sentinelK
因为开发程序的特性就是认理性参数，不认感性价值。
显得更“抠”是因为很多领域的消费品，感型价值比重实在太大。甚至部分领域会出现倒挂（实际性能更差的产品，因为品牌、营销策略等原因更贵）
要看你功能的。
1 、接不接收银厨打？ 2 、能不能线上支付？ 3 、能不能支持多人同点？拼桌？ 4 、接不接库存？
以上都决定最终价格和成本。
反过来讲，不管是什么项目，以后都应该用 AI 产品先进行一遍 review 。
常言道，道高一尺魔高一丈。
0 、这是趋势，解放生产力，核心就是要解放。但是前提是你要知道什么该解放，什么该攥在手里。资本家从来不会解放自己的人脉和渠道。
1 、所以在使用中应该合理的优化上下文。给 AI 一个明确的任务目标与界限。目前网上用 token 去砸 AI 许愿的风气追不得。最后要么大炮打蚊子，要么产出的内容全…
再反转一下，以上是基于消费者视角。基于 LLM 模型提供者的视角来看，他们立于不败之地。
市面上有更好的工程化实践，就吸纳到自己的嫡系 app 中。 市面上有不利于自己利益的工程化实践，就禁掉。 市场出现了现象级产品？换个模型版本。直接负优化废掉他，自己在做一个。
没用，在 LLM 模型 API 接口本身都是黑箱（动不动降智，更别提还有各种黑中转）的情况下，你根本没法评估 AI 应用的能力和稳定性。
更何况，我个人理解，其实并不是每个人都需要那么“定制化”的工程环境。
目前的 LLM 上下文，已经足够大到只要你愿意提供足够的信息，不人为的隐瞒，基本…
其实之前就有过更经典的了。
快播辩护人说，如果说快播……移动联通电信那么多诈骗……
每个新市场都会有一阵群魔乱舞时代。 如果作为用户这个角度，静待市场稳定就好。
概念和思想可以学习，但是没必要太过焦虑。 很可能你今天引以为傲的 LLM 调用姿势，明天就因为 LLM 模型自身的调整、甚至是 LLM 背后公司的成见，成为废纸。
这个机制和 llama.cpp 的 – fit on 区别是？