粉丝4.9万获赞54.3万

hello, 大家好,我是阿亮。 color code 是 很多人的主力 ai 工具,编程呢就不说了,肯定是最好的,没有之一,现在有了 color code scale 之后呢,能力更是爆表,使用场景也非常多, 我是深度的 color code 的 用户,前几天呢,也给大家录了一期 color code scale 写作的视频,收到了很多小伙伴的点赞。首先呢非常感谢大家,但是呢很多网友问我说是想学 color code, 但是不知道怎么学,然后问我能不能教一教这么厉害的 ai 工具,必须安排, 所以呢,我新开了一个合集,专门讲克拉扣的使用,从最简单的安装啊,到最复杂的零代码编程,写出一个真实的项目。好,这一期呢,先手把手教大家怎么安装克拉扣的,然后呢,把克拉扣的账号配置上, 然后我们让它能够真正的开始为我们干活儿。本期视频呢分三部分来讲解卡拉的 code。 第一部分呢是呃手把手的安装教学,包括 windows 电脑的安装,苹果电脑的安装。第二部分呢是账号的管理,带大家去申请一个卡拉 code 的 账号,然后呢把它配置到卡拉 code 上,让卡拉 code 呢可以真正的开始为我们干活儿。 第三部分呢是关于网络的问题,好,接下来呢,我们先进行呃 windows 电脑的安装,首先我们同时按住键盘上的 windows 键行键, 弹出了一个输入框,输入 c, m, d 三个英文字母,点击确定,此时会弹出一个黑色的命令提示符窗口,打开我们的安装文档,然后我们把这行代码复制一下, ctrl 加 v 粘贴到这个黑色界面中,按下回车键,等待呢约两分钟, 然后我们看到了这样的绿色提示,下面有一个版本号,这就代表 cloud code 已经安装完成了,但是下面有一个提示,意思是还需要进行下一步的配置,接下来我们按照提示呢进行配置设置,这个配置有两种方式,第一种方式就是把文档中的这行代码 复制到刚才的黑色界面里,不过呢这个路径要替换成上面提示的这一个,然后回车,回车之后如果没有错就代表呢可以了,如果报错,我们就用第二种方式,先把这个路径选中, ctrl 加 c, 选中复制, 回到桌面,找到此电脑,点击鼠标右键找到属性,并点击找到高级系统设置,点击。然后呢点击黄金变量,新建一个 pass, 变量名写成 p a t h, 大 写的 p, 小 写的 a t h 变量值。把我们刚才复制的内容粘贴进来, 如果已经有 pass 就 双击,然后点击新建,还是把刚才复制的内容粘贴到这里,然后点击确定,继续点击确定, 此时关掉当前打开的这个黑色界面,重新打开 cmd 还是我们最开始的流程,或者呢我们也打,可以打开 powershell, 输入 cloud c, l, a, u, d, e 这几个字母,然后回车,弹出这样的界面呢,就代表安装成功了。 接下来我们看一下苹果电脑的安装,苹果电脑安装呢相对比较简单,我们呢先把这一行代码复制出来,然后呢打开我们的啊终端工具,然后把这个粘进来,回车 啊,大概等一到两分钟吧。好了,然后到这里提示一个绿色的 success, 就是 代表是成功了,下面有一个版本号,二点零点七六啊,这个时候代表就安装成功了,但是下面有一个提示,黄色的一个提示啊,然后告诉我们还需要执行一个这样的命令,我们把它复制一下, 然后粘贴到这来,然后回车。好,这个时候呢就安装完成了,我们试着去说一下, cloud 出现了这样的一个界面,就代表我们已经安装完成,这一步安装工作呢,我们就已经到这里就基本结束了,我们再可以继续走一下啊,我们选一个 light, 然后这里到这里就需要我们去登录,因为我没有账号,所以我们呢还要需要解决账号的问题。账号有两种方式,一种呢如果我们买过官方的会员,那在这里就可以直接登录,我们选第一个, 然后去会调浏览器去授权,然后登录成功,但是很多人呢没有官方的账号,那怎么办呢?接下来我带大家去走一遍申请国内一些模型的账号,国内的模型呢 比较多,大家可以去用智普的, mini, max 的, kimi 的 啊,好多大模型都支持,我这里呢以智普的这一个来演示智普最新的 g m 七四点七,这个模型我感觉还可以,大家可以看一下,这里有一个啊,两千万免费 token, 新用户有免免费的两千万 token, 我 们可以免费的先把它用起来,然后我们这里点登录,这里输入我们的账号 好了,登录进来,我们点击右上角这一个人像图标,有个 a p i k。 好, 然后我们点添加新的 k, 这里名字可以随便起一个,我们就选 c c c 三个 c k 就 生成好了,我们把它先在这放着,申请完 api k 之后,我们还需要做一个实名认证,认证通过后呢, k 才可以用,我们点击这个实名认证,然后点击开始个人认证, 在这里填写我们的信息,然后认证完成就可以了。接下来呢,我们还需要下载一个工具,这个工具使用同就是帮助我们来配置这个 k, 而不用去通过命令行配置。我们打开这个开源项目, c c 杠 switch, 然后找到右边有个 release 这儿, 然后往下滑,滑动到这,我们选择自己电脑对应的版本 windows, 下载 windows 的 啊,下载这三个,哪一个都可以,然后 mac 下载对应的 mac 的, 我这里是苹果电脑,我下载 mac os 这一个,下载后打开点击右上角的加号,我们看到这里需要输入一个 k, 现在回到智普的网页,找到刚才申请的 k, 点击复制,然后粘贴到这个位置,点击添加,然后重新开启一个新的终端,输入 cloud, 这个时候我们看到这里已经显示 j l m 的 模型,我们测试一下输入你是谁?是哪个大模型,我们看到有输出了,到此安装注册配置全部成功搞定。 最后是关于网络的部分,大家开启 t u n 模式就可以,也可以按照文档来操作,那么具体如何使用卡的扣的下一期呢?手把手带大家入门,大家点点关注哈,跟着阿亮学 a。


cloud code, 全球最火的 ai 编程工具,昨天集体崩溃了,不是服务器挂了,不是 api 超载,而是一个 markdown 文件的格式变了。更讽刺的是,这个工具的创建者刚刚还在社交媒体上炫耀,上个月他百分之一百的代码都是 cloud 写的, 一个月交付了两百五十九个 pr, 四零零零零行代码,结果呢?连自己的 change log 都解析不对。大家好,这里是 l l m x factors, 一个专注于拆解大语言模型时代底层逻辑的频道。今天我们不只是讲这个 bug, 而是聊聊它爆露出的一个更深层的问题。我们先来看看这个 bug 到底是怎么回事。 cloud code 的 change log 文件版本号格式从二点一点零变成了二点一点零,加上日期代码在解析版本号的时候直接崩了,没有任何错误处理,没有任何测试覆盖。 你可能会说,这不就是个普通的 bug 吗?但问题是,这个 bug 的 发现方式是,所有用户都无法启动,什么意思?这意味着在发布之前,没有任何人,或者说没有任何流程运行过启动应用,看看会不会报错这个最基本的测试,这才是问题的核心。这不是代码写的不好的问题, 而是没人在想的问题。当你宣城百分之一百用 ai 写代码的时候,你其实是在说,我不需要理解代码,我只需要让 ai 深沉,然后提交。但问题是, ai 不 会问自己, 这样行吗?需要测试吗?有没有边界情况?这些问题只有人类会问,而当人类把这些问题一起外包给 ai 的 时候,这些问题就不存在了。社区的反应也很有意思, 有人说用 markdown 当结构化数据,这就是 l l m 会做的事。有人说,没有测试,加上自动部署等于灾难。还有人总结得更狠, 十倍生产力,零点一倍可信。更让人担忧的是,这不是 cloud code 的 第一个问题。用户反馈说,权限系统形同虚设,你明明禁止了某些命令,它有时候还是能执行网络限制,时好时坏,有时候会搜索整个文件。系统官方对此的回应是,病发问题很难完全解决。这是什么意思? 这意思是,我们也不知道代码会干什么。收回那两百五十九个 pr, 每个月两百五十九个 pr, 意味着每小时要交付一个 pr。 四零零零零行新增,三八零零零行删除净增只有两千行,这说明什么? 大量的代码在反复重写,但更关键的问题是,谁在审查这些代码?以每小时一个 pr 的 速度,人类能认真看完吗?当速度成为 kpi, 质量就成了牺牲品。那这件事对我们有什么启示呢? ai 编程工具确实能大幅提升效率,但有一些事情它做不到。 ai 可以 帮你写代码、改代码、解释代码,但 ai 不 会帮你想到要写测试,不会帮你考虑边界情况,更不会质疑你的方案是否合理。 这些需要人类来做。正确的姿态应该是, ai 是 执行者,你是架构师。产出再多,没测试等于没产出,能跑步等于没问题。速度不是唯一指标。用 ai 提升效率,但不能外包。思考。如果你是技术决策者,正在评估 ai 编程工具, 我建议你注意这些信号。那些只强调 x, x 被产出,但不是风险的,那些没有提测试和审查流程的,问一句, 谁在为代码质量负责?如果答案是没有人或者 ai, 那 就要小心了。所以今天的核心观点是,这不是代码的问题,是思考的问题。当你百分之一百依赖 ai 写代码的时候,最先消失的不是代码质量, 而是要不要测试一下这个念头本身 ai 可以 十倍你的产出,但只有人类能决定产出什么。原文链接我放在评论区了,你怎么看? ai 编程的质量问题?欢迎在评论区聊聊。这里是 l l m x factors, 我 们下期见。

cello 的 emd 越长, cloud 越蠢,这不是玩笑。最近开发者社区正在激烈争论这个问题,有人的 celloed dmd 已经写了五百行,有人干脆一行都不写,到底谁是对的?表面上看,这是一个 context rote 的 技术问题,也就是上下文膨胀导致效果下降。 但我发现本质上,这是一个认知外包的边界问题。有些知识该让 ai 记住,有些必须写成代码强制执行,搞反了, ai 越用越蠢。大家好,这里是 l l mx factors, 一个专注于拆解大语言模型时代底层逻辑的频道。今天我们来拆解 什么该放进 c l a d m d, 什么绝对不该放正确的认知外包架构是什么。我们先来理解一下什么是 context route。 简单说就是随着 prompt 和上下文变长, l l m 的 效果会下降。 就像人一样,给你十条规则,你记得住,给你一百条规则,你不仅记不住,还会搞混。 cloud 也是一样的。在开发者社区里,有两种极端立场,一派是不写派,他们的观点是根本不用 slow dmd, 因为 llm 随着 prompt 变长必然退化。另一派是长文派,他们说结构比大小重要,五百行也没问题, 谁对?其实两边都有道理,但都没说到点上。我看到一条评论,说到了关键,他说如果一个纠正很重要,它应该变成一条 lin 规则或一个测试。 翻译成人话,就是能用代码强制执行的,别用自然语言提醒,这才是问题的核心。好,我们来聊聊认知外包。传统时代,我们写文档给人看,写代码给机器执行。 但 ai 时代多了一个新东西,就是写 c o 的 d, m d, 给 ai 记住,这是一种新的认知代理模式。问题是什么知识?该用哪种方式承载?我总结了一个三层架构, 第一层是强制执行层,包括拎听规则测试、 get hooks 这些不需要 ai 理解,代码会强制执行。第二层是高频召回层,就是 cloud md 的 前五十行,每次对话都需要的内容必须精简。 第三层是按需查阅层,就是链接到其他文档的部分,需要时才加载。我们一层一层看。第一层,强制执行层应该放什么 代码,格式规范用 e s link 和 peritone, 类型检查用 type script, 测试覆盖用 c i, c d。 为什么要放这一层?因为 cloud 可能忘记规则,但代码永远不会忘。第二层,高频召回层应该放什么? 项目架构概述的金钱版、关键技术站版本以及核心编程约定,最多五条字数限制,建议在一百到两百行以内。第三层,按需查阅层应该放什么? 详细架构文档? api 参考、历史决策记录,关键是用链接引用,不要全塞进 c l, a, d, e, d, m, d。 比如写一行,详见 dog's architecture, dog m d 就 够了。有人问了,那个五百行 c, l, o, d, m d 的 人,他为什么能 work? 我 看了他的结构,他的五百行分成三块快速参考表,放在最前面的五十行,然后是架构笔记作为参考用, 关键是高信号内容前置,这其实是变相的三层架构。接下来我们聊聊 cloud reflect 这个工具, 这个工具想解决一个真实痛点,开发者每天都在纠正 cloud, 但很少人会把纠正记录下来,工具的目标是自动捕获这些影视纠正,然后转化为 c l a d m d 配置。这个工具有两个设计亮点,第一是 human in the loop, 就是 h t l, 它不是自动写入,而是需要人工审核批准。 第二是有限制,极致,强调精简,避免无限膨胀。但这个工具也有局限。第一个问题是检测逻辑过于简单,它是用政策匹配 perfect, exactly, right 这些词,这能捕获多少有效反馈?第二个问题是影视纠正本身就很难捕获,开发者说试试别的方法,这算纠正吗? 很难说,有没有更好的替代方案。我总结了三种,第一种是阶段性复盘,人工筛选质量高,但需要纪律。第二种是拎挺优先,能强制执行,但只适用于格式类问题。第三种是绘画日制分析, 很全面,但容易信息过载。有一位开发者的经验,我觉得很值得参考。他说让 cloud 写代码,但决不让 cloud 喷 cloud dmd, 这个边界划得很清楚。好,我们来总结一个决策框架,当你遇到需要告诉 cloud 的 事情,先问自己,能用代码强制执行吗?如果能写成 link 或测试。如果不能,问第二个问题,每次对话都需要吗? 如果是放进 c l o 的 md 的 核心区,如果只是偶尔需要,那就放进参考文档,用链接引用。最后给几条实操建议。第一,定期清理,每周 review 一 次 cl a, d, m, n d, 删除过时和重复的内容。 第二,分层管理 c loud md 保持两百行以内作为核心规则架构文档, a p i。 参考分开放在 docs 目录编辑,其规则放在 cursor rules 文件。第三版本控制 c loud md 也要用 get 管理, 这样可以追溯变化。有人提了一个痛点,说他的问题是 cloud 经常不去查阅参考文档, 于是在 c, l, a, d, e, d, m, d 里写了链接。解决思路有几个,在 c, l, a, d, m, d 明确指出何时该查询使用更明确的触发条件,或者考虑使用 cloud skills 功能。回到核心观点, context route 不是 根本问题,认知外包的边界才是。 记住这个三层架构强制执行的,用代码高频召回的放 c, l, a, d, m, d 核心 按需查阅的写成文档链接。一句话总结,能用代码强制的,别用文字提醒,必须用文字的放最前面,其他的写成文档链接,这就是认知外包的正确边界。源铁链接我放在评论区了。 关于 cloud d, m, d 管理,你有什么经验,欢迎评论区聊聊。这里是 l l m x factors, 我 们下期见。