吐槽下，感觉国产模型/Agent 不靠谱

感觉国产模型没有一个能打的

@kewang 感觉不是很稳定，有时候正常主流开发任务没啥问题，有时候又感觉像突然降智一样，反复改东西也改不好

最新进展：不知道是晚上用的人少了还是什么情况，使用 minimax-m2 修复了 4 次，完成全部错误修复，现在进行下一步开发，agent 为 roo code

幻觉太重了

想多了，如果你用过就知道，对鸿蒙支持最好的反而是 Claude ，其次是 GPT 和 Gemini ，国内的都基本没更新过鸿蒙的训练资料。而且你都用 react 了，不如直接迁移到 react native 。鸿蒙的生态基本没有，开发难度会很高，而且对于 ai 来说没有 react native 熟悉。

还有 trae 国内版明显存在降智，同样模型无论是响应速度还是质量都比其他 ide 的要差，更不如付费的国际版，怀疑拿其他模型以次充好。而且 trae 的提示词存在明显问题，用默认 solo 模式只能开发前端，一写其他方面的代码就非常差，哪怕是 Gemini 3 pro ，后来我自己定义 agent 用 spec coding 后，效果提升了非常多

@1una0bserver #6 怎么定义 agent 用 spec coding

国产模型变成就最新的 DeepSeek 还行, 其他都是垃圾, kimi 勉勉强强也看什么语言 ,GLM4.6 降智严重

模型没资料就得用 context7 mcp, 写 kotlin multiplatform 的经验之谈

大模型能力这种玄而又玄的问题，使用起来却是切实可见的差距。
都说全网的数据各家不是都搜集齐了吗？要么是算法上不行？还是老黄的卡真有魔力？

国产的卡在质量和规模上应该和老外的没法比。算法上到不觉得能差多少。纯直觉，无参考。

因为依赖抽卡的
抽卡第一梯队的可能抽的次数会少点 正确率高 但是差一点的模型正确率低要多抽
同一个问题同样的模型 也会有时候做不对有时候又能做对😂

用 cc 也是 他做不对了 就 git 滚回去 再开一次 有时候就能做对了

“话说国产模型应该对鸿蒙一类的支持更好才对吧，为啥会这样？”
你这个假设就是错误的，鸿蒙相关的根本没多少高质量的训练语料

还是模型对鸿蒙的资料太少了导致容易幻觉。

鸿蒙? 有训练数据吗就要改鸿蒙

把感觉去掉，国产=垃圾，浪费生命

@1una0bserver gpt 感觉 plus 的订阅完全不够用...两天就只剩 20%了，用的 5.2 high ，我一点也没接触过 react,那个是技术领导自己用 youwave 生成的。如果转 rn 会有啥特别的坑吗？ trae cn 的 agent 提示词我觉得根本没用，我新建了几个智能体，根本不按我的规定的角色走。
@nananqujava kimi 之前砍价开过会员，感觉不如 iflow 的 glm 开思考，同一个问题同一个提示词，iflow 一两次解决了，kimi 改了不下四五次还有问题。
@defaw 用了呀，我还特地强调，在编码前用 context7 mcp 服务查询确保代码准确性，但是还是一堆问题。
@jacketma 我感觉跟使用时间有关系，有的时间段某家人多就会导致智力跟不上
@YanSeven 现在国内的基本上国产卡了吗？我还以为还是老黄的卡用的多。
@bbbblue 不太了解这方面，我以为是几个卡组成算力池，就算卡差，算力总量在那儿结果也不会差。
@nosilence 我说的更好相对来说，因为个人柑橘鸿蒙开发还是国内为主，因此训练语料啥的会更多点
@m1nm13 只是普通搞个 APP ，提高门槛，国企嘛，你懂的
@yiqiao 我看了下他们的报错，基本上都是什么变量、组件定义的位置不对，用的方法调错位置啥的。头大

@asd999cxcx 不是 我说的抽卡 是指大模型结果随机 有时能不能做出题看脸 就像手游里抽卡一样
同一个题 第一梯队的模型更容易做对(但也可能做不对 有概率) 但是差点的模型多试几次也可能做对

不是说计算的卡 😂

@asd999cxcx 首先不要用国内版，模型垃圾用什么也作用不大，只有 auto 模式还勉强可以（ ps. auto 模式应该不是国内模型，同时含有中英文的请求回复时一般为英文，符合国外模型特点，代码风格也不一样，效果要好一点）

@nananqujava speckit 或者 openspec ，选他们教程，选最下面通用那个，然后把 agent.md 里的内容作为角色定义复制进对话框，注意不要用 ai 生成