6.4.1 极致是否会导致“偏离正道”？

2021-08-07 17:36:17 699 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

DeepSeek V4-Flash：AI推理成本坍塌与工作流友好型架构解析 AI推理正从高门槛服务转向水电煤式基础设施，其核心驱动力并非参数堆叠或榜单排名，而是单位token成本的系统性坍塌。DeepSeek V4-Flash以0.028美元/百万输入token的定价，首次将高质量长上下文（1M）推理拉入中小开发者可决策区间。其背后是工作流分层架构设计——通过激活参数控制、DSA稀疏注意力与Token级压缩，在保障任务完成率前提下实现显存与延迟双优。该范式使AI真正嵌入合同审查、知识库问答、RPA增强等高频企业场景，推动技术落地从‘能否做’转向‘为何不做’。V4-Flash标志着A 阅读详情

原文地址

所谓极限编程，就是把一些认为重要和有效的做法发挥到极致。（《构建之法》6.4.1）

我对于表格中部分发挥到极致的做法有些困惑。左栏中的做法看起来都是重要且有效的，但是到了极致似乎就有些“偏离正道”。

每时每刻都有客户在身边——首先这条件似乎比较难以实现，其次虽然客户需求在实时变化但如果事先不尽量细致了解客户总体要求就可能会需要连续重构，放在课程中可以锻炼我们的编程能力，放在工作中恐怕就不太合适了，会增加大量的时间和人力成本。
别做详细的设计，做频繁的增量开发、重构和频繁地发布——与上文类似，即使计划没有变化快，但这是否就意味着我们可以没有计划呢？频繁地发布所耗的资源与做详细的设计耗费的资源哪一个更多呢？

...全文