又是一波酣畅淋漓的更新啊，我仿佛已经看到楼下一堆哈雷佬了

我记得已经有了，刷到过被打扫的房主的vlog，预约了机器人上门清洁服务，附带两个保洁阿姨，基本上都是阿姨在干机器人添乱。 但我记得这个房主好像还是付了钱预约的，还要确认你一下你家没小孩之类的才可以预约成功。应该快进到免费XD

怎么还是究极无敌ultra合订本？

不过确实，最主要的问题在于，现在说不定还有工作，3年出来真不知道是不是AI要替代全人类了……

也可以考虑试试港硕呗，一是学制短点，二是大湾区机会也多，三是你想转一点方向的话CS/EE之类的接受度也高不算特别跨专业

不知道计算机这边怎样，但是EE这边的话真的是大城市和小城市差太多了…… 我也是去年在某二线城市上学，找实习是0个对口，今年在北京是一抓一大把，BOSS随便一刷新就是一大堆的对口岗位，我真的很后悔去年没来。佬友你要是学校没有考勤要求就出来刷异地实习吧，不过要是学校抓得严那还是保毕业要紧。先进小公司打杂不要紧的，看你是28届机会还大大的有，干三个月跑路，包装一下做跳板进大公司。北京的实习工资也大方一点

最保险的方式，买个2手苹果，创个美版apple号，买点卡冲

可以先用“20条种子用例＋线上失败回灌”的方式，是根据LangSmith 的官方建议：先人工整理10～20条覆盖常见场景和边界情况的高质量用例，生产运行后再把差评、错误和异常记录持续加入离线测试集

明白了，也就是平时跑3～6轮快速检查，比较重要时跑到10轮左右，主要保证整体没有明显问题。感谢佬的分享 ^-^ ^-^

感谢佬友，成本这个点很具体。想再请教一下，实际跑evals时，主要费用来自大量测试用例反复调用目标模型，还是额外调用裁判模型？ 您一般会准备多少条用例、跑几轮，才觉得评测结果比较可信？

确实，不同业务的验收标准应该不一样。想再请教一下，实际项目里这个“回答准确率”一般怎么统计？ 是客户准备一批标准问题，由人工判断回答是否正确，还是直接抽查线上对话？通常会测试多少条、达到大概什么比例才敢上线？

可以做个同步插件，为了手机观看，我做了 ob 到 Notion 的同步插件，这样电脑还有agent都用 ob，自己查看和搜索分享就可以用 Notion ，用了一阵，目前感觉还是不错的

那既然如此，相反的默认模式能不能是成人模式（什

等等，怎么感觉上次听到过A\做过一模一样的事

那不是吧，ds涨价之前在酒馆几乎是占了半壁江山啊

你看一下settings->usage有写你的重置时间的。

但是不是因为Claude的模型本来就贵……看起来账面是额度高的，但实际上我每次用都感觉有点提心吊胆，连续工作的话常常是2小时就满了，之后就干不了任何事只能再等3小时。要是有一个2x pro的订阅就好了，5x 又有点太多了。

似乎不是诶，我的没重置，是不是佬友你的重置本来就是每周四？ 如果重置了，X上官号`ClaudeDevs`会发通知，我今天也没看见帖子。

那意思难道是实际上比$25更少？^-^

我全程用的Opus 4.8，我用4.8的价格重新核算了一下，是对的。 (5776 × 5.00 + 14,973,448 × 0.50 + 555,778 × 6.25 + 100,763 × 25.00) / 1,000,000 = $13.50 这是一个小时的用量，差不多两个小时就用满了，约$25，我停止工作。难道用sonnet模型的额度会更高些吗？^-^

^-^？我是直接看的ccswitch里的成本统计。让我自己再算一下。

都计算了。Claude的缓存创建也是要钱的。