在科学哲学的视角下，当前大语言模型（LLM）的根本悖论在于“休谟问题”的重现：单纯的统计归纳（频率与概率）永远无法推导出逻辑的必然（因果与真理）。大模型既非枯燥的统计学暗箱，也非完美的柏拉图理念世界。它是一个被经验暴力挤压出的崎岖地貌，在上下文的临时扭曲下进行局部概率滑落，并亟需外部逻辑验证器来为其建立刚性边界的动力学系统。要真正理解这种硅基智能，我们必须跨越工程学的参数规模，将其认知过程拆解为“经验的流形”与“先验的法则”之间的动态博弈。

自然规律奖励的不是瞬间最大功率，而是全生命周期的总耗散量。生命是耗散能量的超级机器。
复制就是共振：如果一个结构能复制自己，那么它消耗能量、制造熵的能力就会呈指数级增长。
自然界没有永恒的朋友或敌人，只有能量效率的共同体。

Trae + Claude 3.7 Sonnet：大致75分，还是需要手工修一些代码，并且有的Bug反复尝试10次以上，人工辅助定位了位置，但始终无法修复。可惜就是免费限流了。
Trae + DeepSeek-R1：大致70分。幻觉多一些，也会偷懒，出错概率高于 Claude 3.7 。
VSCode + Cline + Gemini 2.0 Flash Thinking：大致70分。Gemini 2.0上下文窗口很大，可以一次性快速生成超多代码，具备多模态能力，都是加分项。拖后腿的是 Cline，对IDE的集成度、RAG策略还是不够，导致经常陷入Bug反复修改无效。Cline 的MCP功能很好。
VSCode + 通义灵码 + qwen2.5-max ：60分以下，因为通义灵码对整个IDE的集成度不够。在不指出引用文件情况下，会导致完全孤立的去修改一个文件，导致全局灾难。

实时生成数字人视频，成本很高。本文构想了一种浏览器端的数字人方案，借助于AI生成2D模型，成本很低，可交互反馈，适用于教学、培训、动漫等场景。

思考=模型=知识。泛化：举一反三的能力是泛化。语言，给我们带来最根本的能力，是零样本泛化能力，用来沟通只是语言的副产品。人类有了语言，所以才有第二系统，才能思考。
三位一体结构演化模式：感知（信息系统）→ 思考（模型系统） → 实现（行动系统）