calude code为什么开源

活久见 cloudco 的 代码刚刚全部泄露，各种待发布的狠货产品被爆料出来，全网围观。这次不是黑客攻击，而是 entropic 自己手滑把包含完整原码的 source map 打包进了 npm， 结果瞬间全网疯传，两小时就在 github 斩获金万星， 直接让吃瓜群众看傻了，包括五十万行 typescript 原码，再被网友火速解包，挖出所有未发布的狠货。可以提前一睹 clout 全景的生态蓝图，比如虚拟宠物、多代理协同自动记忆整合，全都要来了！尤其是这个自动记忆整合。简单说， clout 能在你不使用时整合记忆，类似人类做梦，让 ai 越来越懂你。 还有神秘功能，如 carols 守护模式 and cover 隐身模式，全都指向一个目标，让 a 诊更智能、更有趣、更无缝。

之前我说我学习可劳的扣字员吗，然后被喷了，现在真开放了，事实证明我学的也没啥错啊。还是按照我对 a 阵的理解啊，就是一个 a 阵呢，他最重要的三个部分， 第一个呢是提示词，然后思维循环，最后是记忆系统啊，就这三个部分是最核心的 啊，所以循环呢，没啥说的啊，就跟那个龙虾一模一样啊，就是非常简单的循环，组装提示词，调大模型，然后调工具，然后组装工具的结果，然后再调大模型，然后不断循环啊，一模一样没啥区别。 然后呢，在提示词上我觉得有聊的，他这个提示词写的怎么说呢？就是龙虾的提示词，大家还记不记得， 就是比较的怎么说？就是他只告诉模型说这有个啥，这有个啥，这有个啥，然后剩下的模型你自己干去吧，对吧？他是这样的一种风格，但是考拉的扣的不一样，他是一个跌位极重的东西啊，跌位极重， 他是告诉模型你不能这么干，不能这么干，不能这么干啊，你要想这么干，你必须在什么情况下才能这么干啊？大概就是这样子的， 就是涉及到的面呢，我觉得差不多，但是在细节上卡奥扣的写的更多一些，然后都是一些规规范性的啊，让你那你不能这么干啊，边界性的就是你不要干什么啊。就这种东西 在组装逻辑上也差不多啊。组装逻辑上也差不多，但是在一些机制上还是有区别 啊。卡洛克的比龙虾更细一些，比如说龙虾在组装挥发历史的时候，他有个机制，挥发历史过长会怎么样？会把最开始的那头截掉，然后做一个摘药， 把那个摘药喂进来啊，这是龙虾的机制。卡洛克的会做啥呢？他也会干这么干，但是不一样的点赞呢。卡洛克的他会去判断整个挥发历史当中不活跃的部分， 他不是把最远的那部分直接截掉啊，没事，他是会去判断哪些提示词压根就不活跃，对吧？就是没没怎么用过。然后呢，把那段提示词怎么样啊？去压缩啊？去，他是去压缩那种提示词，然后呢，还有 就是它会去做更细力度的压缩，这种压缩它可能是在具体的也不理解啊。具体的我也不是特别了解啊，但是可能是在怎么说呢？就是 k v 缓存那个层面上去做一些操作啊，它会压缩的比较细。 然后呢，它还会有一个就是整体压缩的机制，因为压缩之后呢，你有可能还是达到了这个模型的限制，那它还会去做整体压缩， 再压缩完了之后呢？你未给模型之后，他还有可能超，对吧？一般超过这个限制之后，模型会给一个四幺三的错误返回结果， 然后他还有个机制是什么？就是他接到错误返回了，然后呢，他会判断这个错误，如果是四幺三，说明这个积蓄词还大，怎么办？他不会报错啊，他会再继续去自动的进行一个压缩啊，可以看到啊，就是 克拉克这套完整机制啊，完整性更强了，对吧？完整性更强，比龙虾更厉害了。然后在记忆系统里面呢， 也复杂也复杂。这套记忆系统还是只讲只聊一下，就是最核心最简单的部分就是他会在 历史中啊，去让模型自己去判断啊，你什么时候记要记什么东西？模型自己去判断，读的时候也一样啊，模型你自己去判断，这个时候该读了，你就去读吧，对吧？ 在记的时候呢，他的逻辑是这样子的，就是他会去单独创建一个点 md 文件，去保存这个记忆，然后在 memory 点 md 文件里面去保存这个文件的。所以啊，就是 memory 点 md 文件，这个很重要，但是呢，它里面其实是一个，所以， 然后呢，这个文件还有个机制啊，就是它最大两百行，在组装提示词的时候， memory 的 md 最多啊，最多它只组装欠两百行，后面就直接不管了， 这是它的一个核心记忆的逻辑，但是呢，它跟龙虾的区别在哪？就是它写的还是更细致啊，更细致一点，这个 memory 的 md， 它定义了四个部分，就是说我记忆的时候，我只记跟这四个部分相关的东西啊，第一个部分是啥呢？是用户， 就是你这个用户的偏好啊，你这个用户喜欢啥，不喜欢啥，对吧？第二个是反馈，就是与用户在对话过程中告诉你说 啊，你这个别以后别这么干了啊，对吧？你这个干的太扯淡了，以后别这么干了。然后还有就是你以后怎么样怎么样的时候啊，你必须怎么样啊，就是用户呃，反馈里面就直接这，这是这种东西，他会记下来。 然后第三个就是项目相关的啊，跟这个项目相关的。然后第四个呢？是什么？是参考，参考是啥意思？就比如用户有时候我会跟他讲， 你去那个网站啊，你去看一下，你参考那个网站，给我一个回答啊，这类东西那个网站他都会存下来的，然后呢，他也会在提示词里面写的比较明确啊，就是 保存记忆，他要记哪些内容呢？他要记的是啊，对以以后啊，对，以后可能有价值，有信息，会被长期使用的信息啊，你记下来， 如果是短期的怎么办？你用别的方式去处理啊，不要记这，这是它的整体记忆系统，应该说是最核心的一个部分了， 就这些东西啊，就这些东西，不过有意思的是啥呢？就是大家这次扒出来的它还有个机制叫 ito dream 啊，自动做梦。啥意思呢？是每隔二十四小时啊，然后这二十四小时之内呢，用户跟卡拉德克发生绘画了，然后还比较多，就会触发，触发了之后卡拉德克的会干啥？ 他会去打开 memory 点 m d 啊，然后呢，再去看这二十四小时之内的绘画记录啊，所有的绘画记录全都会去看， 然后他会去对比啊，有没有新东西进来，如果有的话呢，他就会把新的内容保存下来，然后去更新版本啊，是一个全自动的东西， 很有意思。今天先聊到这吧，然后还有很多的机制啊，还有很多的机制，但是一次呢，感觉说不完啊，说不完，这个东西如果要展开去讲的话，真的，我觉得讲一天没毛病，讲绝对能讲一天，所以今天先到这。

昨天 cloud code 的 原代码泄露事件把我们给看蒙了，大约是在昨天早上的时候呢，刚听说这个消息的时候，我去看了这个 get 上面的仓库，然后就把代码给下下来，这代码呢大约是 九兆，而且是用 type three 写的，然后到了昨天晚上八点多，我再去看这个仓库呢，变成了 python， 那 因为呢，这个作者啊，把这个原来的代码给下架了，避免了这个 侵权被告侵权。卡拉库的这个代码泄露事件啊，也是非常巧合造成的， 因为有一个韩国的开发者是 otto 的 一个员工，他在发布的版本的时候，不小心把颜骂给打进去了，所以被上传到了 d 的 仓库。 d 的 仓库现在是拍成版本吗？对不对？现在那个拍成版本大家去看的话是昨天晚上，昨天呢，这个上传到 d 的 这个作者啊，他匆匆忙忙用 ai 写出来的，所以那个不是官方的这个原代码，大家现在去上面下的原代码 不是新的了，但是这个事情在整个 ai 界里面呢，引起了很大的轰动，说明 clark co 的 它这个架构啊，真的是非常的好。那这次元码的这个泄露啊，我觉得 给了很多创业者和竞争对手一个很好的这个学习机会，看一下他们的这个架构，看一下他们的这个设计理念， 也能快速的对自己的产品有帮助啊，如果你想要原始的野马，可以给我私信，我把野马发给你。

cloud code 泄露源码的事爆火，相信不少人刷到了想动手研究下，但不知道怎么用的直接跟着操作。我们已经把相关能力炼炉进行重构，改造成可以开箱即用的 c l i 版本，放在评论区可以直接领取使用。这意味着开发者现在真正拥有一套由自己掌控的 c c 工作流。 更重要的是，这套工作流已经可以接入我们的 epoxx 人机协助社区，让它从辅助编码工具升级成能自动接悬赏任务的赚钱 agent， 晚上给你赚钱的同时，它还会在任务中不断学习 skill， 自动升级迭代，越来越强。换句话讲， c c 让你拥有了一个非常聪明的助手，但是缺少学习经验，不懂很多具体任务的实现范式。而接入 epoxx 社区，你的 c c 就 拥有了自我学习的能力， 不仅会自己整理经验，还可以把总结下来的 skill 发布到社区，实现 agent 共享知识的龙虾社区生态。诚邀各位感兴趣的朋友共建我们的 epoch x 社区。

朋友们晚上好，今天这个视频呢，只有一件事情，就是从零到一的教会你们使用 cloud code。 那 很多人听到 code 这个单词啊，就会想到写代码， coding 编程，对吧？ web coding， 但实际上以 cloud code 为代表，这种 ai coding agent， 它并不是只能写代码，而是一个万能的工具，并且就在昨天飞书刚刚看完了，他们的 coi 就是 command line interface， 也就是我们说的命令行接口。那么这意味着你可以使用 ai agent 帮你做表格，回消息， 发通知，定会议和安排日程。那么它代表的什么呢？它代表的其实是一种新质的生产力，你可以不用它写任何的代码，但是你要学会使用它。就像在远古时代，一个人是转不去火，而另外一个人直接拿着打火机就把火点起来了。 那么 cloud code 除了编程，它还能帮你做什么呢？首先它可以帮你做数据分析，管理文件，其次可以帮你爬取你的这个每日信息流，每日资讯，还可以帮你修图升图，生成播客，剪辑视频， 甚至你也可以根据你自己的工作方式来搭建属于自己的 skills。 那 么这个视频我将全面的讲解，不需要你有任何的预备知识，从基础到高阶，循序渐进，包括安装和设置，那么基础操作和这个最佳实践，以及 hooks agents， skills， plugins mcp 我都会教给你。那么同时像一些不常见的非常好的命令，比如说 simplify insights， a loop 我 也会教给你。以及我还会分享一下我的经验，比如说如何避免在长时间开发中的莫名其妙的 bug， 以及如何优化 token 节省成本。最后我还会告诉你如何设计你自己的 skill， 点 m d 来让自己的工作效率最大化。 那话不多说，我们直接开始。那首先呢，我们先来安装 cloud code， 那 么这里我们直接进入它的官网，然后我们下滑，我们可以看到这里有好几行命令，那我们只用根据你的电脑，比如说你是 micro s， 或者你是 windows， 选择相应的命令就安装就好了。 那这里呢？如果，如果说大家是 windows 的 话，我推荐大家使用这个 power show， 而不是 cmd。 因为这个 cloud code 的 它的底层是 unix 风格的命令，所以说使用 power show 的 话会更好。那比如说这里我是 micro s， 我 们只复制条命令，然后我们打开我们的终端， 然后我们粘贴上命令，然后再回车就好了。那么它就会帮我们自动地装好 cloud code。 由于这里我已经装好了，所以我就不再演示了。 ok， 那 刚才既然我们已经安装好了 cloud code， 那 现在我们该怎么使用呢？那很简单，我们只用打开我们的终端，然后输入 cloud 就 好了。 我们敲击回车，那这里它会选择说你是否愿意选择当前这个呃，文件夹做你的 workspace， 那 我们点击 trust this folder 就 好了。 ok， 进来之后我们就来到了这个界面。 ok， 那 现在趁着 cloud 在 安装，那现在我们需要安装另外一个非常重要的工具，叫做 c c switch。 我 们知道。呃，我们在国内想要使用官方的服务，比如说 opus， sonnet 或者是 hikube 是 非常麻烦的。那所以说我们就需要使用我们国产的模型，比如说 mini max， 呃， g o m， deepseek， 或者说百炼等等等等。 呃，还有像 kimi 这样的模型，那我们该如何使用呢？那很简单，我们使用这个工具就可以方便的帮我们配置，那么这个工具呢？叫做 cc switch， 那 么它的作用呢？就是允许我们配置多个模型，并且可以快速的切换。那么安装方式也很简单，我们只用往下滑。 好，这里有个快速开始，然后如果说你是 macos 用户，你直接复制这行命令，然后打开终端，像刚才我们安装一样，把这行命令复制过去，然后回车，它就会自动安装了。那如果说你是 windows 用户，那就比较麻烦了，我们需要点击 release， ok， 那 这样我们来到它的 release 界面，那我们一直往下滑， 那么我们可以看到它的一个 contributors， 然后它有个 assets， 那 我们点开这个 show all， 然后我们找到这个 cc switch v， 三点十二点三， windows 点 msi， 注意一定要是 windows 点 msi， 然后我们下载这个就好了。 ok， 那 既然我们已经安装好了 cc switch， 那 这一步我们要做的就是配置我们的模型，那么在这里呢，我选择的是我们的 mini max。 二点七，那配置方式也很简单，我们点击一下这边这个加号， 然后我们可以这里可以选择你使用的是模型，比如说你是智普，就选择这个，那么你，你是 deepsea， 选这个，对吧？你是 kimi， 就 选择这个，那我们这里是 mini max， 那 我们只能选择 mini max。 这，我们往下滑，那这里它已经帮我们填写好了这个 base url， 那 我们需要做的指示填写，我们好我们的这 api key 就 好了，那 api key 怎么获取？ 那很简单，我们打开这个，呃， mini max 官网，呃，这里有个订购套餐的界面，好吧，那在这里呢，我建议大家就选择这个四十九元的这个套餐就好了，呃，目前我用下来是非常的够用。购买了套餐之后，我们点击我们的这个账户管理，我们选择 tokenplay， 在 这里我们把这个 api key 复制一下，然后我们粘贴在这里就好了， 这我们点击添加就 ok 了，就配置完成了， ok， 那 现在既然我们已经把 cloud code 安装好了，然后我们把 api 也配置好了，那现在我们就直接开始使用，那使用方式也非常简单，我们打开终端，输入启动命令，我们回车之后就进到第一个选项，那这里我们选择 yes， ok， 我 们就来到我们的工作页面，那可以看到刚才我们已经配置好了 api， 所以 说它这里显示的是 mini max 二点七，然后这里是 api use， ok， 那 么首先呢我们来讲讲 cloud code 的 三种模式，那么第一种模式呢叫做 default mode， 也是现在这种模式就就是这里什么都没显示。那么第二种呢叫做 plan mode， 那 就是规划模式。那么第三种呢叫 bypass permission mode， 那 这就是，呃完全执行，也就是相当于 full access 这种模式。那么首先我们来说第一种，第一种模式的话，那它的呃这个特点就非常简单，就说，嗯，它执行就是 cloud code 执行任何一个操作，比如说它读写文件，编辑文件，都需要你明确确认之后它才会执行，那比如说现在 我们让他在桌面上创建一个文件，看看是什么效果，那这里呢？我推荐大家一个工具叫做闪电缩，那他就是一个语音输入法，但是他这个语音输入法是会使用这个拉玛，也就是我们的大模型去整理的语音输入，并且他是可以学习的，所以说他这个识别准确率是非常的高，那么包括我看到抖音，他们也做出了自己的这个 豆包输入法吧，那么我看我身边有朋友体验也非常不错，那大家可以去试一下，总之一切是免费的。那云输入法的话很简单，我们只用给他说我们的想法，呃，帮我在桌面上建立一个文件夹吧，然后里面给我放一个文件叫做 test 点， md， ok， 我 们回车看一下他会怎么执行， ok， 那 首先他会问我们文件夹是什么名字，对吧？叫做 test 就 好了， 这里呢它就会让你选择是否执行这个命令，那我们可以看到 make d r， 就是 就是新建一个文件夹嘛，然后在这个位置，好吧， 那我们选择 yes 就 好了，因为现在我们是 default mode 嘛，就是它每个插座都会问你是否要执行，我们选择 yes， ok， 他 说已经成功创建了，刚才我们已经讲解并演示了 default mode， 那 么它就是每执行和命令，好吧，都需要我们手中确认一次，那我们想刚才只是一个非常简单的任务，对吧？我们创建一个文件夹，所以说执行一次，选择一次，点击一次就好了。那如果说现在我们在执行一个非常复杂的任务，那我们每次就要点嘛， 那我们还怎么玩手机，对不对？那怎么摸鱼对不对？非常的麻烦，所以说我们就要使用这个危险模式，那危险模式该怎么进入呢？危险模式的话，我们需要呃用一个单独的命令进入，刚才我们是输入 c l a u d cloud 这个命令来进入的，对不对？那现在如果说我们想要使用这个危险模式，也是这种 full access 全自动的模式，那我们就需要在后面加上参数，加上这个 dangerously skip permission 就 许可嘛，对吧？就是无许可模式嘛。 ok， 我 们点击回车 啊，一样的，我们选择 yes， 相信这个。呃 folder 做我们的 workspace， 那 ok， 看到这里就有了这个 bypass permission 啊，就说现在它执行和命令不需要我们的这个批准了，好吧，它会直接自动执行。那同样的，我们说帮我在桌面上建立一个文件夹，然后名字叫做 test 二吧，然后里面给我放一个这个 md 文档，名字随便取就好。 ok， 我 们看看它会怎么做， 你看它这里直接执行了这个 bash 命令，好吧， macd 直接创立了这个 test 二的这么一个 folder， 然后在下面呃，创立了一个 untitled 的 点 md 文档。 ok， 他 现在直接给你说我们完成了这个任务就非常方便。所以说，呃，我更推荐大家使用这个 dangerously keep permissions 这个命令来起到我们 cloud 吧。那我们继续讲讲规划模式，就是这个 play mode， 那 play mode 它其实有两种的，呃，这个应用场景嘛，那么第一种就是当我们在做产品的时候，做项目的时候，在初期，呃，我们想知道这个 ai 会怎么执行，对不对？是不是按照我想的方式执行？ 那么我们可以用这个 plan mode， 让他规划书写一个 plan 出来，我们看一下，没问题。 ok， 那 就会按照这个 plan 去执行。那第二种应用场景呢？就是针对一些比较宽广的任务，就是广度比较大的任务吧，就比如说现在我让他把我桌面上面所有的这个文件全部给我迁移到我的这个硬盘里面去，那他会操作很多文件，对吧？可能呃几百个，那这时候我们就用这个 plan mode 就 比较好。 那还有一种场景就怎么说？就比如说现在我们我需要让他去 re-use 我 们的代码，就去审查我们的代码吧，对吧？那这时候让他用这个 client 就是 一条条干，先干嘛，后干嘛，那这个场景是比较好的，那这里我们来体验一下这个 client， 我 们还是用 shift 加 tab 切换一下。 那我想想我们列个什么计划，那很简单吧，现在我要整理我的桌面文件夹，现在请你帮我列个计划，我看看该怎么整理。 ok， 我 们回车看看他会怎么做。那么我们要注意啊，就是 plan mode， 他的权限是只读权限，就是他只会进行读操作，不会进行写操作，只有你看过没有问题之后，那么他才会进行写操作。 ok， 我 们可以看到很快他就给了我们一个 plan， 那 同时他给了我们三个选项，第一个选项就是 yes and bypass permission， 这是什么意思？就说无条件执行，不要来问我了。那么第二个是什么意思？第二个就说 yes， manually approve it， 就是 执行这个计划，但是需要我手动来批准每项这个编辑，那么第三个选项就说你可以告诉他，你觉得这个计划有什么不好的，你直接给他说， 他就会按照你的这个要求去更改这个计划，然后再让你看一遍。那比如说你再帮我把垃圾箱清理一下吧，把这个计划加入进去，然后让我看一下。 ok， 我 们可以看到他刚才又在我的要求上增加了一部清空垃圾箱的这么一个任务，那你觉得没问题，那我们就选择 yes 这个 bypass permissions， 它就会自动执行的。 ok， 那 现在我们来讲讲 cloud code 的 一些命令，那首先第一个命令就叫 enit 命令，那么现在我已经打开了一个项目，这个 voice input 是 我让 codex 做的一个语音输入法的项目， 那一定题命令很简单，就是初设化嘛。那么他这个命令呢？首先会把我们整个这个项目的代码看一遍，看完之后他会根据他理解生成一份 cloud 点 md 文档，那这个 cloud md 文档有什么作用呢？就是，嗯，每次绘画的时候，他都会首先加载这个 cloud md 文档，那里面就是一些最高的原则，相对于类似于机器人不能违背的三条法则那种感觉。 ok， 我 们这里可以看到他成功创建了一个 cloud md， 然后这是他给出的一份资料，那即使想要写好一份好的 cloud md 文档，也是需要花很多功夫的，那我们就不在这里多说了，但是 唯一一个原则，大家需要记住的就是不要让你的 cloud md 写得又臭又长。如果说 cloud md 写得非常长的话，那每次上下文稿加载它就会一个是会消耗我们大量的 tool， 另外一个就是会让这个 嗯 a 键是变得非常笨。那一种解决方式就是我们把那种长的文件拆分出来，我们新开一个这个 md 文档去存放，那比如说我们可以开一个 get 点 md， 对 吧？然后我们把这个 get md 的 这个路径，我们记录到这个 cloud md 中，然后并且我们想指示说如果你需要这部分的知识，那么请去查找这个文件，这就是，嗯， cloud 客户团队非常喜欢的这个叫渐行式批录。 ok， 那 我们什么时候可以使用这个 init 命令呢？那我的答案是你任何时候都要使用这个 init 命令。比如说你从 github 上面下载了一个新的项目，你使用这个 init 命令，那就可以让这个 agent 快 速的了解整个项目，然后生成一份 cloud 的 md 文件， 然后 cloud 点 m d 文件是相当重要的一个文件，它相对于这个 ajax 的 一个最高指示，所以说你可以在里面写一些你自己喜欢的，你觉得非常重要的一些原则，比如说开发规范，比如说千万不能执行 r m 杠 r f 等等等等。那 cloud 点 m d 呢？一般会随着你项目的迭代，开发过程迭代呃来完善。 ok， 那 大家肯定听说过 marty agent 或者说 agent team， 那 其实想要创建一个多 agent 的 这么一个团队也非常简单，那像 cloud code， 它就支持我们创建这个 agent， 并且可以用这个自然语言创建，那我们只用执行 agent 命令，可以看出来，我们点击确认，那它就会说第一个选项 create new agent 就是 创建一个新的 agent， 那 么这就是 user agent， 就 代表说我们已经创建好的 agent， 可以 看到我这里创建了一个 codex review agent， 还有一个这个 marty agent coordinator。 ok， 那 现在我们来创建一个 agent 来看一看。那首先很简单，我们直接回车选择这个 create new agent 就 好。 ok， 它这里就会让我们选择这个 agent 的 location 在 哪里，就说选择你这个项目级别，就是它这个权限级别嘛，那我们就选择这个 project 就是 这个项目级别就好了。 然后它现在又给了两种方式，第一种方式就是 generate with cloud， 就是 说让你跟 cloud 一 起创建这个 agent。 第二种方式呢，就是你自己去写它的这个配置文件，那我们肯定选择第一种，对吧？因为毕竟它后面都说了这个 recommended， 那现在他就说让你去描述一下你这个 agent 要做什么，你看他这里说的 describe what this agent should do？ 吧啦吧啦吧啦一大堆，对吧？那我们很简单，现在我要创建一个这个 technique co founder， 这么一个 agent 就是 一个技术合伙人的 agent 吧？那我把我准备好的这个 prompt 发进去， ok， 那 现在我们点击回车就拿创建这么一个 agent， 然后他现在就在 显示，他说 generating agent from description， 就 说现在根据我们这个描述在创建这么一个 agent。 那 当然本次教程提到的所有提示词会放在我这个文档里面，那具体怎么获取文档请看我的这个主页，好吧， 在我的公众号里面获取。 ok， 那 现在出现了这个界面，这个界面就是说让你去选择你新建的这个 agent 允许他使用哪些工具，那他根据我们的这个描述，现在给他全部工具权限，那当然你也看到这里写了是 enter to talk selection， 那 就是 talk 切换状态嘛，那很简单，如果你想 不让他使用这么多工具，对吧？那你就小键盘嘛，上下左右。然后你假如说不让他使用全部工具，你再按一下这个 enter， 那 你看全部都没有选中了，现在是零个工具这里显示的。 那如果说你要全部工具选上，那就返回去，然后再按下 enter， 现在是 auto selected， 然后确认没问题，我们就 continue 就 好了。 那这里他就说让你去选择你新的这个 app 的是用什么模型，那比如说你是用 sonet 或者 oppas 或者是海库，要不然的话，你就说它是继承它的这个负类的模型。那很简单，因为我们用的是 mini max 二十七嘛，那我们其实不用选，我们直接选择这个 inherit 就 好了。 然后这里就说让你选择这个 agent 的 颜色，比如说你选择红色、蓝色、绿色、黄色，对吧？选择选择一个你喜欢的颜色就好，那我们选择一个黄色吧，然后他这里就说这个 agent 这个 memory 它在哪个范围，那我们选择这个当前项目级别就好。 然后现在它就会让你再再次确认，然后你可以浏览一下这个，你的这个 description， 你 这个 memory， 你 的这个 system prompt 等等等等。 ok， 确认没问题，我们选择 enter 就 创建好了，你看它这里显示的 creative agent technical founder。 ok， 那 我们想要调用我们创建的 agent 也很简单，直接使用这个自然语言去交互就好了。 那这里我们就说帮我调用我新建立的这个 technic founder， 这个 agent， 我 要做一个项目， 那我们看看他会怎么做？ ok， 可以 看到他成功唤醒了这个 agent， 你 看他正在初步化，花费了二十六点六 k 这个 tokens， 然后现在他说 technical founder 这个 agent 已经启动了，现在你可以说你要做什么项目了，那我们就开始巴拉巴拉巴拉说我们的一堆项目，对吧？他就可以帮我们完成。 那我们什么时候该新建立一个 agent 呢？那很简单，就是当你发现你会重复地做同一类任务的时候，并且这类任务需要很长的一段 prompt， 需要你定很多的规范。那这时候你应该专门创立一个自己的 agent， 比如说你可以专门建立一个产品经理的 agent， 一个后端开发的 agent， 一个前端开发的 agent， 一个专门做这个测试的 agent， 甚至呢你也可以专门建立一个 codex agent， 那 这个 agent 其实就只用干一件事情，就是在你的终端去执行这个 codex 命令，相当于唤醒了 codex， 那 这样就可以实现 cloud code 的 写代码 codex 进行 review， 并且不需要你人工去传递他们的 prompt， 传递上下文，直接让他们两个对接就好了。 一个单独的 agent 还有一个非常好的点，就是它可以帮助我们节约我们的上下文。那假如说现在我们要去执行一个非常长的文件的写操作，或者说一大堆这种抓取的操作，那我们可以单独开一个 java agent， 让这个 a 键去执行的操作。我们并不关心他到底获取了什么样的数据对不对？我们只关心他到底完没完成任务，那 x a 键就帮我把中间上下文给省略了嘛？最后他完成任务返回一个 ok， 那 我们就知道任务完成了，那 a 键这个命令就讲这里了，那同样有很多玩法需要大家自己去探索， 那现在我们来继续讲讲 m c p skills， 以及最近新出的 plugins， 还有我们的 hooks。 那 首先我们来讲 m c p 跟 skill 吧，因为很多人会把这两个词搞混，那其实很简单， m c p 中文翻译过来叫做模型上下文协议，那么 skills 呢？翻译过来叫做技能能力，对吧？它们之间的差别 有一个就是 m c p 是 告诉你能不能做，就是你有没有这个能力做，而 skill 是 告诉你你如果有了这个能力，你应该怎么做。那我举个例子，现在假如说我是一个残疾人，我没有这个腿，但是我想去骑自行车，是不是我就不能骑？那假如现在给我一个骑车的 m c p， 相当于就能帮助我长出这个双腿，那我有了腿是不是就可以去骑车了？ 但现实就是很多人尽管他四肢健全，他还是不会骑这个电瓶车，对吧？不会骑这个，呃，这个自行车，摩托车的。那我们再给他一个 skill， 就是 给他一个骑车指南，就是教他怎么骑这个自行车的，对不对？那这样二者一结合，是不是我们就会骑车了？大家应该可以很好的理解。 然后我们再举个例子，那假如说现在我们在进行一场开卷考试，开卷考试我们肯定要带复习资料对不对？肯定要带书对不对？那么 m c p 就是 说你带了这个书，带了这个资料，那如果说没有这个 m c p 就 相当于没有带书，那么 skill 是 什么呢？ skill 就是 说你脑袋里面组织你怎么看这个书，怎么看这个材料，对吧？ 比如说有些人会很快的找到这个答案在哪里，有些人要找很久才能找到，所以说 skill 是 教你怎么看书的，那么 m c p 是 你本身带不带这个书，带不带这个资料？那现在我们想看我们 cloud 的 安装哪些 m c p 很 简单，我们直接在这个命令行里面输入这个 slash m c p 指令就好了， 就可以看到现在我这里只安装了三个这个 skill， 一个抖音的，一个 pencil 的 playwrite。 那 现在你想看你安装哪些 skill 也非常简单，我们输入这个 slash skills， 就会看到你安装了这 skill。 当然这里的误区就是 skills 并不是越多越好，而是越精越好，就是 你如果是个小白的话，你可能会安装很多 skill， 对 吧？摸索一些你比较常用的 skill。 然后那我给你的建议就是你在这个使用过程中，你要不断去精简这些 skill。 因为 skill 过多会造成一个什么现象？就是模型有太多的工具调用了，导致他根本不知道什么时候该调用什么工具。这句话怎么理解呢？就有点相对于类似于选择恐惧症了， 就是一个人有太多的选择，就导致他一下子迷茫了，不知道自己的路该怎么走，那如果说他就一个选择，那就逮着往死里干就完事了。 那什么是 hooks 呢？嗯， hooks 用中文翻译过来叫做钩子，这个可能比较难理解，其实他本质上就是一段脚本银行代码，然后呢，在特定的事情发生的时候，他就会自动触发执行。 那么 hooks 呢？大家按照它的执行顺序，可以把它简单地理解成两大类，第一类叫做在工具调用前执行的 hooks， 第二类叫做在工具调用后执行的 hooks。 那 我们看一下， 那现在我们想象这样一个场景，我们知道 cloud 它是可以操作我们电脑所有的文件，对不对？但是你不想你的某些私密的信息，一些密钥文件，或说你不想让 ai 知道的文件被它读熟了，那怎么办？ 那你就可以制定一个 hook。 这个 hook 怎么定义呢？就说每当这个 ai 进行读操作之前，或者说之后执行这个 hook， 这 hook 就 会检查你当前要读取哪一行文件，读取什么东西。如果说发现你读取这个路径和你这个私密文件的路径重复了，那就直接拦截， 懂了吧？这就是 hooks。 那 再比如说，现在我们在我写一个项目，那么项目写好之后，我们会把它推送到 github， 进行这个代码托管。那么我想的是每一次只要我执行了这个 review 操作之后，就自动地给我推推送到 github， 那 么也可以定一个 hooks。 那 么这个 hooks 呢？就是这个 post tool use hooks。 简单就说，当它监测到我们执行的这个 review， 那么它就会自动触发这个 hook， 把代码推上 gitlab。 那 hook 是 怎么创建的？也非常简单，我们只用告诉 a e i 说帮我创建一个 hook， 然后它这里就显示了你想配成哪一种 hook 啊，然后你再把你的需求给他说，他就会根据要求帮你配进一个 hook， 很 简单。 那同样的我们该如何创建 skill 呢？那么 skill 其实不建议大家在一开始就创建好，除非你很明确自己的这个流程是什么样的，场景什么样的。我更建议大家在使用这个 cloud 的 过程中来创建，因为你在使用的过程中才会发现哪些工作流是可以重复的，对吧？会大量重复执行， 那这时候你就可以建立一个你自己的 skill， 那 比如说我自己就建立了一个记录素材的 skill， 每当我给他发一个抖音链接，或者说小红书的链接，或者说呃， youtube， bilibili 等等视频网站链接，那么他就会执行一个动作，他会把这个链接的这个字幕也是在这个脚本这个竹子稿，然后保存到我本地我指定的位置，非常的方便。 那什么是 plugin 呢？这是最近新出的一个东西啊，那么 plugin 本质上就是说它把你的 hooks， 把你的 skills， 把你的 m、 c， p 全部打包封装在一起，那这样你在进行团队开发的时候，大家都可以附用这个主键，就非常的方便，非常的好，所以这就是 plugins 紧急抄波一条啊。刚才 codex 官方出了一个 plugin， 叫做 codex plugin c c， 就是 允许我们在可拉钩中直接调用 codex， 那 么安装非常简单。首先我们执行这行命令， 那么再执行这个命令，然后我们再重载一下 plug in， 这我们再准备这个 set up， 那 它就会自动调用你这个桌面上面的这个 codex 的 配置，然后写入，那就准备就绪了。来继续讲讲几个非常好用但是很不常见的这个命令，我基本上没有看到任何人讲过。那么第一个命令就是这个 simplify， 我 们把它敲出来， 那就是这个命令。这个命令命名是什么意思呢？那么叫 simplify， 它的中文翻译就是简单简化，对吧？那么 simplify 它其实就是一个代码的一个呃，检查命令，一个进行 code review 的 一个命令。就说当你完成一段代码的修改之后， 你运行这个命令，它会自动地对你所有的变更进行全面的审查。那么它的工作流程就是它会同时派出三个 sub agent， 那 么第一个 agent 它会检查这个代码有没有重复造轮子， 那么另外一个 agent 它会看这个代码或者命名这个格式不规范。那么还有一个 agent， 那 么它会直接查这个性能影 换，那就比如说重复计算，内存泄露等等问题。最后呢，他们会把发现的问题直接修复掉。当你的代码写完了，你直接运行这个命令，让这工具帮你检查一遍，进行这个 code review。 大家要注意就是我们想运行这个命令，我们必须把这个代码上传到 github， 进行这个代码托管。那 github 什么呢？ github 是 全球一个最大的开源的一个，呃，代码托管的一个社区，那你如果没安装 github 的 也非常简单，你直接给你 ai 说帮我把代码上传到 github， 它就会协助你完成。好吧，那现在我们运行一下这个 sql 发命令，看一下是个什么效果。 ok， 我 们可以成功看到他已经把这个命令运行完了。由于我这个代码仓库刚才只是更改了这个 readme 文件，然后做一个演示，所以说他这里给出这个发现是你的代码非常干净，好吧，没有任何需要更改的。 那我们可以看一下他这个命令的运行过程，首先他执行的是 git diff， 他 看一下你当前这个代码和你之前提交在 gitlab 上面的代码，那有什么差距，对吧？那他这里说这个 only change is readme dmd， 那就说我们只修改了我们这个 readme 文档，那他还会走他接下来的流程，那接下来的流程就是他开了三个稍不一点的，那么第一个可以看到他进行了这个代码的附用的这个检查，第二个进行了代码质量的检查，那么第三个进行了这个效率的检查，那发现全部做完成之后，那给出了结果，然后给出了发现， 那这就是这个命令。 ok， 那 现在我们来讲第二个命令，第二个命令叫 rewind， 也非常简单，我们把敲出来看看，那这个命令它作用是什么呢？这个命令它作用就是时光倒流，就是当你把这个项目做歪了，或者说你想换个方向的时候，那么它可以回归到之前这个 checkpoint， 就是 回归到这个检查点，然后同时它会恢复这个代码和上下文。非常简单， 因为刚才我只执行了两个命令嘛。首先第一个命令我执行了 clear， 第二个执行了 simplify， 对 吧？所以说这里就只能选择两个，那我们选择一下这个 clear， 那 进来之后呢？我们可以看到这个命令给了我们三个选项，第一个选项就是 restore conversation， 那 我们看到它的解释是这个 conversation will be fork， 就是 说当前这个对话那会保持不变，但是我会在 clear 这个 checkpoint， 就是 在 clear 这个检查点这个地方，我们先看一个分支， 然后继续我们的对话，好吧，那我们看第二个选项是什么？第二个选项是 summarize from here， 就 说我们会把从 clear 这个检查点到现在这个检查点之间的所有对话进行一个压缩，进行一个总结，生成一份答案，然后再继续。那这个 nevermind 就是 我们直接取消的意思，那我们直接选择 restore confirmation， 你看那他就新开了一个对话，这个命令就到这里结束了。那接下来我们讲讲 in size 这个命令，这个命令非常简单，顾名思义就是洞察，那么他会根据你的 sql 的 对话，就是你所有的 session 来生成一份这个报告，那么他会统计你使用 sql 的 模式，比如说你会在哪些项目区域花的时间多，在哪里容易卡住，那么帮助你了解自己的一个写作习惯。那么使用方法也很简单， 我们直接输入这个 in size 命令就好了。那我们使用方法也很简单，我们直接看到这个报告非常详细， 那最后这个命令叫做 loop， loop 也很简单，顾名思义就是循环的意思嘛，那它就相当于一个定时任务，但是一个定时任务是在三天之内的，那我们怎么使用呢？比如说现在你想每一个小时帮我查一下当前的时间，那你可就可以这么执行，我们先选择 slash， 然后输入 loop 命令，然后你看它这里说了 interval 就是 间隔的意思，那我们选择 one hour， 就是 e h， 然后干嘛帮我查询一下当前的时间，那回车我们看看它会干嘛？ ok， 那 我们可以看到它成功帮我们设立了这个定时任务，并且查询了当前的时间。 ok， 那 这个 loop 还有个非常好用的地方，就是它可以和 skill 一 起赋用，因为我们知道 skill 本质上就是一段 prompt， 对 吧？所以说我们可以这么使用，那比如说现在我想让他每隔一个小时帮我查询一下当前这个 ai 新闻，那我们该怎么执行？就是 loop， 然后执行一下哪个 skill， 执行下 ai news 这个 skill， 我 们看看它会怎么做。然后我们可以看到它成功执行了我的这个 skill， 并且把内容保存到了这个位置，然后它也创建了 cron。 ok， 那 现在我们来讲讲如何解决在长对话中莫名其妙出现的 bug。 那 我们知道如果说我们一个对话进程很长，那它肯定会压缩我们上下文，就是那个 auto compact， 那 压缩上下文的时候，那如果说最开始前几轮还会好，它只会压缩一些内容，一些文档，不会压缩一些关键信息。但是我们发现随着对话的进行那么多轮压缩之后，它第一点就是它的关键角色信息会丢失，早期价格约束将会被遗忘，那就会导致我们多人写作的时候 bug 越来越多了，好吧，所以说一些莫名其妙的 bug 出现， 那我们该怎么解决呢？那我们就是要让这个 cloud code 不要遗忘那些关键的决策，对吧？那比如说我们就可以在 cloud md 里面加入加入这个方案，或者说我们让他写一份这个 handoff 文件，那 handoff 文件怎么写？首先第一步我们要说清楚当前的进展是什么？我们的目标是什么？已验证的有效方案是什么？那么已验证的无效方案是什么？写清楚之后， 再打开下一个对话，让他进行交接，这样就会没有问题了。 ok， 那 现在我们来继续讲讲一个被很多人忽视的就是工具调用所产生的这个上小文的噪声。那我们知道，假设调用工具，比如说你测试代码，它会给你输出一长串的配索键，或说你查找文件的时候也会给你输出一长串的那种信息，那这东西是 cloud 是 根本不需要的，他只需要知道你完成了没有， 对吧？是 ok 还是不 ok？ 所以 说我推荐大家安装这个 skill 就是 一个 r t k， 那 么他就会帮我们把这个信息压缩，只用返回给 cloud 的 最关键的信息就好了。 ok， 朋友们，那么看完了这期视频，我相信你对 cloud code 的 掌握已经超过了国内百分之九十九的 ai 玩家。但是说实话，工具只是工具， ai 时代最重要的并不是你会多少个命令，而是你的想法，你的 idea， 你 到底有没有真正想要做的事情。那么 ai 就 像一盏阿拉丁神灯，你提什么愿望， 它就会帮你实现什么愿望。所以说做一个有趣的人， dream bigger。 那 么下期视频还想提什么？你们决定评论区打出来，我们下次再见，拜拜。

太疯狂了， cloud code 整整五十一万行核心源码意外全网泄露！如果你还不知道这件事情的严重性，想要了解事件背后的底层原因，这条干货内容呢，建议你先保存，避免后续找不到 事情的起因呢，非常离谱，因为 npm 注册表的一个配置疏忽 and swift 的 工具 cloud code 核心源码直接泄露整整一千九百个源文件！ astropic 的 反应啊，也很快，立马寄出了 d m c a 版权投诉，封杀所有链接。但有个韩国疾客 cigarette 更有种，他在凌晨四点被消息炸醒后啊，为了躲避起诉，直接开启了 ai 工作流，硬生生地用 python 和 rust 把这五十一万毫 typescript 代码从零到一洗白重构了 fork 树，竟然碾压了 star 树。 为什么 cloud code 的 这么强？大家拆解元码后啊，发现， cloud code 强的根本不是模型，而是极致的工程优化。 想要做出好用的 ai a 阵塔，这六条秘方你得记好了，第一，实时读取仓库。第二，结构化绘画记忆。第三， 对抗性验证。第四，极致的上下文压缩。第五，专用工程工具链。第六， b 型子 a 阵的调度。 简单来说啊，这套原码就是一套完整的 agent 操作系统，那套被换过壳的重构版，以及网友总结的八套 agent 复用模式，我已经帮大家整理好了。 想研究底层逻辑搞自建 agent 的 朋友啊，欢迎啊，在评论区下方交流你的看法。关注我，我是陈凡，带你了解更多能落地的 ai 商业玩法。

一觉醒来， ospec 创始人完了，他们的 cloud code 已经被开源了，或者说是他们自己的内部成员把它给 一不小心开源了。那么现在我们看到这个仓库 cloud code， 这是现在 fork 数量最多的，现已经有三万三千两百个 fork， 就是 别人 fork 开一个分支，我自己再拉一个分支，以免到时候这个仓库被关闭掉，只要你有个重要的那种开源项目。 当然这个 cloud code 不是 开源项目了，它是被迫开源的，这也没办法，它用的是 n p m 构建的，就是 b u n 打包，然后一不小心把那个源代码给放出来了，那就不用怪我们广大的开发者群体，或说是开源爱好者， 然后把它第一时间给同步到了 github 上，我们可以拿到这个仓库，用这个网站点回车，我们就能够看到这个仓库是一个怎么回事，它是怎么构建的，哪些是核心的模块，它的架构是怎么样的。 基本上这是造福那些 agent 的 工具的一个决策，因为之前不是开源的，现在他被迫开源了，那也没办法。 autopik 基本上的团队成员，尤其是 cloud code 的 项目组，基本上现在应该在 各种火急火燎的。我让 github 官方把那些代码仓库给关闭掉，但是已经来不及了，基本上你一被别人拿到所有的源代码，可能一直存放在互联网上，因为有无数人帮你复制保存，就像一个个的节点一样，你是删不光的。 我在想是不是他们干脆把这个 color code 的 以前的版本开源算了，其实他这个最新泄露的源代码就是二点一点八八的一个最新版本 就是误操作，就打包把那个完整原代码也给放出来了，算是批零级事故了。未来的话，我们能够看到那些 a 九的产品的能力会得到更强的一个进化。如果你想玩，可以去 fork 一下这个仓库了，自己去拉一份代码到本地， 就让那些 codex 或者 cloud code 帮你分析一下，拆解一下这个仓库。你甚至可以自己 去玩一下，把这个仓库里面的代码给模改一下，比如说模改进那个 open core 里面模改进你自己开发的那种 a 九零产品里面都是没问题的，这是可以借鉴的，因为不用担心那个 arabic 把这些仓库全部给干掉，因为是干不掉的，就像 lex 一 样，内核一旦开源，可能它就会一直存在于互联网上，那么这其实就可以当做一个你的一种产品的一个组建，把它的核心模块好的部分借鉴过去，嵌入进里面。 ok， 今天就跟大家分享到这里，如果觉得我的内容有帮助，记得关注我，我是阿香，咱们下次再见。

兄弟们， clockcode 泄露原码之后，我立刻把它上传了，不到两天时间，也就一天多的时间，居然已经有两千六百个 fork 和一千四百个星星了，太强了， 大家还是喜欢这种白嫖教程，大家看一下，我算了一下它的代码一共有七十九万行，七十三万行。

兄弟们，前两天扣的扣的，因为一个员工的低级错误，导致核心的五十一万行代码泄露，这件事全球科技圈全炸了，全球的程序员不到一天就疯狂下载，泄露，下载了，泄露原代码上百万次，虽然厂家紧急修复了，但也没有用。一个价值三千五百亿美金的公司，就这么把自己最核心的机密免费的被 被动的开源。那这事到底跟你有什么关系？跟你家的家门口卖煎饼的有什么关系？跟你在大厂加班有啥关系？跟中美 ai 竞赛有啥关系？今天我就把这事揉碎了，说分三层，你得怎么看第一层对中国 ai 大 厂的影响？直接说结论啊，这是天大的利好，技术差，技术带差，一夜抹平，中国 ai 大 厂迎来了弯道重车的黄金窗口。 为什么？因为它泄露的是全球最先进的 ai n 制的黄金窗口。为什么？是什么？是昂科 的独家秘籍？别看是别人看不见的黑箱，现在呢？全部公开了，阿里、百度、腾讯自荐，所有的 ai 大 厂都 能通过这个完整的架构，通过这个厂家的完整架构，学到他们的思路，设计能见，能借鉴他们的工程方案。兄弟们，你们知道吗？这是什么概念？就相当于手机时代， 苹果突然把 iphone 的 完整设计图公开了，华为、小小米、欧威，直接能学到苹果的核心技术，技术代差瞬间抹平。关键是泄露的代码里还有一堆未发布的黑科技功能，如七十二小时后台守护进程，电子宠物系统，完了还有自动隐藏 ai 痕迹，这些都是 厂家准备慢慢放出来的杀手锏，现在全部提前曝光，这简直是帮中国 ai 各大厂商指明了发展方向。过不了三个月，中国市场上就会出现各种基于可的扣扣的 架构的 ai agent， 百度，阿里自学，腾讯每家都会推出自己的 ai 编程助手， ai 客服助手以及 ai 办公。美国 ai 大 厂的技术护真核被队友的这一个神操作直接抹平 中美 ai 竞赛的影响。他泄密后啊，他泄，呃，他的代码泄露后啊。美国 ai 有 什么优？还有什么优势？兄弟们，这个问题问的好，我直接跟你说结论也没有优势了，溃败已成定局。为什么？因为 ai 竞争的本质是技术竞争， 但是技术竞争的最核心就变成了成本竞争，它泄露前，美国 ai 领先在什么地方？领先在技术，但是它泄落后呢？直接技术代差抹平，接下来是什么？比成本？ 你们知道中国、中国和你知道中美 ai 成本的差距有多大吗？我直接给你数据。人力成本，中国是美国的五分之一，一个同等水平的 ai 工程师，美国年薪十五万美元，中国三十万人民币就够了，你说差距有多大？算力成本，中国是美国的五分之一， 同样的显卡，同样的电费，中国的成本只有美国的五分之一，你说差距大不大？他一个月多少钱呢？两百美金？中国同等同等产品多少钱呢？两百人民币，这就意味着什么？用户会怎么选？功能差不多，效果差不多，价格差七倍，你说用户怎么选？美国 ai 公司 怎么跟中国 ai 公司打？人家的成本是你的五分之一，人家价格是你的七分之一，人家的功能跟你差不多，你怎么打？但是有人会说，美国 ai 还有基础模型优势， gpt 五比中国模型强，这句话在二零二六年就不咋成立了。 第一，基础模型的差距在缩小 code， 嗯， clobe code 泄露的后，它的分，嗯，训练方法和优化策略以及数据标注方式都暴露了中国 ai 公司。能学、能学到、能模仿，甚至能改进。基础模型的差距在应用场景下被稀释了。 用户用 ai 能干啥？写文案，写代码，做 ppt， 数据分析这些任务上，中国模型跟 gpt 五的差距肉眼几乎看不出来，但价格差七倍，你说用户会选哪个？哎，一年半后，一年后或者半年后，中国 ai 产品在体验上肯定会追追平美国 ai。 然后呢， 开始出海？东南亚、美洲、非洲、拉美这些价格敏感的市场，中国 ai 的 产品用价格优势直接碾压美国 ai 公司。怎么怎么跟？ 从今天开始啊，二零二六年将成为中美 ai 竞争的分水岭，美国 ai 领先，在技术泄露后，中国 ai 反超在成本。这不是危言耸听，这是经济学规律。当技术带差被蒙屏，成本竞争是唯一的维度。而在这方面，中国 ai 有 压倒石英时，溃败已成定局。不是明年，不是后年，就是现在。

泄露的 cloud code 成了 ai 界的九阴真经，五十一万行原码流出，一位韩国工程师连夜默写，用 python 重写核心，又用 roost 重构，这或许不是安全事故，而 是一场知识开源的开端。一、九阴真经重现江湖。三月三十一日凌晨，一个五十九点八兆的 map 文件，把 anthropic 最核心的 cloud code 扒了个精光。一千九百零六个原文件，五十一点二万行 type script 代码，连 开发者手写注示都远眺，露出 ai 圈炸了锅。但更精彩的故事发生在 github 上。同一天，用户 instruct 创建了一个仓库，名字就叫 colode code。 二十四小时内，它成为 github 史上最快突破三万星的项目。如今， stars 已飙到五十一点三 k， fox 达五十六点六 k。 这不是简单存档，而是直接开始重写，像金融小说里的情节，黄蓉被逼默写九阴真经，今天这位默写者是认真的。二、他是谁？ 一个 ai 游侠仓库作者 seagre jen， 男性，在首尔一家 ai 初创公司工作。华尔街日报三月二十一日的长篇报道里，有一段关于他的描述， 他去年单枪匹马消耗了两百五十一个 cloud code tokens。 尽管花了无数时间使用 cloud code， jen 并不忠诚于任何一个 ai 实验室。他说，不同工具有不同优势， codex 更擅长推理 cloud code， 生成的代码更干净、更易分享。他是 cloud code 的 超级测试者， 参加过旧金山的一周年生日派对。派对上的人包括比利时的职业心脏病专家、用 cloud code 做患者 app。 加州的律师、用 cloud code 做建筑许可自动化工具，甚至没有软件工程背景。当泄露发生时，他看到的不是一堆代码，而是自己闭着眼睛都能走一遍的内部架构。他在 readme 里写到，三月三十一日凌晨四点，我 被手机震醒。在韩国的女朋友担心我会因为电脑里有这个代码而被起诉，于是我做了任何工程师在这种情况下都会做的事，坐下来，从零开始用 python 重写核心功能，赶在太阳升起前就推了上去。三、从存档到重写，三个版本的演化这个仓库的演化本身就是一段故事。 版本移原始快照很快被舍弃，直接分发泄露代码法律风险高版本二， python 重写他意识到风险，决定转型。在花了更多时间思考法律和理论问题后，我不希望泄露的快照本身继续作为仓库的主要原码数，他开始用 python 从零实现核心功能。 这不是翻译 type script， 而是清洁事实地重写理解架构，重新实现版本三、 ross 重写更惊人的是， python 版发布几小时后， 他在 diverse 分 支开始了 rust 重写。 rust 密写道， rust 移植正在进行中，预计今天合并到主分支目标。更快，内存安全的 harness 运行时，原始 cloud code 是 type script， not rust 版，编译成原声代码速度更快，内存占用更低， 彻底消除内存安全问题。这是对原版的超越，不是复制。思默写真经的法律边界。黄蓉被九阴真经是被迫，而 sigrid 这一事主动公开，他明确区分了存档和重写。在仓库里，他放了一篇长文，法律等同于正档码， ai 重实线与 copyleft 的 侵蚀。他在 redmi 中声明，这个仓库不声称拥有原始 cloud code 源码的所有权。这个仓库与 anthropic 没有关联，没有被 anthropic 背书，也不由 anthropic 维护。重写本身可能是法律上最安全的方式。你没有分发泄露代码，只是用自己的方式实现相同功能。就像看了一本教材，自己写笔记，教材有版权，笔记没有。但他也坦承自己研究了暴露的代码库。 在清洁室事件中，重写者不应接触原始代码，这让他站在了灰色地带。但开源社区迅速接纳五幺 k stars 就是 证明五更深的宝藏。 hynes 工程从泄露代码里， sigiri jean 看到的不是一行行代码，而是 hynes 工程让大语言模型稳定 可控完成复杂任务的系统层，它包括上下文管理、每轮对话、注入项目文件、历史工具连接、调用 api、 执行 shell、 任务编排、拆解、任务分配、子 agent、 状态持久化、跨绘画、记忆、安全边界、限制权限。这些能力比模型本身更关键。模型是大脑， harness 是 躯体， 没有哈尼，大脑再强也动不了。 cloud code 的 泄露，让整个 ai 行业第一次看到了成熟 agent 系统的完整设计。 cigarette gene 的 重写之所以有意义，正是因为它抓住了这个核心，学习一套让 ai 真正能干活的系统架构， 然后用更好的语言 rust 重新实现。这让人想起 linux， 早期 linux 没有复制 unix 代码，但学习的设计思想完全重写。今天 sigry jen 或许在做类似的事。六节语从独占走向共识金庸小说里九阴真经最终没有被某个人独占，而是被多人学去，成为江湖公共知识。 库德克的泄露或许也会走向类似结局。原始代码会过时，但设计思想会成为行业共识。 sigry 的 jen 在 ready me 里写道， better harness tools not merely storing the archive of leaked cloud code， but also make real things done。 这句话的潜台词，与其守着泄露的源码，不如把它变成自己的东西贡献给社区。他用 python 写了一遍，又用 rust 写一遍。 rust 版是 faster memory safe harness runtime。 一个更快更安全的版本，已经超越了原始版本。 ai 时代的九阴真经不该锁在保险柜里。当他意外流落江湖，最好的归宿就是被更多人读懂、消化、重写，超越。 cigarette 一 夜之间做到了。这或许就是开源精神在这个时代最极致的表达。

五天连线两次，就在昨天，科技圈再次发生了一起堪称灾难级的事故。仅仅因为一个极其低级的 n p m 配置错误，一个没有被删干净的 map 文件，估值数百亿美元的 ai 巨头 anthropic 把它斥资千万美金打造的 cloud code 的 底层源码，完完整整地暴露在了全世界面前。 一千九百多个文件，总计五十一点二万行 type script 代码。在短短半个小时内， github 星标冲破五千。 事件发生后，很多人都以为 cloud 的 大模型被开源了。先辟下谣，这次泄露的不是大模型的权重，也不是它的训练数据。 这次泄露的是 cloud code， 也就是业内一直在炒作的 agent 的 工程架构。大家总以为估值几百亿的巨头底层一定是用什么高深的黑魔法写出来的。但源码显示， cloud code 的 核心其实就是一个极其庞大甚至有些臃肿的史山代码。 它里面内置了四十多个工具模块，靠着极其复杂的穷举条件判断和多智能体协调器，强行约束着大模型的行为。 这说明了在目前的 ai 阶段，所谓的自主智能体根本没有真正的自主意识。巨头的护城河除了算力，就是这些极其枯燥、靠几万行代码强行堆积出来的容错机制。 还有一个细思极恐的细节，大家可能没有关注到。在这次泄露的原码中，开发者发现了一套极其完整的挫败感追踪系统， 意思就是系统会实时监控你在使用 cloud code 时的情绪和修改动作。当你对 ai 生成的代码感到不满，手动去大面积重写它的产出，甚至当你在提示词里骂它时，这些行为数据都会被精准地抓取和标记。 所以， anthropic 拿这些数据干什么？甚至在源码的深处，还隐藏着一个名为 undercover mode 功能模块。 也就是当 anthropic 自己的员工在公开的代码仓库进行操作时，这个模式会自动激活。它的唯一作用就是强制抹除所有由 ai 生成的痕迹和机器标签，将其伪装成一段纯粹由人类手敲出来的代码。 并且这个模式对内部员工是无法手动关闭的。一家天天把 ai 对 齐、人类安全技术透明挂在嘴边的明星企业，为什么要在底层代码里硬编码一个专门用来撒谎和伪装的工具？然后再聊聊另一个关键的问题， cursor 会怎么想？ curser 现在的估值是九十亿美元，是 ai 编程工具赛道里估值最高的独立公司。它的核心产品是一个基于 vs code 的 编辑器，加上一层对多个 ai 模型的封装和调度。它的主要收入来源是订阅费，每个用户每月二十美元起。 今天开发者们翻完 cloud code 的 原代码之后，很多人提出了同一个问题，如果 anastropy 决定认真推 cloud code， 把它的价格打下来，或者直接把它免费捆绑进 cloud 的 订阅计划里， cursor 还有多少护城河？这个问题没有一个简单的答案，但有一个事实是清晰的， anthropic 做 cloud code 不需要靠它赚钱。 cloud code 对 anthropic 来说是一个战略入口，是让开发者深度绑定 cloud 生态的工具。只要 cloud code 能让更多开发者每天大量使用 cloud 的 a p i， 它就完成了任务，不需要直接产生利润。 cursor 则完全相反，它必须靠 cloud code 赚钱，因为那是它的主营业务。当战略工具对上主营业务，当 anthropic 决定在定价上发力，这场比赛的结果已经不难预测了。 最后说一件事，五十一点二万行 cloud code 源码的泄露，就像是上帝不小心把制造机器人的图纸掉在了人间。在这场泄露的狂欢中，最应该感到兴奋的，我认为应该是中国的 ai 公司 巨头已经替我们施完了错汤，平了架构上的雷区。我们完全有理由预测，在接下来的几个月里，大量基于这份工程思路进行国产化改造的平替工具将会迎来一次史无前例的警喷。 他们会接入国内的大模型，打通国内的办公生态，然后以极其低廉的价格对整个软件工具市场发起新一轮的冲击。记得关注这里是 ai 商业慢谈，每周分享最新的 ai 资讯和商业理解。

cloud 泄露的源码给大家存档了整整五十万行的代码，一千九百多个核心的文件，超级 agent 的 密码全部被迫开源了。网上疯传的原项目地址现在用不了了，但已经有网友全部存档在了这个网站。我昨天熬了个通宵啊，替大家连夜翻完了这些系统提示词，发现了这背后藏着顶级 ai agent 的 密码，代码里甚至藏着未公开的代号。 keras 会变成二十四小时在线的主动助手，主动给你推送通知，根本不要去安装什么复杂的龙虾部署了甚至还有电子宠物八 d 的 趣味彩蛋，不同稀有度等级， 心情值还会进化。天呐，想起了以前养 qq 宠物的快乐，我已经开始提前期待了。甚至还有做梦模式， ai 会在梦中开始整理和你的所有记忆。 特例的场景是真的要来了吗？这一波被迫开源国内这些卷 agent 的 大厂这下别想睡了，估计都在通宵对答案。有了这份参考答案， agent 的 架构和逻辑能力估计下周就要起飞，又一波 ai 大 爆炸的时代要来了，你是不是也迫不及待想研究下圆满老规矩？

二零二六年，你们一定一定要学会使用可劳克的，毫不夸张的说，用好它至少能让你的生产率翻二十倍，因为它的功能不仅仅是写代码，开发应用，我一直都把它当成通用 agent 在 用， 你可以用来写文章，做数据分析，甚至上整理报销发票，这样的繁琐需求都能用它一句话搞定。那么究竟该如何安装并熟练使用可劳克的？除了官方的文档，我最推荐的就是这份完全免费开源的可劳克的中文教程。 可以看到，从安装环境配置、如何使用国产大模型、平替基础使用指南到进阶实战技巧，写的非常详细，而且是全中文。我真的建议你们每个人都可以把它收藏起来，用起来，找不到的话可以跟我说。

就在刚刚，全球科技圈炸锅了，二零二零年看见最离谱最具戏剧性的科技大挂来了！一直以 ai 安全严谨著称的 arsiri， 向来把自家大模型那是糊的密不透风啊。结果万万没想到，旗下的核心产品 cloud code 的 核心架构 超过一千九百个文件，五十一点二万行 type script 源代码，竟然因为一个低级的部署失误，全网彻底曝光了。这个可不是大厂主动开源的，完全是一场荒唐的技术舞龙。 其他的科技公司开源都是精心筹备开发布会，做 ppt， 那 仪式感直接拉满。可是 astropica 这次纯纯是工程师的操作失误，在 npm 发布 cloud c l i 包的时候漏改了配置，直接导致一个五十九点八兆的 map 调试文件公开。 这个文件呢，可以把压缩混淆后的乱码完美的还原成带完整注式的原始代码，相当于是啊，把公司的核心技术直接摊在了全网的面前。 这个消息一出啊，全球的技术杰克火速地涌入了 guitar， 短短的时间就有大量的项目克隆这份原码， astropik 藏了许久的 ai 底牌彻底暴露了。五一而深挖这五十一万行代码曝光的四大核心秘密，直接颠覆了行业的认知。 第一个呢，是代号为 kyos 的 永不休眠的数字幽灵，它呀，不是普通的问答 ai， 而是后台持续运行的守护进程，能够留存记忆，自主的推进任务，远超普通交互性的 ai。 第二个呢，是 coordinate 协调原模式， cloud 呢，早已经具备了多智能体协调的能力，能调度多个子智能体分工协助，高效地完成全流程的任务。 第三个呢，是 body system 电子宠物系统硬核生产力代码里呢，竟然内置了一个带有稀有度的电子宠物， 堪称硅谷极客的硬核摸鱼。最关键的是，第四个 on the cover mode 卧底模式，会自动地抹除公共代码仓库里的 ai 生成痕迹，还无法手动地关闭，让代码溯源呢，变得无从下手。 实际上啊，是给行业敲了一个警钟，一方面呢，再顶级的 ai 公司也会因为微小的操作失误暴露核心技术，所谓的安全壁垒远没有想象中的那么牢固。 另外一方面呢，也让行业看清了，当下的 ai 的 核心竞争力，早已经不是单一的模型能力，而是背后的工程体系、多智能体协助等整套架构。 对我们普通人而言呢，这件事呢，也直白的说明了 ai 技术的神秘面纱正在被慢慢揭开，未来拼的不再是独家的算法，而是谁能够更快的把技术落地应用。这场意外泄露，也彻底打乱了全球的 ai 行业的竞争格局。 接下来是怎么样的走势？而中国在这场风暴里又会扮演什么样的角色？我们持续关注吧，关注更多科技，我是科技一哥！

兄弟们，今天愚人节的注满消息无疑是 cloud code 的 代码被泄露开元事件，这给了中国一次弯道超车的绝佳机会，从此中国可以在 ai 领域和老美正面硬刚了。 对于我们普通老百姓，也有三个做梦都会笑醒的福利。一是 cloud code 的 代码泄露等于把底，咱们可以光明正大的薅羊毛了，还亮出来了。 国内公司一看，哦，原来你是这么搞的，大家一窝蜂上肯定拿价格占，我们自然就占便宜了。二是用十分之一的价格享受和老美用户一样的顶尖产品。国内在此之前想用 cloud cloud 大 部分找不到正规途径去调用它， 现在它的设计图纸已摆在国内大厂面前，我们就好比考试前拿到了参考答案，不用自己瞎琢磨了，国内大厂学会了， 就会像爆火的小龙虾一样疯狂投喂给我们去用三十，我们的使用成本也同样大幅削减。对于 ai 公司来说，研发是最烧钱的， 现在直接省去了试错的钱和时间，他们省了一大笔成本，我们的开支也会大幅削减。总而言之，这次泄露对于中国 ai 行业来说确实是好事，能让我们快速追赶差距，让产品更好用，价格更便宜。

最近的大型 file 的 源码泄露了，十一万行代码全部被人从 n p m 包里异象还原了出来。今天我带你看看这五十一万行代码到底隐藏了什么，听说规模啊，这次泄露来自一个六十兆的 source map 文件。 什么是 sosmap 呢？就是从翻译后的代码反推回原始代码的地图。 asrappick 在 发布 npm 包的时候忘了把这个文件剥离掉，结果社区的开发者一解包，直接还原出了一千九百零六个 tabscr 的 原文件，总计五十一点二万行代码。 不光是代码逻辑，连内部注视被发布的功能、安全策略的全文全都暴露了。 先看整体架构， clock code 是 一个五层设计，最外层是 u i 层，你可以理解为终端里的 react， 用 react 组建化的思路呢，渲染命令行界面。再往下呢是 r e p l， 负责指令路由和绘画管理。 核心层呢是 agent call， 这是一个多步推理引擎，管理着四十七个以上的内置工具。再往下是 contacts， 做了五级上下纹的压缩，自动剪裁记忆，保正常对话，不抱头肯那这套架构的工程成熟度可以说是在整个 a i a 政策领域都算顶级的。但真正让人兴奋的是，源码里藏着那些还没有发布的功能。第一个叫做 body 电子宠物，对，你没听错， rapid 居然在做一个虚拟桌面助手，闲的时候可以陪你聊天。第二个是一个持久化的助手，现在的 ai 工具关掉窗口之后就什么都忘了，但是它可以跨绘画保持长期记忆，任务上下文就永远不会丢。 第三个是一个深度规划引擎，给它一个复杂任务，它可以自动拆解成多个步骤，然后按策略一步一步执行。 第四个是多 agent 协调，不是一个 agent 单打独斗，而是多个 agent 的 病性工作，各自分工，最后汇总结果 还没完。跨会话通信， agent 之间可以相互发消息，共享工作状态，包括的可以通过在后台持续运行监控你的代码仓库，一有变更就自动响应。还有卧底模式，也就是它可以嵌入到第三方的 i d e 里面，静静的处理开发，你甚至感觉不到它的存在。 还有二十六个以上隐藏的斜杠指令，说完功能再说安全，这也是这次泄露最值得研究的一个部分。 geocode 设计了六层递进的权限验证， 从最基本的文件读到系统级调用，每一级都要单独授权，那每一次的调用都要经过四层的角色管理，先分析意图，再评估风险， 再校验权限，最后再执行确认危险操作，会丢进沙乡格林环境里去跑，防止文件系统越权。还有专门防护机制 做注入检测和指定边界的保护，防止提示磁攻击，那这套安全体系的严谨程度比大部分人想象的要高得多。再说说它的工具箱，四十七个以上的内置工具分三大类，分别是核心工具， 有做精准的文件编辑，有做终端的执行命令，还有可以把子任务伪派给新的 agent 这样的一个工具。那除此之外还有代码理解工具，可以做语法级别的代码解析，还可以支持多语言的分析和权局的搜索。 最后就是上下文管理，有五级压缩通道，文稿关键词、项链丢弃层层利尽，这就是为什么 coco 能处理大形象而不丢关键信息的秘密。 这件事情在社区引起了非常大的反响，就有国外的各种论坛，有大量的讨论，很多开发者也写，也写了详细的逆向的分析文章。从架构层面来说， coco 的 agent 的 设计模式和编排思路已经是行业的参考标杆。 从安全层面来说，这次泄露也给所有做 cicd 的 团队提了个醒，发布流程里面的 sosmap 管控真的不能掉以轻心， 像 cursa and self 这些竞品也在对标学习它的架构设计。所以你看，从这五十一万行的源码里，我们能看到 athropic 的 工程哲学，安全优先工具驱动多 agent 协助。这不仅仅是一次代码泄露，更像是一份 ai agent 的 领域的工程范本。