moomtong

gemini cli 是最拉的，但 antigravity 的体验又会好一点，它底层不是 cli ，典型的大厂左右脑互博
codex 在 5.3 出来之后还在观察，目前体验还不错，让做了一个比较复杂的 GUI 桌面应用基本上一次指令拿出来的东西就可用。之前的模型还做不到这个程度。
claude 一直都是最强的，但是 token 消耗非常变态

你说的“用手机操作，提要求，然后家里电脑 codex 就可以去实现自己想要的，并且能让我 review 代码”这本身就是 codex 的原生功能，可能你只用过 codex ide/cli 之类的工具，没看过 codex cloud 的文档。
比如你创建一个 issue [bug] xxxx ，然后在 codex 的 web 页面上授权这个库，直接对它说请修复#issue 123 ，等它跑完，满意的话右上角直接 pr ，它还会自己 review

其实以后主流技术栈、轻量的项目完全可以不还需要本地开发环境了，现在纯云端的开发至少有三种形态
1 是 google ai studio 的一句话出原型 app ，这个还处于初期形态
2 是 codex cloud/copilot coding agent （这个还更方便一点你可以直接在 issue 里 @copilot 让它 pr ）这种 agent ，角色类似于 ai 外包
3 是 idx （现在叫 firebase studio ）/codespace 这种云端带 ai 插件的 ide

ollama 主要的场景还是在个人 pc 上跑模型，没有大范围的生产用例。

RAG 的效果是需要根据数据定制化去调的，首先 embedding 横向对比，然后文档的提取和切分方法，像你提到的 pdf 有些开源 RAG 本身内容提取就做的比较烂，可以看看导入的内容准不准确，表格之类读没读出来，标题和编号之类结构化信息有没有保留、能不能查到等等。还有排序方法也可以定制化去改。进一步提升效果的话内容本身也要做增强，补数据、摘要等等。还有不少其它的，网上资料很多可以看看。

但其实在这些之前，既然是集团公司，他们自己的文档现在是在哪里，云文档？公司有自己的知识库吗、要不要对接、现在有远程会议应用吗、有会议室录音硬件吗、你的服务是类似 gpt 的形式还是已有应用内插件的形式，这些个人感觉是先要考虑/谈的。

语音方面 Whisper 本身能力是很 ok 的，但是很可能还需要说话人识别。然后比较现实的问题是会议录音的音质，有的人可能离话筒远很小声，和多个人同时说话这种，目前业界也没什么很好的解。

这种我们一般用虚拟组

Memory Map?不确定视频文件行不行

感觉 lz 总结得，关键就是千万别有强迫症 hh
比如有个桌面小工具只要一点就 segmentation fault——
错误做法：查资料 debug 各种方法修一周，没修好
正确做法：那就别点它 hhh