人脑几 k 上下文能对抗 300k 的 agent？

[richard001]

现行的 Agent 动不动就是 200k~300k ，一次性那么多上下文，根本无法 review ，古法编程时代头脑很清晰，现在头脑越来越模糊了，兄弟们是怎么解决的？当时间、需求相互碰撞时，感觉比以前累了很多倍。放平心态，随遇而安？还是认真负责？

[lm1368]

与其泛泛地说你的感觉, 不如列出具体问题, 大家也能帮你分析.

[xyooyx]

人脑有一套成熟的渐进式加载机制，擅长聚焦

[ATKLLL]

不存在无法 review,只不过越来越懒得 review

[getadoggie]

人脑很厉害的，远非大模型能比的。

[fredweili]

人脑是 rag 机制，还有感觉这种玄学

[chendy]

十多年前的时候少说 10m ，领导一周前开会说了啥都能记住，笔记软件啥的不存在的
现在 128k 都没有，同事上午说的事情下午就忘，只能随时开个 txt 往后 append

[sentinelK]

人脑的上下文缓存很小，但是模型规模很大。而且模型还能自训练。
所以人做事很多时候靠的是模型规模带来的直觉。很少用上下文长度来暴力穷举。

之所以累，就是因为你用 AI 擅长的方式来和 AI 协作。导致你需要同时处理太多上下文。
我理解，要么你就利用你的模型规模，给 AI 明确的技术方向，只让他负责执行，不负责判断。这样减少“你去判断 AI 的判断”这个步骤。

要么就直接撒手，不管任何决策细节，只管效果。

又身居高位又微操，是最忌讳的管理学形态。凯申同志已经无数次证明给我们看了。

[chtcrack]

人脑上下文几 K?光现实世界的超级高清图像,声音,嗅觉,温度感知等都不止几 K..

[molvqingtai]

梁子说，人类比 AI 聪明是因为人类有几十年的上下文

[Cruzz]

虽然人不可能每一行代码都记得，但是人会抽象，代码只是抽象逻辑的表达。根本不是一码事。

[rb6221]

300k 很多吗，我有时候光分析问题，追问好几轮，还没开始改代码就已经 200k 了，正常情况下这种问题还不是要靠人脑老老实实看的，虽不能说毫无压力，但是也属于正常范围

[loryyang]

就是这样，现在最大卡点就是 review 大模型一坨坨的 md 文档，现在只能抓重点稍微看下

[summertimesad]

@chendy 上下文管理机制退化了

[0d]

人脑上下文也不小了, 一个高三学生需要记忆语数外物化生,每科 6 本教材, 每本 20 万字. 36*200k=7.2M 这都还远达不到上限

[hipkomh]

本质上跟看一个大型项目差不多, 拆模块仔细看. 让 ai 生成流程图详细解释. 还有个问题是 ai 造各种奇葩个句子影响理解, 我平常是 claude 写的难看就让 gpt 读完讲一遍会好一点.

[aowugong]

人脑只能把握个总体走向，细节就由 AI 自己发挥吧。人脑啥事都管就第一个炸

[youyouzi]

同耗能相比，人脑子能比 ai 狗脑子都打出来。

[GyroZeppeli13]

人短期记忆不行不代表上下文不多啊。人脑短期记忆不行是 feature ，真要算上下文是很夸张的。例如人类的眼睛分辨率就非常非常高，如果按照这个计算，上下文怕是要用 PB 来衡量了，考虑到人类当中还有些人有超忆症。

[fanghaydn]

人脑是超级思考模式，就是有点慢，容易 timeout

[Rickkkkkkk]

人脑很明显是有好几层不同上下文的。

比如你要干一个活，脑子里是装着好多可调用工具的（但这些并不会在你第一层的注意力里）。但这些工具必须完整告诉 AI 才行的。