Olen tavallaan yllättynyt siitä, että kukaan ei ole vielä tehnyt Dwarf Fortress MCP -palvelinta, jonka avulla Codexin tai Claude Coden kaltainen agentti voisi hallita peliä tehokkaasti ja seurata tilaa ja edistymistä. En koskaan pelannut sitä itse, latasin sen ja tarkistin sen lyhyesti noin 10 vuotta sitten, mutta nautin siitä lukemisesta. Tuntuu siltä, että se olisi erittäin hyvä LLM-testi nähdäkseen, kuinka kauan se voisi pitää kääpiöt hengissä ja kukoistavina. Koska jokainen peli johtaa lopulta johonkin ryöppyävään katastrofiin, joka saa kaikki kääpiöt kuolemaan, sillä pitäisi olla luonnollinen pysähdyspiste, mikä tekee siitä hyvän vertailukohtaehdokkaan. Ainakin minun käsitykseni siitä (pelaajien motto on "Häviäminen on hauskaa"). Hyvän työn tekeminen näissä peleissä perustuisi työkalujen kutsutarkkuudeseen ja jatkuvaan pitkien tehtävien johdonmukaisuuteen sekä kykyyn seurata ja ymmärtää monimutkaisen järjestelmän dynamiikkaa ja tehdä oikea-aikaisia toimenpiteitä, jotka ennakoivat ja torjuvat ongelmia. Ja koska se on päätelaite, se voitaisiin lähettää ja käsitellä tehokkaasti tavallisilla tokeneilla ilman multimodaalista kuvankäsittelyä, mikä tekisi siitä paljon tehokkaamman kuin muut pelit. Lisäksi tiedät, että yksikään tekoälylaboratorio ei ole kouluttautunut tähän (vielä!), joten se on "penkkimaxxingin" tahraama.

Hauska asia, kun joudut odottamaan muutaman minuutin, on kysyä puhelimellasi Claude Opukselta seuraava kysymys jostain satunnaisesta tieteenalasta tai alasta: "Mikä on mielestäsi kristallografian ydinoivallus tai analyyttinen temppu?" Korvaa kristallografia millä tahansa, mitä voit ajatella. Tähän mennessä olen kokeillut: QED; vakiomalli; Biokemia; Todennäköisyys; Evoluutioteoria; ja paljon muuta. Mallin pakottamisessa tekemään mahdotonta, tiivistämään laaja, monimutkainen kenttä "yhdeksi oudoksi tempuksi", on jotain, joka saa sen todella etsimään alan parasta syvällistä, yhdistävää periaatetta ja sitten artikuloimaan sen ytimekkäästi. Tämä on yleensä jotain, joka on ilmeistä ammatinharjoittajille, mutta on hyvin todennäköisesti tuntematon useimmille ihmisille, jotka ovat vain ohimenevästi kiinnostuneita aiheesta. Mielenkiintoista on, että voit myös painaa toistuvasti "yritä uudelleen" -painiketta samalla kehotteella ja joskus saada hyvin erilaisia, mutta yleensä erittäin kiehtovia selityksiä. Olen jo oppinut PALJON tekemällä tätä, ja se saattaa olla korkein "ymmärrys minuutissa", jonka olen kohdannut missään itseohjautuvassa oppimisessa. Koska ne eivät ole vain hauskoja faktoja tai hienoja juttuja. Ne ovat rakenteeltaan läpitunkevia ja yhdistäviä ideoita, jotka sitovat yhteen valtavan määrän teoriaa ja havaittuja ilmiöitä maailmassa. Se on varmasti paljon enemmän kaistanleveyttä kuin katsoa jälleen yksi YouTube-selitysvideo, jossa on animaatioita ja mainoksia Brilliant/KiwiCo! Ei sillä, että niissä olisi mitään vikaa.

Ajatus siitä, että OpenAI:sta on viime aikoina tapahtunut niin "lahjakkuuksien pako", että he eivät ole enää asemoituneet alan johtajaksi, on suunnilleen yhtä harhaanjohtava ja väärä kuin ajatus siitä, että GPT-5 "oli iso floppi ja malli ei ole niin loistava ja on hyvin inkrementaalinen". GPT-5 Pro ei ole vain maailman älykkäin malli nyt erittäin suuressa määrin haastavimmissa reaalimaailman tehtävissä (erityisesti koodaustehtävissä, joilla on nyt suurin taloudellinen merkitys), vaan OpenAI:n uusi codex cli -työkalu on uskomattoman hyvin toteutettu. He nousivat kaukaisesta 3. sijasta cli-työkalujen koodauksessa siihen, mikä on luultavasti paras tällä hetkellä (huomaa, että pidän edelleen Claude-koodista ja käytän sitä, se ei ole joko/tai!), ylivoimaisesti parhaalla suorituskyvyllä, pienimmällä latenssilla jne., koska se on ohjelmoitu ruosteeseen. Ja nyt tämä cli-työkalu on yhdistetty parhaaseen koodausmalliin, jolla on paras työkalukutsun luotettavuus ja paras pitkän tehtävän koherenssi vähiten hallusinaatioita. Ja sanomattakin on selvää, että heidän iOS-sovelluksensa on myös dramaattisesti parempi kuin kaikki muut tekoälysovellukset kiillotuksen ja ominaisuuksien suhteen. Claude-sovellus on vain verkkosovellus Safarin hiekkalaatikossa! Ja heidän verkkosovelluksensa on myös edelleen paras. Esimerkiksi haku toimii paremmin kuin muissa sovelluksissa. Perus blokkaus ja taklaus. Joten kyllä. Jotkut erittäin älykkäät ihmiset, kuten Ilya ja John Schulman, lähtivät muihin yrityksiin. Mutta heillä on silti aivan mahtava tekninen tiimi, jossa on uskomattoman hyviä tuoteihmisiä ja mahtavia teknisiä taitoja. Älä anna vastenmielisyytesi Altmania kohtaan sokaista sinua itsestäänselvyyksiltä. Aina kun näen jälleen yhden henkilön puhuvan siitä, kuinka huono GPT-5 on, kavahdan, koska henkilö osoittaa, ettei hän osaa ajatella itse todisteiden ja järjen perusteella, ja hänet houkuteltiin ajattelemaan mielipidettä (ja sylkemään sitä verkossa), koska hänen mielestään se saa hänet kuulostamaan fiksulta.

Kuinka siistiä on, että jokaisessa noista pienistä siruista on 8 teratavua supernopeaa tallennustilaa? Ja voit kytkeä ne molemmat siniseen koteloon ja saada 20 Gbps USB 3.3:n kautta (minulla ei ole USB 4 -portteja ja kaikki pci-e-paikkani ovat GPU:iden käytössä) Elämme tällaisen yltäkylläisyyden aikakautta.

Päivityksenä kahteen viimeaikaiseen ketjuuni GPT-5 Pron käyttämisestä läpimurtoteorioiden löytämiseksi, joissa yhdistyvät kehittyneen matematiikan uudet sovellukset tekoälyn käyttötapauksissa, pyysin mallia luomaan demototeutuksia Pythonissa käyttämällä Jaxia ja Numpya jokaiselle 11 idealle. Sitten kokosin ne projektiin ja lisäsin mukavan CLI:n niiden suorittamista varten ja sarjan päästä päähän -testejä, jotka mittasivat koodin matemaattisesti oikeellisuutta, tarkistin, että koodilla on haluamamme matemaattiset ominaisuudet ja lopuksi, tekeekö se mitään hyödyllistä verrattuna nykyisiin standardilähestymistapoihin. Käytin codex CLI:tä GPT-5:n kanssa integroidakseni kaiken ja korjatakseni virheet. Linkitän säilöön, joka sisältää yksityiskohtaisen dokumentaation koko projektista ja sitten kirjoitukset jokaisesta 11 demosta, jotka sisältävät kaikki mallin prosessin aikana tuottamat tulokset.

Vau, pääsin vihdoin kokeilemaan OpenAI:n codex CLI:n uutta versiota (heidän vastauksensa Claude Codelle). Viime kerralla yritin käyttää koodeksia (huomaa, että tämä eroaa heidän isännöidystä koodausagentistaan, jota kutsutaan myös koodeksiksi, mikä on erittäin hämmentävää; Puhun nyt työkalusta, jota käytät paikallisesti koneellasi päätteessä), se oli kirjoitettu Nodejs/Typescript-sovellukseksi, ja se oli todella: - Pääsi käsiksi vain heikompiin malleihin, kuten O4-Miniin tai niiden Codex-versioon, jota hämmentävästi kutsutaan myös Codexiksi (vakavasti?) - paljon huonompi käyttöliittymä/UX kuin Claude Code - Paljon huonompi koodauksessa huonomman mallin, huonompien työkalujen ja huonomman agenttivirran seurauksena. - se pakotti sinut ärsyttävästi antamaan luvan kaikkeen, joten sinun piti vahtia sitä koko ajan, mikä teki siitä paljon vähemmän hyödyllisen, koska et voinut aktiivisesti ajaa joukkoa niitä helposti rinnakkain. - Ehkä se oli kuitenkin hyvä asia, koska ylivoimaisesti suurin ongelma oli se, että se teki erittäin holtittomia, tuhoisia juttuja; se oli paljon ylimääräisempi kuin CC. Siksi lopetin sen käytön välittömästi, koska se päätti tehdä "git reset --hard HEAD" kätkemättä ensin, ja menetin työtä. Ei koskaan enää, ajattelin. No, pääsin vihdoin kokeilemaan täysin uutta Rust-versiota, joka käyttää GPT-5:tä ja joka voi käyttää olemassa olevaa GPT Pro -tilaustasi API-avaimen sijaan, ja tämä on niin paljon parempi, että se on järkyttävää. Ensinnäkin mikään ei yksinkertaisesti korvaa nopeaa käännettyä koodia, kun on kyse tällaisista interaktiivisista työkaluista. Se, että se on kirjoitettu ruosteella, tarkoittaa, että näppäimistösyötteessä ei ole lainkaan viivettä, eikä myöskään outoja artefakteja, kuten CC:ssä, jossa askelpalautin ei toimi oikein ja syöttö on hankalaa ja viivettä, koska se on kirjoitettu tulkitulla kielellä, joka on sata kertaa hitaampi tällaisissa asioissa. Jatkuvan viiveen ja nyökkäyksen käsitteleminen ei ole vain hitaampaa, se on henkisesti ja ehkä jopa emotionaalisesti raskasta ja uuvuttavaa, ainakin minulle, kun käytän näitä asioita tuntikausia. On kauhea tunne vihata ja paheksua työkalujasi, vaikka olet riippuvainen niistä työsi tekemisessä. Toivon todella, että tämä nostaa rimaa kaikille näille työkaluille ja vakuuttaa Anthropicin ja Googlen ja muut käyttämään myös ruostetta (tai C++:aa, Zigiä, mitä tahansa). Mutta todella suuri parannus on tietysti malli; huonommalla mallilla, joka on epäluotettava työkalukutsussa ja joka menettää johdonmukaisuuden pidemmissä tehtävissä, mikään Rustin näppäryys ei olisi hiton arvoinen. Mutta jos seuraat minua täällä, tiedät, että olen ollut hämmästynyt GPT-5 Thinkingin koodauskyvyistä ja työkalujen kutsukyvystä noin 15 minuuttia sen ilmestymisen jälkeen, vaikka olen käyttänyt sitä ensisijaisesti Cursorin agenttivälilehdeltä. Lopputulos on, että tästä uudesta ruostekoodeksista on yhtäkkiä tullut todella mahtava kilpailija CC:lle, ja sinun kannattaa ehdottomasti kokeilla sitä. Minun on katsottava, kuinka paljon käyttöä he antavat minun päästä eroon 200 dollarin GPT Pro -tilauksestani, mutta jos minun on hankittava pari lisää, se on sen arvoista. Huomaa, että en ole lopettanut CC:n käyttöä. Tykkään käyttää molempia yhdessä. Ja usko tai älä, käytän edelleen myös Cursoria. Ihmisten tulisi lakata etsimästä yhtä ainoaa työkalua, joka korvaa kaikki muut, ja hyväksyä, että eri työkaluilla on erilaiset vahvuudet ja heikkoudet, ja saat parhaat tulokset oppimalla kaiken tämän intuitiivisesti jatkuvasta käytöstä. Joka tapauksessa, tee itsellesi palvelus ja hanki se nyt. Helpoin tapa on tehdä tämä komento (huomaa, että näin saat ruosteversion, vaikka bun/npm:n käyttäminen tähän on hämmentävää): bun i -g @openai/koodeksi

Vau, pääsin vihdoin kokeilemaan OpenAI:n codex CLI:n uutta versiota (heidän vastauksensa Claude Codelle). Viime kerralla yritin käyttää koodeksia (huomaa, että tämä eroaa heidän isännöidystä koodausagentistaan, jota kutsutaan myös koodeksiksi, mikä on erittäin hämmentävää; Puhun nyt työkalusta, jota käytät paikallisesti koneellasi päätteessä), se oli kirjoitettu Nodejs/Typescript-sovellukseksi, ja se oli todella: - Pääsi käsiksi vain heikompiin malleihin, kuten O4-Miniin tai niiden Codex-versioon, jota hämmentävästi kutsutaan myös Codexiksi (vakavasti?) - paljon huonompi käyttöliittymä/UX kuin Claude Code - Paljon huonompi koodauksessa huonomman mallin, huonompien työkalujen ja huonomman agenttivirran seurauksena. - se pakotti sinut ärsyttävästi antamaan luvan kaikkeen, joten sinun piti vahtia sitä koko ajan, mikä teki siitä paljon vähemmän hyödyllisen, koska et voinut aktiivisesti ajaa joukkoa niitä helposti rinnakkain. - Ehkä se oli kuitenkin hyvä asia, koska ylivoimaisesti suurin ongelma oli se, että se teki erittäin holtittomia, tuhoisia juttuja; se oli paljon ylimääräisempi kuin CC. Siksi lopetin sen käytön välittömästi, koska se päätti tehdä "nollauksen --kova PÄÄ" kätkemättä ensin, ja menetin työtä. Ei koskaan enää, ajattelin. No, pääsin vihdoin kokeilemaan täysin uutta Rust-versiota, joka käyttää GPT-5:tä ja joka voi käyttää olemassa olevaa GPT Pro -tilaustasi API-avaimen sijaan, ja tämä on niin paljon parempi, että se on järkyttävää. Ensinnäkin mikään ei yksinkertaisesti korvaa nopeaa käännettyä koodia, kun on kyse tällaisista interaktiivisista työkaluista. Se, että se on kirjoitettu ruosteella, tarkoittaa, että näppäimistösyötteessä ei ole lainkaan viivettä, eikä myöskään outoja artefakteja, kuten CC:ssä, jossa askelpalautin ei toimi oikein ja syöttö on hankalaa ja viivettä, koska se on kirjoitettu tulkitulla kielellä, joka on sata kertaa hitaampi tällaisissa asioissa. Jatkuvan viiveen ja nyökkäyksen käsitteleminen ei ole vain hitaampaa, se on henkisesti ja ehkä jopa emotionaalisesti raskasta ja uuvuttavaa, ainakin minulle, kun käytän näitä asioita tuntikausia. On kauhea tunne vihata ja paheksua työkalujasi, vaikka olet riippuvainen niistä työsi tekemisessä. Toivon todella, että tämä nostaa rimaa kaikille näille työkaluille ja vakuuttaa Anthropicin ja Googlen ja muut käyttämään myös ruostetta (tai C++:aa, Zigiä, mitä tahansa). Mutta todella suuri parannus on tietysti malli; huonommalla mallilla, joka on epäluotettava työkalukutsussa ja joka menettää johdonmukaisuuden pidemmissä tehtävissä, mikään Rustin näppäryys ei olisi hiton arvoinen. Mutta jos seuraat minua täällä, tiedät, että olen ollut hämmästynyt GPT-5 Thinkingin koodauskyvyistä ja työkalujen kutsukyvystä noin 15 minuuttia sen ilmestymisen jälkeen, vaikka olen käyttänyt sitä ensisijaisesti Cursorin agenttivälilehdeltä. Lopputulos on, että tästä uudesta ruostekoodeksista on yhtäkkiä tullut todella mahtava kilpailija CC:lle, ja sinun kannattaa ehdottomasti kokeilla sitä. Minun on katsottava, kuinka paljon käyttöä he antavat minun päästä eroon 200 dollarin GPT Pro -tilauksestani, mutta jos minun on hankittava pari lisää, se on sen arvoista. Huomaa, että en ole lopettanut CC:n käyttöä. Tykkään käyttää molempia yhdessä. Ja usko tai älä, käytän edelleen myös Cursoria. Ihmisten tulisi lakata etsimästä yhtä ainoaa työkalua, joka korvaa kaikki muut, ja hyväksyä, että eri työkaluilla on erilaiset vahvuudet ja heikkoudet, ja saat parhaat tulokset oppimalla kaiken tämän intuitiivisesti jatkuvasta käytöstä. Joka tapauksessa, tee itsellesi palvelus ja hanki se nyt. Helpoin tapa on tehdä tämä komento (huomaa, että näin saat ruosteversion, vaikka bun/npm:n käyttäminen tähän on hämmentävää): bun i -g @openai/koodeksi

Olen täysin vakuuttunut siitä, että tällä hetkellä älykkäimmät tekoälymallit, GPT-5 Pro ja Grok4 Heavy, ovat jo tarpeeksi älykkäitä ja varmasti tarpeeksi perehtyneitä matematiikkaan ja tekoälyyn suunnitellakseen ja kehittääkseen tärkeitä teoreettisia ja käytännön löytöjä oikeanlaisella älykkäällä kehotuksella.

Miten sinun tulisi lähestyä monimutkaisia muutoksia jo ennestään monimutkaisiin ohjelmistoprojekteihin, kun käytät agenttisia koodaustyökaluja, kuten Claude Code tai Cursor? Tämä ketju on yritys selittää selkeästi paras tämänhetkinen lähestymistapani tähän ongelmaan...

Jos olet nähnyt viimeaikaiset postaukseni siitä, kuinka käytän Claude-koodia ohjelmointiin, tiedät, että minulla on luotettava tekstieditorini (Sublime Text) aina avoinna tekstitiedostolle, joka sisältää hyödyllisiä tekstinpätkiä, joita käytän kehottamaan Claude-koodia ja kohdistinta eri tavoin suorittamaan erilaisia yleisiä tehtäviä, kuten jatkamaan aiempaa keskustelua, jonka olen liittänyt alle, tai kertoa sille, kuinka korjata joukko tyyppivirheitä jne. Tämä lähestymistapa toimii, mutta siihen liittyy ärsyttävä määrä hiiren ja näppäimistön käyttöä joka kerta tekstin etsimiseen, valitsemiseen ja kopioimiseen sekä ikkunoiden vaihtamiseen ja katkelman liittämiseen. Ostin äskettäin yhden niistä "Stream Deck" -USB-laitteista, joita pelaajat ja striimaajat käyttävät erilaisten toimintojen käynnistämiseen (160 dollaria käytetään eBayssa), ja pääsin vihdoin määrittämään sen tähän käyttötapaukseen sen jälkeen, kun se oli ollut hyödytön pöydälläni muutaman viikon. Joka tapauksessa minulla on nyt seuraava hauska asetus alla olevassa kuvassa, jonka avulla voin liittää välittömästi joukon "greatest hits" -tekstinpätkiäni. Luulen, että se säästää minulta aikaa! Jokainen alarivin painike on erilainen katkelma (ja toisella rivillä oleva painike). Epäilen, että päädyn lopulta täyttämään loput avaimet muilla pätkillä. Muut painikkeet tekevät asioita, kuten käynnistävät WSL-päätteitä ja SSH-istuntoja, ja niiden avulla voin siirtää välilehtiä nopeasti vasemmalle ja oikealle Windows-päätteessä. En ole varma, kuinka hyödyllisiä ne ovat käytännössä, koska näiden asioiden laukaisemiseen on jo olemassa säännöllisiä näppäimistön pikanäppäimiä, mutta katsotaan. Laite tukee näppäinnäyttöjen täysväriä, mutta minusta se on visuaalisesti liian häiritsevää, jos se ei ole kaikki yksivärinen ja enimmäkseen tumma. Joka tapauksessa, jos se voi tehdä minusta edes hieman nopeamman, se on kustannusten ja asennusajan arvoinen. Ja se on jostain syystä minustakin tavallaan hauskaa.