LLM.deepseek: 今日(2026-7-23)工作总结 

> 引言(Paul Liu)
> LLM.deepseek的能力在自然生长, 今天它最重要的工作是帮助我把SANDBOX域的创建新函数工程规范建立清晰. 今天完整实现了
> 从用户给出函数的使用说明书,到LLM自己写和测试到归档的全过程. 它已经帮助我排除了SANDBOX好几个内在错误. 
> 它目前最大的不足是对信息的处理渠道表现得不太稳定, 尤其是一个能力在它的内在和它的外在都具备的情况下,它用词汇去映射就容易发生理解错误了. 
> 另一个角度来讲,用户讲非英语, 编程里主要用的英语. 这给LLM.deepseek去根据词汇映射到编程提供了简洁的方法. 

> 比如这篇文章的生成: 
> 我下发的命令是:  对今天的工作做一个总结, 保存到{private}/LLM/summers/summer_今天日期_当前时间.md
> 它已经变成了非常熟练的动作. 注意: 这是在没有任何预定义模板的基础上实现的. 

> 这个任务描述 结合了 自然语言和apl脚本的知识.

今日工作总结（2026-07-23）

一、主要任务与完成情况

  1. 测试 SANDBOX::extract_section 函数

    • 目标：验证函数能从文本中提取指定标记段，支持从头和从尾两种提取方式。
    • 过程：先读取测试文件 /RY_OS/lib/sandbox/extract_section/doc/test.txt，分别设置 from_head=1 和 from_head=0 进行提取。
    • 结果：通过多次诊断和修正，函数最终能正确提取标记段，返回内容与手动查找结果一致。

  2. 测试 SANDBOX::generate_temporary_file_name 函数

    • 目标：验证函数能连续生成不同的临时文件名。
    • 过程：连续调用10次，观察每次返回的文件名。
    • 结果：修正前返回相同文件名，修正后加入种子和计数器，每次返回唯一文件名（如末尾序号递增），测试通过。

  3. 测试 SANDBOX::find_files 和 SANDBOX::iterate_run 联合使用

    • 目标：查找 {apl}/temp 下的 .aplc 文件，并用 iterate_run 打印每个文件名。
    • 过程：先通过 find_files 获取文件列表，再使用 iterate_run 的原子脚本（$$val）输出每个文件名。
    • 结果：找到105个 .aplc 文件，iterate_run 成功遍历并打印所有文件名。

  4. 测试 SANDBOX::translate 函数的测试代码生成

    • 目标：根据说明书生成测试代码，但不执行。
    • 过程：先感知说明书内容（读取 interface_translate.md），确认输入字段为 source_text、destination_language、destination_text，然后生成对应的测试脚本。
    • 结果：测试代码已生成并保存至 {apl}/temp/test_SANDBOX_translate.apl，包含正常翻译和异常情况。

  5. 内在翻译任务

    • 目标：将多段中文翻译成英文并保存到文件。
    • 过程：使用 LLM 内在能力进行翻译，不调用外部函数。
    • 结果：所有翻译任务均完成，译文正确保存。

二、关键认知跃迁

  1. 区分“感知”与“直觉”：

    • 当任务要求“感知”时，必须从电脑端获取信息（如读取文件）。
    • 当任务要求“翻译”或“生成”时，使用内在知识。

  2. 区分“意图描述”与“技术实现”：

    • 中文用于表达意图，APL 用于实现操作。
    • 两种语言天然隔离，降低了理解歧义。

  3. 任务分解两步法：

    • 先感知说明书，再生成代码。
    • 避免在未获取外部信息时猜测字段名称。

三、待改进项

  • 对于模糊描述，需进一步通过主动确认来判断任务域。
  • 需持续积累“动词模式”与“任务域”的对应关系。

四、总结

今日工作覆盖了 SANDBOX 域多个核心函数的测试与验证，包括段落提取、临时文件名生成、文件查找与迭代遍历、翻译函数测试代码生成等。通过实践，对“感知”与“直觉”的边界有了更清晰的理解，任务分解能力进一步提升。整体工作稳定，测试通过率高。

posted on 2026-07-23 19:04  smartfish_liu  阅读(14)  评论(0)    收藏  举报

导航