虽然vibe coding把功能陆续都能写出来，但一加载较大型的设计，两个问题，时间太长，内存占用太多。
然后CLI就给出个三级缓存的建议：零件文档缓存，实例mesh缓存，subfile缓存。
把这几个都实现后，加载时间还是很长。一个几百K的设计文件要1x 秒吧。
我让它清理一下代码，本来打算今天休息一下的。
后来想想，还是让它看看参照的开源代码怎么写的，看完后，它很兴奋，又给了新的方案，phase 1，实现geometry 缓存，phase 2，引入第三方的InstancedMesh。
实现geometry缓存后，效果很明显，加载时间降到500ms了，不过内存占用还是很大。
CLI，估计Agent也差不多，它们只有在已有的经验里去寻找解决方案，而不是触类旁通，或者通过一个质问的方式：为何别人能做到，我就做不到 –> 我应该去看看别人是怎么做的。
RAG也是用户定义好的知识库，开通了搜索引擎辅助已是AI工具的一大突破，接下来，该如何让它以模仿、第一性原理去思考问题以及解决方案了。
Kimi Code今天重置了本周额度，不知道是不是前两天真的降智，有点愧对用户了。
如果用户不控制的话，CLI很喜欢自己不断写新脚本，或者新新脚本去解决新脚本上发现的问题，这样导致脚本很难有版本控制，等到删起来就蒙眼了，到底哪个能用哪个不能用。
等到用户都不愿意多看脚本时，就又发指令给CLI，让它自己整理/或者重写脚本，就又多造了一次轮子。
如果这个特点是训练数据导致的，恐怕脚本的开发史就是如此了……
然而对我个人来说，每次脚本开发都是珍贵的经验，绝对不像现在CLI这样，动不动就把脚本删干净。
如果放任CLI不管，它会在项目下产生大量冗余/重复/更新不及时的markdown文件。
已经深刻体会到了，于是要求CLI修改。合并+删除，就精简了不少。
然后是agents.md，也被CLI当成是一个大箩筐，什么都往里面装，于是把内容扔给deepseek，让它给出分解和优化的建议，然后再让CLI去改，这样agents.md的注意力就在AI规范上了。
最后AGENTS.md在8k左右。
这样能不能避免context增长过快？看看效果吧
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……
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。
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。
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。
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。
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。
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？