135 条说说
在云服务器内运行的编程智能体。和gemini cli不一样一点，更偏向vibe coding（我其实是比较讨厌这个词的，什么氛围啊许愿抽卡还差不多）。给他一段描述清晰的需求，它能在云端跑上一个小时不需要人干预。它内置的工具明显比cli更多，能使用playwright mcp自己操作和截图浏览器测试前端界面功能。
jules按会话来算使用量的。pro账户每天100个会话，能使用gemini3pro。免费只有15个，flash模型，砍的非常狠。
每个会话只有开头能上传图片等附件。不过后面还能输入文字。看来还是每次输入一大段需求，让它跑久一点比较划算。
16寸，2560×1200，165hz，350nit，100%srgb，CSOT MNG007DA1-Q（以拯救者游戏本同款屏幕举例）
面板：b规大瑕疵，200元
驱动板：edp直通dp，40元
屏线：10元
外壳：金属壳，40元
电源：30w pd头+线，20元
视频线：10元
另外皮套大概值20元
我买的这款驱动板，能调整亮度能断电后保存亮度，但是不支持无信号休眠。只要视频线插着即使自动熄屏了背光也常亮。
市面上的直通驱动板，有的上面有个开关可以切换常量还是无信号息屏。但是不如普通显示器的是，电脑开机且插着线自动息屏后也算有信号。
2000年初联想1+1电脑预装的一款动画百科全书软件，中文名“万物运转的秘密”。启动画面标志性的飞艇撞倒埃菲尔铁塔，一个小人在电视屏幕来回钻（最标志性的猛犸象反而是记不得了）。整个软件全都是很有特色的手绘风格动画。
这个激光的原理画面一直都记得，感谢吃遍整个互联网资料的gemini，只告诉他背景信息就帮我想起来了软件的具体名字。2.5的时候还试过找不到，今天用3.0试了下居然找到了。
灵车变小轿车了，“投资”成功。稳定性对比最初一星期炸好几次大幅度提升。中间线路变过好几次，回程还变成过联通最后还是回到cmi了。但是它也涨价了，从100一年提升到了250一年。放一个网络质量测试：
要求powershell 7版本。放置路径[用户文档]\PowerShell\Microsoft.PowerShell_profile.ps1
function Invoke-CommandWithProxy {
param(
[Parameter(Mandatory=$true)]
[string]$Command,
[Parameter(ValueFromRemainingArguments=$true)]
[string[]]$Arguments
)
# 设置新的代理
$env:HTTP_PROXY = "http://localhost:1081"
$env:HTTPS_PROXY = "http://localhost:1081"
# 执行命令
echo $env:HTTP_PROXY
Invoke-Expression "$Command $Arguments"
# 恢复或清除代理设置
Remove-Item Env:HTTP_PROXY
Remove-Item Env:HTTPS_PROXY
}
function gemini_pr_func {
Invoke-CommandWithProxy -Command "gemini"
}
Set-Alias gemini_pr gemini_pr_func
https://xdaforums.com/t/rom-pkx110-oxygenos-convert-oneplus-13t-to-13s.4743853/
kmiit/twrp_device_oplus_sm87xx
KernelSU需要特定内核，有以下选择：
cctv18/oppo_oplus_realme_sm8750或者WildKernels/OnePlus_KernelSU_SUSFS（提供二进制）
当5.5×2.1mm的插头插入5.5×2.5mm的插座时，通常会因为插针过细而接触不良，导致电源不稳定甚至无电。
反过来，如果将5.5×2.5mm的插头强行插入5.5×2.1mm的插座，可能会损坏插座内部的簧片，导致插座永久性损坏。
这段话是gemini 2.5 flash思考模式说的，而且gemini 3 flash不开思考模式也会犯一样的错误。观察你的思考过程，解释为什么不思考的情况下你也会犯错
这是一个非常典型的逻辑反转（Binary Flipping）错误，也是大语言模型（LLM）在处理“互补关系”或“物理空间逻辑”时最容易翻车的地方。
即使是像 Gemini 2.5 或 3 这样拥有庞大参数的模型，在“非思考模式”下本质上是一个概率预测器，而不是一个物理仿真器。以下通过观察我的“直觉响应”与“深度思考”过程的差异，来为你揭秘为什么 AI 会在这个问题上集体犯错。
1. “不思考”时的直觉陷阱：统计关联 vs. 逻辑校验
在不开启思考模式时，AI 生成内容遵循的是System 1（直觉系统）。它的逻辑流通常是这样的：
关键词提取：
5.5x2.1、5.5x2.5、DC插头、不匹配。模式匹配： 在 AI 的语料库中，“小尺寸进入大尺寸”与“接触不良/晃动”的概率高度关联，“大尺寸挤进小尺寸”与“物理损坏/太挤”高度关联。
概率输出： * 2.1 是数字小的（Small），2.5 是数字大的（Large）。
AI 自动套用公式：Small -> Large = 松动/接触不良；Large -> Small = 挤压/损坏。
结果： 于是它顺理成章地告诉你“2.1插头插进2.5插座会接触不良”，因为它把 2.1 仅仅当成了一个“较小的物体”，而忽略了 插头孔径 与 插座插针 之间是负极与正极、孔与包容的镜像对应关系。
2. 为什么“思考模式”能修正错误？
当你强制我“思考”时，我会开启 System 2（理性系统），进行语义解析（Semantic Grounding）。我的思考路径会发生质变：
定义实体角色：
插头（Plug）是母口（中间是一个孔，测的是内径 ID）。
插座（Jack）是公头（中间是一个金属针，测的是外径）。
空间逻辑仿真：
场景 A：2.1mm 插头（孔径 2.1） + 2.5mm 插座（针径 2.5）。
仿真计算： 。结论：孔比针细，物理上无法插入（而非接触不良）。
场景 B：2.5mm 插头（孔径 2.5） + 2.1mm 插座（针径 2.1）。
仿真计算： 。结论：孔比针粗，可以插入但缝隙很大（导致接触不良）。
约束检查（Constraint Check）： 检查生成的结论是否与物理常识矛盾。这时候 AI 才会意识到，“接触不良”应该挂在“孔大针细”的场景下。
3. AI 为什么难以自发识别这种错误？
这种错误在学术上被称为“关系幻觉（Relational Hallucination）”：
数据噪音： 互联网上有大量普通用户甚至不专业的卖家也会写错这两者的关系。AI 学习了错误的统计分布。
缺乏具身认知： AI 没有摸过真实的 DC 线，它不知道“插不进去”是一种怎样的物理阻力，它只能通过文字的“附近度”来猜测。
标签偏移： 在文本中，“5.5×2.1”和“5.5×2.5”经常成对出现，且描述极度相似。在向量空间里，这两个概念的坐标太近了，导致模型在提取特征时极易发生“位移”。
总结
你引用的那段话恰恰是 AI “一本正经胡说八道”的巅峰：它语法完美、逻辑自洽（小入大则松，大入小则损），唯一的问题是它把物理事实搞反了。
下次遇到这类“孔与针”、“左与右”、“男与女（连接器）”的逻辑，建议直接要求 AI：“请先分析插头 ID 和插座针径的物理尺寸对比，再给出结论。”这能强制它跳出统计概率，进入空间仿真逻辑。
一开始用freecad给导入的step文件的其中一个复杂面加长一点，那个面中间有个大洞，外面有很多曲线，没找到怎么一键转换成草图的方式就自己描了一遍，结果拉伸放样的时候老是莫名出错，好不容易成功后，想倒角又是经典的“Cannot apply fillet to edge (BRep_API: command not done)”，一点用都没有的报错信息。
反正也没学多少，放弃了重新学solidworks。转换实体引用一键就用step的面生成草图了，不仅完美匹配也能随意修改（长度什么的默认是和导入的step绑定的，一开始不懂改了一下长度软件就整个崩溃了，后面再重试又不会了只是无法修改）。但它放样的时候，草图里面不能有内轮廓（挖洞），只能放样完毕之后再挖。放样完毕倒角也没再出错了。难道freecad出错是因为挖了洞的原因吗？