sentinelK
翻拍并不是一个合理的解决方案（在画质你能接受的前提下）。
5 年前苹果想强推，但最终收回的那个儿童色情图片识别，就是可以做到 iphone 本地算力的前提下，抗翻转、涂抹、翻拍来揪出相同特征的图片的。
正向编程，AI 生成的方案你都过一遍，不是自己熟悉或者预期的技术选型，就都否决让他去改。或者你给个建议。
btw：其实目前 Agent 的模式很类似团队管理。要用管理的思维去驱动 Agent 。
那你这个“据我了解”有点过于片面了。
举个不太恰当的例子，你记得回家的路吗？那我问你，到你家路上的最后一个十字路口的斑马线有几条白线？
同理，对于 Coding 这个场景而言，模型不需要对于你的项目“全知全能”，就可以做到改代码。他只要知道代码在哪，以及如何搜索需要的内容即可。
“…
目前用的是 Claude Code 多一些，同样的问题，TRAE 的成功率不如 Claude Code 但是 TRAE 对于改动的管理要好一些。Claude Code 的 VSCode 插件不像 Copilot 、TRAE 那么友善。有点像只是 CLI 的 UI 化。
模型提供商自从开始转型成“token 收费”，就没有动机去优化费效比了。
而且你这次请求跑了多少 token ，其实也是他们说了算。 有的提供商甚至会弄类似“代币”的虚拟概念。他说你花了多少，就是多少，无需解释。
这是钓鱼赚币够用了，开始干活了？
如果不是纯 vibe 的话（超长任务分解、选型、实施全程不介入） deepseek-v4-flash+claude code ，大概能用十分之一的价格，复刻接近 claude-sonnet 的体验。
代码结构、AI 上下文可见性、程序架构，这三者是风马牛不相及。
并不会互相影响。
你通过什么手段进行的结果审核？如果没有 result review ，会大幅度的消耗你的精力。
你是否通过提示词指导了 AI 如何生成素材？游戏里的视觉效果，五成靠骗，四成凑合，一成靠画。如果你是业余的前提下，主观客观上指导了 AI 如何实现视觉效果，其实绝大多数情况都是误导。
换电模式是典型的“看上去很美”的场景。
1 、蔚来的车普遍电耗高。即便是 100 度电池，实际续航也不超过 450 。通过这个你可以推测他的换电频率和换电费用。 2 、蔚来换电站的点不够密集。你开来，开去。再加上蔚来为了控制电池的损耗不会充满，最终可能你只能 90%容量可用，甚至更低。 3…