与「頂」相关的搜索结果

转译：为什么面试聊得挺好，你却还是没拿到 Offer？（面试官视角） 我在论坛上看到过很多关于这个话题的帖子，所以想从面试官的角度，分享几个常见的原因：为什么明明候选人自己觉得面试发挥得特别好，最后我们却依然没能录用他。 1. 在核心岗位要求的问题上，你的回答不够扎实。 我遇到过不少这样的候选人：面对那些属于“加分项 (nice to have)”的技能问题时，他们对答如流、表现惊艳；但一问到核心的硬性技能 (core mandatory skill)，回答就显得有些单薄，最终也因此被淘汰。这里的难点在于，候选人往往并不清楚公司最看重的到底是什么技能，尤其是招聘启事 (job posting) 上可能也写得模棱两可。如果一份招聘启事列了一大堆要求，我觉得非常值得在面试一开始就主动问清楚。比如你可以这样说：“我的过往经历比较广泛，但今天这场面试，我希望能把重点放在贵公司最看重的部分。在你们列出的岗位要求中，有哪些是优先级特别高、需要我在接下来的交流中重点展示的吗？” 2. 早有其他内定或更偏爱的人选，这与你个人无关。 举个例子，我曾多次参与面试评审团 (hiring panels)，期间遇到过让我惊艳的优秀候选人，双方聊得非常投机，我也强烈推荐录用他……但评审团里另一位更有话语权的面试官，心里已经有了别的意向人选（通常是他们以前合作过、知根知底且配合默契的熟人）。又或者，这个岗位本身就有一位实力很强的内部候选人 (internal candidate) （注：指公司内部申请转岗或晋升的员工，通常因熟悉公司业务和文化而具备天然优势），除非他在面试中表现得一塌糊涂才会痛失机会——但只要发挥得中规中矩，这个岗位就稳稳是他的了。 3. 你确实非常优秀，但不太适合这个特定岗位。 好几次我和候选人聊得极其愉快，心里甚至忍不住感叹：“天呐，真希望我们有个别的岗位能留住这个人！”因为他们显然是不可多得的人才，只是和当前招人的这个岗位不那么契合。这通常出于一些你无法控制的客观原因：比如对这个岗位来说，你的资历显得太浅或太深；又或者你的技能树和兴趣点偏向另一个专业领域，而我们在当前岗位上很难让你充分发挥。举个例子，我曾经面试过一位极其优秀的候选人，经验非常丰富，我们所有人也都被他的过往作品深深吸引。但聊下来可以明显看出，他平时更多是在做统筹与管理，而不是亲力亲为地做一线落地执行 (hands-on implementation)，而我们这个岗位恰恰急需一个能直接上手干活的实干家。 4. 存在一些未明说的“隐性门槛”或偏好，而你恰好没满足。 我觉得这种情况比大家想象的要普遍得多。比如，我有一次参与面试时，内部其实心知肚明这个岗位没有任何晋升空间。其中一位候选人明显非常有野心、渴望往上走，于是我们淘汰了他，因为我们更想找一个愿意在天花板明显的岗位上安稳待得更久的人。还有一次，我们知道这个岗位平时需要频繁对接一位性格强势、很难搞的业务相关方 (stakeholder) （注：指在项目中与你存在工作交集、利益关联的同事、跨部门负责人或客户），所以我们淘汰了一位看起来过于顺从、脾气太好的候选人，因为我们清楚这里需要一个极其自信、能够守住底线并顶住压力的人。这类要求大多数公司是绝对不会写在招聘启事上的，属于典型的“隐性要求”。此外，有些招聘启事单纯就是写得很烂，根本没有准确传达出招聘经理 (hiring manager) 真正想要什么样的人。所以，如果你觉得自己明明符合纸面上的所有要求却还是落选了……请记住，背后很可能存在一些你不知道的隐性条件。 5. 你已经很棒了，但刚好有人比你更匹配。 有些岗位的竞争真的非常激烈，会涌现出一大批背景强硬、条件完全达标的候选人，我自己在做决定时也常常纠结万分。在这种情况下，最终的胜负往往取决于一些极其微小且主观的细节——比如另一位候选人刚好比你多满足了几个我们的加分技能。 6. 其实面试并没有你以为的那么顺利。 我在面试评审团里遇到过一些明显不会“察言观色 (read the room)”的候选人，我完全能想象到，他们回去后可能会觉得自己发挥得棒极了，但其实根本不是那么回事——我们当时只是在保持礼貌而已。我还见过评审团里的同事对某位候选人表现得极其热情（比如不断追问、非常宽容地引导思路、肯定或顺着对方的话往下聊），哪怕在座的所有面试官心里都清楚这位候选人根本没戏。我个人通常会尽量避免这样做，免得给候选人造成虚假的希望；但有些面试官确实会因为同情那些表现不佳的候选人，而觉得有必要对他们格外友善。如果你担心自己属于这种情况，我建议找身边认识的人做几次模拟面试 (mock interviews)，听听他们对你面试表现的真实反馈。 总而言之，拿不到 Offer 往往没那么简单，并非只有“你肯定哪里做错了”或者“整个面试流程都是走过场”这两种极端。很多时候你完全没有做错任何事（一切都不在你的掌控范围内），纯粹只是因为背后还有其他客观因素在起作用罢了。

订了 Google AI Pro 或 Ultra 的，先去 AI Studio 看一眼：账户里可能躺着一笔还没领的钱。 11 月 13 日 Google 宣布，Developer Program 的每月 Cloud 额度直接嵌进 AI Studio 了。以前得在三个网站来回跳，现在建档案、绑账单、领额度一个弹窗搞定，左侧导航还会提醒你有多少没领。 额度按档位给：Pro 每月 10 美元，Ultra 5x 40 美元，Ultra 20x 100 美元，AI Plus 没有。这笔钱直接抵 Gemini API 的调用，写提示词、做应用、部署都算；订阅额度用完，也能拿它顶上继续调付费模型。 先说清楚几点： - 每月发的额度 12 个月内有效，能逐月叠加，之前没领的可能已经攒了好几笔 - 想用额度，先往 Cloud 账单预付 5 美元才能开始扣 - 只有主订阅人能领，家庭共享成员分不到 这笔钱只抵 API 调用，平时只在网页版 Gemini 聊天的人用不上。经常在 AI Studio 跑 API 的话，等于订阅费里白送的调用额度，不领就过期了。

市场杀疯了， lan老头和目标哥都亏了1亿u， lan老头老婆带着孩子气跑了； 目标哥几天前心态失衡关闭实盘，停发推特，目前看很有可能已破产归零。 1亿u什么概念？ 可以买660辆保时捷帕拉梅拉， 2500辆特拉斯model Y， 75000部顶配iphone18， 可以在三线城市嫖娼130万次。

不管是遇到“美元贬值（7.3跌到6.7）”还是“美元升值（6.7涨到7.3）”⬇️ 手握 100 万人民币做全球配置的三种真实结局 第一种：把“换汇”当成投资终点，只存美元定期不买资产 🔥 在 7.3 高位换了美元却不敢买美股，让钱在账户里睡大觉。一旦遇到美元汇率回调到 6.7，吃满 8% 以上的汇率跌幅，那点定期利息连汇损都填不上，100 万换回人民币只剩 90 万出头。 第二种：被短期汇率波动吓破胆，天天盯着汇率猜顶底 美元跌到 6.7 时怕继续跌不敢换；等美元涨到 7.2 时又嫌贵不敢买。结果五年过去了，在汇率的小水坑里来回折腾，完美踏空标普 500 和纳指翻倍的主升浪。 第三种：无视短期汇率涨跌，换完美元立刻锁仓 60% VOO + 30% QQQM + 10% SGOV - 当美元贬值（人民币升值，如 7.3 跌到 6.7）：虽然汇率账面少了 8.4%，但期间 VOO 涨了 30%+、QQQM 涨得更猛，折算回人民币依然净赚 20 多万；而且这时候拿人民币换汇，等于打 9 折买美股筹码！ - 当美元升值（如 6.7 涨到 7.3）：你直接享受“美股资产上涨 + 美元汇率升值”的戴维斯双击，两头吃肉。 我提出思考，分析这个，就是想分享给朋友们一个观点：汇率决定的只是你上车时的门票折扣，而换完美元之后买了什么资产，才真正决定你 5 年、10 年后的财富结局。 只要你买的是年化复合增长 10%–15% 的全球顶级科技与宽基资产，区区几个点的汇率波动，在十年复利面前连浪花都算不上。

我号召所有股东，一键清仓英伟达 $NVDA 黄仁勋无人能顶，克雷斯就是个会计，带不回英伟达的魂。 只要国会最后不给老黄扣个坐牢的大帽子，他就还有回来的路。英伟达跌得越惨，员工越闹，股东越闹，董事会越扛不住。 一键清仓，逼董事会不得不去请老黄回来。

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

我操了兄弟们，我已经七天没跟我老婆做爱了，昨晚还被一个体育生gay友彻底操服了。前戏他手指死死按在我前列腺上不松手，又抠又压，硬生生把我手指操射了一次，精液喷得满腿都是，后面直接湿得一塌糊涂，屁眼自己往外冒水。他根本不给我缓冲，鸡巴对准就整根捅到底，那一下直接顶到结肠口，我瞬间失声叫出来，腿抖得夹不住，屁眼肉被撑开到发麻。后面他换了好几个姿势，他最爱把我脸朝下按在床上从后面猛撞。一手死死扣住我腰往回拽，一手按在我小腹上用力往下压，每次都整根没入再狠狠抽出，龟头反复刮过前列腺。我控制不住地往外射，射到后面已经不是精液了，就是透明的骚水一股股喷出来，床单全湿透。他一边干一边骂我骚，说就要看我被操到失禁的样子，根本不让我缓。做到最后我整个人软得像烂肉一样趴在他身上，屁眼被撑得又红又肿又热，一动就往外淌水。他最后那几下特别狠，鸡巴在最里面狂顶，射的时候全灌进我肠道深处，我跟着又高潮了一次，直接射空了，身体抖得停不下来。射完他没拔出来，鸡巴还整根埋在里面慢慢磨，精液混着肠液往外溢。我眼睛都睁不开，就那样被他抱着，连意识都模糊了，不知不觉直接睡过去。醒来时发现他居然还没拔，鸡巴还堵在里面，我的屁眼被磨得又肿又敏感，轻轻一动就发软发麻。床单和垫子全是湿的，下面又黏又凉，精液还在往外流，那种被彻底操开、填满到溢出来的感觉，真的会让人上瘾。

作为一个游戏佬，我贼讨厌英伟达新的临时CEO。 Kress，这姐们一辈子都在做财务，和华尔街打交道。 之前在微软、思科都是部门级的 CFO，今年该六十了。中老登白人女，这人我光看面相，我就断定，她这辈子鸡毛游戏没看过，顶多玩玩疯狂的小鸟、糖果三消啥的😅。 AI 数据中心的业务太暴利了，从财报来看， 游戏显卡毛利率 50%+，AI 显卡毛利率 80%+。 只有老黄，他对游戏有情怀，还记得初心，力排众议，还给我们游戏玩家生产点显卡。 没有老黄护犊子，估计这姐们，等过渡期结束，游戏显卡就慢慢变边缘业务咯😭。 谁管我们这些戴眼镜，不爱出门的阿宅。 哎，以前老是调侃老黄，说他精准阉割挤牙膏。 现在物是人非，挤牙膏我也认