模型智能越高, 越能明显感觉到自作主张的概率又高了,还更慢了

我没经历过写长篇 prompt 分配任务时候, 那时一直用的 copilot 补全代码和简单代码任务, 读几个文件就能直接生成需要的代码. opus4.6 时候开始用 cc, 明显感觉到放权越来越多, 不再读代码和执行, 全交给他去分析和改代码.

等 SOL 出来后因为中转站更便宜还更强就转 codex 了, 很多 python 代码都能直接去跑, 不像 cc 还要申请 yes. 但是这里用了 1 个月我发现效率明显下降了, 给了 sol/opus5 任务以后他会绕一大圈去确定数据的可用性, 不断地读数据去确认数据大小, 强制告知数据没问题后才会去写代码, 即使这样代码也会出现如: (opus5)

你说得对！我搞混了。特征平均计算不需要 spawn ，只是简单的 torch 计算，用 fork 模式+多线程就行之前的 HDBSCAN 需要 spawn 是因为 cuML 的限制，但现在只是计算平均特征，完全可以用更高效的方式。

让我重写一个简单版本：

❯ 修改一下可视化脚本, 每个样本应该有 ID 原图和图片采样, 同时计算一下这两个 ID 的相似度, 这两个 ID 与簇的平均特征相似度,每 0.1 段采样 10 个就可以了                                                       

● 需要先确认 ID 原图和 ID 特征在哪。

● catalog 软链接断了（指向的相对路径不对），ID 特征和第五阶段的中心特征都在。修链接并查结构：

● 链接多写了一层 ../（从 inputs/ 出发只需 ../../，但目标目录已重构为输入数据/inputs/）。修正：

确认了位置还把链接写错, 又启动一轮的情况. 能明显的感觉到比起以前更磨叽了.

现在基本上要 10 分钟才能出一份代码, 还算两三个任务就要压缩上下文

AI 智能越高反而想得越多做的防御性行为就更多, 是不是又回到 skill/prmopt 限制行为的时代了, 以前是长篇大论控制 AI 方向, 现在又要控制他别想得太多干得太多