Claude代码不公开原因

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。