发现几个在GitHub 上跟 Vibe Coding 强相关的开源项目，跟大家分享一下第一个：aicodeguidehttps://github.com/automata/aicodeguide如果是零基础，或者一直觉得“自己不懂编程，玩不转AI编程”，这个项目会适合你。它本质上是一份AI时代的编程路线图，不纠结于枯燥的语法教学，核心是教你怎么用Cursor、Bolt、Claude这些工具，通过合适的Prompt指令，把想做的事情落地完成。我一直把它当作Vibe Coding的“新手村”，零基础入门首选。第二个：vibe-coding-prompt-templatehttps://github...

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...