Azure99

任务的设计并不只是"玩玩提示词"，像#6 提到的，如果不在任务中定义清楚偏好和边界（比如 日抛脚本/自用小项目/大型原型/线上老屎山），让 Agent 按自己理解发挥，做重了/做简单了，都是很正常的。
功能验证也一样，Agent 静态改代码/跑跑单测和 lint/端到端验证，可靠性完全不一样。所谓 Harness 搭的完善程度，也直接决定了 Agent 能把产出验证到什么程度。假设你让人（ Agent ）来改 css ，但是不给浏览器（ playwright+截图）、只能对着代码瞪眼，不是一样完成不好么？

未必，今天我用了两年的号也被封了，pro20x 、美区 google play 正价订阅。甚至我都没用过重置次数

@saySilence Harness 还是需要人来设计或者赋权的哦，特别是验收相关的。如果没有提供端到端的验收方法，仅仅依赖单测，即使是人也没办法真正验证任务是否完成。
如果你开发 Web 应用，那么可以让他在验收时把整个项目启动，然后用 playwright-cli 做交互式的验收；如果是前端变更，可以配合截图、不同分辨率/dpi ，甚至对着 UE 稿做视觉验收。
同样的，如果是 Android 应用，那就给他 emulator 和 adb ，让它安装，自己对着去测试。
等等，重点是要给 Agent 能端到端验收的方法。

@saySilence 子 agent 可以用，但主 agent 一定要用最好的（建议 codex + gpt5.5 xhigh ），不然非常容易失控，而且主 agent 只是负责整体调度，成本还好。

RAID 是冗余，是高可用方案，不是备份。即使你用 raid1 ，也要定期备份。
安利一下自己用了很久的方案，强推 backrest ，再结合 openlist 挂载网盘，可以低成本做到增量加密备份。
https://www.rainng.com/backrest-openlist-backup/

lmdeploy≈sglang>vllm ，个人偏好是这样

@japhetJiu 你说的这些主要是用于部署推理服务，并通过 RAG 框架调用。KoboldCPP （推理框架）、HF 的模型（模型权重 通常是对齐后的模型，一般带有 Chat 或者 Instruct 字眼）、AnythingLLM （ RAG 框架）。

如果希望训练自己的模型（假设你是做微调，就是让预训练模型从只会续写文本变得"会说人话"），应该找一个训练框架，比如 ms swift 、llama factory 、xtuner ；再去 HF 下载预训练模型（没有经过对齐的 通常带有 Base 字眼，或者没有 Chat 等字眼）；并且找一些数据集进行微调。上面列举的框架基本都有简单教程和数据集，当然如果你愿意用我的数据集，那就更好了。

建议不要打着分享创造的名义发推广贴（尤其是标题党+商业行为），直接套一个 text2image 能算是创意？
Huggingface 上大把效果不错的模型，用心找一个好点的不行么。
放个之前搞的 demo ，https://huggingface.co/spaces/Azure99/blossom-playground-v2.5 ，没有因为媳妇的一句话就开发，也没有会员订阅，也没有使用限制

你认为字符串""和 None 语义一样么？很显然是不一样的，""是一个空字符串，而 None 不表示任何数据。
所以 2 楼就是优解，如果它是空的，那么返回空 list ，如果有异常，直接抛出异常。不要返回 None 。