最近我經常要重復做一件事情(也是在電腦上做的)，從開始到最后出東西，可能要花一天的時間，而且要時刻待在電腦前面。雖說是重復，但是又不太一樣，只是說流程一樣，但是內容并不一樣。
以前我嘗試做過skill，但是最后跑下來，發現還是要自己返工，來來回回的時間，和手動弄也差不多。所以，一直也沒去深究那個skill為啥不行。
但是，有一天在做完事情以后，真的覺得好煩。
所以，就又嘗試了一遍。
以前做skill的時候，是讓codex一個模塊一個模塊地去完成，把一件事情從頭做到尾，然后覺得結果達到預期了，就和codex說，根據剛才的過程，幫我創建一個skill。
這個方法聽起來很好用，因為流程已經真實跑過一遍，過程中遇到的問題也都解決了，按理說總結出來的 skill 應該能復用，但實際效果運行下來并沒有那么好，可能是因為流程太長的緣故。
很多時候，skill 看起來寫得很完整，階段也列出來了，注意事項也寫了。可是下一次真正執行時，Codex 還是會漏細節，或者某個階段沒做完就往下走。最后結果雖然“差不多”，但總是和我手動盯著做出來的效果有差距。
這次我換了個方式，沒有采用原來的那個流程，而直接和大模型說，我要做一個skill，第一步要干啥，第二步要干啥，......，把我想到的細節都告訴他，讓他幫我總結到skill里面去。
因為整個做的流程，我已經很熟悉了；同時也知道codex在做這件事情上是有能力的，雖然有人工干預，但是做事情的都是codex，我只是動動嘴皮子，告訴它我想這樣，我不想那樣，類似的。
這次的skill能運行良好，最關鍵的一點，可能是我問了codex一個問題：
“那后續，我怕你執行過程中忘記 skills 中的要求了，應該怎么避免呢？”
然后大模型說，可以用hard-gated skill + checklist。
接著，skill的執行結果，就發生了質的變化。
當然，它說它加了hard gate，它也可能會在有的地方忘記加，所以在有能力的情況下，還是可以去看一下它寫的skill，看看有沒有真的如它所說。
不過，我大部分時候，都不去看了，因為AI寫東西實在是太快太多了，要是它寫個什么東西，都要去認真看的話，估計什么事也干不了。
所以，有時候不放心的話，就反問它一句，比如說，“現在每個步驟都需要滿足某些硬性條件，才能往下執行么?“ 它就又會去檢查一遍。
接著，就是按照這個skill多跑幾遍，看看出來的結果穩不穩定。
然后我想，我是不是也可以把這套流程放到ADS里面？
為了測試這個，我把電腦中的2023版本換成了2026版本，然后大模型用的是codex 5.5 high。
使用codex最難的地方，其實就是怎么使用上，等想法設法用上以后，很多時候，只要向他提出問題就可以了。
因為我的系統的版本是Windows 10 IoT 企業版 LTSC，那個codex出的桌面版也裝不上，所以一直用的就是terminal。
雖說是terminal，但是唯一的命令，就是打開codex，其他的都是直接用自然語言對的話。
同樣的，在做skill之前，我是知道LNA的設計細節的，但是我不知道codex的能力邊界在哪里，是不是可以控制ADS來進行仿真，也不知道能不能在人工干預的情況下，把LNA設計出來。
所以，我第一步做的事情，就是和codex配合，讓codex能夠把流程自動走下來。
不出所料，codex一路就做下來了。
不過，在做skill的過程中，并不是很順利，花了大概2天時間，也沒有讓codex跑下來。我在想，是不是我干預的太多了，設了太多邊界，沒讓大模型自由探索。
光讓codex畫GUI的原理圖，就費了很長時間。剛開始，codex想的方法，是先擺器件，然后根據坐標連線，然后再和網表對比，但是總是不成功。
后來，和他說了一句，你去看一下安裝軟件下面的例子，看看有沒有參考。
參考回來后，瞬間就解決了，用snap_point的方式。
有時候大模型不知道它知道，你提醒一下，它就知道它知道了。
后來搞煩了，索性用來codex的/goal命令，試一下，要是我啥也不說，它能不能做出來。
于是我重新建立一個文件夾，重新開始。
在它運行的過程中，我發現codex在思考的過程中，知道我在設計skill的時候的一些信息，我的認知里面，既然不在一個文件夾，也沒有給上下文，我也沒有給讀其他項目的權限，那這些信息，是不應該帶過來的。
所以，我就有點小吃驚，問了一下大模型，它的回答是。
于是，我又問：
它的回答是：
關掉，我是不想關掉的，因為這個memory功能，確實能省不少事啊。
所以，我就去我網站的后臺，看CHATGPT的數據控制方式。
現在是打開的狀態。我印象中，我沒有動過這個開關。不記得，是不是我安裝的時候，是不是沒有設置，還是說，這就是默認設置。
當大家在不斷使用大模型的時候，大模型也接收到了海量的信息。
話說，在執行了大約1h時候，LNA的原理圖出來了，真實器件參數也代入進去了，帶內性能滿足設置的目標，帶外穩定性也沒有問題。
雖然，電路上還有一點工程上的問題，稍稍需要加點器件，還有偏置沒有加上。但是，我想，在目標上，把這些提醒一下，也許就沒問題了。不過，我不想費token去驗證這個事情了。
說回token這件事，剛開始用的是20美元的套餐，天天摳摳索索的，但是也能湊合用，后來GPT免費給2倍token量，突然覺得好像token自由了，而且體感上不止2倍，于是就大方了。
但是大手慣了以后，發現回不去了，于是又搞了一個號，兩個切著來，心想，我2倍的token量用著差不多，兩個號應該就能hold住吧。沒想到，還是不夠，又搞了一個號，發現還是不夠。
然后我狠狠心，充了100美元的套餐。
現在GPT又在放量了，可以多幾次重置的機會，相當于又在變相地送token，不過這次我堅決不會再往上升套餐了，還沒賺到錢，所以還是省著點花吧，精打細算一點，應該還是可以的。
