如何收回给Claude的文件权限

今天为大家介绍 cloud code uloop 模式，这个模式可以让你彻底解放双手，效率翻倍。 uloop 等于 u only live once， 翻译过来是你只能活一次。 这个模式会跳过所有权限确认，让 cloud code 自动执行操作，无需人工干预。有两种启动方式，第一种是使用命令行参数，启动 cloud code 时，加上 dangerously skip mission 参数，即可直接进入自动执行模式。 第二种是在绘画内切换，输入斜杠优漏命令，就能立即开启免授权模式。优漏模式有四大适用场景，第一，批量文件修改，当需要一次性修改几十个文件时，无需每个都确认，直接全自动完成。第二，自动化脚本 适合运行、测试、构建、部署等流程，让 cloud 帮你完成整个持续集成、持续部署流程。第三，快速原型开发 初期，快速迭代阶段，不需要频繁确认细节，大幅提升开发速度。第四，后台任务处理， 让科沃德在后台默默工作，你可以同时去做其他事情。使用优乐模式时有几个重要注意事项，首次使用建议在测试项目尝试，确保了解自动执行的效果。 结合 cloud 赏度中的安全规则使用，可以在优酷模式下依然保持代码安全。如果发现异常，可以按 ctrl 加 z 暂停任务。学会优酷模式， cloud code 帮你全职干活！

的是一个叫做 permission， 因为，呃 permission p r m i s s i o n permission mode 等于呃 accept， 应该是，呃，应该叫什么？应该叫，应该叫 accept， accept edit。 呃，正常来说，我们可能会传一个正常来说，我们可能会传一个。呃，表示全部都能启动的。呃，叫什么？ by pass permission 叫 by by pass。 这个，这个太长了，这个太长了，我打不出来。 呃，这个表示我接受。我，我启动这个 cloud code 的 时候，我接受 cloud code 修改文件不需要人确认，就相当于我，我给他赋予了一些权限，当它是修改文件的时候，我是自动确认的。然后如果传这样一个，就是把这个 accept address 改成 bypass。 permission 表示所有操作， 所有操作都自动确认，包括 i m 杠 i f 这样子的一个，这种危险操作也会执行它。就是就是这样一个区别，表示我， 我哪怕是执行把所有的文件都删除掉，它也会自动确认。但是因为我这里是一个 log 的 用户，我这里是一个 log 的 用户执行，因此我会直接把它给过滤掉，我就呃他，呃，现在 cloud cloud 的 agent sdk， 他 认为 log 执行这样一个 i m f 是 非常危险的，所以说，呃，我们就传这样一个，接受的时候。

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。

如果你用 ai 来辅助编程，那你八成在 agent 点 md 或者 cloud 点 md 这类文件上花过不少心思，对吧？现在这好像已经成了一个标配了。 我们都觉得这个文件写得越详细，上下文给得越足， ai 就 能干得越漂亮。这听起来简直是天经地义， 哎，你可能觉得我在开玩笑，但今天我们就来聊聊这个话题，一个可能会让你大吃一惊的真相。好了，我们不凭感觉说话，咱们直接来看数据，最近的一些研究得出的结论可能跟你想的完全不一样， 你没听说是负面影响。也就是说，我们辛辛苦苦让 ai 生成的那些我们认为能提供帮助的文件，实际上可能在拖后腿，反而降低了认我的成功率。 这一张图就更直观了，你看啊，最左边这个是我们开发者自己手写的，性能确实能提升一点点，大概四百分点还不错，但是中间这个让大模型自己生成的性能反而下降了三趴。 最要命的是，看最右边它倒巨的成本，也就是时间开销直接飙升了超过二十帕，这简直是赔了夫人又折兵啊！我自己也挺好奇，就做了一个小实验，在一个项目里，我先让 ai 在 没有 cloud mmd 文件的情况下跑一个任务，花了十分十一秒， 然后我把之前 ai 生成的那个又大又全的 cloud mmd 文件放回去，让它做完全一样的事， 你猜结果怎么着？完成时间变成了一分二十九秒，慢了将近二十五。 percent 这个数字跟刚才研究里那个成本增加二十 percent 简直是惊人的一致， 这说明给 ai 一个又大又啰嗦的上下文，真的会让它编满。所以问题就来了，这到底是为什么呢？按理说，信息给的越多， ai 应该越聪明才对啊，怎么反而变笨了？ 要想明白这一点，咱们得先搞懂 ai 是 怎么处理我们给他的这些信息的。这句话简直是说到了点子上，你想想我们自己最烦的是什么？开会，尤其是那种又长又没重点的会，那我们凭什么觉得 ai 就 喜欢这种会呢？ 我们把一堆他自己就能在代码库里找到的信息全都塞进 agent md 里，不就等于强行拉着他开一个他根本不需要的会吗？这纯粹是在分散他的注意力。 你看， ai 在 处理信息的时候，其实是有个笔试练的，或者说优先级的，从上到下权力越来越小， 最顶上是 ai 服务提供商的硬性规定，这是天条。然后是系统级别的提示，定义了 ai 的 大方向，再往下才是我们写的 agentmd。 而我们每次具体提的要求，优先级是最低的。这就意味着我们写在 agentmd 里的东西，很有可能被更高层级的指定给干扰，或者说它的影响力其实没我们想的那么大。 来，咱们做个小实验啊，我现在跟你说，千万不要去想一头粉红色的大象。好，你现在脑子里出现的是什么？没错，就是那头该死的粉红色大象，这就叫上下文。污染 这种事在 ai 身上也会发生。比如你在 agent md 里提了一嘴某个已经淘汰的技术，哪怕你是想说不要用它， ai 的 注意力反而可能就被吸引过去了。你跟他说不要做什么，他偏偏就要去想那件事。 更要命的是，如果你的项目结构改了， agent md 里的信息却没更新，那 ai 就 会被这些过时的信息彻底带偏，把新文件放到一个早就没了的旧目录里去 好了。说了半天大文件的坏话，那我们到底应该怎么做才能真正高效地给 ai 提供它需要的上下文呢？答案可能简单到让你意外，最好的上下文就是你那个结构清晰、组织良好的代码库本身。 这就是一条黄金法则，我们应该把利器花在优化代码上，而不是写那些永长的说明文档。 ai 其实很聪明的，它会自己去看 package json 来了解项目依赖和能用的命令。这些事它干得比我们想象的要好。 所以我们真正该做的是通过改进测试、加强类型检查，充够那些乱七八糟的代码，还有清晰的组织文件结构，来给 ai 创造一个不言自明的上下文环境。我们的目标就是让代码库本身就能引导 ai 走上正确的道路。 那 agent md 是 不是就完全没用了呢？也不是，它的正确角色应该是一个创口贴。什么意思呢？就是当 ai 反复犯同一个具体的错误，而你又没法马上通过改代码来解决时，你就可以在 agent md 里加一条指令来临时纠正它。 记住，它应该是小而精，非常有针对性的。接下来我再分享一个更高级的玩法，能把 agent 点 m d 的 作用发挥到极致。不是用它来指导 ai， 而是用它来帮我们诊断代码库的问题。 你可以试试在你的 agent 点 md 文件里只放这么一段话，它的意思大概就是说，嘿， ai， 你 在干活的时候，要是碰到什么让你觉得奇怪、想不通的地方，就麻烦你在这个文件里记一笔，告诉我们开发者， 表面上我们好像是让 ai 帮忙完善文档，但真正的玄机可不在这里。 我们把这种方法叫做诊断式提示，它的真正目的是让 ai 在 感到困惑或者惊讶的时候，尝试去修改 agent md 文件。 这个尝试修改的动作本身就像一个警报信号，它精准地暴露了我们代码库里那些逻辑不清，让 ai 难以理解的薄弱环节。 整个流程是这样的，你先设好这个小陷阱，然后就正常让 ai 去工作。 当它遇到问题，并且真的试图去修改 agent md 的 时候，你就收到了一个宝贵的反馈，你就能知道，哦，原来是这个模块的命名太模糊了，或者这部分代码的逻辑太绕了，然后你就可以直接去修复代码的根本问题，而不是给 agent md 打个补丁。 好了，我们来快速总结一下今天的核心要点。第一，那种又大又全自动生成的 agent 点 md 文件通常是弊大于理。第二，最好的上下文就是你的代码本身，一个好架构胜过千言万语。 第三，只在必要的时候把 agent 点 md 当成一个创可贴来用。最后，可以试试诊断式提示这个技巧，让 agent 点 md 变成你发现代码问题的利器。 所以，现在你可以去看看自己的项目了，问问自己，你的 agent m d 究竟是在为 ai 提供真正的帮助，还是在邀请他参加一场又一场低效的会议呢？这个问题值得我们每个人好好想一想。

之前启动 cc 开终端 cd 进文件夹，再输入可拉倒启动，现在启动 cc， 按一下快捷键，终端自动打开，自动进目录，直接启动可拉倒扣的真优雅。今天一条视频教会你如何在当前文件夹一键启动可拉倒扣的， 我会把视频里提到的指令放在评论区，详细的图文配置教程以及现成的配置文件可以在共享客栈找到。话不多说，直接开始。首先按下键盘上的可慢的加空格键，搜索自动操作 app， 回车打开以后点击顶部菜单栏的文件，选择新建文稿类型选择快速操作，然后点选取新建。完成以后可以看到右边工作区顶部有两行参数设置， 第一行工作流程接收到当前这里选择文件夹，第二行位于这里选择访问 app， 然后在左侧资源库里点击使用工具，在右侧列表里下滑的底部找到运行 excel 脚本， 双击它就会自动添加到右边的工作区。接下来需要调整三个地方炫耀，这里选择这个传递输入，选择作为自变量， 然后把下方文本框里的默认内容全部删掉，把准备好的这段脚本粘贴进去。脚本内容我已经放到评论区了，大家直接复制就行。最后按下 cmd 加 s 保存，给他起一个你最爱的名字，我这里就叫它启动 cc， 然后点存储就搞定了。这里给大家介绍三种使用方式，你可以根据自己的习惯选择 第一种右键菜单，在你要运行的文件夹上鼠标右键，在右键菜单里选择快速操作，然后点击启动 cc 终端窗口就会自动打开，并在这个文件夹里启动可拉了扣的第二种预览面板按钮。 单机选中要执行的文件夹，按下键盘上的可慢的加 shift， 加 p， 右侧会弹出预览面板，可以直接在预览面板底部看到这个快速操作按钮，点击一下就能快速启动可拉了扣的第三种绑定快捷键。打开系统设置，找到键盘，再点键盘快捷键， 左侧选择服务，在右侧列表的文件和文件夹分组里找到启动 cc 这一项，双击右边的空白区域，在键盘上按下你想绑定的快捷键，设置完以后再访哪里。选择文件夹，按一下快捷键， 直接在当前文件夹启动可拉扣的，这用起来真的太棒了，如果哪天也不想用这个快速操作了，删除也很简单，返回桌面，在空白位置点一下， 按 ctrl， 加 shift， 加 g， 粘贴这个路径回车，然后找到你的快速启动文件，直接右键删除就可以了。这个小技巧学会以后再启动可拉扣的，真的特别丝滑，大家赶紧去试试吧！我是共享客，关注我，解锁更多 ai 小 技巧！

astropack 发布了一个新功能，我花了一百美金试了一下，说实话有点离谱。昨天 astropack 发布了一个新功能，叫做 coork， 今天我打开 cloud 在 mac 上的桌面程序才看到推送啊， try coork， 简单说呢， cloud code 的 大众版，那么 cloud code 是 你需要通过终端命令行去使用的，那么 c c 本质上就是给程序员去用的，你要会敲命令行，那么现在 coork 直接把这层门槛给你卡掉了。 普通人也能让 ai 操作你电脑里的任何一个文件，包括文件夹，包括你的桌面应用程序。怎么用呢？就是呃，你授权 cloud 访问你电脑上的任何一个文件夹，它就能在这个范围内帮你读文件，改文件，甚至新建文件，包括整理啊，分类啊这些都可以。 我测试了几个场景，第一个场景呢，就是我把呃一个文件夹里面有几十张的发票，然后让他帮我转成 excel 的 表格，呃，购买房，销售房日期，还有这个发票类型，他都能提取出来，并且生成了一个 excel 的 表格，放在我的这个发票的文件夹里，时间大概两分钟跑完。表格呢，基本的数据是准确的。 呃，火车票他是识别不出来的，估计跟他反华情节有关系。第二个场景呢，就是我把一个录音文件去发给 cloud， 去用 code 去进行 呃录音的转写，然后他通过终端去在我的本地安装了一些呃，本地的一些语音识别的模型吧，然后去进行把这个文件抛给本地的这个模型，然后让他们去识别。识别出来呢，还可以啊，呃， 差不多，跟平台那种沙石平台识别的相对来讲差不太多，长颈山呢？就是我下载文件夹里面，呃，有很多的这个 pdf 截图，还有安装包堆在一起的，那么 coco 可可以按照文件类型进行自动分类，帮我新建了很多个文件夹去进行梳理整理。 那么它在对话的过程当中，我们的上下文它会类似于 coloco 的 里面的 plan 模式，去问我很多问题，比如说这些文件 我是要整理什么风格，什么类型的，然后他可以看到我的一些闲杂的电脑桌面的一些截图，是要删除还是先保留整理，那么我选择保留整理之后，在这些 plan 当中的问题得到我的确认之后，他才会进行执行。那么并且执行之前，因为这个是一个 preview 预览版本，它 prompt 系统内置的一个，比如说一个按钮，点击之后，它里面会带一句话，在执行之前需要得到我的批准，然后我批准之后他才会去执行。 啊。这个整理文件夹，这里面整理的是非常好的，因为我特意放了一张我的身份证正面，还有一张我的身份证反面，这两个属于是个人的敏感信息，然后他把这两个照片给我放到了一个文件夹里，并且打成了这个包，打成了这个包之后设置了权限密码，然后这个密码呢，我需要在 cloud 的 桌面程序里面去进行设置，那我可以输入给他，然后他去帮我设置成这个密码，这是我做了三个场景的设置，那么普通的 cloud 是 对话式的，那现在呢？如果你是 cloud 的 max 版本啊， 你可以看到桌面程序呢，分为三个标签，三个 type， 一个是 chat， 还有一个 code， 还有一个是 code， 那 么都是用一个 app 去进行实现的。 那普通的 chat 就是 对话式的，你问问题，他给你文字的回答，那么 callover 是 执行式的，他真的会动手帮你干活。呃，所以这整一个体验更像是和一个真实的人呃去对话， 更像一个智能体，而不是一个跟那个简单传统的 chat 聊天机器人去对话。说实话这公司太反滑了，如果把国内的使用门槛开放出来，用的人会更多。

嗯，百分之九十九的人用 ai 生成的 ppt 其实都是错的。教你方法给你代码。在我看来，凡是用 ai 生图做的 ppt 都是半成品，一，修改困难。第二呢，特别像连环画，第三也不好敷用。 嗯，包括像 notebook i m 在 内都错了。正确的是珍妮写 html 文件 clout， 再把这个文件短成 ppt x， 这是我最近写的一个 power， 它生成这种有设计感的这个 ppt 模板，而且是无限，应该是无限种风格吧。 嗯，大家可以看一下右边的 power， 截屏识图就能得到完整的一个这个 power。 然后进桌面里面，选择工具 canvas， 把刚才的 power 输入进去，记住选择思考模型，然后他会给你八个风格让你选。选一个之后就进到了这个界面，左右可以看一下预览，然后再选择分享按钮。 哎，复制重新开一个窗口。还是 canvas， 把刚才那个粘进去，告诉他帮我设计完整的换登片，换登片中文贴下边， 然后他会生成完整的代码，把整个代码复制到这个 cloud 里，告诉他帮我把 html 换登片改成 ppt 格式，不要瞎改，原样输出。然后等一会你就能拥有一个完整的一个 ppt 了。记得可以跟 cloud 的 沟通如何修改。

你平常用 ai 的 时候会不会遇到这种问题？让他帮你做一个 word 文档，或者是帮你处理一个 excel 表格，亦或者是帮你制作一份 ppt， 你 会发现到最后他好像并没有办法去完成你的指令，然后到头来你还得自己去做。 其实说白了，这并不是这个 ai 的 能力问题，而是我们使用的方式可能不太对。那今天这个视频呢，我将教会你一个非常有用的技能，叫做 agent skills， 基于 anthropopy 的 cloud 大 语言模型。然后呢，你只要学会了这个 agent skills， 你 就可以让他帮你完成很多的事情，像是做 ppt， 做 excel 或者是设计海报都是不在话下的。那我们废话不多说，直接进入正题。 那首先第一个部分呢，我想跟大家讲解一下到底什么是 agent skill， 就 像 deepsea 拆的 gpt 和 jammer 一 样，其实这些语言模型呢，它可以帮助你完成很多的任务，可以帮你去编程，写作业，写论文，写各种各样的事情。 归根结底，他只能在有限的聊天框里面去进行一个输出，一旦你让他去做一个具体的事情的时候，他就没有办法了。 但是 skills 呢，就相当于给他安了一双手一样，你可以让他去帮你做更多的任务了。比如说你可以让他去亲自的帮你去做 excel 表格，或者是如果你想的话，还可以让他去帮你生成一些小红书的爆款。然后最有趣的就是，他还可以根据你的需求去定制化你个人需要的工作流， 是不是非常的有趣。那接下来呢，我们就看一下如何在 cloud 的 官网三分钟搭建一个属于你自己的 skill。 那 我们首先来到 cloud 的 官网，你可以在左下角发现这个地方有一个 skill 的 图标，然后点击它呢，你就会发现这里有三个分类，第一个呢叫做公共 skill， 这个地方呢都是官方出品的一些 skill 的 模板。 第二个呢就是视力 skill， 就是 它会有一些 skill 的 模板，你也可以去选择进行使用。还有一个呢就是用户上传的自定义的 skill， 那 三个分类呢，你可以根据自己的需求去选择你想要使用的功能。那接下来呢，我们来看一些实际的案例哈。第一个当然就是 ppt 的 制作了，首先呢，我们点击公共 skill， 然后选择这个 ppt x 点击开启，我们就可以使用它了。然后呢，我们就可以把我这一长段的提示词都输给他，让他去帮我完成这个 ppt 的 制作。我们可以看到哈，我这个 ppt 他 花费了不到一分钟就生成出来了， 大家呢也可以看一下他的排版，他的配色，以及他最后制作出来这个 ppt， 你 会给他打几分？欢迎在评论区留下你的看法。 虽然说这个 ppt 呢，对于一些大神的这种制作来说可能不是特别的好，但是我觉得它最大的用处呢，就是它可以在一定程度上节省你制作 ppt 的 时间。那可能以前你要完成这样的一份 ppt 制作需要几十分钟吧，那现在呢，不到一分钟就可以先生成出来一个，然后自己再慢慢改。 那第二个我要强烈推荐的 skill 的 功能呢，就是组合使用，比如说如果你有一份销售数据的报表，你可以让 skill 先去分析这个报表，然后呢帮你做一个 word 文档，进行一个总结， 然后最后呢再根据这个 word 文档去帮你生成相应的 ppt， 你 看到了吗？其实三个不同的功能是可以被整合进一个工作流的，那这样的话呢，就可以极大程度上的节省你的工作时间，提高你的工作效率。 那官方的 skills 呢？还有很多，大家都可以一个一个的去尝试一下，但如果你发现这个 skill 它满足不了你的需求怎么办呢？你还可以自己去写 skill， 那 有的观众可能就会觉得说，呃，那会不会很难？会不会需要一些编程的基础？其实都是不需要的。 那在这个 cloud 里面呢，有一个叫做 skills creator 的 工具，你只需要点击它，然后输入你的一个需求。比如说我这个地方，我想制作一个小红书的爆款文案生成器， 输入我的需求，然后呢它就会自动的去帮我生成相应的代码，你自己呢在润色一下，改一改就可以直接进行使用了，非常的方便。那除了可以自己去制作这些 skill 之外呢，其实还有一个进阶玩法，就是如果你能够接一些 a p i 的 接口的话， 其实你可以打造一个自己的全自动的工作流，那比如说你就可以做一个能够实时抓取热点，然后根据热点去生成小红书爆款文案的这么一个工作流的工具。那同样的，如果你想要完成更多的需求，你都可以去进行一个定制化的操作。 欢迎大家在评论区留言，你感兴趣的玩法，我们可以专门做一期深度的全自动 skills 工作流的一个讲解。 ok， 那 接下来呢，我们来测试一下 skills 的 一个能力边界。第一个就是数据分析，我们刚刚看到了 skills， 它是可以进行数据处理的，那如果说老板让你加班，你周末的时候不想去改这种 excel 的 报表怎么办呢？你也可以利用它，只需要上传你原始的 csv 文件，然后 log 呢会自动的去帮你进行数据的清洗， 还可以帮你输出 excel 加 word 的 这种双格式的一个报告，这让我觉得真的是有一点降维打击了哈。然后 还有一个场景呢，就是对于学生党来说，可能有的时候你需要完成各种各样的学术作业，或者是学术论文，那当然在这个地方呢，我们不推荐大家就是直接使用 ai 去进行你的论文创作，但是你可以使用 skill 的 功能去帮你完成论文框架的一个搭建，或者是去帮你做一个论文的选择题， 也可以非常大程度上去节省你这种机械重复劳动的时间。比如说 colloud， 它是可以自动地去掉取这个 pdf 的 格式，然后呢去帮你阅读文献的，你就可以不用自己从头到尾 一个一个的去读了，省了非常多的时间。 ok， 那 以上呢就是一些简单的 skills 案例的一个分享了，那如果你有一些比较有趣的 skills 案例呢？也欢迎大家分享在评论区啊，如果你对一些进阶的案例比较好奇的话呢，也会大家留言，我们会给大家出一个更加详细的教程 好了，那如果你觉得今天这期视频对你有帮助的话呢？欢迎大家进行点赞、评论、收藏，我们下期再见！

知道我们大家有没有遇到这样的情况，我们平常想要删除某文件或文件夹的时候，系统会提示我们没有权限，就像这样我们右击选择删除，你看它会提示我们 你需要提供管理员权限才能删除此文件啊，然后文件访问被拒绝，这个时候我们文件甚至打不开，内容也看不到，删也删不掉，让我们陷入了啊极度的 这个郁闷当中，那我们如何去删除他？这个时候我们点继续，他依然是删不了的啊，重试也删不了，所有的都没有用，那这个时候我们就要完全控制他的权限，就是我们现在电脑 我没有完全得到了授权，那我们把针对这个文件夹，我们右击选择属性， 然后选择安全。好，这地方有有组合账户，我们看一下我们当前电脑用的是什么账户，我们点击开始点开设置，点开这个账户， 好，我们当前这个账户名叫 k y， 好， 我们再把它退掉，这时候我们选中 k y， 点击编辑 啊，大家看一下， ky 当中拒绝了我们这个权限，所以我们全部是不能对这个文件进行删除操作，我们点击编辑，然后把选中这个 ky， 大家看一下 啊，我们要把这个几个勾全部把它取消掉，这个时候我们前面的允许才会被激活，我们点击应用，点击确定，点击确定好，这个时候这个文件我们想怎么删他就怎么删。 好，如果大家的电脑遇到这样的情况，我们按这样的操作即可解决。

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。

你花两小时写了个 skill， cloud 从来不调用，好不容易调用了，执行起来又僵化，结果不达预期。本期我们继续精读 cloud code 核心开发者 toric 的 lessons from building cloud code how we use skills。 它总结了构建 skill 的 九个最佳实践来看如何让 agent 成功调用 skill， 以及如何达到更好的执行效果。这九条实践本质上是在解决三个递进的问题。 第一层问题， cloud 能不能找到你的 skill？ 找到之后能不能理解它该做什么？这是内容层，解决的是被看见和被理解。 第二层问题， skill 能不能在不同场景下附用？会不会因为写得太死而失去灵活性？这是结构层，解决的是可附用和不僵化。 第三层问题， skill 能不能记住上次做了什么？能不能直接给 cloud 可调用的代码，能不能在需要的时候开启护栏？这是高级技术层，解决的，是有状态和可组合。先看内容层，解决被看见和被理解。 第一条， description 字段是给模型看的。很多人把 description 写成功能说明，这是一个监控 pr 的 工具，但 cloud 启动绘画时会扫描所有 skill 的 description， 决定这个请求有没有对应 skill。 它需要的不是功能说明，而是触发条件。 那些在用户说 babysit watch c i make sure this lens 时，触发 description， 决定的是什么时候该用它。这是 skill 能不能被调用的第一道门槛。第二条，不要陈述显而易见的事情。 colin 已经知道大量通用知识，你写 skill 的 时候最大的浪费就是重复他已经知道的东西。 antropic 内部有个 friend and design skill， 一 开始工程师发现 cloud 生成的前端界面总是用 enter 字体和紫色渐变，看起来很 ai 味，但客户反馈说不喜欢这种风格， 于是他们写了个 skill。 这个 skill 不 教 cloud 怎么写 react， cloud 本来就会，他只告诉 cloud 一 件事，别再用 enter 和紫色渐变了。客户不喜欢 skill 的 价值在于补充 cloud 默认不知道的上下文偏好和坑通用知识他都会，你要告诉他的是你们团队的特殊情况。 第三条，构建 gorgeous 部分 andropic 发现，任何 skill 里信号最强的内容往往不是教程，而是 gorgeous。 因为教程 cloud 本来就知道很多，但坑只有你们团队真的踩过。 不要在循环里调用 api， 会慢一百倍。记得清理临时资源，我们生产环境，因为这个词盘满过。真正值钱的是告诉他哪里别踩。理想情况下，你应该随着时间不断更新 skill， 把新踩的坑也加进去。内容层三条讲完了，光有好内容还不够，还要有好结构。 第四条，使用文件系统和渐近式批录。很多人把 skill 写成一个巨大的 markdown 文件，所有内容都塞在里面，但 skill 是 文件夹，不是文件。 你可以放脚本模板，数据文件，主文件里只写核心逻辑，然后告诉 cloud 详细文档在 r e f e r e n c e s 点 m d， 需要的时候自己去读。 比如如果最终输出是 markdown 文件，可以在 assets 里放模板，让 cloud 直接复制使用，按需加载才能最大化利用上下文窗口。 第五条，仔细考虑设置流程。有些 skill 需要用户配置，比如站会要发布到哪个 slack 频道，这个信息每个团队都不一样。用 config 点 json 存储配置，首次运行时询问，后续直接使用。这让 skill 从无状态工具变成有状态助手。 用户只需要配置一次，之后每次调用都能直接用。第六条，避免过度约束 cloud。 skills 可以 被反复重用，所以写指令时要谨慎，不要过于具体。很多人会写，先运行 test， 再运行 lint， 最后运行 build， 但这样写太死了， cloud 没有灵活性。更好的写法是在部署前确保代码通过测试规范构建，并根据情况调整顺序 约束目标，而不是约束路径。给 cloud 它需要的信息，但也要给它适应不同情况的灵活性别把 skill 写成死板的脚本，前六条是基础，后三条是高级技术层，解决的是 skill 运行时的能力建设。 第七条，内存与数据存储 skill 每次运行都是全新的，不记得上次做了什么。 entropy 解决方案，让 skill 写日记，每次运行后追加一条记录，下次运行时读取日记，只报告新的变化。 skill 不 再是无状态的脚本，而是有记忆的助手。 第八条，存储脚本并生成代码。别让 cloud 每次都从头写样板代码，把稳定能力封成脚本和辅助函数，让它负责组合，而不是重造轮子。给 cloud 最好的工具不是更多文档，而是可调用的代码。 第九条，按需 hooks 有 些规则太严格，你不想一直开启，但特定场景下又需要 anthropoid。 有 个 careful skill 会阻止危险命令，比如 r m r f drop table。 当你调用 careful 时，它会注册一个 hook， 只在当前绘画有效，绘画结束后自动失效。九条最佳实践讲完了， 回到开头的问题，为什么你的 skill 不 被调用？为什么调用后效果差？不被调用大概率是因为你把 description 写成了招标，而不是触发时机。效果差大概率是因为你写了一堆 cloud 的 已经知道的东西，或者步骤写得太死。这背后是同一个问题，把 skill 当成 prompt 来写。 siri 的 核心观点是，好的 skill 不是 告诉 cloud 每一步做什么，而是给他组合的能力，让他在执行时自己决定怎么做。本期内容就到这里，这里是慢学 ai， 我 们下期再见。

你让 ai 帮你写代码，他写了，但跑偏了。不是模型不行，是你根本没告诉他规矩。 jango 创始人 simon wilson 说得很直白， coding agent 不是 魔法，就是 a i l m。 外面套了一层叫 harness 的 壳，今天我把这个壳拆给你看，拆完你就知道该在哪里使劲了。 很多人以为 ai 编程效果差，是模型不够聪明，其实不是。你想想看，同一个 cloud， 有 人一天交付一整个功能模块，有人连改个按钮颜色都出 bug， 差距在哪？在 harness， 就是 模型外面那层包装。 simon wilson 的 定义非常精确， coding agent 等于 lolm 加 harness， lolm 是 大脑， harness 是 手脚和规矩。没有 harness， 它就是一个只会说话的大脑。你让它改文件，它不知道文件在哪，让它跑，测试，它不知道命令怎么敲。 那 cloud code 的 harness 长什么样？三根柱子，第一根，系统提示你在项目根目录放一个 cloud 点 md 文件启动的时候自动读进去， 这就是你给 ai 定的规矩，技术栈、代码风格，哪些文件不能碰，全写在里面。第二根，工具定义，读文件，写文件，执行命令，搜索代码。 harness 给了 l i m 一 套标准化的手脚。第三根，上下文管理，聊天记录太长怎么办？自动压缩早期对话，保留关键信息，确保窗口不爆。这三根柱子加在一起， l i m。 才从聊天机器人变成了能干活的 agent。 我们再深挖一层，工具调用是怎么跑的？你跟 cloud code 说帮我修个 bug， 它不会直接给你一段代码， 它会先用搜索工具在你项目里找到相关文件，然后用读文件工具看具体内容，想好怎么改之后，用写文件工具精确修改。不是整个文件重写， 是只改你要改的那几行，改完它还会自己跑命令，确认能不能通过翻译和测试。整个过程就是一个循环思考，调用工具观察结果再思考。这个循环就是 agnetic loop， 也是 harness 最核心的机制。 那 cloud code 和 codex 有 什么不同？很多人以为它们都是写代码的 ai， 其实设计思路完全不一样。 cloud code 侧重单仓库深度，它会深入你的项目，读懂上下文，一步一步帮你解决问题。你可以把它想象成一个坐在你旁边的结队程序员。 codex 侧重的是并行隔离， 它会给每个任务开一个独立的沙河环境，多个任务同时跑，互不干扰。你可以把它想象成一个任务分发中心，你扔十个医兽进去，他同时派十个人去做，选谁看你的场景。单仓库深度改动，架构重构复杂， debug 选 cloud code， 批量小任务多仓库并行选 codex， 最聪明的做法是两个一起用。 说了这么多架构，你可能想问，我作为用户到底能控制什么？三个抓手，第一个， cloud md 文件，你在里面写技术栈编码规范测试要求禁止操作。 ai 启动的时候会先读这个文件，就向新员工入职，先读员工手册。第二个， houx， 配置 ai， 每次写完代码之后，自动触发脚本自动跑， link 自动跑测试。第三个，权限控制，能读哪些文件，能执行哪些命令，不能碰哪些目录，你都可以精确设定。这三个抓手加在一起，你就从被动的使用者变成了 harness 的 设计者。 最后给你一个我每天都在用的实战技巧，让 cloud code 写代码，让 code 去审查。你在 cloud code 里写完一个功能，提交到分支， 然后在 codex 里说帮我审查这个分支，找出潜在问题。 codex 会在独立沙盒里拉下代码，逐文件审查，给你一份详细的问题清单。为什么双 ai 比你自己代码审查更好？ cloud code 偏局部视角， codex 在 干净环境里大局审视。这件事我每天都在做，效果非常明显，两个 ai 互相盯着，你反而漏更少。 总结一下， coding agent 不是 魔法，是 l l m 加 harness， 你 能控制的就是 clode、 md， hooks 和权限这三个抓手，把它们写好， ai 就 不会跑偏。 如果你也在用 clode code 或者 codex 评论区聊聊你的如何配置的，关注我，每天分享前沿 ai 工具的真实体验。

现在但凡你看见了一个知识，其实你就已经掌握了这个知识。我举个例子，其实我在小红书上看到一篇教大家怎么样一键快速启动 cloud code 的 呃，这个教程我觉得非常有用，我要用，但是 呃要获取这个完整的教程，还需要加这个博主的群，然后他的群一时间又没有通过，于是 我直接把他的视频内容给到 cloud code， 我 让他来去呃，帮我去按照这个设置一下，完了之后 c c 根据他的视频内容给了我一个完整的教程，说要怎么样去一步一步设置等等之类的。 我试了一会儿，我觉得好麻烦哦，我就直接跟他说，我说太麻烦了，我不会，你能不能直接帮我设置， 然后他操作操作操作他就自己搞定了，这样我意识到很多时候 ai 其实是可以自己操作的，但是他可他的第一反应以及他大量的训练的语料可能是，哎，我先给这个用户一个教程，所以 完了之后我又跟他说，以后你遇到可以直接操作的都直接帮我操作，而不是写教程，把这个存在他的呃 cloud code 的 md 文档里 以后，它就能够直接这样进行。我觉得这个例子给我们呃的很多启发啊。第一个，现在你但凡能够看见一个教程，你其实就掌握了这个教程，你只需要把你甚至都不需要自己去学习，你只需要把这个教程给到呃 ai 给到 cloud code， 它就能够自己去执行了。 第二，你让 ai 自己去执行，而不是让它给你一个教程，你还要去一步一步的搞。第三个，把这个写在它的最高的这个 cloud code 的 m d 文档里，让它以后一直都按照这个标准去执行。你想想这一层层的走下来，会让你的整个的效率能力都拓展非常非常多。

每次你向 cloud 解释你们团队的编码规范时，其实你都在重复自己。 每次做 pr 审时，你都要重新描述你希望反馈的结构方式。每次提交 commit 信息时，你都要提醒 cloud 你 偏好的格式， 而技能可以解决这个问题。技能是一份 markdown 文件，只需教 cloud 一 次如何做某件事，之后 cloud 会在相关场景下自动应用这些知识。代理技能是一组包含指令，脚本和资源的文件夹， 代理可以发现并使用这些内容，从而更准确高效地完成任务。在 cloud code 中，我们有技能的 md 文件描述部分决定了 cloud 是 否会使用这个技能。当你让 cloud 审查这个 pr 时，它会将你的请求与可用的技能描述进行匹配，并找到这个技能。 cloud 会读取你的请求，将其与所有可用的技能描述进行比较，并激活那些匹配的技能。你可以根据需要技能的人将技能存储在不同的位置。 个人技能存放在瞩目下。 cloud skills， 并且会在你所有项目中跟随你。这些包括你的偏好，你的提交信息风格，你的文档格式以及你喜欢的代码讲解方式。 项目技能则存放在仓库跟目录下的 cloud scales 文件夹中。任何克隆该仓库的人都会自动获得这些技能。这里存放的是团队标准，比如你们公司的品牌指南， 首选字体，以及用于网页设计的颜色。 cloud code 有 多种方式可以自定义行为。技能的独特之处在于它们是自动的，并且针对特定任务。 cloud md 文件会在每一次对话中加载。如果你希望 cloud 始终使用 type script 的 严格模式，那就把这个要求写进你的 cloud 文件。而技能则是在与你的请求匹配时按需加载。它只会加载名称和描述，因此不会占满你的整个上下文窗口。当你在调试时，拉取请求的审核清单并不需要出现在上下文中，只有当你真正请求审核时，它才会被加载。 斜杠命令需要你手动输入，技能则不需要。当 cloud 识别到相应情境时会自动应用这些技能。 技能最适合用于适用于特定任务的专业知识，比如你团队遵循的代码审查标准、你偏好的提交信息格式、你所在组织的品牌指南等。 如果你发现自己总是反复向 cloud 解释同一件事，那么这其实就是一个等待被编辑的技能。