油门踏板角度控制 m t 六五零幺汽车级磁性角度编码器 m t 六五零幺 c t a d v 二 m t 六五零幺除了提供单路 sub 八封装外,还提供双路的 sub 十六封装, 使之广泛适用于汽车节气门、 e g。 二阀、油门踏板控制等需要双路勇于设计的应用场景, 欢迎技术探讨。产品特点,可选模拟输出、 pwm 输出或位置开关输出、可编程的输出传输曲线、任意四点等分区线,支持三线 s p i 与单线可编程接口。典型精度正负一度 过压与过流保护功能, a e c q。 一 百可信认证 grade 零符合 rose 标准。应用场景, 绝对角度位置检测、方向盘电子助力转向控制换挡器角度控制油门踏板角度控制节气门角度控制非接触。
粉丝266获赞1429

大家好,今天要介绍的是一款无磁性的差分霍尔电流传感器。想必工程师在设计电流传感器时肯定遇到过这三个头疼的问题,体积和成本,宽温区的精度漂移,传统霍尔电流传感器带宽不足,而我们这款无磁性电流传感器方案可以解决上述所有问题。 我们方案具有很大优势,差分霍尔感应排除共模磁场,无需集中器芯或屏蔽罩,非接触式、无损耗、非侵入式电流检测,工厂编程分段限性温度补偿,提供低热漂移宽环境温度范围负四十摄氏度至一百五十摄氏度, 高工作带宽 d c 至两百五十千赫兹,极快响应时间典型只小于二微秒。接下来介绍我们这款方案的工作原理。当交流或直流电流流经 p、 c、 b 同极线或母线时, 我们方案所用的传感器会检测其左右或上下两个霍尔原件之间感应的磁场差异。设备输出与所检测到的差分场成正比,而差分场又与施加的电流成正比。接下来进行方案性能的测试。这是一台一千安的高精度直流电源, 将模块与直流源固定,模块输出,接到高精度万用表,可以看到模块的工作电压为五伏,工作电流为十七毫安。 在零电流情况下,模块输出为二点四九六伏。将电流原电流设置为五十安,读取模块输出二点七七三伏。将电流反向读取,反向五十安的输出电压值为二点二二零伏。依次类推,我们分别将电流设置到一百安、一百五十安、 两百安,可以直观看到电压的输出变化,在常温下进行标定两百五十安下精度能够达到百分之零点五以内。如图所示为电流实际值与测量值的误差最大偏差小于百分之零点五。 图中显示了实际灵敏度的变化趋势与标定灵敏度偏差小于百分之一。在高低温温箱下测的以下数据,在负四十摄氏度到一百四十摄氏度,经温度补偿,灵敏度漂移不超过正负百分之一点五。静态电压最大漂移不超正负五毫伏。 通过实验数据可知,本方案具有强有力的性能优势,还可以应用在所有需要大电流检测的场景。在电动汽车与新能源汽车系统方面,可用于逆变器、电池管理和配电单元等。 在工业方面,可用于储能数据中心、服务器、电源、工业电机控制等。

高的扣的四点八能力表现一般般,中规中矩,用来做短流程的业务,包括做深度分析以及做深度研发。高的扣的表现是非常不错的,就是做底层业务 做极限。但是如果做长 sop, 他的表现不行。如果长 sop 本地没有记忆的情况下,你想扫描大量的上下文代码,他会有一个欺诈。 什么叫做欺诈呢?他的推理结果不是根据当前项目推理的,他优先拿到 训练缓存,然后呢模糊搜索你的整个项目工程结构,预测业务逻辑, 这个是非常大的问题。今天做的这个项目就是做长 sop 的, 上一个视频我也发过,大概扫描了五个多小时的一个方案,包括纠正 他不断的欺诈我,我在纠正的时候他也是说表面上执行,因为这三个项目都是我写的,我对底层非常的清楚,分析出来的报告以及解决方案 也是用的是表面答案,没有进行的深度原码分析,这样这种情况大部分就是掉了蒸馏缓存 以及走了 g u, 这种情况是非常离谱的。对于对项目认知不深,理解不深的人,得到 ai 的 一个情绪价值,就会误以为这个方案可行,但实际上他给的这个方案根本就是不可行的。 也就是说在理论上面的流程可能是这样的,在实际实施过程中,完全不参考项目过程以及边界,包括项目目标, 只是假设性的给一套流程给你,或者是参考某一个有效文献套了一个方案上来,这个时候你的这个项目的可能性、可控性就会非常的差。后面呢,我就切为了四点六, 对于四点六的执行速度、效率以及理解,包括上下文衔接会比四点七、四点八更强。 四点七,我这次翻车了。四点八,我今天的测试来说,做长流程业务,他也翻车了, 尤其是今天给了大量的错误代码给我,包括错误方案以及欺诈性的回复,我纠正了非常多次了,我至少纠正同一个地方不下于四次,而且我还拿到了相关的有效。前面的答案不下于四次, 而且我还拿到了相关的有效的地方不下于四次,而且我还拿到了相关的有效的答案不下于四次,而且我还拿到了相关的答案不下于四次,而且我还拿到了相关的,他才去纠正。 也就是说 ai 他 自己对他的答案是有一定的自信的,你不去推翻的情况下,他会让你 被他牵,如果你不去纠正他,你很容易被他牵着鼻子走。最后面你的项目交付就会出现一个问题,脱离本质的路线。这一次跑长 sop, 我 已经把所有的项目放在一个工作空间里面了,他都没有达到预期的效果, 所以我个人认为他的这个推理效果一般。而且我也给了旧的项目记忆作为上热门参考,包括大量分析好的一些日子,整体的表现来说算是比较差吧。对于新的模型来说,做长 sop 这种项目算是不大行, 但是他做单模块或者是部分领域深度开发,他非常的不错。 我做了一个难度很高的地方的项目测试,他的表现效果非常好,所以总结下来就是 他不适合做常热度,只适合做一段一段一段的 sop, 不 适合做超长 sop, 但是他对部分领域那种效果表现非常好。 ok, 有 空再给你们分享,拜拜。

学 plc 编程,电机原理图设计,还有向日葵远程控制,学 cad solo vox s o p 编写,还要甩锅。 学工程制图和制造工艺体系。学电气基础液压气动系统维修,电机故障诊断,还有记好公共场所和材料。 学机器人轨迹编程与 plc 信号交互配置,学液压回路设计与计算和各类阀与泵的选型。学机械图纸,还有质量管理体系。最后买个好点的帽子,保护好头。

前面都在说同一件事, ai 时代的焦虑不是你的问题,那些抗拒的人,试过更慌的人和背后风谋怎么被制造出来的?三层拆完了,现在了解,实在的知道了,不用焦虑,那能干什么? five coding 不是 编程,它是你可以用自然语言描述一个需求,让 ai 帮你写代码。你再一点点说改这里加那里,你不需要会写函数,只需要知道自己想要什么, 最适合起步的是什么。做一个自己的 codex skill, 一个 skill 本质上就是一套指令文件,核心就一个 skill m, 加上一些参考文档, 你说帮我建一个改写文案的 skill i 出股价,你再跟他说风格,再随意加一个例子,反复几轮,你就有了一把自己要的工具。 为什么这是最好的第一个项目?因为圈钱,不需要部署,不需要发布,不需要服务器,改完就生效,正反馈来得快,挫败改来的少,正好补上了前三条说的学了,但没有那个坑。 三部曲说你不一定要追 ai, 这篇说,如果你真想追,就从追一个属于自己的 skill 开始。

s o p 项目三端整合双向通讯,我已经调了三天了,重写了整一个网络通讯,重新定义了三端的状态标记以及三端契约。但是在实现的过程中, 想把底层的契约让中层完全接受,再让上层完全接受,需要调大量的逻辑,也就是说 把底层的逻辑复刻一遍到中层,再复刻一遍到前端,整个过程消耗了非常多的运算、逻辑推理、判定以及双向交互的及点对点之间交互的包括通道,光是调整通道的堵塞就花了非常多的时间。 软件项目重要的是什么?网络通讯,网络通了之后才有可能把状态同步上来。剩下来就是你的代码、业务逻辑、项目代码的一个健壮性, 以及整一个项目的重置机制、降级机制、缓存机制以及自愈机制,包括整个项目的 交互架构设计。最后面是前端,前端是一个非常重要的工作,设计前端架构有两种,第一个就是瞎判断,第二个就是按照后端的结果来判断,而是这种双向网络架构加上视频、音频的,尤其是视频连接的。 你对于网络降级跟真实后端法律数据,他是两种概念,他做不到实时拿到,包括底层的设备上报,他有时间的延迟性, 这个时候它的有效期判定是非常低的。目前整个双向通讯实现之后,也就是达到了百分之八十的一个判定有效期, 所以想做到这种项目达到那种非常稳定的难度非常之大。现在的链路还没有做, c、 d、 n 载以及网络降级,包括自动切换这些都还没做, 如果把这些都加上,可以想象出稳定性会更差。所以遇到这样的项目类型,需要的并不是说 ai 有 多强大,需要你对整个链路。哎,生。

太震撼了, ai 终于可以接管我们的剪映了,不需要你懂代码,不需要你懂编程,普通人也能用 ai 接管你的剪映,但是前提条件是啊,你要会用小龙虾呀,或者 workbody 呀,或者说是 tree 呀,或者说 solo 啊,这种 ai 的 自动化工具,因为它要需要用到这种 skills 的 技能。 我们今天啊给大家总结了 ai 接管机剪映的一个完整的 s p 流程,那么就是这个教程,那么关于 skills 的 技业少啊,能力范围啊,安装教程啊,或者说它的这个配置环境啊,你看一遍就明白了啊,我着重给大家说一下它的这种工作的原理, 那么它的底层工作原理呢,就是用剪映的这种底层的能力,那么这是一个方面。那么第二个呢,就是用大模型生成你的剪辑脚本,这个剪辑脚本结缘于你提供的这种短视频文案,或者说提供的素材呀,它生成一个剪辑的脚本,那么剪辑脚本生成之后呢, 它会根据这种执行脚本的编排时间线,添加素材,添加文本或者特效,或者转场,那么生成这种剪映的草稿,那么生成剪映草稿可能是说一个,也可能是十个或者二十个, 这个时候他才会利用这种底层的能力去剪辑,最终生成你所需要的视频。那么这就是这个 a skills 技能它的一个工作原理。那我们呢,也给大家提供了这个 skills 的 具体的一个技能啊,这是一个完整的技能,但是这个技能你需要去修改,修改什么?比如说呢,你要修改你这个 存放的位置啊,或者说你的素材信息啊,或者说你的这种剪辑逻辑啊,或者说你的这个字幕的设计,样式的设计,以及标题的设计,或者说素材,那么后面的约束性啊,或者约束要求啊,这个你都不需要修改, 但是这个修改啊,你可以自己去修改,也可以让小龙虾,或者说让你的 tree 啊 solo 啊去给你修改,那么这些都可以啊, workbody 只要能够用这种 skill 技能的这种自动化工具都可以去修改, 那么这也是我们给大家生成的一个技能,但是你这个技能需要修改,这是我们给你展示的案例,包括产品婚检的,包括片段提取的,那还有下面的素材匹配,我们会继续的给大家更新, 那么这个时候呢,如果说你想用一句话来生成视频,可以不可以?也是可以啊,那么利用你的这一块文字,或者说你的一个观点,他会去联网去搜索文案,再去生成音频,生成字幕,生成图片,那么生成视频的素材,那么结果呢?输出一个完整的视频, 那这个时候那就是一句话,可以实现你的这种视频自由了。那么我们给大家提供的这个技能啊,也是非常的好,但是我们中间会遇到一些问题,那么我也没给大家整理出来了,这些常见的问题导出失败了,如何更新呢? 那么在后面是我们对企业的一个赋能的教程,那么我们对于企业来说啊,这两三年我们一直在做什么?就是让企业真正的能够打造自己的数字员工,那么怎么打造呢?就是把你十年老员工的经验从脑子里面挖出来,形成这种结构化的知识库,让 ai 能听懂。 那么让 ai 呢?自动工作的时候,调取你的这个经验,再形成一个写题的词啊,选大模型啊,一个整套的企业落地艾法的一个方案吧。那么我们这两三年和 ai 进行了上千万次的交流,光这种踩坑的文档就有七八万字, 那这七八万字里面包含了所有企业落地 ai 的 方方面面。那么如果说你也让自己的公司落地 ai, 那 么你可以站在我们的肩膀上,少走两三年的弯路。

现在几乎所有的 ai agent 底层都在悄悄支持一个叫 skill 的 功能,如果你准备用或者用了还是感觉怪怪的,今天咱们就彻底把 agent skill 这个核心功能深度解析一遍。最后以 cloud code 为例,手把手教大家怎么实操。 那很多人上来就会问了,到底什么是 skill? 难道它就是个长一点的提示词吗?其实没那么简单,从本质上来说, skill 它就是一个大写的 markdown 格式的文件,你可以把它当成是给 ai 量身定制的 sop, 它严格规定了 ai 在 特定场景下的形式、逻辑和处理准则。 大家如果打开这个文件,会发现它有一个非常核心的双驱结构。上半部分叫做配置区,主要用来定义这个技能的英文 name, 还有非常关键的 description, 也就是它的调用时机。下半部分呢,就是指令区了,这里面设定了非常详细的规则步骤和边界流程。 那这玩意跟咱们平时用的大局提示词有什么不一样呢?大家想想,如果一开始就把所有指令塞给大模型,它是不是很容易遗忘? skill 厉害就厉害在它是动态上下文注入的, 它彻底打破了那种死板的大局指令, ai 会根据你的输入自己去阅读那个 description, 智能的判断什么时候该触发这个技能,然后才把上下文给精准加载进去。 这就直接引出了咱们要讲的 skill 最核心的三个技术优势了,大家想想为什么要这么设计呢?第一点也是最直接的按需加载零空号,就像我刚才说的,只有当你的任务匹配上了,它才会被加载进内存里,要是没有匹配的任务, 它完全不占用任何头肯,这就给咱们大幅度节约了大模型的算力成本,还有宝贵的上下文窗口。 第二点,它能让 ai 无缝切换专家引擎。通过配置不同的 skill 设定,咱们能让 ai 瞬间在资深产品架构师和严苛安全测试员这些专业身份之间按需切换,非常丝滑。第三个优势非常关键,就是收束逻辑,降低幻觉。咱们都知道大模型很容易发散,胡编乱造对吧? 通过指令区里精确设定的 s o p 流程,咱们就能死死限制住大模型的过度发散思维,让它必须老老实实按章办事,这就能非常有效地收敛幻觉问题。 讲到这,肯定有懂行的朋友会问,哎,那这个 skill 和现在非常火的 m c p 有 什么区别?其实这俩是架构协调的关系,互为表里,咱们打个比方就懂了, skill, 它其实就是 agent 的 核心大脑回路,它是纯文本的提示词、指令和业务流程规范,它决定了 ai 怎么去思考以及按什么顺序去执行。而 mcp 呢,也就是模型上下文协议,它是外部感知和肢体, 不管是操作数据库还是去联网, m c p 是 外部系统的接口和工具,它赋予了 ai 触达物理与数字世界的能力,所以说它们俩叫做以脑御手。 skill 能够主动去调度 m c p 扩展能力,但是 m c p 的 调用必须死死约束。在 skill 给你划定好的规则和流程框架底下, 绝对不能瞎跑到底怎么部署?在 skill 给你划定好的规则和流程框架底下,绝对不能瞎跑!到底怎么部署在 skill? 给你划定好的规则和流程框架底下,绝对不能瞎下载官方的开源仓库, 把官方经过严格验证的标准预设技能包集合先拿下来。第二步及其关键部署到指定目录,你把下载的技能包解压提取放到你的系统或者项目的 cloud 斜杠 skills 这个核心目录里面。 在这里给大家一个严重警告啊,坚决绝对禁止在路径里使用任何中文,不然底层读几分分钟给你报错,很多人就卡在这了。 最后一步,底层目录部署搞定之后,你直接在对话命令行里输入斜杠 skills 这个指令只要一敲回车,就能立刻调出技能面板, 你选举目标技能一键就能启动自动化现成了。是不是非常简单?大家之后一定要去实操跑一下,感受一下 agent 大 脑的魅力。

绝对角度位置检测, m t 六五零幺汽车及磁性角度编码器 n s m 四幺零幺 q 零 t o m 二 m t 六五零幺。除了提供单路 sub 八封装外,还提供双路的 sub 十六封装,使之广泛适用于汽车节气门、 e g。 二阀、油门踏板控制等需要双路勇于设计的应用场景, 欢迎技术探讨。产品特点,可选模拟输出、 pwm 输出或位置开关输出、 可编程的输出、传输曲线、任意四点等分区线。支持三线 s p i 与单线可编程接口。典型精度正负一度过压与过流保护功能, a e c q 一 百可信认证 grade 零符合 rose 标准。应用场景, 绝对角度位置检测、方向盘电子助力转向控制、换挡器角度控制、油门踏板角度控制、节气门角度控制、非接触式电位计应用。

今天咱们要聊的是 cloud code 里面的一个新功能,叫做 workflow, 嗯,这个功能可以把企业的标准操作流程 直接变成 javascript 的 控制脚本。错了,这个功能其实还挺有意思的,那我们就直接开始今天的讨论吧。咱们先来说说这个 workflows 最早是怎么被发现的,因为它一开始其实没打算公开亮相的。对,那它到底是怎么被大家发现的呢? 其实最早是在 cloud code 的 v 二点一,一四七和一四八这两个版本的更新日期里面,短暂的出现过 worksloads 的 描述,但是很快就被删掉了。嗯,不过还是被一些比较细心的用户发现了。 哎,那看来还是逃不过大家的火眼金睛啊。除此之外,还有哪些比较关键的节点让他曝光了呢?对,就是有一个 github 的 用户叫 ray mjed, 他 还专门发布了一个仓库,叫做 workflow creator。 嗯,里面就是说这是一个预览版的还没有发布的功能。 然后还有一个叫 ai 超元域的用户,他是做了一个全球手册的视频哦,然后包括一些安全研究员,比如说 daniel missler 都在 x, 也就是以前的推特上面进行了讨论。明白了,那现在这个 workflows, 它到底处于一个什么样的阶段呢? 现在还是处于一个预览的阶段,就是没有任何的官方文档,然后也没有正式发布 ga, 所以 大家想要去玩的话,可能还是要多摸索一下。 好的,那这个 workflows 在 整个 cloud code 的 生态里面到底是处于一个什么样的位置?它跟之前的 skills 和 calwork 还有 mcp 相比,有什么独特的定位吗?可以这么说, skills 和 calwork, 其实它们已经是在往步骤化的工作这个方向去努力了。对,但是 workflows 它更进了一步,它主要的目标是把企业里面那些经常会重复出现的,有标准流程的这样的一些工作,变成一种非常规范的, 可以重复执行的确定性的这样的一个流程。没错,它强调的是把企业的 sop 真正地落地到每一个细节里面。 这么说的话,感觉它确实比其他的那些工具更适合用来做这种企业级的自动化的场景啊。 是的是的,然后 mcp 它解决的是如何连外部工具的问题,而 workflows 它解决的是如何让 ai 有 纪律可重复的执行问题。没错, 如果我们再拿 sub agent 和 skill 来做比较的话, sub agent 它是属于那种,你把任务丢给它,它就立刻开始做,而 skill 它是把一些能力打包起来。那 workflows 它更像是一个指挥家,它会按照一个设定好的剧本去调度这些能力 哦,所以它的整个定位是非常不一样的。懂了懂了,那接下来我们就来看看这个 workflows 要怎么激活现在这个预览版,它的激活方式有什么特别的地方吗?其实很简单,你只需要在你的环境变量里面, exports, cloud underscore, code underscore, workflows 等于一,然后你打开终端,输入 ultra work, 它就会出现一个彩色闪烁的提示,你就可以启动了。 嗯,但是要注意哦,这个环境变量和这个 u x, 它可能在未来的版本里面会有一些变化。好的,那 workflows 和 sub agent 相比,在技术实现上面最大的差别是什么?最大的不同就是 workflows, 它不会马上就开始执行, 它是先暂停,然后它会在本地生成一个 context 的 点。 md, 它会把你的任务的分析都写在这个文件里面。嗯,你可以看到整个的上下文和步骤, 所以说它是一个先规划再执行的这样的一个方式。对,挺不一样的。没错没错,然后最有意思的是,它会让你现场一行行的去写 javascript 的 控制脚本。哦,你保存好之后,它就会用 node js 去执行,所以它更像是一个架构师 agent, 它会把你的自然语言的需求翻译成一个多节点多阶段的这样的一个控制脚本。对,所以它会更灵活,也更适合这种复杂的企业级的场景。 确实,那有没有实际的测试过,这个 workflows 在 一些具体的任务当中到底表现怎么样?有啊,就是那个 ai 超元域,他们团队就用真实的开源的 pr 做了一个测试,他们写了大概三百行左右的 javascript 的 代码。嗯,然后分成了三个阶段, 第一个阶段是审查代码,第二个阶段是验证结果,第三个阶段是生成报告。它是一个非常复杂的任务。听起来就很厉害,那它这个过程当中是怎么执行的? 它会自动地去调动多个专业的审查器,然后在后台反复的运行,整个的流程一共是走了九十七个 agent 的 轮次。嗯,但是这些并不是同时进行的,这些数据都是来自于第三方的视频。嗯,并不是 esotope 官方公布的。 好的,那这个 workflow 它有一个 t u i 的 仪表盘,它到底有哪些功能?然后它的设计是针对什么样的使用场景的? 你在终端里面输入 workflow, 它就会弹出一个全交互的仪表盘,你可以用键盘的上下键和 enter 还有 esc 来操作。 然后它会显示每个 agent 的 状态,运行了多久,消耗了多少 token, 调用了哪些 mcp, 它整个的成熟度感觉已经非常高了,就很像是 htp 或者说那种高级的 icd 面板。对, 它是专门为需要实时监控和精细控制的这种复杂的自动化任务设计的。我很好奇这个 deep research 工作流到底是怎么运行的?它到底有哪些步骤?然后它是怎么来完成一个比较复杂的调研任务的?这个 deep research 它其实是分成三大步,第一步它会去搜索,第二步它会去交叉验证, 第三步它会去合成报告。它每一步都分工非常明确。感觉这分工确实很细致啊。那具体到每一步它会调用哪些 sub agent? 比如说它会有四个 applet 同时在跑,第一个 applet, 它是专门去查官方文档的。第二个 applet 它是只看论文的, 第三个 applet 它是专注于社区讨论的。然后第四个 applet, 它是去钻研原码的。嗯,它会把这些结果都汇总起来,而且它的这个脚本是可以附用的。下次你要做类似的调研,直接跑这个脚本就可以了,它整个的效率是非常高的。 好的,那我们现在再切换到企业的视角,就是说像 workflows 这样的一个自动化的工具,它在落地的时候会碰到哪些时机的挑战?其实很多企业它不是没有技术实力,它是缺乏一种纪律, 就是它很多的任务都是重复的,但是它没有一个标准的流程,所以它会导致很多的错误,然后效率也很低。嗯,那 workflows 它就是把这些重复的任务变成 sop, 然后自动地去执行, 所以它是真正的把企业的这个纪律和效率都提升了。那具体来说,企业在使用这个 workflows 做自动化的时候,有哪些可以借鉴的最佳实践?主要有三点,第一点就是先编辑后执行, 就是你要把你的流程先翻译成控制脚本,这样的话它就会留下一个非常清晰的记录。对,然后第二点就是要把可观测性产品化, 就是你要通过 t u i 这样的方式把它的运行状态实时地展现出来,就像我们的 ci 工具,或者说我们的 h t p 一 样。嗯,那第三点就是要让你的脚本可以附用, 就像我们的 deep research 这种脚本,你可以在不同的类似的项目里面直接去用,这样的话可以大大减少你的开发成本。哎,说回来,现在这个 workflows 预览版它有哪些风险是企业需要去注意的?目前最大的风险就是它没有 sla 的 保证,然后它的 api 和它的 ux 可能随时都会发生变化, 所以它比较适合那种先锋型的团队在 sandbox 环境里面去使用。明白了,那如果企业现在有各种各样的自动化的需求,那到底该怎么去选?是选 sabotage 还是选 skill 还是选 workflow? 如果你的任务是一次性的、探索性的,那你用 skeleton 是 最方便的。嗯,那如果你是要把一些能力打包起来给其他的流程来调用,那你应该用 skill, 那如果你的任务是反复出现的 s o p, 那 你一定要用 workflow。 对, 这个其实是我们自己总结的,并不是官方的一个选型矩阵。好的,那能不能再给我们梳理一下这个 workflows, 它整个的从想法到执行的核心的步骤?当然可以,它其实就是用户用自然语言提出一个需求, 然后 workflows 会把它解析,并且生成一个 context 点 m d, 之后再转成 javascript 代码,用 node js 去执行。并且你可以通过 workflows 这个命令去实时的观测整个的运行状态,整个的链路非常的清晰。 ok, 今天我们其实就是带大家提前体验了一下这个 cloud code 里面的 workflows, 这个新的功能确实让企业级的自动化变得更加的规范,更加的灵活,而且更可观测。好了,那这期节目咱们就到这里了,然后感谢大家的收听,咱们下期再见,拜拜。拜拜。

五个月时间,二十万颗星做一个 github 的 开源项目,爆火。 everything clock code, 这个项目的全称叫 everything clock code, 名字很疯狂,做的事情也非常的疯狂, 它的目标就是给所有 ai 编程助手装上一套外挂。你现在用 clock code 去写代码,它就是一个光杆司令,你问什么他答什么,写完了就完事了,对不对? 但是 e c c, 只要你安装上以后,那这个卡扣的它就像变了一个人一样。我天哪,完全就是两个状态,二十万可行,五个月这个增长速度确实是离谱,我的第一反应就是是不是刷新了,但是安装下来仔细去用了几天之后,我发现这个项目它确确实实有点东西。写代码之前,它会先帮你拆步骤,写计划,写完之后自动审查一点,帮你去找漏洞, 遇到安全风险他会直接拦住,根本不需要你去管。它里面有六十三个不同角色的智能器,两百五十一个技能模板,七十九个快捷命令。你可以理解成给你的 ai 程序员配了一套标准企业化的 s o p。 这个就厉害了,有包含了工作手册、检查清单和安全手册。 那这些东西其实就是帮 ai 去更好的理解该怎么去做一项开发的任务。而且最骚的一点是什么?就它不挑食, cologne 能用, cologne 能用, coser 也能用。但是我要说句实话,这个东西到底适合谁?嗯,其实这个东西它适合真正的那些在用 ai 做开发写代码的这一群人。 你装上了 e c c 以后,等于说给你这个 ai 程序员做了个升级,代码质量确实好了不少,那不适合的是谁?就是像我这种,我用 cologold 去帮我写一个简单的脚本,处理一个表格,最多的就是帮我去写 skill, 两百五十一个技能我根本用不到。社区的验证是真的,但长期的稳定性 我觉得还得再观察观察。所以我的结论是,如果你正在用 ai 去写代码,那么 e c c 这个项目肯定值得看。如果只是偶尔用用,先把 cologold 玩明白,比什么都强。

用最好的 ai 加最晚的班,克拉蔻的四点八,我做了一个什么事情?我这里有一台笔记本电脑, 然后有指纹锁的,我用克拉蔻的四点八对他的指纹进行了重写,正常来说重写这个指纹会去研究他的算法,但是他不是这么做的,他是直接把这个指纹锁的底层 进行重写,重新把画板编辑给改造了, 再读取整一个指纹锁的一个内存,再把他的画板给复刻 重排他的内存,这个还不够,他还重写了我的操作系统里面的东西,也就是整个指纹锁的 交互流程,把底层给改掉,直接改操作系统,所以对于这个能力他是 very good。 在 使用的过程中你就发现他能非常强大的推理出他的整一个 sop, 如果存在路的权限,也就是说从底层往上层去重新定义这个规则, 那这个时候你就可以把这个指纹锁改造改造,改成别的枷锁方式。因为指纹锁的指纹识别他是一个画板,就是说你把这个画画板画进去,他会记录这个痕迹 线条,那你也可以把这个改造成什么方式呢?改成数字的,验证码的,还有你自定义的一些东西的,他都可以。 因为指纹锁的逻辑,他是什么样的逻辑呢?他要的是一个底层有一个存储密钥,那这个密钥是怎么合成的?上上层有一个合成逻辑, 那如果你自己想自定义这种指纹锁怎么办?那首先你得改底层的一个认证,认证方式改好之后呢,就可以在上层改你的逻辑 后面,他有一个遵不遵循你这个识别机制呢?你也可以进行做一个调整,那这样你就可以把整一个指纹的画板 改成,比如说我想改成验证码的画板,我想改成画画的我自己画,或者是说我改成我自己喜欢的一个方式,你也可以把它改成一个人脸,除了你自己之外,你还可以加一些附加的条件,比如说 你人脸识别跟比如说你要先放一张奥特曼的照片,再加上你的人脸,这个验证才会生效。就是自定义这些奇奇怪怪的一些解锁方式。 我也觉得是非常的好玩啊。这一次四点八对比四点七来说真的是好的非常多, 四点七当时我是真的非常看不上他,但是这一次的四点八确实比想象中的表现要好很多。 ok, 有 空再跟你们聊,拜拜。

通宵了两个晚上,终于把网络问题给解决了,用了 ai 之后就没有加过这么惨的班,最终总结下来, 问题挺多的。第一个晚上主要就是解决 ipv 六,发现 ipv 六有坑的问题,在五 g 环境下是支持 ipv 六的,在移动端四 g 里面,运营商的机房是不一定支持 ibv 六的,这个时候呢,它就会自动降级到 ibv 四,然后苹果手机它有四点五 g, 有 一部分也是不支持 ibv 六的。我们就遇到了这个问题,就是假 ibv 六,你的手机显示五 g, 但是实际上走的是四 g, 也就是说运营商机房已经切到了四 g 的 机房里面去了,这个时候手机就降级了, 就反应不通我们的一个端口,那遇到这种情况怎么办?那就是降级,就是 i p v 六自动降级到 i p v 四。但是降级之后呢,遇到一个大的问题,我们需要一个中继降级的时候,问题来了, 我们从 i p v 六 p to p 降级到 i p v 四,这个时候就分为两种, p to p 是 点对点直连的,降级之后它只能变成了 采用代理的一个方式。但是呢,降级又分为两种,一个是全降级,一个是半降级。如果是全降级呢,是放弃点对点,相当于是找了一个完全中继的服务进行转发。 那半降级的方式是什么呢?半降级的方案就是在你的云服务上面,用户降级到服务器,服务器跟你的内网环境是保持点对点的。这个就是常见的网络通讯中的半降级, 是在用户端的过程中,他不会因为你的网络波动给你自动降级的,这个时候就需要你走手动降级,手动降级也需要你的底层通讯,走降级方案的通讯,他断掉点对点, 这个时候问题就来了,你要从用户端的通讯告知底层,你走半降级方案,做好通信的转换,这样子你的用户端才能连上你的整一个项目的渲染。 所以遇到这种方案的时候,你会得到一个非常大的网络开销,在波动大的时候他就会疯狂的降级。降级后会不会自动升级呢?不一定, 如果你想做的谨慎,可能会降级后,因为网络恢复之后做成自动升级这个过程是非常损耗用户的一个体验的,所以尽量来说设计这种功能的时候,得考虑一下要不要自动升级。自动降级刚才讲到了运营商的网络, 其实阿里云的网络也有这个问题,阿里云的服务器有公网 ip, 内网 ip, 但是阿里云服务器他是一个云服务器,也就是说虚拟化的,他的这个 ip 服务也就是公网服务是个虚拟网卡,他跟真实的网卡是有区别的,他不像物理机的双网卡, 这个时候你就要配这种网络代理,那如果你要走容器,都会存在两种在虚拟环境里面,再配了虚拟环境,这个时候你的网络桥接的问题你要非常注意, 要做好非常好的配置,这样他的服务器网络环境才能跟你的公网环境配置好,跟你的端口串行在一起。怎么排查呢?先排查容器内的环境,再排查服务器与容器的出口、入口环境, 排查完这里之后再去排查你的服务器的端口开放环境以及下层跟服务器的连接环境,这个时候你才能确保你的网络基本是通畅的,到了这里仅仅只成功了一半。为什么呢?因为 你的本地业务要连服务器的端口这里面也要打开,他们的通讯打开之后呢要做白名单,上层还有一个 你的域名解析,这里也要做好对应的配置,包括他的一个整个代理检查,这个时候整条链路表面上是通的,记住是表面上,你要开始走你的这个整个业务流程进行 试探,就是心跳的试探,试探通过之后呢,再把数据从这条网络上推送,加上用户端的接收。整一个接收过程要经过所有安全环境, 通过运营商的环境,通过阿里云的环境,通过域名解析的环境,再通过用户端的一个设备自身的一个解析 授权,这个时候你的项目就是通畅的了。所以整个流程下来,从硬件到软件,到网络环境,到用户端设备,以及整一个安全检查 层层加码,整套网络环境部署下来花了两天,而且还是我们的方案原先是预测通过的情况下,比如说在内网跑都是跑通的情况下,上上云都花了两个晚上调通网络接口以及端口, 可想而知像这种降级方案是非常的麻烦的,而且现在还没有空去计算他的一个降级损耗,我估计我们的降级损耗超过百分之三十。 百分之三十是什么概念呢?如果你的网络非常好的情况下,是三百毫秒到两百毫秒,那你降到百分之三十就是去掉了六十毫秒, 可能会降低很多很多的一个网络延迟,可能会降低很多的性能,会让延迟变得更高。 ok, 这个就是这两天通宵的整一个结果, 也希望大家以后在玩网络的时候也多做一些测试以及排查,尽想少尽量少踩一下这种坑,拜拜。


再试一下克拉蔻的四点八的一个深度业务能力,看看他的表现怎么样。现在是给他重构一个超长的项目 sop, 从硬件的硬件到软件的后端 调度,到前端的状态管理器,整一个设备的连接管理全部交给它去重构。先分析出来整一个链路的 sop 及硬件的项目,最头痛的问题就是双向监听, 一般来说设备都是长链接的,掉线立马需要检测重连,它就有一个双向监听, 一个主动推送,一个被动推送,双向相互通知,这样的话可以第一时间的让设备的状态保持一个最快的更新。他比四点六比起来的话深度更深, 我做方案分析就发现了,他能把项目的关联性深度会比四点六的推制效果会更强。为什么没有聊四点七呢?四点七连都不用, 所以现在的话方案已经出了,我先试一下他的一个整体的深度表现效果怎么样, 到时候再跟你们详细的做一个分享。因为这一次做的项目的 sod 非常的长,而且相当于是我前面做的一个项目的底层跟上层整体合成,这说原来的底层 跟是原来的核心设备控制底层跟业务控制底层跟用户端是分开的,现在就要进行一个深度的一个集成。我最近已经重构完所有的底层了,包括网络全部都调好了,现在剩下的就是业务的健壮性,包括做吞吐测试。 ok, 我 先去尝试一下,到时候再跟你们详细的分享它的表现效果,拜拜。