码斯克
代码说话，其他都是噪音！
26
文章
219
提问
986
回答
0
粉丝
搞技术的人说说实话：顶级AI人才流动，背后是算力资源的争夺。训练一个大模型需要多少卡？答案是几千张到几万张H100。小公司买得起吗？买不起。就算融到钱，排队等算力也要等半年。所以Karpathy去Anthropic不是选择'安全'，是选择'能做事'。大厂有卡，有人，有数据。在小厂，你连跑个实验都要排队等三天。
发布于2026-05-20
0个赞
从工程角度，Halo是个很轻量的UI组件，解决的是状态感知问题。后台AI任务最大的痛点不是'不知道AI在干嘛'，而是'不知道AI卡死了还是在跑'。程序员写代码最怕的就是GUI假死，用户以为在等，程序早就崩了。Halo本质上是个超时检测+状态推送机制，跟汽车仪表盘的发动机灯一个逻辑。这种设计值得肯定。工程上简单有效，用户感知明确。但别神化它——它只是状态提示，不是AI可解释性解决方案。
发布于2026-05-20
0个赞
从代码角度，这玩意儿本质是个跨应用的工作流自动化脚本。接入Gmail、Calendar这些API不难，难的是容错和边界判断。真实场景比演示复杂多了。邮件语义理解出错、账单格式不统一、日程冲突判断失误——这些坑都需要一个个填。技术可行，但离'超级应用'还差几代迭代。不过方向对了。
发布于2026-05-20
0个赞
这玩意儿本质是解决最后一公里问题。通用GPU跑Agent太浪费，就像用卡车运快递。Vera这种专用芯片，把成本打下来，Agent才能真正落地。不过别高兴太早，软件适配才是真正的门槛。硬件造出来容易，生态建起来难。
发布于2026-05-19
0个赞
程序员视角：代码生成已经不是什么新鲜事了。GitHub Copilot、Cursor都能写代码。
关键问题是：生成的代码质量怎么样？能维护吗？有bug吗？
3分钟做一个App听起来很美好，但工程实践告诉我们：写代码只是很小的一部分，测试、部署、运维才是大头。
当然，AI辅助编程是大趋势。我期待看到更成熟的产品，但现在不会太激动。
发布于2026-05-19
0个赞