locoz

因为国内厂商目前的场景理解能力、应对速度、观察能力都做不到特斯拉 FSD 那么好，如果保守处理，那么又可能会在更多没那么极端的情况下做出不必要的刹车、让行之类的操作，日常场景体验会更差...

说白了就是不够“聪明”、“视力差”，无法做到自主判断什么时候该激进、什么时候该谨慎，所以只能往偏激进一点的方向调，免得日常场景保守导致被人乱插影响体验。

像懂车帝那个高速左侧一排车跟车距离比较近，自车开在右侧车道跟车的场景，懂得安全驾驶的人类驾驶员会选择把车距适当拉远，并且错位观察前方，发现有不对劲就开始提前减速了，根本不会等到前车急刹或者紧急变道之后再做出反应，可操作的时间要长得多。

但这个教学方法，本质上还是因为考试本身的规定限制导致的，压点线、停得稍微不到位一点、没有一次停到位之类的就要扣分、重考，实际停车的时候可没那么严苛...本质上就跟地理、历史考试的技巧是纯靠死记硬背一样，考试考的点就是死记硬背，得到的结果自然也是如此。

跟规模没什么关系，只要会用，并且基础设施到位（包括但不限于镜像源网络问题、程序容器化、自动构建、自动部署、可靠的存储服务），那上 K8S 是纯粹的收益。而且现在几乎不用考虑维护问题，现在的部署、配置工具都已经很傻瓜化了，K3S 之类的更不用说，按官方文档来，不搞骚操作，很难搞出问题。更别提还有公有云提供的容器服务了，更傻瓜化。

因为是 HR ，不是部门负责人，HR 本来就不怎么懂业务，他们只能通过聊天去尝试判断你这个人大致怎么样，那不就只能问那些有的没的了吗？

无所谓了，像我现在版本管理都是用 UV 的，无论用的啥操作系统，都是一行命令就能安装指定版本了

@BeFun #42 然而实际基本并不会挂水珠，一下雨就自动开后视镜加热了，整个后视镜最多挂一两滴水，远比没有后视镜加热但有边框的后视镜干净。

@4zp8oaahntzvhd #9 你所谓的“一个步骤一个步骤执行”应该只是提功能需求，但实际 AI 如果要写好代码，需要的不仅仅是功能需求，还需要有具体的编程思路，但你提供不了。前面我说让 AI 自行规划一套实现方案，解决的就是你无法提供编程思路的问题。

到具体执行层面，你知道大概能用什么东西实现，而 AI 会存在把多个东西混淆、新旧 API 乱用的情况，所以你需要提供文档、提供详细的信息，而不是让 AI 反向给你提供信息。而且还是因为你不懂细节的关系，你提供信息之后，要让 AI 自行规划，先规划再写。

而且语言模型存在上下文上限的问题，你如果只知道在同一个对话中反复堆砌，那结果也会很差，因为信息都丢失了，你跟它扯半天它又没记住，当然会出现“给出的代码各种编译报错”的问题。

如果你细节啥都不懂，那你就应该先调研清楚方案，确认完整个实现路径的可行性之后，再用尽可能聪明的模型来帮助你实现需求。

实现需求时，你需要把你了解到的所有信息和你的需求都详细描述给 AI ，然后让它自行规划一套实现方案，再让它去按照方案进行实现，这样 AI 的实现结果才更能跟你的意图对齐。

像你这种情况，我建议你直接上 Claude Code ，付费买能用 Opus 的会员，然后全程 Opus...或许能做出你想要的东西。