@shibow 那就是
1 、规范驱动开发 ，kiro ，先用向导把你的详细需求，生成 md 格式的规范文件。
2 、多模态模型还有图片理解，你可以把设计稿传入，根据约束条件开发。
3 、最后免不了有问题的，但是你可以提前定于测试条件，让他调用工具比如 svelte 的 check 检查，agent 会根据报错自动修复。
4 、最后就是你根据成果人工验收，不满意的地方跟他提，多轮对话让他修改，跟人差不多，只是 agent 效率更高。
5 、想高效产出，节省 token ，前期产品规划很重要，就像设计文档先行一样。只是现在模型都很聪明，可以从简短的需求中大概率能理解你要的是什么，于是很多人很懒，就直接对话使用了，浪费一些会话轮次和 token 。
6 、以前一个一周的 vite 前端项目，现在 1 天就能完成 8 成，2 天就可以交工

真的落后，人的注意力有上限，面对太多内容，不如 agent ，自动整理处理，方便严谨的。
vscode ，配个 agent ，从项目代码分析，到代码生成，全自动，你想想效率会高多少

@simo 带宽一定要高，2t 的话，130t/s 按比例换算就好了

@goodryb 嗯我跑的也是量化，模型加 kv-cache 双量化，不然显存吃不住，输出也慢

@germain 真的，现在的小模型不是玩具，花了两晚上，把 vue 的前端项目，40+的页面，用 svelte ，qwen3.6 完美重构

@zcf2009 多模态只有图片，视频输入识别，没有图片生成

@jerseyhero 早些试过，工具调用标签自成一派，神经病一样，agent 兼容不了，后面发布 qwen3.6 27b ，看模型评测，完全吊打，不想碰了

@cskeleton 那确实是的，多卡的话 nvlink 不支持，单卡确实你说的没错

@peyppicp 搜一下，配置里面找到模型，类型 openai ，然后自定义模型就可以配置本地了，窗口操作，不需要什么 config 文件

@kenpuluma 确实，表达的意思就是，开源本地模型发展超预期，本地搭建不再是玩具。评测赶上了 opus 4.5

rag ，还有一楼说的那些，vibecoding

@sentinelK 就是 llamacpp 跑的，fiton ，显存不够，cpu 卸载，a100 可以全部加载到显卡的，不需要，其次开启 q4 kv-cache 量化后，能跑更多并发，更省显存

@darrh00 cline 最舒服，其实有很多，都可以下载试试

@sentinelK mac 速度也慢，只能能加载大模型，显存带宽制约的，a100 。1.8t ，mac 只有 700g 好像

@furlxy 因为那个二叉树，很简单就过了，这个至少有点工作场景，写后端更没问题，比前端还快，毕竟不用调样式

@evan1 我不知道啊，80g 的，咸鱼问的 5w 不到，2 块 5090 ？算力翻倍至少吧

@mgsv2047 我这是公司的 a100 ，设备不行吧，还得是专业卡，35b 的那个专家模型，能跑 120t/s

越狱就可以了

@sentinelK 是的，今年是 agent 大规模应用的元年