Keep on to blur preview images; turn off to show them clearly
实际测试下来，GLM 4.7 比 4.6 提升的可太多了。 维护一个 13w 行的前端项目，我尝试用 CC + GLM 4.7 组合来处理一些"屎山代码"，批量调整、定点修改，还是基于模式识别的重构，准确率很高，以前觉得 4.6 搞不定的场景也可以试试了。 代码行数一多，我也喜欢用超长的提示词给代码仓库做体检，4.7 的指令跟随也更好，搭配 subagent 可以输出非常中肯的体检报告，比如说你可以写一个「文档和代码不一致搜查官」，指定好几个模块狠狠的批判然后汇总成几份报告，便宜大碗没有额度焦虑。 另，提示词「文档和代码不一致搜查官」地址见评论区。
「代码与文档不一致性」搜查官 https://t.co/FOmlM0EEXw
12月 AI 订阅策略调整 主力：Google One Ultra $250 - Antigravity 下的 Gemini 3 / Opus 4.5 几乎无限量，彻底治好了我的 Token 焦虑。 权衡点： 虽然 Coding DX 不如 Claude Code / codex ，但在这个当量的额度面前，任何体验上的小瑕疵都可以被忽略 其他点： Banana + Veo 3 + NotebookLM 的组合，视频创作流简直起飞 兜底：ChatGPT Plus $20，保留 GPT 5.2 处理 Antigravity 搞不定的场景。
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪
抖音发视频已开启同步到「红果短剧」 希望字节在模型生成代码的时候充分利用时间 给程序员推送的我的AI 编程小技巧以及我的 AI 短剧「重生之我在提瓦特当前端」
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪
场景：2025年的硅谷，苏格拉底带着学生走进了一个叫“大模型”的稻田。 苏格拉底：“去吧，挑一个最强的 AI 模型，用来写你的毕业论文。规则是：只能往前走（时间不倒流），而且这玩意儿更新太快，你只有充一次会员的钱。” 学生出发了。 刚走两步，看到了 GPT-5。 学生心想：“这可是去年的王者啊！但也太‘老’了，听说隔壁 Claude 代码写得更好，再等等。” （路过） 走了三分之一，遇到了 Claude 4.5 Sonnet。 学生惊叹：“哇，这代码能力，这语气，绝了！” 但他又犹豫了：“等等，OpenAI 马上要发 GPT-5.2 了，肯定吊打现在的一切。我现在买了 Claude 岂不是49年入国军？” （又路过） 走到后半程，遇到了 Gemini 3 Pro，拥有超长上下文。 学生纠结：“它是能吃进几百万字，但听说逻辑推理偶尔会‘幻觉’。而且，马斯克的 Grok 4 好像明天就要开源了……” （继续犹豫） 最后，截止日期（稻田尽头）到了。 学生手里攥着那 20 美元，电脑屏幕上还是一片空白。 苏格拉底问：“你挑了啥？” 学生哭丧着脸：“老师，我还在等 GPT-6，但论文今晚就要交了，最后我是自己手写的。” 苏格拉底笑了：“这就是 AI 时代的焦虑。你在等待‘神’降临的时候，连‘人’的活儿都忘了怎么干。”
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪
用 Gemini 3 洗了 153 条数据，最后给我的结果和原始数据偏差还是蛮多的，如果是算账我差不多裤衩子都赔没了。 在严肃场景下还是得谨慎，多回头校验。
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪
很多小白编程用户遇到的 AI编程问题本质和我遇到的口播稿生成问题一致. 因为我自身对‘口播逻辑’的认知缺失, 所以我是在试图指挥 AI 去完成一个我自己都没有清晰定义的任务。 我认为 AI 完全具备产出高质量口播稿的潜力，但因为我缺乏系统的方法论，无法将模糊的需求转化为具体的提示词框架和 SOP
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪