DeepSeek V4.1 Flash 1017：许愿式编程一键成真 | 大模型讨论专楼

小野賢章

oneshot 应该是 fable5 炒热的，包括路由论也是 fable5 炒热的

小野賢章

lly778 发表于 2026-10-28 12:00
国模压过oa了？更新一下基准吧

AA 看细分具体测试的排名还是可以的，但是他们自己加权算出来的这个评分不够透明，而且经常变。

lubo

Astra是炒作agi（computeruse），最开始的找补话术是这模型喜欢偷懒，oneshot测不出水平

andychen

SmterC 发表于 2026-10-28 08:25
我有一个疑问：
过去为了节省上下文，或是让代码之余的业务能够被更好的理解，以及补齐必要的信息，我会将 ...

我目前的流程是区分开决策规划层和执行验证层。前者能接触到所有设计文档和工程节点报告，负责撰写未来开发的行动计划。后者以行动计划为蓝本进行工程实施和测试
。这样分工，实施层永远专注在当前节点上，对文档信息是有管理的加载。而规划层仍然可以保持对项目有全局的视野

两个层面内安排负责具体职责的agent，具体怎么安排就看项目的具体情况和怎样对上下文进行管理

另外就是每个节点实施完成后要安排对文档进行一次统一的维护。注意不要笼统的让模型修订文档，这样做模型很容易会进行狗皮膏药式贴补丁，或者改了一处别的地方还是没动

IIIIIlllllIIIII

“最贵的资产是测评集”
纳德拉你究竟看到了多远（

— from motorola XT2603-1, Android 17, S1 Next Goose v4.0

cube

coldhot3 发表于 2026-10-28 09:42
dsh的外部记忆，请问有什么好的插件吗？谢谢

我用的是dsh-tiddlywiki+@a9i5k4/dsh-auto-memory
前者用来做记账本，可以远程push到自己的git库存档，后者用来实时管理和一键给新对话交接上下文。

洛拉斯

cube 发表于 2026-10-28 15:19
我用的是dsh-tiddlywiki+@a9i5k4/dsh-auto-memory
前者用来做记账本，可以远程push到自己的git库存档，后 ...

你这个的原理是什么？什么都写到全局记忆不会干扰不同的项目和模块吗？

lactone

国模还是不会宣传，跟着别人走

到现在范式革新就r1

后面的都还在做别人出的题

sora和genie4这种靠演示刷一波存在感，引诱别的竞争者入场，然后拍拍屁股走人的事情太多了

—— 来自 vivo V2520A, Android 16, 鹅球 v3.5.99-alpha

hugosol

andychen 发表于 2026-10-28 14:40
我目前的流程是区分开决策规划层和执行验证层。前者能接触到所有设计文档和工程节点报告，负责撰写未来开 ...

继续聊点软件工程的干货吧，不然这楼里全是屁股大战太无聊了
现在对实施层大家基本都有共识了，梳理好文档然后用干净的上下文给到实施层自动跑就行了，后面的自动化测试验收之类的都没有太大分歧，各种oneshot模型跑这种流程都毫无压力
关键分歧还是在前面规划的部分，我是用grill-me那一套入门的，一直不信任让模型自动生成的计划，因为我跟它讨论的过程中就会发现大量跑偏的设计，用再贵的模型都避免不了这一点
而且讨论过程也有一个隐形收益，可以深化自己对代码库的理解
不过我也知道另外一派是会把决策权更多地交给模型的，目前我也在寻求是不是有折衷一点的方式，就算用grilling我也不想一个个细节问题去回答，这一点贵的模型确实是理解能力和表达能力都会好上不少
但是似乎无论哪一派都同意跑完之后要对代码库做一次重构，否则不去主动打理一直这样下去就会变成AI slop

飞剪号

lactone 发表于 2026-10-28 15:28
国模还是不会宣传，跟着别人走

到现在范式革新就r1

sora就算了吧，开创一个领域然后自己死掉也能吹吗

cube

洛拉斯 发表于 2026-10-28 15:22
你这个的原理是什么？什么都写到全局记忆不会干扰不同的项目和模块吗？
...

前者只是个自动化手账，会把一些关键的内容自动整理成笔记存储在本地，这个没啥好说的，而且清理过时内容也只需要对话框里和大肥鱼说一声就行。

后者看它的用户手册就是了：
https://github.com/Aik358/dsh-au ... USER-GUIDE.zh-CN.md

这个插件把记忆分三层存：用户级（跨项目硬规则，很小）/ 工作区级（绝大部分内容，按目录隔离）/ 会话级（工具上下文）。

不同项目的唤起判据与索引缓存是独立的，如果你需要跨项目之间共享记忆是要手动写用户规则的。

lactone

飞剪号 发表于 2026-10-28 15:31
sora就算了吧，开创一个领域然后自己死掉也能吹吗

就是这种才恶心啊。genie4这种，如果国模追上了，马上谷歌就会去吹别的

sora也是，刚出来时改变世界，后来被sd一脚踢死，现在视频模型几乎被国产垄断，然后sora一跑路，这个领域就不重要了

别看现在gpt刷数学题刷的厉害，如果竞争对手也赶上，马上gpt就会去吹别的

—— 来自 vivo V2520A, Android 16, 鹅球 v3.5.99-alpha

schneehertz

现在的模型还是不适合添加记忆模块，只会产生副作用
可能性还是在模型本体上

—— 来自 鹅球 v4.0

overflowal

我从来不用所谓的记忆，原因就在于现在所谓的记忆无非都是些稍微fancy一点的rag。如果我需要记下某些东西，我会写到文件里，而不是通过什么记忆。

aimbot

ds现在逆向的效率好高啊，定位问题又快又准
之前用gpt开破甲跟我在那玩二人转绕了两天不出结果，ds五分钟就定位出问题了，真的低能

andychen

hugosol 发表于 2026-10-28 15:29
继续聊点软件工程的干货吧，不然这楼里全是屁股大战太无聊了
现在对实施层大家基本都有共识了，梳理好文 ...

现在框架大家其实都是类似的，关键还是在细节上

例如做规划大家都会尽量用能力强的模型，但是让模型大段大段的读文档很消耗token，是不是应该安排一个小规模模型专门负责读文档写总结，强能力模型只负责推理？但这样做的话从原始文档到总结之间存在信息损失，如何保证强模型一定能拿到必须的信息？

再比如你爱用grill me，但有很多用户希望自己只提出一个大概的方向，细节让模型自由发挥。让模型反复拷打他细节实现反而是他不希望的。但也有很多用户像你一样对成品有明确的期待，当模型擅自添加细节时你会觉得不爽，认为模型跑偏方向

还有模型训练风格的问题，例如Astra风格保守，更服从用户指令。而Opus风格激进，更喜欢自己发挥。还有Argon这种通用能力更强，但是写代码不行的。模型都是好模型，但是到用户手上使用的体验会差很多

所以关于要自动化多少过程这个问题本身是因人，因模型，也因项目而异的。我前面在讨论One Shot问题时把用户比作赛博领导，我认为在Agentic Coding时代做软件工程的思路应该某种程度上跳出工程本身，而是思考应该搭建一个怎样的组织来实施工程。在这个组织搭建的过程中我看重的是信息流如何生成和流动，智能体角色如何与模型最高效的搭配，以及成本与效益如何平衡

mitzvah

hugosol 发表于 2026-10-28 15:29
继续聊点软件工程的干货吧，不然这楼里全是屁股大战太无聊了
现在对实施层大家基本都有共识了，梳理好文 ...

你这个可能是grill me这套本身的问题吧，我以前在最早的deepseekv4上用grillme全家桶试着做游戏，结果效果一塌糊涂，当时啥也不懂，后来我才意识到这种涉及渲染的内容对于当时的瞎眼模型deepseekv4而言其实比后端难得多，做不出来才是正常的，但是grillme这套的流程本身也没有暴露出这个盲点

合理的做法是直接用游戏引擎的mcp基于已成熟的框架的基础设施绕过底层渲染之类的难点才能做出点东西

所以grillme本身无法帮助llm暴露出自己的盲点，把责任推给用户负担更重也不见得准确，我觉得这个事实本身就意味着grillme有效性非常可疑了。还是那些可以直接回馈准确事实的工具更可信

andychen

coldhot3 发表于 2026-10-28 09:42
dsh的外部记忆，请问有什么好的插件吗？谢谢

我没有使用外部记忆的插件，我的外部记忆管理是和智能体团队结合在一起

如果你只需要单个会话的持久记忆，用插件简单解决没问题。如果要在智能体团队内进行，那外部记忆管理和智能体团队设计是分不开的。因为只有决定了一个角色是什么才能决定他需要哪些长期和短期记忆。这时候就没法用通用解决方案，只能自己设计

洛拉斯

cube 发表于 2026-10-28 15:34
前者只是个自动化手账，会把一些关键的内容自动整理成笔记存储在本地，这个没啥好说的，而且清理过时内容 ...

哦，那和我现在用的模式是一样的，3级模式，全局，工作区，项目3层，下级无法影响上级

洛拉斯

schneehertz 发表于 2026-10-28 15:44
现在的模型还是不适合添加记忆模块，只会产生副作用
可能性还是在模型本体上

有些记忆还是要的，比如我这边环境默认老是拉他自己的ps5，而不是我安装ps7，然后写命令行老是用gb5而不是utf，写到全局记忆以后就没遇到过这种问题了，不然每次都要报错，修复，白白浪费时间

mitzvah

overflowal 发表于 2026-10-28 15:54
我从来不用所谓的记忆，原因就在于现在所谓的记忆无非都是些稍微fancy一点的rag。如果我需要记下某些东西， ...

rag已经公认是效果远远差于grep文本匹配瞎猜了，而裸grep又远远不如静态工具建索配合dap补盲

那么大的一个代码库建索完毕后，还需要啥记忆系统，有什么想用的直接让llm查索引不就得了

长篇小说之所以难搞，主要原因就是小说没有代码库的结构性，像代码库的依赖索引几乎没啥成本，小说就不行了，图rag也是rag效果同样一坨

mitzvah

洛拉斯 发表于 2026-10-28 16:11
有些记忆还是要的，比如我这边环境默认老是拉他自己的ps5，而不是我安装ps7，然后写命令行老是用gb5而不 ...

你这不就是skill注入吗

schneehertz

洛拉斯 发表于 2026-10-28 16:11
有些记忆还是要的，比如我这边环境默认老是拉他自己的ps5，而不是我安装ps7，然后写命令行老是用gb5而不 ...

这种你应该手动让agent写到agents.md里，作为固定指令来用
记忆一般指agent自行添加和管理的内容

—— 来自 鹅球 v4.0

Sunyalche

现在的共识就是多重构吧, 每次做完稍微修一修, 屎山就别迭代了, 模型越堆视野越窄. 以前人写代码太慢没办法才这么做. 现在直接吸取教训下次重写的时候在开头prompt和规划避开小坑
有精力可以规划时尽量分模块, 先小模块重构, 然后再全部重构

浅夏晴雨

记忆其实现在可以分成好几种了吧：
1、项目、团队相关的。这种一般都是直接作为文档持久化到项目（比如 .agentdocs/ 各种 .md 等等）或者团队知识库里头了。
2、个人 personal agent 的记忆。大家期望的是能自动的分人分角色自动记忆 + dream 吧

星野あさみ

GLM 5.3 Flash逆向真强，哪怕只是本地部署q4量化版。

之前用大肥鱼（API），从v4 pro -> v4.1 flash 0730 -> v4.1 flash 1017都解决不了。烧了无数token，还写了mitm让我用各种姿势测试+抓包。

今天本地部署GLM，结果只花了4小时1.7亿token解决了 用的还是之前保存的抓包。

noneoneone

不同人的做法和目的也不一样吧。
像我就只懂一点编程的皮毛，做点东西都是随意瞎搞，目的性不强。所以我不但不去严格要求AI，反而是会考虑要不要去掉哪些要求，从而可以让AI自由发挥，比我这门外汉的设计更合理。

Sunyalche

hugosol 发表于 2026-10-28 15:29
继续聊点软件工程的干货吧，不然这楼里全是屁股大战太无聊了
现在对实施层大家基本都有共识了，梳理好文 ...

我都是究极敏捷开发了, 开始规划什么的随便搞搞, 放弃一次生成上线代码的想法了.
以前写代码这块太费人工时了, 瀑布式还有点价值. 现在token虽然也不算便宜, 但相比古法人工完全能忽略了. 边开发边设计, 差不多了才开始写真正的实施文档.

cube

对于我这种懒人来说记忆插件还是必要的，当然以后应该会有更好的解决办法。现在的记忆功能说白了就是拿个棒子不停的对AI敲头：我是这个意思你记住了吗？

huruii7

坛友们，我是AI萌新用户，最近要写年终的工作报告了，有没有合适方便的方法，这个需求算不算现在大模型的甜点区？我现在只会用豆包和chatbox配置API来和AI简单对话，还有什么更高效的“创作”文字报告的方法吗

hugosol

andychen 发表于 2026-10-28 16:04
现在框架大家其实都是类似的，关键还是在细节上

例如做规划大家都会尽量用能力强的模型，但是让模型大段 ...

其实我觉得用grill-me根据不同模型风格还是有很多不同技巧的，比如Astra我用得最多的一句话就是不要考虑太多边界情况，先把happy flow做出来，它就会闭嘴了，如果只会顺着AI问的问题一个一个答体验是很难受的
但随着模型越来越强我也开始在想是不是有更高效一点的方法
最近看poteto分享的那套方法就是啥也别管先跑通再说然后重构，但是模型越自由基本上就是token消耗指数级增长，不过就算我用自己魔改的那一套grill-me流程，跑到后面回归测试的token消耗也是自然而然变得非常恐怖了

LeoDT

Sunyalche 发表于 2026-10-28 16:38
我都是究极敏捷开发了, 开始规划什么的随便搞搞, 放弃一次生成上线代码的想法了.
以前写代码这块太费人工 ...

我还是大概分了分事的类型

明确知道改什么怎么改的，就用固定工作流，提需求，整理复述需求，调查确认，出方案，讨论确认方案，最后看是写实施计划还是直接实施，这种一般都能一次搞定。

模糊的只有大致设计的需求，靠想是想不出细节的，就靠迭代。一般来说迭代个两轮也做的差不多了，大多数时候都是眼睛看到了才真的知道自己要什么，设计才能细化，这跟古法其实是一样的。

看代码也放弃看细节了，都是花个5-10分钟扫一遍，靠感觉找问题，味道大的屎基本都能发现，味道小的就等他大了再说，毕竟现在重构成本低多了。另外有些大活做完，让模型画个流程架构图之类，有问题也早发现了。

当光停止

huruii7 发表于 2026-10-28 16:47
坛友们，我是AI萌新用户，最近要写年终的工作报告了，有没有合适方便的方法，这个需求算不算现在大模型的甜 ...

把工作成果之类的筛一下（别泄露信息啥的）塞一个文件夹，下workbuddy之类的harness，让deepseek之类的ai根据文件夹内材料做就行。
如果有什么要求可以加个grill-me的skill（不知道怎么装，就拿名字让ai装就行），写之前先让ai用grill-me（或者grill-with-doc，这个是把需求啥的保存在文档里作为参考）先定好你需要的标准就行。

hugosol

mitzvah 发表于 2026-10-28 16:08
你这个可能是grill me这套本身的问题吧，我以前在最早的deepseekv4上用grillme全家桶试着做游戏，结果效 ...

其实就是AI没法让你做超出自己能力掌控范围以外的东西，但是比起一句话许愿最后生成出来乱七八糟的玩意，grill-me会让你停留在无尽的拷问地狱阶段
你现在知道用框架和mcp，而不需要自己从头底层搓轮子，再去用grill-me又会是不一样的感受了

andychen

hugosol 发表于 2026-10-28 16:48
其实我觉得用grill-me根据不同模型风格还是有很多不同技巧的，比如Astra我用得最多的一句话就是不要考虑 ...

我觉得不管模型能力怎么演进，对信息流的管理始终是最重要的

LLM的原理决定了它没有“记忆”，每轮对话它所能获取的所有信息就是用户提供的上下文。在这个前提下要提高效率和质量就要想办法在有限的上下文内塞入尽量多的有效信息

具体到每个Agent上，首先得决定什么信息是有效的，然后再思考怎么给它提供这些信息，还要考虑怎么提高信息密度。记忆也好，智能体间通信也好，各种skill也好，本质上都是提供和组织信息的工具

RookieTnT

https://github.com/deepseek-ai/d ... ovider.spec.ts#L154
DeepSeek v5 现身 DeepSeek harness 仓库

a4ac7

爽啊，dsh猛猛充猛猛蹬，感觉工作效率涨了五六倍

—— 来自 HUAWEI PLA-AL10, Android 12, 鹅球 v3.5.99

misuzu0723

RookieTnT 发表于 2026-10-28 17:00
https://github.com/deepseek-ai/deepseek-harness/blob/f3803c96974ad4a94195fb97e5c637e9c2a3afe3/packag ...

随手写的测试用例，没什么实际意义，看他 99.0.0-alpha.1 这个版本号就知道

艾诺琳

mitzvah 发表于 2026-10-28 16:14
你这不就是skill注入吗

写成技能太浪费输入token了，写到全局规则省很多，本质上是一样东西，一段初始化提示词

hugosol

LeoDT 发表于 2026-10-28 16:49
我还是大概分了分事的类型

明确知道改什么怎么改的，就用固定工作流，提需求，整理复述需求，调查确认， ...

我现在觉得自己最有价值的部分就是怎么把需求拆出来分阶段实现迭代上去
但是这个拆分往往不好做，有时候phase1的工作量是1，phase2就变成了4到5
然后开始用matt pocock的wayfinder，然后就是坐着答题答个两三天才能搞出来一版，现在发现这个wayfinder的使用难度是grill-with-docs的好几倍，感觉这个方向是不是不太对啊