哪些渠道可以稳定获取高质量LLM+AI使用的技巧和思路？
楼主澄清工作流瓶颈，Rosmontis指出AI Agent核心局限及优化方向。
关键信息与需求
- 楼主 (@tty17, #6)：明确自身使用场景为“人类构思任务+Agent执行”，通过仔细提供Context/Prompt/Skill/MCP处理开放性问题。痛点在于中间结果需人工审核修正，寻求更高效率的使用方法及工作流改进方案，而非单纯获取技巧渠道。
经验与数据点
- Rosmontis (#8)：指出当前AI Agent的两个基础问题：概率性遵循指令和Context遗忘。所有现代Harness（如AutoGen, CrewAI等）均致力于解决这两点。
- 优化建议：
- 记忆文件化：将状态持久化存储。
- 动态Context注入：每轮对话仅注入当前步骤所需的上下文，避免信息过载。
- 个性化迭代：这是一个复杂且个性化的过程，必要时需自行编写Skill。
最新动态
- Rosmontis (#8)：建议楼主去网上或 linux.do 搜索相关讨论。
- Monstrous_Moonshine (#13)：认为楼主“人类构思+Agent执行”的模式是合理的，质疑全自动化的必要性。
闲聊脉络
希望是真正有价值和值得沉淀分享的东西（而不是AI生成的假大空或者buzz word文章），包括使用LLM的不同的方式或者技巧，举个例子，比如之前看泥潭分享的 https://www.uscardforum.com/t/topic/488654 就蛮有收获，扩大了使用AI的方式。 想问一下大家一般从哪些渠道获取获取这类高质量分享，希望最好是能稳点产出同时质量又有一定水平，尽量降低筛选的时间成本。 也不一定是AI使用，对AI的行业分析感觉也很值得看。
回复错了主题 ，插眼
建议标题改成：拿来吧你
“高质量使用LLM”有很大部分的工作是构建领域相关的context，但这是一个具体问题具体分析的东西，我认为最好的办法就是你亲自烧个100B token，自然就什么都懂了。趁现在subscription还不贵，chatgpt $200 pro弄个一年应该能完成
订阅不是问题，公司给的管够。问题是我感觉我主要还是通过对话使用ai，基本还是我想好了任务(比如实现某些功能或者分析design)，然后交给agent去处理，context和prompt会给的比较仔细，skill/mcp也会用到，很多时候因为问题比较开放，中间结果还要审核修正。 其实我在想有没有更高效率使用AI的方法，或者更好的改进当前的工作流。
怎么一股v2的味道
你去网上或者linux.do上多搜搜 tty17: 很多时候因为问题比较开放，中间结果还要审核修正。 这个是正常的，再怎么提升harness和工作流现在的AI agent还是有两个基础问题，概率性遵循指令和context遗忘问题，可以说所有的现代harness都是在尝试改进这两个问题。 目前的基本处理方式就是记忆文件化，以及通过适当的方式在每轮对话只注入需要的context，就是一个很复杂和个人化的迭代过程，必要的时候需要自己写一些skill。
最佳技巧思路：同事？
世界各地的同事
开个中转站，GLM 5 别名成Claude Fable 5 卖，还能日常看看企业客户是啥工作流，四方支付，想抓都抓不到
/uploads/short-url/lKKgmWeDBZrMxivRPUvkMCRFd4o.jpeg?dl=1
tty17: 基本还是我想好了任务(比如实现某些功能或者分析design)，然后交给agent去处理 我觉得这样挺好的，等真全自动了还要人类干嘛