claude code为什么最强

让现在所有的 ai 智能体，比如说 cloud code， 比如说 open curl 或者 codex， 能够死循环地去优化你的目标。今天给大家分享这个项目主文件只有短短的三个 star 数达到了三十七 k， 它叫 auto research 自动化的研究，其实它这个目标或者设计来，它是想要做这个机器学习的自动化研究，可以把它的这个 loss 可以 一直往下降， 他希望的这个场景是这样，但是他这个思想或者整个逻辑是可以应用在很多方面的，比如说可以应用在你的头流，你的目标其实就是想让他多跑，而且他的成本不断的下降， 其实也可以应用在这上面，或者去找寻什么解决方案，这些让他去达到你的一个解决方案之后，给你一个结果，其实就是一个最优化的问题。把 cloud code 这种编程智能体，或者说通用的智能体，把它当成一个求解器， ok， 它核心只有三个重要的文件，一个就是准备的一个文件，其实就是它的一个环境变量，它只用于这种机器学习的算法优化。如果是其他的一些应用，可能你的一些环境，你的一些授权，你的一些 key， 然后这个 tree 可能就是你的一些执行的工具，怎么样执行的一些逻辑，这个 md 文档，你可以把你的一些任务，你的一些约束，你的一些工作流，把它放在这里面，它可以按照这个工作流去死循环的去执行，执行出来了之后，它会把当前的结果去保留下来， 然后下一次会基于这个最好的结果继续进行优化。其实整个逻辑是这样的，我们可以详细来看一下它的一些代码，其实它这个最重要的一个代码就是它这个 md 文档， 我也是让 cloud code 翻译了一下，这前面是一个抽象，首先进来的时候要跟用户进行一些沟通，它这个东西其实就是给这个 cloud code 写的一个提示词，让它启动这样的一个项目的时候需要有哪些东西。 当然可能它这个只是适用于哎，比如说机器学习算法的优化，但是如果应用在其他方面其实也是一样的，可能你就需要改一些东西，比如说 redmi， 比如说这种脚本，可能就是你的一些内容，或者你的一些工具如何调用，如何使用，或者 m、 c p 如何使用，或者你的账号密码，比如说你要去做投流的优化，广告的优化这些， 然后就是整个流程，你要告诉他你可以做的是约束是什么，让多少钱，不要超过多少钱， 然后是什么样的约束，然后有一些简洁性，第一次运行的时候会出来什么样的结果，你就可以把你当前跑出来的这种 roi 的 一些结果，投流的一些结果可以写在这儿，然后你让它优化了之后再去跑这个优化的话，它是在五分钟， 如果我们跑 roi、 跑投流、跑这种投展比或者说转化率可能时间稍微长一点，我们就可以给它定一个时，比如说一天这样来它进行自动化的优化， 可以看到它把每一次出来的结果都进行 get， 然后把它每一次进行修改的内容也 get， 把这这些跑出来的结果也把它放在这个日制里面。 其实整个逻辑是一样的，然后循环是怎么样的？超时和崩溃的一些处理，最最重要的是最后永不停止，要去询问人类是否去继续这个东西，它其实是让提示词来去做这样一个约束，它可能不是特别强，其实可以去借鉴之前特别火的那个牧羊人循环， 可以把那个后壳再加上，比如说多少时间可以再把一个提示词让它去看，再看一下这个 md 文档，再去做执行， 这样的话就能达到自我净化的一个效果，它就相当于可能我们去睡觉了，然后它五分钟一次，五分钟一次，然后完整的跑完之后，第二天你来看这个结果到底好不好，并且它永远都不会停止，它会不断的去找它最优的这个， 而且也不叫最优吧，就是想要拿到最低最低的 loss， 他 会去尝试不同不同的方法，可以看到他在迭代，在七十多次的时候，他已经迭代到了这么低，不断的去下降，其实就是一个求解器。

最近 azurepic 黑客松获胜者，他公开了他的 cloud code 的 配置的全集，它里面包含了这种生产级的多个的智能体，还有 skills， 还有 hux 以及一些命令和规则和 mcp 的 配置，这些配置都是他在十个多月的过程中，真实的构建产品的过程中，日常高强度使用和引进出来的。 然后这个项目的话是它的中文的文档，然后是一个老哥他自己翻译的，然后它这里面你看包括了这种 token 的 优化，记忆的持久化，持续的学习并行化和子智能体的编排，然后会对你自己来用 clark code 有 个很好的这种帮助的作用。它的安装 也比较简单，可以通过这个方式，通过两分钟的方式就可以完成的配置，它现在这个多个平台也都可以支持，这边可以看到它整个呃，有哪些 techniques 和 skills， 可以 看到它这边整个的这种专业子智能体它编排了好多个，从规划一直到后面的执行文档， 然后再到后面的这种修复全部都有。然后 skills 的 话这边也是围绕整个软件工程的一个全套的流程，然后有了这些的话，对于你的开发和日常的使用有很好的帮助。

你有没有感觉， cursor 在 处理复杂任务时就是不如 clod code？ 明明用的是同一个 clod 的 模型，为什么差距会这么大？这背后其实有三点重要的原因。 第一，上下文。 cursor 是 id 一， 它会把你所有打开的标签页、侧边栏，甚至历史记录都作为上下文塞给模型。这些看似贴心的信息，其实都是噪声，分散了模型的注意力。 而 cloud code 是 命令行工具，它只关心文件本身，上下文干净又精准。这不仅 send token， 更重要的是它让 agent 能聚焦在你给他的任务上。 第二，反馈闭环。在磕舍里， ai 改完代码报错或者其他负反馈，需要人工介入调教，但在 cloud code 里，它可以自动运行，保护报错、定位、文件修复，再跑测试，直到成功。这种负反馈闭环能力，磕舍暂时还不如 cloud code。 第三， 原厂调教哥 sir 要同时支持 cloud code、 gpt、 gemini 等好几个模型，就像一个餐厅同时做川菜、粤菜、西餐，哪道菜都很难做到极致。 而 cloud code 是 亲儿子，只为一个模型服务，他知道 cloud 的 脾气、习惯、擅长什么，能用最对的方式把模型的潜力全榨出来。所以科 sir 跑不过 cloud code。 不是 科 sir 不 行，而是它们的定位本来就不一样。 科室的优势恰恰在于它是 i d e， 支持多模型，界面友好，上手门槛低，无论你用 cloud 还是 g p t， 都能在一个地方搞定。 a cloud code 是 命令航空器，专为 cloud 模型深度定制。最后，大家日常开发习惯用科室还是 cloud code 评论区，一起聊聊。

之前呢，我们每一个人在简历上会写自己会 word、 会 ppt、 会 excel， 之后呢，我们每个人上面就会写会 cloud code、 会 cursor、 会 tree 了，不会 webcoder 点的人 正在被淘汰吧？我不能说已经被淘汰了，就是新时代的 word、 ppt 和 excel， 就是 现在的 ai 工具，就是 webcoder 点的 cloud code， dex 或者是 tree， 还有其他各种各样的这些编程工具。 呃，其实核心是因为编程 coding 这个能力，是一个你在网页上能见到的一个极大成者，你把这个能力弄会之后，你会发现你能创造非常多东西，因为现在很多我们的办公都在线上嘛。 呃，所以说这个技能真的是非常重要。然后我们来看一下最新的一些数据吧，二零二六年，现在 最近啊，百分之四十的代码是 ai 写的了，已经是，那么之后随着模型能力继续增强，可能百分之九十都要 ai 写了， 是吧？百分之九十二的人都在用 ai 编程工具。那么，呃， web 规定是什么东西？这个核心的概念其实就是，呃， 主要是人类去思考该做什么，然后让 ai 来帮你写东西。我们传统方法不是有学习语法呀，手写每一行代码呀，调试，查文档，再调试，你发现之前我们都是什么，去什么？呃， github 呀，然后包括去我们中中文那个叫什么名名称来着，就是去那些地方，然后把相关的那些软件的那些代码抄下来，然后我们改吧改吧，然后用一用， 然后其中你会有改 bug， 然后你就去这些各种各样的网站上去查大家提的这些 bug 是 怎么修的，然后你粘回来去修，然后再去再调整，我们现在呢就是用中文说你的需求就好了， ai 直接生成代码，然后你来去审查、测试、迭代， 你可以完成整个从需求开发到最后去上线的整个闭环流程，让你去这种我觉得是一个非常爽的，全量的去创造价值，那么现在已经是最新最重要的趋势了，是吧？我们其实国内现在招聘你会发现 他会查你那个 cloud code 的 用量额度的，你要给他这个账单的就是为了去验证你是不是在用这个，外部你是不是在用 ai 的 这些编程能力， 是吧？未来的工程是不是写代码的人，而是只会 ai 写代码的人。那么今天我们最后就是要去快速的就这三两步给大家解决掉 cloud code 的 问题。首先第一个是上网问题，自己去 上网，那么这个是没办法，可这里给你处理的就是科学上网嘛。然后另外呢，我们想说我们要绝对绝对要选 cloud code， 如果所有的工具里面只选一个，就只选 cloud 口的，不要嫌麻烦就选它，我觉得用最顶尖的工具没有问题。有这几个点，第一个点是 cloud 是 目前最强的编程模型，这个机模最强，它所有东西上都是最强的， 在抠点方面，其他方面我们不扯啊。然后下个就是里边是它是官方终端工具，它直接能够去调用你本地的文件，这个是非常方便非常舒服的。 呃，知道现在小龙虾很火吗？ opencloud 很 火，但是我现在就是你很难找到一个 opencloud 能做到的，但是 cloud code 完全做不到的东西。当然你说在连接的流畅度和记忆方面 是吧？它有优势，但是基本上能力方面没有什么 cloud code 做不到的。除此之外， cloud code 非常的安全，你可以肆意的去使用它基本是非常的安全的， 没有我们可唠各种各样的，是吧？危害问题、 bug 问题，安全漏洞问题。另外就是我们想说你可以去接中转 a p i 来做，不需要直接去官方去买 是吧？因为官方你还容特别容易去封号。另外就是一次学习中文，因为一次用这个之后，你不需要特意的去学这个外部口令，你只好每天把你想做的东西去发给他，然后在与他互动过程中你就学会了。 ok， 我们来聊一下学东西吧。那么总共就是两个嘛，一个是 mac， 一个是 windows， 然后 mac 呢？其实就很简单，开了终端之后粘贴这幅命令。 ok， 我 们，呃这个 windows 呢？可能是这个，然后它可能命令还要去安装 no， no， no 的。 呃，我不知道有没有安装 no 的， 不确定，反正就算是那样也就一行命令。那么 下面我们要跟他讲一下，就是这个终端该怎么开，那么，呃，整个的这个终端操作我们写在这里了，这是你的终端操作，然后你会看到 mac 上的新建标签页呢，就是这个 command 加 t， 我 们来给大家演示一下，你看按 command， 然后加 t， 它会出一个标签页， 哎，不对不对，他是在外面，就是你要先出终端出终端，在这个，呃，里面就是你就 command 加空格会出现一个搜索，你看我们在这里给大家 command 加空格会出搜索嘛，然后你就搜终端就好了， 是吧？这个不是我们的终端，然后你搜进来之后呢，给大家移过去，你看搜进来之后就长这个样子啊，搜进来就是长这个样子嘛？那么搜进来长这个样子之后呢？你先去我们内行命令，就是安装内行命令，然后你其实你可以去呃哪里找？可以去 cloud code 去找，但其实， 呃就比较方便 cloud cloud code 去找一下这个命令，然后你可以新建标签页，关闭标签页。还有一个比较重要的就是停止程序，它在一直在运行的时候，你按这个 control 加 c， 它就能够去把这个停下来。呃， 打开终端之后呢，就输入这个，是吧命令，它就能够给你安装好，安装好了之后先不要运行这个 cloud， 安装好了之后呢，你要去接一个中转站，那么这些中转站呢？你可以去搜，你比如说这样去搜吧，是吧？你比如说就搜，那么你会发现有一些聚合网站，是吧？ 呃，包括这里边有一些聚合网站，包括还有这个我们就不直接跟大家弄了，所以说，呃，聚合网站弄完之后呢，然后你直接去复制这行命令，它一般在里边都会有，就找这行命令，就 export， 然后 astropics base url 和 astropic 呃这个 token， 然后你就把你的这个 api 可以 复制到你这个地方，然后直接去运行 cloud， 我 们来看一下，你看，比如说我们就这样复制， 然后复制进来，你看，比如说就这样复制进来，然后设置好，然后我们再输 cloud， 我 们就进来了，是吧？就像进来之后呢，就是这个样子， 那么这个样子你直接就在这边，你就跟他对话就好了，这是我刚刚让他做的，我们这个网页吗？就是我刚刚来去搞的。那么比如说我们去问他，是吧？你是什么模型， 是吧？就，就你就直接在这里跟他对话就好了，不要去害怕这个终端框，你看着很害怕，其实你就在这里直接跟他说话，没有问题，就直接跟他说话就好了。 ok， 其实教程就这么点，就没什么可聊的， 就这些教程。然后你看一下基础操作，主要是学一下这个 ctrl 加 c 以及新建标签，因为你可能要多开， ctrl 加 t 就是 多开，你比如说我们来多开几个，你看 commod 加 t， 多开标签页， commod 加 t， 多开标签页，然后 ctrl c 就 可以停下来，可以停止任务，一般 esc 也可以停止，就左上角那个按钮也可以停止， 是吧？它内部的去停止。 ok， 这就是我们今天去聊的我们的 web coding 的 重要性，以及现在有多少人用 web coding， 以及 web coding 是 什么东西，以及为什么非要选 cloud code 的 和总共的安装 cloud code 的 以及配置中转 api 的 一个指南， ok， 拜拜。

说实话，现在的网页设计几乎已经完全自动化了，特别是在 google labs 对 stitch 进行革新之后，这款 google 旗下的工具能让你轻松生成精美的 web 前端， 甚至连移动端应用也能完全免费生成。最厉害的一点是，它搭载了 gemini、 三点一 pro 等顶尖模型，在我看来，它是目前生成前端和 ui 的 最强模型之一， 因为你能做出极简精美的高颜值设计，且只需几分钟。比如，在 stitch 中，我用它生成了这个精美的落地页，效果完美复刻了交易平台。我只是简单提供了一些灵感参考，就是这张交易仪表盘的图片，它就自动生成了整套设计系统，包含了完整的配色方案， 还有字体规范以及可附用的组建，可以用来构建这些不同的落地页样式。你可以看到它生成了一个版本，下面还有 link， 基本上它由此生成了与我预想几乎一致的像素级完美版本。 它还结合了我的系统提示词，效果确实非常惊艳。更棒的是， stitch 支持生成多种原型方案，你只需通过简单的操作，就能让它生成各种不同的样式。你可以添加不同的布局组建并进行重塑， 甚至能根据你的提示词进行完全重构。这样一来，繁重的工作就可以交给他来代劳。而在 figma 等其他平台上，操作成本往往比较高， 而且你还得手动调整大量组建来标注变更，但在这种情况下，操作起来非常直观。接下来才是最精彩的部分。将 stitch 与 cloud code 结合使用， 这是一款 ai 编程代理，我个人认为它是目前市面上最强的一款，它就直接内置在你的终端里。你可能会想，为什么不直接用云端模型来直接生成前端确实可以这么做，但关键在于，首先， cloud 模型在设计方面的能力有限。虽然生成的界面可能挺好看，但就我的经验而言， 它们在表现上还是比不上 gemini， 尤其是在设计高品质的视觉组建时。其次， stage 是 完全免费的， 它是专为设计而打造的工具，它能让你在视觉层面拥有更强的掌控力，尤其是涉及到这些功能，比如实时编辑、标注以及组建及调整。 所以，与其硬让 cloud 去做设计，你可以利用 stitch 打造高质量、像素级完美的视觉稿。接着，你可以实现这样的操作，提取这套设计系统， 并将其导入 cloud code， 连同在 stitch 中生成的组建一起。随后， cloud code 能将静态设计转化为实际代码，添加交互接入后端逻辑，并最终构建出完整的应用程序。 总之，你可以用 stitch 精细的打磨 ui， 例如重现深色模式，或是刚才演示的那种霓虹绿加密货币看板，随后再将其导入 cloud code 的 进行处理， 从而将其转化为功能完美的可直接上线的网站或应用。这本质上是构建了一个工作流，能够实现前端开发自动化。 简单来说，你只需描述用自然语言在 stitch 中创建的内容。瞧，我已经用它做出了一些非常出色的设计， 它将能够深层基于你给出的提示词的精美前端界面，无论是网页版还是移动端 app， 而且操作非常简单，只需输入提示词，比如数据分析仪表盘，你可以指定是用于网页 还是移动端。 app 接着选择模型建议配合思考模式，使用 jimmy 三点一 pro 或者最佳设计组建。你可以选择自行创建设计系统， 也可以直接使用现成的各种预设，或者干脆让 stitch 从零开始为你生成。接着只需输入你的提示词，随后它便会自动生成多套为你准备的不同设计方案。我将演示如何进一步创建多个遍体。在初识设计完成后， 就这样，一套设计系统就此诞生。最契合我们的库存管理仪表板轻而易举的，仅凭一个提示词就能搞定，你就能为这个仪表板生成多种设计方案，你可以看到深层的质感非常出色。现在你还可以直接预览， 通过标注不同的组建就能进行修改。这正是我非常喜欢 stitch 的 地方，因为它能让你利用 ai 进一步深挖网页设计细节。比如，如果你想更改字体排版，直接在对话框中说明要求即可。 你还能选择不同的组建，就像我刚才说的，你可以直接进行标注，你甚至还能生成多种不同的设计方案，而且还能实现圆形的计时预览。你可以直接与 ai 协助针对特定组建进行调整， 在实时预览中及时反馈，这是 cloud code 所不具备的，因为 cloud code 生成的是静态内容，这导致你无法对各个组件进行二次加工， 也无法根据你所描述的标注进行后续迭代。此外，我还想强调一点，你拥有创建多种方案的能力，并可以根据需要指定生成的数量， 从而生成风格各异的多样化设计方案。你还可以对它进行进一步优化，或者根据你的额外指令进行重塑。目前，大家用 stitch 做出的成果非常惊人，因为它几乎能包揽设计师的所有工作。如你所见， 无论是手绘草图还是线框图，甚至 figma 设计稿，这就是 stitch 能够将其复刻之处。仅仅是凭借这张草图的设计，它能通过识别图片并结合你的指令 实现界面的完美还原。你可以看到深层的界面质感有多么出色。它能精准地按比例还原手绘草图。举个例子，我可以给它一张线框图， 然后告诉 stitch 助手，我想创建一个开发一款现代化的移动端 ai 助教 app。 基于我设计的这套线框图， 接着就能让它深层对应的 stitch 设计稿。根据这四张不同的 app 线框图，也就是我们为 app 提供的，它成功地将设计复现了出来，可以看到它深层的设计效果非常出色。不仅如此，如果你有落地页，设计是你想参考的。例如， 比如，你可以直接使用 framework 模板库里的内容，只要是你喜欢的风格，就可以直接把它作为设计灵感，然后导入 stitch 进行复刻。 就像我之前用这张提供的参考图为交易平台生成这个落地页一样。现在我们进入下一个环节，这时就可以用到 cloud code 了，它能基于此进行构建推理， 并根据我们的设计方案直接发布功能。接下来，只需选择想要处理的页面，你也可以同时选择多个。 具体操作是按住 ctrl 键，然后右键点击。抱歉，应该是左键点击屏幕，接着点击导出。这里会看到一个免费选项，让你能通过 google ai studio 直接根据设计稿制作原型。 不过 gemini 模型也并非全能，特别是在原型设计方面，而且 ai studio 现在的表现也不如以往那样给力了。因此你可以将 stitch 作为 m c p 配合使用， 接着将其接入 cloud code 即可。根据你的设计进行原型开发。或者你也可以直接把代码复制到剪贴板，因为只要在屏幕上点击右键就能直接预览代码。你可以在这里查看其生成的全部前端设计。 接着打开命令提示符，点击 cloud code， 然后打开实力，接着直接将代码粘贴到 cloud code 即可。接着你可以将设计稿利用 cloud code 代理转化为生产级应用。比如你可以让它自动跨多个文件进行修改， 或者由它来处理后端的集成逻辑，包括添加 a p i、 连接前端配置数据库以及身份验证等等。 结合这两款工具，实质上是为你构建的一套利用 ai 打造生产级应用的完整工作流。随后你就能基于网页设计稿开始制作原型，只要输入详细的提示词，明确你的开发需求即可。 这里我直接让它生成一个生产级的 next js 应用 types crisp， 看看这段提示词写得多详细，以及它是如何开始构建这个精美应用的。而这一切都基于我们之前用 stitch 生成的网页设计。就这样， cloud code 的 成功完整构建出了 这个功能完备的应用。这全靠我们之前生成的 stage 设计，我们将设计稿导入 cloud code， 现在这个精美的落地页就已经开发完成了，它甚至还开始构建功能，组建属于该应用的。这是一款交易类应用，可以看到多个组建的代码已经全部编辑完成。 显然，如果继续使用 cloud code， 我 还能完成其余所有功能的开发，并通过后端逻辑、 api、 身份验证等功能来进一步扩展应用。 通过结合 cloud code 和 stitch， 你 就能构建出最高效的个人开发工作流，打造出既经验又实用的应用程序。我强烈建议大家去亲自体验一下，点击下方描述栏的链接即可，特别是现在 stitch 还是完全免费的。 好了，以上就是本期的全部内容，希望大家喜欢今天的视频，定能从中获得一些启发，一定要记得去动手试试，去亲自感受一下，兄弟们，下期见！

大家好，我是你们的荷兰瓜。嗯，克劳的 code 具备超级强大的自动编程功能，用了它能大幅提升你的工作效率。克劳的 code 最厉害的功能叫监督式自动编程，嗯， 说白了就是给他一个复杂的任务，他能自己理解分析，然后制定详细的任务计划，再根据计划独立完成。 呃，更厉害的是克劳的扣的他不绑死在某个编辑软件上，他是在终端里用的，超级灵活。呃，我的朋友说，用了克劳的扣的之后，每周熬夜时间从六天直接给降到零天，下午让电脑自动跑着，他还能去打打球。 呃，想象一下，自动修复 bug， 自动生成文档，克劳的扣的简直就是解放人类双手的救星。这么牛的工具，大家肯定想用吧， 但是劝退点来了，安装真的太麻烦了，我最早是师兄帮我装的，刚用起来没几天就挂了，然后我上次尝试自己装，差点没哭出来。 还好还好，最近我发现了一个神器啊，一个更简单的解决方案，就是这个克劳的扣堵中文版启动器。这个启动器就是为我们这种怕麻烦的人准备的，有了它，复杂的安装步骤，通通拜拜，只需要双击图标就可以立即涨。克劳的扣 这个启动器就是把克劳德扣的所有依赖软件都打包在一起了，它会自动下载它需要的命令行软件，它还会自动设置运行需要的环境变量啊，简直是 windows 用户的福音！好，咱们先在 windows 电脑上演示一下吧。 第一步，打开你的浏览器，在地址栏输入这个神奇的网址， c l a u d e c i p 点 c n， 然后按键盘上的回车键。 第二步，看到页面中间那个下载运行按钮了吗？点它把克劳的扣德启动器下载下来。 第三步，打开下载目录里的 kerlode code 压缩包文件，然后用鼠标双击运行它。 在有的 windows 电脑上会出现这个著名的蓝色拦截框，出现这个框吗？是因为这个程序的作者还没有给微软交份子钱，不过这对我们用户来说没事哈，用鼠标点更多信息这个白色链接，然后按仍要运行这个按钮，就可以运行启动器了。 好了，安装完成就是这么快，就是这么轻松！ 怎么样，这个神器是不是超级赞？现在我们已经成功在 windows 把克劳的抠得跑起来了， 但是它具体怎么用呢？怎么让它帮我们自动改 bug， 快 速搞定项目呢？别急，下期视频荷兰瓜就来手把手教大家怎么用克劳得扣的，如果觉得视频有用，记得给我神器三连哦，咱们下期见，拜拜！

cloud code 本身已经很强了，了解这三个插件，直接从青铜变王者。第一个欧买 cloud code， 它给你配了七个专业 ai 代理，有做规划的，有写代码的，有做审核的，相当于你有了一整个开发团队，规划执行审核三步走。第二个 superpowers， 这个是代码质量神器，它强制走 tdd 测试驱动开发，写代码前先写测试，从根源上减少 bug， 而且它有自动触发机制，你不用管它，自己就知道什么时候该干什么。第三个 everything cloud code， 这个是 antropics 黑客松冠军的配置， 花了十个月打磨，有九个代理，十一个技能。最牛的是它的本能学习，系统会自动记住你的习惯，越用越懂。你怎么选？团队开发要规范，选欧麦 cloud code， 个人开发追质量，选 superpowers， 高级玩家要极致效率。选 everything cloud code， 根据你的场景来选三个工具，按需取用。但我更希望你一个个去研读这三个，我都仔细看过他们的代码和规划，真的能学到很多东西，认真学习才能变强。

百分之九十用 cloud code 的 人不知道，这个文件配好了，从实习生直接变老员工。这个文件叫 cloud mod， 放在项目跟目录。 cloud 每次干活之前先读它，相当于你给 ai 写了一份项目说明书，没有它， cloud 就是 刚入职第一天，什么都要问你，我给你看我自己的 clude 写了什么。 首先是环境管理，我同时写 python， go， python， script， rust 四种语言，每种语言的包管理器都不一样。 python 禁止用 p， p 必须用单 p， man 和 yarn 必须用 p， n， p 或 bun 这些写清楚了， cloud 就 不会每次猜错你的工具链。然后是代码规范，单文件不超过两百行，超了必须拆分，禁止硬编码，端口 u l l 配置全部走环境变量，禁止静默吞异常，所有错误必须记录，禁止向后兼容，旧代码直接删，不留兼容层。 还有一条很重要，先搜后写，新建任何文件之前必须先搜索项目里有没有类似功能，有就扩展，不要重复造轮子。再就是踩坑记录，比如 road 浏览器关闭，必须先 kill 再 clean up， 不 然 chrome 变僵尸进程。 比如启动紫禁城前必须显示声明环境变量，不然端口冲突查半天这些坑。写一次， cloud 再也不踩三个高级功能 skills， 把复杂操作打包成一个命令，比如我写了一套代码审查技能，一个斜杠命令，跑七层，检查安全漏洞，逻辑错误，数据一致性，重复，代码命名规范全部自动扫 hooks， 每次 cloud 改代码自动触发检查，有问题直接拦截，不让有缺陷的代码通过 memory 话对话，持久记忆，今天告诉 cloud 你 的偏好，明天新开对话，他还记得没有 c l a d 点 m d 之前 cloud 每次都在猜包管理系用错命名风格乱套测试命令反复问，配好之后直接按你的规矩来一个文件的事儿。想要我的 c l u d d m d 模板。

cloudco 的 核心开发者 taurk 最近发了两篇技术博课，在讲他们造 cloudco 的 过程中踩过的坑，他为什么这么设计，然后踩了哪些坑，才走到了今天这个风靡全球的这样一种形态。我觉得你要是只拿着这个 cloudco 的 写代码这个视频，就能帮你理解他的思路， 然后优化你的这个 cloud md 文件。但如果你自己再搭智能体，再搭 agent， 不 管是用什么样的 agent 框架，这两篇文章对你来说的价值啊，就会放大十倍。我们来解读一下这两篇这个技术爽文啊。 harry 可能上来就打了一个比方，他说呢，想象你面前有一道这个很难的数学题，那你会想要用什么工具去解决它呢？只跟笔是最基础的，但他们的算力有限。计算器呢，可能稍微好一点，但是你得会操作，但电脑肯定是最强的。 那你必须要学会写代码核心的意思啊，他要表达就是说工具要匹配你这个 agent 能力，如果 agent 能力不到啊，你给再强的工具也白搭。但如果 agent 能力足够了，之前那些简单的工具反而会成为累赘，而他们踩坑最多的地方，浓缩成一个原则，就叫做 progressive disclosure。 什么意思呢？中文翻译过来就是渐进式的批录。一句话解释啊，就是你别一次性的把所有信息都全塞给智能体，让它要安需获取，分层展开，它们在三个方向上反复验证了这件事情。 一个方向呢，就是怎么让 agent 去获取上下文。 procode 啊，最早用的也是 rag， 就是 当时很标准的做法，那个代码库建立这个向量锁影，然后用户提问的时候呢，解锁这个相关的片段，然后把这个相关的片段塞到这个上下文里面去，但后来砍了，为什么呢？他那篇原文也说了一句很关键的话，就 是 cloud 是 被硬塞了这些上下文的，如果 cloud 它自己都能去这个搜索网络了，它为什么不能去搜索你的这个代码库呢？所以之后啊，改成了让 cloud 自己调这个 grab 搜文件工具之后呢，效果反而更好了，因为 cloud 它自己清楚自己缺什么， 然后搜到的东西呢，就自己想要的能接上这个上下文的。然后 cloud 呢，又加了现在这个很火的 skills 的 这个机制啊， cloud 读一个 skill 文件呢，发现里面如果引用了另外一个文件，它就会自动跳过去读，然后如果发现还有再引用另外一个文件，它就会再跳过去读，这样地归的展开逐层的这个深入。我们来看一下它的和原文对这个描述啊， 一年前完全不会自己去找上下文，现在呢，会多层的嵌套搜索，精准的定位。我觉得如果你现在在准备搭自己的这个智能体，最核心的启发就是啊，别替 agent 决定他应该看到什么，给他搜索工具，给他这个入口文件，给他权限，让他自己帮你去挖。你替他找的人，他未必能够完全理解他自己找的这 个推理链路啊，才是最完整的。第二个方向就是怎么去拓展这个智能体的能力。用户可能会问 cloud code 啊这样的问题，比如说如何去配置 m c p server， 问题是呢， cloud 的 模型本身啊，其实并不知道如何去使用这个 cloud code， 那 要不要给他加这个文档工具呢？ terry 说了一个很重要的数字啊，就是 cloud code。 目前呢，这个官方大概有二十个工 团队呢，对新加一个工具啊，卡的非常严格。为什么呢？因为你每多加一个工具模型，每次推理就会多一个选项，要去权衡。那要不要把刚刚这个使用文档塞到这个系统提示词里面呢？ 那肯定是不行的，因为百分之九十九的时候啊，其实没有人会问这种这个文档相关的这个问题，但这个文档一旦被塞到了系统提示词里面， 每轮对话它都会加载，造成这个很严重的这个上下文污染，会干扰这个模型去干一些正事。最终的方案是搞了一个用来指导 cloud code 的 工作的，子代理只有问相关问题的时候才会启动，它有专门的搜索指令，找到答案就返回，不会把原始文档全部都加载进来。 然后他写了一句我觉得非常有启发的话，就是我们现在无需添加任何工具，就可以向 cloud 的 操作空间里面去添加内容，不加工具，不改提示词，渐近式的去批录，照样拓展了这个 agent 的 行动空间。我觉得如果你也在大智能体遇到要不要加一个新工具这样的问题啊？你先想一想，能不能用子代理， 能不能用这个文件引用，能不能让这个 agent 在 需要的时候自己发现自己的这个能力，而不是你一开始把所有的选项，所有的工具都放在他的面前。 第三个方向呢，就是旧工具什么时候应该被替换掉？这个坑啊，是最隐蔽的坑。早期呢， cloud code 因为记性差，团队呢，专门给他们做了一个这个 to do right 的 这样一个工具， 其实就是给 cloud code 的 自己使用的这样一个代办的清单，每隔五轮对话，还会插一条系统的提醒，就说别忘了你刚刚的那些代办清单。但模型升级以后啊，这个设计反而害了它。它的原话是这样子的， 就是随着模型的改进啊，它们不仅不需要再被这个代办事项去提醒了，反而会觉得这种提醒过于苛刻。收到代办事项的清单提醒啊，反而会让 clark 认为说，他必须严格遵守这样的清单，而不能对其进行修改。更强的模型啊，根本不需要提醒。 而且这种提醒呢，会让 clark 觉得说必须死守规矩，死守清单，不敢灵活地去调整。然后呢， clark 团队啊，之后改用了这个 task 的 这个工具， 能设依赖关系，多个子代理之间能共享进度，模型能自己改任务删任务，他就可做了。一个总结啊，我觉得所有自己搭这个智能体的人都应该记住，就是随着模型的能力的增强啊，模型曾经所需要的工具，现在反而会变成限制他们的发展的这样一种障碍。模型的能力在涨，但你给的工具呢，却没有跟上， 那这种工具呢，就从辅助变成了这种枷锁？三个方向讲完啊，然后回到我们自己，如果我们自己要准备搭智能体，我就 第一点就是工具要少而精，二十个工具的 cloud code 的 团队都觉得太多了，与其一开始你就给他塞五十个工具，一百个工具去覆盖所有你的场景，不如给核心的工具啊，加一个搜索，或者一个那种发现的机制，他们团队呢，做了一个叫做 defer loading， 就是 中文翻译过来叫做延迟加载的这样一个机制上的设计工具里面呢，只放一个轻量级的钩子在那边，智能体如果需要的时候啊，就会通过这个搜索工具去发现，并且加载定义更加完全，更加完整的这样的工具 扩展能力呢，优先去考虑这个子代理跟文件引用，而不是一直去往里面加工具。定期去审视你的工具机，三个月前模型可能需要这样的工具辅助，但可能现在对它来说完全是一种负担。然后如果你平时自己在用 cloud code 做开发，做 web coding， 那 你的 cloud md 文件就是你能控制的这个系统提示词，别写成那种 很繁琐的这个操作手册。然后在 md 里面只放这种股价的核心的这种内容，比如说项目简介，技术站三五条最关键的规则。然后你把详细的那种后续的这种规范独立到其他文件当中去，把文件路径去留在这个 md 文件里面。比如说你可以写一句 提交规范详件，这个是个文件，那可 out 呢？真正要提交的时候，他自己会去这个文件里面去读提交的这样详细的规范。然后如果你要提问也一样，不要把你觉得相关的所有的文件全部贴到这个提问窗口里面，而是要给他方向，给他入口。比如说现在刷新失败报错是吧啦吧啦，那你从哪个模块可以开始查起，让他自己去定位他？ 瑞克在文章的结尾啊，说了一句话，我觉得非常有道理，就是给 agent 去设计工具啊，既是一门科学技术，也是一门艺术。你不是一套的公式就能完全去覆盖所有的工具的， 要多试，多观察，多这个迭代，找到那种你自己的感觉，你自己的品味。而渐近式的，譬如呢，是他们团队目前验证下来最有效的那根主线，你塞的越多， agent 反而越受限，你给的越克制呢，他发挥的反而会更好。好了，今天视频就到这里了，我是迪总黑经理超，我们下次见。

cloudcoat 就是 目前地球上最强的编程工具，而且只会越来越强。道理很简单，云模型就像引擎，各家都能组装赛车，但只有 android 能把 cloud 发挥到极致，它们训练时就把内置工具深度适配，专项优化，天生一体。 而且 antropic 不 抠上下文，效果拉满，别家精打细算，体验自然差一截。国内讲得少，因为自媒体搞不定命运行纯净 ip 这类硬核操作。没关系，我直接给你五个上手必用技巧。 一、 unit 出场，新项目一定要跑 unit 自动生成 cloud 点 md， 把项目背景、规范 结构全记下来，不用反复复述，上下文永远在线。二、 lemon 的 计划模式复杂功能拿不准。 i shift 加 tab 切计划模式，让 cloud 先通读代码，出完整方案，你确认再执行，稳得很。三、对接 ide log code 可对接 vs code， 装插件运行斜杠 id 就 能在编辑器里直接看改动看提示，开发更顺滑。四、自定义命令常用提示词别重复敲键 command 文件夹写个 markdown 就 能做成自定义指令，效率直接拉满。五、成本控制 a p i 用户必用 cos 查消耗科比不便宜，小任务用 model 切轻量模型别乱用，高阶省钱又够用。这五个技巧，新手直接起飞， cloud cos 还有超多进阶玩法，后面我继续更。

如果你还在把 cloud code 当成一个只会在终端里聊天的窗口，那你可能只发挥了它百分之十的功力。作为一款真正的 a 阵开发工具，它拥有强大的文件操作、终端控制和外部工具集成能力。 下面是我经过深度使用总结出的全套快捷键命令、配置项及工作流。在使用 cloud code 的 时，不要傻傻地全部手打， 熟练使用快捷键能让你的操作速度翻倍。 shift 加 tab 能让你在普通对话自动同意修改和计划模式之间快速切换。当你要写一段很长的提示词时，在终端里修改非常痛苦。 按下 ctrl 加 g， 它会自动调用你的默认编辑器，写完保存，关闭，自动传回终端。遇到了 u i 错位报错、截图甚至带有手绘箭头的草图，直接通过 control 加 v 粘贴进终端， cloud 完全看得懂。想让他看某个特定文件，不需要等他自己找，直接输入 at 符号，他就会弹出所有的文件内容，选中就能读取。在对话框输入斜杠即可触发，这是管理 ai 状态的核心。 clear 是 最常用的命令，没有之一。 每次切换任务或修完一个 bug 后，一定要清空上下文。 compact 记忆压缩，当进度调爆红，但你又不想清理对话时，使用此命令，它会总结前面的对话并释放空间。 rewind 列出当前绘画的所有操作快照 ai 改版的代码，你可以一键回滚到指定节点。 model， 根据任务难度随时切换引擎 cost， 实时查看当前配置白名单面板。 在项目根目录创建一个 cloud md， 这是最高优先级的系统提示词。不要长篇大论，重点写项目的技术栈是什么，每个目录是干嘛的？代码规范是什么？怎么跑测试。我已经将完整的内容整理成了飞书文档评论区 c c。

今天给大家分享一下这个 cloud code 的 team 模式。 team 模式我觉得它是一个真的非常好用的一个方案，因为之前的都是 sabotaging， 它有一个特别大的问题，就是它每一次启动它上下文是已经重置了，但是你 team 模式的话，相当于你启动了多个这种子智能体，然后它一直待命， 这样的话它性能就会好很多。虽然它这个 cloud code 的 文档里面说的是什么情况下应该使用，什么情况下不应该使用，我个人感觉都可以使用， 只要不是你是一些特别小的项目，可能两百 k 的 上下文就直接可以足够你使用了的话，那么你就一定使用这个 t 模式，它效果好很多。它有两个特别好的点，第一个点就是你的主智能体，你在做任务的时候，你的上下文不那么容易去突破了， 之前可能我们两百 k 两百 k 的 上下文主智能体去做执行，就算他调用了子智能体去完成任务，他的上下文我自己用起来的话，估计就是五轮或者十轮，对于一个稍微大型一点的项目调试来讲，就是这样就直接又得压缩上下文了。你压缩上下文了之后，性能是急剧下降的，它效果是非常差的。 但是如果你把它分成了这种多个 teams 这种成员，那么它就会把很多任务它会自己去做拆分。因为像这种子智能体，它有个比较大的问题，就是它们对话和交互的时候，它上下文是会有信息损失的， 所以说它必须要把任务拆分成一个一个的小模块，只要你用这种 team 模式把这种比如说它模型，它的一些提示词写好的话，它会自己去把任务给你拆分成模块化的，但是这个可能它不会那么主动地去拆分模块化， 但是这个它是可以很主动地去拆封模块化，但是最好是用 opus 这个模型哈。如果说用其他的一些模型，我感觉效果都不太好，它其实跟自己主动去调这些子智能体有关系，可能 kimi 会稍微好一点，但是总体来讲我自己使用下来还是 opus 会比较好一点。 因为我这几天基本上我们自己搭的一个服务器是把这个 cloud code 放在了国外的一个云服务器上，然后去调到国内来的。我们是几个人去拼了这种二十 x 的 这种账号 来保障，当然大家如果有需要的话也可以联系我，但是必须要用量大一点，如果用量小的有太大必要去买一些 token， 还稍微好一点， 像我们我们自己基本上一个人就是得消耗十 x 级以上，然后这样的话会很划算，它不像 token 消耗，你会感到心痛，但是你如果用这个的话就完全不会心痛，你会想的是怎么样去能把它全部用完，有点跑题了。 我也是开源了这样的一个项目，它是一个 skills， 其实我是拿来自己用的，然后借鉴了这种 benning with fields， 还有这个 cloud code 的 黑客松的冠军，他分享的这个几个子智能体，然后还有最近非常火的一个滴滴，滴滴的一个 skills， 然后结合了他们的一些思想，创建了这样六个子的 team 团队，后端开发、前端开发研究员，还有这种端造端的测试，最后是这个审查，然后是清洁器，呃，其实就是一些重构的东西，其实都是借鉴的这个里面的，大家如果需要的话也可以直接拿这个去安装， 安装了之后其实就是里面有个 skills， 然后它读取，让 opus 去全量读取，但是它注意有一个点就必须要让它全量读取这个 skills， 不要让它去起一个这种探索的智能体去读，要不然它就会很有问题，它没有了解全的话，去创建的话就会创建的不太好。 然后把这个 skills 弄上去了之后，它自己会问你，你想要完成一个什么样的任务，然后需要哪些子智能体，然后这些子智能体的功能它也会跟你说，说了之后它会自己去创建。 然后最最重要的是我认为它比较好的点就是我需要它把这些所有的进度和 plan 和这种发现全部放在这种文档下面，而不是放在它自己的一个全局的文档里面， 这样的话我就能看到，而且它每一个这种角色它都有这样的文档，然后它这种文件持久化，比如说主文档 leader， 它有这样三个文档，这后端的它有三个文档， 然后研究的也有三个文档，但是最重要的是他每一个项目或者说每一个任务他都会再创建一个子文件夹，下面又有具体的文档，是这样的，所以说效果还是蛮不错的。我自己使用下来，虽然达不到完全自动化的去做开发， 但是确实非常不错。他这个 leader 他 会去主动的去分发给这下面具体的任务，然后基本上能完成一个小的功能的开发，由这个 leader 去分发，并且把测试这些全部跑完， 但是可能你人工还是需要测试的，不太可能能像全自动的，除非你就是很简单的像这种随便一个任务，它都是要突破这个两百 k 的 上下文的，所以说你把它这个 team 我 觉得最好的一个点就是它把这种两百 k 上下文的任务去分摊到了各个子智能体， 可能说两百 k 哎，本来 leader 是 可以完成的，但是它可以分给让这个前端后端这些乱七八糟的去每一个分个一百 k， 虽然总的托管是增加了，但是它是没有突破上下文，所以说它的性能还是很不错，但是不得不说哈，它的托管消耗是真的可能是之前的两倍及以上， 所以说大家如果用的话还是注意，如果不是自己实际的应用或者是之前的两倍及以上，所以说大家如果用的话还是注意，如果不是自己实际的应用，或者是之前的两倍及以上，所以说大家如果大家如果用的话，才有必要去做尝试。

二零二六年还在纠结 ai 工具，别瞎折腾了，今天用跨境创业者真实案例告诉你 cloud code 和 open curl 到底怎么选。先看两个真实案例，极客玩家用 cloud code 半年把开发效率翻三倍，管家玩家靠 open curl 直接打通运营，全链路自动化。但他们都有痛点，要么琐事炸锅，要么底层代码搞不定。 红方选手 cloud code， 它不是简单补全代码的插件，是能吃透几十模块，依赖分析跨文件逻辑的架构师，纯终端交互加 m c p 协议，直接在终端帮你跑完任务，是高精尖开发者的手术刀。 蓝方选手， opencloud github 新标三十二万加全平台，支持零代码门槛直接住在微信飞书里。还有贯穿生活的全能管家， 核心差异一眼看懂 cloud code， 深钻编程深度，适合解决怎么做？ open claw 甚在日常便捷和痊愈解意擅长搞定谁来处理， 别再二选一，内耗，现在它们都在互相越界。 cloud 能做定时任务。 open claw 支持 m c p 协议，最优解是打组合拳，分清主次，干活不累 抄作业配置。先问自己，每天最浪费时间的是写代码还是处理琐事？写代码就 cloud 为主，琐事多就 open cloud 为主，再用另一个工具补边缘需求，每季度复盘一次。手术刀和管家从来不是非此即彼，工具的尽头是夺回对生活的掌控力。 你的 ai 工作台现在是怎么配置的？评论区告诉我，我是桃桃，每天分享 ai 工具加技术干货，关注我，下期实测两者代码效果。

我终于跑通了在 cloud code 上做多 agent 写通的一个流程。首先我要讲一下啊，为什么要做多 agent？ 可能会有的人觉得多 agent 听起来很牛逼，但是比如说很骚 talkin， 或者是 华而不实，但我觉得有两个非常重要的场景。第一个呢，就是 do agent， 它能够把上下文分散到不同的这个 agent 上面，从而避免一个很长的流水线 霸占了一个完整的 agent 的 上下文，那它就会很容易出现降至的问题。 第二个呢，就是当地的流水线是比较长的的时候，如果他能够被划分为多个 agent， 按流水线去执行，那么每个 agent 他的这个定义 还有他的工作就会比较清晰，那么他的注意力也会比较聚焦，他的工作完成的质量也会更高。 那我现在的话呢，其实就是搭建了一套从数据的采集，这个是做采集的，然后做筛选，他采集了很多内容，然后他对这些内容根据我的一个选定方向去做一个筛选，还有打分哪些选择题是符合我的内容方向的， 然后是做一个验证啊，对啊，这个内容的一个真实性以及它的实用性等等 去做一个验证和测试，测试完之后会有一份测试报告，然后进入到写稿，写稿，然后就是策划分镜，最终生成一个视频， 一套完整的流程。中间呢，其实就是通过数据库去做做这个不同 a 证的之间的一个桥梁。比如说我调调研完的数据，怎么 他会存到数据库里面，然后是然后下一个环节去筛选和打分的一个 a 证的，他就会直接从这个数据库里面拿到 有哪些数据现在是需要刚录进来，需要我去筛选和打分的，然后他做完再交给下面的测试验证，再交给写稿的，再交给策划的，再交给做视频的，通过一个数据库去做中间 中间状态的一个桥梁和流转，然后整个 a 阵的就能跑起来了。这样的话每个 a 阵的其实他们各自的工作是隔离的，他们只管做自己的任务， 然后通过定时任务不不停的去驱动他们，他们不停的去拿起一个任务，然后完成他，然后标记他就把这个完整的一个 a 阵的 b 环给他完成了。

在这个世界上，有一个极其反常的现象，普通人写文案都在用 chat gpt。 但如果你去看看硅谷顶级程序员的电脑屏幕，会发现他们中百分之九十的人已经悄悄导歌，换成了另一个软件。 今天一口气带你了解那个曾被全网群嘲的叛徒，是如何觉醒成让所有程序员胆寒的代码之神 cold。 想当年， cloud 的 核心团队原本是 chat gpt 的 亲生父母，但因为看不惯老东家为了赚钱不顾一切的吃相， 他们愤然出走，立志要做一个最安全的 ai。 但在当时那个算力为王的狂热年代，大家只看中谁更聪明。早期的 cloud 因为安全限制太多，动不动就拒绝回答，被全网群嘲是道德洁癖、毫无用处的废物。 在那段漫长的低谷期里，叉叉 ppt 坐在铁王座上，俯视天下。所有人都以为这场硅谷复仇季还没开始就结束了， 但是天才的复仇往往只需要一瞬间。当所有人都在等看笑话时， klo 突然扔出了一枚核弹。 klo 的 三点五闪耀登场， 这一次，他不装了。大家惊恐地发现，这个曾经的老实人竟然把技能树权点在了代码和逻辑推理上。 在多个编程测试中， code 的 成绩甚至开始反超 gpt。 你 扔给他十万行杂乱无章、连人都看不懂的祖传史山代码，他能在几秒钟内精准揪出那个致命的 bug。 更恐怖的事，他直接改变了人类写代码的方式。以前用叉 g g p d 编程，你还得把代码复制下来，跑到专业软件里去运行去查错。 但 cloud 直接掏出了一个叫 r t f x 的 神级武器，你对他说，帮我写个俄罗斯方块。十秒钟后，他不仅把代码写好了，还直接在网页右边给你渲染出了一个完整的游戏， 你甚至可以直接用键盘开始玩。这种不用配环境，不用下软件，所说即所得的降维打击，让无数开发者头皮发麻。 如今，配合着 ai 编程工具 curser， cloud 已经成了程序员的终极外挂。即使是毫无计算机基础的大学生，也能在一个下午只靠说人话就做出一个极其复杂的网站。 从被嘲笑的弃子，到彻底颠覆编程世界的造物主， cloud 证明了一个硬核的真理。真正的颠覆，从来不是跟在别人屁股后面模仿，而是直接掀翻那张旧时代的牌桌。

大家好，不知道你们是否跟我一样，在 ai 编程开发当中，经常会找一些啊比较流行的插件啊，技能或者命令。 我最近在看这个 cloud code 官方自己出的这个插件组合呢，发现一些非常有用的这些技能啊，命令啊，在代理，而且他们对于这些工序的这个定义和书写也是非常值得去学习的。那本期视频呢，给大家一起来探讨一下， cloud 官方的这个最强的插件包含了哪些我们能够直接用来的这个技能 子弹里或者说一些插件，也会看一下在别的 ai 编程工具是不是能够飞。首先呢，我们可以看一下它是一个 git 的 一个原码的形式啊，那么我们可以去打开 打开这个 git， 那 按照它的这个命令去安装，安装也是非常简单的，安装完成之后呢，你打开你的 curl code， 在 这边输入 pran， 然后的话你就能看到在这个 marketplace 里面就能看到你去安装这个，那么这个是带两个新号的，就是它的这个官方的这个插件啊，那经常如果你没有安装到它这边，在你对话的时候，有时候也会在右下角呢，会提示你去安装这个插件啊，非常建议大家去安装好， 那你安装完之后，那么你就可以在这个 discover 里面去看到这些你没有安装的它里面的这些插件呢，比如说这个带这个啊，这个 officer， 这个这个 playwrite， 或者说这些东西都是没有装的，那么你就可以去选择它装上，你也可以在这边 marketplace 里面去选选中它 啊， enter 键，那么你就可以去浏览它所有的这里面的所有的内容啊，那比如说这些打勾的说明就你已经安装的，那这些的话是没有安装的，那么你就可以选择，比如说选择这个 commit commands， 那 我选错了，那这里的安装就是 你可以是安装是用户级别的，也就说你所有的项目都能用这个里面的功能，那么你也可以是安装这个工程级别的，也就说只有在当前项目下才能用这些功能，所以自己选择好，建议是 都安装到这个 user 这个级别啊，就是所有的项目都能用，因为它提供的都是一些比较通用的。那安装完之后呢，我们再看一下这五十六个里面，哪些是我觉得可以拿过来直接用的，然后呢，我把这个能够用的，或者说比较好的这九个啊整理出来，这里面有一个一列是 cos 可用啊， tree 可用 codex， 也就是它们原声支不支持，直接复制过去用，那不我这里打了叉的就说它是原声就不支持，比如说 tree 它不支持命令，对吧？但是其实你也可以把这个提示词复制到它的对话框里面，也可以用， 也是有办法能用的啊，我这边说不支持，只是说它原声就不支持。第一个就是非常非常重要的，也是非常有用的这个创建技能的这个技能啊， 那么这个创建技能呢，最近又发布了新的版本，增加了很多评估，还增加了很多测试，是吧？因为经常我们在创建技能的时候，你创建完之后，这个技能效果到底是怎么样的，你是不知道的，你只能说去自己去做做一些测试，那现在呢，他技能本身提供了很多这种评估的这种方法 和这种，你的这个技能的这个效果到底怎么样？这个对于非编程的这个人员是非常友好的，那么在用技能的时候一定要注意啊，比如说我选择这个 skill crate， 那 么打开这个技能的时候啊，你如果安装了别的 插件，也有可能有跟它名字一模一样的这个区分好，它在这里的时候会如果重重复的话，它这边会有一个这样的一个标识，相当于公司名称一样，比如说我这个 是是它这个的这个名字的下面的所有的技能，那么这个就是类似于像官方一样，那么你也可以选择这个 enter 键，那么你可以看到是 square critic 这个名字，那么你就可以大概就知道这是官方的，因为名字相同很容易混淆。那这个呢？因为它是以技能的形式存在的，所以说这个 ctrl 啊 shift 都是可以使用的，那么你这边可以去下载这个安装包，你也可以在 github 里面去直接把它复制到你的这个呃，对应的 ai 编程工具的这个目录下面就可以使用。 那第二个呢，就是这个人可能很多人忽略了，就是 cloud md 这个文件的一个维护啊，那通常情况下我们去维护这个 cloud md 的 人可能是自己去手写，那么 这个官方提供了这个 cloud md management 这个这个命令，它是一个命令或者技能形式的存在，它可以根据你的历史对话去优化这 cloud md 里面的内容。那比如说我们在历史对话中，可能在最近的这个对话中啊， 那存在可能去纠正，对吧？纠正一些局的错误，或者说定义一些工作流程，那么它就可以提取出来，把它写到这个 cloud md 文件里面去。那 cloud md 这个文件是非常非常重要，我可以认为是所有的这个 ai 编程工具啊， cloud md 或者 agent md 啊，这两个是一样的意思，只是 不同的命名而已，它们都是非常重要，是一个承上启下，是整个 ai 编程，一个维持的一个内存记忆的非常重要的一个文件，所以这个文件一定是经常更新 是最重要的，所以呢，它提供这样的技能啊，你可以就可以根据你的对话智能去总结需要更新的内容，是一个持续学习迭代的一个东西，非常非常重要。那比如说我使用了这个啊，技能里面的这个就是优化我们的 cloud md， 那么他就会去啊阅读现有的 cloud md 的 文件，然后顺便去把最近的对话或者最近的变动 提取出来，然后会得到一个这样的一个结果啊，说就说啊，补充我们这个 cloud md 的 内容，所以这个是非常有意思的，就是它会根据你的这个对话记录去做优化， 也非常推荐大家去使用这样一个 md 啊。那么其他的一些插件其实也有类似的功能，就是持续学习的这个能力啊，那这篇稿弄完之后，你就可以去更新到你的 cloud md 文件里面去，那下一个也是非常有用的，就是简化代码， 那这个相当于因为 ai 其实生成代码是会堆积那种很多复杂的，把很多代码写得特别复杂，就是你能可能很容易就看得出来这个代码是 ai 写的，不是人类写的。那这个功能就是对你的代码进行简化，它会结合你 cloud md 里面，一般我们 cloud md 会去定义 代码规范，比如说在我这个项目里面，那么 cloud md 里面就有一个这样一个简单的一个代码规范，那么它去做简化的时候，就会根据你这里的代码规范进行去简化。你可以这边可以写得更详细一点，比如说你的这个命名方式啊，你的这个啊，这个接口的命名方式啊， 这这些写的越细越好。一方面它就会根据你 cloud md 的 定义的这个代码这个风格去优化。那第二个呢，它会根据一些通用的一些编码的一些规范，比如说你这个太过复杂了，比如说合并重复的逻辑啊，去掉垄断代码啊，可以去做这些，那优化完这代码的话肯定是会更好。 那么如果你不指定范围的话，它是会默认只是对当前对话最近的修改进行一个这样的一个简化，那它是以子代理的方式来存在的，那这边的话是三个 ai 编程工具都支持。那第四个呢？就是我非常非常推荐啊，这个 feature dv， 这个 就是你当你要开发一个功能的时候啊，你用这，你用这个方式去启动，那么他是会把这个功能的这个分成一个固定的流程，比如说他先会去搜索你的代码，去理解你的需求，然后呢去加个设计， 然后呢最后会做一些质量的审核，那这个过程是非常非常标准的。我们可以看一下这个例子，我们在使用 arslp 和 v 开发之后呢，我们可以看到他明显的有一个这样的流程， 比如说他会先做需求澄清啊，会做你的问题的提问，然后做完之后开始做价格的设计，然后价格设计的时候他会去做很多代码的搜索，这个是非常重要的，然后把价格的设计的方案给到你之后，你再去确认， 然后的话他这边就开始，如果你 ok 没问题了，才开始去实施。来到第五步去实施，实施完之后呢，他会对代码又进行一个检测 啊，一个质量的检测，然后的话如果发现有问题，然后他再去修复，所以整个过程是非常非常的一个标准的一个流程。我们可以看到最后他在整个过程中用了哪些步骤来完成这么一个功能的开发， 我们可以看到在最最下面可以看到他总共有七步，对吧？一个是啊，这个去理解代码，去理解你的需求，然后的话去做问题的澄清，然后价格的设计，然后再去做你的这个更进一步的优化，然后开始去实施，然后再就是代码质量的检测， 最后做一个文档的总结，那这些个流程是非常非常好的，所以说我把它评为了，就是啊，也是一个 ai 编程的一个最佳流程，就光这一个插件就已经实现了一个很小的一个迭代的流程，它非常适合用来做迭代，非常适合就是对 prime 模式一个增强。 所以大家从上面的例子可以看到啊，这是一个非常推荐使用的。那第五个就是比较大家比较用的可能比较多的就是，呃，我们的前端优化的一个技能， 那这个技能就是要去掉我们的 ai 味道啊，那经常我们使用 ai 生成的这个前端，就像要么就是大紫色，要么就是大红色啊，这颜色会比较单一，那么它是做了一些优化，让我们这个前端的设计会更加美观一点，那这个也是非常简单，它是一个技能。 那第六个呢，就是可能会用的比较少，但是呢如果你要用的话，它就提高了，大大的这个提高这个简易性啊。比如说你要去串一个钩子， 那你如果使用写脚本的方式，那个门槛太高了，那么他提供的这种方式就通过对话的方式能很快速的把钩子串联起来，那么对于一些自，对于一些喜欢啊，设计一些自由度高的一些人来说，这个东西是非常方便的。 那第七个这个 pr review 的 这个工具啊，那么主要用的就是你在提交 pr 这些对代码这些，这个你可以指定啊 review 有 什么东西，那比如说我这里有个例子，那么我会执行这个 pr 的 这个命令啊，然后去让它去检查一下是不是有漏的注视的，那么它就会 拉取我最近提交的 comit 记录，然后的话就是你可以看到哪些是需要改进的，可能就会遗漏，这样的话在 你提交 pr 之前有一个这样的一个最终的检测，那这样的话你就可以 pr 提交的效率就会高一点，质量也会高一点。那第八个也是简化这样 git 的 操作，那我们经常使用 git 提交提交的时候，你要去想一下，就是，哎，最最近这段的变化是什么样内容啊？你自己要去创建， 自己要去写，那么有了这个命令之后呢？他会啊总结你这一段时间这个代码变更的一个简化的说明，你只要直接写上合并就可以了，他就会去总结，完全不需要去关注你 自己做了什么东西，所以这个是非常高的效率啊，然后他也是支持这种合并之后，然后顺便把这个布局到上面去。那这也是一个非常常用的一个工具啊。 那第九个就是之之前非常火的叫拉尔夫循环了，也就是你可以通过这个秘密让这个呃 color code 可以 一直执行多少次，直到结束。那么有的人用它去生成一个稍微大点的项目，可以直 循环去运行一晚上，所以这是一个非常有意思的。如果你有这样的需求的话，你可以去使用一下这个插件，那么这个插件也有很多变种啊，也是可以去看一下。 ok， 那 本期视频就到这，希望这些内容对你有所帮助。

oppo clou 和 clou 有 什么区别？今天和大家分享一下我这一个月使用 oppo clou 和 clou 的 一个真实的一个体验感的一个差别。从我的角度上来跟大家分享一下这样产品对我来说有什么样的一个区别和一个侧重点。首先 oppo clou 的 话就是我们所熟知的养龙虾，因为这它 clou 的 话中文意思是龙虾的意思， 而 clou 的 话是国外的人工智能公司 snoop 所推出的一个，也是 iphone 在 中桌面本地可以帮你桌面去完成一些写代码相关任务的一个 的一个 a 卷的产品的一个智能体产品，所以这两个产品都是定位为桌面级的智能体，他都可以帮你完成一些智能在桌面上面需要电脑操控或说需要电脑执行一些代码的一些权限和执行的一些能力， 然后去完成一些，比如说你让他帮你写代码，或者你让他帮你改 ppt， 你 让他帮你写什么一些作业，都可以让这两个产品去帮你完成。 那这样产品有什么差异点或者不同点吗？这也是很多小伙伴所疑惑的，特别是使用还不久的小伙伴所疑惑的。在我深度使用一个月之后，因为我是从事 ai 的 行业的，所以话我上班使用，下班也使用，所以我深度使用一个月之后的话，我的真实体感是 克拉克，他更像一个理工科学生或者理工科的一个外包工程师，你你有一些理工科的一些 呃需要任务都可以直接丢给 colco 去执行，它作为一个成熟的外包，它可以很快，并且它带带有一定的它的上下文能力，去帮你解决一些你理你理工科所遇到的一些问题，包括一些程序写代码呀，像这类的一些问题， colco 都非常的成熟，可以帮你去解决。那欧，那欧盟 colco 更像什么呢？它更像是一个 实习生，它更像是一个文科类实习生，它相当于就相当于是一个你雇佣了一个 大学生，就每个月给三千块钱，然后他坐在你的公司电脑面前帮你执行一些文件的操作，打开浏览器搜索的一些操作，然后就这里一些文件夹的操作，就填填表的操作。所以 openclaw 它更像是个实习生的原因是因为它一开始是不带一定的专业性的上下文的，它相当于只是调用云端的模型，它本地的的一些 memory 啊， skill 啊，都是你要从零开始去慢慢培养的， 所以话，就，所以话你不能期待一开始就让你的 open class 你 的龙虾可以完成一些，呃，就是你认为比较简单可以完成那些任务，你需要一步步知道他说他怎么样完成，然后他才会学习下来以后，然后把它记录到他自己的 skill 里面，然后再下一次这次新手他才会比较快的去完成。 我举个例子吧，就比如说，呃，我要让我的龙虾每天上午九点给我汇报一下当天 过去二十四小时的一些 ai 的 一些新闻，那你第一个步骤是要打开浏览器，然后去搜谷歌，然后搜什么样的关键词，然后你要去浏览，然后你要去整理，那不行，你要自己去判断， 就是就是这新闻是不是真实，然后并把记录下来以后，然后再汇送给我，就这一系列的操作，就我们所说的 skill 就是 一个执行的一些经验的一个流程，然后你需要带这个你的 model 去过一遍，然后他把记录成 skill 以后，他第二次才能比较快的去完成他，所以他更像是个文科类的实习生， 然后你让他去完成一些比较复杂的代码的能力的话，那这个很考验你的你的 microsoft 背后所接的模型是不是有具备这方面的能力，如果你背后的所接的模型就是 cloud， 就 cloud 十点六，那肯定是没问题的。但如果你背后接的模型是比较就是就智能程度比较低的模型的话，那你让他写一些理工科代码是很难去写的。 所以就类似一些写代码的活话，我一般都会给 cloud code 去完成，然后类似一些每天像天生的小秘书一样帮我整理一些 ai 新闻啊，帮我整理一些文档啊，那我会给我本地 的办公类的区别，所以话我更会把办公 code 当做一个文科实习生，然后把 cloud code 当做一个理工科的一个外包成员，然后去去对待。所以话我的心腹还是办公 code 当做一个理工科的一个外包成员，然后去去对待。所以话我的心腹还是办公 code， 因为他是一个隐私的一个文件，我都会给办公 code 去帮我处理，然后 然后就对于一些工作啊，还有工作还就还这么多写代码的事情的话，我会给 coloco 帮我去一次性搞定，或帮我去查一些 bug， 或去帮我去写一些就临时的一些脚本，它还是这样的一个平衡， 对，然后，呃，就除了这个体验上的区别之外的话，就 umclock， 它有 umclock 一 般没具就不具备，功能是它具备这个记忆能力，就是它 umclock 它除了会自己去 skill 之外的话，它也会去记录下来每天和它的对话里的一些内容，然后它相当于就是养成系 的一个形式，所以大家都说养农家嘛，他不仅会去 skill， 他 也会记录你每天和他对话的内容，然后储存他的记忆的文件夹里面，然后需要时候他就会读出来，然后去记忆的记忆，然后和你去做一个回答，然后 coloco 的 话他更加是一个临时的外包成员，所以话他不太会记录以前你和他的一些对话信息， 而且你 coloco 话他可能是包月的，所以话你过了这个月你的续费就没了，所以话 coloco 话他更加是一个云端的一个外包的一个执行者的一个存在，然后 coloco 话相当于是所有的一些记忆啊 skill 都是存在你本地的，你更感觉他是并来说是一种归属感， 所以话就在这块区别的话，我也更会把更多时间去和我的 mcl 去做交流，因为我和他交流以后，他可以把我和他交流的信息给沉淀下来，不会让他消失，这个价值可以沉淀下来，就不会因为 klo 的 然后就跟他说把以后他忘记了，然后就 就这个内容就是信息，就是价值就消失了，所以大概将哪个区分？所以他，下次现在我大概就总结了一下 mcl 和 klo 对 我的一个差异点， 对，好吧，那我们下期视频的话也会进一步的去分享一下，我在 omcrow 上面去做一个多智人体的一个体验啊，因为现在比较流行，然后通过就 omcrow 去搭建一个多智人体的一个团队。比如说 你要去做一个 ai 运营，那你就要去做每天的信息的一个收集爬取，然后每天，然后你还需要有一个小题的一个 agent， 然后去每天信息爬取，然后去做选择题， 然后你选定完之后还需要一个写作 a 卷，然后就把你所就记着的选择题和这个背景的一些信息，把它写成一篇文章，然后去发，不管小红书啊，还是把它转成音频视频发抖音也好的，这写手也需要这个写手的一个 a 卷存在。所以你往往完成一件事情的时候，你都需要一个独自问题的一个团队去完成， 所以话现在也比较流行我们可能去搭建自己自媒体的一个团队，我下视频可能会讲一下这多自媒体的一个团队的一个搭建的一个体验和一个要点和他的一些优缺点吧。好吧，那这件事情就这样子打完了。