自学看培训就像 hr 看学历一样。我 TM 就是歧视培训出来的怎么了，我不希望我的团队了有培训出来的，因为为什么要让我为别人擦屁股，我 TM 又不是犯贱。

可以，kilo code 支持 Gemini cli 作为 api 供应商。在 powershell 下设置好代理在运行 code, code 会继承环境变量：

```powershell

$env:HTTP_PROXY = "http://127.0.0.1:7890"
$env:HTTPS_PROXY = "http://127.0.0.1:7890"
$env:GOOGLE_CLOUD_PROJECT="xxxx"
code ./

```

glm-4 是真心拉，免费量大管饱的也就 mistral small 了，限制就是 RPS=1 ，tpm=5m

想要实时只能使用那些轻量型的模型例如 Yuface 做检测（带 5 关键点），对齐让 AI 来写（ Claude 可以写出来），ghostnetface 做识别。yolo8nface 之类还是太耗时了. 使用视频前后帧的 diff 只识别小块区域可以大幅提高检测速度和精度

@godbasin 线路图只是让你按图索骥，你开发过程中遇到什么问题，通过线路图大概就知道下一阶段你需要了解什么知识。特别现在有 AI 的情况下，学习效率蹭蹭往上涨。

copy file + agent + review/test

@4zp8oaahntzvhd 你描述的用户操作流程，而不是软件开发的实施流程，这两者有巨大的差别。

任务目标：开发 MacOS 下的翻译软件
软件界面：xxx （使用 AI 根据图片生成描述：使用 markdown 语法重新绘制软件界面）
用户操作流程：xxxx

请告诉我实现这个目标需要准备哪些开发工具，准备哪些开发环境，需要查询哪些资料文档。
然后根据要求准备环境和文档资料

示例 全局快捷键：

1. 我需要在 xxx 中实现 全局快捷键 功能，需要查询哪些资料文档
2. 我在 xxx 文档中找到了 全局快捷键 功能相关的资料，请根据文档和文档中的示例实现 全局快捷键 功能
3. 最新版本的 xxx 已经不支持 xxx, 请根据 xxx 文档（贴上示例代码，或者接口定义，函数定义）修复错误
4. 代码编译时报错，错误位置是：xxx (代码)， 错误信息是 xxx ， 编译环境（或者运行环境）为 xxxx

你可以不知道怎么编码，但你需要知道软件开发的流程。我记得有本书叫《代码大全》你可以了解看看软件是怎么开发，大致看下或者在需要的时候翻翻就好。要知道软件开发在早期其实叫软件工程，工程一词就已经说明软件开发本身就不是一件简单的事情。

对 LLM 而言，示例比描述更有效。例如：

请使用 Windows 风格的路径。

vs

使用以下风格的路径：
- good: "d://dev//myapp"
- bad: "\d\dev\myapp"

车辆异响，要慢踩刹车停下来检查，而不是猛踩刹车，不怕翻车吗？

chutes.ai 量大管饱

哪个对 AI 支持好就用哪个

python： 默认一切都安全的
rust： 默认一切都是不安全的

使用 python 就是要放下一切，能跑就行。

尝试要求 AI 使用 checklist 来规划任务会有奇效。就我目前使用的情况来看，要求 AI 通过 checklist 来规划任务要比没有 checklist 的情况成功率高的太多。

@mightybruce mistral.rs 有类似的 ollama 的计划，之前和作者讨论过，不过整个项目主力只有作者一个人，估计要等很长一段时间。与 llama.cpp 不同 mistral.rs 项目本身偏向于多模态。在 ollama 还没支持多模态模型前这个是对多模态支持得最好的项目。就项目目前的情况应该不会得到 k8s 官方的支持。

@mightybruce llama.cpp 的 rust 版本是 mistral.rs （同时各自发展的方向也不一样） 而不是各种 llama.cpp bind

@cnbatch 相反如果看到项目是-rs 或者-rust 结尾我会猜测软件大概是可以跨平台的。合适或者必要时可以编译后放在 nas 中运行。

@xixibb 那倒没有，大概 4~5 分钟 （ cpu：amd5900 ）

你需要找那些支持工具调用的模型，deepseek-r1-distill-qwen-32b 是推理类型的模型，并不适合，qwen3-30b-a3b 需要将使用<no_think>不过效果一般。中小尺寸模型可以看下 mistral small 和 phi4, 以及一些专门针对工具调用微调的 qwen2.5, qwen3 模型。