- 讲一下pseo这个项目，为什么要做这个项目，不觉得现在ai写文章的价值比较低吗
- 有没有考虑做成一些通用的skill去生成
- 最初你们想用openclaw去做这个项目，想让它自进化越做越好，是怎么设计的
- 你给文章建立了一些评估标准，那么之后写的文章就是往你的评估体系上靠的，怎么保证它写的是符合的呢（意思应该是文章比较主观，只是符合评估标准不太行？）
- 当你使用页面的时候，越用越卡，甚至最后崩溃了，怎么排查
- 为什么不留在飞书，飞书和豆包合并你觉得对你们有什么影响
- 现在js的性能比较差，很多的一些项目都用到了性能更好的一些语言，你是怎么看待的
- 反问：以前都是人工排错，现阶段你们都是怎么利用ai去排错的呢
讲一下pseo这个项目，为什么要做这个项目，不觉得现在ai写文章的价值比较低吗
做这个项目就是为了提升官网的seo排名，虽然现在大家可能都不太看文章了，但是目前geo比较流行，如果我们可以产出更多geo友好的页面，我认为还是很有价值的。
有没有考虑做成一些通用的skill去生成
这个项目的前身就是用openclaw+skill去执行的，这种架构不太稳定、成本也很高，不适用我们这种场景。最初用openclaw去做的，是希望能利用其当时比较流行的memory机制，能够越写越好
最初你们想用openclaw去做这个项目，想让它自进化越做越好，是怎么设计的
当时主要想用openclaw的几种memory机制去做沉淀，但是最终没有落实。不过在同事做的一套从低代码平台迁移到代码仓库的ai任务中，他设计了一套沉淀机制，这套机制就是在ai每次完成任务后，主动将碰到的问题以及解决办法落实到leasons中，下次ai执行任务时，如果碰到了问题，就可以先翻阅leasons，从而实现一些问题的快速解决与沉淀。
你给文章建立了一些评估标准，那么之后写的文章就是往你的评估体系上靠的，怎么保证它写的是符合的呢（意思应该是文章比较主观，只是符合评估标准不太行？）
我们可以用多个不同的模型，从不同的角度去评估，这样可以得到更全面，而不片面的一些评估结果。在生产文章的时候，也可以用不同的模型去生产多篇文章，审查阶段也可以用多个模型去审查，给出不同的意见。
当你使用页面的时候，越用越卡，甚至最后崩溃了，怎么排查
如果是直接卡住，可能就是代码中有些死循环，可以debugger寻找。
如果是直接崩溃，那么可能是代码报错，可以直接看console的报错，然后通过sourceMap去定位源码
如果是一开始没问题，然后越用越卡，大概率就是内存泄漏，可能是副作用没有清除、闭包没有回收。可以用chrome的memory去排查。
为什么不留在飞书，飞书和豆包合并你觉得对你们有什么影响
没留在飞书首先是因为团队内部没有hc了，另外我也想试试增长业务以外更有挑战性的一些场景，所以跳出来到秋招里看看。
飞书和豆包合并，我理解是公司资源的一次集中分配，主要是解决toB场景的ai场景。把豆包和飞书合并，我觉得是解决这个场景的一次不错的方案，豆包的功能很强大，这样可以避免飞书又做一次ai。
至于对我们的影响，我觉得可以学习到豆包团队做的一些事情，挺好的。
现在js的性能比较差，很多的一些项目都用到了性能更好的一些语言，你是怎么看待的
我觉得以前会限定一些语言，主要有两个问题，一个是成本上来看，人工学习一套新语言、新框架，要了解其新特性，成本很高，所以很多场景不会选择最佳、而是最适合的方案。另外一个就是，从生态上考虑，如果不是特别大的性能差距，一般都是会用生态比较好的方案。
现在因为有了ai辅助，理解新语言特性的成本降低了很多，使用新语言的成本也降低了，所以采用性能更好的语言的成本并非不可接受。以前重复造轮子的成本很高，现在有了ai以后，面对生态没有那么好的、性能更好的场景下，重复造轮子的成本也降低了很多。
所以现在对开发者来讲，有一个自己的主线，比如前端js/react方向深入研究，具备架构、工程能力，就可以用自然语言很好的开发。比如我和ai现在进行vibe coding就会经过多轮对话产出技术方案，那么技术方案其实就是自然语言，只要技术方案写的够好，那么不管用什么语言，ai写起来相对来说都是比较稳定的。
反问：以前都是人工排错，现阶段你们都是怎么利用ai去排错的呢
其实和人工排错的步骤差不多，首先必须得能有错误的日志，那么就需要有一套监控体系，腾讯这边这类基建做的还是不错的，基本上出了一些线上问题，监控系统都能自动诊断，给出大概的问题的原因，以及是那次改动造成的。