需求：有一组数据，float 类型数组，数组中的元素基本是稳定波动的，但可能会出现异常值，极大、极小。我需要在其中找到最能代表整个数组的元素。

想法：我最先想到的就是线拟合，数组的元素相当于 y 轴，元素的索引相当于 x 轴，那某个坐标（元素，索引）距离该拟合的直线距离最小，那个元素就是我想要的。

具体实现：
打开 Cursor（一款比较流行的 AI 代码编辑器），告诉它用 Python 写，且不依赖任何第三方库。为什么是 Python 呢？因为 Python 可以解释运行，不需要编译，而 C# 的编译器对 AI 来说貌似不止一个，可能是我的偏见吧，就喜欢 py。不依赖第三方库是为了，待会儿转换成 C# 代码也是无依赖的。

而且 Cursor 可以根据命令行运行的结果快速验证函数实现的正确性，很快能看到测试结果。

它先实现了一个最小二乘的算法。

它觉得完美了，我觉得还不够，马上 PUA 它去实现鲁棒回归的算法。

令人惊喜的是，这两种算法它都运行，并且做了总结。

最后再和它说，“新建一个文件，将语言转换为 C#，支持 .NetFramework 4.6.1，ls 用一个 float 类型的列表表示，编译用 dotnet build”，将代码复制到 vm 的【脚本】中，大功告成 (￣y▽,￣)╭

（附上 AI 生成的代码文件）