GiantHard

@GiantHard #6 我目前使用下来，发现模型设置对 aider 的影响比较大，这是我个人感觉效果不错的 aider 模型设置：

Main model: deepseek-r1 with architect edit format, infinite output
Editor model: Qwen2.5-Coder-32B-Instruct with editor-whole edit format
Weak model: Qwen2.5-Coder-32B-Instruct

我目前用的 windsurf 模型：claude 3.7 sonnet / deepseek r1

@GiantHard #5 换个方向来想 aider 也更适合在确定范围内修改代码，cursor 跟 windsurf 的主观能动性太强了，经常会出乎意料，这在有些时候并不算是好事。

aider 更适合项目有一定规模后跟人工一起结对编程，它独立执行的能力比较差。换个方向来想 aid

**税前**时薪×预计工时×工时偏差系数

在计算税前时薪的时候，要考虑所有不可避免的向第三方支付的费用，例如税等费用，因为这部分钱本应由你跟雇主协商分配。

工时偏差系数如何确定？请参考 V2EX 上对于估算工时的相关讨论，一般来说，人都倾向于乐观地估计项目进展，所以这个系数最好不小于 1.5 。

等工作到达一个里程碑后，你就可以对照上面的公式知道自己是赚了还是亏了。

我发现其实不用我在上面介绍的技巧，deepseek r1 其实不太容易写出太超长的句子，可能跟你的提示词有关？

英文也是同理，只要规定输出的时候，每词一行，行首标明行号就行。

告诉 LLM ，「在输出的时候，每字一行，并在行首写上行号。」

@mereith #4 参考官方的建议，在解决数学问题时把 temperature 设置成 0 ，最终花费 14k token 解决了问题，而且 deepseek-r1 也不会胡言乱语了：

要将沙漠中的宝贝取回，需通过分段运输建立中途油库，确保油量足够往返。具体步骤如下：

步骤 1：在 25 公里处建立第一个油库
操作：从营地出发，运输 5 次油到 25 公里处。
每次带 100 升油，消耗 25 升到达，留下 50 升后返回（再消耗 25 升）。
储存油量：5 次 × 50 升 = 250 升（总消耗 250 升油）。
步骤 2：从 25 公里处运输到 50 公里处
操作：从 25 公里处出发，运输 3 次油到 50 公里处。
每次带 100 升油，消耗 25 升到达，留下 50 升后返回（再消耗 25 升）。
储存油量：3 次 × 50 升 = 150 升（消耗 150 升油，25 公里处剩余 100 升）。
步骤 3：从 50 公里处前往目的地并返回
前往目的地：
从 50 公里处带 100 升油，行驶 50 公里消耗 50 升，剩余 50 升到达目的地。
返回营地：
用 50 升油返回 50 公里处，消耗 50 升（ 50 公里处剩余 150 - 100 = 50 升）。
从 50 公里处带 25 升油返回 25 公里处（消耗 25 升，剩余 25 升）。
从 25 公里处带 25 升油返回营地（消耗 25 升）。
关键点
油量分配：通过多次往返运输，在中途点积累足够油量，确保最终往返的消耗。
最少油量：总消耗约 550 升油（营地需储备足够油量）。
此方法通过分阶段储存油料，成功克服汽车容量限制，最终取回宝贝。

@mereith #4 可能你记错了吧，我找到的推荐设置是这样： https://api-docs.deepseek.com/quick_start/parameter_settings