cloude 编程好用吗
粉丝9837获赞8.6万
相关视频
05:01查看AI文稿AI文稿codex 跟 c c 到底哪个好？我想大家各自都有自己的判断。在我个人为二者都充了二百刀的 pro max 会员以后，我个人的体感是 二者的模型能力之间并没有本质的差异，甚至都足够惊艳，让人心喜。但它们其实代表了两种完全不同的人。与 ai 合作的费洛索费 本质上，我们不是选择两个工具，而是选择两种与 ai 交互的模式。你习惯使用哪种模式，你的工作场景是哪种模式，你就应该选择支持哪种哲学的普顶工具。通常来说，抽象的讲， 软件工程开发的模式可以粗略地分为两大类，首先一类是那些探索性不确定的 idea。 在这种场景下，我们自己可能对需求要做什么，最终的一个中态是什么，甚至过程中该如何实现，它都没有一个明确的定义，它更多是我们一个拍脑袋的灵机一动的想法。当我们解决这类问题时，我们期待的一个 partner， 无论是不是 ai， 它应该都要能 快速的与我们进行交互，通过一些他主动的提问甚至判断给我们更多的信息输入，通过一系列的沟通，最终确定出一个相对更结构化，信息密度更高的思维原型来指引我们后续的执行。 而另一种常见的工作模式则是一个更明确的需求，比如说产品已经给我们了相对明确的 p r d， 那 我们剩下要做的只是说把这个项目 真正转移为一个可以被执行的代码而已。对于绝大多数的研发而言，这种场景下想要做的事情是基本完全确定的，我们在此时要做的无非只是一些 dirty work， 把那个 p r d 转化为真正写出来可用的代码而已。 而结合我自己的使用经历来看， c c 更适用于前者者的工作模式。它会在你输出一些观点之后快速地给你响应，并且高频地向你发出提问，以确定它后续的一些方向执行思路。但 codex 则完全相反，它会在你给完需求以后， 非常认真且可靠地将你的需求描述执行完。这个过程会花很长的时间，但是 结果往往是令我们满意的。想要更明确的拆分这两种工作模式的分野，我们不如从三个维度上来进行拆分，首先是任务商，也就是目标的清晰程度以及约束条件的多少。其次则是以我们预期的交互结构， 我们到底期待着与其他 partner 是 同步的沟通，还是说是一些异步的沟通模式？另外则是一个人类所占主动性的比例， 我们到底期望 ai 占据多少责任？他们是只是执行任务，还是说给我们也有一些他自己的认识建议？其实这三者并非是一个非常正交的关系。一个很明显的结论是，如果一个 目标的本身并不清晰，只是我们拍出的粗糙 idea， 那 我们显然就需要我们的协作者能快速的发问，帮我们把 自己大脑中一些比较模糊的观念导出出来，并且通过一些沟通确定哪些思考是我们需要的，哪一些是可以被删除的。通过这种 快速的同步沟通，得出来一些更结构化的结果，那在这个流程中， ai 需要介入的部分以及引导的主动性就会占比更多，但如果这个需求本身就像我们之前讲的已经相对来说明晰，是一个低伤的场景，那我们就不太 需要。它是一个很同步，事无巨细都要向我们发问的流程，它完全可以在我们把事情说清楚之后，一步的完成这个工作，从而解放我们人类自己的时间。我们也不需要给他太多主动发挥的空间，他只需要忠实的执行我们给他的需求就可以。我觉着对未来工具的使用以及工作流的设计，也都是从这三个维度去进行判断，动 态的选择。我们到底适用于哪种工具，应该主要采用哪一种工作流的思路？如果要打一个比方的话， c c 更像是坐在你隔壁工位的好蜂蜜， 会在有了一些 idea 之后立马的打断你现在的所作所为，跟你去探讨它的一些碎片化想法。而 codex 则更像是一个你忠实可靠的下属，在你交代完任务需求以后，忠实的可靠的帮你把事情完整的办完再通知你。我已经做好了。 每个模型都有它们自己的性格，我们也可以顺应的这种性格，在不同的工作场景中选择不同的工具以及模型。 以上是二零二六年二月我对这两个投影工具的一些使用场景总结，但我相信这个领域是日新月异的，二者工具之间 大概率在未来也会发生一些融合。不会说一个工具只是一种工作流场景，那就需要我们未来本身人类自己有一些对需求使用场景的预判，从而能告诉模型它应该采用哪些工作流模式。软件工程永远没有银弹， 不可能说我们用着一种模式，一条道走到黑，就可以得到一个很完美的结果。如果你在错误的场景使用了错误的工作模式，那模型给你提供的支持也就会非常有限。 结合自己的需求，场景动态切换自己的工作流模式才是一个更高效率开发的必经之途。以上是本视频的全部内容，如果你有一些想法或者建议，期待评论区讨论，谢谢大家！
3410酒嘉年
01:11查看AI文稿AI文稿从今天起，你可以把电脑留在家里，只需要拿着手机，告诉 clod 你 要什么。回来的时候工作已经做完了。 astropica 今天正式发布了 clod 电脑使用功能，不是帮你写文案，不是帮你搜资料，是真的接管你的电脑，点击滑动，打开应用，像人一样。操作 逻辑是这样的， clod 优先调用你已经连接的工具， slack 日历、 google 全家桶。如果没有对应的插件，他就直接申请屏幕权限，自己动手操作。 配合 dispatch 功能，你可以在手机上发指令。 cloud 在 家里的电脑上干活，结果推送回你手机。官方给了三个场景，赶去见面，电脑不在手边，手机发一句，把路演 ppt 转成 pdf 塞进下午二点的会议，邀请 cloud 搞定，你专心赴约。在火车上，需要核对软件版本，帮我截一下 library 的 图，下午三点发给我。 cloud 后台启动开发服务器，截图准时送达。 一堆照片还没处理，朋友在等你吃饭，桌面上的照片全部调成一千两百像素偏距，右下角加白色 logo， cloud 批量处理，你安心去吃饭。 当前我研究预览版仅限 macos cloud pro max 订阅用户优先。 anthropic 明确提醒，不要用于处理敏感信息。私人自动化员工今天正式上岗，关注星智源，秒追 a s i。
186新智元
05:391944旗先森
02:432754虎子AI
06:02查看AI文稿AI文稿之前的视频跟大家说，我一直在用 closed， 并且开始零代码的开发一个商业项目。就在 closed 会员到期的那天，我看到 jimmy 给我推送了广告，在推荐 google ai ultra， 卖的比 closed 还贵，要每个月两百五十美金。 我看了一下 ultra 提供的服务，嗯，果断见异思迁，就试用了一下 google ai ultra 呢，也提供了一个类似 cloud 的 code 功能， 也可以做到完全零代码地去开发项目，通过 google 一个叫 anti gravity 的 客户端去操作。 anti gravity 是 一个 visual studio 的 变体， 它也是大量内置了一些 ai 的 agent， 它还有一个 agent manager 的 独立模式，我现在主要就用这个模式来继续我那个商业软件的开发。 我的这些项目底层架构高度依赖 cloud flair 的 生态，涉及到了十几个微服务形态的 workers 啊， d y 数据库， r two 的 对象存储和 k v 缓存。 在处理这些高度复杂的分布式服务的时候，我发现传统的对话式 ai 或单线城的 ai 客户端已经无法满足我的要求。 我的核心诉求是实现零代码开发，纯粹以产品经理的思维下达业务指令，用 ai 来完成逻辑推理、代码编辑啊，环境调试和最终的部署。 在使用 klog 的 客户端时，我遇到最大的瓶颈是任务的串形化。我在推进项目重构时，可能涉及到几个功能同时的开发，当我给客户端发送了一个稍微复杂一点的指令之后呢？它可能要进行十几分钟到二十分钟的一个运算。 klog 也支持我进行同步的多条命令的串行， 但是客户端的响应速度和上下文处理明显会被拖慢。而 antiquity 的 底层逻辑不同，它本质上是一个多代理的编排平台，它的诉求是不仅体现在模型推理上，更体现在客户端架构的设计上。 在 antiquity 里面，我可以同时拉起多个独立的 workspace， 例如我在另外一个项目中唤醒一个完全独立的 a 阵， 让他去初步化另一个业务逻辑的开发。这两个任务在 antigravity 的 管理者识途中是完全物理隔离进行预算的，底层的计算资源调度也很充裕，设备也不会像在使用 close 的 时候会比较卡。 这种真病型的处理能力让多项目管理的推进速度实现了飞跃。第二个维度的差异在于对自动化权限的下放。 在项目开发的时候，可能写代码的工作量只占百分之三十，剩下的百分之七十都在处理依赖冲突和部署报错。因为我们代码都是 ai 自动完成的了嘛。 anti gravity 就 提供了一个极具工程价值的设置 always proceed， 就是 自动执行， 结合其底层有一个 react 的 循环逻辑，它实现了真正的无人执手开发，就不会像 kolod 一 直会需要你去监控它的 呃运行，并且需要你去放行一些权限。另外，它还原生了一个 project mariner， 就是浏览器自动化测试原型。在代码部署到预览环境中之后呢， a 阵可以接管 chrome 浏览器，模拟用户的实际点击啊，提交啊，页面跳转， 通过视觉反馈来验证前端逻辑。这种端到端的闭环测试是目前纯代码模型比较难以做到的。最后再拆解一下 ai otr， 这套方案本身 目前标准定价是两百五十美金一个月，比两百美金的 clothes 要贵。但实际上我认为它是一个面向开发者和内容创作者的生态捆绑包。它捆绑哪些东西呢？比如 它会捆绑了 gemini 三点一、 pro， 以及专门用于处理像十几个 workers 跨表查询这种长逻辑链条的 deep sync 模式。我本来要花的二十到每月的 gemini 的 会员费也包含在里面了， 它还会送你每月一百美金的 google cloud 的 抵扣金，通过内置的 google developer program premium 可以 直接抵消一部分服务器和数据库的开销。 另外整个方案包括了三十 tb 的 google one 存储空间，这三十 t 的 空间在市面的独立网盘就已经价值不菲了。另外还有每月两两万五千个 ai 积分，专门用于调用 flow 的 ai 视频生成，就是 vgo 三点一， 这让我们可以直接用 ai 生成一些有用的视频素材，虽然这一块我用的还不多。其他就是像 notebook、 lm 的 高权限呀， youtube premium 的 会员 啊，还有 germany in workspace， 就是 在 google 原生办公套件中享有高额的 ai 辅助能力。 总之，如果你只是需要一个在 ide 里面帮你写单一函数的代码助手 clode 或者 copilot， 这种 ai 助手依然是目前语法最优雅的选择之一。 如果你像我一样以产品经理的身份在管理多条产品线啊，需要一个并行的处理，自我排错，甚至包揽底层存储和后期视频生成的技术基建方案。 那你可以试一试 google ai auto 以及背后的 anti gravity 平台就在我刚订阅完了 ai auto 之后， gpt 又发布了它的五点四版本。 那现在 ai 的 迭代实在太快了，也许下个月我会再转向 gpt， 再去试用一下它的最新的五点四版本以及它的代码能力。那就下个月再出测试报告。
93科林的奇幻漂流
04:10查看AI文稿AI文稿嗨，大家好呀，今天来总结一下目前好用的 ai 编程方案，咱们来盘一盘二零二六年年初这个节点上最值得入手的 ai 编程方案，最后再分享一套我亲测下来最具性价比、最稳的组合拳， 说明一下。本期的方案适合普通学习者和开发者，需要深度开发的大佬们就要另当别论了。 ai 编程工具发展到现在，重要的不是在拼工具本身，关键还是回归模型能力。 真正决定你编程体验的是 cloud、 gpt、 gemini 以及国内的大模型。所以我们在选工具的时候，本质上是在选哪个工具可以用到最好的模型。 我们从以下三种类型分开看，客户端类型、命令行形式和插件形式。首先是客户端 ide 工具，也是大部分人最常用的类型。国内的三大领头字节的 tree 和统一领马。腾讯的 code 吧里， 国内版主要是搭载国内顶尖的模型，比如智普的 g、 l、 m、 kimi 等。如果你只是在写一些轻量级项目，用它们搭载的国内模型已经完全够用，胜在免费嘛。 但要想使用国外比较强的模型，比如 gdp cloud， 就 需要选择其他的工具了。来看几个我用过的工具， cursor tree 国际版 kiro codex， 我 主要来梳理一下它们能够使用的模型以及付费的方案。 这里面我认为 cursor 是 模型最全的工具，最是使用难度最低的工具。 而 kiro 使用了 spag 编程模式，更偏向于规划式的开发流程。各个工具的订阅价格我也整理了一张表。 第二种，命令行类型， cloud code 是 当之无愧的王者，但费用高，封号问题实在劝退。所以我更推荐 cloud code 加国产大模型的配置方式，这样可以大幅度降低成本。配置也很简单， 三步就能搞定。第一步，安装 node js 和 cloud code， 在 终端输入以下命令就可以了。 第二步，获取 api 秘钥。我现在用的是智普的 code plan 计划里面的 glm 四点七，编程能力已经很不错了，价格也很合适。 第三步就是在终端运行 cloud 命令，需要替换 url 和自己的 token， 也可以把这一段粘贴到这个目录下启动就可以了。 如果你比较偏好命令行工具，可以尝试一下 gemini client 千万 code 或者 code party code， 这些都是有一定免费额度或者目前免费的 client 工具。但相同模型下，我还是比较喜欢用客户端工具，比较适合小白。 第三种是插件形式，插件形式比如 ucode， 我 使用的并不多，需要自己配置 apik， 如果你可以搞到免费或者是低价，那成本会非常低，但配置门槛会稍微高一点儿。 最后来分享一下我使用下来觉得最具性价比的方案。我目前的配置是 supreme 国际版加 coco 壳子加国产大模型 api 工作流基本上是这样的，简单任务用命令行调用 gln 模型，处理速度快，成本低，复杂任务再起用瑞体验会更好。 现在国内 api 的 价格只有海外百分之十甚至更低，而且往往有很多免费的额度，这样是一种比较节省花费的方案。 当然，亲测下来这套方案的使用。最先进的 ai 编程交互逻辑 工具一直在变，但提升效率的内核不变，如果你也有其他方案，或者是在配置时遇到了麻烦，欢迎在评论区留言，我们一起 web coding， 让我们一起用 ai 拓宽个人能力边界，我们下期再见！
38阿水Tech
01:33查看AI文稿AI文稿如果你刚开始学 ai 编程，其实不用一上来就花很多钱。我从去年开始折腾 web coding， 也试过不少工具，发现很多工具都会给新人一些免费额度，只要搭配的好，完全可以先用很长一段时间。我现在比较常用的一个组合是 anti gravity 加 codex。 anti gravity 是 我用的比较多的一个平台，它每周会有一些额度，像 gemini、 cloud 这些模型都能够直接用，对日常写代码来说基本够用。 codex 我 主要用来做一些比较复杂的代码任务，有些地区可以开一个月 plus 适用。呃，编码能力其实挺稳定， 有时候我也会用 kiro， 新账号给的额度还挺多，做一些小项目或者测试想法的时候挺方便。如果不想折腾海外工具，其实国内也有一些方案。 free 是 自己做的一个 ide， gim、 kimi、 豆包这些模型都能直接接入，用起来比较省事。 还有一个很多人不太注意的工具是 augment code， 它对工程能力的理解能力挺不错，代码准确率也比较高。科思其实算是 ai id 里比较早的一批产品了，很多人一开始接触 ai 编程都是从它开始的。 winsole 也可以作为备用工具，每个月会有一些提示额度。 另外还有一个比较即刻一点的工具叫 open code， 它是开源版的 club code， 可以 借一些免费模型，不过需要在终端里使用，对新手来说门槛稍微高一点。我现在的习惯其实很简单，主力工具就两三个，其他工具只是偶尔换着用。 如果你刚开始学 ai 编程，不用急着订阅很多服务，先把这些新人额度用一圈，很多时候已经足够做不少事情了。
04:27查看AI文稿AI文稿用 ai 写代码，试了六次，还是一坨。你以为是 prompt 不好？我的判断是， ai 编程从来就不是编程问题，它是项目管理问题，不会管项目的，用什么模型都白搭。 这不是我瞎说，最近社区里六十九条开发者回复成功者和失败者的方法对比，全部指向这个结论。大家好，这里是 l l m x factor， 一个专注于拆解大语言模型时代底层逻辑的频道。 一个开发者用 cloud 做网格工具，试了六次变形，语法错误，横竖屏崩溃，控件被遮挡，来来回回，最后还是废的。有人用了一百五十多轮对话才成功，有人写了上万条 prompt， 用的是同一个模型，区别在哪？先看看失败的模式长什么样。 六次尝试，形成了经典的死亡循环，布局变形，修了，语法错误，从头来滑块好了，横竖屏坏了，修好，横竖屏控件被遮住，修好，控件布局又缩了，再从头来还是语法错误。每修一个问题，就制造一个新问题， 一个高赞评论一针见血。你连编程语言都没说，平台也没提，你给 ai 的 指令就是帮我做一个东西，不对就帮我修。这不叫编程，这叫抽老虎机。 投几个 token 进去，祈祷能吐出想要的东西。这个比喻精准到可怕，那成功的人在做什么？ 一个开发者用 cloud 做了转录工具，一百五十多轮对话，但第一步不是写代码，是先跟 cloud 讨论想法，一起写 spec 文档。 spec 分 成多个阶段，每次实现前先审核计划。 另一个开发者更有意思，他的配置里写了一条规则，讨论项目时不准写代码，先在聊天里想清楚，让 cloud 写 spec， 打包成 zip 交给 cloud code 说按文档开始第一遍大部分就能跑通。 最系统的分享来自另一位评论者。第一，拆任务为独立单元格力开发。第二， g u i 原型验证，可试化每一步。第三，持续告诉 cloud 你 要什么，为什么要不断更新文档。第四， get 锁定稳定版本，不动已完成的代码。 第五，大量日制和断言定位问题。但是当我把这些建议放在一起看，我发现了一个所有人都没明说的事实， 先写 spec， 再编码，这就是需求到开发拆分任务， w b s 工作分解，每步验证、阶段性评审、 get 锁版本基线管理截图、日制测试报告、不动已完成的代码冻结，已验收交付。每一条都是教科书籍的项目管理。 所以我的判断是， ai 编程从来不是编程问题，是项目管理问题。 ai 不是 你的同事，是你的外包团队，你不是在写代码，是在管一个不会思考但手速极快的团队。这就是为什么老程序员也可能用不好 ai。 有条评论说得透彻，把任务委派给不理解目标的人，解释和纠正的经历已经超过自己动手的成本。带过团队的人都懂， ai 编程就是这种感觉，那这对我们意味着什么？ 第一，想用好 ai 编程，别急着学 prompt 技巧，先学项目管理基本功，拆需求、 spec 版本控制、验证反馈。这些看起来无聊的东西，才是 ai 时代真正的底层技能。 第二， ai 放大的是管理能力，不是编码能力，会管理的人效率翻十倍，不会的人在错误方向跑更快。同一个模型，有人觉得神，有人觉得废，区别就在这。 第三也是最重要的。讨论中有人说 ai 公司把产品宣传成魔法，然后告诉用不好的人姿势不对。对决策者来说，清醒认识到 ai 编程需要管理投入比盲目相信一步到位有价值的多。 所以 ai 编程体验差，不是 prompt 不好，不是模型不够聪明，是你用一个需要项目管理的工具，只带了编码技能。 ai 编程的底层逻辑就是项目管理，会管项目的人才能管好 ai。 这里是 l l m x factors， 我 们下期见。
01:38查看AI文稿AI文稿很多人用了 cloud code 的 一段时间，都会发现一个问题，一开始很聪明，后面越用越笨，回答越来越乱，头啃还消耗巨快。那其实很多时候并不是模型本身的问题，而是你不会用这五个最基础的命令。那今天这条视频带你一分钟掌握。 第一个命令， config。 这个命令可以说是 cloud code 的 控制中心，那输入斜杠 config， 你 可以查看和修改当前的各种配置，比如是否自动压缩会话，是否自动切换思考模式等。建议你把每个配置项都了解一下。 第二个命令， model。 如果你想切换模型，直接输入斜杠 model， 就 可以看到当前支持的模型列表，直接选择就可以切换普通任务，你可以选择 so net 模型， 复杂任务你可以选用 opus， 性价比最高。第三个命令， clear。 很多人会发现一个问题啊，聊着聊着， claus 回答开始抽风了，越来越乱，越来越慢，而且 token 消耗飞快。这其实是因为上下文啊太长了，这个时候只需要输入斜杠 clear， 就 可以清空当前对话的上下文， 重新开始一个新的绘画。我建议每个独立的任务啊，都可以开启一个新的绘画。第四个命令， compact。 如果你不想完全清空对话，但是又想减少上下文的长度，那就用斜杠 compact， 它会自动压缩历史绘画，保留关键的信息。简单理解啊，就是给绘画做一次瘦身。 那第五个命令， continue。 有 时候 cloud code 会回答到一半的时候，因为意外的各种情况，导致终端的窗口不小心被关闭了。很多人这个时候啊，就会把之前的输入再重新来一遍，但其实大可不必如此，那直接输入斜杠 continue cloud 就 会接着之前的回答继续输出。 总结一下，学会这五个命令，不仅可以让输出的质量更高，关键是还更省 token。 那 你觉得哪个 cloud code 的 命令最好用呢？欢迎在评论区告诉我，我是新启，关注我，每天分享一个外部限定的小技巧。
1704起哥的AI实战
03:27查看AI文稿AI文稿扣的用里面的 skills， 里面还有它的 skills 工作流，扣的它毕竟是一个纯英文的一个环境，我当时适应了挺久的，这块东西我其实用的不是那么的溜，但是可以用， 但是我希望把工作编排好之后，把这个流业务流，自动流给它串联之后，让它能够自己去跑。需求明确的情况下，不需要去跟 cloud 去做很多的互动的， 只有当你自己对需求也不是很明确，对用户群的那个心理把握不住的时候，才需要跟他去做互动。头脑风暴类似的，我的 excel 做我自己的 cloud code。 skills 工作流毕竟是一个远云端，你要去做很多东西，有些不管需求明确还是不明确，你要给他精准的指引的时候，在电脑上是更加方便操作，用手机去跟他互动，也可以把它当成一个人的程序员，但是你希望他很多东西能够自主跑起来， 跑完之后你是需要不断地去鞭策他，那里漏了，或者是这里还要加，你得都得告诉他，就得把你所有的需求跟他非常明确， 操作到是在电脑更加方便。用 opencar 你， 他的操作方式是变了，我跟他去聊非常大的一个去聊直播，你想多平台直播一个手机，你用手机的主摄像头来直播，把直播画面投影到你的电脑上， 一一面分屏投的是评价，所有的都都折腾起来，一一面分屏投你看到你的效果，可以跟嗯 eccloud 去跟他聊， 或用 opencloud， 你 自己去安，去定制，把这些安全乱七八糟东西，还有你想要的东西，你把它加进去，这样子背后用模型最好的四点六 opus， sony 的， 就看你具体用什么了，你跟他聊最好是用 opus， 它既是编程能力，又是首先跟他讲的是这个方面的业务专家， 你告诉他我需要这一块东西，从他的脚上去教我怎么做，还是反过来让他来教我？当然这样子对 token 的 消耗是非常大的，所以我是买了一次 cloud 的 免费会员，足够便宜。 他用的是 cloud 的 模型，我现在在尝试就是在编码层面，我要让 code 里面的 skills 我 自己本身用得不好，那我会让他去玩，我会去找一些资源， 找一些在这方面好的技能资源，像前天看到了胡文达的公司的技能体系的讲座，我也在看在他那边有没有可以适配与试用的，因为他是纯 ai 出身， ai 工程出身嘛， 都是顶尖级的领袖型的人物嘛，所以就学他的东西嘛。所以从这个角度上来说，我会不断的去那个，因为我现在已经就是说有些时候会出门嘛，比如说既然今天下午就出门打球，然后我就会用手机去跟我的三个龙虾，就是去去互动，去交互嘛， 这样你想要什么，或者说他们干了什么，做到什么程度，你都会直接通过分数跟他们去做互动。我认为这个东西还是看你怎么用它，什么样的方式跟方法去用。打球的时候我会去操作手机，我其实并不会去过度的关注，我会给他分配新任务， 看他们现在做的怎么样子，会忽然想起来可能之前分配的任务会有遗漏的，或者是想跟他去做一些互动，去做些，看他做的情况，去做一些调整的。因为手机上你就能够看到他出来的一个效果了，你直接让他在那上面把效果展示给你看，都是可以做的到的。
2产品工坊
01:3129程序员在北京
04:40查看AI文稿AI文稿我折腾了一个月 oops 一 点加 close code 才懂得啊， ai 根本就不能替人思考。在二六年年初啊， scuse 和 close code 真的 是火遍 ai 圈，网上各种教程铺天盖地，而结合 oops 一 点的玩法更是数不胜数。 ai 帮我整理笔记，根据个人文风输出文章，甚至啊，还能够根据你的笔记主动提问，帮你去发现一些知识盲区。我当时啊，就被记中了， 因为呢，我一直有搭建知识库和写日记的习惯。我有两个知识库，一个是非书上的自媒体账号内容生产知识库，另一个是 onenote 上面的个人生活记录知识库。所以我就想啊，能不能借用这个机会啊，把我两个分散的知识库完全迁移到 obsidian 加 close code 这个体系中来。 然后当我熬夜上头，折腾了一整个月，装了 cloudian 这个插件，然后也配了相关的 macdunk， 研究了各种 skills 教程。折腾完之后发现啊，根本没法做到自动化。不是 ai 不 行，是我对这道体系的理解出了问题。说实话，一开始啊，我还是挺纠结的，我有三个纠结点。 第一个纠结点是呢， skills 到底是不是越多越好？网上有很多 skills， 它看起来都很厉害，我一股脑装了十多个，但用下来发现并不是装了就能够用上。在这个过程中啊，我是先有了 skills 再去想怎么用这个逻辑，但我后面发现啊，这是错的。 正确的逻辑啊，应该是先有我业务上面的问题，再去想办法去解决 skills 这些工具啊，它只是解决问题的手段之一而已。 我的第二个纠结点是，什么才是值得 ai 帮我做的事情？网上的教程啊，都在说建立自动化知识管理工作流，它看起来很酷，但我实际用下来发现啊，这些需求真的不大， 反而是内容输出这一块啊， ai 确实能够帮到我。比如说， ai 帮我去学习爆款模板，分析爆款内容的结构规律，但前提是先要定义好什么才是我的爆款模板，哪些模板是适合你的， 是你自己验证过的，而不是所有人的爆款模板都对你来说适用的。第三个纠结点是知识管理到底在管什么？ 我以前觉得 opc 点加 ctrl 能够解决我的所有的问题。收藏了一百篇笔记， ai 自动整理成知识库，或者是写了三百篇笔记， ai 自动建立链接和分类，或者说看到新的热点， ai 自动帮你归导，然后提醒我。 但真实的情况是什么呢？ ai， 它确实能够帮我整理笔记，但前提是你得先想清楚啊，这篇笔记对你到底有什么用。 以及啊， ai 确实能帮你分析爆款，但前提是得先定义好什么样的爆款对你是有价值的。我突然意识到一个问题啊，我之前一直是把 obsidian 当成一个存储容器，把 cloud code 当成一个整理助手， 但真正的知识管理啊，并不是把东西存进去，整理好就可以了。完整的流程应该是输入到内化，再到输出，输入是整理信息，内化是理解思考，输出是创造价值。 我之前只关注了前半段怎么收集，怎么整理，但忽略了最重要的后半段怎么把这些知识转换成内容，转换成产品，转换成价值， ai 可以 帮你加速整理的动作，可以帮你分析爆款的规律，但不能够替你思考这些底层的问题。什么知识值得记录，什么爆款值得学习，什么内容值得输出？ 就像我前面说的呀，没有清晰的输入， ai 给不出清晰的输出。现在呢，我是调整了一些思路，不再去追求全自动，而去追求半自动加高可控。在输入阶段，我去判断什么值得收藏。 在内化阶段，我自己去思考知识之间的关联，让 ai 帮我发现潜在的一些模式。再到输出阶段，我自己去定义爆款的模板，让 ai 帮我去学习和优化。工具是杠杆，但支点必须是你自己， 你得先有自己的知识框架，自己的爆款模板，自己的输出体系，然后 ai 才能够在这个基础上面去放大。这里也有一个反常识的观点，很多人觉得 ai 时代，工具能够帮我们解决一切问题，但真相是， ai 时代，清晰的思考比工具更加重要， 因为工具它又太多了， skills 也太多了，每个都说能够帮你搞定一切，替代人工。但如果你没有真正清晰的判断标准，没有自己的业务逻辑，这些工具反而会变成负担。你不需要掌握所有的 skills， 你 只需要掌握解决你具体问题的那个 skills。 这条内容啊，并不是劝退你使用 cloud code 加 opc 点，恰恰相反，我觉得这套组合是目前最强的个人知识管理加内容输出方案。 但前提是你得先花时间想清楚自己的知识框架和业务逻辑，而不是指望 ai 帮你想清楚。输入决定了输出的质量，思考决定了 ai 的 价值。 并且 ai 它可以帮你整理一千篇笔记，分析一百个爆款模板。但只有你自己才知道哪三篇笔记对你真正重要，哪三个爆款模板真正适合你。我是冰冰，专注探索 ai 时代的超级方法论。
41人类最强AI玩家
00:17查看AI文稿AI文稿然后如果你想了解 ant， 你最好的方式是想办法装一下可劳的扣的，对，你可能就对 ant 然后有了真正的理解，因为只要任何一个十八岁以后的成年人认认真真的用三个小时，就都能够学会怎么去部署可劳的扣的，然后你就会打开一个新的世界。
3.4万财经网科技
