用 AI 寫程式最大的問題是什麼？對我們來說，不是模型不夠聰明，而是 不放心 。 LLM token 越來越貴，但大部分都在重複看已經知道的程式碼結構。 Agent 改完程式編譯不過，要來回好幾輪才修好。 工作到一半 context 滿了，重開 session 什麼都不記得了。 有時候改壞了檔案還沒人知道。 這些問題大概不是只有我們遇到。我們的做法是寫兩個小工具來補，一個管 輸入成本 ，一個管 操作安全 。兩者透過 MCP 協定接進 OpenCode，各自只做一件事。 工具一：GraphifyRust — 讓 LLM 不用重看整包程式碼 GraphifyRust 是用 Rust 寫的靜態分析引擎。用 Tree-sitter 解析原始碼，把 function、struct、trait 這些節點抽出來，建成一個有向圖。 AI agent 要改程式時，傳統做法是把整支檔案丟給 LLM。幾百行的檔案可能只有幾段 function 相關，但 LLM 還是得看完所有 import、註解、不相干的邏輯。 Graphify 的 skeleton_extract 只回傳 AST 骨架 — function 名稱、行號、簽名。實際壓縮效果： | 檔案 | 原始 token | 骨架 token | 節省 | |------|-----------|-----------|------| | server.go | 1,289 | 117 | 90.9% | | toon.rs | 2,132 | 147 | 93.1% | 骨架不夠用時，用 range mode 精準讀取特定 function。不需要整包丟進去。 選 Rust 的理由很務實：Tree-sitter 的 Rust binding 最成熟。在 110 個檔案、422 條邊的測試專案上，建圖只要 16ms ，比之前 Python 版快 26 倍。節點用 petgraph arena 預分配，減少 heap 碎片。輸出用自訂的 .toon 格式，體積比 JSON 少 60%。 語意搜尋用本機 Qdrant，沒有雲端費用。目前支援 9 種語言：Rust、Python、Go、JavaScript、TypeScript、C、C++、Java、PHP、Swift。 工具二：StateMa...
(圖片來源：Micro Four Thirds module for Ricoh GXR)
之前小弟提到，唉唷？喊著喊著居然出現了！Ricoh GXR Expansion Unit 2011？當時是看到 Roadmap 裡出現一個挖空的模組，但不知道是什麼接環，最近，又有一張可能是假圖的圖片流傳出來了，是採用 M4/3 Mount 的模組，看看流流口水就好，你可以直接買 Panasonic GF1。
題外話，最近 GF2 出了，GF1 降價，GF2 價格也比以往新出機時的定價要低，所以是不是我說的價格定位的問題，如果把 EVIL 定位在備用娛樂機，價格理論上是要貼近高階 DC 像是 DP2、GRD3、LX5 這類的相機，而不能高出太多。
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！