oppo pro 逼近二十万星，正式超越 longchain autopod 登顶高清，成为名副其实的史上最热门 a 阵开点项目。而从 oppo pro 发布到现在，也就仅仅过去了一个半月的时间啊！ 本期视频带你一站式深入了解当下爆火的 oppo pro 底层架构与核心原理，并借助外扣顶从零到一手搓衣板寄予 longchain 的 更适合企业内部高病发环境下。拥有 oppo pro 全部核心功能的 mini oppo pro， 不仅能够一比一复刻 oppo pro 的 最核心的功能，而且和 oppo pro 一 样，拥有网络操作工具、沙雕、环境命令行工具、浏览器、动画工具等各项内置工具， 同时也能自由装载 skills， 支持标准格式的 agent skills 灵活载入，支持在对话过程中自主调用工作流和永久修改记忆，实现自主进化，越用越聪明。此外还支持一键绘画、压缩长期记忆剪索等各项 oppo pro 的 记忆管理功能。 并且作为教学项目，迷你 oppo pro 还支持实时文档的具内容，当前加载的 skills 具内容等等， 相信这也是目前全网最深入、最完整的 oppo pro 核心技术拆解。用狼人手搓的 oppo pro 也是全网独此一份。如此高价值的课程资料，还望大家多多三连支持国外科完整的资料， oppo pro 核心的功能、价格图、复现 oppo pro 的 完整题、日词、 rap、 编发流程等等都已经上线至复范大模型进入社区。首先啊，大家现在看到的呢，是 这个项目完整的项目的这个代码啊，当然我们主要是来展示这个后端的这个代码。然后呢，这个项目的这个整体的这个架构啊，迷你呃，那个迷你 open cloud 这样的项目的价格相对来说相比于原版的项目来说，其实会要 呃简变一些，也会要轻量很多啊，主要呢是因为没有像原版的这个 getaway 这样的一些这个设定啊，就是它没有这个网关方面这样的这个设定。 然后同时呢啊，之前同学提到过啊，说这个项目是不是啊 web coding 来进行的开发，没错啊，这个这个项目呢，是完完全全啊，是由 cloud code 式来进行的这开发啊，但是这个项目的开发呢，并不是啊，传统意义上呢，就比如说 ok， 我 们现在拿到 open cloud 啊，然后呢 对着 openclouds 来进行一个二次开发，不是这样的，而是通过跟呃 cloud code 完整描述关于我们项目这样的需求，然后呢引导啊这个 cloud code， 一 步一步去完成这个迷你版 open cloud 这样的这个开发啊。当然在开发过程当中呢，呃，其实它并不是啊，这个 web coding 就 对开发人员没有任何的要求啊，其实还是对开发人员会有些要求的，我们需要不断的去提示它的 功能啊，去修正它的一些这个问题啊，包括啊去提醒它的这个项目的这个架构啊，不断跟它一起去完善这样架构啊。只不过呢，去 借助像 cloud code 这样的 web coding 这样的工具啊，我们在进行开发的过程当中，是一个跟这个 ai 工具来进行协助的这样的一个状态啊。当然其实有了 a web coding 这样的开发工具之后呢，其实在绝大多数场景下，对开发者来说肯定都是一个效率的这样的个提升啊，因为毕竟大家能想象到啊，如果像我们现在啊这样的迷你 呃呃， open cloud 这样的项目，如果纯手动自己一个一个模块来进行开发的话啊，其实相对来说还是需要比较长的这样的时间的啊，但如果去使用 web coding 这个项目， web coding 这工具跟它来进行协助的开发的话，相对来说其实就会简单很多。那然后当然对于整个项目的这个基本架构和项目的核心需求啊，当然是我们需要去和 扣子啊，或者任何的任意的编程模型需要讲清楚的。然后最后我们看到了这个项目的一个基本架构啊，我们这里这个字可能有点小哈啊，但是这个，嗯，他好像没法放大啊，我们大概能看到啊，他这个基本架构长什么样啊？首先呢，我们可以先看一下啊，他有一个这个 啊， config 点 p y 啊，然后呢有这个 requirements 点 t， x， d 啊，这些呢，都属于通用的每个项目可能都会有的啊，这样的一些基本的这个设定啊，所谓这 config 点 p y 呢，它呢其实指的是啊，去加载一些 基本的一些这个变量，对不对？然后呢 requirements and tx 啊，它呢主要就是相关那些这个依赖等等等等，那么整个的这个项目的这个架构里面首先哈有一个叫 workspace 的 这样的一个这个文件夹，这个文件夹呢，其实里面就包含了啊，著名的这四个 markdown 文档啊，分别是 agent 点 m d， identity 点 m d， 合作点 m d 和还有 user 点 m d 啊，这四个 啊，非常著名的这个文档啊，这四个文档呢，其实就是最后构成我们 system prompt 里面的一些文档，我们只是要求把它全部都放在这个 workspace 里边儿了， 然后同时呢 tour 四这个模块啊，呃，这个，呃，文件夹这个命名应该还是非常清晰的哈，无非就是一系列的啊，这个基础的内部的工具，包括这个 fetch url 啊，对吧？啊，这个 fetch 这样的工具啊，去获取网络信息的这样的工具。然后呢这个 python r e p l tour 啊，它呢就是呃这个 luncheon 里边的内 自带的一个工具啊，它呢是可以是使用这个 python 的 代码调试器啊，来完成一下 python 代码的编程运行的。然后下面还有这个 file tool 啊， file tool 其实就是非常单纯的啊，这个，呃来进行这个文件夹的这个操作啊，包括这文件夹的打开呀，文件的读取呀，文件的这个增删改查啊相关的一些这个工作，那 再往下啊，还有这个 search knowledge function， search knowledge function 其实它是一个非常单纯的一个这个 re 系统，然后它呢是使用 lab index 啊，去完成 这个混合解锁啊，就是 bm 二点五的关键词解锁，加着 vector 磁强量的这个，呃，像磁强速度匹配的这样的这个解锁啊的这样的一个功能啊，它呢是也是一个内置的一个工具。 当然关于像蜡马 index 怎么样去进行混合解锁，这个其实就比较复杂啊，我们呃之前十二月底公开课曾经有一场公开课曾曾经讲到过哈，这蜡马 index 的 一个入门使用和怎么样使用蜡马 index 来进行混合解锁啊，那我们今天肯定是没有时间 来讲啊，那总之大家需要知道的是啊，在这个解锁的过程当中呢，它呢实际上是关键词啊，和这个呃文本之间的字腔量相似度啊，两者加权来进行匹配啊，大概是这样的这个情况， 那么再往下啊，还有这个 skills scanner 哈，这个 skill scanner 呢，实际上它不算是一个内置的一个 tour 哈，它呢实际上算是一个这个呃我们每次在启动绘画之前它需要必须要运行的一个脚本啊， scanner 嘛，啊是就是我们去扫描所有的啊 skill 这个文件夹里边到底有多少个 skill 对 不对？然后给它拼接成是一个 system message 啊， 就这样的一个这个啊这样的一个功能。当然我们的这个 skill scan 它在扫描的时候呢，其实，呃是扫描这个 skill 文件夹里边的啊所有这些 skill， 然后它最后呢是会把它 ok， 我 们来给大家看一下，最后呢是会把它拼接到这个地方啊，就是会给它拼接到 system message 里边这一段啊，也就是这一段啊，或者是我们看到的这里边儿 呃下面这个 memory 里边儿的啊 skill snapshot 这里面啊的这个呃内容的生成都是通过那个 scanner 啊来进行的创建啊，你可以这么来进行呃理解就 ok 了啊， scanner 大 概就是干这样的这个事情的， 那再往下啊，还有这个 terminal tour 啊， terminal tour 就 没啥好说，对吧？这个命令行操作的这个啊操作的这样的这个工具，然后它呢其实也是浪炫里面自带的啊一个这个工具啊，那这个工具也是非常好用的啊，专门用来去操 做命令行的，实际上相对于像这个现在目前来说比较通用的这个 agent 来说，只要它呃接入了命令行的操作工具啊，一般来说它就相当于是呃顶半顶上半个 computer use 了啊，就是它可以呃自由的操作啊，对你电脑来进行各式各样的这个操作啊，上面是问题啊，这个呢是 tools 这个模块 再往下啊， storage 啊， storage 的 话，它实际上是呃 memory index 的 一个这个拷锁，但现在其实还没有啊，就是还没有这个拷锁的这个内容出来啊，所以它目前呢是空的啊，就为什么会有这个 memory index 的 这个拷锁这个东西呢？是因为之后我们需要 we are memory 来进行拷锁嘛， we are we are 长期记忆 来进行拷锁啊，所以它就会有对应的这个呃 index 拷锁出来的这个呃片段在里边来进行一个保存。 那么在网上啊，就 get weather 啊，这就不用说它就是一个这个 message 啊，它就是一个 skill 啊， skill 里面就这就是 m d markdown 文档啊，然后 markdown 文档详细的跟我们说了啊，你要怎么去查询各个地方天气对不对啊？非常清晰。 再往下啊，这个 session session 的 话，一般来说啊，现在一个比较标准的啊，对大别模型来说，它的一个对话文档存储格式就是使用 json 格式，对不对啊？然后呢，还有一个这个 default 点 json 它呢？实际上呃这个 default 点也是最开始的一个这个绘画的这样的内容， 在网上啊，就 memory memory 的 话里面呢，会包含它的历史系统的这样的个记忆啊，这跨县城的长期记忆，然后同时呢，这还有个 log log 文件目前是空的，它呢就是未来因为专门用于记录记录大别模型是怎么样啊？去修改你的这个 memory 文件的啊？大概是这样的一个这个啊，这样的一个设置， 那在网上啊， knowledge 啊， knowledge 目前也是空的啊，它呢，实际上也是这个之后在进行解锁过程当中，会深层相关的一些这个文件， 然后呢，这个 knowledge 它的这个创建，其实它这个文件夹名字取得稍微有点问题啊，但 knowledge 它不应该叫这个知识，而是我们在后期哈围绕绘画来进行这个 summary 的 时候啊，它这个 summary 的 这个结果是保存在 knowledge 这个文件夹里面啊，就是你的绘画，比如说历史绘画太长了啊，它就会围绕着比较早些时候的历史绘画来进行 summary 啊，是这样的这个情况， 那么在网上啊，就是 graph 和这个 api 了，那么当然啊，从系统架构上来说， api 应该是靠前的啊，包括怎么样来进行这个对话呀？啊？对不对？然后呢？呃， 怎么样读取相关的这个设置啊？然后呢？这个，呃， a p i， 然后相关的这个文档的这个路径，如何来进行加载啊？ session 如何来进行加载啊？ tokins 如何来进？如何来进行计算呐？这里有很多的相关的一些这个 a p i 啊，底层的一些脚本啊，这么来进行理解。 然后呢， graph 就是 核心的，我们当成 agent 来进行构建的啊，核心的这个代码了，然后这部分代码呢？其实呃都是呃一个，都是一些比较标准的使用 longchain 来进行 agent 开发这样的代码，那么 longchain 实际上在一点零版本之后，实际上是全面是呃更新到了这个使用 create agent api 啊，对吧？来进行开发，然后呢我们本期的这个 agent 呢，也是使用 create agent agent 来进行开发啊，那么它它里边呢 会有内置的一些这个工具，然后同时呢它也会啊实时的去读取对应的这个 memory。 然后呢还有这个 prompt builder， 实际上就是去构建那个 system prompt 啊，大家就这样的一个这个这， 呃构建 system prompt 这样的一个这个基础的这个脚本啊，还有这个 session manager 啊，是专门去读册 session 里面的原始的文档内容的，然后这里面这个它这里面这个代码为什么，为什么这么复杂哈，因为它在读取你的每一个 session 的 时候呢，可能还会涉及到关于说就要去计算你 session session 的 这个 tokens。 然后呢 呃还需要提供啊，围绕这个 session 呢，还需要提供一些特定的啊，比如说可以给你的 session 来进行这个呃来来进行 summary 的 相关的功能等等等等啊，这个呢是所谓的这个 session manager 啊，所以它里面会有很多代码啊，差不多这样的一些这个功能规划。 但实际上在我们在使用 webcoding 的 过程当中啊，像所有这些代码的这个架构的规划，应该都是基于我们接下来的课程，我还将围绕更多的技术细节展开介绍，同时将借助 webcoding 带大家重塑迷你 oppo klo web coding 完整的需求跟题目的过程也都包含在本期公开课的科建中和科建代码等一集都已经上传至复反大模型进入社区。
粉丝1.1万获赞2.7万
相关视频
02:05查看AI文稿AI文稿春节党真正的杀手锏来了，这事也只有中国团队能干的出来了。从现在开始， ai 大 冒险将正式进入白菜价时代。最近我们都被 open club 疯狂刷屏，因为它不只是能够回答问题或者编辑代码，而是它可以真正开始全自动思考和帮你执行复杂的任务了。比如 这个叫 alex 的 海外网友，他的 open cloud 甚至在完成任务后自己在网上买了个电话号码给主人汇报结果。你不需要再教他任何做事的过程，而是可以直接把结果当做目标布置给他。但当你真正把这个全自动 agent 玩起来之后，就会发现这玩意对 token 的 消耗实在太高了，甚至有人一晚上就跑掉了一千美元的 token。 对于大部分人来说，已经不是想不想用 ai 了，而是能不能养得起的问题了。而就在刚刚，元神千问发布的千问三点五直接给全球 ai 圈来了一次降维打击。他不再信奉大力出奇迹的暴力美学了，而是进化出了一套极致稀疏的 m o e 架构新模型，凭借三百九十七 b 仅仅激活十七 b 的 mini 尺寸，直接 在多项精准测试中打拼，甚至超越了 g p t 五点二和 jimmy 三 pro 这些超万亿参数规模的闭源巨头，不仅把算力成本打掉了百分之九十， 显存占用降低百分之六十，推理效率大幅提升，最大推理吞吐量可提升至十九倍。而这背后的秘密就是它通过引入了混合注意力机制，让模型不再把每一个 token 都要和所有上下文做全量注意力计算，而这可以抓取信息中的重点，自动判断出需要精读或者略读的部分。加上训练时又加入了原声多 token 预测， 就让模型输出不再是慢慢崩字了，而是提前规划整段内容。所以你会明显感受到，不管是在长文本生成、代码补全，还是在 agent 长链路任务这样的高频场景中，都能实现近乎秒回的响应速度。更觉得是它还是一个原生多肽模型，也就是说，它不仅能够处理文字，而是能够原生理解视觉信息。 看，我只是让他看了一段视频，他就自动帮我写出了一个配套的教程文档，甚至连视频中没有提到的基础细节都给一一写了出来。这意味着，未来的机器人或者模拟人类操作手机和电脑的 agent， 都将狠狠地提升一波智商。更重要的是，千万依旧选择了直接开源。也就是说，现在只需要一台高配的 mac， 可以直接在本地免费跑起来了。所以，当开源模型在核心能力上追平甚至超越闭源，也就意味着 ai 基础设施的标准制定权正在从闭源巨头的手中向开源力量转移。未来将不再是模型与模型的比拼了，而是生态范式的替代。显然，阿力已经在这场转移中走到了前面。
1.2万赛文乔伊
05:04查看AI文稿AI文稿最近 cloud bot 在 ai 圈子里彻底火了，这个能够直接控制你电脑的 ai 助手让很多人第一次感受到了真正的人工智能助理体验。 作为一个量化交易爱好者，我第一时间想到的问题是他能不能帮我搞量化。今天我们就来实测一下，把 cloud bot 和发明者量化平台结合起来，看看能擦出怎样的火花。 首先来搞定安装，这里我们使用 macos 系统，安装非常简单，只需要一行命令，剩下的步骤按照官方文档操作即可。 安装成功后进入 dashboard 界面，这就是我们和 ai 助手沟通的主界面。当然，我们也可以通过飞书、 whatsapp、 slack 等多种渠道进行沟通，并且支持文字和语音方式。这里看到 ai 的 回复，就代表我们的私人助手正式上线了。 激动的心，颤抖的手，话不多说，直接上难度。我给 ai 下达了第一个任务，帮我写一个双军线量化策略， 这是最经典的入门策略，原理很简单，短期军线上穿长期军线叫金叉执行。买入短期军线下穿长期军线叫死叉执行。迈出选这个策略是因为逻辑清晰，非常适合用来测试 ai 的 代码能力。 指令发出后，帕鲁就开始工作了。首先他自动打开浏览器，进入发明者量化平台，找到策略编辑页面， 然后开始生成代码，整个过程非常丝滑，可以看到他完全理解发明者的 api 函数，代码结构也很清晰。先定义参数设置，短期均线周期设为五，长期均线周期设为二十， 每次交易数量零点零一个。接着定义了获取均线数据的工具函数，主函数里完成图表初步化，用一个无限循环持续获取 k 线数据，计算指标，执行交易逻辑，还加上了可式化展示 策略。写完后， ai 还主动给出了详细的代码逻辑解释，对新手非常友好。 代码写完了，接下来让 ai 帮我做回测，我告诉他选择必安交易所 btc u s d t 交易队日级别 k 线周期。 ai 收到指令后，自动切换到回测页面，开始配置参数，结果第一次运行报错了。我正想着怎么办，没想到 ai 自己就发现了问题，主动修改了代码中的一个语法错误，然后重新提交回测，这次顺利跑通了， 但结果嘛，说实话有点惨淡。不过 ai 随机自动生成了一份回测分析报告，列除了收益、最大、回测胜率等核心指标，并且还分析了典型的亏损交易，还给出了优化建议。 回测结果不理想，那就让 ai 来优化。我提出了一个复杂需求，更换交易所和交易品种， 同时调整均线周期参数，看看能不能改善表现。这个任务涉及多个步骤的联动操作， ai 开始执行后，首先根据上一轮回测结果提出了具体的优化思路，然后回到策略编辑页面进行修改，把交易所换成 okx 交易对改为 e t h u s d t， 均线周期从五和二十调整为十和五十。更让我惊喜的是，它还主动加入了 a t r 波动率过滤和动态止损逻辑，这些都是我没有明确要求的内容，修改完成后自动重新回测，最后还生成了新旧版本的对比分析， 并给出了进一步优化的建议，比如考虑提高仓位、优化参数和逻辑、多品种组合等。这些建议都很重肯，说明 ai 确实理解量化交易的基本逻辑。最后一个小任务，让 ai 把今天的测试过程整理成一份文档， 它很快生成了一份完整的报告，包括策略说明、代码解析、回测结果对比和优化建议。 这份文档就是我们今天实测的完整收获，整个过程 ai 基本都能独立完成，确实让人印象深刻。 客观评价一下 cloud bot 在 量化场景的表现，作为量化学习助手，它绝对是合格的，但它不是万能的， ai 写的策略也不可能一次性完美，该踩的坑一个都不会少。优势方面，二十四小时待命，随时帮你查看策略状态、修改参数和代码逻辑， 大大降低了编程门槛。不会写代码，也能体验策略开发的全流程，遇到问题能够自我纠错，有一定的自主解决能力。局限方面，不能替你做投资决策，策略好不好最终还是要人来判断。网络延迟有时会影响操作体验， 整体感觉很像现在的智能驾驶，大多数情况下都能应付，但关键时刻还是需要人工介入。不过话说回来，量化的应用场景远不止今天展示的这些，还有很多玩法值得探索。如果你也在用 cloud bot 或者正在学量化，欢迎在评论区聊聊你的体验和踩过的坑， 后续我们会继续用它探索更多量化内容，感兴趣的话记得点赞关注，我们，下期再见！
1260阿宽
01:56查看AI文稿AI文稿两个 opencloud 的 核心插件，一个是写代码的插件，一个是浏览器自动化的插件，给大家演示一下效果。这个是我用写代码的插件开发的一个二 d 游戏啊，就是我跟他说帮我开发一个游戏，然后他就可以开发好了， 我给他看一下聊天，聊天的记录，你看他这边就是我说在哪个目录下面，帮我帮我开发一下啊，他这有开发问题，然后后面没没开发出来，然后我后面又让他再开发了一次，他就开发出来了，他就使用了这个 cloud code 开发出来了。 呃，这个插件是本身啊，这个技能是本身自带的，在这里面本身就有的。 呃，但是这个需要你本地安装 cloud code。 呃，免费使用 cloud code 的 方法我之前也给大家讲过了，大家可以看一下往期的视频。然后第二个就是我们的浏览器自动化插电，这个的话需要安装一个插电，那你不知道怎么用，你就问 问这个 open call 的， 他会告诉你，一般他会告诉你去把，他会自动帮你去给弄好一个这个 com 插件，下载一个 com 插件，他一个命令敲下去，然后可以可以这个安装一个，帮你弄下载好这个浏览器插件，浏览器插件下载完之后， 呃，在这个点击右上角这边，然后这边连扩展程序，管理扩展程序，然后你选择未打包的，然后选择刚才这个插件的目录 啊，然后他就会打开这个幕，然后这个这个要填写这个 token。 这个 token 在 哪里呢？就是在在这个地方这个概书里面，这里有一个 token 网络令牌，选择这个网络令牌就好了， 复制下来之后粘贴到这边来，然后点击保存之后，这边提示成功啊，提示成功之后，那接下来他就当啊提示成功之后，他还需要点击这个这个小图标，点一下之后他会弹出来这个啊，他就提示现在已经就是我们靠的可以控制浏览器了。
245ai极客
02:53查看AI文稿AI文稿你是不是也受够了 open klo 干不好活？你一会让他写代码，一会让他记会议，结果他的 cpu 直接干烧了， 两边都干的一塌糊涂。今天就告诉你如何给 ai 开一个分公司，教你一个招六个数字员工效率直接起飞的方法。其实不是 open klo 烂，是你的领导干的烂， 人类的公司里也不能让程序员同时兼任前台和保洁对吧？你应该用正确的方式，使用 opencloud agents add 命令， 组建一个分工明确的虚拟天团。一、主理人处理日常唠嗑，负责派活。 二、马明兄弟，专注写代码，上下文贼干净。三、会议秘书专门记记，要 格式永远整齐。四、项目总监盯着任务进度，记忆持续在线。五、文案大神，专注写深度文章，灵感绝不打断。六、吃瓜研究员， 专门查资料，信息搜集一把好手。每个员工都有独立的飞出或者其他聊天工具的窗口，填写代码就找马龙兄弟，想写稿就戳文案大神，从此告别串台， 再也没有代码污染我的会议记录。每个 ai 都能在自己的领域里安心当学霸。具体怎么搞呢？三步走，有手就行。第一步，设计架构，先盘盘里每周那些重复到吐的活儿，给它们分类一个类别，就是一个岗位。 第二步，一键招聘，在命令行输入儿童 club agents a、 d、 d 岗位名就像发 offer， 秒建六个独立工作区。 第三步，绑定通道，给每个 i 员工开个专属的 i m 聊天软件账号，以后不同的活丢进不同的聊天窗口就行，物理隔绝效果绝了，甚至还能玩的更花。遇到临时的大人物，比如同时审查五个代码文件， 直接在主聊天窗口里用 sub agency span 命令，一键召唤五个临时工专家进行处理， 完事自动解散。主打的一个灵活运功，性价比拉满。我这么搞下来，原来需要七小时不停切换反复说明的混乱工作，现在五十分钟高效交付，效率提升十二倍，真的是太香了！ 不是 open club 不 够强，是你得会当老板，学会分工，别再让一个 ai 负重前行了，赶紧给他组建团队， 一起摸鱼，一起高效。最近 open club 这一类的 ai editing 实在太火了，我们也开发了更加安全的 autumn club， 如果你也有用 open club 提升工作效率的想法，关注我聊聊吧。
120森哥＠AI商业实战派
01:49查看AI文稿AI文稿每天一个 open class， 今天是 remotion， 想象一下用写代码的方式做视频，今天看看程序员怎么做视频。你是个程序员，想做个产品演示视频，打开 premiere， 发现完全不会用， 花了一整天学软件，视频还是做的一塌糊涂，代码能力完全用不上。这时候 remotion 就 派上用场了，他让你用熟悉的 react 代码来创作视频，就像写网页一样简单。 在终端输入 mpx create video， 选择你喜欢的模板，开始写 react。 组建保存代码，右便预览窗口，实时更新帧集，精确控制每一帧画面。在 opencore 里配置好，还能自动批量生成系列视频。 以前要学一周的软件，现在用代码思路，一天就能上手。从视频小白到批量生产，只需要懂 v at geekhub 用 remotion 给每个用户生成专属的年度回顾视频全球数百万份， 想做数据可视化，用 css 动画，想要炫酷特效，用 webgl， 想要矢量图形，用 svg 技术站随你选。 youtube 博主做片头 sales 产品做演示，电商批量生成商品视频培训机构做课程动画营销团队做个性化广告。传统视频软件像手工活， remotion 像工厂流水线，一个改代码，全职生效，批量生产，自动化完成。 三步开始，确保有 note js 环境运行。 npx create video， 选模板，打开 vs code， 开始写 react 组建，边写边看效果。点赞收藏关注我，每天一个 open class， 明天见！
06:33查看AI文稿AI文稿在这个由 deepsea、 戈壁山和 koopilot 四点五统治的时代，我们似乎已经习惯了 copilot 副驾驶的存在。 coser 确实让你写代码更快了， 但只要你还得坐在电脑前，手动把报错信息复制回对话框，你就依然是个肉身中间件。今天我们要聊的 open claw， 前身是 cloud bot， 它根本不是那种陪你聊天的机器人，它是你的影子员工。 openclaw 和其他工具的本质区别在于，它让你从一个代码的执行者直接跃迁为项目的管理者。 这不仅仅是工具的迭代，这是程序员职业形态的一次终极进化。很多人误以为 openclaw 只是给大模型套了个 telegram 的 壳，这简直是大错特错。它们最根本的区别在于生命周期，你用的 cloud code 或者 cursor 本质上是会化解的。 当你关掉终端的那一刻，他的记忆就断了。他就像一个按小时计费的高级外包，没有时间概念，也不会在你睡觉的时候思考。你必须时刻盯着他，不断的把报错信息喂给他，他才能干活。说白了，他依然是被动的。 但 openclog 不 一样，它是守护进程级的，它是一个跑在你本地 mac mini 或者云端服务器上的 node js 服务，拥有常识记忆，这意味着什么？意味着它有时间的概念，你可以直接下达这种指令，下周三项目上线前，每天凌晨两点帮我跑一遍全量回归测试， 有 bug 自己修，修不好再发微信喊我。 cloud code 做不到这点，但 openclog 可以， 它不仅仅是在写代码， 他是接管了代码落地的全流程。就像一个住在你服务器里七成二十四小时待命的影子员工。 openclaw 最激进的设计在于，他直接抛弃了 id， 全面拥抱 chat ops。 你 可能会问，甚至连代码编辑器都不打开，怎么写代码？这在技术上，之所以成立， 全靠 m c p 协议和强大的工具调用链。以前的大模型充其量只有一张嘴，它吐出代码，你得自己复制粘贴。但通过 m c p， openclaw 长出了手，不仅仅能生成文本，更能直接调用工具 读写你的本地文件，系统执行 get 命令，甚至通过 s s h 连入你的生产服务器。他不是在建议你怎么写，他是在直接操作你的物理环境。给你们讲个震撼的场景。作者在分享里提到，他完全脱离了编程环境，只用手机发了一条语音， 把登录页面的背景色改成深蓝，然后部署到测试环境。哪怕你仍不在电脑前， open call 后台逻辑也在飞速运转。第一步，解析语音提取任务。第二步，在本地代码库里定位 css 文件并修改。 第三步，自动 get 提交代码。第四步，触发 getup actions 流水线，或者直接 ssh 部署等。这一切搞定，它会在聊天窗口给你回一句，搞定了，链接发你了。你去看看这种异步的只看结果的交付方式，才是管理的本质。 你根本不需要关心代码是怎么写的，你只需要确认它做没做。如果代码都让 ai 跑了， 我们这些程序员还剩下什么？答案很简单，我们要从执行者变成管理者，甚至直接把自己当成项目的 cto。 要驾驭 open call 这种大杀器，你第一个需要掌握的核心能力叫架构拆解。这玩意虽然强大，但如果你只给他扔一句，帮我做一个像抖音的 app， 他 依然会崩溃。 真正的高手是把大目标拆解成构建用户健全接口设计视频流存储方案，编写 res， 中间建这样具体的工程指令。 记住，你的指令越像架构图，它的执行就越精准。第二项能力是工具链编排。 openclo 支持自定义 skills， 也就是技能。真正会玩的人，懂得如何让 openclo 去调用其他工具来干活。比如，你可以写一套 sop， 指挥他在遇到复杂逻辑时去调用 cloud code 进行重构，在上线前调用 sku map 自动跑一遍安全测试， 甚至调用 excel 脚本去清理服务器日制。你不再是那个写代码的人，你是那个编辑标准作业程序的人，他怎么干活，完全取决于你给他的工具箱里装了什么。最后也是最重要的一点，风险控制。这就要回答那个尖锐的问题了，部署在哪里？安全怎么办？ 给一个 ai route 权限，让他能读写你所有的文件，这在安全圈看来简直是噩梦。作为指挥官，你必须要有极强的边界意识， 你不能指望 ai 有 常识，一旦模型出现幻觉，执行了一个删除系统文件的命令，你就完了。所以，不管是容器隔离，还是关键操作的人工审批，这些安全阀门必须紧紧握在你手里。 管理者的核心职责永远是兜底。想玩 openclaw， 部署上，千万别踩坑。我最推荐你搞一台独立的 mac mini， 放在家里，数据就在本地，延迟极低， 而且它能直接操作你的开发环境。要是你非要在云端 linux 服务器上跑，记住一点，绝对不能裸机运行，必须把它丢进 docker 容器里做隔离，万一哪天模型抽风执行个删除命令，容器爆了还能重来数，主机挂了，你哭都没地方哭。 很多人担心把代码和权限交给 openai 或者 entropic 会泄露隐私。如果你对数据极其敏感， 现在的终极方案是搞一台 max studio， 本地跑一个 deepsea 之类的七十币规格大模型，然后再接 open klo。 虽然智力上可能比 klo 的 三点五差那么一点点，但应付具体的代码逻辑完全够用。最关键的是，整个推理过程断网都能跑，数据百分之百不出你的屋子。 最后记住，哪怕技术再成熟，也别给 ai 开全自动驾驶。在配置文件里，一定要把关键操作的审批给打开。比如你要推送代码或者连接远程服务器，别让他自己决定，让他在 telegram 或者微信里给你谈个消息， 你对比一下，改动点一下，批准他再动手。这种人工在场的安全法不是累赘，而是你在 ai 时代能睡个好觉的保命符。讲完了，剩下的就看你敢不敢把那个 mac mini 开机了。
37AI技能研究社
