虽然我们 openless 语音转文字的输出已经很好了,但我还是习惯手动套一层工程化,然后再回撤控制上下文,保持上下文精准高效。风格包我的PR已经做好了,很快就把这个一套风格塞进我们开源项目的风格包,实现语音输入,工程化语言输出。
登录后评论
我很长一段时间内非常巨量地使用(30d9000$),因为我80%的时间都频繁的给 agent 输出零散的想法,然后多线程做兜兜转转的工作。但我现在转变了,我要用80%时间去思考,20%的时间跟agent 去交互,这样能够更好地控制我的输出,更加工程化的输出,对齐我跟 agent 之间的意图,对齐上下文的一切,保持我们的一致性。
我个人的体会来看,高频的、短的这种零散的想法,没有工程化的边界感和目标感更强的 prompt 有效。严格控制上下文就是一切,不论是系统提示词、系统级的 agent.md,还是各种 skill、项目级的 workflow、plugin、skill,everything。严格保持所有文档的一致性(我有专门的skill负责这个工作),上下文就是一切。
在项目的上下文环境里面,把润色后的语音转文字,再套一层壳输入后,转化出的 prompt 是非常好的,因为它完全了解整个的上下文。
Tutti — Your all-in-one marketplace to monetize influence
活跃UV +873
VibeCafé
活跃UV +387
Token 德州
活跃UV +358
IPure · IP 纯净度检测:查询 IP 是否原生、机房、代理与黑名单
活跃UV +137
BeadMaster - 拼豆大王
活跃UV +80
Zen · 净心禅堂
活跃UV +78
造物矩阵
活跃UV +67
Stylekit前端风格收集
活跃UV +47
Fish Pocket - iOS DeepSeek Harness
活跃UV +37
RestockOwl-苹果门店库存监控、翻新全球比价
活跃UV +28
我很长一段时间内非常巨量地使用(30d9000$),因为我80%的时间都频繁的给 agent 输出零散的想法,然后多线程做兜兜转转的工作。
但我现在转变了,我要用80%时间去思考,20%的时间跟agent 去交互,这样能够更好地控制我的输出,更加工程化的输出,对齐我跟 agent 之间的意图,对齐上下文的一切,保持我们的一致性。