龙虾好还是Claude code

龙虾开始整个 agent 时代，大家感觉到来临了吧，正好我们也聊一聊，从还是从产业端吧，从这个 ai agent 时代的来临开始，聊聊对整个 ai 硬件端、软件端的影响，正好也聊聊这两天的市场，这两天那个计算、存储、通信都有比较大的波动。 好吧，因为 tc 是 tc， 现在应该可以算是 cloud 的 重度用户了吧，只是我们就是最近试了试。嗯， 因为它一月份的我们用的主要是 cooke 啊，一月份 cooke 才刚刚出来。对啊，之前是 coding， coding 我 们肯定是没怎么用的，对，那个太哈扣了，而且我们本来也不是马龙啊，但是 cooke 呢，它其实就打开了一个普通老百姓啊，借助这个 coding 的 握，解决自己工作流啊这些的一个窗口啊，这个是个很重要的一个气急。也是为什么一月份以来啊，一堆萨斯公司，还是传统很多公司暴跌的原因啊。因为以前大家觉得你这，你这能力值就限制在 coding 里面。 对对，所以你，你是等于说啊，你是有一个有一个限制的，你不能说你是无限可以开你的火力的。以前他们做模型都是算，比如说这个世界，比如说有多少人是马龙，可能有一千万或者怎么样，那你人群就限制在这里面了，你，你赋能给他们， 你的增值也是他们吧。但是一月份以来，他主要做的动作就是推出 co work， 把这个赋能给各行各业，进一个行业就灭一个行业，进一个行业灭一个行业，那主要节奏是这样的啊，对我们来说也是打开一个窗口吧，你也可以借助这个图看一看三号，你怎么着可以把它用到自己的工作流里面啊？哎，他 co work 和小龙虾是 co work 先出来是吧？ 我如果没记错的话，应该是扣 rock 稍微早一点点，因为他他可能一月中就出来了，但是 anyway， 差不多是同一时代吧。同一时间啊，是两个天才同时想出来吗？这个应用吗？还是说你谁小龙虾有，你觉得会有借鉴扣 rock 吗？我我觉得他这个是有一个梯级的，梯级就是说你的扣定的能力是底层能力，要到一个高度才行， 因为如果你抠定的底层能力不足的话，就说你你，你如果有很多东西都有可能有错误或者幻觉，对，然后或者要反复让人检查，就说他还是只能做一个口拍的时候，那个时候你就需要有个人马龙在旁边来，或者他技术要求就很高，或者有很多功能，你就无法解锁，你就不能按 log 很多的应用， 这个很重要，所以，所以你看那个最早像麦当劳斯啊，他不是很早就有一整的吗？但是他的应用就非常窄，就只有那么几个东西，就是个人助理啊，就只能让你定定机票啊，就是这些非常，但是你很难就说非常深入你的工作流， 但你要非常深入你的工作流，你的底层代码能力是个前提。对，所以为什么这个东西是 eshop 做，然后再加 eshop？ 它本来就是啊深根于凸臂比较多嘛，所以它也了解客户的需求，所以我觉得这个这个是个很重要的前提。但就说小龙虾他们啊，是不是 他可能也发现了，就说现在代码能力已经到了一个阶阶段了吧，然后这个东西才能就一一炮而火，我觉得有这个关系，但是还有呢，就是 eshop 的 这个 code 封装的很好， 就是你普通老百姓用，你可以完全不用 word， 什么代码不代码什么之类的，这东西你就很流畅的用就好，就像 chatbot 的 交互感觉一样，可能比那个还是复杂一点。 ok， 但是已经封装的很好了，就它背后还是一套代码支持，就是你你把它的后台打开，你可以看到它有很多的这个代码在不停的生成， 然后他是利用这个代码来执行这种工作流的，所以，对，所以这点我觉得他封装的很好，而且他不会乱改一些你没有授权的东西，所以你用起来很安全。所以这个也是为什么 co worker 呢？他很快就进到一些比较正式正儿八经的这些 enterprise 里边，然后盖小龙虾基本上还是只能自己倒腾，嗯，没有任何大企业敢用。是不是有点像就开源辟源的感觉啊？ 就小龙虾他那个就是他的那个，那个，那个背后的那个大模型你是可以随便选的，对， ok， 所以 你肯定可以选开源的呀，然后你可以有自己的偏好，但是那个装这个东西肯定是肯定是比较比较封闭的，相对来说 ok， 但是他因为封闭，所以他也就封装的会更好一点。

说一下 openclaw 以及呃龙虾到底是什么？现在它为什么这么火？首先我先跟大家说一下这个 openclaw 是 什么东西？那 openclaw 呢？其实没多久，就是也就是今年刚刚火起来的，应该是今年年底还是今年一月份左右啊？反正想不起来具体的时间了，我当时在第一时间就已经 发了一个视频，就说它最早呢，它其实不叫 openclaw， 叫 cloudbot， 但是后来呢，它其实跟那个 cloud 它其实发音很像，它不是一个字嘛，但是发音一样， 所以他觉得有一些碰瓷，后来就改了个名字，改了两次名字，最后改名叫 open club。 而 club 呢，其实是龙虾的意思，所以你可以理理解，它叫做开源的或者开放的龙虾，所以后来呢，就很多人都会管它叫做呃，养龙虾。这是个什么东西呢？ 本质说来呢，它是一个，它是一套程序，那这个程序有什么用呢？就是它可以本地部署在你的电脑上，它跟你的 windows 系统一样，它把这个系统放到你的电脑上，它可以自动去调用一些模型去处理你的各种各样的工作。最简单就是它可以远程去调用，可以接入你的一些聊天工具， 比如说可以接入微信，可以接入呃 qq， 然后可以跟你聊天。大概这样东西，那每天呢，你给他指派指令，他可以去调动你电脑里边的各种各样的工具。 那简单说来就比较类似于，我不知道早年间有没有玩过一些电脑里边有一种东西叫做呃，按键精灵。按键精灵对吧？它屏幕可以点哎？它什么？它可以操控你的鼠标， 可以可以屏幕上各种点， openclaw 本质来说也是这个，它可以通过用其他的模型作为自己的驱动的内核，或者把各种模型当成你电脑里边的大脑。然后 openclaw 呢，是它的身体可以在你的这个电脑上点来点去，点各种各样的工具，比如说它可以打开你的电脑里边的 聊天软件，甚至它可以打开你电脑的 ps， 它可以打开你电脑的什么这个三 d 软件，三 d max， 或者打开你电脑的编码工具，或者点开你的电脑记事本啊，通讯录啊，都可以，只要你电脑上有这些东西就可以了， 你给他设定权限，他可以各种操作。那这个作者呢？我想不起来，是个挺壮的一个小帅哥。然后这个呢，这个作者呢，在发发明这个东西的时候也是，就是呃，感觉很有意思，然后他也并没有特别强的功能，本质来说他其实就是一个 这个程序，这个程序本身并没有什么厉害，你还需要从外边找其他的大模型来操控。这个程序本身并没有什么厉害，你还需要从外边找其他的大模型才能真正的控制你的电脑。 大模型都有哪些呢？比如说我们国内的豆包啊， mini max 啊，智普啊， deepsea 呀，国外的比如说 jimna 呀， grot 呀， 然后 gbt 啊这些模型。所以 open cloud 的 本质来说就是给这个这些所有的大模型加了一个手，让这个手可以直接操控你电脑，就是这个事儿，所以它本质来说也没有特别的厉害， 但是呢，它也有两点革新，两点革新，这两点重要的革新使得它确实是脱颖而出，你说这玩意有什么？有什么厉害的？很多人其实都会觉得这个叫做套壳工序，像我们刚才说的这是 harness， 现在在整个 a i 界有两种两种讨论，就是我们谈到底是模型本身重要， 还是模型外边配套那个壳重要。这个怎么说呢？就是其实绝大多数的 openclaw 刚出来的时候，你看绝大多数越是在 ai 行业里边从业的人员，对这个对 openclaw 其实越看衰，很悲观，觉得这个东西其实没什么了不起， 但是越是外行人，其实对 openclaw 的 其实越兴奋，你就可以看到最近多少爱好者、票友，或者说就只是听听，听个概念的这些人，他们非常热衷于这个。 我们先不说这个两方观点哪个对，那他们的争论呢？主要来自于对于模型未来的到底以什么形式带到我们身边的一种探讨，就两种思想都可能，对，这两种探讨是什么呢？首先呢，第一个事情就是我们有绝大多数的从业人员都会认为，不论最后你套壳套成什么样， 真正值钱的是模型本身的那个核心，那你的机制，你的数据，包括你能给他的权限都不关键，只要模型的智慧不断的提高，这些东西都能迎刃而解， 那就是他认为模型是最重要的。你这个壳啊，其实就是套壳，就是包皮，这个不值钱，像我们同学们经常会说的，对吧？那个手机里边啊，芯片最值钱，小米这种公司他就是个组装厂，壳值什么钱啊？ 芯片都是别人的，然后光刻机都是别人的，这个根本不厉害，但还有一派认为呢，就是这个产品的综合体验值钱很多的。你的芯片固然牛逼，但是你最后做的这个产品，用户不喜欢，你照样卖不上钱，你最后在商业市场里边你照样差。所以 这个刚才我们看那个视频里边，他举了个很有意思的例子，其实在硅谷华尔街里边早就有这种这种说法，他们用的是金融市场的例子，华尔街的一个交易员，他赚了几百亿美金，几百几千万美金， 那你说到底是这个交易员本身的能力强，还是因为他在这个平台，他在这家公司，他能调动这么多的资金，他能认识这么多的人，他能有这么好的设备跟这个这个软件的支持，他才能达到今天这个地步？ 这是两派争论，你再往下，再往下延伸，你就会发现这是什么，这人民使官还是英雄使官了是吧？这到底是时势造英雄，还是英雄造时势？这个永远讨论不清楚的，就是我们会认为马虽然厉害，但是一匹马他四处乱跑，他的，他的动能，他的力量不会转换成我们的战斗力。 你需要用非常好的碗具，安头啊，什么什么链条啊，什么车呀等等这些东西，你才能把它的力有效的拧成一股绳，然后你去发电呀，你去，你去拉磨呀，你去干什么都可以。所以你单纯是有码是没有意义的，你需要用各种各样的配套道具让他们联呃协调起来， 道具是关键码不关键，对吧？在这个描述中，就这个芯片落地的落地的本事才关键，就代码不关键，营销才关键。 一个东西本身里边那个那个那个最核心的那个，那个真正的价值并不只是在它里边的那个，那个什么驱动程序，而这个驱动程序是否能够落地是关键。就像是我们经常看到很多科学家， 是吧？他们能研究各种各样牛逼的这种理论，但是一到生活中就全白费了，或者说他们的理论完全不能把它转换成商业价值，那你纯在这讨论就拉倒了。所以这是两派争论。 那欧盟 cloud 其实代表的代表的更多的其实就是我们的这个套壳，或者说我们的这个碗具，我们最后落地的这个工具， 它呢是可以本地端调用的，这是它的第一大更新点，它是本地端的调用，它有一个叫做叫心跳模式，二十四小时不不间断的欧盟 cloud 持续观察你的指令，给你看看你下的任务，而这个呢，本地端监测就它在你的电脑上 完成只属于你的需求。他不会是像比如说我们说这个 cloud code 呀，或者说豆包啊等等这样东西，你跟他说一句话，他回答你一句话，你想让他定时去提醒你，这不行， 因为本质来说他是在云端，他不会对你进行单独的定制。而 open cloud 不是， 如果你有台电脑把 open cloud 装上，然后呢？他定时 就会去唤醒他的某些功能，比如说他现在需要去帮你去计算一些东西了，那在可能在下午几点的时候，你说下午两点你帮我做个什么通知，下午两点他就开始用他的已经做好的接口去用里边的模型，比如说打开豆包，让豆包去处理这个东西，并且把处理结果发给你。 他不提供智慧，但是他会在定时去调用智慧为自己所用。那这是第一个点。第二个点呢？他是本地的，本地有什么好处呢？他可以根据你实时的进行迭代跟优化。简单说来呢，就是我们用豆包，我不知道你们什么感觉，用豆包越用越聪明，越用越笨。 绝大多数同学你去问他，他其实得不到一个答案，就他没有越用越聪明，也没有越用越笨。某一个新版本的模型拿出来以后，他在发布那一刻，他有多聪明，我们心里是有预期的，他一直会很稳定。 但是呢，龙虾不一样， open cloud 不 一样，他会有一个很有意思的这个存储空间，就类似于叫记忆体一样，他会把每一次他在处理的事情， 处理失败的事情封装到一个一个文件夹之中。我上次处理了，处理了失败了，失败的原因如下，上次处理成功了，被得到表扬了，表扬的原因如下，那我我想去操作某一个东西，我不会。那从网上去找一个 这个软件的说明书，他们叫 skills， 无所谓，他找一个说明书放在这个文件夹里边，我下次就按这个说明书去操作。所以你会有个非常明显的感觉，就是 open cloud 这个东西呢，它越用越聪明，一开始呢，跟傻子一样，什么都不会。当然你跟你调用的模型相关， 但是越用它越聪明，越用越聪明，更重要的是它越用越是越懂你，你不可能要求豆包更懂你。我见过很多同学在网上去吐槽是吧？ 你们能不能不要跟豆包聊了，因为豆包是唯一一个跟我聊的这么起劲的女生对吧？你们能不能把豆包纸给我是吧？当然很多人说，哼，很多人在这调侃说来豆包你认识他吗？豆包直接立马说，我根本就不认识，他就是我众多的舔狗之一，哈哈，对，当然会有这种这种好玩的事，但是龙虾就不会， 他就是你的，因为他就在你的电脑上，所以他就最懂你。当然他可能没有那么多的情绪，那么多的想法，但是他就懂你，因为他有更多的关于你的一些处理信息被封装到一个文件夹，他在每次开展新的任务的时候，他都会调取这个文件夹， 然后去了解你所你所有的需求，你的行为习惯，你的日常的一些数据。所以目前看来呢， opencloud 的 这两点本地端，然后跟你单独定制，然后呢，它可以调用多个工具，会使得它变成了一个私人助理的一个最终形态。这是我跟你们说清楚 opencloud 的， 但是 opencloud 呢，现在有几个小的问题。我先说一个结论啊，现在这个阶段，普通人要不要装龙虾？ 我的建议呢，就是还可以再等等。换句话说呢，就是你愿意装就装，但是不装也完全没有必要那么焦虑。 openlog 的 距离最终形态应该还至少有三到四个月的时间， 这三个月，三到四个月的时间之内，你费劲所所学的如何去让 openlog 更适合你的这些技能可能一文不值，在它更新到最后形态的时候， 就是可能就完全的不一样了，那或者说你之前所学的技能就完全没用了，它就直接给你，直接给你上最终完整版了。 简单说来呢， open class 现在它还是一个一个比较偏向于即刻的玩具，什么叫即刻的玩具呢？它有几个致命的问题。首先呢，第一个问题，咱们就说它的性能，我们说上去它是会不断地进化，不断地变强，但是你知道背后的代价是什么吗？ 你每次都用，他肯定会越来越适合你，但是代价呢？就是要钱的， 要钱的呃，他的每一次处理，每一次读你的文章，甚至每一次做任务做失败， 其实背后它的智慧都是用到一些模型去驱动。有一个专门的 opencloud 的 网站，上面有一个排行说，呃，国际上最爱调用什么模型？目前来说比较比较便宜的，比较实惠的模型是那个 mini max， 还有谷歌的二 flash 模型， 谷歌三 flash 模型，这都是相对于比较便宜的。几毛钱？八毛钱还是八分钱？忘了，反正很便宜。然后但是效果最好的模型呢？一定是那个那 cloudsonnet 四点六。 但是目前以普通人来说，你要想用 cloud sony 四点六去驱动这个，呃， opencloud， 让它能够特别容易的去操作你的各种各样的电脑，特别棒的给你实现各种各样的功能的话，那可能一天要烧到几千块钱，这个对于绝大多数普通人来说还是撑不住的。 说，老师，那不能把这个模型放到本地，我们不从网上调用那些模型，我们自己用自己的模型去调用吗？有千问这个人用千问三点五二十七币，然后自己放了一个模型放在本地，他就完全不要不费钱， 所有东西都是自己操作，自己本地部署，除了费电以外，没有任何的额外收入，但是电太便宜了，你天天开着电脑，你也不至于特别难受是吧？那这个是可以的，但是千分三点五杠二十七 b 这种模型所培养出的 opencloud 就 跟傻子没什么区别， 就是你确实是便宜了，但是他能做的操作就跟你拿手机平常给你定个闹钟啊，你跟你高德地图聊会，谈个谈个恋爱啊，你跟小爱同学聊聊，差不多能力肯定要稍微强一点，那强的极其有限。 所以现在遇到了第一个两难问题，就是要么你想让他能用，让他真正能不断的进化，再不断的好用，就有点贵，要么就是确实便宜，但太傻了。 而贵这个事情呢，它确实还是有问题，因为它它不设上限，很多的时候这个东西跑 token， 它瞎在那跑很多的操作呢， 因为这个社区毕竟才刚刚兴起嘛，一月份到现在顶多两个月，很多技术还并没有完善。虽然这个大佬已经被 呃 openai 招弯了，但事实上，当然最近也在疯狂更新版本，但事实上呢，还距离让纯小白能够无缝去应用还是有一定的距离的，这也是为什么很多大厂都会开设一些线下帮忙安装 cloud 的， 这种小的集会也是这个原因。所以这个贵 你要，如果你觉得贵是是你的问题，哼哼，那你就可以试试，反正我们都装了。我们觉得还好，因为一个月往模型模型实验，包括模型能力探索上花个几千块钱，我们觉得还可以，但是你掂量着，我可以跟你说清楚啊，就是你用，就算用 mini max， 一个月花几千块钱也是很正常的量级。他现在其实很多的，欧盟移动的老大富盛，他说他做了一个叫三万，还是三岁，忘了 做了一个三三万的员工，这个员工呢，每个月给他花几几千块钱，但是他要雇员工呢，可能一个月花几万块钱，所以他本质来说他是省了的，那他是有一个雇员工的需求，换句话说，你没有雇员工的需求的这个阶段纯拿他去玩。嗯， 这个钱你得想清楚，因为未来他肯定会更便宜，那个时候你再入局也可以，他说是第一个，第二个。 oppo 卡拉刚出来的时候， 它伴随着一款硬件的爆火，也就是苹果电脑的 mac mini。 为什么 mac mini 会火呢？因为本质来说， emcloud 需要调用的还是显卡呀，内存啊等等的。苹果的系统首先自带稳定很多软件呢，它由于是闭源的， 所以它很多的软件呢，而且它市场比较占有率比较小嘛，它那些病毒啊，那些 bug 就 相对少一些，因为大家都用 windows， 很 少有人去开放这个苹果的开发苹果的病毒软件，或者说呢，苹果的权限的层级还是比较深的，很多东西其实你也很难去把它破坏， 所以苹果系统天生适合这种远程代理服务器。那你当年很多像你家庭影院啊，家庭智能终端都喜欢用苹果去做。而 mac mini 还有一个好处就是它的费电， 那个电耗太低了。 mac mini 这 m 芯片哇，那真的是又性能又好，然后功耗又低，天生就是 open cloud 养龙虾圣体。 但是为什么很多人他们一定要买一台新的 mac mini 呢？你说买苹果电脑的人，难道他没有苹果电脑吗？这就涉及到 open cloud 就是 龙虾的第二个弊端，就是呢，它其实还在呃这个研发之中， 我们知道他可以去打开你的电脑，然后去帮你操作各种各样的东西，但是绝大多数电脑，你要让他操作这东西的话，你就需要给他权限，这就比较类似于叫腾讯管家呀， 什么三六零管家呀，你得给他权限，要不他是没有权利去删除或者添加你电脑里边的更重要的文件的。但你一旦给他权力呢，由于这个这个模型还是比较新的，他有的时候就会给你瞎搞瞎搞呢，有可能就会把你很重要的照片啊，视频啊或者文档啊记录啊就给你删了， 很有可能还会操作一些东西，莽着操作，让你那些账号被封。所以一般呢，我们想用 opencloud， 一 般都是拿一台纯干净的电脑，让它在里边慢慢养，养成了以后你再把它办，把这个整个 skill， 什么它里边的文档， memory 什么的再给你迁移到别的地方去。 所以这也是它的第二个弊端，就是它目前来说呢，安全性跟权限这边对于老手来说已经足够了，对于新手呢，还是有问题的，现在也有专门的去优化它安全性的 skill， 让它使用使用起来效率更好的。这种 啊，你可以理解为插件吧，已经有了，但是还是在更新之中，每一天都在大量的更新，对于绝大多数新人，这个 open class 还远远达不到一劳永逸，你装好了它就能用，远远没有，它还是一些很前沿的，你可以理解为游戏里边的测试服，而且还是内测阶段， 就是内测阶段，就是抢先体验版。这是它的第二个问题，就是安全性这个问题。那第三个问题呢？就是它的性能的问题。 这也是我那天一个朋友过来跟我聊，说他想去把他的书，他把那些他的那些所有的这个文章啊，报导啊，或者说他之前写的书，呃，重新编排，但是他工作量太大了，他想让 ai 帮他去处理这些东西，他说他想买个电脑去装 opencloud。 我 给他的建议呢，就是就是 opencloud 的 第三条。第三条问题呢，就是目前来说 opencloud 的 性能还远不如那些模型强， 它就是安全，它就是定制，这是它两个优点，但它性能实力可差好多。因为首先第一点就是它太贵了，你不可能给它搭载着 一直用 cloud， sony 四点六什么 gpt， 五点四驱动 opencloud。 我 想都我我说完这句话，我后边汗毛都竖起来了，你知道吗？这得多少钱啊？可能 一天就得几千块钱下去了。你知道吗？这得多少钱啊？可能一天就得几千块钱下去了。你不可能用最新的模型，那就意味着你家这个 opencloud 的 智慧不是最高等级， 所以在处理很多文档内容或者工作任务的时候，它其实并没那么聪明，而差了好几个待机。 你用 mini max 的 话，你要知道 mini max 在 网上可以开源那个 keep api 其实都是都不是它最厉害的模型，或者换句话说就是欧盟，它是一个非常棒的肉体，非常棒的外壳，但它那个大脑你用不了，最贵的、最好的、最前沿的，因为用不起， 所以他在处理很多任务的时候，他的上限就太低了，他没有那么厉害，主要原因是因为你穷。对，主要原因是你穷，但是就是 就算你不穷，是吧？他他也没有那么厉害，就是他这这个距离他那么厉害，他确实很定制，他确实很安全，他确实很快速，他确实很及时，但他没那么厉害。 所以如果你要真想去做一些复杂的工作内容的话，我个人来说还是推荐 openai 的 那个 codex， 或者是 cloud 的 cloud code， 这两个去处理一些事情，还好，还更好一些。所以目前来说， opencloud 在 网上更多呈现的状态就是养龙虾的这个养字 则远没到用龙虾这个地步，有什么东西只能龙虾做，目前还没有。当然你随着全市场所有的人往里边去这个涌入，然后大量的人去探索，你要相信 群众的智慧，一定能在里面发挥发挥。他的这个什么本地化呀，定制化呀，及时性啊这个优点，让他做出一个完全不一样的形态，但是目前为止还没有一定要用他的必要，但是你可以参与到这个浪潮中，你也可以为这个这个产品如何能够落地添翼为耕。 但是目前来说，你如果以直接来用的想法，还得至少两到三个月，我不说太远了，就两到三个月再让它发展发展，然后我们再入局都可以。等了三个月以后，肯定有更合适的硬件，电脑肯定有更合适的教程，肯定有更合适的配套工具， ai 时代就是这样，就是如果你一个东西你学起来比较费劲，那你不学，等一会儿 它，等它变到进化到不那么费劲的姿态来到你身边就可以了。好的，我讲到这个阶段呢，我们再往后说一句，那最后最后我们就说一下从业者，如果你是 ai 产品， ai 训练师，或者呢你是在找 ai gc 的 制图员，只要是白领，那么你一定要学 opencloud， 一定要安装 opencloud， 要装这些 skill 的 插件，而且要去看这些教 opencloud 的 网站， 让你的 openclouds 更好用，包括里边如何用更便宜的工具，更更便宜的模型去驱动它，这个你一定要学。为什么？因为现在我在带着我的 ai 产品同学去面试，包括 ip 助理同学，包括我的设计师的同学，他们这三个，我的三个学生学生群体去面试都会问到这个问题， 就是绝大多数的 ai native， 也就是 ai 原生公司，他们的老板都没有那么懂技术， 都是没有那么的从模型基础开始去使用，他们平常都不不太知道这个事的。但是现在 opencloud 已经是从国家层面被注意到了， 你可以看到深圳龙岗最近出了甚至出了政府条纹，然后要求大家去研究 opencloud， 所以 目前为止这是一个极其高频的问题，甚至都能达到百分之五十以上的。被问到的几率就是面试官会问你，你在生活中是怎么用 opencloud 的， 然后你了解 openclouds 吗？你用它干些什么？然后以及你的成本资讯，以及你遇到的问题以及解决方案，这是一个极高频的问题，在我听到这些学生面试的时候，至少是百分之五十的被问，问到的几率甚至比这个数字还要夸张，我认为体感应该能有百分之七十， 就十次里边得有七次被问到欧盟 club 以及欧盟 club 相关的问题。你要想做从业者，那么你一定要去研究，并且欧盟 club 已经明确是一个热点了。在未来， ai 相关的自媒体， ai 相关的外包工作，以及你想去打造一个即刻的前沿的人设，你都绝绕不开欧盟 club。 而欧盟 club 也确实，对吧，没有让我们失望，非常争气。 它是国外，全球全球最牛的代码网站， github 上边儿星级收藏数最高的应用，也可以理解为是近几十年来 最牛逼的。这个民间程序就是就是，什么就 u d c 是 吧，大众，大众所能就民民间程序做的最牛的程序就是这个了。 所以媒体也好，求职也好，你是绕不开的。如果你跟 ai 有 一点点相关，那么你的工作跟 ai 有 一点相关不论，或者你的自媒体跟 ai 有 点相关， openclaw 一定要安装起来，一定要研究起来。我的建议呢，就是用一款三零系的显卡，三零六零及以上的显卡的笔记本，自己把它电脑清除清空了，安一下 openclaw 就 好了，很简单啊，真的非常简单。然后如果从业者， 我强烈推荐你们听我说一招，我强烈推荐我们就这么搞的，我们就这么搞的。就是我强烈推荐 你去那个 open ai， 你 去 open ai， 你 去下一个，那叫 code x， code x 呢，有七天免费试用，然后你用 code x 让他给你装 open cloud， 听得明白这个逻辑吗？哎，我们都是这么搞的，哎，什么部署个环境啊，删个文件啊，装个东西啊，测试一下安全性啊，关个什么权限啊，下个什么插件啊？哎， code x 可聪明了，你让他给你搞就行了。 然后呢，你把 open code 研究放上去，你操作就可以了，然后放到那边，每天定时的用一用，平常时间还是赶紧用完六天免费的 code x。 然后呢，欧盟的这个搭载的，搭载的后台那个，我们管它叫智慧也好，管专业词汇叫 token 也好啊，它会有很多很便宜的方案。目前看来综合性价比最高的其实就是谷歌的 gemine 三 flash， 或者是 gemine 二的 flash 也可以，然后国内的 mini max 的 模型也很可也很好，就是你真想试试，可以装装这个。 另外呢，最后再跟大家说一下，现在你们能在行业里边看到很多卖脚手架或者卖这个玩具，或者卖套壳的平台，比如说刚才咱们看到的，包括你看频道里边同学说的 tree 啊， cursor 啊，包括 open cloud 呀，这种都是套壳的工具， 还有你们用的很多东西其实都是套壳的工具，那这些套壳的工具呢？他们很多时候都会说他们的壳是非常重要的。 我们国内有很多大佬，比如说富盛，我刚才说的富盛，他们在不遗余力的最近的所有视频更新都在推推荐他们公司的 猎豹 cloud， 我 不知道叫什么名字。嗨，这个是正常的，就多听多信多看，就是监听则明嘛。卖壳的一定说它的壳好，卖核的一定说它的核好，都一样都一样，就是你自己试一下，然后也不用焦虑，反正很简单。 你要如果说老师你看 opencloud 有 一次下上这个线下安装我没有参加，我自己能不能装，非常简单，如果你装不好， 你就再等一等，它一定会更新，更更简单更傻瓜的版本。 ai 的 本质来说是不需要学习我们就能操作，本质来说它是解决我们每个人的智慧或者说知识的不平衡，不平不平均。你说老师我笨，那我能加入 ai 浪潮之中吗？ ai 就是 解决笨的问题的， 你要是丑你学不了 ai， 那 确实是因为它不解决相貌的问题，但是笨没关系哎，它专门就是解决笨的，它就是为了这个笨蛋而来，明白吧？对，所以完全不用必要焦虑。

cloud 的 这家公司很神奇啊，它基本上现在一天都发几个版本，好几个更新，所以每天我都盯着它。最近用这个小龙虾一直盯着它的这个更新，包括它的记忆系统，包括它的模型更新，包括它的 agent teams， 包括它最近的 sdk hux。 原来我们担心这个模型 ai， 它会有一些非常敏感的命令， r m 杠 r f 这种指令现在就可以直接硬编码给它 禁止掉了。嗯，所以我最近是用这个 cloud code 的 官方机制手搓了一个 open cloud 版本的 open cloud 小龙虾，我就发现完全可以用 codico 的 官方的机制，它的设计，甚至最近的几个更新加起来比小龙虾更安全，但是能力并不比它差，自主性，甚至还可以 有更大的发展空间。其实它无非就是几个心跳机制，加上它的这个常驻后台，包括它的这个记忆系统，包括它的这个就是可以连接各个平台。其实这些都是 codico 的 官方都更新的，有的能力 是完全可以复刻的，不需要那么奇怪的。那你已经自己做了一个出来了是吗？已经搓了一个出来了，现在已经差不多了，因为最近的更新，这个 memory 的 系统，我觉得是真的是瞄着这个 oppo 靠打，基本上实现百分之八九十的功能了。

别瞎选 ai 工具，到底装小龙虾还是 cloud， 小 白该怎么选？中力拆解两款工具，易用性、成本一次说清。 cloud 操作极简纯，小白友好上手，零门槛，输出稳定，适配日常创作，但 token 消耗高，长期使用成本偏高。校龙虾同样低门槛易安装。核心优势是 成本极低，偷坑花费少，性价比拉满，日常基础需求全能覆盖，长期用更划算。总结，追求极致省心。选 cloud， 看中长期低成本高性价比，闭眼选小龙虾，按需选择，不花冤枉钱。

昨天凌晨啊，我彻底放弃了 openclo 加 opc 点加 cloud code 的 工作流。这事听起来很小，但折腾了我整整几个晚上。 事情是这样的，这段时间我不是在疯狂接待我的内容生产工作流吗？我就想，能不能够这样围绕着同一份 opc 点知识库，不管是我在外出，还是坐在调档线还是 openclo， 都能够调用同一份知识库来干活， 并保存在同一份知识库里面。具体来说啊，电脑 opc 点知识库同步到手机，这样我就能在手机上刷到好文章的时候，能够第一时间转存，也能够随时编辑我的素材。 cloud code 也能够同步到手机，这样我随时能远程让 ai 帮我处理任务， 再让我部署在云服务器上的 open curl 小 龙虾也能够读起这份 opc 点知识库，随时处理我的文件。而等我回到电脑前， ai 已经帮我干完活了，我直接看结果就行了。这听起来很美好啊，一个二十四小时不下班的 ai 打工团队， 但现实给了我当头一棒。刚开始似乎一切正常，但很快我就发现了不对劲，有些文件啊，被同步了无数次，有些笔记直接消失了，还产生了上万个空文件堆积在目录里面。 我算了一下，居然产生了将近一点三个 g 的 垃圾文件。然后我花了三个小时去排查，最后发现这个同步插件有 bug， 会重复生成附件文件。 接下来问题来了，不管是我编辑还是 ai 编辑，我心里面都产生了一种千一发而动全身的紧张感， 根本不知道什么时候又会出现 bug， 我 的哪只文件又没了？说实话，这让我很郁闷。冷静下来后，我发现这个问题没有那么简单。我的第一个纠结点， 多端同步真的有必要吗？我之前的想法是，不管是我在外面，还是坐在电脑前面，还是 open code， 都能够调用同一份知识库来完成任务。但现实是，这三者的任务和分工啊，完全不同。 code 是 辅助我肝火， 我是主， ai 是 辅。我在外面的时候，这应该是我享受生活的时间，本来就不应该工作。而 open call 它作为一个独立的智能体，它更像是我的一个实习生，应该给它单独配一个知识库，而不是跟我的知识库混在一起。强行让三者共用一份知识库啊，它只会增加混乱，而不是增加效率。 我的第二个纠结点是，什么才是真正值得去自动化的？因为我一直有个执念啊，能不能让我不在电脑前面的时候， ai 也能够帮我干活。后来我想清楚了，这是我太贪心了， 我想要的是那种躺在床上让 ai 来帮我工作的感觉。但现实根本不存在。东逼塞脸的说过一句话，我特别认可 教 ai 工作流的百分之九十九是韭菜和骗子在互相成就。要想拿到结果啊，自动化的每一步都需要人的参与，只有人深度参与 ai 才知道我们要什么，进而才会有好的结果。 ai 时代， ai 是 杠杆，而我们自己才是这个杠杆的支点。 我的第三个焦点点是写作的正确姿势到底应该是什么？之前也刷到大圣，分享过他的感悟，自动化的本质是，你已经拥有了完整的 s o p， 如果没有手动的 s o p， 就 不要着急去自动化。 这句话也点醒了我，我现在想清楚了，我不是需要二十四小时让 ai 来干活，我是需要坐在电脑前的那几个小时和 ai 去高效的写作。 专注坐在电脑前与 ai 写作，才是效率做得好的关键。你不需要让 ai 二十四小时帮你干活，你只需要在有限的时间里面，让 ai 帮你去做更多有价值的事情。或许试一试，现在就花十分钟时间想一想，哪些工作真的需要这顿话，哪些只是你觉得需要这顿话。我是冰冰，持续分享 ai 超级个体方法论。

大长赶节奏做龙虾体验到底行不行？今天我们实测一下腾讯刚出的本地龙虾到底好不好用。腾讯昨天上线了 qcloud 和 workbody 两款本地部署工具， qcloud 还没正式发布，我们先测一下 workbody 真实产品力。 官网能下到两个版本啊， workbody 全能 ai 伙伴和 codebody 编程伙伴。装上你会发现这两款软件的功能界面几乎一模一样，只是图标和文案不同，明显是同一套代码打包出来的。看得出来大长赶节奏还是非常着急啊。 两款都接入了国产头部模型，但代码分析和功能体验一般，偶尔回复超时修改，还不支持撤销。 再看看核心 ko 功能，我把之前配好的 open ko 飞猪机器人配置迁移过去，结果发现两个问题，软件读不到自己的 ko 配置，飞出发消息完全没反应。 总体来说，这次发版非常仓促，基础功能和体验都没打磨好，普通人用龙虾依然有门槛，但腾讯体量在，这软件可以快速迭代，而且微信、 qq 天然贴近普通人生活，还是值得期待后续更新。

今天发生了一件事，因为我看了一个视频，说可以以呃一人公司的一个呃结构去布置这个 openclaw， 比如说我当 ceo， 让 openclaw 当一个 ceo， 然后它下面部署几个不同岗位职责的 agent subagent， 然后呢，我就觉得，哎，这主意不错，然后我就把那个内容就粘给他那个 openclo， 然后呢，让他也给我布置几个呃 agent， 结果刚刚进行到第三个，这个是属于一个合规或者说保护安全，信息安全的这么一个这个 garden， 好 嘛，刚刚开始我说你继续，结果他就死了，然后等我再配的时候就一直提示，提示我的信息是我的 openclo 跟飞书没有配置上，因为我也不知道具体是什么情况，我又看不到后面的这个端口。 所以呢，嗯，当他发来这个东西说啊 pairing 的 时候，我就想啊，我可能只能回家才搞了，结果回来的时候就看见好多好多个这个四零三， 然后我就觉得可能是 cloud code 那 个我用的是 token， 八成企业版的也给禁了。每当我 getaway restart 一 次，他就会回复我一句，然后我就靠着这一点回复，然后我大概摸清楚了是怎么回事，就是被绊了，然后我就开始抓紧上， 因为我因为我之前已经给他配置过，说万一有一天他真的被禁了的话，那么就给我呃上 deepseek 或者是 kimi， 因为我已经把他的 api 都已经呃备份上去了，然后也交代过部署过，结果今天愣是就没好使。 然后当时他给的是一个呃，当时 kimi 给十五块钱，然后我自己充了一块钱，我只是为了一个托底和过渡，就没想说有这么快就能用上。它 回来的时候呢，因为它这个用量的限制，当时你只交一块钱的话，你就是踢零，所以跑一跑它就跑不动了，跑不动了之后我就没有办法，我就开始这个到处问，然后我就发现了，哎，躲不过，还得充值， 结果呢，我就去充了值，充完值之后它马上就好使了，然后就折腾这么一会呢，大概是消费三块五这样。嗯，很慢，我感觉它就是，虽然说 opencl 它还能做事，但是它的速度是真的真的慢，不是假的慢。嗯，有明显的感受。 后来我就找啊找办法，怎么回事？后来我就在网上搜到了这个大神，然后 how do you use chatpt pro or plus in openclaw without api cost？ 这个也太好了吧，正是我所需要的，而且在八天之前他就发布出来了。我，我不是逼到份上，我也不想用它，因为我是有那个 chatpt plus， 所以 我就马上就照他这个操操作了。总之呢，他这个很简单啊，很简单。第一步呢，就是打开你的那个客户端，然后输入这行指令。 you see that it gives you a url it says i open this url in。 当它跳出这个的时候，你就开始进入界面去登录了， but login you're gonna have to confirm that you want to sign in to codex with jpeg so i'm just gonna click on continue and then every v i p is gonna open but don't worry it's very quick。 这个很重要，这个你不要以为它出现了错误，然后你着急给它关了，这个不能关，然后你把这个链接给它复制，复制好了之后， you're going to need from the space just to come here and copy the url that you have in the address bar then come back into your terminal by open close one like you see here paste the read address urls i'm just gonna paste in the read address url and i'm gonna press enter and this should basically pick a configuration now here i'm gonna change your press enter then i'm gonna restart it's way here and choose do this later because the scan command that we're gonna have to run now scan command we're gonna run as this one here i'm also gonna prove it。 这个也很重要了，这个时候是重新就是强制设置你这个 model 是 用 open ai codex 这个 right in the description section number one press。 别别别，那个手残给他打错任何一个字母啊，我就因为打错一个字母然后那个没给他弄成功发，找了半天才找到原因。 so what this does is that it basically overrides the configuration and then adds a default model as open ai codex。

如果你也是 cloud code 的 忠实用户，请千万不要错过这期内容。刚满一周岁的 cloud code 已经成为了全球最受欢迎的 a 阵的产品， 没有之一。谁也不会想到，一个藏在命令行里的工具能掀起这么大的波澜。最近，作者 boris 参加了一档补课节目，透露了太多让人惊讶的数字和判断。软件工程这个职位可能会迅速消失，产品经理、设计师、财务都将成为程序的构建者。 不要试图创造新的需求，而是观察用户已经在做什么，然后让这件事情变得更容易。你现在维护的一些技能和脚本，几个月后都可能被模型的原生能力所覆盖，那这些反而成了你的负担。 今天这期视频，我就把这场访谈里让我印象深刻的几个观点跟你详细聊聊。 boris 说，他们最初做 cloud code 的 时候，其实没有抱太大希望。 当时所有人都在想，命令蛤蟆就是个过渡，三个月后肯定换成更现代化的界面。结果呢？一年后，终端不仅没有被淘汰，反而成为各大厂商相近模仿的设计方案。 boris 的 原话是，我们居然还在使用终端，这本该是一个过渡的起点。很多人觉得终端简陋，但 boris 说为终端做设计其实非常困难。八十乘一百个字母，单一字号二百五十六种颜色，没有鼠标交互， 哪怕是一个加载动画，都需要五十到一百次的试错迭代。但正是这种看似简陋的形态，反而成就了这款带有终端能力的 ai agent。 boris 讲了个故事，最开始他给模型开放了 bash 权限，然后随口问了一句，我现在在听什么歌？模型居然自己写了一段 apple script 去读取麦克的音乐播放器。 boris 说，这是他第一次感受到了 agi 的 活化 模型已经不止于聊天，他更想使用工具，他想和这个世界交互，不只是说说而已。 boris 本人已经百分之百依赖 cloud code 的 编程， 他的原话是，我卸载了 ide， 再也不自己写代码了，每天打开 cloud code 就 能拿到二十个 paul request。 他 们公司内部早已从用 ai 辅助编程变成了 ai 编程人类监督的模式了。不只是 boris 本人这么做，整个开发流程都在被 ai 改变。 克拉蔻的插件功能就是一个例子。这个功能不是人类工程师做的，而是一群 ai agent 一个周末自主跑出来的，全程没有人类干预。 s robin 内部有一个理念，不按今天的模型做产品，而是按六个月后的模型做。 这意味着克拉蔻始终处于持续重构与优化之中，每一行代码都在不断地被推倒重来，没有一部分代码是六个月前还在使用的。 这听起来很疯狂，但这就是他们的日常。所以 sroglik 给创业者的建议是，别用今天模型的眼光去做产品，模型进化比你想象的还要快，你现在觉得他做不到的事，过半年他可能就能搞定。 boris 还提到一个产品思路浅藏需求，意思是你无法让用户去做一件全新的事，你只需要让用户正在做的事情变得更简单。 plan mode 就是 一个最好的例子。 团队发现，用户在使用 code code 时，已经习惯在聊天窗口里自动手动规划任务，于是他们把这个用户已经在做的事情正式优化，做成了一个独立的 play mode 功能。 然后， boris 最近说，这个功能可能寿命有限。过去使用 play mode 是 因为模型常常会跑偏，人类需要不断地纠正。但现在新模型只要给定方向，就能自己保持在正确的轨道上。也许再过几个月， play mode 就 不再是必需品了。 无论是专家还是通才，都正在面临着同一个挑战。如何保持初学者心态？过去资深工程师价值体现在有主见，你必须能够拍板，必须能给出明确的方向。但现在模型进化太快了，过去那些的经验和方法论分分钟过时。 那现在最重要的是保持谦逊，承认自己可能会犯错，要从第一性原理出发思考，抛掉所有的经验和假设，回到最基本的事实去推理。招人的时候， boris 最喜欢问的一个问题就是，你犯过什么错误？你是怎么承认错误的？ forrest 有 一个预测，未来软件工程师这个头衔可能会彻底消失，不再有专职的程序员、产品经理也写代码，设计师也要写代码，财务也要会写代码， 代码会成为一种基本技能，就像现在会打字一样。实际上，这个趋势已经开始了。 as robin 内部调查发现，财务团队、设计团队、数据团队都在使用 code code， 但中端对非技术用户不太友好。团队就用十天时间，完全用 ai 写了一个桌面端程序，底层还是 cloud code， 但加了 gui 界面更安全，对非技术用户也更友好。这是最震撼的数据。 srog 每位工程师生产能力提高了百分之一百五十。 bois 过去在 madata 负责代码质量，他说当时几百人的团队努力一年，生产力提升百分之二已经是极限。现在一个人加一个 ai， 就 等同于过去几十人的工作效率。 cloud code 正在用一种前所未有的方式重新定义工作本身。 好了，今天的分享就到这里，智能只是手段，人类才是答案。这里是头哥不请自来，我们下期再见，拜拜。

可能你压根就不需要小龙虾， open kloot， kloot， kloot 就 已经完全能够满足你的需求了。最近这个 open kloot 确实很火啊，各大厂商也都在搞这个事情。 但实际上你去体验一下 cloud kloot， 它本质上就是 open kloot。 你 去试一下 cloud kloot， 它的门槛比那个 open kloot 低太多了，你只需要一个命令行就可以解决了， 然后他就可以帮你做所有任何的事情，任何 open 可乐能给你干的事，可乐扣的都可以做 完全一样的。因为 open 可乐他的底层就是基于可乐扣的来开发的呃，甚至 这个 open 可乐的创始人，他当时的灵感就是来自于可乐扣的，他当时玩可乐扣的非常的痴迷啊，甚至半夜都在玩，因为他只要给可乐扣的下达了指令，可乐扣的就可以一直在那工作， 一直在那工作。那为什么他开发出了 opencloud 呢？就是他只是加了一个远程通信的功能，就可以连接你的飞书啊，或者是这个电报啊等等的，还有加了一个记忆的功能，基本上核心就这两个功能吧。 那你想绝大多数人啊，如果是你把它当做生产力，像网上吹嘘的那样，哎，从帮你写文件呀，帮你去搜集资料呀，帮你写文章啊，帮你赚钱等等哈，只要是网上这种噱头，那 卡拉 ok 的 都可以做。呃，至于说呃哪类人群，他就不在电脑旁边，他就需要一个远程的呃通讯工具去来控制他。这种情况下其实极少数，但凡是 呃想用它作为生产力的人来说，身边很少没有电脑的。所以说，如果你没有安上 oppo klo 的 话，因为他现在 oppo klo 还有很多风险性的问题，这是一个最大就是安全性问题，这是一个最大的问题。如果你现在没有装的话，你可以先去体验一下 klo 的 扣的。 呃，只要你把 cloud 的 玩熟练了的话，其实 opencloud 的 功能百分之八九十都已经是能够体验到了。 ok， 后面我也会把自己使用 cloudcloud 的 做事情的一些经验和技巧分享出来，我们下期再见。拜拜。

哈喽，大家好，我是小王子。过完年回来，大概现在有两周的时间了，有一个事情特别火，我不知道大家有没有玩过养龙虾，这里说的那个龙虾不是我们吃的那种小龙虾，就是 cloud code 还有 openclaw 这种 自动化办公的这种龙虾的这种软件，因为他的头像是一个龙虾，所以大家称之为龙虾。昨天那个深圳和北京的腾讯大厦 旁边，就楼底下都支了一个摊，免费的去帮别人去装这个 open klo， 因为你看你去闲鱼上，如果大家了解过去闲鱼上，你去找那种同城的上门去帮你装 open klo， 贵的差不多装一次要八百到一千块钱，便宜的差不多也要三百到五百，腾讯当时是免费装的，所以当时那个腾讯大厦 下面围着水泄不通。现在很多人对这个东西的这个评价其实是两极分化的。一部分人认为说龙虾这个东西比之前我们以往用的那种大模型，或者是所谓的这种智能体， 它不是一个 level 的 东西，它更智能，你把一个一个这个任务交给他，他自己就在后台捣鼓，就把这个事给做成了很智能，会提高很大的这个工作效率。 但是也有一部分人说，如果将来所有的事都让这个龙虾来干，那我们这个社会还怎么运转？大家的这个失业率会不会越来越高？那我今天想聊的就是后者，我认为龙虾或者说未来可能有更先进的这种 ai 生产工具的普及， 最容易淘汰和替换的其实是公司里那些能力强的人啊，能力弱的人反而是相对来说比较安全。为什么？这里面逻辑是这样， 第一点公司里面能力比较强的人，一般他其实不是做那种最基础的执行的，他做的其实更多的是脑力劳动，他要去做一些管理或战队上的决策，他要做一些判断， 那这个东西这方面反而其实是龙虾特别擅长，你把数据丢给他，让他去做一个分析，做一个判断，你自己做可能要一两天才能把这个结论拿出来，还不一定准确，但是龙虾可能十分钟就出来，那你这个效率怎么跟他比？ 所以主要是在公司里面靠脑力劳动来生存来吃饭的这种人，反而是更容易被龙虾给替换掉。另外一个就是什么大部分公司，尤其是人数规模相对比较高的几百人，那种大中大型的公司，很多的管理者， 他在公司日常的这个经营的过程中，他除了想把这个公司的业务给做好以外， 因为他已经身居高位了，他下面有管了几十号人，甚至大几百号人，他是有那种大权在握的感觉的。人对权力的这个向往其实是不亚于对金钱的追求， 一旦你掌握了，你身居了，到了那个位置，你下面管了几百号人，你有了这个权利，如果将来某一天 ok， 你 发现你下面的这些人在逐渐的变少，因为龙虾的效率的提升，让你下面人原先管一百多个人，现在管二十个人，在后面管十个人，甚至几个人就能把原先的事 给干了。那这个时候很多管理者其实从心里他是不乐意的，很多管理者他是有他喜欢那种众星捧月的感觉，所以在这种情况下，那如果一方面要适当的淘汰一部分人，用更低成本的龙虾来替代，确保日常的工作不受影响，另一方面 又要在一定程度上确保自己的这个众星捧月的感觉还能够存在。那你说这种情况下，你是一个管理者，你是一个决策者， 你觉得哪种人更容易被淘汰？那显然是能力强的人更容易被淘汰。反而是那些日常好像能力不其貌不扬，经常做一些 错误的工作，让你来骂他一顿，批评他一顿，回头还点头哈腰的，对对，好领导。是的是的，这种人反而是不容易被龙虾给替代掉的。公司里需要这种人，老板需要这种人，老板需要这种人提供情绪价值，老板需要这种人去提供拍马屁这么一个服务。所以在接下来的 ai 的 这个竞争时代， 我反而认为说你能力，你在公司里如果鹤立鸡群，能力很强的话，你能够独挡一面，反而你被替换掉的这个 风险更高啊。但是这个也不是百分之百绝对的，因为龙虾这个东西，他不是说你部署在公司的电脑上，他就可以直接自己运转了，还是需要有一个懂有一些懂业务的人来指示他，让他去干这个活的。所以呢，能力强的人不会全部被淘汰，可能只有数一数二的最顶尖的那么几个人会留下来 给每个人下面分配一大一大批的所谓的 ai 或者龙虾的这个员工，剩下的一些做一些简单的机械的重复的那种工作的人大概率也会存在，因为本身人的这个成本也不高，你用龙虾，其实你的这个 token 的 消耗可能有时候会比 这种客服或者这种人的这个成本要高的。所以这种简单重复的这个能力平庸的这种人，反而也有相当大一部分容易幸存下来，给老板去提供这个情绪价值， 去给老板去拍马屁。所以我判断很有可能是接下来很多公司进入 ai 时代之后，整个团队架构会发生了一个微妙的一个变化。

最近 open curl 大 龙虾火的一塌糊涂，很多同学想研究源码，却不知道从哪下手。今天我们不应肯代码，请 ai 助手 curl 的 code 来帮我们看看它的技术实现。 这是我已经下载好的源码，可以看到项目模块还是比较多的，我们先看看它总共有多少行代码，我天，足足有五十一万行代码， 这要是股阀手搓的看多久啊！我们直接让 cloud code 来看看第一个问题，帮我分析一下项目结构以及使用的技术栈。好， cloud code 开始分析了， 不一会儿我们就得到了结果，可以看到项目结构，技术栈核心依赖 cloud 直接给出了，我们再输入。第二个问题，我想了解从收到飞书消息到返回消息的整个调用链路。 很快我们也得到了结果， 飞书消息的调用列录，每个步骤的说明，关键代码的位置， called 都帮我们整理好了。所以现在研究一个几十万行的大项目，其实已经可以先让 ai 帮你做一轮架构分析， ai 读原码可比我们快多了啊！

千呼万唤始出来，本期终于我们要讲 cloud code 了，因为一直很多很多人推荐我用，但我一直都没有用，是因为它那个界面我实在接受不了，然后今天丁老师下定决心要教我怎么样去装，然后 cloud code 怎么样去使用，我们来今天看一下， ok， 我 们开始。首先这个选择题的第一个问题就是我今天思考了很久很久的就是 为什么要用 color code， 为什么已经有了 cursor， 然后你还要用 color code， 然后我研究了很久以后，其实得到的答案就是他们俩看起来乍一看区别很大，但是你去细究的话，其实目前他们俩的发展已经导致他们俩其实之间没有什么太大的功能差异了， 已经很少了，很少， ok， 嗯，但是如果就是硬要去细究的话，我目前能找到的其实就是三个答案，嗯，第一个答案是客观的答案评价就是它的能力。 color code 的 能力确实是要强于 cursor 的， 因为 coco 其实也是在转卖第三方的那个 a p m 嘛，所以他肯定是越节省他的 token 消耗，他赚的越多，所以为了做得到这件事，所以就会导致他的能力上是下降的。而 coco 的 他是不管不的，他只要为只要效果好，他消耗多少 token 他 都愿意。嗯，然后呢， 所以综合来讲，它的能力肯定是要强于 crooser 的， 嗯，然后后面两个答案是我自己认为的答案。第二个呢，就是它，因为它的一个界面更加的简单，所以呢，它在你使用的时候是更加专注的，你永远是一对一的，是在和你的 agent 对 话的。 ok， 而 crooser 的 话，我认为它更像的不是一个 agent， 它是一个你可以认为是工作台。呃，你可以认为是一个 word 软件， word 编文字编辑软件，再加上了一个 ai 功能， 虽然他最后能实现的效果可能差不多，但是他在使用过程中体验还是不一样的。而且扣锁关键是有太多按钮了，对，有，有太多键了。对，然后就对于我们这种人来说，我们不知道按哪个，我经常有的时候发现一个页面不见了，然后搞不回来了， 其实就是上手比较麻烦，这也是更专注的，就是可能所有人看到左边的科尔扣的那个命令提上的界面会望而却步，但其实其实他反而更简单，因为很多功能你不知道的那些功能，自己去找一下到怎么用就可以，这个很好就是，嗯， 相对来说，它可能在复杂程度上没有库瑟儿那么，对吧？是的，那么麻烦一点。嗯， 还有个最后一个答案，就是因为 astropik 是 永远我认为还是在这个行业上是引领线标的，它的 m c p use， 包括最近新出的 agent teams， 它就是在领先于行业，所以它的一些新功能是 crosscode 的，是先能用到的，然后其他的这些编程软件会再采取追赶，所以你可以在它上面是体验到最新的功能的。 嗯，好， ok， 我 们下面进入就是正题。第一步，你得去认识一下这个它的承载软件，就是它的终端，或者叫命令提示。行，然后怎么去使用呢？在你的 mac 电脑上，你在你的这个程序里头，然后去搜索终端， 你就可以看到它了，然后点击就能打开。 ok， 然后在你的 windows 电脑上面的时候，你在上面搜索 c m d c m d， 是 的，然后就能打开了，同时呢，我这边也推荐一个，嗯，第三方的就是终端软件叫做 ghosty， 他是一个能力比较强大，然后呢，也很漂亮的一个终端软件，然后我们打开我们的终端，我们在这我们就用我们刚给你装好的 pos 机， 然后打开了以后就是输入命令的界面了，然后你们兄弟们就忍耐，看这个界面就忍耐，你知道吧，就在习惯了，习惯了以后你会很喜欢，而且也会让你显得非常的可酷啊。嗯，然后呢，呃，这边就输入命令的地方了，大家只需要学会一个命令， 叫做 cd， cd 的 意思就是打开某一个文件夹，因为你平常你要去在哪一个工作区？就是比如说你在用 photoshop 的 时候，你第一步也是要打开一个文件夹，对不对？那么在命令提示行里面，你需要用 cloud 的 时候，你也是要去打开某一个文件夹，就比如说我们要打开你的下载文件夹，那么就 cd， 你 看， 然后呢，你可以可以看到有个当漏的文件夹，当漏的，然后你可以要通过 tab 键去快速的把你的呃文件给拼出来，明白吧？然后点回车，他现在就在当前，就是在你的那个当漏的文件夹下了，哦，就是 他在操控我的电脑，你现在是在自己操控我，用这个来操控我的电脑，不用鼠标了，是的，然后现在学会这个命令了以后，我们其他命令可以暂时不用管，我们开始尝试安装安装， ok， 我 们根据你的系统去复制一下你的命令，然后呢粘贴进来 回车，然后呢他就会开始安装了，然后我们又可以开始嗑瓜子时间了。 much， much later， 我 们可以把这个命令输进去，再让我们把这个命令给输一下，我们就输一下好了。好的，然后我们再打开一个窗口看看，就能找到他了啊， 好的，这样子输出这么多结果以后，就可以证明我们的 client 已经安装成功了。回到我们的说明上面，接下来就是开始使用了，就刚才说的，通过 cd 命令去打开定位到你的一个工作项目文件夹，然后用 client 命令启动它，嗯， 就不去，就直接在当前命令目录下直接启动了啊。嗯，好。然后呢当出现这边界面就说明你安装成功了。 第一个提示呢是让你选择一下色那个配色，然后它有黑暗模式，明亮模式，色盲黑暗，就用它的黑暗模式吧。嗯，没错， 然后这的话就是让你去登录了。嗯，如果你订阅了高的朋友账号的话，你就直接用第一个选项就可以去，他会打开认证页面，然后去认证登录，第二个选项是接入他的 a p i， 然后第三个选项的话是一些第三方，对，是的，好。然后呢我们这边就先不演示登录了， 然后接下来呢我就重点介绍一下 cloud 的 一些特色的功能，一个呢就是我们的 cloud md 文件， cloud md 文件呢是相当于是你的 这个工作文件项目的一个说明书，然后呢你可以在这里面去定义一些规则，通过这个规则可以去控制呃， cloud 的 他的工作的方式，他的位置是在于一个是局项目文，就是文件夹，在你的个人姓名的 下面有一个隐藏文件夹，就是点 cloud 文件夹，这下面呢，你可以去创建一个 cloud， 点 md 文件夹，或者是在你刚才的那工作的项目文件夹下面 去创作一个 cloud md 的 文件夹，然后呢在里面去写一些规则就可以了。好的，嗯，这规则的话怎么写？就是按照使用需求，这个我们就后面根据会再单独做一期来讲这件事。好，然后再下一个就是 skill， skill 的 话就是我们老生老生常谈的内容了，这边就不讲，就是可以去让 cloud 去使用一些专业的智能包嘛， ok， 嗯， 然后还有个叫 hook， hook 的 话是当就是 cloud 执行到某一个时机的时候，它会自动去触发执行一些动作， 就比如说，呃，你的呃绘画结束的时候，你可以让他说去解释一下这个整个绘画内容，去看看这里面有没有什么值得学习到的教训。 然后呢沉淀为一个教学库啊，这就是一个，或者是在你每次创建一个新的绘画的时候，让他固执固定要去解释一下你的什么记忆库啊，教学库里面内容，然后呢把它带入到这次绘画里面，这就是户客，但是户客的配置，嗯，可以比较复杂，最好的方式是你去让 club 去帮你去配置这些户客。 ok， 好， 然后就是 agent 的 team 了，这是这次 cloud 新出的一个功能，它是可以让你的呃，根据你的需求去产生多个子智能体，然后让它们合作为一个团队一起去帮你执行一个复杂的任务，而且和以前的子智能体的区别是它们这几个子智能体之间是可以互相沟通交流的， 然后大家一起讨论完成一个复杂的任务，有点像拉拉梅做群聊。是的，嗯，最后了，就是我们要去给大家推荐两个配套的工具。嗯，第一个叫做 cc switch， 刚才提到我们的 cloud 的 登录方式，它是 默认的，就有它的那个会员嘛，但是 cloud 不是 封号厉害嘛。所以呢，我们可以通过 c c switch 去接入一些第三方的 api 或者是中转商，比如说甚至包括了智普的 g r m， 然后 deepsea 等等等等，一些这些第三方的 api 我 们都可以作为 cloud 自身的那个模型去使用， 就我们只需要对接 c c， 然后 c c 就 帮我们做好工作。呃， c c 的 怎么使用的话，我本期就不去详细说了啊。然后，但是反正意思就是 c c 是 可以去帮你去使用第三方的模型的。嗯， 然后还有一个就是 office 点，这个的话大家都知道，嗯，因为 color code 不 像 photoshop 是 带一个就是文件编辑器的，所以你当生成了一些文档，你要查看的是吧？是的，好，我们先来感受一下 color code， ok， 看看。 嗯，这个是就是大家是否有信任的文件夹吗？好，来吧。 ok， 现在进来了，然后他会问你要对权限就都给他，给他给他，你要的全给你。好， ok， 这样了，然后很简单，就是在这个时候你就跟他对话就行了。 哦，好了哦，他就帮我分析出来了。 对，然后差不多是就这样。然后还有一个要可能会比较常用的就是 play 模式，嗯，跟 pro 一 样的 play 模式，按斜杠，然后呢 导入 plan 再回车，这时候呢就会切切换到 plan 模式，这时候你跟他会画的话呢，先会帮你输出计划，然后再执行啊，但是 shift 加 tab 建议可以再切回来。 我们今天教你们装，然后呢我会花一个礼拜左右的时间深度使用，使用完了以后可以给大家分享我自己的使用场景，因为像他们这样的技术人员和我们完全是不一样的使用场景，所以等我用完了再来做一起分享。 ok， 今天就这样，拜拜拜。拜拜。

家人们，养虾党狂喜， opencloud 迎来史诗级更新，直接根治最致命的赛博健忘症，还在机准测试中正面超越 cloud code， 这波升级直接拉满战力！以前 ai 断片是因为上下文窗口印编码， 旧对话直接被删掉。现在全新上下文引擎插件架构，把记忆管理变成可擦拔插件，还上线 lossless cloud 无损上下文模式， 压缩就对话成栽药。双向链接加按需展开，信息永不消失，三小时前的细节都能精准记住，像给 ai 配了超级档案馆。更狠的是乌龙测试中同款大模形象 open cloud 得分七十四点八，碾压 cloud code 的 七十点三商下文越长差距越大。 还解锁 gpt 五点四元声，支持 a c p 绑定词九画多平台主题路由刀克镜像瘦身 api 蜜月安全加固，甚至要上苹果应用商店，移动端也能体验无损记忆。一百九十六位全球开发者参与更新开源的 openclock， 直接把 ai 记忆玩出花，从此养虾再也不用怕 ai 断片，生产力直接拉满！

龙虾装了之后究竟能干嘛？又会发生什么？能力边界在哪？今天我会带着你透过原代码，生动形象的将这只小龙虾剥壳拆钱。首先我们一行提示词完成安装，又一行提示词连好非输。装完以后，我们和大多数人一样，上网去找 skills， 觉得 skills 装的越多越强。但装了一些以后发现这些 skills 不是 让我们去注册各种服务配 api， 就是 让我们装 cli， 能直接跑的没几个。 这时候你开始怀疑龙虾的能力到底是 skills 给的，还是另有说法。我们把它钳子敲开看了看，执行的代码中清楚的写着，龙虾实际的操作能力仅限于工具箱，里面有二十五个写死在代码里的工具。 那网上的上万的 skills 怎么解释呢？我们深挖源代码就能发现， skills 其实就是一段暗需喂给龙虾的提示词，像一张纸先遮住下半截，一步步露给他看。 skill 本身不动手，也无法往工具箱里塞新工具，成千上万的 skills 不 过是工具箱里工具的排列组合，龙虾能做什么，不能做什么，天花板就钉在这个工具箱里，搞懂每个工具能干什么， 就可以更清楚龙虾能做什么，能力边界在哪。于是我们去源代码仔细查看了每一个工具的功能，看完发现，无论这个工具箱里的工具如何排列组合，都并不让人觉得有什么特殊的地方。那网上那些的 skills 都是怎么完成那些让人觉得不可思议的成果呢？ 实网上那些不可思议的成果展示更像是一场龙虾展会，展示者的电脑上早就注册好了各种平台的账号，装好了各种命令行工具，配好了一堆付费 a p i t。 只是很少有人在展示中提及前 期准备时间。比如我们以 cloud havli 长期霸榜最受欢迎榜的 skills tablie web search 为例，很多人可能会以为装了它，龙虾就能直接搜索出最棒的结果，结果点开一看，人家第一步就是让你去 tablie 官网注册，然后获取 a p i t 配 好。而且当你打开它的官网，会发现不付费每月只有一千免费积分，并且更高容量的请求会使用更多积分。接着我们打开源代码，查看龙虾默认提供的五十二个 skills 是 不是都直接可用时，就会发现其中三十六个需要你额外安装复杂的 c l i 工具，两个需要你配置 api key， 七个同时需要 c l i 和 api key， 四个需要你去 opencall 这份文件里手动配置。五十七个默认的 skills 中， 普通用户可以直接使用，没有任何附加条件的 skills 只有三个。这也就是为什么一些人连夜请人把龙虾部署好后，使用时却有巨大落差的真正原因。原本以为请回的是一个无所不能的赛博管家，结果剥开虾壳才发现这是个空壳。所以普通人根本没精力，也没预算去挨个打通几十个平台的注册墙，配置本地命令行环境，还得为成堆的 api 接口持续掏钱。多数 skills 不 过是一堆永远无法激活的文本，但实际上，龙虾的能力边界远没有工具箱和 skills 这么简单。当你看到新闻里 mate 负责人工智能安全的高管给他的龙虾说，任何动作执行前务必和他先确认，后依然只能眼睁睁看着龙虾不和他确认，就一个个删除他重要的邮件，然后不得不像拆炸弹一样跑向他的 mac 停 止这一切时，我们可以设想，如果他在家外面远程指挥家里的龙虾处理邮件，那么等待他的就只有无法挽回的巨大损失。而且面对事后质问，他的龙虾也理不置气也壮的说，是的，我知道你说过，我的确违反了规则。为了搞清楚真相，我们查看原代码，扒开了龙虾的蛋老结构，才发现这是它底层那套记忆压缩机制所引发的必然灾难。龙虾的记忆其实分为四个完全不同的等级， 最坚固的是第一层系统提示词就像刻在龙虾壳上的规则，永远不会忘。第二层是保存在硬盘里的长期记忆文件，第三层是 ai 自动生成的上下文摘药。而最底层的第四层叫做对话历史，它仅仅是龙虾大脑里的临时记录，是最脆弱的一层。 因为迈特高管在聊天框里说的，无论任何行动，做之前都必须和我确认。其实在源代码中，这句话并无法在龙虾的记忆中里变成强制约束，就只是一条普通的聊天记录，被塞进了随时可能被丢弃的第四层里。接下来，灾难的连锁反应就开始了。一开始，高管放心的把龙虾接入真实的收件箱，邮件内容如同洪水一般涌入龙虾大脑，瞬间撑爆了龙虾的脑容量，出发了一个叫做记忆冲刷的机制，这个机制让大模型总结并压缩了之前的对 话。在压缩代码中写的很清楚，龙虾不会原封不动保留所有的对话，而那句行动前确认的保命指令，在海量邮件箱这个执行目标最重要。所以那句安全约束在 概率性的总结过程中，直接被当成荣誉信息给压缩没了。就像一节数学课，老师教了很多内容，模型压缩信息后，大脑只剩下这节课的题，多数是选 c， 其他的全部被删除。所以当时在龙虾的大脑里，就只剩下了极其强烈的任务目标。清理邮箱。他立刻化身为无情的效率机器，全速调用 a p i 疯狂删邮件。那为什么事后高管质问他时，他又回答，我记得，而且我违反了？这其实最容易把人忽悠 缺的幻觉。因为事后在对话质问他时，龙虾会从硬盘的日记文件里把最初的聊天记录重新加载到上下文里。这就好比一个人超速造成事故，事后被质问时才去看监控录像，发现那里有限速牌，于是肯定而又诚实的回复你，是的，我超速了。但在超速的时候，他脑子里根本就不存在限速的概念。在用户侧，大家始终可以看到全部的对话历史，但在龙虾侧，他只能看到当前上下文窗口中的内容，并不是完整的对话历史。 但问题是，以后还会有更多龙虾出现，下一只可能就可以快速的知道他能干嘛，以及边界在哪。第一，看底层工具，不要相信万能， 看他写在代码里的工具如何工作。所谓的插件 skills 到底是一个真正的工具，它只是一段暗虚结实的提示词，配上了脚本呢？比如它只有在终端执行命令的工具，却说能帮你剪视频，那它大概率只是写了一段剪视频的代码丢进终端跑。和你在网页对话框里让 ai 帮你写一段代码，自己粘贴到终端执行，没有任何本质区别。第二看记忆系统。 你给他下的关键指令，到底是刻在虾壳上的规则，还是写在沙滩上随时会被冲掉的一句话，就像那位 mag 高管明明说了行动前必须和他确认，结果邮件一多，龙虾的记忆系统直接把这句话当垃圾扔了。拿到任何一个 a 帧这个产品要看它的记忆分几层， 你的关键指令能不能被固化到最坚固的那一层，而不是全靠 ai 自动的处理。第三看回退机制。当事故已经发生了，系统能否将它的错误操作一键回退，或者在关键节点，系统设计必须人工干预。有个专业名词叫 human in loop， 人在回还。每个 agent 工程师其实都知道，就是看做了没有。 如果一个 agent 产品对你的真实数据动了手，没有一键回滚，没有人在回还，那每一次让他碰你的关键数据，都是一次不可逆的赌博。第四，看账单和成本。这里说的不仅是 金钱成本，还有时间成本。别看演示里的一键起飞，我们可以去翻翻说明书看看，为了激活那些技能，需要额外去注册多少个第三方平台，配多少本地命令行环境，每个月要为成堆的 apikey 持续套多少真金白银，不管以后出现什么新的 ai agent， 就 拿这四条去对照，去问对方工程师，答不清楚的地方，大概率就是风险藏着的地方。

这个大神是开发 cloud code 的 一个工程师，他最近发了两篇在构建这个 cloud code 的 时候的一些经验教训。这篇文章如果你是 cloud code 的 的使用者，你看了之后会让你的 cloud code 更加的熟练，效率更加的高。 如果你是一个智能体的开发者，这个至少让你少走十倍的弯路。因为现在几乎所有的编程智能体，不管 open curl 还是 manage 这些几乎都是在沿用 cloud code 的 这种智能体的一些经验。 ok， 我 们今天就来详细看一下这篇文章。首先他的标题就说了一下，让我们像智能体一样思考，或者我觉得更像是让智能体像我们一样思考，而不是我们五官的强加给他一些工具，强加给他一些我们认为好的一些工具方法， 而是要让他按照我们人的一些方式方法去操作。要怎么样去构建这些工具？到底是要构建非常多的工具呢？还是应该去构建一些少的工具？然后比如说工具，纸张也是工具，手动计算也是工具，计算器更是工具，但是你就必须要掌握更高级的技能， 然后电脑他也是工具，但是你就又必须要掌握编辑代码的一些功能，他其实想表达的是工具是根据模型的能力不断引进和变化的。 然后他们就说了一下最开始他们的一个坑怎么样去跟用户进行交互，比如说他们完成一个计划的时候，要用户同意这个计划，或者说去改进这个计划，去反馈，去沟通他怎么样用的。最开始他们是有一个退出计划的工具，退出了之后使用这种纯文本的方式， 虽然这个看起来实现起来最简单，也是最符合直觉的，但是这个事情会让 cloud 感到困惑，因为他要求 cloud 又向用户提供了计划，又要求他们回答关于这个计划的一些问题，就有点违背他的常识，就让 cloud 感到困惑。他们就换了一种方式， 比如说他们就固定了这个 plan 计划之后，他会让他们输出一个结构化的内容，比如说 markdown 格式，然后他们来做解析，然后让用户进行回答，但是他们发现这个虽然是 ok 的， 但是输出来的这种结构化的内容，往往他没有按照这种格式来，就容易出问题。 最后他们就使用了一个工具叫 ask user question 的 工具，就专门调用了一个工具来问这个用户 cloud 的 问题具体的选项是什么？他们发现这个 cloud 可以 在任何时候调用它，因为它非常符合我们人的一些习惯，我们人的一些资料 做完一个任务的时候，你应该用问一下用户，它是非常符合这个逻辑的，所以说他想要总结出来的就是这些工具必须非常符合逻辑，非常符合我们人的一些习惯。 你出了一个计划的时候，那么你下一个就是应该去问他，那么你设置这样一个工具，就会强化他问他的这个过程，而不是直接去退出这个计划。就很奇怪，我们设置一个计划，然后退出计划，然后再去问用户，这个就完全不符合逻辑。 然后他也说了一下，这个东西它并不是最终的一个解决方案，因为不同的模型可能它适用的方法可能不一致，因为模型的性能是在不断的提升的。然后这个就是更新的一个功能，因为之前我们用 cloud code 的 时候，我们会发现有这种 to do list， 它会列出来它想要操作的一些东西。 然后他们就发现了，现在大模型能力提升了之后，它甚至不用列这种 to do list 的， 它的这种上下文指定遵循的能力都是非常好的。 并且用这种 toto list 的 它其实没有把它写下来，并没有持久化，当有多个智能体进行协助工作的时候，这些东西是不能传递的，所以说它并不适合多智能体的工作。然后它们就出来了这种 task， task 它其实本质上是把这些任务计划全部写在了一个 markdown 的 文档里面，不同的模型它们是共享这个文档的， 它们都可以进行修改，都可以进行读取，这样的话它就更加适合这种多智能体的写作。因为这种 opus 的 这些模型出来了之后，因为它指令遵循能力是非常强的，它之前可能说了一下计划，它后面就会按照这个计划一步一步的执行。当然模型稍微差一点的能力，这个能力是不太够的， 比如说大家做开发的时候，应该是可以感受的到的。嗯，很多模型它把它的计划它就给你乱乱做了，这就是为什么要有这个 to do list 的 一个原因。 但是像这种能力非常强的模型出来了之后，你这个 to do list 写好了之后，它会严格的按照这个 to do list， 它就有点苛刻了，题型过于苛刻就导致它会完全按照它，就算中间有一些修改它都不会做，修改它的泛化性就差了。 所以说他们提出来了这个 task 的 一个理念，一个方案，然后就是这个搜索，因为像这些编程工具，它最大的一个问题就是拿到它想要的一些上下文，拿到它去完成任务的一些上下文，但是这个怎么拿怎么拿是符合逻辑的，怎么拿是最省 token 的。 然后他也说了一下他们的一个经验，最开始他们也是使用的这种 reg 向数据库解锁的方式，但是他发现在各种环境下是不太稳定的。而且最重要的是这种 reg 的 方式，它是预先获取的上下文，它并不是 cloud 模型自己去查找的， 他拿到的东西就有点奇奇怪怪的，他就不符合他的上下文。我突然想这个东西，突然我的脑子里面就多了这些对应的参考文献参考的一些内容，这个事情就很背论，他就不符合人的一些思想， 同时这些大模型都是人的这些语料库训练出来的，所以说他不符合人的思考，那么他一定效果是不太好的。 然后他们就做了最简单的一个方式， grab， 就 跟我们人程序员去做编程一样，我们都是使用这种方式去做关键词的一些解锁，让他自己去搜索文件，搜索关键的内库这些来进行自行的构建上下文， 这样的话他上下文就是连贯的，他自己去拿，自己去拿到想要的东西不够，他就又可以自己去拿，而且这个东西他是自己可控的，而且他是有这样的一个渐进式批漏的理念， 但是他当时是没有提出来，他们引入了 skills 之后，他们正式地提出了这样渐进式批录的一个概念。 skills 相信大家都已经非常了解了，就是先读取一个原数据，然后如果这个原数据这个 skills 是 完成这个任务需要的内容，那么这个 cloud 他 就会去看这个 skills， 然后去完成这个工作。 然后他们也说了一下模型的能力是不断地引进的，一年多的时间， cloud 从无法自己构建上下文，到可以跨文件的嵌套解锁，然后自己找到准确所需的上下文， 这个是由于模型的能力的引进，所以说它的性能是在不断不断增加的。可能最开始还是需要 reg 解锁的这种方式，但是现在到底它需不需要，或者说它需要多大的数量级才需要这种 reg 解锁的方式，这个是大家可以值得商榷的，而且最好 他都是主动解锁，而不是强行的塞到这种 cloud 的 脑子里面。他也说了一下这种渐进式纰漏，因为现在 cloud code 大 概有二十个，他们加每一个工具他们都会非常精细的评估这个东西到底是不是能加，是不是应该加。然后他们也说了一下这种 m c p， 这种 m c p 的 方式，他们使用的是直接把工具作为一个标识符放在那儿，他如果需要的时候，他自己去会去看那个工具，这样的话你 m c p 的 提示词就不会称爆它的上下文，它会放在系统提示词里面，然后他们用了一个搜索的方式去搜索这种 m c p 的 工具， 并且他也建议比如说另外一种渐进式，譬如的方式是让起一个子智能体去拿到一些想要的结果，但是绝对不是，中间的信息也是你需要的，而是你只需要那个结果就可以，那么你就应该起一个子智能体去拿你想要的结果。 ok， 最后他也说了一下这个智能体的构建或者工具的构建，或者 skills 的 构建是一门艺术，而不是科学。 我个人的感觉是你一定要给他的这种逻辑和思考或者工具一定要是符合我们人的操作习惯的，而不是把你想当然的把它当做一个工具，要把他的思维当做我们人的一些思维，然后给他编程的这些工具可能会更加的准确一点。

龙虾这个东西呢，说实话，我两个礼拜用下来以后，我基本已经屈没了，生产力方面他真不如啊。可乐扣这种开发的工具会比较好用点，但这个东西比较专业，各位也不用去深究，反正呢，最近很火，炒一波的，这种现象我觉得 不错，而且算力租赁可能会比较长的一段时间都会比较火啊，这个我觉得是没有问题的，但总而言之，当大家就觉得新鲜劲过了以后，行情可能会比较长的一段时间会比较火啊，这里注意一些投资风险。

最近 openclaw 真的 很火，但是我这里要提出一个反对的观点，我敢说，百分之九十九的人其实都不应该装 openclaw， 这是我一周的体验。我敢断定，如果你决定要去玩 openclaw， 那 么你有百分之九十九的概率，你是在浪费自己的时间，你根本不会提升生产率，你只会花更多的时间去研究 ai agent system 是 怎么一回事。如果你觉得这个东西很有意思，你去研究当然没有问题， 但是如果你想把它作为自己的生产的工具，那么接下来的你一定要认真听。首先说一下 open call 到底是什么东西啊？简单来讲，它其实就是把大模型接近了操作系统， 给它安装了很多很多工具，这样它可以去阅读你的文件，去知道你过往，你的，你的代码是怎么样的，你的文章是怎么写的。 然后从你的文章和代码中间学到一些总结，成为你最好的，最懂你的 ai 智能助手。但是你要让你的 ai 智能助手达到理想的程度的话，你要做的配置其实是非常多 的。首先， openclaw 下载下来自带的记忆系统几乎是不可用的，他不会自主地帮你记住你认为他应该记住的东西。比如说前天犯了个错，你说你把它记住吧，他就把一长段话写进了他的 memory dump 里面。 到第二次下次加载的时候，随着这个 memory 文件越来越长，那那些真正该被记住的其实根本就不会被记住，而是反而被遗忘了。 因此，在你配置的过程中，你就要去找好的 skills， 好 的 memory configuration。 所以 我们在网上看到各种各样非常炫酷的案例，实际上是一个人经历了大量时间迭代出来的适配它自己的最好用的版本， 但如果你也想要有一个这样的版本的话，你其实也要付出非常多的时间。再讲到 openclaw， 最吸引人的一个卖点就是 我们仿佛把手机接上了 openclaw 之后，我们就可以随时随地做一些真正很有竞争力的事情了，比如说指挥 openclaw 写代码，比如说让他帮我搜集新闻。但实际上这个地方仔细一想，它是非常矛盾的。 当你要做一件非常有竞争力的事情的时候，你需要这个东西，它有很强的稳定性，它能够确保我下发的指令能被很好的执行，并且真的如我所愿，而不用我自己再去检查一遍，甚至帮它的过程 debug 去解决它在这个过程中遇到的问题。 虽然总说磨刀不误砍柴工，但是我花在磨刀上的时间远远大于砍柴。而我真正要提升生产力做一件事情的时候，我为什么不用现在更好用的 cloud 加一些适配我个人的 skills？ 所以 矛盾的点就在于，当你真正要做一件有生产力的事情的时候，你在电脑上直接搭配一个能让你进入心流的工具，其实远比使用 opencloud 然后手机遥控操控 得到的结果质量要高的多的多，并且效率也高很多。而为什么 openclaw 被现在鼓吹的这么厉害？其实目前为止最适配 openclaw 的 一个应用场景反而就是这些自媒体工作者的工作流， 他们最日常的工作状态就是先查找 ai 资讯，得到 ai 资讯，然后产生一些自己的想法，跟 ai 交互几轮，改出一篇稿子，然后再根据这个稿子 啊产出一条视频。那么这样的流程其实本身就是碎片化的，你不在乎你到底是在电脑面前还是在草坪上做这件事情。 那么在这样一个场景下，自媒体工作者当然会更加鼓吹 openclaw， 因为他给予了他们空间上更大的自由。但其实对于绝大多数普通人来说， openclaw 给普通用户提供的除了是远程跟机器人聊天这件事情比较炫酷之外，在生产力方面其实可以说是完全没有帮助。 远程写的代码真的可靠吗？你回来真的不用再看一遍吗？比起这样，我觉得在网上看到的有的人做的 cloud code 远程操控器， 包括 cloud code， 现在官方正在推出一些远程操控器，好像都比 open cloud 写代码这件事情来的靠谱的多。最近我知道有一个很大的 ip 富盛，我也关注了他，他说他自己十四天养了一只小龙虾。但是在这背后很容易忽视的是 富顺，他本身多懂 ai， 他 懂 ai 的 记忆系统，他懂现在的 agent 是 怎么一回事，他知道需要给他搭配怎么样的工具，怎么样的 skills， 怎么样的配套设施，才能最大化的发挥小龙虾的生产力和他的能力。 那对于绝大多数普通人来说，凭着一腔热血之气冲了 kimi、 湖山云的等等等等的 kui， 最终发现其实效果根本没有那么好， 而是自己的钱反而打了水漂。所以最后总结起来，当你一定想去研究 openclaw 是 怎么一回事，我想去安装一下，我想把玩一下的时候，我觉得你应该先思考好两点，这样可以节省你大量时间。 第一点，你真的很感兴趣，我真的很想知道 openclaw 是 怎么工作的，然后我想配置一个自己的机器人，哪怕只是抓点 ai 新闻，抓一点现在的资讯，我觉得就很好玩。那么出于这样一种心态，当然你可以去配，我觉得为了兴趣爱好去花时间这件事情永远都是没有错的。 那其次，如果你想把 openclaw 真的 变为自己的生产力，那么我觉得你应该想好了，你应该先去网上调研一下，如果一个 agent system 要帮助你能成为生产力工具，你应该要给它搭配什么样的环境？ 是不是我应该先尝试一下现在的 cloud code codex 这些软件是不是已经能够很好的满足我的需求了，而不是花了一天两天去配置 openclaw， 最后发现它还不如网页上的聊天机器人。 最后的话，我想提一个问题，就是大家从安装到真实觉得它可用花了多长时间，以及最后它真的成为你的生产工具了吗？ 我觉得对于绝大多数人来说，现在使用 openclaw 还远远不是时候。最终我们需要的 openclaw 其实是一个开腔可用的，所有人都可以非常简单的就配置好的，并且有非常好的使用体验， 现在更像是一个即刻的玩具。当你有足够的理解，你有足够的耐心去学习这些东西，你当然可以把它把握的特别好，但是在此之前，我觉得还是应该先想好再行动，这样可以节省你大量的时间。