与「程小时」相关的搜索结果

篡逆 回北京了，路上又是一顿好堵，去程3小时，回程5个半小时，河北进京要检查，特殊时期你们懂的。但我发现有的车工作人员看一眼就挥手让过，有的车就要停下来检查，连后备箱都要打开看，我很好奇他们区别筛选的标准是什么。 一个车有没有问题，外观也能看出来吗？有没有这方面从业的读者，在这一句的位置里划线评论说一下，帮我解惑。 很多读者说羡慕我的自由，其实不自由，大崽马上要开学，我们全家就屁颠屁颠回来了，为了让孩子收收心还提早一周结束度假。我老婆是个传统意义上的虎妈，对孩子上学教育比较上心，我曾经尝试说服她请假带孩子出去玩，毕竟是小学阶段我觉得也没啥，都被她一顿数落给否了。 所以网友老说你们家条件宽裕，再要个女儿，不要了不要了，二崽今年5岁，13年后上大学我们就解放了，要是现在再生孩子意味着我们要延退5年，啊不要！坚决不要！ 从崇礼开车回京的路上风景是真的好，高山地区人烟少，大片大片壮阔的山景看的人心旷神怡。有一段还直接从居庸关长城底下路过，我坐车里抓拍了几张，说来你们可能不信，我来北京20年了还没去过长城。 …… a股是在气势如虹的状态下结束了上周五的行情，由于deepseek升级了v3.1，并且宣布专门适配了国产芯片，这大大刺激了芯片板块的行情。寒武纪+20%，海光信息+20%，中芯国际+14%，芯片etf罕见涨停。 几大宽基里最醒目的是科创50周五暴涨8.6%，科创50etf（588000）更是暴涨9.5%，比指数还要多一些。科创50虽然作为板块指数，但是行业偏向非常严重，我粗略算了一下它有57-58%的成分权重是芯片行业，前5大权重股都是芯片公司。 所以买科创50etf你其实就相当于买了一个掺水版的芯片etf，在行业分散度上它是板指宽基里最不均衡的，但遇到像周五这种极端行情它也有可能是赚最多的，盈亏同源，诸君自决。 这个周末很多人都在讨论寒武纪的价格是否高估，但就在8月24日，高盛发布重磅研报，将此前1223元的目标价上调50%，最新目标价是1835元。因为数字有些炸裂，我特地去找了原文确认，是真的。 另外我还顺带看了一下，高盛提出1223元目标价是在4月份，当时寒武纪的股价在600-700元附近徘徊，所以你还真不能说他们在胡乱吹票，起码之前吹的牛逼兑现了。 我感觉茅台股王的宝座又要被篡了，我为什么要说又呢，因为历史上前前后后大约有八九个公司的股价都短暂的超越过茅台，不过......算了，等超了以后再说。 …… 1、美联储主席鲍威尔周五晚上终于松口放“鸽”了，他说市场就业风险快速上升可能推动美联储在9月份降息，就因为他这句话周五晚上美股和虚拟币瞬间暴涨，其中ETH价格最高至4871，刷新史高。 我本来以为9月份降息已经是板上钉钉，毫无悬念，但刚才去链上赌场看了一眼，资金依然押注有20%的概率9月份不降息，这还真让我有些意外。 2、一大堆上市公司披露了半年报： 万科上半年净亏119亿，意料之中。 晶澳科技上半年净亏25.8亿，光伏基操 隆基绿能上半年净亏25.69亿，光伏基操，比去年亏的还少了点。 舍得酒业上半年净利4.43亿，同比下降25%，单看二季度比预期还好点，白酒业绩触底，但情绪拐点已经提前出来，之前洋河业绩跌45%第二天股价大涨。 酒鬼酒上半年利润下降92.6%，白酒短期内龙头，这个业绩不会熄火，因为炒的本来也不是业绩。 赣锋锂业上半年亏5.31亿，比去年亏的少，也是反内卷概念的重点标的。 片仔癀上半年利润14.4亿，下降16.2%，中药消费龙头，但各项数据都不好，茅台低谷时也有接近2位数增长，片仔癀直接躺了。 3、长江电力控股股东增持40-80亿股票，这个金额规模对于长电这种7000亿巨型盘子而言不会有决定性的效果，只是最近股价连续回调，大股东出来安抚军心。长江电力毫无疑问是a股最好的股票之一，但它旱涝保收抗周期波动的属性导致了它在熊市里的表现会更好，而一旦牛市行情来了它通常都会跑输大盘。 今晚就这些吧，我回家晚，写的仓促，发射。

市场可以 24/7，你不必。🌿 TOKEN2049 新加坡期间，「Health · Crypto 加密养生局」，共同倡议：把健康，排进行程。 邀请你给自己留一个上午，免费参与健康筛查。 🗓 日期：2026 年 10 月 7 日、8 日 ⏰ 时间：每天 09:00–13:00，新加坡时间（UTC+8） 📍 地址：新加坡（luma报名后会显示） 🎟 名额：每天 50 人，两天共 100 人；请选择一天报名，预约以审核确认为准。 🩺 新加坡持牌医疗机构 也欢迎你，把这份关心传递出去。 参会准备 🍽 体检前需空腹 8 小时；饮水、用药及特殊健康情况，请提前向医疗机构确认，勿自行调整用药。 🛂 请携带有效护照，现场直接向医疗机构出示。 马上报名 👉 #SelfCare# #HealthCrypto# #加密养生局# #爱自己# #LovingYourself#

AI Engineering Skills Map 系列之「使用 Coding Agent」 吴恩达老师的 AI 工程技能图谱第三篇详细展开： 1. 构建与部署 AI 应用 2. 软件工程基础 3. 使用 Coding Agent（本文主题） 4. 塑造构建方向 吴恩达老师认为：使用 Coding Agent 正在成为 AI 工程师的关键能力，而且它的演进速度比其他顶层技能都快，因为 Agent 本身在 harness 和模型两个层面同时快速迭代。因此，这项技能没有终态，只能靠持续的实验、构建和学习来维持。 # 用 Coding Agent 构建软件的通用工作流 通过访谈数十位顶尖 AI 工程师并复盘自己团队的实践，他归纳出一个一致的高层工作流，分三步： 1. 规划（Planning） 包含两部分：一是头脑风暴，可能涉及研究、实验、理解已有代码库；二是写 spec（规格说明），涵盖需求、技术设计、架构，随后生成执行计划。规划完成后还应审视计划本身：质疑关键假设，检查安全性、过度设计等问题。 2. 执行（Execution） 构建、测试、验证，关键在于把握智能体自主性与人工监督之间的平衡。一是让智能体以"校准过的自主程度"去构建；二是通过自动化和/或人工检查来验证输出。 3. 部署与监控（Deployment and monitoring） 部署可能经由 CI/CD 流水线或额外的人工关卡把关；随后用智能体观察日志、发现问题、提出并执行改进。 这个工作流有两个特别注意： 1. 它与前智能体时代的软件开发流程本质相似。真正变化的是注意力的重心：从写代码转移到决定做什么、设计架构、写 spec、验证输出。 2. 各步骤的时长弹性极大，可以省略。greenfield（从零开始）原型的 spec 可能只是一条快速写下的提示词；而有大量用户的 brownfield（存量）项目的 spec 则需要投入大量精力去撰写和验证。整个流程高度迭代，熟练的开发者知道何时该从后面的步骤退回前面：验证失败就引导智能体重建修复；监控发现问题就让智能体更新系统并重新部署。 # 五项关键技能 1. 指挥工作流（Directing the workflow） 知道如何走完上述每一步，并决定每一步投入多少人力、多少智能体算力，以及何时回退迭代。这背后是对速度、成本、技术风险、人力投入四者权衡的深刻理解，具体体现在：前期研究和规划做到什么程度、哪些关键工作保留人类所有权、如何选择架构、规划产物（如 spec）写多细、如何把工作拆解成可验证的步骤。 2. 赋予智能体自主性（Enabling agent autonomy） 这一节内容最密集，可拆成四个决策点： · 自主程度：盯着它交互式往返，还是委托一大块工作？何时设定明确目标让它循环直到成功？ · 上下文管理：构建过程会经历不同阶段，要判断何时把关键经验、用户反馈、假设（包括中途变化的假设）记录下来供智能体下游使用。 · 并行化：何时把任务拆解后让多个智能体并行，由人或更高层的智能体来编排；以及如何在多个并发会话之间分配人的注意力。 · 安全运行：设置权限、对高风险动作设关卡，在保持开发速度的同时限制泄露、数据丢失等损害。 3. 审查工作成果（Reviewing the work） 出发点是一个基本事实：智能体的输出是不确定的。我们事先不知道它会想出什么好主意，也不知道它会埋下什么 bug。因此审查和验证是拿到想要结果、并在偏离时纠正的关键环节。 具体手段包括： · 设计与任务匹配的测试和验证，按需结合行为验证和功能验证。 · 测试用户流程，可让智能体提供截图作为成功或失败的证据。 · 对定性/行为性评估，可使用评估集（eval sets），可能配合 LLM-as-a-judge。 · 决定测试的自动化程度。某些工作流会把测试完全自动化，让智能体能自行检查、自知何时完成。但必须评估这些测试是否真正对应你的目标，不对应就要演进它们。 · 使用智能体代码审查，运行 AI 驱动的安全和架构审计。 · AI 审查不够时，审慎地插入人工审查——主要审查代码行为，较少审查代码本身——同时探索进一步自动化的可能。 · 验证部署，并用智能体把监控和事故管理运营起来。 这里有一个值得注意的判断：人工审查的对象主要是"代码行为"而非"代码"，这反映了注意力重心的转移。 4. 定制智能体及其环境（Customizing the agent and its environment） 目标是让智能体高效获取所需上下文、访问工具、正确高效地构建。具体包括： · 集成 skills、插件、MCP 服务器，并在不再必要时（如新模型让旧 skill 过时）剪除它们。 · 用 hooks 自动化开发流程中可重复的部分，如触发自动代码审查或 CI/CD。 · 维护常驻上下文（AGENTS.md、CLAUDE.md），记录代码库信息、关键架构假设、代码风格、数据访问模式。 · 跨会话、跨并行智能体保存状态，随时间积累智能体的经验，比如通过运行后复盘记录哪些做法有效、哪些无效。 · 建立一致的约定和结构，让代码库对智能体可导航；定期清理智能体产生的技术债。 · 团队协作时，考虑如何在不同开发者的智能体之间协调上下文。 5. 编码智能体基础原理（Coding agent foundations） 要做好上述所有决策，需要理解智能体的工作机制：如何做代码库搜索/检索、如何管理上下文窗口、不同操作（增加工具调用、MCP 服务器等）如何影响上下文、智能体与子智能体如何交互、智能体是如何通过在 LLM 外包裹 harness 构建出来的。 这种理解让智能体不再是黑箱，帮助你识别典型失败模式： · 把简单方案过度设计 · 因缺乏显式验证流程而丧失严谨性 · 未达目标就停下 · 可能破坏文件或生产数据的动作 同时也帮助你推断智能体的状态、给出正确的指令或上下文来引导它，并在监控运行时更早发现它偏离轨道、需要介入。 # 对行业叙事的批评 结尾处吴恩达老师有一段针对性很强的观点。他认为社交媒体对如何使用编码智能体的描述往往过度简化。让智能体自主运行数小时、消耗数百万甚至数千万 token 有时确实有用，但目前超长时程任务的实际效用——尤其是相对成本而言——被夸大到超出现实。 他的结论是：最有效的编码智能体使用是一个复杂、高度迭代的过程，能够以高水平判断力适时介入，效果远好于放手长跑。