zephyru

首先无意冒犯....我感觉 OP 的对话一股 AI 味，不知道是 AI 用太多了，还是在借助 AI 发帖。
其次，我实际上也在折腾这些东西，我的经验是不同的 LLM ，markdown 记忆的写法和用法都有些似是而非。
主要在于文字其实是有损传输，而你认为最关键的而不是噪音的部分实际上很难清晰的分离出来。
原始 session 就更不用说了，这部分完全取决于搜索的命中率。
我的方案是不纠结于记忆，只专注于技能。
比如某个项目，项目有一个自述文档库，按理说需要记录的记忆都放在文档库里。
配合一个专门的 skills 维护，skills 本身是一个路由只负责找不同的主题都放在哪里，以及全局的状态。
然后根据需要组织参考文件，脚本，诸如此类的，Agent 工具自己的记忆基本是自动的，但这个技能的自更新和文档的维护则是开发完一个阶段后手动去维护（让 Agent 去提炼）。
然后有记忆的 Agent 让没有记忆的 Agent 基于文档和技能去自述理解，核对没问题就认为没问题（基于常见的开发场景，这个过程也同时暴露给人审核）。

mimo 个人感觉跑 agent 任务效果还行。
minimax 是真的拉完了。
两家都是量给的很足，不过写代码确实不如 deepseek 。
kimi 能力好但是订阅给的量少（不知道现在有没有改善）。
glm C 端则是又慢又买不到。
Claude 结合 Claude Code 的干活体验现在确实还是最好的。
开箱即用，整合度高，现成的 harness 或者基于 Claude Code 提供的能力去搭自己想要的 harness 体验都会好很多。 主要人精力有限，虽然知道各家都有自己的客户端同时这些客户端都对自己家的模型有优化，但确实是没有动力去装一大堆。

看了头几个层回复我还在怀疑我是和 AI 交流太多了么..
后面才发现我的感性还是没出问题的。
不过排除掉文风问题，内容也还是有意思的，感觉大家走过的路程都差不多，现在一线业务开发估计也不怎么看代码了逻辑没问题，会审查 claude 都能给你推进的七七七八八。
不过就是还是要时常的去重构，AI 代码虽然能跑，但可维护性真的很差，但只要你能指出来，它又能给你整的很好，就比较矛盾。
我自己写玩具项目就 claude ，指挥者国产模型干活，效果也说的过去，我自己确实是变懒了。

沙盒机制吧，因为在沙盒里很多东西都要各种折腾才能推动，所以额度下降的很快

我感觉首先要区分什么是业务需求，什么是技术需求，对于业务需求确实还是 MVP 思维，总结来说 OP 的意思是技术需求先一步到位设计好最终架构前期慢后期快，这很传统，对于这方面的想法我部分赞同，问题是技术架构是基于具体的业务场景去做的，很难一次性覆盖所有场景（有些业务需求变更是自相矛盾的），而业务需求往往是多变的，说到底现在为了保障生产不太可能去人肉 review 所有的 AI 代码，现在软件甚至可以做到日抛，等用 MVP 验证完业务方的想法一切都相对稳定了，再基于这种架构思维去构建 harness 工程，来搞软件的黑灯工厂可能是更理想的道路。

需要数据库和云端么？需要考虑多用户么？你自己知道这方面基本的组织方式么？你能出详尽的需求文档么？这些都能解决我感觉是够的（不考虑多用户，能查出来就算成功）你如果直接对标东方财富的完整功能我感觉玄

@my2492 我都买过了，glm 性能不错，但是 C 端用户高峰期非常的慢（对我来说几乎不可用，这是过年那会，不知道现在怎么样了），非最高一档的额度也是一般般，kimi 我买过 49 元档（ 9.9 试用，半个小时跑完一周额度非常幽默），minimax 量确实很多（ 49 元档，主要是有很多增值服务，搜索，生图，生语音，音乐，视频，功能比不上第一梯队，但确实有功能，适合做一些原型验证），但这个量是建立在它不太聪明上的，适合做执行，不适合做判断，幻觉确实是个问题，挺明显的，不过也凑合用，差不多去年 5 月份的 sonnet 3.5 水平吧，然后我又买了小米的（ mimo ）（ 99 元档）号称 2 亿 token ，实际上用的比较快（和 mimimax 同工作流），但确实干活会更好一些，尤其是搭建流程和对幻觉的处理上明显比 minimax 好非常多（ minimax 自己搭工作流比较起来可以说很难说能用，当然都比不上 gtp 5.4 ），所以我现在的方案是用 gtp5.4 和 mimo 做流程和需要判断的工作，然后用 minimax 做边界清晰的执行活（脚本调用，文章摘要总结，初步的分析，诸如此类的）

估计再说 kimi 吧，kimi 的订阅收费确实挺幽默的，几乎就是付费体验

虽然我没接触过这些，只能从逻辑上去理解，不过确实感觉写的不错