如何用deerflow帮我写代码

如果你还只用 chat gpt 聊天，那你真的亏大了。今天这个工具，让 ai 从嘴炮选手直接进化成数字员功能，替你写代码、做 ppt、 跑数据。关键是它是字节跳动的开源项目，完全免费。 今天我用三分钟给你讲清楚，为什么它能让 github 霸榜。兄弟们，先搞懂一个词，哈尼斯，别被这个英文词吓到。翻译成人话就是装备系统， 就像玩 rpg 游戏，你得有装备栏，能挂武器，挂护甲，挂各种道具一样。 dear flow 就是 这个装备系统，他给 ai 挂上了 任务指挥官，让他知道先做什么，后做什么。小分队管理系统，一个任务分给多个 ai 去做净度备忘录，记住做到哪了别白做。简单说，以前 ai 是 光杆司令，现在有了 dear flow， 他 带了一支军队。 说到这，有个很扎心的事实，百分之九十的人用 ai 都在浪费时间，为什么？因为他们把 ai 当聊天机器人，而不是工具。举个例子，你让 ai 调研十家公司，做个报告，结果是不是这样？ 他说好的，然后就开始编，数据是假的，来源是编的，最后你还得自己重做。这就是传统 ai 的 通病，没有执行力。 重点来了， dear flow 会玩分身术。想象一下这个画面，你坐在办公室里，十个 ai 小 弟同时给你干活，有的查资料，有的写代码，有的做 ppt， 这得多爽？比如，你让他调研十个 ai 公司，做的分析报告，他会这么干？ 第一步，主 ai 分 析任务，拆成十个子任务。第二步，一下子拉起十个 ai 小 弟，每人负责一家公司。第三步，十个小弟同时开工，三倍至五倍效率。第四步，汇总结果，生成完整报告。记住这个数字，效率提升三倍到五倍。 最关键的是，每个小弟都是独立的，互不干扰，不会像你公司的同事那样甩锅，这叫什么？这就是团队的力量！ 第二个神器，虚拟电脑执行环境，兄弟们，这个点太重要了！以前很多 ai 工具只是嘴炮选手，它能告诉你代码怎么写，但你得自己复制粘贴，自己调试。 dear flow 不 一样，它给 ai 配了一台真电脑， 每个任务都关在一个独立的小房间里。这台虚拟电脑是完全独立的，它能在里面干三件事， 写代码，并运行 python、 shell， 随便跑读，写文件能上传，能保存，装软件想装什么装什么。就像给 ai 配了一台专属电脑，它不光会指挥，还会自己动手干活。最关键的是安全，每个任务都在独立房间，互不干扰，不会把你电脑搞崩。 第三个神器，技能，系统加长期记忆。兄弟们，这个才是真正的越用越懂你！技能系统就像 ai 的 工具箱，里面有很多现成的技能包， 研究技能会查资料，写报告技能会整文档，写代码技能会编程，而且这些技能是按需加载的，用哪个拿哪个，不浪费长期记忆更牛！他记得你的偏好、习惯、常用的流程，你用的越多，他越懂你。下次做类似任务，直接按你的套路来。 兄弟们，说了这么多，这玩意到底能干嘛？四大场景直接起飞！第一个，深度研究自动化。比如你要做个竞品分析，以前得搜半天资料，还得整理，查各种网站，还得去虫，写报告还得排版。现在呢？ 说一句，帮我分析十个 ai 公司。 dear flow， 自动搜资料，查数据，作对比，整表格，生成待引用的完整报告。重点来了，三天的工作量，两小时搞定， 这不是夸张，这是实测数据，你现在就可以去 tapp 验证。第二个，内容创作自动化， 想做个 ppt， 输入主题自动生成。想搭个网站说人话，他就写代码，想做视频脚本，他给你整全套，从创意到成品，一键搞定。第三个，数据分析自动化， 丢个 excel 给他，他能洗数据，算指标，画图表，找趋势，写分析给建议，连商业洞察都帮你想好了。第四个，工作流自动化， 每天要重复干的活，给他设个流程，他自动跑，定时执行，无人执守你睡你的，他干他的。兄弟们，这不是工具，这是给你雇了个二十四小时不打烊的全能助理。 兄弟们总结一下今天的内容， dear flow， 三个神器，一、动态子代理系统， 一拖多效率起飞。二、虚拟电脑执行环境真干活，安全可靠。三、技能系统加长期记忆，越用越懂你！四大应用场景深度研究，三天电，两小时 内容创作， ppt 网站一键生成，数据分析自动整报告，工作流自动化，无人值守。一句话总结，给 ai 配台电脑，带支军队，让他真把事情做完。

你们有没有刷到过最近很火的那个字节？ dr flow， 说是 ai 操作系统，能自动拆任务多，智能体干活，还能本地运行， 我一听就心动了。我平时做抖音要收集素材写口播，想着把稿子交给他，让他自动帮我找素材整理内容，应该会方便很多。所以我就抱着期待去下载安装了试一试。 先给大家说下实际体验，也算是给普通人避个坑。 d r flow 必须依赖多孔容器环境运行，对系统配置要求高， windows 安装尤其繁琐，没有一键安装包，纯手动部署。 我用自结自家的拆工具辅助安装，它确实能自动拆解步骤，但软件本身依赖极多，分前端后端还要手动配置， api 和打磨型参数都是用文本文件修改格式，稍微错一点就直接报错。 好不容易装好运行，我让他分析账号内容，结果长时间无响应，返回信息为空。排查后发现工具联网模块存在异常，需要拉取外部镜像，但在常规环境下无法正常加载，导致联网功能失效。 而且他对大模型要求也不低，普通开源模型效果有限，想要完整运行需要对接拆的 gpt 这类更强的模型才行。 后来我又尝试在云服务器上部署命令行，安装过程缓慢，依赖包众多，配置复杂，虽然最终显示部署完成，但前端页面空白，后端缺少依赖，依然无法正常使用。 反正折腾下来，一圈下来，我也没法评判他的最终强不强，毕竟核心功能我也没跑，真正跑起来，但能明显感觉到 vr fold 更偏向开发者，二次开发，并不适合普通小白直接上手使用。 今天把这段真实实测分享给大家，想装这类工具的朋友可以先观望，别盲目折腾。嗯，喜欢真实爱工具实测的可以关注我，后续继续测工具，讲实话，让大家少走弯路。

字节跳动开源了 dear flow， 四万 star 登顶 tiktok trending 第一一句话，让 ai 帮你做调研，写代码，建网站，全自动，一个问题发出去，多个 agent 并行搜索，分析图片，网页自动生成，这就是效果。 做 ppt， 分 析数据，搭网站，你想做什么他就做什么。跟普通 ai 不 一样，他有自己的电脑， doctor 沙乡里跑代码，完全隔离， 飞书， telegram， 发消息就能用，还有长期记忆，越用越懂你。 mit 开源，完全免费，关注星探 ai， 每天分享好项目，链接在评论区。

别再无脑吹迪尔弗洛了，我这几天深度折腾研究结论只有一个，这根本不是一个普通人开枪即用的 ai 员工，而是一个给大佬准备的解剖工具。 最近全网都在刷字节开源的超级 ai 员工框架， david 说他能让你一人开公司，我亲自在本地部署之后，发现真的想给新手泼盆冷水。他跟你想象的可能完全不一样， 他不是一个开箱即用的傻瓜相机，而是一套你需要懂浪菜和 on graph 的 单仿配件。 如果你没有开发基础，只想轻松自动化，那他的学习曲线可能瞬间能让你下头。为什么这么说？接下来我就用实际经验来告诉你，截止目前，他现在有四万多个 star 了。 我部署在我本机的这个 dork 里面了。看一下，这就是部署好的界面，这边你可以对话啥的，但是它挺麻烦的，你这里需要去用你的这些模型，你需要自己去配置，我是直接让我的 codex 也帮我去进行配置的， 它里面配置的需要很多东西，包括我给他一些技能，让他自己去配置技能，因为我看到他们文档上可以连接飞书，但飞书其实连接也很麻烦，你需要去给它自动的去弄一下它飞书里面的 应用机器人，去使用它里面那些配件插件。还有最主要是这个东西，康飞哥这个里面需要你配置很多的东西，你如果不懂， 你根本配置不出来，且你电脑里面那些环境什么的都需要去自己去使操作去使用，那很麻烦。 最主要的一点是什么？比如说想用它来自动的去开发一个东西，因为我想它应该会与 openclock 差不多，但是我需要给它一个具体的项目位置才可以，还是挺麻烦的。它这里设置上面这三个工具，它看的有用，但实际上你弄上去之后， 你的飞书的对话的时间就会非常长。定义的这个技能很麻烦，我还是让 codex 帮我一键去习。用的是如果你是想要学习 longchang and long graph， 怎么去搭建这样的一个多智能体，智能体协助的一个项目，还是非常有必要去学习一下。 但是如果你只是想要上手就用的话，我认为这个就没必要去折腾了。别再被超级员工这种标题给唬住了，这俘虏更像一把锋利的手术刀， 在专家手里能创造奇迹，对于新手来说可能连包装都打不开。我的结论可能有点反常识，但是这正是我深度使用之后最真实的一种感受。那 大家对于 dear flow 类似这样的一个框架都有些什么玩法，什么见解呢？欢迎在评论区相互讨论学习。

四姐开源了一个叫 dflow 的 项目，不到一个月，四万颗星。她根本不是什么 ai 工具。 dflow 会做给 ai 一 台电脑，让她自己干完整项目。从研究课题到深层 ppt， 从代码编辑到部署网站，全程无人直走。她调度三个子 a 阵并行工作， 每个都在独立的大客容器里运行，有文件系统，有终端，有执行权限。大多数框架能力，内置扩展困难。 dr flow 能力全部外挂。框架只是舞台新增能力，只需添加技能，按需加载，不报上下文。 ai 能执行代码不就危险了？ deflow 用纱箱隔离所有操作在独立容器里，后台还支持无缝衔接，接入各种大模型，并且开源随便用。抠拍乐磁带正在被升级。当 ai 开始自己干完整项目时，你的角色从指令发出者变成了团队管理者。 deflow 不是 工具，是 ai 的 操作系统。

你有没有想过，让 ai 帮你完成从调研、写报告到做 ppt 的 全套工作？今天介绍一个字节跳动刚开园的项目 dear flow， 它在 github 上已经拿下四万三千颗星，是目前最火的 ai agent 框架之一。 dear flow 的 全称是 deep exploration and efficient research flow， 翻译过来就是深度探索与高效研究流。 它不是一个需要自己拼装的框架，而是一个开箱即用的 ai agent， 运行时，你可以把它理解为一个 ai 员工的操作系统，能自动规划任务，调用工具、执行代码，最终交付完整的工作成果。 dear flow 的 核心架构由四大模块组成，第一是 skills 技能系统，内置了研究调研报告生成、 ppt 制作、网页生成、图片视频生成等能力，还支持自定义扩展。 第二是 sub agency 子智能体，主智能体可以动态拉起多个子智能体并行工作，每个子智能体有独立的上下文和工具级。 第三是 sandbox 沙箱环境，每个任务运行在隔离的 docker 容器中，支持读写文件、执行代码，安全可控。第四是长期记忆，能跨绘画，积累你的偏好和工作习惯。 部署也非常简单，你可以用 docker 一 键启动，也可以本地安装。它基于 python 和 lan graph 构建，前端用 node js， 还支持接入 telegram、 slack 和飞书等即时通讯工具。 也就是说，你可以直接在飞书里给 ai 发消息，让它帮你完成工作。值得一提的是， dear flow 对 大模型没有强绑定， 只要模型支持掌上下文、工具调用和推理能力，都可以接入官方推荐的模型，包括豆包 seed、 deep seek 和 kimi， 这意味着你完全可以用国产模型来驱动整个系统。 总结一下， dear flow 是 一个真正意义上的 ai 工作助手框架，它不需要你懂编程，开箱即用，还能根据你的需求自由扩展。 如果你对 ai agent 感兴趣，强烈建议去 github 搜索 dear flow 试一试，觉得有用的话，别忘了一键三连。

ai 圈彻底炸锅了！自结开源超级 ai 员工框架 dear flow two， 刚发布就冲上 get up 榜首，狂揽三点五万星标。它不是简单升级，而是从零重写的多智能体调度中书，能自动拆解复杂任务，派出子 agent 分 头并行执行，最后统一汇总交付。写研报，建网站，做 ppt， 生成视频复刻爆款内容，生成歌曲代码，执行深度调研，全能搞定每个任务跑在独立刀克沙乡安全隔离，可审计、跨绘画，长期记忆，越用越懂你！上下文按需加载，超省偷啃，支持 g、 p、 t 豆包等各大模型，还能接私有知识库，完全开源免费，一句话只会一整支团队，学习科研办公全流程一把缩！

字节跳动开源了一个超级 ai 员工框架。第二，浮漏二点零发布极登 gitlab。 第一，它是 agent 调度中书，能拆解复杂任务，自动派出子 agent 分 头执行，最后汇总交付， 写研报件，网站做 ppt， 生成视频都是内置技能。每个任务跑在独立刀客沙箱里，有自己的文件系统，能读写文件，执行代码隔离，且可审计跨绘画记忆，用得越多越懂你。支持接入 gpt， 豆包等任意模型，完全开源。

还在把大模型当聊天工具吗？跑个长任务上线文就爆炸，中途就爆出。今天介绍的是字节跳动。第二， floor， 字节跳动刚刚丢出，王炸开源了超级智能体框架路流上线，直接干穿黑的卡普趋势榜第一，以前的 ai 做深度调研，几万只未进去，直接老容量档机。第二， floor 怎么破局？ 他直接在你的电脑里开了一家高校的虚拟公司，你输入一个指令，他的主管自动拆解任务先交给研究员全网收集，爬取最新的数据， 再交给程序员在绝对安全的隔离沙盒里跑代码分析，最后由报告员提炼总结。最牛的是他硬盘级记忆管理，他会把中间过程随时写进本地文件，连续自动工作几个小时都不带忘词。 一套流程跑完，它能直接生成精美的数据图表，自动排版成 ppt 翻登片。甚至 它能调用语音 a p i， 把你的这份硬核深度研报做成双人对话的播客音频，让你在通勤的路上直接听。最关键的是， 这套框架流程完全开源，接上现在的 deepsea 或者千万或者其他大模型，你在本地就能免费白嫖一个顶级的 ai 研究团队。链接，在评论区关注我，掌握前沿 ai 科技！

这是一套让多个 ai 分 工协助自动做调研、写代码做内容的开源工具。字节跳动把它开源后， github 已有三点五万 star 还冲上过川定第一项目介绍里也写得很直白， sub agents、 memory， sandbox 和 skills 会被串成一条工作流， 所以它不是聊天外壳，而是能把任务真正跑完的 agent harness。 再往下看， dear flow 更像长链路任务的 agent 底座，复杂任务能先拆再并行拉起 sub agents， 最后合成结果 quickstart 直接给了 docker 启动方式，几步就能跑起来。后面还接了 m c p server 和 i m channels。 想找可扩展的开源 agent 的 底座，这个项目值得先存。

千万别一上来就瞎指挥 ai 去写代码。大多数没有编程经验的新手都喜欢犯这么一个致命的错误，一上来就指挥 ai 帮我去做一个某某项目，帮我去开发一个什么什么功能。 如果你真这么做了， ai 大 概率是写不出高质量代码，哪怕是最后勉勉强强把这个项目做完了， 或者是把这个功能开发完了，那么大概率里面的业务逻辑也会是漏洞百出，最后会导致你不停的去修复 bug， 不 停的去返工，最后会导致你自己都没办法做下去了。那么我们应该怎么办？首先我们得自己先想清楚再动手， 不仅要自己先想清楚，还得让 ai 先想清楚。所以我们打开外部空间的时候，我们要做的第一件事就是要把计划模式，也就是 pre mode 打开， 然后我们要把我们的产品理念、产品需求、产品功能等等要跟 ai 沟通清楚，我们要跟 ai 不 停地去沟通、反馈、调整、修复，最后 让 ai 输出一份让你满意的需求文档之后，才让这个 ai 开始去写代码。 这个就好比我们在公司里面上班，我们的一个项目的老程序员离职了， 我们招来了一名新的程序员，那么新的程序员上岗之后，我们不能立即就让这个新的程序员立马去写代码，我们得留出时间来让这个新的程序员 先把这个项目的产品理念、技术架构、产品架构以及已经开发好的这些需求和功能，经过一段时间的熟悉和了解之后，我们才能够让这个新的程序员去逐步的写代码， 否则一上来就让这个新的程序员去改这个项目的代码，那么肯定是会越改越糟糕，甚至是把整个项目都改的面目全非。 所以大家一定要记住，别一上来就瞎指挥 ai 立即去写代码，我们得先想清楚再动手。 因为啊，我们每次打开外部扩点，跟 ai 建立一个新的绘画，新的上下文的时候，就等于我们是招了一名新的程序员，那新的程序员接手一个新的项目， 我们肯定是得让新的程序员先对整个项目有一个比较好的认知，之后才能够让他去写代码。 好，说到这里，我们从今天开始会时不时去分享一期 ai 编程的技巧，如果大家感兴趣，可以顺手关注一下。

同样用 ctrl， 同样用 close， 为什么有人做出了百万用户的产品？秘密就在于脑子里有一张看不见的蓝图。外部扣定四大能力第二讲，上期聊了审美，今天来聊让你真正进阶的核心能力，系统思维。写个小脚本，做个静态页， ai 完全没问题，但是要做一个真正稳定可扩展的产品，你需要的不只是工具，而是一套驾驭工具的思维框架。 今天教你四招超级实用的方法，帮你从写脚本快速进阶到做产品，学完立刻就能用。用 ai 做产品，大家最常遇到的三个挑战是什么？挑战一，代码越写越多，但缺少清晰的模块划分，维护起来越来越吃力。挑战二， 功能全堆在一个文件夹里， ai 的 上下文装不下，效率直线下降。挑战三，遇问题时不知道从哪下手，只能反复让 ai 尝试，效率不高。这些都是正常的成长过程，每个人都会经历。好消息是，只要掌握一个核心思路，你来当总设计师， ai 来当施工队，效率马上翻倍。 第一招，超级实用，学会刨钉解牛式拆分高手的做法是什么？把大任务拆成小模块，这边一个用户登录，那边一个订单拟情，给 ai 下一个定时，明确限定范围。这次我们专注做核心渲染引擎这一模块，做完验证好再做下一个，每个小模块独立验证，完美了 再组装到一起，这就是高效拆分的核心方法。分享一个快速提升的练习法，去 github 上找十个自达过万的同类项目，不看代码，只看目录结构，看他们怎么把功能拆成一个个文件夹，对比十个优秀项目的结构，你就会很快建立标准模块，感觉这个方法亲测有效。懒人通道， 甩一句给 ai， 假设你是资深架构师，给我输出一个同类产品的标准目录结构，模块清晰，职责单一，命名规范， 秒出一棵目录树当脚手架，效率提升十倍。落地神器，在项目跟目录建一个规则文件，格式叫格式 rules， cloud 叫 cloud 点 md， 写好价格规范和命名要求，相当于给 ai 装了一道永久生效的导航系统，每次开工自动取，不用重复交代。 第二招，你的系统必须盖成三层楼，就算一个人做产品，也建议守好这三层结构。第一层，好看的皮肤按钮页面动画， 用户看到的界面。第二层，聪明的大脑管家，交易密码计算金额处理业务逻辑。第三层，安全的地下金库、数据库，用户信息核心数据存储。有了这三层楼，你给 ai 的 指令就非常精准了。这次只在皮肤层调整样式和动画，逻辑层和数据层完全不动，分层清晰了，改动范围可控， 系统稳定性直接提升好几个档次。练习法，打开一个你天天用的 app， 美团融资、飞书都行。截张图试着分析这块是界面层，这个按钮背后掉了什么接口，数据存在哪里？把一个成品 app 拆成三层楼，拆五个之后， 你看产品的视角就完全不一样了，这就是系统直觉的建立过程。懒人通道，截个 app 页面，给 ai， 帮我拆成三层，界面层、逻辑层、数据层，分别是什么？列表输出，他帮你拆完，你对照验证，进步特别快。 第三招，特别强大的好习惯，动手前，先让 ai 输出设计蓝图和执行计划，先想清楚再动手，效率翻倍。两句命令，记住第一句，我要做这个功能，但先不要写代码。先把所有模块之间数据怎么流转的路线图画出来，用模拟的语法输出 完了之后，扔进模拟的 live 网站渲染，检查一下数据流转有没有遗漏，结构是不是合理。第二句，先告诉我，你打算分几步做，每步改哪些文件，影响哪些模块？那他先教执行计划，你确认合理了再开工。这叫 play execute。 两步法是格奥的官方推荐的最佳实践，花十分钟看蓝图审计划，能帮你省下大量返工时间，亲测超级有用！ 第四道，动手之前，先把对接规范定清楚。模块拆好了，层级分清了，怎么让这些模块精准配合？很简单，开工之前，先把对接规范写清楚，明确告诉 ai， 先把模块之间的对接规范写好，谁发什么数据，格式是什么，返回什么结果。比如一个用户对象有哪些字段，姓名 是文字，年龄是数字，这些数据格式现在全部白纸黑字确定下来，规范定好了，后面不管怎么借贷优化，模块之间的配合永远不会出问题，稳如磐石。业界管，这叫规格驱动开发，把编码规范、价值构要求、测试标准全部写成项目规格书，人定规则 a， 按规则高效出货。 遇到报错怎么高效排查？分享，我用了十几年的三步法，很多朋友遇到报错，第一反应是把所有报错一股脑丢给 ai。 其实有更高效的方法。第一步，定位问题出在界面层、逻辑层还是数据层？先锁定范围。第二步， 追踪数据，从用户操作开始，数据经过每一个环节，一路追过去，看看到底在哪个环节出了偏差。第三步，精准修复，只在出问题的这个文件里修复，其他文件全部保持不动，这样排查又快又准，而且不会引入新的问题。效率小技巧， ai 写完代码后，追问一句，检查你刚写的代码 有没有边界情况或潜在问题，列出来，让他先自己做一轮自检，能提前发现不少潜在问题。你再复合一遍，双重保障。 来回顾一下今天这四个方法，每一个马上就能用起来。第一招，拆模块第二招，分层级第三招，先画蓝图再开工。第四招，提前定好对接规范，分享一个特别有效的实战训练。开一个新项目，先不用今天的方法，让 ai 自由发挥，做一个小应用，然后再开一个新项目。这次用今天学的四招来指挥 ai， 两次对比下， 你会非常直观的感受到有架构和没架构的巨大区别。懒人通道十分钟速通版，让 ai 做个带登陆的记事本，不给约束。写完后追加三个需求标签，分类搜索，多人协助，你就能 直观的看到没有架构思维，效果差别有多大。在这个时代，最值钱的不是写代码的能力，而是脑子里那份系统设计的大局蓝图，有了这种架构思维，你和 ai 配合的效率会提升好几倍。锁定这个号，下期分享能力三，产品感做的快不代表做的对，怎么用最小成本验证你的想法。我是九木，下期见。

web 浏览器来了，初级编码软件受到很大冲击，现在是否可以软硬结合，业余学学编码，不用拼死写代码？您这个想法非常非常危险哈，为什么呢？因为很多不懂行的人整天说，哎呀， web 编码用 cursor 是 吧？能够写出来百分之九十 左右的辅助代码，剩余的调参调 bug 和产品设计，最后测试实现百分之十的工作，用人来实现就可以了。所以我就不用学编码，我就不用学数据结构，我就不用学徒论，我就不用学系统设计，我连什么叫数据库，我连什么叫做体计算机体系架构，我连计算机内存 到底放在 stack heap 上还是 register 上都不知道。我就敢说，号称自己懂编程的这种思维方式，认知是非常低的，非常危险的。原因是什么？如果有一天，我给你举个反例吧，如果有一天，大模型的服务器突然荡了，会出现了什么问题呢？你有没有能力 不用大模型也能够写出那百分九十的代码？这是衡量一个软件工程师，数据科学家能不能称职，能不能被 google 微软录取的 唯一的标准。正是因为你有能力，非常聪明，理论知识非常扎实，能完成决策，那百分之十你才有能力和资格使用那百分之九十。大家明白这个道理了吗？

四万七千三百颗星， github 全球热榜第一。这不是某个硅谷独角兽的闭源产品，而是字节跳动刚刚开源的一个 ai 项目， 它叫 dear flow 二点零，从深度研究框架进化成了超级智能体平台，发布不到一个月，已经改变了开发者对 ai 写作的全部认知。接下来的三分钟，我会用最直白的方式告诉你这个项目为什么重要，以及它将如何改变你的工作方式。 先说个扎心的事实，你让 ai 干个简单任务，他可能表现很好，但一旦任务变复杂，比如做个完整的调研报告，搭一个全站项目，他大概率会在某个节点开始胡说八道。为什么会这样？ 不是模型不够聪明，而是它缺一个关键的东西，一副好马鞍。什么是 harness？ 如果 ai 模型是一匹千里马，那 harness 就是 马鞍、江绳、水袋和地图。 它不是 ai 本身，但它是让 ai 从演示工具变成可信工作者的关键基础设施。 harness 负责管理工具调用、处理，上下文一出，甚至跨绘画记忆。 这个概念由前 honeyface 工程师 philipp schmidt 在 二零二六年初提出，现在已经成了整个 ai 工程界的共识。 来看 ai 工程的眼睛，二零二三到二零二四年，行业在研究提示工程怎么跟 ai 说话，二零二五年转向上下文，工程怎么给 ai 提供正确的信息。 到了二零二六年，竞争焦点变成了 harness 工程怎么为 ai 构建一个可靠的运行系统。而 dear flow 二点零就是字节跳动给出的答案。 dear flow 二点零到底能做什么？六个核心能力，第一技能与工具系统内置研究报告、 ppt 网页生成等技能，支持一键添加和组合。 第二，子智能体编排复杂任务自动拆分，多个子智能体独立并行执行，各自有独立的上下文和工具。第三，沙河环境，每个任务在独立的 docker 容器中运行，代码执行文件操作完全隔离，安全可审计。 第四，上下文工程自动压缩和持久化，中间结果彻底解决，长任务中的上下文易出问题。第五，长期记忆跨绘画，积累你的偏好、写作风格和技术战。 第六，灵活扩展，支持 m c p server。 cloud code 集成，多模型兼容，而且完全开源。 技术上， dealflo 基于 lan graph 和 lan chain 构建，使用 doctor 杀核，保证安全。 部署极其简单，三行命令从克隆仓库到启动服务，全程不超过五分钟，而且它支持 cloud code 直接交互，你甚至可以在 cloud code 里用斜杠命令来操控整个系统。 最后说一点我的看法，过去的竞争焦点是谁的模型参数大，谁的基准分数高。 但 dear flow 告诉我们，未来的分水岭在于 harness 体系的成熟度。当模型能力趋于同质化，真正拉开差距的是你能不能让 ai 稳定可靠，长期的完成复杂任务。 这已经不是叫模型理解人类的时代了，我们正在迈向为模型构建可执行、可信赖的数字世界。这就是 dear flow 二点零的意义。如果你觉得这个视频对你有帮助，不妨去 github 给这个项目点个 star， 我 们下期见。

大家好，最近如果你关注 ai 圈，一定会频繁看到一个词， skills， 它就像当年的 prompt 一 样迅速窜红。这个 skills 到底是什么？它和我们已经熟知的 prompt 以及另一个概念 m c p 又有什么区别和联系？这期视频就为你一次讲清楚。第一次接触 ai 的 时候，很多人都会觉得它不过是一个更聪明一点的搜索框， 你问一句，他答一句，直到有一天你发现他开始接任务，用工具改代码，写方案。这个时候你会意识到一件事，他已经不只是在回答问题，而是有人开始上班了。 在真正理解 ai 之前，我们先别急着谈智能，我们先谈一件所有人都懂的事。新人入职，任何一个新人进公司都会经历三件事，第一，你要告诉他现在要做什么。第二，他本身得具备做事的能力。第三，公司要给他系统权限和工具入口。 ai 也是一样的，只是我们给这三件事起了新的名字， prompt， skills。 还有 m c p。 先说 prompt， prompt 是 什么？它不是能力，不是知识，也不是长期记忆。 prompt 更像是你站在工位旁对新人说的那一句话，这个需求你先分析风险，再给我一个方案。这句话本身不会让他从此学会分析风险，但他会决定他现在要怎么做。 在 ai 世界里， prompt 就是 这样一种东西，它是一次性的，是墙上下纹的，而且非常依赖。你怎么说？你换一个说法，依赖的表现就可能像换了一个人。所以 prompt 更像是管理行为，而不是培训行为，你不是在教它，你是在指挥它。 接下来是 skills， 但你不会每天都教新人什么是周报，你只会说一句，按标准周报来，因为你知道，这已经是它会的事。 skills 就是 a i 已经掌握可以反复使用的能力，比如写 prd review， code， 生成测试、用力总结、技术方案，这些不是即兴发挥，而是被封装好的能力模块。 如果说 prompt 是 一句话，那 skill 就是 一门手艺。 prompt 是 你现在去做这个， skill， 是 他真的会做这个。从工程角度看， skill 是 有边界的，可组合的，输出稳定的。这也是为什么真正能进团队的，可组合的，输出稳定的。这也是为什么真正能进团队的 ai， 一定不只是靠 prompt 在 撑。 但问题来了，就算一个信任能力再强，如果他进不了代码仓库，查不了数据库，调不了内部 a p i， 那 他也只能坐在工位上空想。这时候就轮到 m c p 出场了。 m c p 不是 能力，也不是指令，他解决的不是会不会，而是能不能。 你可以把 m c p 理解成公司 it 给 ai 开的系统账号和权限。在 ai 世界里， m c p， 也就是 model contest 注了口，意味着三件事， ai 可以 安全地访问真实数据， ai 可以 调用真实工具， ai 可以 进入你的内网世界。没有 m c p， ai 只能纸上谈兵。有了 m c p， ai 才真正开始动手。现在我们把这三件事放在一起，你对 ai 说， 帮我分析这个仓库最近十个 pr 的 质量问题。这是 prompt， 它定义目标和范围。 ai 内部调用了 code review 的 skill， pan analysis 的 skill， writing suggestion 的 skill， 这是 skills， 他 决定他会不会做。然后他通过 m c p 访问 get 仓库，获取 pr 历史，获取 diff 和评论，这是 m c p， 他 决定他能不能做。 最后，亚艾交付了一份你可以直接用的结论。到这一步，你会突然意识到一件事，他不是在回答问题，他是在工作。 所以，什么是 ai agent？ 答案其实很简单， ai agent 就是 一个能被指挥，有稳定技能并且能接入真实世界的 ai。 换句话说， dropped 决定他当下的意图， skills 决定他的能力边界， mcp 决定他的行动范围。三者叠加， ai 才从一个模型变成一个同事。 最后，如果你记不住这些术语也没关系，你只要记住这个画面就够了。 dropped 是 你交代的那句话， skills 是 他已经会的本事， mcp 是 公司给他开的系统权限。 当 ai 同时具备这三样东西，他就不再只是一个工具，他开始参与生产，而你也开始带新人了。感谢您的观看，帮忙点赞关注，给个小心心，谢谢！

谁说的， ai 只有程序员会用，其实零基础也能玩转大模型。今天花三分钟时间教打扫，用豆包写个每日打卡小程序，看完了你也一定会用。打扫是文科生，之前一行代码还没有写过，现在我们开始打开任意一个大模型的客户端。嗯，打扫这个用的是豆包， 然后复制提示词。对，然后发送就可以了。提示词我会放到评论区， 然后往下滑。对，你看这个时候大冒险已经开始在立体。嗯，理解完了之后就开始在给你写代码了，看代码写的多快。那比如说像这个这种代码，你以前工作的时候自己写的话，就手敲得敲多久？嗯，这个量级的程序的话，手敲得一到两个礼拜， 现在用 ai 来写的话，可能两三分钟就写完。当然这个也和大模型的好的程度相关的，程度越深，复杂度越高，项目的要求越多，他会写的时间越长。 看来 ai 对 人工的这个替代确实是挺快的，对吧？对啊，现在很多基础功能，像一些小程序的开发也都可以用 ai 来实现。我们今天实现的就是每天健身打卡的这个小程序。 那个男的说就是今年二二六年六月份吧，可能有很多公司就是已经开始要用很多的这种 ai 去替代，就是部分的人的一个工作。 对，那未来人是不是就是相当于就像这个 ai 里面的一个小模块的一个作用？对，未来是人指挥 ai， 指挥智能体来工作，可能有全新的一个分工。哦，你看现在他代码已经写完了， 然后这里面他还给了的说明，包括出示的设置和每天任务打卡，包括日历的。对，这些可以后来再看了，往上面把这个代码复制出来，在这是吧？对，然后找到一个，打开一个文件夹，新建一个文文本档， d t s t。 对， 需要改名吗？需要，随便起一个名字都可以。对，叫打卡就可以。 然后把刚一块代码粘贴进来保存吧。要，保存保存，然后关掉。对，然后改一下它的扩展名。 对，对，改成 tml。 对， 都是消息。嗯，对，确定了。对，现在关机打开了，见证奇迹的时刻。哇，这样就建成一个。其实我们平时手机上用的一个小程序，手机和桌面都可以，你只要是用浏览器打开，嗯，的时候会把你当前的记录都保存上， 都是可以点的，就是按照实际情况去选。对，你就完成一项，点一项就可以了。我这里面还设置了一个每天的进度目标，本来是预期到一月三十号能够到两千粉丝收入二十块钱，现在已经达成目标了。哈哈哈，太厉害了。然后像这个所有的模块，是不是我们如果自己以后想加的话，是可以自己去加的？对，是的，你就只用改题词就可以了， 而且这里面还可以多轮对话。嗯，如果你想给他加一些，比如说新的栏位和新的功能，都可以在刚刚那个对话里面让他再去加。 那比如说我今天这样子就是记录好，然后我怎么保存呢？就是比如说我明天我想继续记录，然后我看到就是今天的记录啊，你把它直接关掉就关掉就可以。对，因为你下一次打开还是默认这一个浏览器的话，他就会把你看是不是？对，那你刚刚点到的那三个还在上面哦， 所以也就是说我今天点到的这些是显示就是今天的一个情况，然后明天的话他就是一个全新的页面，可以继续做记录。对，是的，你看右边，他其实有按照已完成和未完成给你做分类，而且这里面每一个大模型写的结果还不一样，如果你发现有问题的话，还可以回到大模型对话页面，再跟他提一些新的需求。 采访我一下，昨天第一天写代码什么感受啊？神奇了，比我刷剧还过瘾，我们居然一次就成功了，是不是特别简单？ 对啊，我以前一定要代码，两个字就头大，完全没想到今天自己也能搞定一个小程序，文科生也能轻松搞定。我之前第一次用大模型的时候也被震惊到了，有一点刷新认知，这次全程不用写一个代码，跟豆包聊天就把问题搞定了。 是不是比煮面条还简单？对啊，有成就感了，以后再也不害怕这些看起来很高深的东西了。我文科生也能轻松拿捏，一点也不比理科生差。 嗯，必须的，其实 ai 就是 来帮助我们普通人偷懒、节约时间，解放双手的，而且文科生有更敏睿的需求理解和更高级的审美，以后跟 ai 合作起来，说不定比我们理科生还要更占优势。 真的，他还能帮咱们做啥呀？帮我洗碗。带孩子不洗碗可能还不行，带孩子为准。可以，下一次我们可以试试用豆包来给宝宝读书，而且平时上班的时候还有一些生活的琐事也都可以交给大魔星。 那可太好了，以后生活会更轻松吧。对啊，那我推荐你主动也学一下 ai 和 ai 的 一些应用吧。肯定得主动学了，以前我还被理科生调侃搞不懂这些，今天才发现慢慢学都能学会。你背课文可简单多了。你觉得咱俩就用这种形式？你来当小白，我来当教练，再多出几期视频怎么样？说不定还能火。 可以啊，看你上一个视频的热度是不是已经过去了。是的，就这两天搞了几场直播啊，最近拍视频感觉拍的有点慢了。是吧，以后还是得多想想怎么弄内容，怎么找话题，直播间的人数咋样？还行吧，平均四五十个人。那我觉得你还是先拍视频吧，我可以先少弄点。 现在感觉失业的人还蛮多的，大家都想多学一学 ai， 直播间聊这个的也比较多。是吧，那你下次直播的时候正好问问，看看大家都关注什么。我看其他人直播间经常是这样互动的。 怎么互动啊？我感觉你可以问问文科生和理科生，谁在 ai 时代能发展的更好。我觉得这个可以，觉得文科生更有优势的你在评论区里扣一，觉得理科生更有优势的在评论区里扣二。对，那我可得多拉几个文科生了，去你的评论区扣一，让理科生看看，我们文科生也能支棱起来。我觉得这个应该话题也是比较有共鸣的。 你今天洗碗怎么洗的这么慢呀？不是因为跟你在摆拍吗？我上班都快迟到了，你赶快去叠被子拖地吧。快回来把饭做好。行行行行好。

你以为这是个愚人节彩蛋，结果它居然真的能玩！重点不是它可爱，重点是很多人还不知道怎么用。今天这期视频我不聊概念，我就直接讲最实用的 cloud co 这个 body。 宠物到底怎么开，怎么玩，怎么看懂它的成长逻辑。 先说最核心的一句，它不是那种你点一下就结束的装饰，它更像是挂在你 coding session 旁边的一个电子宠物，你在干活，它在旁边跟着你成长。而且不同用户出来的宠物还不一样。 先讲它是怎么触发的，最基础的入口就是输入八 day， 你 在 cloud code 里敲这个命令，系统就会生成一个 component， 说白了就是你的专属小宠物，它生成之后，不是弹一下就没了，而是会待在聊天栏旁边，你后面继续写代码，继续对话，继续报错，它都会跟着变化。也就是说，第一步非常简单， 第一步打开 cloud code， 第二步在命令里输入八 d， 第三步，等它生成你的 companion， 就 这么简单。真正有意思的不是开出来，而是养起来。重点来了，这个宠物到底怎么玩儿？很多人看到这里会以为这就是个皮肤，不是，它背后其实有一套清养成逻辑，你可以把它理解成一个 call 定版电子宠物， 它会根据你这个 session 的 状态变化，你聊得越多，它经验越多，你干的事情越丰富，它反馈越多，你中间遇到 error， 它还可能触发特殊状态。 第一种玩法最基础的就是陪伴式养成，你只要正常用 qq 的 问问题，改代码、跑命令、修 bug， 这个宠物就会跟着你一起成长， 对话越多，它会累积更多 xp xp 你 就理解成经验值，经验值高了，它就可能进化样式会变，路线也可能变。 这就是为什么有些人每次开 session 都很期待，因为你不知道这次会生出什么，也不知道它后面会长成什么样。第二种玩法是看 session 状态变化，这个很关键，它不是固定不动的， 它会根据你这轮扣定的状态给不同数值，再根据这些数值生成不同的宠物样式和进化路线。说白了，你今天是高强度输出，还是一直在报错， 还是聊了很久，这些行为都可能影响它。所以正确玩法不是开出来看一眼，而是你要连续用一段时间，你用的越深，变化越明显。第三种玩法是看它的互动内容。这个宠物不是只会站着，它会说话，还会系东西， 他会记得你这个 session 做了什么，然后实时提醒你，或者吐槽你，或者讲一点很欠揍的干话。这也是最有意思的一点，因为他不是纯贴图， 他有一点陪你一起工作的感觉。比如你前面一直在修某个问题，他可能会围绕这个状态来讲话，你今天对话很多，他也会体现出这轮 session 很 活跃的感觉。所以这个玩法不只是看外观，还包括看他怎么回应你这一轮工作。如果你想玩的更有感觉，记住这三个重点。 第一个重点，不要频繁重开 session， 因为这种宠物系统乐趣就在积累，你刚开出来就关，刚有一点状态又重置， 那你根本体会不到成长感。第二个重点，多和 cloud 保持连续对话，不是说硬聊废话，而是你正常让他帮你写代码、改代码、解释代码，这种连续互动本身就会推动宠物的 xp 累积。 第三个重点，别怕报错，这个反而可能更好玩，因为文理提到，中间遇到 error 会触发短暂战斗，这就说明报错不只是失败，它还会变成宠物系统的一部分。说真的，一般工具遇到 error 只会让人烦， 但这个设计很聪明，它把报错这件事包装成了互动事件，一下就没那么枯燥了。再讲几个你要注意的地方。第一，别把它当生产力工具，它本质上不是来帮你提速的。原文其实说的很直接，这个东西对抠钉塞是没什么帮助， 它就是一个会自动跟你讲话，自动养成的宠物系统。所以你别指望它提升开发效率，它主要提供的是情绪价值， 让你在长时间和 a 阵的对话时没那么无聊。第二，重点不是操作复杂，而是持续使用。这个东西入门门槛很低，真正的门槛是你要愿意一直玩，你用一次觉得还好，你连着用几轮才会开始上头。第三， 每个人出来的宠物可能不一样，这就意味着别人的截图不一定跟你一样，别看到别人开出一个特别好玩的形态，就以为你没成功。差异本身就是这个系统的乐趣之一。如果你想把这套玩法讲给别人听，可以直接这么理解，它像什么，像 cloud code 版拓麻鸽子， 也像。你在抠定时多了一个像素风搭子，它会跟着你的 c 神一起成长，会记忆、会吐槽，会进化，还会在报错时进入特殊状态。你做的越多，它就越像活着。最后，给你一个最实用的使用顺序， 第一步，进 cloud code， 输入八里。第二步，先别急着关，直接开始正常抠顶，让它跟着你跑完整个塞神。第三步，多轮对话，多做任务，观察它有没有累积 xp 和形态变化。 第四步，留意报错场景，看看会不会触发短暂战斗或特殊反馈。第五步，看看他记住了你什么，这是最容易让人觉得有意思的地方。说到底，这个宠物系统最妙的地方不是他有多强，而是他让原本枯燥的抠定过程多了一点期待感。 以前你打开 cloud code 是 为了干活，现在你可能还会顺便想看看今天会养出个什么东西，这就是他最好玩的地方。 你如果已经开出了自己的 body 评论区，告诉我你养出了什么。如果你想看，我继续拆这种 ai 工具里的隐藏玩法，记得订阅，我会继续更新。