最新

由于大型语言模型（包括Claude代码）发展迅速，我认为将这些内容发布出来比逐一验证每个说法更为妥当。我在这里汇集了许多想法！<p>在HTML中概述了一些核心思想，但最初的想法是将领域视角作为线程中的角色。主要路径/故事时间命令启动了这个过程，并生成了一整套增量文档，这对我非常有帮助。<p>其他想法，如分组、@角色等，已经被最近向代理团队的转变所吸收，但我认为这种方法和格式是独特的。<p>不幸的是，许多其他想法与CC的有主见/更成熟的系统发生了冲突，很难说它们是否值得投入生产。<p>话虽如此，我已经将这个作为我的日常工具使用了大约四个月，希望它对其他人有用或能带来启发。

我的大型语言模型（LLM）代币费用越来越高了。除了切换到更便宜的模型之外，您个人在实际应用中使用了哪些方法来降低成本？

我经历了一些演变，从使用待办事项列表和“获取下一个任务”的提示，到清理大部分技能/插件/云数据库，使用集中式的数据库，开发基于SQLite的ask_human多通道处理器，并创建了一个带有用户界面的轻量级Python协调器： https://github.com/sermakarevich/fleet。 我的使用案例包括： - 集中式界面，用于并行生成不相关的单一任务 - 采用规范驱动开发的方法进行编码： https://github.com/sermakarevich/sddw - 我可以使用beads将sdd工作流步骤链接起来 --deps - 审查代码库并触发多个小任务并行执行 几篇相关文章： - https://simonwillison.net/2025/Oct/5/parallel-coding-agents/ - https://zachwills.net/i-managed-a-swarm-of-20-ai-agents-for-a-week-here-are-the-8-rules-i-learned/ - https://juhache.substack.com/p/on-the-road-to-agent-swarms 你今天是如何运行代理群体的？有哪些使用案例？