文章列表

本文是韩文原文的简体中文翻译。如有出入,以韩文原文为准。 Off the Wall 是 Claude Code 和 Codex 的插件。它保存你给智能体的纠正,之后你让它做类似的事时,会用你当时的原话再显示一遍。这篇文章写的是没做成的事,因为我从那里学到的更多。 先说管用的部分 模型不知道你怎么写提交信息、怎么写日期。我编了 11 个这样的习惯,做成任务,每格 3 次,每个条件跑 33 次,全部无界面自动运行。 Claude Sonnet 没有插件时 33 次中遵守习惯 2 次,有插件时 20 次。 haiku 第一次测试从 1 次到 17 次,重测时从 2 次到 25 次。 这些是我编的习惯,不是真实用户的记录。评分器的错误是在看到结果之后修复的,所以重测也不是独立的复现。Opus 和 Codex 的模型我没有测量过。测试设计见通俗说明文章。 我想解决的问题 这个插件也会把引用附到无关的请求上。在与已存纠正毫无关系的 8 个请求里,平均附上了 1.8 条。我最初写的是”没有相似的就什么都不附”,这是不对的,我已经公开更正。现在的样子如下,这是在虚构仓库里对”写俳句”请求实际运行 …

本文是韩文原文的简体中文翻译。如有出入,以韩文原文为准。 模型不知道你的习惯,比如提交信息怎么写、日期怎么写。我让 Claude 做了 33 个这样的任务。没有 Off the Wall 时,Claude(Sonnet)遵守了习惯 2 次,有它时遵守了 20 次。原因是你以前的纠正会原样再显示一遍。这些是我编出来的测试习惯,不是真实用户的记录。haiku 模型上是从 1 次到 17 次,重测时从 2 次到 25 次。 每开一个新会话,我都在重复同样的话 它是这样工作的 纠正是怎么保存的 用着用着加上的命令 安装 我是这样测试的 它做不到的,以及需要知道的 每开一个新会话,我都在重复同样的话 用 Claude Code 或 Codex 干活,干着干着就会一直重复同样的话。“别问了,选一个。""测试真的跑了吗?""我让你做什么就只做什么。“一换会话,智能体就把这些全忘了。 一开始我把纠正压成一行规则,放进 CLAUDE.md。效果不大。我猜是因为一压缩,这句纠正产生时的情况就丢了:我要求跑哪个测试,说过哪个文件不能动。原话里还留着这些,一行规则里没有。 所以我不再缩短它们,而是做了一个插…

本文是英文原文的简体中文翻译。如有出入,以英文原文为准。 范围说明,2026-10-23:下面的数字是另一套本地环境、按 API 价格做的历史估算,不是账单,也不是公开版 Off the Wall 测得的节省。本文没有测试 OTW 的纠正回溯。 我整天都在运行编码智能体,所以我把自己一周的 API 用量加了起来:19,733 次 Claude 调用,按 API 价格约 $1,064。最大的一项既不是输出,也不是缓存读取,而是缓存写入:$469,占账单的 44%。 缓存写入,是某个前缀第一次被看到时要付的钱。在长对话中,几乎全部都应该是读取。写入这么大,意味着智能体一直在为已经付过钱的对话重复付费。 泄漏 1:一条”保护缓存”的备注 这个智能体搭配了一个上下文插件,它会给每个提示词加一小段备注(路由提示、记忆)。它把这段备注加在请求最后一条消息之后,代码注释说这个位置能保护提示词缓存。 在自动缓存下,缓存断点就是请求的末尾,所以缓存条目恰好写在这段备注处。下一个提示词不再带这段备注,于是它发送的内容没有任何部分与已缓存的内容吻合,整段对话又被重新写入。 同一会话中的三个一个词的提示词:…

**通俗地说。**本文讲的是一个较早的测试,它把 39 个真实请求只以文字重放。测试比较了显示开发者本人过去的纠正和简短规则两种做法,它并不能证明插件在真实使用中有效。之后的测试更容易看懂:用编造的个人习惯,Claude(Sonnet)在没有 Off the Wall 时 33 次中遵守了 2 次,有它时遵守了 20 次。见通俗说明文章。 本文是英文原文的简体中文翻译。如有出入,以英文原文为准。 2026-10-28 更新:之后做的个人偏好测量(不回溯 1/33,原默认 9/33,宽检索 17/33,合成任务)见 Off the Wall 一文。宽检索从 0.3.0 起为默认。本文的重放实验没有变化。 2026-10-23 更新:本文把历史重放实验与公开插件实际能展示的内容区分开来。它并不能证明相对于规则有普遍优势。 一条纠正里可能包含简短规则遗漏的细节:缺的是哪个测试,哪些文件不在任务范围内,哪个决定已经委托出去。这就是 Off the Wall 的设计问题。 在连接任何个人记录之前,请先**打开合成原文回溯演示**。界面是韩文,内嵌的 JSON 标明了合成提示词、被选中的引用、源…

**通俗地说。**Off the Wall 是一个插件,在智能体回答之前,把你自己以前的纠正不加缩短地再显示一遍。我让 Claude 做了 33 个关于模型无从得知的习惯的任务:没有插件时遵守了 2 次,有插件时遵守了 20 次(Claude Sonnet,我编出来的测试习惯)。它能做什么、不能做什么,见通俗说明文章。本文是在那之前写的、更详细的测量记录。 2026-10-29 更新。在更大的模型(Sonnet)上也看到了同样的效果,删除已存纠正的 已随 0.3.1 发布。最新的数字和局限见通俗说明文章。 本文是韩文原文的简体中文翻译。如有出入,以韩文原文为准。 2026-10-28 更新。首次在模型无从得知的个人偏好上测到了效果(见下文第 7 节)。这是合成测试,所以在真实历史记录上的效果仍然未知。 2026-10-27 更新。输入边界修复已进入公开版(0.2.0),0.2.1 候选版(配置错误时阻止捕获、删除后不再保存、 中的钩子检查)已合并。我补充了在真实 Codex 宿主上运行一次的记录和提示词长度测量。 2026-10-23 更新。我把过去的实验、公开代码能复现的范围,以…