如何扩展qoder的skills

哈喽，大家好，这期视频主要给大家分享一下在使用国产 ai 大 模型扣的的过程当中的一些小技巧和高级功能。好的废话不多说，我们直接开始。 首先第一个呢就是扣的的快速的模式，快速的模式就是我们可以将需求产品设计文档、技术设计文档功能实现和测试全部交给扣的，让扣的一站式完成，不需要我们人工参与。 比如说我们以当前项目为例，当前项目呢是用 python 代码实现的燃放烟花的一个小功能，我们用 qq 来试一试当前项目 有哪些可以优化的地方，点击右上角的快速的就进入了快速的模式，点击 new task。 然后呢我们可以看到在这里有一个输入框，在这个输入框我们就可以输入我们的需求，比如说优化一下当前项目的代码 输入，完成我们的需求之后，我们只需要点击 commit， 然后扣点就根据我们的需求理解当前的项目去进行产品文档设计。好的，我们可以看到扣点已经生成了一份详细的代码优化方案， 我们可以看到这个方案呢是非常的详细的，我们点击 accept， 然后点击 start now， coder 就 会根据这个代码优化方案去生成一个 to do list 进行代码的优化。 好的，我们可以看到 coder 已经帮我们完成了所有的代码优化，一共修改了七个文件，我们可以点击右上角的 disk card 放弃所有的更改， 也可以点击 accept 应用所有的更改。至此 coder 已经帮我们完成了所有的代码优化。 第二个就是 coder 的 路由功能，路由的路由功能就是我们自己或者是公司在日常的开发实践当中会总结出来我们一套开发规范， 我们可以把这一套开发规范给添加到扣子当中来，这样，哎呀，在生成代码的时候，就会按照我们这个开发规范去生成的更加的标准。具体使用呢，就是在项目的根目录点扣子下面新建一个 root 文件夹，在 root 文件夹下面就可以添加进来我们这些开发规范。 然后我们这些开发规范使用呢，就是在左下角的输入框中，我们输入爱的指令，然后点击入就会指引到我们添加的所有开发规范，我们可以单选，当然也可以多选。我们把我们的开发规范添加完成之后， 接下来输入我们的需求和 ai 聊天对话， ai 就 会按照我们的开发规范去生成相应的代码，这样呢就可以确保我们的代码生成的更加的统一和标准。好的，以上就是本期视频的所有内容了，我们下个视频再见。

如果你觉得现在的 ai agent 还不够好用，那很可能你还没用过 agent skills。 它是 snoop 及 m c p 之后推出的新一代 agent， 开发标准是基于通用 ai agent 的 工程扩展包。通过加载不同的 skill， ai agent 就 可以分装成具备专业知识的垂直 agent， 从而稳定可靠地完成特定领域的具体工作。比如加载一个金融类的 skill， 它就可以帮我们自动完成财务分析以及日常费用报销等等。加载一个法律类的 skill， 它就可以帮我们自动处理合同审查、 准备诉讼材料等等。可以说不论你从事哪个行业， agent skills 都能帮你把工作中重复的那些流程封装成一个 agent， 让它去自动执行，帮你节省大量的时间。而且随着它的使用范围越来越广，目前主流 ai 编程工具几乎都已经支持了 agent skills， 比如像 cursor、 cloud code codex 等等。 那这期视频我们就来为大家详细介绍 agent skills， 包括它的使用方法、运行原理、资源查找以及技术优势。好了，下面我们就来开始今天的视频内容。 接下来我们使用 cloud code 来介绍 it 的 skills， 如果还没有安装 cloud code， 可以 按照这个文档去安装，首先安装 root js， 然后如果是 windows 用户，还需要安装 git， 接着执行这条 npm 命令安装 cloud code， 安装完成以后可以执行 cloud， 刚刚默认验证一下是否安装成功。那如果是国内用户，直接使用 cloud 模型可能不太方便，我们可以给 cloud code 设置一个国产 ai 模型，比如像 deepsea、 千问 kimi k 二都可以。 那这里我们以 g i m 四点七这个模型为例来演示一下，这个 i 模型呢，有提供一些免费额度，而且效果也挺不错，那可以看到它这里支持三种配置方式，分别是自动化助手、自动化摇本，还有手动配置， 我们选择。第一步，我们需要在用户目录下的点 cloud 文件夹里面的这个 settings， 点 jason 这个文件中添加上下面这段 jason 配置。 我们先打开用户目录，那由于点 cloud 是 一个隐藏文件夹，默认是不显示的，要让它显示的话， mac 用户可以同时按下 command 加 shift， 加点这三个键。 windows 用户呢，可以在文件资源管理器中点击查看，然后显示，然后勾选上隐藏的项目， 这样就能看到这个点开了的文件夹了。然后我们打开这个文件夹，找到 settings 点 json 这个文件，如果没有这个文件，可以自己手动创建一个，那接着我们把这段 json 配置复制过来，注意这里这个 api key 要替换成我们自己的 api key， 在 这里新建一个，然后复制过来就可以了。 然后第二步，我们需要在用户目录下的这个点 cloud 点 json 这个文件中添加上这个配置参数。我们回到用户目录， 然后打开这个点 cloud 点 json 文件，我们可以在这个文件中先搜一下是否已经配置了这个参数，那可以看到这里显示它默认是包含这个参数的，那我们就不需要再去配置它了。好了，完成配置以后，我们就可以正常使用 cloud to code 了， 执行 cloud 命令，启动 cloud code， 然后选择信任这个配置文件，那可以看到它就成功绕过了这个 astropica 的 身份认证，直接进入到了 cloud code 它的对话页面，我们执行斜线 models， 那这里显示的模型呢？依然是 cloud 模型，它和 glm 模型的对应关系是这样的， cloud ops 四点五和 cloud solid 四点五对应的都是 glm 四点七，而这个 cloud hq 四点五对应的是 glm 四点六。 我们选择使用这个 solid， 也就是 glm 四点七模型来测试一下。好了，现在这个 cloud code 就 可以正常使用了。 那接下来我们来介绍一下如何在 cloud code 中使用这个 it 的 skills。 这是 esoteric 官方维护的一个 get up 项目， 打开这个 skills 这个文件夹，那这些就是 esoteric 给我们提供的一些 skills 势例，比如设计前端的 skill、 操作 pdf 的 skill， 操作 ppt 的 skill。 那这里面对我们最有用的是这个 skill creator， 那 这是一个用来生成 skill 的 skill。 没错， isrook 官方推荐的使用方式呢，就是使用这个 skill 去自动生成你需要的任何 skill。 那 要怎么使用这个 skill creator 呢？我们回到这个项目页面，点击这里，先下载代码， 可以使用 get clone， 或者直接下载这个压缩包，下载完成后，把代码解压出来， 找到这个 skill creator 这个文件夹，然后把它复制到我们当前用户目录下这个点 cloud 文件夹下面的这个 skills 文件夹里面就可以了。如果这个点 cloud 下面没有这个 skills 文件夹，可以自己手动创建一个， 那其他 skill 呢？如果有需要也可以复制过来，比如这个操作 pdf 的 skill， 还有这个操作 ppt 的 skill， 我 们也一并复制过来。好了，这样这三个 skill 就 配制成功了。那接下来我们就可以在 cloud code 中去使用它们了。 我们用 vs code 打开用户目录下的这个点开了的文件夹，那第三个就是刚才配置的 skill。 那 接着我们打开命令行，切换到这个用户目录，启动 cloud code。 好 了。下面呢，我们根据一个真实的工作场景，从零开始来生成一个 skill， 来帮助我们自动化处理重复性的工作。那具体的场景是这样的， 比如我们是一家公司，负责招聘 hr， 每天都要筛选很多份辞职简历，然后根据公司的招聘标准筛选出符合条件的简历，并根据筛选的结果生成一份分析报告，并通过邮件发送给你的上级。 这套流程你可能需要经常执行，那针对这类重复性的工作，我们就可以把它封装成一个 skill 来自动处理。回到 copy， 粘贴上相应的提示词，让它根据我们的工作场景来生成这个 skill， 要求它从一个本地文件夹读取文件夹内的所有 pdf 简历，然后分析简历内容并进行筛选。 筛选过程需要参考公司的招聘标准文档，包括销售、开发这些岗位。接着分析完成以后，要根据这个报告模板生成一份分析报告，并通过 email 发送出去，而且发送 email 的 操作要求是可选的。好了，我们来执行任务， 那可以看到它，这里提示它会使用我们前面配置的这个 skill creator 这个 skill 来完成这个任务，然后它就会引导我们去一步一步完成创建。首先它问我们是否准备了这个招聘标准文档，还是需要让 ai 去生成一个视屏模板， 那这里我们让他去生成数据模板，如果有自己公司的招聘文档的，也可以直接使用。然后他让我们选择邮件发送使用什么方式，我们选择使用 python 脚本。好了，确定方案以后，我们点击提交让他去执行。 执行结束后，我们来看一下这个 resume skinner， 就是 skill creator 给我们生成的这个 skill。 打开这个文件夹，这就是一个典型的 skill 的 结构。首先这个 skill 点 m d， 这是一个 markdown 文件，它里面存储的就是这个 skill 的 主体逻辑。 那可以看到它的内容呢？主要有两部分。首先是这个 skill 的 原数据，包括这个 skill 的 名字还有描述，那 ai 呢？根据这些原数据就可以确定这个 skill 的 功能是什么，什么时候可以调用它。比如我们给 ai 发送消息， 需要筛选某个文件夹下面的简历，那 ai 就 会去匹配所有 skill 的 原数据。当匹配到这个 skill， 通过对比它的描述信息就可以确定这个 skill 呢就能满足我们的功能需求。接着它就会去使用这个 skill， 那 可以发现它的这个匹配原理和 m c p 是 一样的， 但是相比于 m c p 呢， agent's skills 有 一项非常明显的优势，就是投币消耗明显降低，这些我们在后面会具体介绍 好了。在 skill 点 m t 中，除了原数据，剩下的就是这个 skill 的 具体执行逻辑。首先是需要准备的数据包括三个部分，一是存放这个简历的文件夹，二是这个招聘标准的文档， 它这里使用的是这个 reference 这个目录下的这两个 markdown 文件。三是一个报告模板，使用的是 size 目录下的这个 markdown 文件。那准备完数据以后，接着就是读取简历内容，然后分析简历。这里需要注意，在分析简历这一步呢， 它使用了这个 pdf 这个 skill 来读取这个简历的内容。也就是说多个 agent 的 skills 呢，是可以互相联动使用的。我们来看一下这个 pdf skill， 在它的这个 skill 点 m d 文件中，这个表格总结了它知识的功能，这里面包括合并 pdf， 切分 pdf， 提取 pdf 内容等等。我们这个简历筛选 skill 使用的就是这个 extract text 的 这个功能来提取 pdf 简历的内容。 在 skill 中，除了脚本文档，默认都是 markdown 格式的，如果不熟悉 markdown 语法，可以先去了解一下。在我们之前的这期视频中有介绍过 markdown 语法使用也非常简单，只需要几分钟就能快速掌握 好了。我们回到这个简历筛选 skill， 那 在新的 skill 中是否需要调用其他 skill 的 能力呢？ 我们可以根据使用需求来决定，比如新的 skill 只是给自己使用，这时候就可以选择调用已有的 skill 能力，那这样可以减少开发和调试的时间，因为已有的 skill 它的能力已经经过了验证。但是如果这个新的 skill 除了自己使用，我们还要分享给其他人， 或者需要多个人去联合开发。最好就不要选择调用已有 skill 的 能力，而是应该告诉 ai 使用脚本去单独实现这部分功能，这样可以确保这个 skill 的 独立性，分享或联合开发都会更方便。分析完简历以后，接着使用这个模板去生成报告， 最后使用这个 scripts 这个目录下的 send email 这个 python 脚本来发送 email。 最后他还给了几个使用视例，只需要这样和 ai 对 话，他就会调用这个 skill 帮我们自动筛选简历。 我们可以选择只筛选简历或者筛选简历并发送报告。那可以看到通过结合 ai 模型的语义理解， ai skills 的 使用是非常灵活的，他可以通过对话内容灵活选择需要的功能，避免浪费 token。 那接着我们再来看一下这几个文件夹，这个 scripts 里面存储的就是可以被 skill 调用的脚本，比如这个发送邮件的脚本，然后 reference 里面就是 skill md 需要参考的文档， 一个是开发人员招聘标准，一个是销售人员招聘标准，里面罗列了很多细色，包括专业背景、工作经验等等。我们可以使用自己公司的招聘文档替换到这些模板，或者直接在模板中按照自己的需要去进行修改。 这个 assess 文件夹里面存放的是 skill 的 一些素材资源，比如像模板文件，公司的 logo， 字体文件等等。这个就是简历筛选后生成报告的模板，可以看到里面的内容还是很详细的，包括通过筛选的人员，未通过筛选的人员，以及每位应聘者在各个方面的具体表现， 能够帮助 hr 快 速掌握应聘者的具体情况。好了，下面我们来测试下这个简历筛选的 skill， 看一看效果怎么样。这里我用 ai 生成了两份开发人员的简历，打开来看一下，左侧这份简历的应聘者呢，没有软件开发的相关工作经验是不符合招聘标准的， 而右侧这份简历的应聘者就有比较好的开发经验，符合公司的招聘标准。我们就用这两份简历来进行测试。把这个简历文件夹拖到这个 id 号框， 然后我们让它去分析这个文件夹下面的所有简历生成报告，但是不要发送邮件，可以看到它提示可以调用这个 resume scanner 这个 skill 来进行处理。我们点击执行， 执行结束以后输出了一个分析结果，而且在这个简历文件夹下面生成了一份 markdown 格式的分析报告。我们把这个报告拖进来看一下， 点击这个预览，这个就是生成后的分析报告，那可以看到内容也非常详细，里面包括报告预览、数据汇总，通过筛选的人，未通过筛选的人以及应聘者在各个方面的评估。那通过这份报告就能帮助我们快速了解所有应聘者的具体情况， 并及时给符合条件的应聘者安排面试。接下来我们再来测试一下这个发送邮件的功能。先来配置一下发送邮件的参数，我们直接问 ai 如何配置这些参数， 按照他给出的说明，我们需要配置这些参数。先来创建一个邮箱的应用密码， 然后复制这个密码保存下来。接着我们让它修改一下这个发送的脚本，我们让它改为从本地环境变量去读取这些参数。 好了，修改完成以后，我们执行 exit， 先退出 client code， 然后执行这几条 export 命令，设置一下这个发送邮件的参数，这里面包括发件人、收件人，还有这个邮箱的英文密码，注意这个密码中间的这个空格要删掉。 然后我们再重新启动 cloud code， 再来重新执行一次这个简历分析任务。但是这次我们要求它在生成报告之后，需要发送电子邮件。 执行结束来看一下这个收到的邮件，那可以看到这里面它没有附带上那个生成的报告，而且这个邮件的内容也过于简单，我们让它来优化一下，要求还是从环境变量读取参数， 而且在邮件中要以附件的形式带上生成的报告，还有所有的 pdf 简历，并且这个邮件的内容要优化一下，需要能够体现这个邮件的用途。 好了，修改完成以后，这个 ai 它自动完成了测试。我们来看一下收到的邮件，这次就没有问题了，首先这个邮件的内容包含了这个邮件的用途，然后附件也包含了这个生成的报告， 还有这些是所有的 pdf 简历，方便去对比查看。好了，那这样我们这个简历筛选的 skill 再经过一些详细的测试，就可以用来帮我们自动筛选简历来处理一些重复的工作了。 那接下来我们结合这个简历筛选的 skill， 来介绍一下 it skills 的 工作原理。在 it skills 的 工作过程中呢，一共有三个角色参与其中，第一就是作为用户的我们， 第二就是我们使用的 ai 工具 cloud code， 第三就是 ai 工具背后使用的 ai 模型，在这里是 g m 四点七， 整个过程大概是这样的，当 cloud code 启动以后，里面所有的 agent skills 都会先把自己 skill 的 原数据加载到 ai 的 上下文窗口中，那这些原数据我们在前面介绍过， 就是 skill 点 m d 这个文件中 skill 的 名字和描述信息，那这些原数据可以用来匹配 skill 的 调用，而且这些原数据呢，通常都很短，长度只有几百个 token， 所以 它们是常住在 ai 上新闻窗口中的，不会造成负担。 然后当用户发送消息要求筛选简历，这个消息就会通过 cloud code 转发到 ai， ai 就 会检测上下文窗口中所有 skill 的 原数据，当检测到这个 resume scanner 这个 skill， 通过匹配描述信息发现这个 skill 恰好能够满足需求， 接着他就会去使用这个 skill 来完成这个任务，那这时候他才会去真正把 skill 的 主体逻辑，也就是 skill 点 md 读取过来，然后按照这个 skill 点 md 里面的设定开始进行处理。 首先调用 pdf skill 提取简历的内容，然后提取这个招聘标准的文档进行简历分析， 接着根据这个分析结果读取这个报告模板去生成报告。最后就是调用邮件发送这个脚本去发送邮件，而且这个发送邮件是可选的，这就是 agent skills 的 执行过程。那可以发现这套设计呢，遵循了一个理念， 就是只有在真正需要的时候，才会把数据读取到 ai 的 上下文窗口，这样就可以大大减少拖延消耗。 比如在 cloud code 启动后， ai 只会获取 skill 的 原数据，而只有在确定调用某个 skill 之后，才会去真正获取 skill 的 各种文档。这种工作方式叫做间接式批录或者延迟加载，主要目的就是减少拖坑的消耗。而且在这个过程中，脚本并不会全部读到 ai 上下文， 只需要读取调用脚本所需的最小信息就可以。那我们这个简历筛选的 skill 后期还可以继续扩展，比如添加面试规划的功能，但是需要注意，一个 skill 不 宜过大，最好合理划分多个 skill， 然后去联动使用多个 skill 来完成复杂的任务，这样更方便管理和扩展。 下面我们再来介绍一个可以查找 agent skills 的 免费网站，就是这个 skills mp， 这里收入的都是 github 上开源的 agent skills， 目前为止一共收入了六六五四一个。要使用它，我们可以点击这个搜索功能， 比如我们搜索关于交易类的相关 skill， 这里就返回了我们需要的。我们打开一个，可以看到这些就是 skill 的 内部文档，包括 skill md， 还有 reference 下面的参考文档 scripts 下面的 shop 脚本。 要使用这个 skill 也非常简单，只需要点击这里下载文件，然后解压出来，把这个 skill 文件夹复制到点 cloud 下面的 skills 文件夹下面就可以了。 我们执行斜线 skills， 可以 看到这个生成交易计划的 skill 就 已经配置完成了，那下面我们用它来生成一份贵金属的交易计划来试一试。 执行结束后，它就给我们生成了一份 markdown 格式的计划文档，我们拖进来看一下， 这个就是生成的这个交易计划文档了，内容还是比较详细的。我们回到这个网站，如果想要查看这个 skill 对 应的 github 项目，可以点击这里跳转到 github， 这些都是可以使用的 skill。 那除了搜索，我们还可以点击这里按照分类来查看 skill， 这里面包括生产工具类、自动化工具类等等，在这里还可以按照 star 树或者更新日期来排序。那这个网站用来快速查找需要的 skill 还是挺不错的。 最后我们来对比一下 agent skills 和 m c p 这两项 ai 技术使用起来让人感觉非常相似，那我们应该选择哪一个去使用呢？其实它们都是 astropica 推出的开放标准，两者的区别主要体现在设计理念和适用场景这两方面。我们先来看一下 agent skills， 结合我们前面这个简历筛选的例子，那可以发现 agent skills 是 在做什么呢？它是在封装一系列需要重复执行的步骤，把这些步骤封装成一个 skill 去自动处理。比如发票报销，也是一个需要重复执行的多个步骤的流程，同样可以封装成一个 skill。 那 mcp 又是怎么回事呢？我们在之前的这期视频中有介绍过 mcp， 有 需要的话可以去看一下。 mcp 的 核心设计理念是什么呢？一句话就是连接万物，也就是把各种外部服务通过 mcp 这个万能的 usb 接口全部接入到 ai 里面，比如各种软件、各种社交平台、网站以及各种数据库等等，所以这两者在最初的设计理念上就是截然不同的。 我这里总结了一个表格，来对 agent skills 和 mcp 做一个对比。先看作用上的区别， agent skills 主要解决的是一件事，就是把步骤、规则、逻辑判断封装起来，也就是说，它是把一套专业的流程直接做成一个可以附用的能力。 而 mcp 干的事情不一样，它的核心作用呢，是给 ai 提供标准化的工具接口，让 ai 可以 安全规范地接入外部的系统，比如像 api、 数据库、底层服务。 再来看适用场景， agent skills 呢，它更适合用在流程固定，需要反复执行，而且依赖专业经验的人物，本质上就是把专业知识固化下来，然后让 agent 按照规则去稳定执行。 而 mcp 呢，更适合用在 ai 需要获取外部数据，或者需要调用外部系统去完成某个操作。比如像查询数据、发送消息、调用接口这些事情，那如果看典型的应用，比如像筛选简历、报销审批、流程审核， 这些都是多步骤、规则强的任务。而 mcp 的 典型场景呢，比如像查询 github， 发送 select 消息、访问数据库，它本质上呢，是在帮助 ai 去使用工具。那再往下看一下使用门槛， agent skills， 它的使用门槛相对比较低， 通常使用 markdown 加一些脚本就可以定义清楚流程，还有能力，但 mcp 的 门槛就要高不少，你需要理解协议配置接口， 有时候还需要去自己部署 m c p server， 对 工程能力的要求更高。最后是我们最关心的偷窥消耗， agent skills 呢，采用的是见进披露的方式， 只有在需要的时候才加载对应的步骤还有信息，所以整体的偷窥消耗相对比较低。而 m c p 往往是一次性加载全部的数据，它的偷窥消耗明显会更高。所以我们可以这样理解 agent skills， 它负责的是怎么把工具用起来， 它们两者并不是替代关系，而是在一个 agent 系统里面各自解决不同层面的问题。那关于 agent skills 我 们就介绍完了，可以说这绝对是一项非常实用的 ai 技能，大家可以想一想在自己工作中存在哪些重复性的流程， 是否可以封装成 skill， 让它去自动执行，然后呢，可以去动手试一试。好了，最后感谢大家的观看和点赞支持，我们下期视频再见，谢谢！

扣的换号如何不失忆？使用过扣的小伙伴都有过换号的经历，但是当我们换号以后， 会发现里面之前的聊天记录和模型的记忆全部就消失了，这个问题是可以解决的，我们来看一下这个账号已经使用了八百积分，如果再使用下去的话，就会使用他的清量免费模型，这个模型非常的笨，就没法使用了， 所以我们需要切换一个账号，如果我们直接在界面上三闹的将这个账号退出的话，这个记忆肯定是会消失的。注意这里有一个技巧，我们先来打开一个其他的项目，比如这个，随便选择一个空的文件夹，先将其他项目打开，接着再将账号 三闹的退出，粘贴好。这个账号登录上来以后是零杠八百的积分，然后我们再回到客户端里面， 点击塞进来登录我们已经准备好的账号，好打开扣的，发现这个积分又变为了零杠八百 模型，这里又可以使用它的极致模型一点六叉。注意看这里，我们想恢复模型的记忆和对话，只需要打开一个最近的项目，刚才的项目是 front 的 前端好，打开以后发现里面的对话还都在， 然后我们问一下啊，来试一下他的记忆还在不在，我们问他你刚才都发了什么，如果他失忆的话应该发 我没有发什么之类的，看一看这个模型的回复会给出什么东西。模型刚才思考了一下，他回复刚才在测试修复七牛云和腾讯 im 消息集成的问题， 说明这个模型没有失忆，上面的对话也没有断开，这是一个非常实用的小技巧。

同一段内容三种图， canvas x keloid moment 全套 skills 完全开源。 hey， 你 好，欢迎回到 exter。 最近啊， obsidian 官方开源了一套 cloud skills， 这件事非常关键，因为它相当于把路给修好了。那我今天做的事情就很简单， 我把格式化这辆车开出来，咱们不讲概念，直接来给你看结果。我们先把时间线讲清楚，我在二零二五年四月就公开演示过 ai 写 obsidian canvas 画图。二零二五年七月呢，我又把流程扩展到了 cloud code 和 james c l i， 连 excel 也一起跑通了。但当时没有 skills 这种可安装可分发的机制，所以我当时交付的呢，是一个蓝图 prompt， 我 把它放到了我的免费课程里边。 现在官方把路修好，我就把这套东西呢，升级成可安装可分享的 skills 了。今天啊，我就给大家演示常用的三种文本格式化的 skills。 我用同一份 maps 内容，用官方的 skills 跑一次，用我的 skills 呢跑两次，然后再用同一份内容，用我的另外两个 skills 呢，生成 excel 和模型的图标，你看完就知道呀，这到底是不是生产力了？好，我们先来看官方的 json canvas， 这就是官方 skill 生成的 canvas 结果它解决的核心问题呢，就是生成一个合法的、规范的 canvas。 json 这件事非常重要啊，因为你只要 json 不 合法，那么 obsidian 就 直接打不开。那再看我这边， 首先呢，我的 skill 变量只有一个，就是要不要指定布局。我们先不指定布局，让它自己来判断。 maps 这种层级结构啊，会自动地选 mindmap， 这是默认输出，你会看到它的目标不是把节点放进去，而是尽量的让层级关系呢，更能一眼的就能读清楚。然后我只改一个变量，我明确的指定 freeform， 就是 同一份内容，立刻就变成了白板沙盘的表达，这就更像你在白板上组织结构。 所以这里真正的差异啊，不是我比官方多了一个样式，而是官方给你 bassline， 给你基线。而我这边呢，我既可以自动推断，也可以手动切换布局。 那官方解决的是格式合不合法，我解决的呢，是布局好不好看。我现在不下结论说谁永远更好，因为这跟输入规模呀，内容结构，模型状态都有关系。但至少这次实测说明了一件事， 当你把生成策略写清楚，输出呢，就会更加可控。那这就是我做这个 skill 的 原因。好，接下来同样的内容呢，我再让它生成 excel 状，样式，同样让它自动选择。 你看这个风格就很直观了，手绘感、演示感很强。而且重点是啊，这不是图片，它是可以编辑的原文件，你之后要改结构，改错词，改排版，都可以继续改。这就是我说的资产保证度。你拿到的不是一个截图，是可以持续迭代的数据资产， 所以我一般要做分享，做讲解，或者是做视频里的视觉照就很合适。然后是默 made， model 的 定位就更加功臣一些了。你看它生成的是这种 subgraph 的 分组连接关系，还有注视线往下呢，还有张表，把思维的核心问题呢，和关键词都直接的整理出来。这就是 model 的 优势啊，它更适合进文档，进项目说明，进课程的讲义。 所以当你写文章，写 readme， 写 s o p， 想要一张专业的结构图的时候，那磨美的很省事，它也很容易的版本化，你只要改两行文字图就更新了，这也不需要你重新的去拖拽 这三种内容格式化的方式啊，基本上就能覆盖我们大部分的使用场景了，所以我把它打包成了三件套。 canvas 我 们可以做思考沙盘， excel 我 们可以做表达和演示。模拟的呢，我们可以用来做工程文档， 那同一份内容你就可以按场景来切换输出格式就可以了。安装方式呢，很简单，从描述栏的链接进入到我的开源的仓库，然后呢，把这些文件下载回来， 放到你的用户目录的 cloud skills 里面就可以了。然后 cloud code 呢，它就能调用这些 skill。 当然我也要提前说清楚，这套东西呢，还是实验性的，我并没有做过非常完善的完美的测试，所以你把它当成一个可读可改可复现的实验，更准确一些，有问题就可以提 issue， 或者你自己去 fork 一个去改都可以。 那官方修路给我们规范和生态，我做的就是把格式化这辆车开出来，你要的就是更少的拖拽，更少的对齐和更少的手工整理。那这一套打法呢，其实就是我的 maps 体系里面的架构层的一个落地演示，先定义系统，再选择工具。 我在二零二四年使用 make 加 notion 做默认的图，二零二五年用 cloud code， gemite， c， i， l i 等等这些 ai 工具呢，做 opposite， canvas 和 external 的 图，包括今天我们用 skills 再来实现同样的目标， 这里体现的就是工具自由。你输出的是规则， ai 呢，就负责执行今天开源的是规则， ai 呢，就负责执行。今天开源的是规则， ai 呢，就负责执行。今天开源的设计思路蓝图 prompt 怎么写，怎么叠代， 在我的免费课程里面都有链接在描述区。如果你想系统化地掌握这套思维方式呢？ maps 的 训练营的链接也在下边。那今天就到这里，咱们下期再见。

你看，我刚提早了两个任务，现在一个在本地跑，一个在云端跑，我已经可以不管它了。所以咱们现在可以去喝杯咖啡，回来直接看结果。 当然，这就是我们今天想要聊的 quest 模式。我是周章，我是 karina， 我 们来做 coder 产品团队。今天我们非常高兴向大家介绍 quest 的 一点零 自主进化智能体，一个我们打磨了很久的能力，可以说是从头到尾全部重做了一遍。快速的逻辑很简单，把任务丢给他，去做其他想做的事情就好。最后回来查看结果，不再用一步一步看着，把想要做什么说清楚就行。 他能帮你写 spec， 也就是需求和设计文档，然后自己跑任务，还可以多个任务并行，甚至直接扔到云端跑。 那我们今天就不讲 ppt 了，直接上手演示给你看。我们从一个真实需求开始。 corrine， 我 听说你是一个旅行达人？对的，我很喜欢旅行。 memos 是 一个我常用来记录旅行想法和见闻的工具， 我想通过 quest 把它升级成为一个出游助手。这个是我之前记录的旅行想法，二月份去夏威夷度假五天，但这个旅行想法还没有具体计划，所以我想让 quest 帮我生成完整的日程，并且记录在 memos 上。像真正的旅行规划助手一样，我先把想法告诉 quest， 对于这种复杂功能，需求越清楚越好，让 spec 辅助你会更好。是的，我来补充一下细节，你看，快速并不会直接开始执行，而是先问清楚，了解清楚再动手，避免来来回回返工。 好了，我们已经有了第一版技术方案。不错，你的想法已经变成了一份清晰的开发文档，这要是自己写，怎么也得半个小时起步。我再来补充一下验收标准，加到 spec 里就这么简单，不需要改代码，直接说就可以修改 spec 文档。现在这版挺完善了，让他开始干活。 哎，你看这里快速的记住了 memos 之前的代码规范，并且会主动调用多种工具，这样它就能生成符合项目风格的代码。那我们去喝杯咖啡当然可以，不过既然我们今天都来了，不如顺手再做一个功能。什么功能呢？ 我之前去西雅图和波特兰旅行，每天都记了日记，可都是碎片，我想让 quest 把它们整理成一个精美的旅行故事，分享给朋友。这个想法可以啊，交给远程跑，两个任务一起吧。这个任务偏视觉设计，我们用 quest 它的 prototype 场景，让它快速迭代。嗯， 这样两个任务分别使用最合适的技能库，一个在本地，一个在云端，互不影响。行程规划做出来了，二月十五号到十九号，自动生成了五条备忘录， 内容格式都给我们的要求对上了，而且活动安排的很合理，时间分配的也挺好。那是快速的，只使用全球顶尖模型，给用户一步到位的最优效果。我第二个任务也通知结束了，还挺快，让我们来看下效果。 这个设计还挺专业，对吧？快捷自己会针对内容和图片调整对应的配色和字体，这就是快捷的审美能力。不止编程，图像模型能力也是顶尖。最后再让我们一起检查一下代码改动测试都通过了，不用修改，一行代码就能合并。嗯， 总结一下，我们用快捷给 memos 添加了两个功能，第一个，智能行程规划耗时三十五分钟，旅行故事生成耗时二十分钟。 如果我们用传统的开发方式，怎么也得两到三天，快捷不到一个小时就搞定了，而且代码质量还很高，符合项目规范， ui 也很精致。现在 mymos 已经从一个普通备忘录升级成了一个旅行博主的专业工具。快捷的核心就是，你只要说清楚你想要什么， 他就能给你高质量、端到端可交付的结果，能省下来的时间才是你的。这就是快捷的模式，能够自主学习和进化的智能体。

兄弟们，你们这是要气死我呀，一个个都在炫耀，白嫖了 pro 版的 german 免费会员，结果问你们 anti gravity 的 生态用的怎么样了？居然问我 anti gravity 是 啥？就是这一个 anti gravity 刺客信条，为啥叫它刺客信条？ 问，这个，这会最火的 scar 你 知道吧？技能啊，这玩意装上 scar， 那 就是真正的刺客信条！来，给你们看看我心中的一个技能 啊，就这个，这个是我之前自己做的一个网站啊，用来裁剪我统一的图片封面的啊，非常的方便实用啊！就这个 u i 设计，我不跟你吹，上下五千年 啊，独我这一份啊，这，这没人能超越啊！这会呢，官方出了一个前端 u i 设计的 skill， 我 装完之后试了一下来看看效果， 整体说，这 skill 不 装也罢。正当我准备删掉这 skill 的 时候 啊，这会又遇到了 u i u x pro max， 而这名字听起来就跟我 iphone 好 像有那么点渊源呐，据说这个 u i 设计 skill 那 是前无古人后无来者啊！于是我再给他一次机会，又装了一个这个 skill， 哎，你别说哎，这效果仅次于我原先的设计啊！这 skill 厉害就厉害在 一分钟快速帮我全面布局，效果还是非常让人满意的。那兄弟们就要问了，哎，这 skill 这么厉害，我怎么给他快速上技能呢？怎么让我的 anti gravity 技能满满呢？ 老规矩啊，教程文档我全都给兄弟们无文病貌的做好了，我们评论区见。

那个大家好，我是那个 code 这边做 agent 的 一个同学，然后今天主要是跟大家聊一聊，就是怎么把 code 给用好，然后然后现现现场应该有很多朋友可能是刚开始用这种 ai 编程，也有可能是 呃用了比较久的时间，然后我会尽可能的然后把初期一些用法，还有一些进进阶的一些用法，然后都跟大家聊一聊，然后大家可能也可以就发到群里或者成为我们的大使，跟我们一起去呃交流，然后 ai coding， 反正也是 啊，这两年开始刚火起来，我们相信他也是一个比较星辰大海的一个过程，然后我们可以一起去把这个事情呃就是用的更久，然后用的更大一点。对 啊，第一，第一个其实就是说呃 ai ai 编程的一个简介，其实呃之前说大家很多同学可能会用过这种辅助式编程，就说他可能会去帮你去做一个代码补全，就你敲入几个字母或补充几个函数，这样子，就是就是 之前的辅助式编程啊，然后其实在里面大部分还是靠自己去嗯写各种各样的代码，其实我们现在呃更多是在第二个阶段到第三个阶段，然后这样一个阶段就第二个阶段是什么？就是说我把我的意图呃 描写描述给这个 ai， 然后让他来跟我一起写作，然后去把你整个的需求给给完成在这个阶段。然后其实啊我自己当前阶段还是用这个比较多，我可能现在有百分之九十几代码都是通过这种方式跟 ai 去写作，去帮我，帮我把我的需求给 做完，然后未来我们在逐步的向第三个阶段引进，就是说呃不断的呃去委派我们真正的可以把一个需求完整的交交给一个呃我们的一个 agent， 他 可以不仅帮我们把需求做完，他甚至可以帮我们把呃验收的一部分工作也帮我们做掉，确保我们的整个的需求是完整的交付给我们。 对，然后我先跟大家简单说一下，就是大家 ai 编程的呃三个眼镜的一个呃方向，对，然后第第二怕就说我跟大家介绍一下，就是我们抠的整个系列的产品，就是为了方便大家呃更好使用 ai coding， 其实我们在呃 几个主流的呃编程软件上都都有这个给大家提供一个比较好的 ai 编程的形态。第一个其实就是我们主要的一个 呃入口，就是我们 q 的， 我们自己研发一个 q 的 id， 它是一个基于上下文驱动 id， 就是 我们自己会呃帮你内置我们的上下文引擎，然后理解你的需求，结合你整个的代码仓库去完成你的这个这个需求。这里我看看能不能放放一个视频哈， 哦，好像这个视频放不了，一会我一会我给大家演示一下吧。对，第二种形态就是说我们也给大家对于很多高级的用户哈，然后他其实喜欢呃 c l i 这种形式，然后今年 c l i 也比较也比较火嘛，就是有一部分比较资深用户，其实他喜欢在 mini 行里做。另外另外一方面就是说 c l i 这种形态 其实可以很方便地集成在你的工作流里面，比如说你在 github 上，你可以去啊把我们 c i i 集成进去，自动帮你做代码审查，或者做一些软件研发工作流的一些东西。对， 然后我们呃其实很多后端开发者他还是比较喜欢用 jedi bronzes 嘛，其实我们也推出了呃 jedi bronzes 这样子一个插件，大家可以在 jedi 所有的产品里，包括 idea 呀、 android studio 啊啊拍叉嘛、 go long 这样的系列产品里都可以安装我们的 code 插件， 也可以去使用我们完整的一整套的 agent 的 能力。对，然后我们在这里面产品里我介绍几个主要的产品功能，哈，第一个就是我们的这个 agent 的 目的就是说我们这个 id 右侧大家可以看到有个对话面板，就是你在这里输入你的需求， 呃，然后你把需求告诉他，就比如说你请你帮我编辑一个网站，你告诉他就行了，然后他会结合你整个的代码去帮你把这个需求给完成。 然后我们内置的一个呃代码解锁引擎，就是，呃，我们可以解锁十万个代码，代码文件就自动化，帮你把这些里面的锁影啊、项链啊都给你处理好。然后根据你的需求，我们会动态的去把你的 呃这个呃相最相关的代码自动的放到你的上下文里面，让模型知道你这个仓库是干什么，比如说你可能是一个前端仓库，一个后端仓库，或者说是你里面有些健全的逻辑，这样子的一些东西，我们都会自动把你解锁出来，放到啊放到大模型里面，然后给给模型去用。 然后我们也呃也推出了 quest mode， quest mode， 其实我们我们其实面向未来的一种模式，第一它是提供就是 speck drive 这种研发模式，就是你呃呃去先可以先去跟 ai 先去探讨，就说我这个 呃归曰是什么，然后，然后我的详细的需求，然后我的验收标准是什么，然后等你跟 ai 讨论清楚之后，你再去让 ai 去执行。我们在这个模式下，因为我们追求 追求的是一个啊，长城的翼步的尾拍的一个模式，我们也提供啊，就你可以选择在本地执行，你也可以说我们也给你自动打通一个云端容器，你可以你可以提交几个任务，说到我远程一个容器去执行， 对，然后我们在这个模式下会不断去引进 ai 自主编程，就是我们最开始提到的第三个阶段的这样一个产品的能力。 啊。啊，我们其实呃呃在所有的竞品里面哈，我们提供一个非常差异化的能力，就是 rapper vicky， 就是 我们可以为大家所有的仓库去生成自动化，去生成文档，自动化去更新文档， 嗯，在在大部分的企业里啊，其实呃这个文档维护都是一个比较大的问题，就是很多人写的代码其实不太乐意去更新文档， 然后或者说是经过很多年的流转，其实很多信息都缺失了，我们会我们可以自动的去根据你的仓库去帮你生成一个结构化的文档，然后呢，当你有一些代码变更的时候，我们也可以去自动化的去帮你去更新这个文档，然后极大的减少了这个维护的成本。 对，然后值得一提的是，除了这个，大家看代码的时候可以用用这个功能哈，在你写需求的时候，我们有时候会需要把一些文档也注入到模型里面，我们会自动的解锁这个微 k 里面的知识，自动的帮你放到这个呃呃 a 阵的上下文引擎里面。 对，这个是我们新一代的这个技术架构。对，然后我们上面给大家提供的几种，嗯比较啊，就给大家提供的产品能力嘛，就是啊代码不全，就是我们刚才说的第一个阶段，第一个阶段就是 ai 编程的提供能力，然后包括我们现在的对话式编程， 还有还有长城任务，就我们这种 spec drive 啊，或者异步尾拍式任务啊这种编程模式。对，然后下面是我们的一些呃核心的技术吧，大家可以了解一下， 我们可以针对每个场景去看一下。对，针对于补全这个场景，我们其实呃大家在敲出来代码字，就就是大家补全那个时刻嘛。你， 你，其实你敲出来几个字符，我们是要非常实时的，根据你这个敲出来的字符，结合你整个的呃相前后呀左右啊或者相关的代码去帮你补出来这个能力，其实这个要做出毫秒级的这个精准的推荐， 需要花很大的功夫的。对，然后在对话式编程这一块，然后我们需要啊给你的每个仓库都自动化，去快速的去建立整个的 啊全量的缩影，然后我们去帮你去自动化的生成这个啊， rapper vicky， 另外我们还要把成本降到一个非常低的程度，让大家就花净非常少的钱，就可能想到享受到这样的一个 呃呃技术的一个红利吧。在长征任务这一块呢，其实呃大家不知道有没有发现，就不管你用各种呃 ai 对 话类的还是 ai 编程类的软件吧，都会有个问题，就是说呃你其实呃之前提的一些需求，或者你个人的一些偏好，他都会忘，你每次打开都是一个新的窗口嘛？ 比如说我这个应用，它明明是拍成三点七的，对吧？然后 ai 可能呃用错了，用了一个三点六或什么之类的，然后这次你你教它了，它能不能记住，下一次就不问你了。其实我们完全内置的这样的一个引擎， 就是呃 ai 犯过了错误，或者说是你之前的一些个人的偏好，一些项目的知识，我们都会自动帮你记下来，在以后的时候 ai 就 不不会再犯了，我们所有的这些流程全部都是自动化的。 对我们整个产品其实啊有一个比较核心的理念，就是说尽可能的把所有的东西都自动化掉，因为我们发现在 很多场景下，如果让你让用户去管理很多东西，就会产生就是说维护不及时，或者说他懒得做，或者上手门槛比较高的事情。所以对于呃像刚才我提到这种记忆的这种东西，我全部都是自动化的去会帮用户给 哎做掉。在长征任务这一块，我们其实呃在大家可以认为我们在云上给大家提供了这种非常安全的远程的杀伤技术，然后让 ai 可以 在里面如果你有个非常复杂的任务，它可以在里面甚至可以干几个小时，对 对，最底层的话就是我们自己，呃，有自己专门训练的一个顶级的大模型，还有全球最好的大模型。如果大家用我们这个 code 可以 看到有几个模型分析选项嘛？对， 大家可以按照自己的需求去选择不同的模型，然后可以选全球最好的，也可以选择啊，一些性价比比较高的模型，一会我也会给大家啊，详细介绍一下啊。那一块 接下来就是先先先简单讲一个 code， 这样这则这个可能是面向一些就是刚用 ai coding 的 一些用户，这是我自己一个实战啊，就是说 我们先回答，就 coco 能帮你做什么？就是我的一些呃，理解啊，第一就是说它能让你的开发效率就是可能极大的，可能就是真的是十倍。就之前的时候我想要做一个原型验证或技术的验证，我可能说我要去 啊什么 github 上查查资料，或者说是百度上查查，或者谷歌查查，查很久，然后再去做什么，我现在找 ai 快 速帮我去把这个东西就可以，就我如果我知道怎么做，我可以快速把它实现出来，可能真的需要几分钟就可以做出来。还有就是说 每个人的技术能力的边界都会得到非常大的一个提升。其实我是一个纯后端的同学，但是我自从用了我们扣的然后这样的 ai 编程工具之后，我其实也可以选前端了，我也可以去写 l s 的 小程序了， 所以就引出我们第三个，其实每个人都会变成都可以成为一个非常超级的个体，就一个人其实可以可以干很多事情，你可以去做前端的研发，后端的研发，上千的部署其实都可以做了。 第四个我觉得很重要一点，就是说自定义化的需求就会得到极大的满足。就之前的时候大家拿到呃，就是可能拿到软件，比如说你的微信，就是微信可能他每年迭代，迭代很慢啊，他呃他一年就迭代那个几个小功能，你，你很不满足。未来大家可能自己就可以自己做一个 自己的聊天软件，或者说自己做一个自己的生活管家这样子的，然后只可能只需要花几个小时时间就可以做出来，所以我觉得自定义化的需求在 ai coding 这个时代会得到极大的满足。 对，我可以介绍一个一个我自己在家给家人用的一个例子啊，因为我养猫嘛，就是呃猫嘛，然后有很多需求，其实有很多要记录，比如说我什么时候给它买，买了猫粮要驱虫嘛，然后有时候可能要带它洗澡，各种各样的东西。然后呢家人就希望我给他做一个软件，能不能把它 他的需求都给记起来，因为市面上有很多软件不符合他要求，有些功能都没有。然后他不可能是呃，就是人家的软件也不会，也不一定听我的需求嘛。那我就呃帮我的家人做一个，就只花了呃，周末就花几个小时，时间很快。 而且我是一个之前完全不会写 ios， 不 会写前端的一个用户，然后我真的实现了，就是真的不改一行代码，就把这个呃呃这个 ios 软件做出来，然后给了我的一个页面，其实就是说 在这个里面我们可以让 ai 帮我们做几件，第一个是就是说希望他帮我做设计方案，就是我就是呃我，我可能我最开始只有一个大胆，呃，就是一个非常大概的一个印象嘛，比如说， 呃我可能只需要一个养猫软件，我需要呃有记账、库存、日程管理、日记这样的功能嘛，但是呃这几个之间要不要有些联动？然后我的一些日程，我的库存和我日程管理， 比如说我的猫粮快消耗完了，它要不要自动去帮我去建一个日常之类的，帮我提示出来。这些东西我可能一开始没有那么 呃想好，就整个的产品方案和东西，我没有那么想好，我们可以去找 code 帮我们去做一个方案，就跟它说我想要为家人去做这样的一个软件， 请你帮我设计一下，他就会帮我去设计设计出来，然后里面你可以去看一下他设计的方案，如果你发现他设计的不太好，你可以再去跟他讨论。其实在这一步大家有没有发现其实我在做一个产品经理的角色，我和抠的一起去成为这个产品。 对，我接下来就是说如果跟他讨论好了，那你就跟他说啊，其实就跟他说一句很简单的话，就说我左上角大家不知道能不能看清，就实现功能，你写到代码库就行了，然后我跟他说他其实就可以去实现了，就很简单，你用自然语言跟他对话就可以了。 然后其实大家呃我，我当我实现这个代码之后，可能会有些报错啊，就是呃我们用我们用那个 x code 打开之后或者调试的时候，它可能会有些编辑报错啊，或者说是有些大家觉得页面不合理啊，该怎么办呢？其实呃在 ai 这个时代，就是你也可以不用自己去看那个错误，也不用去谷歌，你直接把它把报错丢给 code， code 就 会自动帮你去分析这个，这个报错是由什么原因 呃造成的。我其实不太会那个 swift 这样的语言，我之前就是遇到就是 ios 软件启动报错了，我直接去把整个的报错就直接丢给 q 的， q 的 就会自动去帮我查，哦，它可能是某个主键，然后依赖的包有问题，它就自动去分析出来帮我修掉了。其实在调试这方面也可以交给我们的 q 的， 对，就是调试报错解决，就是刚才那个就如果你有些方案什么不知道的话，你也可以跟我们扣的聊对，接下来就是说一些进比较进阶的一些呃用法吧，就是呃 怎么样才能用更好的呃效果，然后更耐用。然后我们可以从一些基本的概念讲起。第一个就是说呃长上下文对模型效果影响，其实我呃我们 给把一个需求给到模型的时候，不止你呃把需求给他，其实我们会联动的去把呃你当前所处的一个代码的环境，比如说你是怎么操作系统的，然后你仓库里相关的代码其实我们都会给到模型，然后这些其实都构成了整个的呃上下文 啊，可以看到其实业界上现所懂模型哈当当这个上下文的长度啊，变长之后，它的呃它的效果其实都会出现比较大的下降， 就是其实大家模型现在的有效上下文程度可能只有一百多 k， 大家虽然可能有些公号称可能有啊 one million 或 two million， 那 其实有效上下文可能就是一百多 k， 所以 我们呃在这里我们有一个观点，就是说其实在这个有限的上下文窗口中，其实呃大家尽可能只给模型非常非常必要的上下文 就无关的，或者说是跟本次就没有关系的，就不要给他，不然他的效果会受到比较大的影响。我们可以来看一下我们整个 code 里面这个上下文里有什么， 最上面其实是大家作为一个用户可以调控的，就你可以去呃选择你这个模式是什么？我们退，我们有好几种模式啊，就你可以选择 agent， ask， 对， 然后你也可以有呃 quest， 各种各样的模式， 然后啊第二种是第二个是模型选择，大家可以选择啊不同不样的模型，我们会根据不同各种各样的模行动态的为大家适配最好的效果的提示词，让大家能得到最好的效果。第三个就是需求，需求就是说你想让 ai 帮你做什么？对， 第四个就是附带一些文件和目录啊，就比如说你你，你已经知道哪几个文件要改了，或者说你啊让给 ai 传了几个图，说你要帮我去根据这个图来做什么东西，就是上面这四个，上面这四个其实是大家可以去调控的，就是通过调控大家的输入， 然后可以获得更好的效果成本。下面那个上下文引擎全部都是自动化的，我们扣的全部帮你做好的，就比如说第一个是啊，你的环境信息，你的操作系统是什么，然后你的工作目录在哪里？然后如果你上下文多了，我们会自动的去有最好的压缩策略去帮你压缩。 嗯，就是，然后在大家在一个窗口内可能会进行多轮的追问嘛，就第一步你可能说让我帮我干一个前端的一个呃功能，接下来第二步可能是说帮我去做一个呃后端的需求嘛，那你前端的前端后端可能是有关系的，那我们会自动帮你把前端的历史上下文也会给带上去。 对，然后记忆就是你过去的一些偏好，比如你的风格呀，啊，你怎么用这个软件啊？然后你们项目的项目内可能有些规范啊，对，我们也都是会自动把你给带上了。 嗯，还有规则，规则就是说，比如说你的老板要求你啊，给每个函数你写的时候都都，比如说函数尽可能简洁，每个函数都要加注式，就是一些规则，然后你，你写一个规则，我们都会自动帮你带上来，还有代码仓库相关的 呃东西，对，然后其实，呃我们这时候我们把所有东西给模型之后，模型就会产生一个工具调用， 所以我自己写了一个循环执行啊，循环执行意思就是说啊，我，我把这些所有需求给模型，模型可能是说，哦，那我这时候我要先看看你的 readme 是 什么，它就会发起一次工具调用，发起一次工具调用，然后它就去读了一下 readme， 然后其实这时候这个 readme 就 会夹到它的上下文里面，所以它上下文就会变长一点，那读了 readme 之后，它可能又会说，那我需要看一下你的 doc view， 它就会不断地循环调用，直到它觉得它现在获取的信息能满足你的需求了， 才会停止这个。呃，工具调用。对，这是整个上下文里面有什么？就整体来说就是上面是大家可以调控的，下面就是我们 code 会自动的，就会帮大家啊，做最好的方案，自动的话去帮大家去获取最优最高质量的上下文。 对，哎，刚才大家举手的时候，我看到还是有挺多同学其实用过 code 的， 包括，嗯， 有很多同学啊，可能也在啊，可能想知道 credit 和上下文的关系，其实简单一点，就是大家可以这个 credit 就 可以和 tucker 消耗的成本是正正相关的。刚才其实我们聊的上下文其实就是说他可能在在在整个模型执行过程中消耗了哪些的上下文， 所以其实就在上面。呃，就整个上下文，就你，你给模型多少的 token 啊？然后不同的模型价格可能也不一样，所以它就会影响你的 credits。 对， 那接下来是我的一些实践的一些经验啊，就是说，呃，那那那既然，既然大家选择的东西就是不管选择的模式啊，选择的模型啊，其实都会影响你的效果啊，成本，那我们应该怎么去用呢？ 嗯，这里是。呃，在我们 qq 上讲，我是推荐就说，比如说你阅读这个代码仓库的时候，其实你可以用我们的 reaper wiki 去了解你的代码仓库，你可以通过 reaper wiki 去跳转到你的代码，然后去看看呃，怎么实现的。 然后如果 reaper wiki 里面可能一些没有的知识，你就通过我们的这个 ask 模式去问，让 ai 去找。然后这个 ask 模式是一个止读的模式，它不会编辑你的代码的， 可以跟跟我们的这个 code 进行不断的探索讨论，最终得到你想要的这个模式啊。如果你是一个比较明确小需求，比如说我就是要增加一个什么，把，把这个图片保存到啊本地文件的这样一个函数，你已经非常明确了， 或者说我要就是要写一个一步并发的东西，你就，你就切到我们这个 a 键的模式，直接写就好了，它其实 a 的 模式是一个快速执行，是一个非常高效编码的一个场景。 如果再复杂一点任务，大家怎么办呢？我是推荐先切到我们的这个 ask 模式，先跟他聊，多聊几轮，直到你觉得他产出这个方案，你觉得是非常一个呃，你想要的合理的这个方案，然后你再切回到 aj 的 模式去让它实现代码。 当你有非更复杂，就比如说我就是要做一个啊，非常庞大的，比如说大家要做一个淘宝，或者做一个什么啊自己的软啊那个小程序出来非常大的需求。然后大家就可以去体验一下我们这个 quest 的 模式，我们在这个模式下支持你这个零到一的需求， 也支持你有一个 spec 之后这种长任务，然后根据你的规范去去去去执行这样研发一个任务。对，这是我们的几种模式啊，我推荐的几种场景， 对，然后每一分钱花到刀刃上，就是大家其实选的模型背后的价格的系数其实是不一样的，那如果用我抠的，我们其实是分了几个等级， 就是说我们最下面可以看到就是一个呃，免费的一个模型的等级，就是说用 light 模型的话，其实你所有的东西都是免费的。你一些非常简单的任务，比如说我想知道这个函数干啥的，或者说你我，你帮我加一个什么小循环什么之类的，大家可以用这种。然后有些常规的任务，你可以用 eiffany， 它的系数是零点三，就比较便宜。 如果大家日常开发就 daily use， 就是 说我我我。其实觉得有些同学可能觉得这种各种模式很复杂，也不相管，那就用我们的这个 auto 模式就行了，我们会根据你的意图，你的场景，你的仓库，你的情况，自动化，帮智能路由帮你录一道最合适的模型，让你的效果最好。 然后在这个情况下就是综合下来是一个最划算的模式。其实最推荐大家使用这个 auto 模式，就是又划算，效果又好 啊大家。当然大家有可能会有些稍微复杂一点的任务，我就是要用更强的模型，可以切到我们的这个复合文字，它的系数是一点一，其实也没有很贵，就是比我们的这个 auto 可能只贵了零点一对。 然后我们还有一个就极限挑战有些的 bug 的 场景啊，有些非常复杂的场景，就可能你觉得，呃， 嗯，就普通模型都搞不定，或者你自己搞了半天都搞不定，其实可以切到我们这个，呃， altru 模式全球最强，我们真的是全球最强，就是如果这个搞不定，就是没有其他能搞定，就是这个是呃，就是呃可以解决到现在 ai 能解决最强的任务，可以切到我们这个 altru。 对， 但这个成本也会更高一点， 我们会倾向于你在一些极限挑战的时候会用这个模型，这样大家的成本会控制到一个比较合理的水平。嗯 啊，接下来是一些简单的一些小小的一些经验。就是就是第一个就是说给模型尽可能多的有用的信息。 其实我在研发的时候就如果我知道，比如说改哪个模块啊，改哪个文件文件夹，或者说改哪几个文档， 然后你可以去呃通过我们这个呃加号或者艾特的东西把把相关新闻给模型，这样子的话，其实模型会 呃尽量的减少探索就就是模型啊，一般完成你需要进行几轮的工具调用吧，一般他的逻辑是说我先跟你的需求去探索一下仓库探索，探索一会之后他再确定他的方案，再去写这个代码吧。如果你最开始已经给了他，那他就减少探索了吗？那他花的钱就更少了。 然后有时候他看探索的时候可能也有些幻觉，如果你给了他精准的上下文，那他可能效果也会更好。对， 但如果他探索可能有问题的话，你可能后面还要给他追问，让模型啊，就是跟他聊好几次，这样其实也会消耗你的这个呃 talk。 其实我我比较推荐大家在第一次的时候，就是当你知道有些东西可以给模型的时候，你就给模型。 对啊， m c p 的 话，因为它其实现在的很多 m c p， 它的工具其实又呃有非常多，有些 m c p 可能有好几十个工具，其实工具的定义我们都是会给模型的啊，这时候其实也会占非常多的上下文，嗯，就 m c p 吧，大家推荐它就是按需开启，我们扣我们扣的这里面， 呃呃在设置里面有个 m c p 服务，大家可以在这里点击起用或禁用，可以在只在一些指定的场景下去把这个 m c p p 开启 啊，控制上下文的长度。其实我们发现很多用户其实就在这一个菜单的 window 里哈，一直问一直问一直问啊，其实呃呃当你的整个的叉，呃呃这个左边聊天这个 window 啊变长之后， 你你的那个就是整个上下文就会非非常长，你的你的成本是很高的，然后如果你超过了，呃，比如说快到两百 k 的 时候，其实它的效果也是会下降的。其实我非常推荐大家，如果呃两个需求啊，就两个需求没有什么关系，就尽可能多开，多开就点右上角这个加号， 然后我们在下面这个用量表，大家可以看到这个十三点六，其实我们给大家也也也也提供用量了，就是我当前这个模型最大支持的窗口是多少，这个两百 k 呢，就是代表就是说我这个模型最大的窗口是两百 k 十，那个二十七点二就代表是说我们你现在的这个需求啊，已经消耗了这么多，当当这个很大的时候，然后我一方面我们会自动帮你去压缩啊，当然当然你也可以去选择那个 compeg， 你 也可以去主动压缩，当然我我最推荐的是就是你，你如果需求没有关系了， 你就新开一个，如果你觉得需求还有关系，你就点这个啊，压缩上下文就好了。对， 我们可以有个例子啊，就做一个对比，就刚才是说我们要不要去新开这个窗口，我们做一个对比，就是说如果你，你这个就是你，你追一次追问请求啊，如果你是一百 k 的 上下文开始，对最最终的话，你可能消耗了。我们这里有个公式啊，就是说你假设你进行了 啊十四的这个工具调用，它里面有一部分，比如说我们百分之九十用了缓存，然后乘以这个价格，然后加上没有缓存的地方乘以价格，最终算出来可能是一个一美金的额度。但如果你是一个新开的绘画，是从二十 k 的 这个上架文开始，最终你可能只花了啊零点二二美金这样一个东西。 通过通过新开一个绘画其实是能大幅有效的帮你节省这个 credits， 可以 看到在这个场景下其实可以，呃，能帮你节省百分之七十八的一个成本。 呃，我们抠的其实内置的这个 rules 就是 rules 的 话，呃，其实在企业级开发，在生产级开发其实有很多很多规范，比如说你部门的一些要求，或者你自己有些要求，其实有些价编码的规范，架构设计，还有一些安全又合规的东西， 呃，都可以去新建。 rose， 我 们，呃可以看到我们这里有个 rose tab， 呃，在左上角的第二行哈，呃，第三行那里你可以去选择啊几种模式，我们是支持你去选这种模式，就一方面你可以去， 呃，在需要的时候就手动艾特这个 rose 在 生效，有时候你也可以让模型决定这个东西要不要生效，然后你也可以让它一直生效。对，就是让 ai 一 次性的帮你去产生这样符合编码规范的，一个就是代码其实也是能帮你省掉很多很多的成本。 还有一个就是说让模型记住历史的经验啊，一般来说我们会自动去帮你去更新记忆，就是说你之前模型犯过的一些错， 我们其实是会帮你自动的啊，记入到我们的这个记忆里面，那有时候可能啊，模型觉得不重要，你觉得重要，那怎么办呢？你可以去添加，手动添加到我们的 rose 里面或 a j 的 里面，你也可以主动触发啊，让我们扣的。记住，你可以就在右边跟他说，请你记住刚才你犯了一个错， 然后你要记住你以后不要再犯这个错了，我们就会自动把你记住。对，可以看到右右上角，我会跟他说，请记住，然后你， 嗯，每次你 python 其实都要用三点一一的版本，如果没有的话，没有安装依赖，请你自行安装。就我经常会遇到 python 的 项目，他用错版本，我就跟他说你这个项目一定要用三点一，跟他说一声就好了，然后他就会记住，对，就记住。呃，就如果之前的错误他不再犯了，你就不，后面的时候你 你其实就少了几次，追问就少了几次，要解决这种错误，其实也能减少很多的成本。 我们。呃，其实 coco 给大家提供了非常多可可适 credits 可适化的工具，就大家用量，就是左边其实是一个任务的参考啊，就是说在 ask 模式， agent 的 quest 和 rapper vicky， 呃，你出发不同不同的任务，你大概会，嗯消耗消耗多少的 credits， 大家可以有一个，就是大概心里有一个大概的一个尺度，对，然后方便你去根据你不同的任务去选择不同的 credits， 然后右边这个就是说我们不同的模型，其实啊有不同的系数，大家可以按照自己的这样的一个 呃需求去不断地选，就是日常开发的可以用 auto， 然后在极致性能的时候，你可以去选择一点六系数的这样子全球最强的模型，对， 好在下面有个链接，就是说你在 cold 的 官网，你是可以看到你每一次每每一个需求的消耗了多少，大家可以也可以去啊这里看看，就是说哪里消耗多了，哪里消耗少了，其实都可以有一个追踪，然后你也可以感受一下就是什么样的任务，然后你应该怎么去合理的控制这个 credits？ 人来说我们扣的在，其实我们在成本啊，效果啊，速度，我们一直在做一个呃呃平衡，就是我们自己内部花了非常多时间，然后不断的让让大家去呃呃 在同样一个任务啊，即使呃就是呃，就是你用户，用户选择之后，我们通过各样的缓存机制和压缩机制，让让大家一个需求的成本不断的降低，就是我们从发布到现在，然后其实大家单个需求的任务是其实是降了很多的， 对，然后效果我们也是在不断不断的优化，就是不断提升我们整个上下文的感知能力，对仓库的这个啊理解，对关键信息的召回，然后然后大家的这个体验的速度，我们也是不断地去帮大家自动地做好。对， 然后其实我今天分享的这个内容就这么多了，我可以给大家简单看几个产品啊，就我们扣的就是这，其实这个就是我们的扣的 id 哈，就是大家打开之后， 呃这个就是我们的对画面板，你可以在这里去切，就是我们刚才说的一个是 a 阵的模式，这个这个模式就是帮大家去做事情的，它是有写代码的能力的，也可以有执行命令行的能力的。就是如果你有些 任务要写或要哦因为任务要实现，代码要实现，再用这个。如果大家只是现在想跟呃那个 a 阵多聊几轮，要要要问一问一些东西，大家可以切到这个问答的一个模式 啊，这个就是我们选模型等级，就是一般的话推荐大家就用 auto 啊，如果你在一些非常非常难、非常难的场景的话，可以切到一些更好的模型，去去去试一试。这个就是我们的那个用量表， 对，大家可以在这里看到我啊当前绘画的一个用量表。然后如果大家有些需求，比如说呃呃你，你如果其实就是说呃你，你描述可能没有那么清楚，或者你自己没想好，也可以点我们这个功能去一键的去帮你去优化这个提示词， 对，就是你输入一个框后，这里就会点这里就可以帮你去优化这个提示词。对，然后左边的话，我，我刚才随便敲了几个字母啊，大家真实的时候可以写，就比如说帮我，帮我加一个权限或什么之类的，它就会帮你，你再点一下这个，它自动会帮你去优化好你的提示词。 左边大家可以通过这个点开我们的一个 rap， ok， 就是 我们会自动帮你整个仓库生成文档，大家可以看一下，其实我们生成的非常的详细，就有整个项目它是一个呃呃什么样子的，然后每个模块是怎么样子的，然后每个里面呃它的一个逻辑还 然后怎么调用的，其实我们都有帮大家详细生成好，而且我们其实和代码做了一个非常好的联动，就说如果你看到这块逻辑啊，你不确定，或者你想详细研究一下，我们下面都会给你就这个逻辑来源于哪或来源于哪哪几个。就有些逻辑，比如说，呃，你要登录逻辑可能来自己多个文件嘛， 就之前之前说大家可能要一层层的的找，要找很久，我们这里直接给了你我们这些逻辑在哪，你可以去点开这个，它自动会去帮你跳到对应的代码。对，大家可以看到这个联动做的是非常好的，可以看到，对， 大家可以试用一下我们这个呃 ripper vk， 然后右上角其实就是我们的这个设置， 设置里面啊，刚才就啊就这边有我们的 quest 和刚才我提到一些啊 mcp 服务规则记忆，然后我们自定义指令，其实都可以在这里看到，对，这个就是我们整个呃，那个 code 这边 啊，我们这是我们的 quest 的 模式，就是我们的啊异步尾派，然后面向下一代的一个产品模式，我们马上就会发新版，到时候大家可以来体验一下。对， 然后接下来就是说，呃，对于后端用户哈，呃，就是有这个，呃呃， jadbroons 系列嘛，大家就就插进市场，直接搜我们，搜我们的这个，呃， 搜我们在在这个我这里网看看，就搜我们的这个 code 插件，一键安装就可以了。然后你再用这里打开 code 就 可以在有很多用户不是很很其实很依赖于整个 java prince ide 嘛。然后就可以在这里使用我们的所有的 agent 的 能力，大家在这里也可以去切 agent， 也可以去切 ask， 也可以去切模型， 这些东西都有啊，添加上下文这些都是可以的。对，然后还有一个产品就是我们的 c l i 有 code， c l i 大家安装之后就是说在你的命令行直接敲 code c l i 就 可以进到里面，然后你可以在终端里用，也可以在你任何一个喜欢的 id 里面用， 就比如说在我在就我比较喜欢这本书的 id 嘛，大家可以在这本书的 id 里面用。对，然后这里面也可以享受到我们全部的这个，呃， ag 的 能力，嗯，我今天的分享就到这里，好，谢谢大家，嗯。

今天 antigravity 宣布上线了 skills 功能， skills 已经出现了一段时间，这个一个开源 skills 的 网站，甚至数量高达三万以上，在上面可以搜索你想要的功能， 不仅仅是使用，更多的是学习他人。怎么构建 skills 的 思路都是开源呢，所以也很适合大家去尝试发现提升效率的工具。 现在看到的就是主文档写着最基本的任务需求、流程，或者可以理解为功能页面简单，资源丰富，确实值得好好探索。 在最下方还有学习文档帮助你入门，你也可以直接通过 ai 来学习。明天我会分享怎么让 ai 帮你创建优化 skills， 关注我不迷路哦！可以看到文档解答了什么是 skills， 什么时候该用 skills， 我 觉得这里解释得很好，当你有固定流程重复任务时，用 skills 就 能帮你在每一次任务中快速启动，让你有更多的精力解决核心问题。

出子午线就是地球上的零度经线哦，它像一条从北极直穿到南极的隐形线，就穿过英国格林尼治天文台。全世界的精度都是从这里往东往西算的。你知道吗？我们每天说的几点几分，其实也是根据这条线来统一时间的。那你觉得为什么选在这里当零度经线呢？哈喽，最近 cloud code agent skill 比较火，先简单介绍一下什么 skill 是 什么 agent skills cloud code 当中的一种模块化要可复制的能力扩展机制。简单的来说就是 ai 安装了一个按序加载的专用软件包，教他在如何执行特定的复杂任务。 它关键的键的机制就是键进式的加载 progressively loading， 这是 skills a 键 skill 最具革命性的设计。为什么这么说呢？因为在平时， cloud 仅仅是加载 skill 的 目录，包括它的名称和简介，几乎不占内存。当你触发是的， 当 cloud 判断你请求需要使用这个 skill 的 时候，比如说一个前端页面开发的 skill， 或者说 组织文档这种 skill， 就 审查这个 pr 的 skill 的 时，它会自动读取并加载完整的 star md 的 指令。意思就说你可以按住很多个技能， 但是不会拖慢速度，或者是积攒整个 context 的 一个一个空间。一句话总结， a 件 skill 是 让克罗从一个通用的聊天机器人并成一个随时可以查阅特定标准作业程序并执行任务的一个专业的员工 code。 他的一个官方文档关于这个 skills a 件 skill 的 介绍。 nikon skills 是 如何去创建，你可以一下，你直接问他我有哪些 skills， 然后在你个人的 cloud 目录下面创建的 skills 下一这个文件夹 she 这个麦当劳文件，它也有相应的势力，最终加载目前的版本，二点一以上的版本，它是能够适配这个热加载，不需要重启 curl 这个服务 先看一下，我们今天先看两个最近比较热门的 skill， 一个是，嗯， notebook i am 它的 skill， 相应的给它这个仓库就是这个链接，看一下它的安装，如果你是用 agent skill 啊，直接就可以让我这边都已经充过了，可以问 ok， 他 说你总共安装了四个技能，其中有一个你其实就说你附带上这个相应的背景也是可以的。 ok 了，我们用 notebook 来创建一个播客，或者是相应的这个就是 notebook lab 提供的所有的这些功能都可以通过命令行 call code 去实现。你看，我这边已经有相应的人物了，已经生成 mr beast 相关最新视频的相关的 podcast 的 措施是这个，也就是看一眼 mr beast 三十个名人去争夺一百万美金， 让他去做一个关于这个视频的一个播客。可以完成了，你看相宜的文件也在这，我的其实是相宜的目录，在这 听听相宜的这个 okay， let's unpack this because you know usually when we look at celebrity culture it's curated oh completely it's red carpet scripted interviews it's chaos it is it's。 做了一个量子加密的一个 slides 换灯片相应的任务介绍的相应的量子加密的这个过程，在生成的过程中选择相应的语言给他试一试。 ok， 我 们下面就 ok， 它这个整个生成的过程我们暂停。 ok， 我 们这个 slides 已经完成了。打开看一下，它还是英文的，没有完全符合中文，或者是本身的账号的等级不够。回头咱们看一下 相应的，直接看一下新的 skill， 这个架构，创建一个文件夹，里面有相应的核心的文件， md 的 文就是 skill md， 相应的一些参考的文档，或者是视例的文档， 你涉及到一些脚本，这当中可能涉及到一些其他脚本，你有一些可执行的脚本可以放在里面。然后介绍一个 skill s m p 点 com， 这里面有所有的六万多个 skill， 你 可以根据它的你查找相应的 each skill a 火的一个 skill 就是 and planning with files， 一 万个 star， 看一下它也是之前比较火的 manus space， 小 扎扎克伯格以二十亿美金收购，就有媒体调侃说扎克伯格收购两百 g 的 这个 m d 文件， 这个本身什么对于整个一个工作流，包括 agent 的 一个人， agent 端到端的枸杞已经又划到了极致。这个 planning with files 看一下它的特点是什么。问题在于 coco， 一个是意识性的存列成， 然后工具目标偏移，调用工具五十次以上，最初的目标就被遗忘了。第三个是隐藏的错误故障未被追踪，同样的错误 发生本身，因为目前的这个 tom tax 上下文都是很有限的，所有的内容都塞进去之后，很大的一个混乱的问题， 解决的方案也很简单，对每一项的复杂任务可以它就直接创建三个文件，一个是 task plan， its findings， its progress， 它就是现制定计划放进我们的这个 task plan， 相应的 记录所有的错误，避免它重复犯错。我什么时候使用这个 planning with files skill 呢？复杂的任务包括你开发一个比较复杂的系统，包括一些 research 的 一些 task， 三个步骤以上，起码要涉及多个工具的调用。 这个项目的整个跟踪的过程，其实有一个项目 a i toot 写记录相应的进程，这是我正在过程中，项目发现了一个问题， 刷新，他会自动刷新记录了相应的一个整体的一个过程。也是这种思路，结合了相应的方法记录这个 memory。 打 md 遇到底的方式就是把所有的你的过程性的一些记录都固化下来， 然后每次重新继续项目的开发，他会加载你之前的所有的一个进度，看一下是一个还有很多地方没有完成的一个进度，看一下，是一个还有很多地方没有完成的一个。助手， 你好吗？听得见我这信号满格。话说当年唐太宗李世民刚登基那会，也是对着大臣们喊，听得到吗？可比现在这样。你跟我说一说李世民，他的一个生平 浏览器刷新前有什么红色错误？这个倒没有了，下次试一试。运行刷新会有什么日子？我们跟 cloud code 交互，继续解决这个自动会刷新相关的问题。他查到有相应的代理服务器，要另开一个相应的端口进行 进行服务。我们是测试一下相关的，这是个历史。我们看一看生物，你是谁啊？你好，我是你的生物学习伙伴。你跟我说一说关于 dna 的 故事。 dna 就 像一本超级详细的说明书，记录着所有生物的遗传密码，它是由两条互相缠绕的螺旋链组成的，就像一条长好的， 我们换一换历史，看看地理。好的，让我带你开启一场。稍等。本出子午线是什么东西啊？本出子午线就是地球上的零度经线哦，它像一条从北极直穿到南极的隐形线，就穿过英国格林尼治天文台。 全世界的经度都是从这里往东往西算的。你知道吗？我们每天说的几点几分，其实也是根据这条线来统一时间的。那你觉得为什么选在这里当零度经线呢？我不知道。好的，我这就停下来，你想聊什么都可以随时告诉我。好的， 后续还要生成知识卡片，我们根据多模态的能力打造相应的知识卡片的功能。还没有开始，他把相应的记录都应该记进了我们之前所说的相应的 task， plan， finding， progress 记录。相应的一些开发的进程的文档都做了相应的记录。暂停一下， ok， 他 说所有的开发记录都在 doc 相应的文件夹当中看一下啊， doc 当中有相应的一个文件夹开发完成度看一下，这边有开发文档功能文档调试文档总结文档最新文档。今天创建新增的 today's work 看一下。 today's today's work where is today's work？ project ok， today's work 今日的开发记录看一下，让你的学科增加页面，自动刷新的修复动态开场白的工等等等 u i 交互的优化。好的，今天的分享就到这儿，我们下次再见。

啊？就是，呃，大家听到现在也比较累了。就是呃，其实刚也大家也看了，好像我们见到没有几个那个不是开发背景的同学，然后我也是一个设计师，我先往后翻吧，没事，我就这样， 呃，对，然后因为我是个设计师啊，就是如果我讲设计专业的东西，我是来自阿里云那个设计部的，我讲设计专业的东西，可能大家就是会会能比较讲，讲的比较专业，我们平时都在搞些什么 aigc 啊这些东西， 我可以讲这些东西，但是我既然如果讲开发，我当时邀请我的时候，我觉得其实有点惶恐，就是我讲什么开发，因为你看我们今天其实到我们现场的，就是我看一下大家开头有什么 咨询自己的专家呀，后端开发等等等等，然后我自己的角色其实就是一个纯小白，因为非常纯，就是纯到什么境地？因为我们当时我当时做完那个金融五十七的项目，我自己发到那个内网上面去以后，有几个同学去联系我，做做做做这个东西很有意思，你能不能去发一个开源项目？那我的第一个问题是啊，怎么开源？ 然后，然后，呃，说说实话，因为我现在那个发的开源项目是我上个星期我才第一次知道了 gitp 和 gitp 什么东西， 然后所以是存到这个金地。但是我后来想了一下，我也不不太怕，就是因为今天在这个场子，我觉得大家有个知识的诅咒，就是大家一旦学会开发以后，大家就再也不懂一个不会开发的人的感觉了，所以我今天就去跟他去讲一下 那个，呃，我作为一个纯开发的一个小白是怎么去？我为什么要玩这个东西？怎么去玩的？先给大家去看一下我做了一个什么东西啊？就是很简单一个一个东西。因为当时这个节目火了以后嘛，我就做了一个五子棋，然后大， 然后就就你可以去下，当时这个地方是你自己自己去下嘛？然后旁边有些技能 好这个这个东西就比较那个粗粗的一个东西，当时第一个版本，其实这故这故事很简单，就当时国庆要到了，我看上一个同学也是在国庆做项目，因为那那时候大家男的比较闲，不用去搞一些工作的事情，然后 业务方也都走了。然后我就当时的上一个前一天刚好看了这个节目，看完了节目以后我马上第一个就有个想法，就是我要不做一个， 然后做的话，其实大家知道做一个项目就是从想法你再做设计嘛，做完设计你再去开发，再去上线这种比较熟悉的一个过程。那这个想法其实很简单的。然后我去搜了一下，其实当时其实也有很多人已经在做了这个想法了，有很多博主在做这个东西，然后也很好玩，就是模拟了一些节目中的场景。 但是我当时看完以后第一个感觉就是这个活是整了，但不是好玩，因为我当时看完以后第一个感觉就是这个游戏，然后我在想我要不要做一个可以玩的那个技能五子棋， 嗯，就这个游戏，就大家入网络之后知道这是什么游戏，就是像像这种游戏的话，一个像元神也好啊，或者一些这种比较严肃的游戏能让你去玩起来。其实有一些很大的一个 那个体系叫做策略，就是你必须要是跟机器去博弈吗？那他有涉及到规则，有涉及到技能，还有涉及到数值体系，那这个东西是我之前作为一个半吊子的游戏设计师的时候去学习到的一些跟一些游戏策划去学习到一些东西。 所以我当时就在想， ok， 我 设计一个真的可以去玩起来的一个技能五子棋吧，然后当时我因为也就是那一天下午比较闲嘛，然后我就也不想自己真的去设计，我就把这个需求去提个提给了那个吉米二零五。其实就是我有这几个技能，你帮我设计一套技能体系，它能够去真正的去去循环起来， 能变成一个有策策略深度的，他可能包括一些技能，然后包括一些数值体系，然后你可以去让你有些策略，然后他哎哎又给我鼓励了，说这个想法非常出色，对吧？然后就给我吧啦吧啦，给了一套整整体的这个技能体系，然后我研究了一下，呃， 跟他一起去讨论一讨论一下，讨论完了以后发现一个点就在于你想想就是虽然说我们好像有了那么完善的那个技能体系以后， 但五子棋啊，你连成五子这个结，这个游戏就马上就结束了吗？就就一会就死了，对吧？那你不能让这个游戏这么不好玩，就是你随便 搞一个飞沙走石，然后再搞一个什么东西，然后就连成五子，然后结果结束了也不好玩，所以我就给他提了第二个建议，就是你是不是能去加一些策略性的东西，然后我给他去，然后他说，哎，这个想法非常出色，哈哈哈。 然后我说我参考一个什么游戏呢？因为我是那个魂系的玩家，那个老 s， 然后，呃，所以魂系游戏里面经常会有一个那个概念叫做韧性， 就是你可能把一个对手打到失衡，失衡状态以后你可能一直在磨他的血，然后打他，打他到一个失衡态，然后再进行一个处决。我觉得这套游戏就很累哦，就五子棋不一定要连成五子就赢嘛，你可以把他不停的连了五个五子以后他进入一个 see you again 的 技能去把他处决掉， 对，所以说我就形成了这个想法，对，这个想法我就把这个东西输入给那个揭秘，然后他继续哎，最后就得到了一个那个 md 的 一个文档，呃，再把这个文档作为一个 prd， 再输入给那个像我们的 qd 这样的一个应用就好了。 然后对接到开发的阶段，然后在开发的阶段，其实我当时纠结了一下，当时一个是 q 的 这个产品，我想试用一下我们这些产品，但同时阿里内部我们也有一个叫做呃，我们叫一个 one day 的 平台，它其实就是一个呃那个代步的一个 agent， 就 相当这两种形态，一个叫 id 对 我很不熟悉的一个环境，一个就是一个很好用的，一个像呃纯对话式的，帮你去一键去开发部署的这样的一个 agent。 然后当时我其实作为一个 郑智深说我不是个专家，所以我就选了 agent， 我 先选了 agent 做，然后把那个 prd 输入给他，那他可能一次性的去开发完，他就很快给了这么这么个东西， 他就已经能玩了，当然要去低 bug 很多遍，就不停的骂他，然后骂他结束以后可能他不开心了，还去去鼓励他，然后在这个过程中就把这个呃低 bug 掉，然后作为一个可可玩的应用， 然后当时其实就可玩了，但正如之前所说，就是我是个设计师，对吧？一般来说开发这一道就就结束了，但我在想，作为一个设计师，我不能让这东西好歹太太太歪不扣顶，然后或者太难看， 然后我就想那我要不要也做些 u i， 然后自己还是那个我自己也是玩家，我去年很喜欢玩这个小手牌，这个这个游戏也去年最佳的游戏啊，前年，然后 呃玩完了以后，我在想我能不能参考一下这个风格，当然我不想自己去做 u i， 然后这就到了我熟悉的领域，就是呃 laot 或者这样一些其他的像 g， g， p， four， o 啊等等这样的一些模型，我让他去设计图，然后我又又把这个 p r d 和技能体系告诉他，你帮我去生成一些卡牌吧，我希望参考那个 呃那个小主牌的风格和那个复古的风格，可能去生成一些有些的卡牌，然后他就给我说，比如，呃发生了很多什么飞沙走石啊，泥巴山西啊啊，东山再起啊，什么什么之类的，做成一些复古卡牌， 然后最后了我就磨来磨去，我可能就选了一下，可能选了一套卡牌作为一些技能卡牌这样，然后这次我就发现问题了，因为我当时用那个湾队的那个，他是个在线平台，然后我不太懂怎么让他去 把我本地的截图传上去，然后用用在他的那个里面，然后我就最终又回到了 q 的， 这就是为什么我开始用 q 的， 我让他去重写了一遍这个项目，按我的风格，按我的卡牌本地搞了一个包， 然后让他去去做这个项目，再再加上那个音乐，然后他这个我当时还没用快手模式，我就用普通的那个 a 帧模式，然后也非常非常强大，确实他的完成的效率和他的那个那个宿迁的 bug 数量其实都比那个在线的一个镜头要要好很多，然后就最终做了一个 呃，三十分钟以后，呃就出了我们现在现在的一个东西。这面其实一个让我很印象深刻的一个点，就在于我当时想要一个那个像素化的一个文字，然后我又懒得去找一个自己库，或者我不知道怎么去去集成这个文字，我就只跟他说了一句话，说你去网上随便给我找一个开源的像素自己库吧， 用就好了，然后他就真的就给我扒了一个那个像素自己库，然后就就直接就把这个自己用上去，这让我还挺挺惊喜的。 然后这就是到了最后一个环节就是上线，我想这个东西不能不能在本地只给我自己玩，我要会上线，对吧？然后这个时候遇到我的项目里最大的一个卡点，就正如我之前所说，我不是个专家，我不知道怎么去把这个东西去那个上上线上去， 然后导致我不得不回到了 ag 模式，因为他是一个可以在线部署的平台，因为之前可能第一个刚刚分享的那个沈秀老师，就是我们那个客服负责人也提到就是我们现在其实还没有没有到开发部署， 到部署的那个环节，其实我很期待，就是说未来是不是能有一个产品，呃，能够去帮我们去做，就是不仅是做开发还是做部署，因为我不懂部署，也不懂这些东西，所以我在想我不能完全停留在我只用自然语言去跟他去去交流，所以我发现呢，另外一个模式很好玩，就我想要去学这个东西， 对一个好的 ai 的 一个应用产品，其实它本质上应该自己就是一个好的学习工具。我就打开了当时刚上的那个快速模式，我跟他说 我是个开发小白，请帮我设计一个很简单的开发应用，一步步教会我怎么去去提 get， 然后去发布成一个应用，那他也就就帮我做了一个呃，感觉每一个开发一开始都会做的一个备忘录，这样的一个， 就是那个呃，切克里斯的这样的一个应用，然后去去告诉我一些 get 的 知识，就是在这个项目中我学到了什么叫 get， push、 get pro 这些这个东西。对， 呃，当然之后我还是在那，但我又发现就是像 ag 的 这样的产品，它其实慢慢的因为它的可控性太低，它在它的这个基础上会研发一些比如更好的去帮你去定位 bug， 更好去做上下文压缩等等这样的一些事情。但同时我们的 id 也慢慢变得去对开发小白，像 quick 模式也好等等， 这些模式也好，会更加医用。我感觉他们在中间会结合成一个一个可能我们现在看不到的，甚至包括我们现在有的我自己服服帖这样飞个马呀，这样的产品最终会结合成一个很很全的一个对于所有人都医用，然后能帮你真的完成端到弯端任务这样的全线产品形态，我也很期待，就是我们产品接下来的一些一些 一些探索吧。然后最后一个一个小的一个分享，就是在于，呃，我当时做完这个医用以后，他就自己给自己手中下嘛，然后我想了一下， 我能不能给他加个 ai， 就是 我，我 ai 能对战就是，这是我前天做的事情，就在我今天那个呃，来之前我说 要不要加一个 ai 对 战呀？我就给他提了个需求，就帮我写个 ai 吧，然后开始写了，他写了个极蠢的 ai， 然后我说这个 ai 不 行，太蠢了，他说你要随机的录制，你能不能给我去网上再扒一个五子棋的这种算法，算法算法库或者什么之类的东西，用些更高级的方法让我这个东西更有挑战性，对，他 真的去建立了这样的一个任务。这次我用的是 quick 模式，他去给我科普了一堆什么什么蒙德卡洛神法术，什么乱七八糟一些我听不懂的一些名词，然后反正把他的 ai 现在变得相对于呃成熟了一点吧，然后最后再再加上这样的一些那个技能的特效， 呃，所以我现在可以自己去跟自己玩这个东西了。所以我觉得 ai 的 上线其实还不仅仅只是做一个玩具，它真的到科研的领域，到可能一些算法的领域，再去做深入的话可以开发出一些很很有意思的东西。 然后最后的总结就是，呃，我，我自己作为设计师其实经经了很多这样的项目，那从想法到设计到开发到上线，其实我在想以后作为一个普通的人， 哪个环节都这样，以前我们说想法都这样，其实想法不止一提，因为就像进入伍子棋这个项目，我，我有了这个想法的时候，我去网上一看，感觉已经有十个项目都已经上线了，所以想法不止一提， 然后上线，上线也还好，就大家发布渠道去运营一下设计开发环节。就我现在觉得最重要什么，就是你有想法以后马上就行动，就不要管设计开发，你马上就干就是现在，然后干了以后 你干的越早就越越有流量，或者越有人去看到你。然后所以我觉得下一个时代就是对于一个纯小白或者任何想要投资这个行业的人，就是不用想啥的，就干干就行了。对，这就我今天的分享， ok， 谢谢。

秒变三百， windows 的 linux 端轻松拿 code 的 三百积分，首先登录到桌面以后，优先执行的就是 airman， 打开它有一个验证，输入密码，打开软件以后，界面非常的简洁，直接点击呼叫钢铁侠，等待执行完成好。 修改成功以后，将这个窗口不要关闭。接着我们打开谷歌浏览器，访问 qd 点 com， 来快速拿一个邮箱，拿到邮箱以后注册一个全新的账号，选择 seven， 接着在这里输入姓名，点击纽，收到验证码以后看一下积分 都是零杠零，这个时候再打开扣的，此时的界面是一个没有登录的状态，直接选择登录，会呼出浏览器，选择 continue 就 会登录我们全新的账号到客户端里面， 直接看右下角用量，这里秒变三百可以调用它的极致模型，给扣的，发一个消息直接就给出了回复。有一点要注意的是， 每次我们打开 o v f 以后都要执行一遍呼叫钢铁侠，如果浏览器在打开的时候出现了问题， 可以选择修复浏览器。第二次点击呼叫钢铁侠以后，如果发现没有网络，可以点击修复网络来修复。第二个账号，注册好以后注意看名字， second 还是零杠零，接着来呼叫一下钢铁侠，一定要将网页端先准备好，呼叫完以后再次打开扣的，现在界面上的状态是里面刚才存着的这个消耗了三积分的账号，然后将这个账号直接咱们就给它退出，什么都不用做，再来登录 登录这个 second。 二、第二个账号选择 open code， 好 用量，这里现在是零杠零， 刷新以后还是零杠零，看一下网页端 uz 也是零杠零，这个时候来重启一下这个扣的，重启以后没有变化，不要发消息。再次运行一次艾瑞曼，然后打开扣的 看一下这个账号变为了零，杠三百可以调用他的极致模型，再次给扣的发一个消息，依然给出了正常的回复，好，操作非常的简单啊。然后我们网页端刷新一下，可以看到这个积分已经同步了过来。

大家好，我是 seed。 今天我们将一同探讨如何通过一个轻量级、开放的格式，为 ai agent 赋予专业化的知识和工作流程，使其从一个通用的助手进化为特定领域的专家。 这就是 eslopic 推出的 agent skills 开放标准，一个只在让 ai agent 更强大、更专业的解决方案。这里的 agent skills 也叫 cloud skills。 那 agent skills 究竟是什么呢？我们可以把它形象地理解为 ai agent 专业技能包。从技术上讲， ai agents 是 一种轻量级、开放式的文件夹结构， 其核心是为 ai agent 提供在特定任务上表现更出色的专业知识和工作流程。 它最引人注目的特性是渐进式，譬如机制，这意味着 agent 在 启动时只会加载每个技能包最核心的原数据，比如名称和描述，这大约只占用一百个 token。 只有当用户的请求和某个技能相匹配时， agent 才会加载完整的指令级。这个过程通常会控制在五千个头肯以内，从而极大地节省了宝贵的上下文资源。 这种设计基于简单的文件夹、 markdown 和亚姆格式，使其创建、编辑、分享技能变得异常简单。 同时，它还具备了高度的可扩展性，可以包含可执行的脚本、参考文档和模板资源，以支持更复杂的工作流程。 那整个工作流程可以分为三个阶段，首先呢是发现 agent 启动时扫描所有可用的技能。其次是激活当任务匹配时加载完整的技能指令。最后的话是执行 agent 按照指令执行任务，并按需调用脚本和访问资源。 agent skills 的 目录结构设计的既简单又强大。一个最基础的 skill 只需一个名为 skill 点 m d 的 文件， 其中包含了所有的指令和原数据。但为了支持更复杂的任务，我们可以扩展这个结构，加入三个可选的目录。第一个是 scripts， 这里存放可执行的文件，比如 python， batch 或者是 java script 的 脚本， 让 agent 能够执行具体的操作。第二个是 references， 这里可以放置额外的参考文档， 比如详细的技术规范和 api 文档，供 agent 在 需要时查找。第三个是 assess， 这里存放静态资源，如模板，图片，数据文件等，为 skill 的 执行提供必要的素材。 这种模块化的组织方式使得 skill 的 结构清晰与管理和维护。为了确保 skill 的 兼容性和可维护性，我们需要遵循一套明确的规范。首先是 skill 点 m d 文件中的 format 部分， 其中有两个字段是必须的。第一个是 name 技能的唯一标识符，长度为一到六十四个字母，只能使用小写字母，数字连字母，并且必须与附目录的名称完全匹配。 再者是 description 技能的描述，长度为一到一千零二十四个字母，需要清晰地说明该技能的功能和使用场景，并包含有助于 agent 识别任务的关键词。 一个好的描述应该是具体的，比如从 pdf 文件中提取文本和表格，而不是模糊地处理 pdf。 此外，还有一些可选的词段，比如 license 或者是 compatibility， 就是 环境的要求。 meta data 来自定义一些原数据和实验性的 allow tools 等等。 为了确保你创建的 scale 符合规范，可以使用官方提供的 scale ref 库进行验证，只需要一个简单的命令就可以，就下面这个 scale ref validate， 然后呢，指向你的 scale 定义的这个文件夹目录，就可以检查你的 scale 是 否符合所有的格式要求。

嗯，大家好，我是那个阿里云的一个数据开发工程师，然后也很荣幸今天能在这里给大家分享一下呃，我用 qd 帮我数据开发体校的一些经验吧。 呃，然后今天的分享大概会分为这四个部分，然后第一个部分呢，是我用 q 的 做数据开发的这一个背景是什么？第二个就是我用它来给我提效的一个四步法，它方法是什么？以及 q 的 给我带来的一个可以量化的成果，后面的一些对 q 的 在数据开发这一块的总结和展望吧。 呃，首先讲一下这个数据开发的背景啊，其实是阿里云一个新产品，它数据体系从零到一的一个构建，其实对我来说他的挑战就是在不仅时间紧，任务重，而且资源还少。 为什么说时间紧呢？因为我当时没有完全没有接触过这个新产品，所以我可能是需要去大量的阅读以往的一些业务代码，去了解它的逻辑，这样呢我才能去做一个树上的架构设计，但是当时时间又很短， 然后所以整体的压力会很大，而且数据基础也比较薄弱。像我们可能之前做一些项目的书仓开发的话，会有已有的公共层，我可以用啊什么的，但是你新产品嘛，拿到的其实就是一些 ods 层的买点表， 然后你交付物呢，是需要是一个看板的，那中间的呃，公共层和应用层应该怎么办？其实还是需要在很短的时间之内全部去开发完。然后资源的限制是因为我们当时团队因为一些原因，基本上这种体量的项目只有一 只有同体量项目一半的人能投进来，所以整体来说挑战非常大。但是非常幸运啊，我们现在 ai 时代有刻的这样一个很好的产品，可以用它去帮我们进行一些提效。 呃，是怎么做的呢？我觉得它在这几个方面都给我呃有了一个很大的一个提升。首先就是逻辑理解， ai 可以 辅助我去拆解一些很复杂的逻辑和代码， 以及我把它的一些规则设计好了之后， rules 给它设计好了之后，它能它的产出其实是更符合我的预期的。 然后以及用 report wiki 我 们这个功能生成好了一个非常好的代码的知识库，不管是辅助 ai 开发还是我们人去了解都很有帮助。以及后面像我们的那 quest mode 可以 完全的去辅助我们去进行一个任务的执行。 ok， 先说一下第一步啊，就是为什么需要理解复杂逻辑，我不知道在场有多少同学接触过数据啊，但其实你是接触过数据，如果你是需要去做表的话，有个事情肯定是绕不开的，就是我怎么去读之前的代码，了解他的业务逻辑，这个过程很重要又很痛苦。 说他很重要是因为我只有去读了那些代码之后，我才知道他这个业务是怎么流转的，我的核心逻辑在哪里，我这样的话我才能去进行一个竖仓的架构设计。但为什么很痛苦呢？就是因为可能每个人第一他代码的风格也不太一样，第二有的折扣，可能，特别是阿里这种很长 几百上千行，然后可能就用了八百张表，然后无数个逻辑，一会去从一会干嘛的啊？你可能看到一半你就忘了你前面在看什么了。 这个其实代码的那个理解是一个非常困难的部分，但是有了 ai 我 们可以怎么做？其实我就让他去帮我自助化的去拆解一些模块，我这边 mock 了一个 case 出来啊， 像他就可以去帮我。呃，知道哪些 select from， 它一些重点的操作是什么，然后以及我数据它之间的那些主键它是怎么关联的，帮我形成一个可式化的关系图谱， 这样的话我就能知道的更清楚我的核心逻辑是到底是什么，然后我的数据啊是怎么留的。同时呢他甚至还可以帮你识别出一些潜在的问题，就是代码开发中那些坑，我哪些是应该避免的， 所以这些我觉得都是一个他帮我提效很多，可能我当时看一些很复杂逻辑，我两三天我可能把自己脑子脑子给绕晕了，我可能才绕出来一个结果，可能在 ai 的 辅助之下，我一天这个东西我就能理清楚了，就所以是提效很大的 啊。第二块呢，就是我这个入就是入，就是你代码要深层的，很符合你的预期，我觉得你还是必须要跟他讲清楚我们这个地方我的规则是什么， 但其实说实话，刚刚其实有提到我们要把这个规则写好是非常不容易的事情，所以我呢也知道我自己没有那个能力写好，所以我让他 ai 来帮我写好。 呃怎么做呢？首先我会给他一个初步化的入，然后他会基于他的开发，然后我会不断的跟他进行一些交互，我觉得这个地方可能有哪些问题，或者给他提供一些建议什么的。 然后呢？像 q 的， 他本身有一个非常强大的 memory 系统，他其实把我的反馈什么都全部记下来了，然后我再基于他 memory 里面的内容呢，再去把我的入去更新一次， 这样的话呢，就是其实可以得到一个非常完善的入了，可能就是大概会分为这几个部分，但他其实这样讲，大家可能没有什么始感啊，我把我自己的 case 给大家看一下。 呃，这个是我最开始的一个入，可能投屏这不是很清晰，就是他大概就是一个非常非常平铺直叙的一些内容，然后也缺少重点，说实话写的就挺烂的。然后我然后我用了一段时间之后呢，我就让他去帮我优化，他优化其实就在两个方面进行了一个优化，第一个方面就是 ok， 我之前的那些 rule， 他 就把我这些你看格式和重点全部都调出来了，比如说都是代码格式的规范，他把需要强调的地方全部都加粗了，甚至还给了我一些 case， 这样的话模型就能更好的去理解到底应该怎么写。 然后后面呢，他还学习了我自己的一些代码风格，然后把这些东西沉淀下来，然后也放了，放进去了。所以我其实有了这个入之后，我现在去让 qq 写代码，他申请的代码和我自己手写的我觉得没有什么区别，基本上都是风格啊或各个方面规范啊，都是一致的。 其实有了这个规则之后啊，像我们人，比如说我们人做开发，我知道了规则，那我可能现在去改一些东西，那我应该怎么改呢？呃，我其实脑子里面需要一个知识库，需要一个地图， 就是用到了我们的 report wiki 功能，但其实在没有这个之前，呃数据，它其实代码的逻辑和业务的口径啊什么的都是强相关的， 按道理来说就是你呃的代码和你配套的文档，他们必须是强强关联的。但其实现实中我们这块做的并不是很好， 因为你平时可能因为时间不够啊，或者说呃，种种原因，我的那个口径可能就是八百年前的，或者说干脆就没有代码，很多东西很没有，没有文档啊，我很多东西我全部都靠口口相传的一个方式在做， 但是我们现在有了这个 report wiki 功能之后，它就能自动化的进行一个知识库构建，而且保证我的呃口径文档和知识文档和我的代码库是一致的，这一点我觉得是非常重要的。 就像比如说他帮我生成的这个知识库的架构，有我项目的简介啊，书上的架构啊，包括我一些核心功能，还有我常用的一些查询，它都会帮我更新上去，所以我觉得这一块还是很好的。 ok， 其实前面也讲到了，呃，我们比如说让帮他解析完了我们的逻辑，这样的话我们能更好地进行一个竖窗架构设计啊，设计也设计好了，然后有了一个很完善的入，然后能让 ai 知道他应该怎么去帮我们写代码， 然后呃，到了后面我们也有了文档了，就相当于有了一个地图，其实就可以交给 ai 去帮我们执行工作了，就比如说就我就用 quest mode 去帮我执行，我提出了需求之后，他就会去解锁我的知识库，然后帮我生成一个解决方案。 但是我我还是需要跟他对焦优化一下，就是我这个方案是不是符合我预期的，或者说怎么做来说，我觉得是更稳健的。对焦好了之后我让他去执行，他其实可以自动去识别出各个任务的呃依赖，然后进行一个排序的顺序，然后最再对他进行一个结构化的分解，然后这么讲还是有点空啊， 拿一个具体的 case 来看，呃，我当时是呃基本上这个域它新增一个维度， 我这个需求提出之后我就觉得 ok， 这个工作其实我可以让呃 qd 的 quest mode 让让帮我来完成。 我把这个东西交给他之后，他第一步就是去解锁了我的知识库和相关的跟这个域相关的信息，他就解锁出来了，这个知识库也是他写的，然后他就解锁出来。 ok， 这些 ads 有 这么多张，然后他这些的呃，他是一个什么指标表，维度是什么？包括他的血缘关系，他全部都已经解锁出来了。 接受出来之后呢，他就开始跟我去呃深层这个方案，呃深层，当然他的模块有很多，我就把他比较重点的三个挑出来讲， 第一个就是一个需求方面的分析，我业务的背景是什么，然后我数据来源于哪里过滤过滤条件是什么？然后就是架构设计，因为我的改算是感应应用层的表，但是不可能说完全不涉及我的公共层的一个改动嘛， 然后我没有告诉他我要改哪阶段？ a、 d、 s， 其实这是他自己识别出来的，这个域的 a、 d、 s 一 共有五张，那可能相关的 d、 w、 d 有 一张，这是我所有需要改的东西， 改完之后呢，他就会产出一个很详细的实施方案。呃，其实跟我们人一样，比如说我来做这个需求，我首先要知道，呃这个数应该怎么加进去，然后加到哪张表里面，然后加到哪张表里面之后呢？我可能改的话会对我现有的怎么把跟现有的关联出来，可能会对现有的结构有一个怎么样的影响。 其实这些问题 qd 他 都考虑的非常好，他比如说他像这个 dwd， 他 就说什么关联字段那些全部都给你设计出来。其实你的设计文档这么详细之后，你再交给 ai 去做，他其实就是会很好的分布的把拆解，然后再把这个任务给你完成下来， 然后这个是我的一个执行结果。这个呃不算一个很复杂的一个任务，但它确实是一个很繁琐的任务，因为设计到的表太多了，你可能自己人沾沾改改啊，一进去基本上我们至少要排到一天以上吧。 但是用 qd 的 话，我这个东西我自己不写代码了，我做的就是前期方案的把控，以及后面的这个呃，它的代码的一个准确性的一个教验，我把这些教验好了之后，其实半天就够了，其实既可起码帮我提效了百分之五十以上， ok。 然后我觉得用 qd 对 我来说的话，不管是在开发效率和质量方面都有了一个很大的提升， 在之前比如说有这个之前我需求分析需要我人自己去理解，然后自己又画了什么流程图啊什么之类的，然后但是现在 ai 可以 自动化帮你解析识别出来核心的逻辑。然后 包括在编辑方面，之前更多的是一种人自己设计，然后人自己来开发的过程。但是我现在更多的是 ai 帮我辅助，我理解逻辑之后，我还是我来设计，但是我的开发的话，我可能还是交给 ai 去做了， 然后这样的话效果也是很显著。还有个就是在准确率方面吧，我们错误率也降低了很多，因为人写总会有些呃，像 type 一 样，一些 type 啊，什么括号啊这些很低级的错误，但 ai 的 话它完全就可以避免掉这类问题。然后像文档的编写， 呃，其实文档对数据来说很重要，因为你写口径啊或者说什么的，你都应该放到文档里面，这样更多的人去用嘛。但是现实中出于种种原因，文档这块其实大家做的也并没有那么好，原因就是因为太麻烦了， 就是你可能每改一次，我就得去刷新一次文档啊什么的，它总体来说是件非常麻烦的事情，但是你现在用这个 report wiki 的 话，你可以自助化的进行一个文档的编辑，然后你可能自己去教验一下结果就好了。然后这个东西不管是拿给团队的同学做一个参考呢， 还是以后让 ai 去作为一个参考材料，让 ai 来帮你执行，都是很有帮助的。然后后面 我觉得的话，其实呃， coco 对 于我来说他不像是一个单纯的工具，他也很像是我工作中的一个协同伙伴一样的。然后我觉得通过一些结构化的指令，还有持续的，你不持续不断去用他， 然后你给他一些知识，一些输入，他其实还是会变得更聪明，然后以后也是希望探索更深度的一种协同模式，然后给数据开发这一块来进行一个提效吧。 ok， 今天就是所有的内容，谢谢大家。

先说一句实话，现在的智能体已经很厉害了，但很多时候它只是聪明，不是真的懂行。而我最近在用的 open scales， 可以 让 ai 直接变身行业专家，效果非常夸张。举个例子，有了 scale 之后， 我做前端页面不光能跑起来，还能变得好看，配色、布局都帮你想好，直接能上生产环境给用户用，甚至连 ppt 都可以丢给 ai 做，三分钟一套方案，免费，速度快，排版还比很多人更专业。 那 skill 到底是个什么东西呢？我们可以把它想象成给你的智能体，装了一个专家技能库，平时你还是正常跟 ai 聊天，但当他发现你说的事情可以用某个技能来帮忙时，他就会自动去把这个技能加载进来，变成一个懂你业务的 ai 顾问。 这期视频我主要做两件事，第一，带你看一下我是在 windows 电脑上怎么把 open scale 部署起来的。第二，告诉你中间我踩了什么坑，以及我是怎么让 ai 自己把这些坑填上的。 先说部署，我用的是一台 windows 十一的笔记本，上面装了 qin 的 国内版，完 完全按照笔记的步骤来。第一步安装都很顺利，结果到第二步安装技能包的时候， windows 一 路狂爆错，界面上基本都是红字。 这个时候很多人可能就会卡在这一步，要么开始疯狂搜帖子，要么就直接放弃。我这次换了一个方法，把报错信息全部丢给智能体，让他自己去查，自己去分析，又让另外一个智能体做了一轮交叉确认。最后的结论其实也挺有意思，问题不在我， 而是在 open skills 的 一个小 bug， 它在处理路径的时候，底层代码里写了一个不适合 windows 的 方法，相当于把路指错了方向，结果软件装上去以后的话，一字简就报错了。 更有意思的是， ai 不 光帮我找到了这个问题，还顺手给出了一整套具体的修改方案。我要做的事情只有一件，就是把这份方案直接贴回我的智能体，让他按着这个思路自动去改 open skills 的 代码，整个过程的话，我只用嘴，由他来动手。 改完之后，我再重新安装，这一次所有的技能一次性全装好了，面板里面一排的技能全都是绿色的状态， 那一刻真的很有成就感。装草之后的话，用起来其实比你想象的更简单，你不需要记住任何的指令，也不需要懂什么底层原理，就像平时一样，正常的跟你的智能体去沟通。比如把这个手机 app 的 界面按照 电商应用的标准，再给我重新设计一版，给我做一套给老板汇报用的 ppt 大 纲，所有的结构配图都给我整出来。 在这个过程中，智能题会自动的去判断应该调哪些 skills， 需要前端优化，他就会去掉前端相关的技能，需要文案和排版，他就会去掉和文档设计相关的技能。你看到的只是一个输出结果变得更专业的智能题。 拿我自己的一个真实案例来说，我之前做过一个手机的番茄时间管理的 app， 功能完全没有问题， 但是呢，做出来的界面的话，就是一个工程师的一个审美。那么接入 style 以后的话呢，我只写了一句需求，让他帮我全面优化界面的风格， 那么几分钟以后，一套新的界面方案就出来了，配色、控件、布局、细节全部给到我，直接的话就可以把它作为一个成品去进行交付。 如果你已经看到这里，大概率你不是只想玩一玩 ai， 而是想真正的在工作和项目里把 ai 当做一个靠谱的、专业的一个拍档。 那你可以把这期视频当做一个起点，至少你知道了两件事，第一， ai 不 只是会聊天，他还可以通过 skill 这种方式变成真正的行业专家。第二，就算中间遇到一些环境问题兼容罢了，这些坑也可以让 ai 自己帮你排查和选。 后面我会推出更多 skills 的 实战用法，如何用 ai 编程工具提升自己的能力，真正把一个人干成支队伍。最后祝大家马到成功，新年快乐！