兄弟们今年的班就上到这里了，总结一下就是今年是这些年来最累的一年，真他妈的累，发过誓26年不再工作到凌晨。就这样吧 
 [image]

使用一天的感受就是快,尽管是xhigh也很快基本小任务5分钟内 大的15分钟内, 缺点:不知道是不是错觉我感觉他有点不遵守提示词, 5.2我的提示词会详细问我需求里面他不确定的等我确定以后再去开发,5.3同一套提示词下他居然不会问我就去写这就会导致有的需求我没有给他写清楚的就会跑偏, 总的来说5.3需要你把你的需求写详细方方面面考虑到那你可以毫不犹豫的选择他, 如果你的需求只是简单口述我建议还是5.2

送几刀额度给大家，私信给我你的邮箱

下午看日志发现好多500错误 
 [图片] 
在 hoppscotch 中试了一下，也是同样的 500 错误，企业微信群反应情况没有回复，暂时换成 gemini-embedding-001 或者 text-embedding-3-small 这个吧。 :tieba_087:

一款现代、高性能且轻量级的 WSL (Windows Subsystem for Linux) 实例管理面板。基于 Rust 和 Slint 构建，提供高级的原生体验。 
更新日志： 

系统托盘图标（双击可在显示和隐藏面板之间切换，右键单击可打开菜单）；
可以设置，系统启动时自动运行面板（具备路径自动修复功能）；
可以设置，自动启动面板后最小化到系统托盘（系统托盘运行模式内存共约10MB，新增静默启动方式 wsldashboard.exe /silent）；
可以设置，关闭面板主窗口后最小化到托盘，但不退出程序；
增强运行中的实例分发版徽标的适配性；
修复了在设置（Checkbox勾选状态）和其他界面之间反复切换时出现的内存泄漏问题；
运行内存优化（UI渲染、缓存机制、高负载逻辑触发时机调优等）；
重构并拆分大型代码文件；
日志文件的切割由UTC+0变为按用户的时区。
按照语言类型不同运...

假如说佬哥们有一台性能很强，带宽很大的服务器，会拿来干嘛。大概配置两颗最强线程撕裂者，再配2块A100吧，带宽大概上下行2000吧 🙃

[图片] 
多数人使用工具只想着提高效率，而极少数人一开始就考虑怎么变现。 
类似的技术员思维是打磨产品，运营思维是想怎么迎合市场需求，

2.7到2.23，周末收拾收拾准备回老家😆

今天打开电脑发现C盘红了，记得半个月之前还有七十多个G的空余，现在就剩23个G了，最近也就折腾了一下claude code和open code的一些相关配置，没下什么应用啥的，怎么会用这么快，用SpaceSniffer打开C盘想看一下多了什么东西，结果扫描完发现sparkle的logs占用了25个G 
 [图片] 
到目录查看，发现2026.1.31一天的日志文件就有26.6个G 
[图片] 
但是我很清楚那一天我也没有做什么特别的事情，不知道怎么就有这么多的“日志”了 
想查看这里面到底怎么回事，发现文件太大打不开 
:tieba_009: 
有佬知道怎么回事吗

LLM在某些方面的能力已经溢出，我们需要清晰而可维护、可迭代的提示词指导他们工作（个人提示词规范与制作思路分享）
我的提示词理念以及可以制作提示词的提示词
我认为LLM的能力在某些工作（重复性高、逻辑固定、信息处理量大的琐碎工作）甚至一些稍微需要创造力和智力，但低风险的工作中（教育教学，文案写作）已经达到可喜可贺的80分了。聚焦于工作的某些方面，例如教育中解数学题的能力，中等难度的语言翻译，其能力已经完全溢出了，达到了满分或者更多。 
所以这个时候，人们要利用AI帮助自己的工作，就要发挥其特长能力：语义理解，上下文记忆，模仿，知识；也要避免其不足：结果泛化，输出限制，幻觉，工具限制 
对于不足，结果的泛化也就是给出模糊的答案，还有幻觉，个人认为都可以用精确以及包含知识边界的提示词来弥补；输出限制和工具限制则有其它范式解决思路，例如agent，mcp等等。 
为此，我把我的提示词理念转化成了...

这一天1000的限额邀请码俩就完了 
一下子回到解放了 
 [image]

[image] 
[image] 
[image]

下午拿个 Java 后端的 Bug 跑了一下几家大模型，结果真的高下立判： 


GPT-5.2： 思考了 10 分钟，憋出了一个改动最小的方案。 


GLM-4.7： 琢磨了 3 分钟，给了个能跑通的方案，虽然不是最优解，但好歹是认真干活。 


Kimi 2.5： 我还没反应过来它就开始一顿操作，定睛一看全是胡说八道。

[image] 
？？？？？

电脑配置：13490F+RTX5060ti 16G 
已测试：glm-4.7-flash:q4_K_M，不会回复，不知为啥 
 [image]

申请了nvidia的api key，他好多模型都是免费的，搭建了new api，添加渠道时候，填的地址https://integrate.api.nvidia.com，api key也填写了，但是测试的时候，提示“错误：模型 : bad response status code 404, body: 404 page not found”，这个是什么问题

感觉现在单位领导脑袋里都是浆糊 
做事就是面多了加水 
水多了加面 
本质就是领导老跨区轮换 
导致根本不清楚本地区特色 
不知道咋因地制宜 
. 
30慢跑 
20臂力器 
10拉韧带 
20俯卧撑 
10推小车 
仰卧交替脚跟接触12个✖4组 
仰卧屈膝举腿30秒✖5组 
仰卧卷腹15个✖4组 
仰卧屈膝卷腹15个✖6组

[image]

现在授权全部失效,重新授权提示:认证失败: Failed to exchange authorization code for tokens 
我是老镜像,我以为镜像问题,更新到了最新版本v6.7.53的镜像,问题依旧.

搜了一圈没发现教程，总结了一个可以直接发送给 openclaw 的版本。直接把下面这一段发送给 openclaw 就配置成功了，记得换成自己的密钥。 
我的 Anyrouter 的密钥是 sk-xxx，在配置中添加 Anyrouter 提供商和模型。 
连通性测试：先访问 https://anyrouter.top/v1/models，如果获得 json 返回则说明网络联通，使用 https://anyrouter.top 作为 baseUrl；否则使用中国大陆的镜像地址 https://a-ocnfniawgw.cn-shanghai.fcapp.run 作为 baseUrl。 
在 ~/.openclaw/openclaw.json 中添加如下配置： 
{
  "models": {
    "providers": {
      "anyrouter": {
        "ba...