这不重要。只要黑盒测试没问题就是没问题 ^-^ 上面那句话是个玩笑。事实上你要是不知道AI帮你干了啥尽管问就是了。叫他说清楚为什么改比自己review效果好得多。要是这都能出问题那就继续压力他，不改好不让下班 ^-^

聊天可以，coding就别想了哈哈哈哈，我今天用opencode+5080（16GB）+64GB来试了试qwen3.8 27B，非常慢（只有0.5-0.3tokens/s），根本不具备任何工程上的使用意义 ^-^

coding分完善想法和实际工作两个大部分。尽可能节约花费的要点就是让重型模型来填充你的思路（例如gpt的terra和sol），把整体工程架构完善（这个过程甚至可以使用模型厂商自己的免费聊天来帮你做前期规划）。这之后把技术文档翻译成可以使用的代码和修改一些bug，调优就是轻型模型的事了（例如gpt的luna，哪个便宜用哪个）。站内也有大佬的公益站，可以去那里拿一些免费额度。总结一下就是：让正确的模

我自己就很喜欢本地部署模型那种螺蛳壳里做道场的感觉，但是本地小语言模型有一个很巨大的问题：部署的硬件成本对个人很高，对企业来说又不如直接购买api划算。 而且就算解决了硬件成本，调试依旧很费功夫。每个人有不同的硬件配置，需要按照实际的工况来计划内存和显存的使用。种种限制导致了小模型的应用面非常窄，愿意为之付出时间精力的开发者就更少了。 但是我个人对小模型的前景相当看好。我认为简单的任务就应该交给本