marquina

刚刚阿里云的客服给的反馈：

```
您反馈的 GLM-5 在 CoPaw 中偶现忽略用户指令或工具调用输出异常的问题，我们已确认这是一个已知现象，主要由上下文污染或高负载下响应异常导致。

建议您采取以下措施：

清除当前会话记录并重启 CoPaw ，避免历史上下文干扰；
临时切换至 qwen3.5-plus 或 qwen3-coder-next 模型，这两个模型在 Coding Plan 中表现更稳定。
技术团队已在优化 GLM-5 的相关问题，后续将通过服务端更新逐步改善。感谢您的耐心与反馈。
``

我遇到了相同的问题。
我还碰到的情况是 AI 无视用户的指令，按上一轮的对话继续。甚至还有更离谱的，用户说了一句话，AI 给人的反应像是只看到前几个字。
这些问题在火山的 coding plan 上很少碰到。

HONGMACC-6C4FFA2C
感谢~

美团在即时领域的运费成本控制确实挺有优势的，京东在这方面还有很长的路要走😂

尊重他人命运，放下助人情结

核心目标
两年内，30 岁前，达到月薪 4w ，年薪 50w 以上

我比较好奇的是 OP 为什么会给自己立下这个目标. 家人的要求, 还是个人的焦虑? 达到这个薪资能让自己过得更好吗? 达不到这个薪资会掉入地狱吗?

能拿到多少薪资, 很大程度上是市场环境、公司盈利情况、人力预算等等个人不可控的因素决定的. 最怕的就是盯着自己无法掌控的事情痛苦, 然后动作变形, 导致糟糕的结果.

@jacketma #7 隆基绿能用 5 年的时间从 60 跌到 18 ，万科 A 用 5 年的时间从 30 跌到 5 ，快手用 5 年的时间从 400 跌到 70 ，怎么分辨是“价格洼地”还是“价格陷阱”呢？

另外，llm 打分+向量数据库的方案疑似有点太简陋了。
既然是为用户服务的，llm 的打分就需要和用户（不停变化的）偏好对齐，不然用户想看的是低分、不想看的打高分，那就玩不转了。
向量数据库也只能解决最基本的相关性问题，现实世界要复杂的多，要想做的好的话需要考虑图数据库，包括实体（时间/地点/人物/事件）、实体属性、实体之间的关联，不然就永远只见树木不见森林，没法形成一个好的内容框架。

我对推荐算法了解不多，但看到的观点更多是：基于 LLM 的生成式推荐在顶尖团队手里确实能发挥很大价值，但也有不少局限。中小公司因为数据/技术能力有限，最好不要轻易尝试。

[生成式推荐！推荐系统新范式还是新噱头？ - 知乎]( https://zhuanlan.zhihu.com/p/1931701983313630556)
[[笔记] 从 Tokenization 视角看生成式推荐（ GR ）近几年的发展（ 2025 ）]( https://arthurchiao.art/blog/large-generative-recommendation-tokenization-perspective-notes-zh/)

回到 OP 这个帖子，给我一种强烈的大炮打蚊子的感觉……