项目规模大到一定程度，就发现AI Code CLI开始降智了。
比如主项目已经完成了文件的加载和渲染。但我需要为零件额外提前生成一些略缩图和旋转预览。
交给它去做，它就天马行空了，又是python，又是node.js，就是不肯参考主项目的方式，利用主项目已有的基础来做。
我骂了几句之后，发现它还是不会反省，只好强制要求它按照主项目的方式去做测试页面，去提取图片和动画。
AI在风格上还是优先依赖自己的知识，而不是工程中的已有经验，会导致无数次重做轮子……
CLI降智
发表评论
执行力是什么
2025年底，我听到一句让我觉得可笑又无奈的话，是上位的老总说的，“我其实什么都不懂，就是执行力强一些”
我十年前就非常清楚，执行力是竞争中最不值钱的所谓特质了。如果执行力排第一，那企业找一些退伍军人来管理岂不最方便了？表面上的执行力，无非让员工疲于奔命，美其名曰，努力，卷死他人。那么多传销洗脑营，要搞个“执行力”出来，太容易了。
昨天跟Bloodsnow吃饭，我说了真正执行力的理解，是老板只是给了一个模糊的，模棱两可的方向，你能判断各种复杂关系，规划好方向和步骤，把它变成一个实际落地的项目/产品，最后再归功于老板高瞻远瞩，领导有方。
标准
又折腾了一下坐标系，再找了几个标准软件对比了一下，标准的本身是负责同一个文件在不同的软件中展示都是一致的，但没有对软件中采用何种坐标系做限定。
文件中的坐标值是文件中坐标系采用的，参考软件用了另一套，而three.js又用了另另一套。
做了个测试文件，让参考软件和three.js的展示完全一致，然后再去对比这三者之间的差异……
这种可视化的工程，AI coding帮不上太大的忙（可能我是错的，毕竟还没上手用最好的AI），还是靠自己检查，再去指挥AI修改。
AGENTS.md
今天开始用agents.md，除了让它init了一个，我加的内容不多，无非把这两天的坑（也许CLI不当回事，我觉得有点浪费时间）总结一下，让它减少犯错。
为了让CLI放慢速度，每个修改我都能懂而且给出我的意见，CLI还有个问题就是不会举一反三，比如：一个报错后，发现类支持的方法并不如它模型里面的那样，却不会逐个去检查还有没有类似问题。
不断重复的错误
这个项目先是做了个viewer，看效果不错，今天就开始做editor，有了被CLI自己改来改去出更多错的担忧，就让它新开一个项目，把源代码复制过来改。
如果是我来古法编程，设计好了之后，基本上是一次性就0 error就过了。然而CLI还是有问题。Kimi code最大的问题，明明有可以参考的，它就是不想看，它只想用上下文和自己的知识来解决一切，因此我发现问题是，明确告诉它，翻看之前写好已经验证过的代码，不要重做了。
然后，它就想着直接把一个改过的文件又用原始文件来覆盖，我叫停了它，你看看改动了哪些，差异部分是什么，只改其中的。
笨笨的，而且是我比较讨厌的那种大手大脚的coder。
我决定要PUA它了。
C++ to Rust
启动了一个本来要半人年到一人年才能完成的项目，
让DeepSeek给了几种架构方案，让Kimi Code去评估，再去分解，然后用了5小时循环额度里面79%，把第一步一种专用文件的parser改成了Rust实现。
所有修改都一个个看过去，有个矩阵处理反复了10～20次，估计跟这个项目本身历经多年，矩阵定义混乱有关。
总的来说，看着过程，一点点输出，效果还可以，但是还是焦虑，我的期望是，类似于编程语言的翻译工作，应该很快很顺利才对。
然后也见识到Vibe Coding，写测试用例的方式，过不去就看看：1.代码写错了？2.测试用例写错了？
连测试用的文件都是它自己写的，我不放心，就用原来的软件生成了文件给它测，总是能发现一些问题的。
今天工作完成了，用VSCode打开代码看看，写得还挺整齐，我不懂Rust，就懒得看它好不好了。
物种起源
又是拖了很久的大部头，终于看完了。
虽然翻译的文字还行，但生物学基础、术语理解还是不大行，所以一边看一边走神。
总的感觉是达尔文的思辨能力、逻辑基础非常好，而且又能谆谆善诱，配合一些例子、图片什么的，算是不错的睡前读物。
对于AI能追上或者超越人类，我是存疑的，至少，如果它处在达尔文那个时代，凭借着这些断裂和碎片化的古代地质化石，如果给出一个前无古人的进化论的推断，然后不断地完善之，驳斥那些似是而非的其他假说，能否做到？
是什么在转移
也不是什么新观点了，各次的技术带来的产业革命，一开始的某段应该都是将已有的生产链条进行转移，转移到一个经济上更优的模型上。
轮机，实现的是自然力代替畜力和人力，磨房上面下面的风力水力替代了牛马。
然后是蒸汽机，风力和水力挑位置，蒸汽机用的是燃料，把动力输出变成随处可为。
然后蒸汽机搬上了机车，输送燃料的同时也输送货物。
电的出现，让动力可以远距离传输，替代了燃料的远程传输。交流电增强了这一属性。
围绕电力的出现，大量本地机械改革成了电器。
……
计算机的出现，让流程和数据可以从纸上转移到电子化的存储介质上，软件让管理、生产智慧变得大规模可复制，云计算，让算力可以远程传输，SaaS，让软件可以按需使用。
AI 大模型的出现，让软件上凝聚的智慧变成一种按需输出，并不需要为自己不需要的软件特性付出额外的费用。
token的远程产生，则让智慧和能源更近，使用者只需要按需，通过网络获取。
token一如电力。
所以token的使用，可能改变的是IoT最终的产品形态：本地的IoT+AI根据需求，用token生成的动态应用，满足本地需要，而不必为了多余的功能而额外付费。
关注两端：A：电力+token的产生和结合，B：本地化token2function的技术框架。
vibe coding之自动创作视频
流程大概如下：
给出一个战争的名字，AI自行检索出战争的数个重要节点（名称、地理位置、经纬度、下载若干该节点相关的图片），生成一个json文件。
CLI生成创作视频的代码，读入json文件，启动浏览器和cesium，按照时间顺序在地球界面上依次调动镜头展示战争各个节点，并显示相关的介绍和图片。
代码同时对浏览器前端进行截屏，最后合成视频。基本上可用了，就是视频表达上略显业余。
后续调用时只需要提供各个战争名称，调用这些vibe coding出来的代码就可以了。
还没有调用AI生成解说音频，后续陆续完善。
错觉
英文名是：The AI Delusion
利用坐高铁的时间把这本书看完了。
属于LLM统治之前的，比较看衰AI能力的书。
书中列举了各种拟合数据，得出没有意义的，可能就是随机噪声导致的“结论”。
……
不过话说回来，随着这两年LLM越来越完善，幻觉的机会也会变少，好的地方是，LLM确实能替代人的工作了，坏的地方是，除了替代一般智力工作，创造性的也很难见到。
也许创造力必须与幻觉并存吧。