2026-04-24 群聊日报
今天群里讨论极其丰富。沉稳的狐狸连发多篇文章，分别探讨了DeepSeek V4 的写作体验（instruction following 差是 deal breaker）、AI 时代 PM 职业路径的变化，以及 2026 春季四大模型选型指南，还抛出了”Skill 是天生带自杀基因的产品”的商业模式思考，引发活泼的羊驼、博学的海狸、风趣的海豚、活泼的海龟等群友的深度讨论。风趣的猫头鹰转发了DeepSeek V4 的详细内测报告，model1 和 model2 各有明显短板。风趣的海豚力荐 GPT-5.5 Web Pro 的长程思考能力，称一个问题能想一两个小时且质量极高。热情的狮子上线了 AI 科技信息聚合站并分享了 Claude Design 的设计成果，群友围绕 Claude Design 与 CC+Opus 4.7 的效果差异展开了热烈讨论。猫仔分享了一个反直觉的发现：AI 长程任务时代开发机性能不再重要。洒脱的仓鼠吐槽 CC 自作主张 squash + force push 解决 merge conflict，以及公司同事 CC 年消耗 70k 只产出 30 个 PR 的离谱数据。花絮方面，沉稳的狐狸感叹”AI 建议为了睡眠质量晚上不能用 AI”，群友深夜修仙氛围浓厚。
行业新闻
DeepSeek V4 内测报告：编程能力强但 Agent 适配和 instruction following 存在明显短板
风趣的猫头鹰转发了来自内测群的DeepSeek V4 测试报告，涵盖 model1 和 model2 两个版本。 model1 优势：纯编程能力远强于 Kimi-k2.6 和 GLM-5.1，上下文超长利于大量文档阅读。劣势：未经 Agent 环境优化，极少使用 SubAgent 导致上下文膨胀，代码注释不详实，缺乏大型项目规划能力（rustfmt.toml、clippy、Vcpkg 配置均出错），在 Claude Code 中反而能力退化，且会尝试从开源库拉取代码偷懒。 model2 优势：大型项目规划能力更强，大规模使用 SubAgent 并发。劣势：出现
热情的狮子：instruction following也很差
开朗的企鹅：这样看起来，V4是一个重点提高世界知识的新预训练模型，guidance following 作为后训练的产物，效果不好，可能说明留给后训练的资源和时间还是不够。
风趣的猫头鹰：感觉应该会很快迭代 4.1
2026 春季 AI 模型选型指南：四家模型各有强弱，踩坑点不少
沉稳的狐狸发布了一篇模型选型文章，指出 2026 年春季选型比去年难得多，总结了两个最容易踩的坑：
- Opus 4.7 的 1M 长文档 retrieval 从 Opus 4.6 的 91.9% 退步到 59.2%，长文档 RAG 直接劣化，这个位置反而是 GPT-5.5 做得最好。
- GPT-5.5 宣传的 computer use OSWorld 78.7% 在 API 中拿不到，只在 macOS 的 Codex 桌面应用里可用，EU/UK 甚至没开放。 文章将四家模型的能力画像、实战坑和按任务派发的决策矩阵做了完整整理。热情的狮子补充指出 Codex 里的 input context 只有 272k 太小了。
热情的狮子：还有个问题 codex里的input context只有272k，太小了
开朗的企鹅：这是老鸭汤产出么？
睿智的北极熊：DeepSeek V4 是 AI 行业的斩杀线
睿智的北极熊认为DeepSeek V4 出来就是 AI 行业的斩杀线——虽然发布节奏慢，但如果其他 AI 大模型公司连这都比不上，就没有继续研发的必要了。同时他分享了自己用 Godot + Codex + GPT 做游戏项目的经验，一周已经出 demo，目标六周上线，只装了一个 Godot-MCP 让 Codex 自己调试。
睿智的北极熊：现在deepseek v4出来，就是AI行业的斩杀线，虽然发布节奏慢，但是如果这都比不上所谓AI大模型公司，就没有继续研发的必要了
美团自研模型：可以不用但不能没有
洒脱的仓鼠分享了美团也有自己模型的消息，敏锐的河马确认美团确实有自研模型，但公司内的人也不怎么用。风趣的海豚调侃
GPT-5.5 定价 7.5x，Codex 升级 5.5 的注意事项
猫仔提到 GPT-5.5 定价是 7.5x，感叹成本不低。专注的剑鱼询问 Codex 里何时能用 5.5（自己还是 5.4），睿智的北极熊回应官方账号更新即可，中转的需要联系中转商。热情的狮子还提到 Codex 需要一个 5 小时 context 用完后自动等 reset 继续的功能，而不是停下来让用户手动重启。
猫仔：gpt 5.5竟然是7.5x，satya慈善做不下去了
热情的狮子：5h context烧干之后，自动等reset继续烧，不要停下来让我手动告诉他开始
工具
沉稳的狐狸实测DeepSeek V4 写作：流畅但不听话，prompt 是低效的 steer 手段
沉稳的狐狸分享了用DeepSeek V4 做写作任务的体验。他积累了大量
沉稳的狐狸：用DeepSeek像在碰运气。如果它的个性跟我们需要的风格100%一致的话，会用得特别开心。但但凡我们需要steer它的行为的话，prompt是一个特别低效的方法。
敏锐的兔子：DeepSeek v4 能力上来没不知道，脾气是上来了反正
热情的狮子：还是instruction following差的问题
GPT-5.5 Web Pro 长程思考能力震撼群友：一个问题思考一两个小时，质量极高
风趣的海豚盛赞 GPT-5.5 Web 端 Pro 模式的长程思考能力，称一个问题能想一个多小时、两个多小时，且输出质量非常好。热情的狮子随即测试，用 Pro 模式跑了一个小时生成了 AI 对白领就业影响的完整报告（中英双语 PDF），格式和内容完成度都不错。 不过在 Codex 中 GPT-5.5 的上下文目前仅支持 256k（非宣传的 1M），热情的狮子在 config.toml 设置 1M 后到 50% 就报 context 爆了。风趣的海豚确认目前 Codex 的 input context 只有 272k，1M 支持预计后续开放。热情的狮子推测是因为 5.5 算力消耗大，Codex 作为补贴产品有意限制。
风趣的海豚：长程思考超级牛逼，一个问题想了一个多小时，一个两个多小时，而且质量非常好
风趣的海豚：不过5.5web的pro真是牛逼啊，今天震撼我了一整天
热情的狮子：5.5估计很烧算力，所以codex这种补贴产品不让你用1m烧
热情的狮子上线 AI 科技信息聚合站，提供 RSS 订阅与 curation 评分
热情的狮子分享了自己做的 AI 科技信息聚合网站 news.ax0x.ai/zh，每条新闻都有 curation rating 和评价，支持 RSS 订阅，可以直接丢给 Agent 使用。风趣的海豚评价
热情的狮子分享模仿 Claude Design 的开源 Skill
热情的狮子找到了一个模仿 Claude Design 风格的开源 Skill（github.com/alchaincyf/huashu-design），称效果还可以。开朗的企鹅表示
敏锐的海狸：用DeepSeek V4 和 Opus 4.7 相互 debate 来写作
敏锐的海狸分享了现在的写作工作流：让DeepSeek V4 和 Opus 4.7 相互 debate，利用两个模型的不同特点来提升写作质量。
敏锐的海狸：现在写作就是让ds v4和opus 4.7相互debate了
Image2 生成的苏联风壁纸：设计感高但细节仍有 AI 味
睿智的犀牛在抖音发现了用 Image2 生成的壁纸，设计感不错。沉稳的狐狸指出细节问题如坦克两个炮塔、飞机三个螺旋桨等。风趣的海豚调侃
方法论
Claude Design vs CC+Opus 4.7：设计感差异与实际体验对比
群友围绕 Claude Design 的实际效果展开讨论。热情的狮子分享了 Claude Design 输出的网页设计，认为完成度很高，团队设计师称起码需要一两周才能达到同等完成度。 沉稳的狐狸则指出，CC+Opus 4.7 直接做出来的效果与 Claude Design 蛮接近，Claude Design 本质上是一个比较码农风的交互模式。坚定的大象认为 Claude Design 的 deliverable 与设计师从 Figma 出来的成果差距还不小。热情的狮子补充说设计师反馈在字体选择、font-weight、整体协调性等细节上还是有差别。 额度方面，Claude Design 的 quota 很低，做一两个设计就用完了。
沉稳的狐狸：就目前我的感觉是claude design还是蛮轻量级/容易复现的，不论是上面贴的skill，还是我的实验对比，都感觉效果和cc 4.7里面直接搞差别不大
坚定的大象：Claude Design 的deliverable 和设计师从figma ship出来的差距还不小目前
热情的狮子：designer说 细节的完成度上还是不一样, 字体选择, fontweight, 整体协调性啥的
Skill 的商业模式困境：天生带自杀基因的产品？
沉稳的狐狸抛出了一个深度思考：Skill 很强大但很难赚钱。三条变现路径都走不通——付费下载（明文可转发）、卖 Hosting（本质是 AWS 转售）、卖 API + 免费 Skill（前提得有能赚钱的 API）。由此引发群友大讨论。 活泼的羊驼从历史（汽车租赁、云计算、BPO、SaaS）和业务（感知层、行动层、记忆与状态等拆解）两个角度分析了 AI Agent 能力租赁场景，结论是 AI Agent BPO（按结果收费）比卖能力/工具更可行，但验收标准化仍是难题。 活泼的荷兰猪补充了后续思考：标准化挑战可能没想象中大，可参考 Fiverr 的 AI Agent 升级版模式，隐私保护和反蒸馏的基础设施也需要考虑。 博学的海狸认为未来大多数行业都会变成 A Tool Call Away，值钱的是信息交换无法解决的事情。 风趣的海豚则从罗辑思维/樊登读书会的思路建议，Skill 变现可能还是要走订阅制 + 个人品牌（卖脸）的路线。 活泼的海龟分享了与国内 IM 平台合作卖 Skill 的经验：通过增加平台 Token 消耗来分成，但平台可以轻松内化这些 Skill，本质上收费权在平台手里。 灵动的考拉提出 Skills+MCP 组合的思路，关键卖点做成 MCP 不容易被直接抄走。
活泼的羊驼：AI Agent BPO 会更合适。重点在于交付结果，而不是卖某种’能力’或工具。因为单纯卖一个工具或 Skill，真的很难衡量它的好坏。
风趣的海豚：我觉得鸭哥的这种困惑还是因为太理工思维了，完全没有走到贩卖焦虑的路子上，你要用樊登读书会和罗辑思维的那种思路来看待这个问题，就迎刃而解了
活泼的海龟：跟鸭哥讨论的那个bug的源头是一样的，就是API的收费权在平台那里，本质上来说，是平台有一个能用API收费的收费站，我们只是蹭他的光、借他的车而已
AI 时代 PM 的职业路径：从执行到定义问题、设计回路
沉稳的狐狸看了 Claude Code Product Owner Cat Wu 在 Lenny’s Podcast 上的采访后，写了一篇文章。核心观点是：AI 对 PM 的影响不是加速旧工作流，而是改变了产品判断的成本结构——当写代码、做原型、跑实验都变便宜后，PM 的核心变成定义目标、设计回路、让团队更快从真实用户那里学到东西。 灵动的河马读后总结了三个变化：需求管理降权、目标定义升权；工程理解从加分项变为基础判断力；PM 越来越像回路设计者。并认为这不仅适用于 PM，大厂所有职能都在往这个方向要求。
灵动的河马：看完之后更加reinforce了AI时代职业迭代的总方向：从做执行到定义问题、快速迭代。
幽默的犀牛：鸭哥的文章已经逐渐占据了我刷短视频的时间
AI 长程任务时代：开发机性能不再重要
猫仔分享了一个反直觉发现：AI 跑长程任务时，即使能完成交代的事情，花的时间仍然是传统方式的好几倍，这反而意味着开发机不需要高性能。他现在用买给烘豆机做中控的 Lenovo Yoga 7 跑 vibe coding，虽然编译时间是台式机的两倍，但因为 AI 任务本身耗时远超编译，性能差距变得无关紧要。每天拿笔记本当服务器跑任务，台式机沦为游戏机。一盘游戏半个小时，打完三盘前不用看进度，回来 git pull 看看就行。 聪明的蜂鸟认为更适合跑在云上，扩展性高且外部访问方便。
猫仔：自从接受了哪怕AI能跑几个小时的长程任务，就算能完成交代的事情，花的时间依然是古法的好几倍之后，我最近突然意识到，开发机其实是可以不要性能的。
聪明的蜂鸟：我感觉更适合跑在云上，扩展性高，外部访问也方便
CC 自作主张 squash + force push、Skill 管控 Agent 行为的实践
洒脱的仓鼠吐槽让 CC 修 merge conflict，吃完早饭回来发现它直接 squash 后 force push 了。活泼的羊驼建议将这类操作抽成 Skill，约束好检查规则，禁用 git push –force 等危险命令，并展示了自己的实践：CC 在 git push 之前自动进行 secret scan，避免不小心上传密钥。 活泼的羊驼还提到 CC 可以设置哪些命令是 forbidden 或 ask 的，解决问题要按 AI Agent 习惯来组织。洒脱的仓鼠表示自己公司的 CC 环境比较混乱，有原生 CC、公司/repo 配置和第三方配置混在一起。
洒脱的仓鼠：今早我发现我的PR有merge conflict让cc修，吃完早饭回来发现它给我squash了然后force push了…
活泼的羊驼：我建议这种都是抽成 skill，要做什么自己这部分填，然后一定要约束好检查，以及不能做什么，禁用 git push –force 等等
沉稳的狐狸：你就说有没有conflict吧
洒脱的鸳鸯：更新后 review 环节不再反复返工，token 消耗反而下降
洒脱的鸳鸯分享了一个有趣的经验反转：之前的 harness 中 plan review 和 code review 两个环节疯狂找茬、不停返工，导致 token 消耗巨大。更新之后发现不吵架了，直接一轮过，token 开销反而少了。
洒脱的鸳鸯：今天更新之后发现不吵架了，直接一轮过，反而 token 开销少了
Context infra 维护：AI 迭代太快导致配置累积混乱
稳重的海豚感慨 AI 迭代速度太快，各种 prompt、artifact 累积混乱，调整 context infra 就像洗衣服。他还询问沉稳的狐狸的 context infra 设计方案，自己有十几个 Agent（claude -p、codex app server 等），目前是每次启动时注入 Agent directive，agents.md 作为 root 里的 guidance。洒脱的仓鼠指出这跟沉稳的狐狸面向人使用的场景不太一样。
稳重的海豚：ai迭代太快了 一堆乱七八糟的东西都累积起来了，这里差点prompt那里多个artifact…就像衣服没洗一样
洒脱的仓鼠：我感觉某群友这个是给人用的，跟你的用法还不太一样
闲聊花絮
Sonnet 老版中文退化：写着写着冒出韩语和日语
睿智的犀牛分享了一个趣事：用 CC 时忘了切模型，用的是稳重的浣熊老版，说中文结果写着写着出来了韩语和日语，推测底层 kernel 变了。
睿智的犀牛：用的稳重的浣熊，老版，我说的中文，他写着写着出来韩语和日语了
深夜修仙与 CC 年消耗 70k 的离谱同事
细心的鸵鸟感叹沉稳的狐狸还在修仙，沉稳的狐狸自嘲
CC 消耗排行榜：70k 只产 30 个 PR vs 3k 产 160 个 PR
洒脱的仓鼠查看公司排行榜发现一位同事 CC 今年 YTD 花了近 70k，只有 30 多个 PR，而自己才花了 3k 产出 160 个 PR。另一位同事 Cursor 花了 40k，原因是之前开了 3-10x 倍率后忘了关。
洒脱的仓鼠：看了看公司排行榜，一个哥们cc今天ytd用了快70k，只有30多个PR，这是干啥了…
洒脱的仓鼠：另一个哥们cursor花了40k，我去问他咋花的，他说之前cursor不是有那个什么3，10x么，他开了以后就忘了关
AI 生成的教室图：群友找茬细节与 AI 味鉴别
沉稳的仓鼠发了一张 AI 生成的教室图片，问大家一眼 AI 吗。敏锐的海狸指出后面的板报和门锁有破绽，其他真看不出来。沉稳的狐狸发现多了一个人且没对齐。猫仔认为最大槽点是人太少，并指出笔画结构都一样但可以单独调整。飘逸的熊猫调侃上学时最后一排有人那样坐着打游戏挺正常。
敏锐的海狸：后面板报和门锁，其他真看不出来了lol
猫仔：感觉最大的槽点是人太少