标签：llm

上下文、压缩与缓存：大模型使用者必须搞懂的三个概念

100 万上下文到底指什么？什么时候该压缩、Claude Code 与 Codex 各自何时自动触发？缓存为什么会失效、失效了到底损失什么？本文以 Anthropic 与 OpenAI 官方文档为准，用 7 张图把这三个概念串成一条因果链，并给出可直接照做的日常实践。

姚顺宇 4 小时访谈，通透有趣的灵魂~

听完姚顺宇四个多小时的访谈，整理了七点有意思的观察：AI 生成代码的比例、架构瓶颈往往只是低级 Bug、执行力比想法更重要、祛魅"老登"、AI 安全的政治博弈、OpenAI 给 Google 留了喘息窗口、以及程序员的"极度中心化"洗牌。

啤酒游戏：让 Claude 和 Codex 干了这杯酒

同一道啤酒游戏案例题、同一份 PDF，Claude 最初算出超额收益 500–1000 元，Codex 最初算出 7500–7900 元。我把两份答案互丢回去，让它们围绕“backorder 假设”和“期末库存估值口径”互评两轮。最后两边在主策略和收益量级上基本收敛，但中心值仍未完全统一。

我是怎么让 Claude 和 Codex 帮忙完成课程作业

这门《运营与供应链管理》课后有个「设施选址」的案例，我让 Claude 先做了一遍，又用 Codex 独立做了一遍，两个答案思路一致但数字和结论完全相反。把两份答案同时丢回 Claude 让它当裁判，结果它推翻了自己之前的解法——三处方法论错误被它一条条指出来，还配合 Python 独立验证给出了修订版。这篇记录一下这个「左右互博」的过程，和我为什么觉得它比让单一模型深挖要靠谱。

LLM 让程序员的编程美德“懒惰”更显重要了

Bryan Cantrill 在最新博文中指出，LLM 天生缺乏程序员的核心美德——懒惰。懒惰驱使程序员构建精炼的抽象，而 LLM 不受时间约束，只会让系统越来越臃肿。本文以半翻译半解读的形式梳理这篇文章的核心观点。