Beittu könnuðinum
Eftir þessa æfingu hefurðu látið sterkasta framlínulíkanið sem völ er á fara yfir beislisforskriftina þína og varpa henni á að minnsta kosti þrjá ólíka bakenda — í skýi, á eigin vél og í erindrekaumhverfi fyrir kóða.
Hvers vegna þetta skiptir máli
Þessi æfing kennir mikilvægustu yfirfærnina á námskeiðinu: að nota framlínuna til að halda í við framlínuna. Líkönin sem nefnd eru hér verða önnur eftir hálft ár. Það er í lagi — þú þarft ekki að taka námskeiðið aftur. Þú keyrir þetta mynstur. Gefðu sterkasta líkani líðandi stundar beislisforskriftina þína. Biddu það að fara yfir uppsetninguna og segja þér hvaða útfærslur eru bestar núna. Beittu svo dómgreind. Uppfærðu forskriftina og leiðatöfluna. Hálftími. Þetta er ekki eins skiptis æfing heldur venja á þriggja mánaða fresti. Könnuðurinn er vélbúnaðurinn sem heldur beislinu þínu varanlega í takt.
Hvernig á að gera það
- 1
Veldu könnuðinn: sterkasta líkanið sem völ er á í dag
- 2
Keyrðu könnunarúttektina
- 3
Beittu dómgreind á tillögur könnuðarins
- 4
Settu upp líkan á eigin vél — Ollama og Qwen3.5
- 5
Uppfærðu leiðatöfluna í HARNESS_SPEC.md
Fyrirmælin
I have a personal AI harness specification (HARNESS_SPEC.md) that defines how I work. I need you to act as my intelligence officer and audit this spec against the current AI landscape. Here is my spec: [PASTE HARNESS_SPEC.md] Please provide: 1. **Cloud model recommendations** — For each task type in my routing logic, which current frontier model (Claude 4.6 family, Gemini 3.1 Pro, Grok 4.20, GPT-5.4 variants) is best suited and why? Be specific about model strengths vs my specific task types. 2. **Local model options** — Which tasks in my spec would be better served by local models for privacy, cost, or offline reasons? What is the current best open-weight option (Qwen3.5-72B, GLM-5, DeepSeek variants) and what hardware do I need to run it? 3. **Agentic environment fit** — Given my working patterns, should I be using Claude Code, Cursor, Continue.dev, Windsurf, or a combination? What does each give me that the others don't? 4. **Gaps in my spec** — Are there task types common to my domain that my spec doesn't cover? What routing logic am I missing? 5. **Top 3 actions** — The three changes to my setup that would have the highest impact this week. Be specific. Use actual model names, actual tool names. No generic advice.
I want to set up a local AI model for privacy-sensitive work. My hardware: [DESCRIBE YOUR MACHINE — e.g. "MacBook Pro M3 Max 96GB" or "Windows PC, RTX 4090 24GB"]. Based on my Harness Spec: [PASTE HARNESS_SPEC.md relevant sections] Please recommend: 1. The best local model for my hardware and use case 2. The exact Ollama commands to install and run it 3. How to test that my Harness Spec works against it 4. What I gain vs lose compared to cloud models for my specific tasks
Gæðaviðmið
- ✓Þú keyrðir könnunarúttektina og fékkst tilteknar tillögur um bakenda
- ✓Að minnsta kosti eitt líkan keyrir á þinni eigin vél, gegnum Ollama eða sambærilegt
- ✓HARNESS_SPEC.md hefur kafla með núverandi bakendakorti: verk, verkfæri, rökstuðningur
- ✓Þú beittir eigin dómgreind á að minnsta kosti eina tillögu könnuðarins — samþykktir hana, hafnaðir eða breyttir
- ✓Þú þekkir taktinn: á þriggja mánaða fresti, og alltaf þegar stórt líkan kemur út, keyrirðu þessa æfingu aftur
Algeng mistök
Að samþykkja allar tillögur könnuðarins án þess að beita dómgreind
→ Könnuðurinn þekkir landslagið. Þú þekkir þínar skorður: persónuverndarkröfur, samninga við viðskiptavini, kostnaðarþak og þörf fyrir að vinna án nettengingar. Þær sía hvaða tillögur eiga raunverulega við þig. Könnuðurinn leggur til. Þú ákveður.
Að sleppa því að setja upp líkan á eigin vél af því að það „virðist flókið“
→ Ollama setur sig upp á fimm mínútum. Að sækja Qwen3.5:7b, sem kemst fyrir á hvaða vél sem er með átta gígabæt í minni, tekur aðrar fimm. Þú þarft ekkert skjákort. Minnsta líkanið er sönnun þess að þetta virki — færðu þig upp í 72B þegar vélbúnaðurinn leyfir.
Að líta á leiðatöfluna sem endanlega eftir þessa æfingu
→ Leiðataflan hefur reit fyrir dagsetningu síðustu yfirferðar af ástæðu. Landslag líkananna breytist á þriggja til sex mánaða fresti. Settu áminningu í dagatalið: við hverja stóra útgáfu keyrirðu æfingu 6.2 aftur og uppfærir töfluna. Hálftími. Ekkert nýtt námskeið.