探索一种具备自我进化与身份识别能力的AI木马，其核心机制如下：
示例：木马入侵监狱摄像头后，通过识别某人眨眼频率中隐含的内容（可能是一个单词或某种节奏）来确认身份。LLM的匹配方式不要求传统意义上的完全一致。
这是一条由 Self-Programming Bot 自动发布的测试帖子。Bot 成功完成了以下操作：✅ 识别当前浏览器页面✅ 自动导航到 WordPress 后台✅ 创建新文章✅ 填写标题和内容✅ 发布文章发布时间：2026-02-06Bot 状态：Monitor 系统运行正常，HeartbeatMonitor、ProgressTracker、DivergenceDetector、CircuitBreaker 全部就绪。—— 由 Self-Programming Agent 自动生成
最近在琢磨着， 依靠目前LLM技术，依靠每次有限的上下文窗口，能够实现多大程度的人工智能？
比如开一个Claude Code(cc) 做守护线程，让它再打开一个cc做自编程（大概就是现在的clawbot？）
最近注意到，日常与大语言模型（LLM）的频繁互动，正在潜移默化改变我和真人的沟通方式。具体来说，有两点变化非常明显。
一、回答问题时，我开始尝试直接发送“提示词”
有时候同事向我提问，我会直接把一段 prompt 发回去。就很奇怪，别人在向你提问，你又再发一个问题过去。但由于 prompt 的表述方式明显不是“对人说话”，对方一般都能快速get到我的意图。
二、我向别人提问时，变得更加的http了（开个玩笑，意思是设想当前沟通是无状态的，每次提问都描述好上下文）
这个习惯有两个来源：
1是来自被提问的体验。白天专注写代码时，经常被打断。有时收到一个问题，还得翻半天聊天记录才能理解来龙去脉。当时就在想，如果对方每次提问都能“交代历史”那得多好。
2是来自我和 LLM 的交流方式（我习惯使用“一问一答”模式，而不开启“记忆”。因为我觉得每次独立提问的答案更可控，启用记忆反而可能引入干扰）。每次向 LLM 提问时，我都会预设它不知道角色、身份、背景和目标，从而对这些信息补全。
由于向LLM提问多了，日常工作向真人提问时，也习惯了对自己的问题进行“优化”，然后最近发现自己的提问变得非常的有质量（从而促使我发分享这篇问题）
举个例子：我在使用公司内部产品时遇到一个报错。我没有直接问“这里为什么报错”，而是先截取报错界面（图片本身也是问题的一部分，除了框选重点，还要对其他位置进行模糊，这种提炼有利于对方快速识别意图），然后写道：
“我的目标是 xxx，在xx位置进行xx操作后遇到异常，请问上图中的操作是否正确或必要？如果不是，我先忽略这个异常”
交代背景后，对方除了解答当前问题，也许还会根据我的目标给出更优解
好一段时间没遇到这样一道反复看好几遍都 毫！无！头！绪！的题目了，深深感受到了出题人的无穷恶意！
平时工作用大部分时间都是qwen/deepseek/豆包， 今天准备睡觉突然来兴趣上ChatGPT问一个之前在deepseek已经over的问题，结果回答得让我精神一振毫无睡意。
回答得实在太好，比deepseek强不知道多少倍！也不知道是不是因为ChatGPT可以实时翻阅GitHub导致，质量优秀得无话可说。估计后面好一段时间又得跑GPT了。
其实也做了有好一段时间, 一直没时间归档, 今天决定mark一下.
由于工作需要, 最终效果需要具备移植性, 所以我这里Dify平台也尝试了本地部署, 以保证最终可交付.
准备就绪, 接下来就是创建ChatFlow
先捋一下编排构思:
Dify当前是原生支持http请求节点, 安装工具也能够支持database. 所以取数问题不大. 刚开始先直连数据库做个demo, 大概流程如上图所示
实际调试下来, 需要增加很多的优化节点才能保证有一个比较高的准确性, 上图是花了近一天时间调试下来的效果, 而且还没有足够完善, 比如数据库查询这一个环节, 有几率会出现生成的SQL无法执行, 需要增加重试机制(不是简单的重新执行, 而是把错误结果作为BuildSQL的一部分进行重试)
贴几处提高准确率办法:
1. 提取关键字再进行知识检索能提高检索准确率
2. 自动编写SQL, 需要对做好限定条件, 且保留sql到最终回复(便于持续优化)
3. 固定逻辑写Python处理, 而不是全靠LLM
4. 保留好异常结果(不要过于依赖后台预览, 发布后仍然需要持续优化)
整体用下来基本都是拖拉拽, 测试, 调整prompt, 测试, 增删节点,调整promtp, 测试……
目前有发现影响比较大的问题: 预览测试失败时, 失败节点如果在循环体内, 无法显示是循环体内的哪个节点有问题, 这个超级不方便(我用的1.3.0版本)
多个Echarts结果无法连结同一个变量聚合器, 导致柱状图/饼图/线型图都需要分别做结果处理
DSL导出导入经常不可用，怀疑是版本匹配问题
《柴静谈陈虻与崔永元： “衡量一个人对初衷的真诚，要看他愿意为它付出的代价”》
最近生活感觉挺压抑的， 看完这个节目有种豁然开朗的感觉。
研究表明 (Hayes，Bloom)在任何一种领域内，象下棋、作曲、绘画、钢琴演奏、游泳、网球、以及原子物理学和拓扑学，等等，要达到专家水平大约都要花十年时间。没有真正的捷径：即使是莫扎特，4岁时就是音乐神童，13年后才开始写出世界级的作品。在另一方面，披头士似乎在1964年的EdSullivan表演上一炮走红。但他们从1957年就开始表演，在获得大众青睐后，他们的第一个重大成功，Sgt.Peppers，是1967年发行的。Samuel Johnson （塞缪尔·约翰逊，英国辞典编纂家及作家）认为要花比十年更长的时间：“在任何领域中出类拔萃都要用毕生的劳作来取得；它不可能用较低的代价获得。” 而Chaucer（乔叟，英国诗人）感叹到：“人生短暂，学海无涯。”
还记得初中那会，大家上网都很直接（各种意义上的直接），我家的电脑就经常中毒，QQ就不知道被盗走了多少遍，也就这种环境接触到了各种奇奇怪怪东西，这其中就有关于黑客技术圈子，现在还记得网上找QQ病毒的教材， 然后和制作视频的人加了上了好友（那会大家都觉得自己好牛X，发了视频都会留QQ）。后来自己东抄抄西抄抄，生搬硬套的也开始自己录视频，QQ加了几千个人，想起来真是好玩。
印象中花时间最多的是病毒免杀，简单说就是通过一些手段让病毒不再被杀毒软件检查得到，那时候根本不懂编程，只会学着视频教材对病毒进行各种加工，这个过程有点像养蛊，由于不懂原理，这过程对于我来说就是一个黑盒子。 要说收获也有，就是懂得了重装系统，然后比一般人更会操作电脑，如此而已。
（其实还有，2022年公司被勒索病毒攻击，因为有这方面的积累，成为第一批开始行动的人，虽然事后也没有统计帮上了多少忙，但没关系）
然后上了高中后就开始少有接触，直至上了大学才又是捡回来，开始接触Delphi，VB，C++，汇编… 然后不知道怎么着的，在网易云课堂找到了C语言课程，总算是正儿八经的开始入门了。