这么多概念就是因现有的没法完整描述，以及有他的历史阶段性
prompt 试图解释的是如何有效的使用提示词驱动大模型，对应的是 2022-2023 最早期阶段 context 只有几 k,对话只能对个几段就必须截断的阶段，这个阶段能完整的跑个一两个 round 就不错了，所以才强调怎么在一个 round 里高效的输出结果。
context 对应的是第二阶段的 2024-2025,这个阶段里模型的上下文空间快速增长，让多轮的长任务成为可能，然后一个现象就被观察到了，就是 context rot, 上下文腐化，一个上下文里堆了太多的东西会影响 agent 表现，所以提出了 context engineering 用于解释如何合理的管理你的上下文。
harness 对应的第三阶段 2025 年末到 2026 年初，此时 agent 已经可以执行非常长的任务了，问题变成了任务漂移，此时 harness 解决的如何使用外部约束硬性约束 agent ，减少他的上下文漂移。
loop 这个我觉得才是有点没活硬整的部分，因为我认为 loop 本身就应该归入 harness 的一部分，虽然现在 agent 本质上就是一个 loop ，以及如果你学过控制原理就会发现不管是 harness 还是 loop ，最终的结构都是一个控制反馈回环。

什么文艺复兴，你大概不知道谷歌曾经有一个死了 10 年的竞争对手叫 ChaCha 吧

@catwalk #6 一般不开， 本身速度就很快了，开了是 x3 的价格，我觉得提升的速度不值这个价

@catwalk Pro+ 你只用本家的 composer2.5 就是爽用，一个月能用个 2500M 左右，速度快效果好，除了规划能力和前端差点没什么大缺点，规划换 5.2 就行了

不光削了 thinking effort ，还肯定量化了模型，现在 5.5 蠢的没法用，
我觉得单纯写代码还不如 composer2.5, 和两个月前比根本不是一个模型。

我更好奇是 composer 2.5 强还是 2.7 code 强，
要是 2.7 code 还比不过 composer 2.5 这个 k2.5 的继续训练版本就搞笑了

所以 claude 才不允许除了 claude desktop 和 claude code 以外的产品使用他的订阅，哪怕你要程序化调用（比如-p ） 15 号后都不给你用自己的订阅的 quota 。
openai 他现在是追赶者，那当然有的牌都要打出来，更何况他还要打 api 价格战呢，你可以算算到时的补贴倍数。

我就搞不懂了，苹果为什么要急。苹果坐拥全世界数量最大的个人终端入口，你 agent 再牛逼还不得运行在一个硬件上，这个硬件至少 5 年内依然是智能手机。

苹果走端侧 + 端侧硬件优先策略，本身 apple silicon 在手机上就是领先的芯片，gemini 就算 coding 和 agent 能力不行他也是目前多模态（音，文字，图像，视频）支持的最全最优秀的模型，和苹果需要的能力完全一致。你 fable 和 5.5 再强也不支持原生音视频啊。

再说端侧模型这个市场上竞争很激烈吗，并没有好吧，现在国产都在玩 1T+模型，a 和 oai 玩 5T+的，端侧里就 qwen 和 gemma 这两个主要玩家。

用户 ID 397 谢谢老板

为什么不用 batch api 来做，就算只走各家官方的 batch api ，价格正常来说也是普通 api 的 1/10 ，基本等于全程缓存的价格

5.5 = 5.4 X 2
5.4 = 5.3 / 5.2 X 1.7
这个用量你就算吧，5.2 时代的 plus 都不能站起来蹬

实际我觉得是关键字匹配的问题，关键字匹配本身是 sparse 匹配任务，对应的应该是 tfidf 这种算法搞出来的向量，但是你用的这种 embedding 模型生成向量是 desnse 的，换言之就是关键字那边语义信息不足，

正常做法应该是问题改写，也就是从你的关键词里改写出多个问题（比如加入上下文 context 然后改写），再来匹配，或者反向操作，直接用 bm25 来处理文本片段

@stormtrooperx5 是的，快，好，便宜，而且算 auto complete 那一栏的 quota ，相当耐用

这两周已经连续重置 3 次了，每次都是我差不多蹬完 x20 的时候就 reset 了，我只能说一声：
https://i.imgur.com/B551VtR.jpeg

怎么感觉对 RAG 定义都不同大家在各谈各的？
又不是非得加 embedding 然后向量搜索才叫 rag ，通过外部信息搜索最后注入 context 用于增强回答的都算 rag 啊，你用向量是 rag ，你直接 grep 搜文件也是 rag ，你 bm25 搜关键词还是 rag ，你把资料放图里然后搜图依然是 rag ，甚至你把这些步骤交给 agent 来自由选择组装叫 agentic rag
只不过现在很多人觉得这词不够新， 喜欢叫 context engineering

给你注册上了也没用，现在的学生账号只能用去年的模型，5.2 codex, 5.2, 5.4 mini 这些，没法用的

5.5 xhigh /fast 不是随便爆了么，现在给你的量又不多

每日 time machine 备份，随便删，另外好久没用 cursor 了，cursor 没带自动危险命令审核的么，类似 codex 的那种