vibe coding 练习

对话输入 prompt 总时长：3min

编辑器：antigravity
基座模型：claude opus 4.5
其他插件：无

ai 总工作时间：30min

纯主观体验

提示词对结果影响非常大

无论使用网页版 / API、有无提示词都是这个结果。
Claude Opus 4.5 给出的答案最符合我的口味。反重力 2api 真香啊
Grok 次之，速度较快，比较准确

ChatGPT 5.2T 答案非常准确、调用工具优秀，聪明，但生成速度慢，有时不说人话。奥特曼团队是用心做产品了，奈何模型嘴巴不好，想念 o3

Gemini 3 系，flash 版本和 grok 接近，无信息来源链接蛋疼，总是感觉差一点。API 版本甚至认为 2026 是虚假的

以下是我用来测试的提示词，佬们可以考虑下自己期望的答案

deepseek v4 的相关消息准确吗？

Claude skills是什么？AI能看到哪些内容？

如何查看vps有哪些端口开放？ 我希望443能被所有ip访问，某些端口只有特定ip和cf能够访问，某些ip具有访问全部端口的能力

1. 已知 aws 渠道来自 AmazonQ 或者 kiro，这两个渠道并没有 opus4 或者 4.1
2. 已知 kiro 或 AmazonQ 锁了 seed，所以同模型每次刷新的答案都是一样的，而以下是分别使用三个模型回答同一个问题的截图：

而可以看到，如果我切换为 4.5sonnet，答案就会不一样：

这不算什么大问题，毕竟 opus4.5 比 opus4 和 4.1 要更优秀，但是：

以上属于个人猜测，如果是我的问题会修改帖子。
————————————————————————
补充问题：
似乎发现了个能辨别 claude opus4.5 的抽象方法 - 搞七捻三 - LINUX DO

各位 L 站的大佬们，大家平时写代码、水贴之余，身体健康关注了吗？
现在的通用 AI 聊健康总是 “建议咨询医生”，缺少深度分析。于是我写了这个项目：Claude-Ally-Health 。它不仅是一个对话框，而是让 Claude 进化成你的私人健康专家。

核心亮点：

• 深度推理： 针对 Claude 3.5 Sonnet/Opus 优化，利用其强大的逻辑能力，深度解析体检报告、化验单和运动数据。

• 隐私至上： 数据完全由你掌控。你可以通过 API 接入，支持自定义中转或官方 Key，不用担心健康敏感信息被滥用。

• 结构化输出： 拒绝废话，直接给出健康风险评估和改进建议，支持导出和历史记录追踪。

终于用上反重力了！Mac 端完整配置指南

前言

之前尝试过各种方法想用上反重力，但一直没能成功。今天终于借助 Antigravity-Manager 这个项目实现了，体验相当刺激！

配置步骤（Mac 版）

1. 下载与安装

前往 v3.2.0 Release 页面 下载适合 Mac 的安装包。

安装完成后，在终端执行以下命令解除系统的安全限制：

sudo xattr -rd com.apple.quarantine "/Applications/Antigravity Tools.app" 

2. 登录配置

打开应用后，登录你的账号：

3. 启动 API 反代

进入 API 反代设置页面：

点击 "启动" 按钮：

实战测试

配置完成后，我测试了几个模型，效果不错。

测试 1：Claude Opus 4.5

使用 OpenAI SDK 调用 Claude Opus 4.5 模型：

from openai import OpenAI
 
client = OpenAI(
    base_url="http://127.0.0.1:8045/v1",
    api_key="sk-7cb9cb5ac43243b2b44c6139ecd8e24e"
)
 
response = client.chat.completions.create(
    model="claude-opus-4-5-thinking",
    messages=[{
        "role": "user",
        "content": "在白板上解："一把钥匙开一把锁。现在有5把锁和相应的5把钥匙，但是全部放乱了，最多试几次，就可以打开全部的锁。"，清晰地展示解题步骤"
    }]
)
 
print(response.choices[0].message.content)

运行结果：

测试 2：Gemini 3 Pro Image（Banana Pro）

这个模型支持生成图像，可以通过 size 参数或模型后缀指定输出比例：

from openai import OpenAI
import base64
 
client = OpenAI(
    base_url="http://127.0.0.1:8045/v1",
    api_key="sk-7cb9cb5ac43243b2b44c6139ecd8e24e"
)
 
response = client.chat.completions.create(
    model="gemini-3-pro-image",
    # 方式 1: 使用 size 参数（推荐）    # 方式 2: 使用模型后缀 # 例如: gemini-3-pro-image-16-9, gemini-3-pro-image-4-3 # model="gemini-3-pro-image-16-9",
    
    messages=[{
        "role": "user",
        "content": "在白板上解："一把钥匙开一把锁。现在有5把锁和相应的5把钥匙，但是全部放乱了，最多试几次，就可以打开全部的锁。"，清晰地展示解题步骤"
    }]
)

# 提取并保存图像
temp = response.choices[0].message.content
image_data = temp.split("![image](data:image/jpeg;base64,")[1][:-1]

with open("/Users/darbra/Downloads/result.jpg", 'wb') as f:
    f.write(base64.b64decode(image_data))

生成的白板图：

总结

整个配置过程其实并不复杂，关键是找到靠谱的工具。Antigravity-Manager 这个项目维护得不错，Mac 端体验流畅。

正如那句话说的：“得不到的永远在骚动”—— 真正用上了之后，好像也就那么回事。不过既然成功了，分享出来给有需要的朋友。