这不简单吗？ 每天正常用， 他改完后 你回滚一下， 然后再用好的 AI 不就行了？ 就是每次问题提 2 遍就行了

5. 有个表格 没用啊， 你保存后 别人无法用 WPS ，office 等打开。 这三个目前个人感觉纯摆设

这你问 AI 不是更快吗？
1. 我这不会，不清楚。
2. 会存在残留， 需要下载专门的软件
6. 我 512G 都装了 xcode 等 不用太担心。
7. 应该不行吧。
9. 买个屏幕膜 每天接外接显示屏， 盖子可以合上。

等你用久了，就不会那么在乎清洁啥的了。 我用的 M1.

有后续麻烦更新一下， 因为我也是有 4W-5W 左右拿不回来， 后面再抖音找了那种律师 花了 800 材料费 然后收款金额 10%。我之前劳动仲裁对象也是公司，后面律师说走个人，股东啥的， 反正我也不懂。 不过，说实在的，现在欠钱的不管是个人还是公司，都 tm 是大爷。

1

同时想咨询一下这个场景有好的方案吗？ 用户实时输入，llm 输出为 2 秒。 也就是意味着 消费时间 < 生产时间。
然后又需要依赖上下文 且 要求又需要近实时。 那么会出现一个问题为调用 agent 的时候会并发。

例子：
0 秒输入：你好 llm 输出 2 秒 历史消息摘要为空
1 秒输入：世界 llm 输出 2 秒 历史消息摘要为 “摘要：你好“， 实际会为空。
因为当 用户 1 秒输入：世界的时候， 上一个 llm 还在运行， 此刻会再次运行一次 llm 。 因为不能等待第一个 llm 的结果，然后再运行 llm （无法同步，因要求近实时）。 如果采用后台任务就会出现 例子中的问题

4. 气如何。 输出： 是

如果 llm 能支持流式输入的话。 假设 llm 为判断用户是否在询问天气， 输出 是/否
流式输入：1. 你好 输出：否-或者不输出
2. 今天 输出：否-或者不输出
3. 北京天。 输出： 否-或者不输出
4. 如何。 输出： 是

场景为类似一个会议纪要的一个东西， 但是实时性要求比较高。 然后现在目前的流程得超过 4 秒。 目前是 vad 判断说话人， 然后 asr 。 通过 vad 静默截断代表一个人说话完成。 然后把文本输出给 llm 。llm 流式输出展示。llm 是多个 agent ，有并行也有非并行。 现在想知道有没有 llm 能支持流式输入的。
@KisekiRemi #1
@SoulFlame #2
@jixiwen2013 #3
@frantic #4
@frantic #4

codex 每次 test 后 都会删除的啊？

挺好的，前提是拼车不掉人就行。 就怕开 2-3 个月有人就不愿意了。

大众揽巡？？？ 真的大

桌面自动化吧。 之前公司也有这个需求， 当时也是外部群；然后根据他们聊天内容判断意图， 然后发送解答内容。 缺点慢。 因为群一多，消息多，处理起来很慢。 如果实时性很高就不行了。

啥时候一个模型能解决所有问题的时候，我觉得就不需要任何框架了。

@unt #8 langGraph 只是管理模型，按照设计工作流在不同的条件不同的时机下进行调用模型+其他工具。
所以我觉得没有抽身困难这一说。
不管未来模型如何变化，也是要根据公司业务场景来考虑的， 模型虽好，也要考虑成本
我相信很多公司 AI 模型用的大部分应该是 flash 版本。尤其是在低耗时且复杂的场景下。
目前我这边 就是用的豆包 1.6flash 多个子 agent + 汇总 2.0lite 版本。

以上个人观点。

顺便贴 2 个业务的流程图，通过 langGraph 实现起来省了很多代码（忠爱粉）

```
START
↓
classify_input_node
↓
route_by_input_type
├── first_message → first_message_node
│ ↓
│ core_node
│ ↓
│ END
│
├── normal → reply_node
│ ↓
│ emotion_node
│ ↓
│ report_node
│ ↓
│ core_node
│ ↓
│ END
│
└── force_end → report_node
↓
core_node
↓
END

└── end → END
```
```
START
├── consultation_risk
├── consultation_knowledge
├── consultation_sop
└── consultation_tone
↓
等 risk / knowledge / sop / tone 全部完成
↓
├── consultation_reply # 流式生成最终回复文本，并直接发送 socket partial
├── consultation_card # 生成推荐情景卡片
└── consultation_tags # 生成 suggested_tags
↓
等 reply / card / tags 全部完成
↓
consultation_core # 最终汇总，返回输出
↓
consultation_summary # 后台更新历史摘要
↓
END
```

@Liu6 #6 langGraph 多人协同开发也很方便。 流程设计出来，按节点分工，再让 AI 干就完事了。最后汇总

大公司不知道， 我还是用的 langGraph 设计流程 然后手动+各种。 个人觉得 langGraph 还是写起来舒服一点， 啥流程都知道，啥玩意都是自己管理

报复老板吗？ 还是 KPI 要看用量？

@sevenyangcc #1 有记录又如何？ 哪家公司入职还查你是否有仲裁？ 支持维权，不管最后多少。