没有沙盒隔离的话，是不是 llm 产生有破坏性的 code 出来会炸？

确实，更像人，有种下限被提升的稳重感

（仅高速上）跟当前的 AI 编程很像，你完全不管让他自己来，容易出事，但你盯着，预料前面是复杂情况自己接管处理，就能帮你跳过一些机械无趣的操作。

其实是所有，你发送请求到 api 就可以了

来自 deepseek-r1 的回答

阿德勒心理学（ Adlerian Psychology ）是由奥地利心理学家阿尔弗雷德·阿德勒（ Alfred Adler ）创立的心理学流派，属于“个体心理学”（ Individual Psychology ）的核心理论体系。它强调人的社会性、主观目标和整体性，与弗洛伊德的精神分析学派形成鲜明对比。以下是其核心概念和学习路径建议：

---

### **一、阿德勒心理学核心概念**
1. **自卑感与补偿（ Inferiority and Compensation ）**
- 自卑感是人类进步的核心动力，而非缺陷。当人感到不足时，会通过努力（健康补偿）或逃避（过度补偿）来应对。
- 例如：身体缺陷者可能通过锻炼成为运动员（健康补偿），或通过贬低他人掩盖自卑（过度补偿）。

2. **追求优越（ Striving for Superiority ）**
- 人的终极目标是追求“优越”，即实现自我潜能和社会价值，而非简单的超越他人。

3. **社会兴趣（ Social Interest/Gemeinschaftsgefühl ）**
- 心理健康的核心是对社会的贡献感和与他人的联结感。缺乏社会兴趣会导致心理问题。

4. **生活风格（ Lifestyle ）**
- 童年早期形成的认知、情感和行为模式，决定了个体如何应对生活挑战。阿德勒认为可通过重新诠释过去改变生活风格。

5. **主观感知与虚构目标**
- 人基于主观经验（而非客观现实）构建对世界的理解，并受“虚构目标”（如“我必须完美”）驱动。

6. **课题分离与共同体感觉**
- 分清自己与他人的责任边界（课题分离），同时培养对共同体的归属感（现代阿德勒学派发展出的概念）。

---

### **二、阿德勒心理学的应用领域**
- **教育**：提倡鼓励而非惩罚，培养孩子的勇气和社会责任感。
- **心理咨询**：通过分析生活风格，帮助来访者重构认知和行为模式。
- **人际关系**：强调平等、合作与共同体意识。
- **自我成长**：打破“自卑情结”，建立健康的人生目标。

---

### **三、推荐学习路径**

#### **阶段 1：入门理解**
1. **通俗读物**
- 《被讨厌的勇气》（岸见一郎、古贺史健）
以对话形式阐释阿德勒思想，适合零基础读者。
- 《幸福的勇气》（同上作者）
深化对阿德勒实践理念的理解。

2. **纪录片/视频**
- 搜索 TED 演讲或 B 站/YouTube 上的阿德勒心理学入门课（关键词：“阿德勒 个体心理学”）。

#### **阶段 2：阅读阿德勒原著**
- 《自卑与超越》（ What Life Could Mean to You ）
阿德勒代表作，系统阐述自卑感、社会兴趣等核心理论。
- 《理解人性》（ Understanding Human Nature ）
从社会角度分析心理机制，适合进阶学习。

#### **阶段 3：学术扩展**
- 《阿德勒心理学讲义》（ The Science of Living ）
阿德勒的演讲集，涵盖生活风格分析等实践方法。
- 《个体心理学的理论与实践》（ Rudolf Dreikurs ）
阿德勒学派继承者的经典著作，侧重教育咨询应用。

#### **阶段 4：应用与实践**
- **育儿/教育**：《孩子：挑战》（ Rudolf Dreikurs ）
将阿德勒理论应用于儿童教育。
- **职场/人际关系**：《阿德勒式职场沟通术》（小仓广）
实践共同体感觉与课题分离。
- **自我疗愈**：结合心理咨询技术（如“早期回忆分析”“家庭星座”技巧）。

#### **阶段 5：批判与对比**
- 对比阅读弗洛伊德、荣格的理论，理解阿德勒的独特性。
- 延伸阅读现代心理学对阿德勒的继承与发展（如积极心理学）。

---

### **四、学习建议**
1. **从问题出发**：结合自身困扰（如自卑、人际关系）理解理论。
2. **实践导向**：阿德勒心理学强调行动，尝试用“课题分离”“共同体感觉”解决实际问题。
3. **社群学习**：加入读书会或心理学社群，交流心得。
4. **结合案例**：观看心理咨询案例视频，观察阿德勒技术的应用。

阿德勒心理学的魅力在于其积极务实的态度，适合希望突破自我限制、改善人际关系的人群。通过系统学习，你会更深入理解“自卑与超越”的动态过程，并找到属于自己的人生答案。

你有没有看过各种药物实验都有对照组？即使是安慰剂组也比不用药组要好？人体本身调节和免疫机制也很强大的，所以医生说让病人保持心情愉快不是没有依据的方法。

另外，也可能是你前面吃的药效起作用了，药物本身疗程也需要时间；当然也可能是高反效应慢慢被身体处理了。

openrouter & wordware & flowith 这三个东西都不是一个赛道的吧？你们是要做的是把这三个拼到一起？

大模型是个概率模型，你骂他，和他讲反例，只会把概率引导到更加不符合你需求的结果

另外，由于上下文有限，你聊越久前面的内容会遗忘，或者注意力大幅降低

#19 @shuimugan

gpt4 代码写很烂，只有 claude-3.5 才能写出大概正确的代码片段

我的观点是，现在民用本地设备，跑模型写代码这个事情非常不实惠，买个 cursor 20 刀一个月，是本地跑的 100x 效果

可以参考一下这个 aider 的排行榜，基本的算法题，

本地跑 72B 4bit 量化的要 40Gb 显存，也才能做答个 60 分

跑起来很快的 8B 小模型，就 30 多分，你用这个来写代码，就像教小学生写作业，得被气得半死

https://aider.chat/docs/leaderboards/

去买官翻的 mac studio 有性价比

去闲鱼买 mac studio 更有性价比

其实你要的是内存，大部分时候用打不到性能的完全释放，另外 mac studio 的散热是能支持性能持续释放的，比本子和 mini 都好

@HomeZane 去 PDD 买贴纸贴上 https://i.imgur.com/agAJ0Rd.png

大力出奇迹，几本书是不够，要很多很多。

参考，推理能力超过 gpt-3.5 的 Llama3

- https://ai.meta.com/blog/meta-llama-3/
- https://ai.meta.com/blog/meta-llama-3-1/

> Meta reports on Llama 3.1's page on Huggingface, using 39.3 million hours of H100 80GB instances to train all 3.1 models (8, 70, 400 B).

大概是，两万四千张 H100 训练 74 天

> Llama 3 is pretrained on over 15T tokens that were all collected from publicly available sources.

大概等同于 60TB 数据，在它的技术报告里，提到这是更大的数据集上做清洗去重的精华

---

所以先有这么多的资源才能训练得到高质量机器人

@drymonfidelia

有几个技巧，提升他写对的成功率。

最直接的，@Web ，要求他联网查询再回答。

遇到冷门的库，你可以把文档 URL 贴给他进行索引，然后 @ 索引的文档名字。具体在 cursor 设置里，可以添加文档，他也内置了一些流行的 py/js 库的文档。

某个改动有对应代码示例的网页，比如某篇博客，复制 URL ， @ 贴 link ，他会去扒拉这篇内容，作为参考。这种对于你用的某个库版本特别老或者特别新的时候，比较有用。

再大的项目，你日常开发也是会在项目管理层面切到比较小的范围。甚至一些需求改动的时候，你要做个小 demo poc 想法，那么这就回归到小项目了。

在比较小的范围，你改动某个函数实现，某个接口返回数据结构，或者某处界面，你框选，然后提具体的改动内容，比起你自己手动在那敲也是更高效的。

并且你本来就知道怎么实现的，那么让他先出个初稿，再改吧改吧，也比每个字自己敲快。

比 replit agent 好一些，由于只能用 wasm 的，一旦用到引用 native module 的包会出问题

本地有做 embeding ，你在选项里可以看到 index 的情况，还可以做 reindex 。

但最终肯定会发给 llm ，不然 ai 怎么知道相关上下文。

现在的产品只能选，经手方存不存。

把轴拔出来再按回去

特别是空格键，应该旁边还有卫星轴，或者其他支撑结构，可以检查一下是否拆出来的时候弄歪了