 之前都觉得太难用 不然就是太贵了

@George-Suen 说到底 都是口袋深度问题 。。。 不是 AGENT 的问题

@George-Suen 喔 。。。 那你要用 BUZZ 可以多个 AGENT 共用一段上下文。。。

或是你就用 firstmate 等 派工SKILL 就行， 说实在的 很多方式都能达到目的
你也可以自己写一个 SKILL ， 清楚表明要分派哪些内容给什么 subagent 並且 他只能看哪些内容 边界定义好

@George-Suen 开源专案 archon 可能可以帮到你
你想要的比较像是一个 WORKFLOW

上下文不行 其实 是因为 pi 本身 compact 没有很强 你要试试看 pi-blackhole 插件

或是用omp.sh 可以解决上下文问题。。。

@davidwei0826 太感谢你了！ 我真用这github 專案 叫 hermes 帮我装了 2XXk 长上下文， 速度曼了点，但解了我很多问题！！ 本来在 66k 根本不能用的問題～～～ 太爽了 ～～～

寫的太好了！！ 大神
omnirouter 我个人觉得比 LITELLM 好用 可以参考看看
另外感覺你都是用 DESIGN 之類比較小型的 SKILL 所以 64k 上下文還應付的了

但如果載入或是使用 大型SKILL 。。。 通常 auto compact 之類的也會沒有做用，因為上下文已經被skill 佔滿，就我個人來說 64k 上下文真的是硬傷。。。 所以新的 mac studio 好吸引我阿～～～

好的 那就 pi 跟 omp 还是我的最佳选择， 版主提供的这三个都太肥了
最近 orca APP 工具广告有点大，版主有空可以帮大家试试，感觉是不错的IDE APP

@2024fatwolf55 大哥跟我想的一样。。。

大塞车阿

上下文长度有点灌水,今天发现还没到50% 就已经传送失败, 必须重新开SESSION 使用
不知道是人多的关系 还是MODEL的关系 还是 harness的原因。。。 反正 没有吃满 没有压缩 就直接卡死。。。

昨天用他搞了个 FORK 专案推进，一个晚上就完成了我新增的三大功能。。。 我觉得效率真的非常不错
至少比我本地部署的 QWEN 3.8 来的快（上下文长度的关系很大）
一周免费的东西 一定要把他用好用满

你这想法的前提是 压缩 跟 解压 还有 上下文任务分配，问题就是网路传输速度太慢，除非可以跟影片一样拆成缓存跟缓冲，但在运算方面不太现实，我那天有问AI 关于 RAID 0 NVME充当 VRAM 跑大模型这问题，理想很丰满 结果很现实，问题还是在于中间的路程，如果可以绕过CPU，让 GPU 直接跟 NVME 通信，这想法比较可行

换言之，你可以想想 硬碟挖矿这条路，或是跟比特币一样，你把AI任务丢在区块链上让大算力挖矿者捡去运算，小任务会让小任务挖矿者捡去运算，分配奖励，但需要有大型的区块链网，中间还要验证等技术，可行，但？卡了一些中間技術问题，如何自动分配调动判断 任务需不需要推理？ 大小任务的判定是交给用户指定定义还是？ 运算结果不可行的话 RETRY 是不是要判给其他MODEL？ 就一堆细节需要推倒，但我觉得应该有人在进行了

@kadingche cli 就搭配 herdr 使用，比GUI 好用的多，而且不会中断任务 还能继续原本的画面跟进度，正经CODING工作都是CLI为主，除非你是搞前端网页工程

迷茫就直接下手 也是很NB，我是建议就问AI怎么一步步安装UB,就跟安装WIN差不多意思，装好之后就搞 hermes 之后让 AI帮你搞后面的部属，板主都说几十次了。。。 主要看你用途，如果说是学习 那就都部属也行，反正搞坏就重新安装 OS 不是什么难事

@kos-or cloud ai 驗證吃得是什麼資料？ 是拿什麼資料驗證？？？ 你看清楚問題盲點了嗎？

確實假新聞假資訊 人類也會誤判 但人類都用AI找知識 已經是依賴性很高的東西了 真有人會在去驗證過一次嗎？

在地端模型也是沒有收集到最新資訊的舊產物。。。 想像成區塊鏈 被投入 假的帳本 而且認證節點都控制在某些人的手上 所以實際上被認證過的區塊鍊 其實放了一堆假帳本 。。。 聽起來很陰謀論 但可能正在發生中 所謂的在地端模型 已經被控制了方向 跟 某些內容的輸出 不然就沒有什麼 封鎖 來的一說了

反正我是一直有這些疑點的 不要只相信你看得到的東西 有可能看得到也是錯的

还要担心假讯息或是误导讯息 以量取胜 让AI读取到的资讯 都是错的 历史完全被有心人士操控改写 。。。 毕竟他们都是吃一堆网路新闻 跟 知识