code模式是什么意思

今天发现 ctrl 那 个界面变化了好大，它这个三点零的版本和这个 codice 长的基本上是一模一样，大家看一下左边这个是三点零的 ctrl， 右边的这个是 codice， 基本上这个界面布局的风格是一样的了，这个是原来这个 codice， 大家可以看到其实 coos 它这种风格的话，越来越不受这个市场的欢迎了。 现在像 cloud code 这种命令行这种方式的话，反而是成了主流。就是大家也很奇怪，为什么这种会反而成了主流？就是因为它比较适合自动化。我说实在的， 因为你一个脚本跑的话，那肯定是比你这个 ide 去操控爽多了，对不对？ 你 ide 的 话，其实我们平时用的时候，比如说我我这一段，然后我添加到这个对话框里面去，然后我说问问他这段是什么意思啊？修改一下这段代码，这是我们的日常用快手用的比较多的这种习惯，但是 这种习惯的话看起来是很好的，但实际上是降低了你的这种输出。 因为其实我们用了这种 cloud 这种 agent 之后，我们基本上是不看代码的，就是说我在功能完成之前，其实我们不会去关注，就是一些代码的细节。 我一开始使用这种 cloud code 的 时候，我也会问，就是说，哎，我怎么引用，就是这个代码某个文件里面的一些片段，或者说是我问他，哎，某一个文件它的意思或者说修改是怎么做的，但实际上的话， 我发现没有特别好的方案，除非你把这个文件夹这个艾特出来，还有这个文件你拖到这个里面去这个路径，但实际上这种玩法非常不舒服， 后面我就发现了，原来就是你切换到 cloud code 之后，或者说是切换到这种啊，比较清亮。这种页面之后，像 code 这种之后，你其实不是面对一个代码去开发，你其实是面对的是一个 a 准去开发， 你看它这个新界面，其实它不鼓励你看这个原码，你发现没有，它原码应该是在这里， 哦也这里你看他，他默认直接就把这个原码都没打开给大家看了。 就其实你就是面向 a 诊去开发，你有什么问题你直接就跟他说就行了，你就不需要。就是啊，我再去跟他说我某个页面什么之类，某个代码什么怎么样的。其实 在 a 诊时代的话，我们更需要做的就是要做一套。嗯，工作流， 就像最近比较火的那个 hinesengineer， 它的设计思路就是说啊，完全是由 ai 去自动地去把这整个工作给做完， 期间就是尽量地少员工去跟他沟通确认这个才是我们真正想要的，我们不需要就是说 在这个工作没完成之前不断地去跟 ai 去对齐。对齐工作的话，应该是在这个项目开始之前，就是我们去在 plan 的 模式的时候跟着对齐的，而不是说在这个工作当中就是不断地跟对齐。这样的话我们人其实还是守在电脑上， 就不断的去点击确认对不对？这个其实并不是我们想要的，我们想要的是我只是做设计，但是这个执行的话，你尽量的去帮我去自动化完成，大不了就是说啊，我重写就行了，有问题的话， 因为头肯其实在一个大公司里面，我认为不应该成为一个人的那个限制， 我们买一个 coding plan 的 一个套餐，尽量满足大家的这个日常的去开发。 如果就是我们做某个东西都想着这个 token 会不会消耗很多的话，其实我们就相当于就是辅助了双手双脚，你拥有了一个很厉害的一个大脑，但是你没办法尽情的去享受。 像最近这几天扣贷是因为封号的原因，我自己也受到了很大的影响，我有非常多的想法想去做，但是实际上的话我做不到， 因为我老是想着我的这个账号一下子就没没有那个头肯了，然后我很多东西的话，我就是背手背脚的，我就想着能做或也可以不做的话，那我就不做了，我导致我最近这几天的输出我感觉就变得很少了。 我自己有一个想法，就是在 ai 这个刚刚起步的这个阶段的话，大家尽量的去多用这些 id， 多用这些工具， 你在 ai 上投入的时间越多，你才能够越有把握使用它，这是我自己的一个想法，那你平时去吃饭，嗯，去吃饭几十块钱你都很舍得对不对？但是大部分人 啊，一个月花个几十块钱买 token， 他 们就觉得特别不愿意，其实我是特别不能够理解这样的行为的， 当大家以后都就是每个月都去冲 token 的 时候，那我们的机会其实就没有了，所以我觉得这个时候是有想法的人最好的时机，我们要尽量的去把这 token 都花出去， 然后现在回归到这个 costo 这这波来，我觉得大家这个工作方式真的是彻底的被改变了，我们现在就是要面向 a 准去开发， 就尽量的去少看代码。好，这就是我今天想跟大家交流的事情，拜拜。

玩龙虾的兄弟们，其实你们除了去抓一只龙虾以外，我非常建议所有人去安装一个 cloud code 啊，你不要问我怎么搞定的啊，各种东西他都有办法去搞定。 然后呢？你像只要出现 bug， 你 看我飞叔的 bug 他 去修啊，我飞叔经常你看工作，工作他有时候会卡住，当然这不是飞叔的问题，是因为他可能格式不对，机制不对。那我 cloud code 直接去处理啊， 那你像我昨天晚上就直接把它绑定什么呢？变成 cloud code 可以 去监控我的龙虾，我的龙虾里面有什么问题，然后 cloud code 每隔两个小时它就会去循环一次，它就会去排查它有 bug 它就修。另外一个事情呢，我昨天直接把 open curl 直接也 绑定了 cloud code， 就是 它双向可以支撑，那也就是 open cloud 的 时候，它比如说这只龙虾它需要去分装一个 skill， 它需要去做一件事情的时候需要用到代码，那么因为它的主模型可能代码不强，这个时候它代码交给谁就需要交给 cloud code， 那 这个时候它就把 这个事情讲完之后，他就给他 code code， 他 去把它写啊，写代码，写完整个代码，或者修完 bug 之后，或者把它分装成 skill， 那 他做完之后再回给 open curl， 你 看这两个双方一打通，这绝对是最强组合，没有之一，它可以监控龙虾的 问题，然后实时修复它，龙虾又可以拿它来写代码跟分装所有的东西，你看现在还在处理这些 bug， 他 自己写代码舒服，我跟你讲，这真的舒服，这两个大家一定要用起来， cloud code 加 open code 绝对王炸，兄弟们，搞起搞起。

下班了吧，该学 ai 啦！观众老爷们晚上好啊，欢迎来到小卡的直播间。讲了这么多 white coding 的 软件， cursor 和 codex 以及 cloud code 到底有什么区别呢？今天我们一口气讲明白。 首先我们要了解一个概念， cursor 本质上是一个 api 中转商，而 codex 和 cloud code 都是模型公司原生的产品， cursor 集成并调用了多个模型的 api， 所以 允许用户可以在一个软件同时使用不同的模型完成工作。 但是也正因为如此，经过一层中转过滤的模型效果会比原生产品要差一些。而 codex 和 cloud code 则是模型公司原声调优模型效果最好。唯一的区别是 codex 是 云端运行，而 cloud code 是 终端原声哦。各位观众老爷可以截图保存一下这个区别表。 至于如何选择，小卡觉得要因人而异，个人还是比较推荐。对于新手来讲，先尝试 ctrl 这种集成 ide， 每个模型都尝试一下之后再考虑选择原生产品。好了，那今天的视频就到这里了，各位观众老爷拜拜！

我相信很多非技术背景的朋友啊，一看到可乐扣的界面，黑乎乎的一个框，立马就打退堂鼓了。那今天我会给大家分享四个使用技巧，教你不再害怕他。第一个，拖动图片，很多新手一上来就会卡在一个问题，这图片怎么上传？那其实根本不用上传， 直接把截图拖到中端窗口就可以了。第二个，引用文件，没有了界面的编辑器，这文件怎么找？直接打一个艾特，输入文件路径前缀，然后选择你想要的。第三个， shift 加 table 切换模式，那在终端中按 shift 加 table， 可以 在正常模式、自动编辑模式和规划模式之间循环切换，那终端下方也会有提示啊。 第四个，斜杠命令， class code， 通过斜杠命令来快速调用各种功能。这种设计啊，其实在很多应用中我们都会可以看到，比如说豆包，它也是支持斜杠命令的。如果你不知道怎么用的时候，就直接斜杠 help 就 可以找到官方说明书，那 只要掌握以上四个小技巧，就能帮你顺利用上 cloud code。 你 还有哪些使用 cloud code 的 疑问？欢迎在评论区告诉我，我是新起，关注我，每天学习一个 web coding 的 小知识。

在 ai 智能体横行的时代， n 八 n 工作流并没有被淘汰，相反，它是智能体最好的搭档，比如 opencloud 大 龙虾。国外社区最普遍最认可的方式就是与 n 八 n 工作流集成，把固定性的任务放到工作流中。 opencloud 只通过 webhook 调用 n 八 n， 既能降低抽空消耗，又能把隐私密钥封装在 n 八 n 中，降低安全风险。 github 上也有现成的应用案例和打包好的 n 八 n 镜像， 而 n 八 n 本身也在不停地更新迭代。云端付费版本，提供了 ai 生成工作流功能。而社区中也有 n 八 n m c p 和 n 八 n skills， 让你彻底告别手搓工作流，让 cloud code 这样的智能体根据你的需求帮你创建工作流。 今天我就来为大家展示如何使用 cloud code 或 open code 这样的智能体工具来帮你创建 n 八 n 工作流。具体的安装和配置步骤以及提示词我都整理成了文档，最后会分享给大家。那我们就正式开始。 首先是环境搭建，虽然环境搭建需要一系列步骤，但是搭建好之后就可以一劳永逸地使用智能体创建工作流了。首先，我们要确保电脑上安装了 npm install 来安装，也可以通过 dk 安装。 如果你想快速进行尝试，那么 n p m install 是 最快捷的。电脑上安装了 note g s 之后，执行 n p m 空格 install 空格红线 g 空格 n 就 可以安装了。安装好之后， 呃，先设置几个环境变量，解锁 n 八 n 的 隐藏节点和系统级能力，然后重启命令行，输入 n 八 n， 然后回车就可以打开 n 八 n 界面了。 用 docker 安装也很简单，下载 docker desktop 这个工具，双击安装之后，在 search 界面搜索 n 八 n 安装即可。不过我更推荐的方式是安装 docker desktop 之后，在一个空白的文件夹内创建一个 compose 点 ymail 文件， 在文件中输入我屏幕上的这些配置内容，保存后在当前文件夹打开内行执行 docker 横线 compose 空格 up， 空格横线 d 就 可以启动 n 八 n 了。那这个方式主要是一次性的做了一些配置，解锁了隐藏节点，并向 docker 中挂载了本地文件夹。 那 n 八 n 启动之后，我们来到主页面，先要做两件事，第一件事就是点击左下角的设置按钮，选择 n 八 n api， 然后创建一个 api， 起一个名字， 然后把创建出来的秘钥复制出来，一会配置 m c p 的 时候会用到。那第二件事就是创建可以单手，也就是秘钥，比如你使用的 ai 大 模型的 api p， 那 这里我们点击左上角的加号，选择可以单手，然后创建， 那搜索 openai， 然后在窗口中填入 ai 的 api key 即可。那你可以使用 deepseek glm 或者任何你常用的 ai， 那 这和你使用 openclaw 大 龙虾是一样的。那做完这两件事之后，我们的 n 八 n 就 已经准备就绪了， 那接下来我们来到智能体工具，你可以选择 cloud code， opencode 或者 codex， java c r i anti glob 都可以。那我今天主要介绍 cloud code 和 opencode 的 桌面端。 那安装 cloud code 也很简单，我之前讲 agent skill 的 视频中已经讲过了，通过 npm install 来安装 cloud code。 安装成功后， 如果你所在的地区没有被 cloud 所限制，那么你可以直接申请 cloud 账号，然后登录。那如果你在受限制地区，比如中国大陆，那么你可以转接兼容模型来跳过 cloud 的 认证。那具体的方法就是依次输入这四个命令， 指定你转接的大模型。那我这里使用的是 openroot， 你 同样也可以使用 deepseek 或者 j l m。 大 多数主流模型都有兼容 astropic 的 接口， 我屏幕上展示的就是 deepseek 的 官方文档中兼容 astropic 的 接口的具体内容。那设置完这几个变量之后，就可以输入 cloud 回车来启动 cloud 的 code 了。不过先别急，我们先配置一下 skills 和 m c p， 那 很简单，我们在 twitter 上搜索 n 八 n skills， 找到这个星标最多的仓库，那下载下来之后，把 skills 文件夹复制到你 cloud 的 配置文件夹里， 那地址就是你用户目录下的点 cloud 文件夹里，那其次是 m c p， 我 们来到你的用户目录下，找到这个点 cloud 的 点 json 文件，那在里面添加一段 m c p 配置，那具体的配置内容我已经展示在屏幕上了，那其中你要把 n 八 n api 换成你刚才自己创建的那个 api 秘钥， 那保存文件之后关闭，我们的配置就做完了。那如果你使用的是 open code， 我 们直接下载安装 open code 的 桌面客户端，那这个图形化的客户端是非常直观的。并且 open code 有 大量的免费 ai 额度可以使用，比如最近小米新出的大模型，就在 open code 里免费使用， 那所以我还是很推荐大家使用 opencode 的。 那在 opencode 中配置 skill mcp 也很简单，那 skill 文件夹的路径是用户目录下的，点 config 文件夹里的 opencode 文件夹，那创建一个 skills 文件夹，然后把刚才下载的 n 八 n skills 复制进来就可以了。 那同样是这个文件夹里有一个 open code， 点 jason， 那 点开之后，在 m c p 这里添加一段 m c p 配置，那具体的内容我也展示在屏幕上了。要注意的是 open code 和 cloud code 的 m c p 结构有一定的差异，那大家如果懒得去看官方文档，那直接用我给的就可以了。 那同样要把 n 八 n api key 换成我们刚才创建的 key， 那 保存之后，我们来到智能体界面，在 ai 对 号框中输入指令，来验证一下 ai 是 否已经与 n 八 n m c p 和你本地的 m c p 实力连接成功。那输入提示词， 然后 ai 就 列出了它具备的 n 八 n 能力，以及成功连通了本地的 n 八 n。 那 这个时候你要确保你本地的 n 八 n 是 运行起来的，那么到此所有的环境配置就已经完成了。那虽然有一点麻烦啊，但是配置好之后，后续就没有任何难度了。 那接下来我们让智能体为我们实现一个 ai 资讯获取的工作流，从谷歌的 d 分 卖的订阅中获取谷歌最新发布的 ai 论文，并调用 ai 进行翻译整理，然后对数据进行格式化，保存到 n 八 n 内置的数据表格中， 那提示词我已经展示在屏幕上了。那这里要注意一点，我们刚才在 n 八 n 中创建的带有你 api key 的 可疑单手，我们要把可疑单手 id 发送给智能体，那这样它在创建工作流节点的时候，就会使用你已经创建好的可疑单手密钥了。 那我们先来到 cloud code， 把提示词发送给智能体，智能体就开始工作了。我在 cloud code 中转接的是智普 glm 五 turbo 这个模型，那这个最新发布的模型能力还是很强的，那其实这一类的任务，国产的预三加大模型都可以完成的很好， 那小米最近发布的模型也没有问题，那我对视频进行了一下快进，那因为智能体需要一定时间来完成工作的创建，那创建成功之后，它列出了所有的节点以及验证结果。 那我们来到浏览器的 n 八 n 界面中，那刷新一下，就能看到最新创建的工作流了，那点进来之后，点击执行按钮，那工作流没一会儿就执行成功了，那数据保存到了 n 八 n 内置的数据表格中。我们回到 n 八 n 主页，点击 data tables 选项卡， 打开这个 ai 论文情报站表格，就可以看到谷歌 d 分 版的最新的十篇文章已经被翻译好并保存到表格中了，那包括文章标题、内容简介和文章地址。 那我们打开谷歌 devnote 的 r s s 订阅看一眼，那可以看到最新的一篇文章标题就是这个 jammin 三点一 flash live， 那 数据表格中的翻译还是非常不错的。那么到此我们就实现了工作流的创建，那全程我们都没有自己手动拖拽工作流， 而是只发送了自然语言提示词给智能体，那智能体就可以自己编排工作流了。那这里我要强调几个注意事项，那第一呢，就是如果你执行工作流的时候，发现某一个节点报错， 那么你可以点开这个节点，把错误信息复制出来，然后把它发给 cloud hold， 那 智能体会自己进行错误排查并修复工作流，那修复好之后，你就可以再次测试了。 那第二点就是如果你的工作流很复杂，那么我建议你先让智能体进行分析和计划，然后先给出方案，等你确认之后再执行。那我笔记中的提示词就是要求 ai 先做规划，我确认了之后再创建工作流。那视频中我为了省事就直接执行了，那不然每一步都要手动确认。 那当然呢，越复杂的工作流就越有可能出错，那出错了，你把错误发给可拉的扣子来修复就可以了。 而 opencode 则更简单，那全部都是图形化界面。我们来到 opencode 的 界面，那这次我们修改一下提示词，我们不再使用谷歌的 deepmind 了，我们使用 openai 的 rss 订阅，让工作流拉取 openai 发布的文章， 然后进行翻译润色。那提示词中，我要求 opencode 把工作流名称命名为杰森的情报站，以便于和 cloudcode 刚才创建的工作流区分开。 那输入提示词之后， open code 就 开始工作了，我们对视频进行一个加速。那这里需要注意，我使用的是 open code 提供的免费模型，也就是小米的 miimo v 二 pro 模型，那这个模型目前在 open code 中免费试用，那估计过几天就不免费了，所以大家赶紧趁这个机会多用用。 那么工作流创建完毕，我们来到 n 八 n 那 刷新页面，直接执行这个杰森的情报站工作流，那执行成功之后，我们来到这个 table 页面，点开刚才的数据表格，那可以看到表格中多了十条记录，那这十条记录就是 openai 最新发布的 ai 文章了。那么到此， opencode 的 执行也顺利完成。 那虽然智能体为你创建这个工作流的时候会消耗一些 token， 但工作流创建完毕之后，你每一次执行都是非常节省 token 的。 那类似这样的信息获取的工作流，我自己有四条，那有爬取 archiv 上的论文，那有爬取 reddit 上的帖子，也有获取 openai 和谷歌的开发者 blog 以及 ospec 的 blog。 那 像 archiv 上的论文也有不少水货，那我会让 ai 为我分析并打分，进行一个初级筛选。 那像前几天 kimi 团队又发布了一篇有关注意力残差的论文，那非常有价值，连马斯克都点赞。 那这样的工作流有助于我获取到 ai 相关的第一手资讯。那如果你不使用工作流，而是在 open cut 大 龙虾中，每天都让大龙虾给你爬取数据，发送什么每日信息日报，那么你的 token 消耗简直就是灾难级的。 那对应的，工作流中的每一步在大龙虾中都要消耗 token。 那 更重要的是，你的很多身份验证和密钥都直接暴露给大龙虾，那非常的危险。 而使用 n 八 n 工作流，你的 crayon 手密钥是封装在 n 八 n 里的，对外只暴露 a p i 接口，那大龙虾是拿不到你的密钥的，那么类似你的 notion 数据库， 不过桌面有文档或者 email 邮箱，就不会因为 open klo 大 龙虾自己出错而影响你的私人数据了。那另外，工作流的执行如果出现错误，在 n 八 n 中是非常直观且容易调试的，是精确到具体节点的。 但是在 openclaw 大 龙虾中则是非常难定位，那对于没有技术背景的普通人来说简直是灾难。那所以把固定性的流程编排成 n 八 n， 工作流与智能体结合使用，是目前社区普遍最认可的方式。那我屏幕上展示的这个 awesome openclaw use case 仓库，那就有 n 八 n 的 案例， 里面还有专门为 openclaw 准备的 n 八 n 镜像，那大家感兴趣的话可以直接使用。那么今天的视频内容就结束了，大家现在可以来我的个人主页下载支持笔记，然后一步一步来实现了，你可以在我的频道信息中找到我的个人主页。那如果你有任何的问题，欢迎给我留言，记得点赞关注，谢谢大家！

今天挑战一个视频带你认识 cloud code， 欢迎回到我们这个一人公司系列啊，上一期视频呢，我介绍了一下一人公司如何去找点子的一些思路，那么最近这一期的视频呢，我就想讲一讲，在有了这个点子之后，我们如何去实现和落地它，其中不可避免的就是想介绍一下呃，我们如何是使用 ai 编程工具来完成我们的落地的。 那么今天这期视频呢，我就要挑战用一个视频大家认识一下 cloud code， 这个每天我用且唯一使用的编程工具，目标呢就是想让我们所有普通人看完这个视频都能够理解 cloud code 的是什么，以及它为什么最近这么的火， 这期会是一个非常干货的视频啊，如果喜欢的话呢，请点赞收藏啊，码住再看！要理解这个 cloud code 是 什么呢，我们就必须得先理解 a 键的是什么东西。 a 证的概念呢，其实也是非常的好理解啊，他其实就两个部分，一个就是大脑，一个就是工具。我们都知道大圆模型，现在他的能力是可以你问他一句话，他可以回答一句话，相当于是一个有智力的这么一个大脑。 而 a 证的概念呢，就在这个大脑的外面给它装上了非常多的手脚，这手脚呢，我们将称之为工具，市面上面呢有各种各样的工具啊，每个工具的作用都是不太一样的，但是他们呢，都会拥有同样的格式，比如他们都会在定义里面写好自己的输入是什么，输出是什么，他们的具体的这个操作流程又是什么，以及他们的描述会是什么？ 那么在一个 agent 在 完成一项任务的时候呢？他就可以去看他能够调用的工具有哪些，然后来根据这个任务类型来判断他自己要使用哪些工具来完成这些任务。一个非常简单的例子啊，如果我们有一个 agent 的 话，他的唯一一个工具就是说他有个计算器的工具， 那么如果我们在问他，比如说二加三等于多少的时候，他会去看啊？我这里有一个计算器的工具，他就会去调用他，然后看到他的输出是五，然后会把这个五返回给我们，或者返回在他的回答当中去。 那如果我们去问问他一个就是跟计算无关的话题的话呢，他就不会去调用这个工具，就会用他现有的模型，现有的知识直接来回答你 啊。恭喜你已经理解了这个 a 站的底层概念是什么？这个 a 站其实就是这么简单的一个概念，就是一个大脑加一个工具， cloud code 呢？作为一个 a 站呢，其实他底层逻辑也是差不多的，只不过他的工具呢会更加的全面一点，更加的多一点自己本身自带呢，有非常多的一些最基础的一些工具，比如说搜索， 比如说读写文件，比如说运行代码，而这些最基础的工具呢，就已经能够让他很好的去实现写代码的这么一个任务。在这些基础工具之上呢，我们这个市面上还有非常非常的第三方工具，我们可以安装到 call 当中去。 这些工具呢，有些是可以帮助他去呃操控本地的软件，有些可以帮助他去操控这个在云端的或者在网页端的一些 app， 甚至有些可以让他直接去操控这个浏览器啊，他可以模拟这个鼠标，然后点啊点，点这边点那边，模拟键盘输入一些东西等等，这些东西呢，也是实现了对于 clock code 的 这个能力的延伸。很多人可能会被他这个名字所误导，以为他就是一个 coding agent 叫 clock code 的 嘛，但其实不是的，他其实是可以帮你完成这个你对于这个电脑控制的 百分之九十的事情，甚至百分之九十五吧我觉得，而且未来呢，我觉得这个数字是会越来越高的。举一个我自己的心声例子的话呢，我也会使用 clock code 来，比如说测试我的代码 部署，提交我的代码，然后更新我的开发日记，甚至于在我做这个内容创作的时候，我也会跟 clark cole 一 起去聊我的选择题应该怎么选，内容应该怎么写，也会去复盘一下，比如说我之前的内容，它的数据是什么样子的。 clark cole 为什么在最近这段时间这么的火呢？我认为它其实是一个讲述了一种，就是人和电脑在未来的交互的新的方式是什么样子的。 我们之前比如说去呃交互电脑，我们会用鼠标对吧？我们去拖拖拽拽点点，在未来呢，我们可能根本就不需要鼠标了，我们就直接用自然语言，我们都不用键盘了，我们甚至说不定直接用语言就说话，就可以控制呃电脑，然后让电脑去完成我们想完成的任务。 那这也是我为什么推荐大家，不管你是不是程序员，不管你是不是想写一个自己的软件，你都要去使用下 cloud code， 去看一下他能力的边界在哪里，然后去了解一下这个前段时间令这个美股市场闻风丧胆的这个新的 ai 形态是什么样子的。这就是我想分享的一些 cloud code 的 基础小知识， 希望对大家有帮助啊。喜欢这一系列视频的话呢，可以点个关注，在下一系列视频呢，我会介绍一下我在日常生活当中是如何使用 cloud code 的。 那我们下期再见。

你让 cloud 指挥 codex 干活，任务一复杂，最先乱的往往不是实线，而是上下文。 simon wilson 点的很准， sub agents 最适合代码库探索和多步骤计划，因为单个 agent 装不下那么多脏活。 今天我把这层拆给你看，顺便讲清它怎么接近 agent teams 和 ccb。 复杂任务的问题不是模型不会做，而是读代码，找证据，做修改都塞进同一个窗口， 官方文档直接点名。 sub agents 特别适合代码库探索和多步骤功能计划这种天然并行任务。把这些步骤拆开后，主代理只处理结果和决策，上下文才不会越滚越乱。 codex 现在内置三种子代理， default 都得， worker 专注执行和修复， explorer 专注读代码。 这不是三个窗口同时聊天，而是不同角色先分别完成任务，再回到主县城统一汇总。 simon wilson 的 观察很准，这套模式已经成了 coding agent 的 通用结构， agent teams、 ccb code、 sub agents 不是 一回事，而是三层结构， agent teams 解决，上层协助 ccb 解决， cloud 到 codex 的 任务分发， sub agents 解决， codex 内部再拆执行。 前两层决定谁来指挥，最后一层决定 codex 自己怎么改。如果你之前就在用 ccb， 让 cloud 负责拆需求定边界，审结果，现在它终于能更细地指挥 codex 了。 cloud 不 再只把任务扔给一个 codex， 而是能明确要求 codex 先拉 explorer 查，再拉 worker 改。你还能写自定义 t o m l 代理，但先记住三件事，显示 spawn 六个线程一层深度 token 也会更高。 这项更新的意义不是 codex 多了个按钮，而是 coding agent 开始进入角色分工阶段以后，谁还让一个 agent 一 口气查证？改验慢指是副作用，更大的问题是它会越来越糊。

老师老师，这个单词怎么记啊？这个单词还不好记吗？扣的谐音。扣的代码不就是用手抠出来的吗？扣的代码。

cloud code 的 p m 每天亲自出三十个 p r， 靠的是五个 ai 同时干活儿。他公开了完整工作流，发布当天，全球开发者直接看麻了。他叫 boris charney anthropic network cloud code p m。 把这个工具从第一行代码做出来的人。他在 threads 上发了一条长帖，标题叫我怎么用 cloud code。 它的核心秘密是五个并行实例， 五个终端窗口对应五个独立 checkout 的 代码仓库副本，每个里面都在跑一个 cloud， 各自干各自的任务，互不干扰。他给 tab 编了号，一到五， 系统通知哪个响了，他才切过去看。就像管五个同时干活的员工，你不用守着他们，他们做完了叫你为什么。并行比等待高效？很简单，传统用法是等 ai 跑完，再给下一个任务，一个接一个 ai 在 跑的这段时间，你只能等。 boris 的 做法是把等待时间全部填满。一个 cloud 在 修 bug 的 时候，另一个在写测试，第三个在更新文档， 五个 ai 同时在转，相当于一个人带着一整个小团队。但光并行还不够。他说最重要的是规划，也就是 plan 模式。 每次开始新任务，不是直接让 ai 开写，而是先按 shift tab 两下切到 plan 模式，让 cloud 把整个实施方案先列出来，他来审查一遍，确认没问题再放行。切到自动执行模式，一条命令跑到底。他说九十倍的反攻都来自跳过这一步， 直接让 ai 开始写代码。跑到一半，发现架构方向不对，改比从头做更麻烦。 plan 模式的本质是把脑子先花在值得花的地方， 而不是等代码写了一半再开始想方向。除了本地五个窗口，他还在 cloud ai 网页版额外开五到五到十个绘画，本地做到一半的任务直接甩到网页版继续跑，两头同时推进。最高峰的时候，他同时在管十五个 cloud 绘画，感觉就像在指挥一个工程团队。还有一个细节， 把常用操作打包成 slash command， 所有每天要做好几遍的操作，比如跑测试、提交代码、更新文档，全部写成一条命令，存到项目的 cloud commands 目录里面， 这些命令它可以直接调用 cloud， 也可以调用，不用每次重新解释背景。最后他说了一句话，是整篇文章最有价值的地方。他说他的工作流非常朴素，没有什么黑科技， cloud code 开箱就能用得很好，他自己基本没做任何定制。 真正的差别不在工具，在你把自己定位成什么角色，是一个写代码的人，还是一个管 ai 写代码的人。这不是工具技巧，是工作方式的重新设计。你现在用 ai， 是 不是还在一对一聊天评论区扣一？

我将为你讲解最核心的知识点，关于 cloud code， 你 需要了解的一切。无论你是新手小白、进阶玩家，还是资深专家，这正是我当初入门 cloud code 时梦寐以求的指南，因为它无疑是当今全球最顶尖的 ai 工具。 但功能越强大，上手时难免会有些迷茫，不知道如何才能最高效地把它用起来。所以本期视频将帮你拨开迷雾，直达核心，只给你最干货、最有用的信息，让你今天就能现学现用。话不多说，我们马上开始。 第一个技巧就从安装说起。过去几个月，官方已经把安装流程优化得非常丝滑了，而且真的只需要一行代码，无论你的系统是 mac、 windows 还是 linux， 你 只需复制对应自己系统的命令，打开终端，粘贴命令，然后回车，安装程序就会自动引导你完成设置，整个过程用不了一分钟。 第二个技巧，我们来聊聊 comcode 的 应用场景，因为你不用一直守在终端界面里，而且如果你是第一次接触直接操作终端，可能会让人望而生畏。 其实我们可以用 ide， 也就是集成开发环境，说白了就是能让我们用上更直观的图形界面，方便我们使用 cloud code。 而且免费的选择一大堆，比如这里展示的 visual studio code， 你 看，我这里依然开着 cloud code 的 终端，但在左侧，我能一目了然地看到所有正在处理的文件夹和文件，点开文件，里面的内容一览无余，操作起来非常直观。 其他选择还有 cursor， 甚至 clunk 桌面板等等，这些工具同样能发挥 clunk 扣的全部威力，只不过操作界面换成了更易上手的图形界面。 接下来是第三个技巧，权限设置。大家注意看忘按 shift 加 tab 的 时候，就能浏览 clunk 扣里的各种权限选项。这些设置决定了 clunk 扣哪些操作可以自行完成，哪些必须经过我的明确允许。 如果这里什么都没选，那就是默认设置。这意味着它只能读取文件。但要是想编辑或修改文件，它就得先征得我的同意。如果我打开了接受编辑开关，它就能自行修改文件，无需再征得我的同意。但如果它想运行霸式命令，也就是要实际操控我的电脑。无论是安装依赖包，还是执行删除文件这类操作， 它都得先征得我的明确许可才行。接下来看这个绕过权限开关。这是一个特殊的权限设置，需要你以特定的方式启动 qq。 如果想起用它，我必须使用 cloud dangerously skip 权限来启动 cloud code。 那 么这个设置允许 cloud code 做什么呢？它允许 cloud code 直接修改我的电脑，例如下载某些依赖包，或者未经我明确许可就删除文件。 这确实有点危险，但它能让你更快速地完成你的工作流程。所以随着你越来越熟练这个功能，你很可能就会用上。不过，刚开始的时候，如果觉得这太冒险，那就先坚持使用接受编辑开关。 接下来是第四个技巧，你可能刚刚已经注意到了，那就是计划模式开关。这是 cloud 最强大的功能之一，也是在设置方面你必须掌握的功能。每当你着手一个新项目，或是想要开发一个全新的功能， 而计划模式。顾名思义，如果我给 cloud 下达一个任务，比如说，嘿，用 react 和基础 ui 组建创建一个简易的任务追踪应用， 他并不会直接接过指令就开干立马动手写代码，而是会先跟我来回沟通几轮，他会问我一些问题，我们一起商量确定最佳的推进方案。接着他会制定出一份完整的计划，让我在他真正动手执行之前，先过目审核一下。这就是他为咱们这个简易应用制定的计划。 计划里详细列出了环境配置、需要修改的文件、应用的整体设计、实施步骤，以及最后的验证环节。然后他会给我们几个选项，比如确认清除上下文、确认绕过权限确认、手动审核修改。 当然，你也可以直接告诉他你的任何要求，比如说，等等，先退回上一步，我想换个方式来坐这里或那里。大多数情况下，你会同意清除上下文，并绕过权限检查。 我们会在终极课程里再深入聊聊这个话题，具体讲讲上下文窗口，以及为什么清除上下文。这个操作直观重要。 现在随着他开始执行，他会逐步分解任务，把所有的功能项基本上都列成一个清单，你可以时时看着他一项项完成。 接下来是给初学者的第五个技巧，斜杠命令，顾名思义，它们就是斜杠开头的命令。如果我在提示窗里输入一个斜杠，你就能看到一堆我可以执行的不同斜杠命令，而且数量还真不少。好在当你输入斜杠时， conoco 会解释每个命令的用途， 不过有几个命令你肯定会想随时调用，并且会频繁使用。首先，你大概想知道的第一个命令是 model， 我 就可以在 infopack 提供的不同模型之间切换。 默认情况下，你使用的是 opus 四六，我可以切换到上下文窗口更大的 opus 四六，或者换成 sanit 嗨客等其他模型。如果你比较在意令牌消耗或者使用成本，这一点就特别重要了。而且你总会想用上最强大的模型， 我还能调整它的用力程度，也就是说，我可以控制 opus 动多少脑子，毕竟不是每个任务都需要它火力全开。 opus 就 好比是解决每个问题的核武器，威力巨大。 另一个好用的斜杠命令是 revine 回退。用了这个命令，我基本上就能时光倒流，回到对话和代码的某个之前的状态。你可以把它理解成游戏里的独档，回到上一个存档点。所以如果你对之前的操作不满意，不用再跟他说嘿，我们退回去也不用费劲解释具体要改哪里，直接输入 revine 就 行了。 另一个非常重要的命令是 contacts 上下文，这个命令能让我们看到当前上下文窗口里到底装了些什么。说到这里，我们就进入了第二部分终极教程，主题是上下文窗口管理，这是你用好 clock 必须掌握的核心技能之 一。下面我们快速过一下上下文窗口和令牌 tokens 的 概念，因为理解它的工作原理直观重要。如果你想充分发挥这个工具的潜力， cloud 的 任何操作都会消耗令牌 tokens。 令牌就是 ai 系统里的硬通货，每次我发送或接收消息，每当 cloud co 调用消耗代币的 m c p 使用工具或查看系统提示时， 现在我们设定了代币预算。 cloud co 的 预算是二十万代币。现在问题不在于我们能用的代币数量有多少，对吧？有些系统的上下文窗口能容纳百万代币，问题在于上下文腐坏这个概念。 上下文腐坏现象表明，当代币使用量达到大约十万时，也就是达到 clock 预算的一半，或者说大约十二万代币时，我们 ai 系统的效能就会急剧下滑，对吧？开始断崖式下跌。所以，既然我们知道了这一点，那就直观重要，必须避开上下文窗口后半段这个危险区。如果我们想处理任何复杂任务， 这意味着我们必须时刻掌握动态，也就是要清楚我们的上下文窗口已经被占用了多少。一旦发现快进入红色警戒区了，我们就得从头来过，需要重置那个上下文窗口， 下面我来演示具体怎么做。就像我刚才演示的，随时输入斜杠 complex 命令就行，就能查看当前上下文窗口的使用情况。目前这个绘画里我们已经用掉了两万一千个令牌，总共有二十万个才用了百分之十一。不过假如我用到了百分之六十到七十，想重置一下的话，那我直接输入科尔命令就行了， 这样就会清空我这个绘画里的所有聊天记录，同时重置令牌使用技术。这听起来可能有点吓人，因为你大概已经习惯了在网页应用里和 ai 系统打交道，一旦清空所有记录， ai 就 没了上下文，你基本上就是在和一个啥也不知道的机器人瞎聊，它完全搞不清状况。 好在对我们来说，在 conq 里面，它始终保有上下文，因为它随时都能查看我们的文件和项目，了解我们到目前为止都做了些什么。所以重启对话其实没什么大不了的， 但老师输入 context 命令查看也挺烦人的。所以我们可以换个法子，让 conco 给我们创建一个状态栏，实时显示上下文的使用量。 看到下面这里了吧，你看，它显示了我所在的文件夹。 cc stuff 用的模型是 oppo 四点六分，还有我的上下文使用百分比，这样我就能随时掌握令牌的使用进度了。这对于真正物尽其用，发挥这个工具的全部价值来说非常棒。不过这个功能并非开箱即用，有两种方法可以搞定它。 第一种，你可以用我教程里提供的代码直接复制粘贴到 clunk 扣里，它就会自动帮你构建好。或者你也可以直接给 clunk 扣一下指令，告诉它给我创建一个状态型，要能一直显示上下文窗口的占用百分比， 然后它就会照办帮你搞定。通过这种方式来管理你的上下文窗口，能让你把竞争对手远远甩在身后。那些压根儿没考虑过这点的对手，他们只会让 clunk 扣自动压缩处理。 这就是如果你从不手动清理直到触达限制时会发生的状况，它就会再次给你重置掉，我们可不想这样。接下来是第七个技巧， git 和 git hub， 我 们之前简单提过倒带功能，记得吧，如果我输入路由呢？我就能让代码时光倒流，回到代码之前的状态，同时对话内容也相当于一个存档点。但这基本上是新手处理代码存档和版本控制的套路。恰恰相反，我们应该使用 git 和 git hub。 你可以把 dchat 看做一个免费的云端仓库，专门用来存放你所有的代码存档点。它的运作方式基本就是这样， 在 dchat 上注册账号完全免费，它能成为行业标准不是没有道理的。而 qq 在 使用 d 和 dchat 方面可是个行价。 dchat 本质上就是一个底层工具，让我们能够创建代码存档点，然后再把它们推送到我们的 dchat 代码仓库。而完成这一系列操作，简单到只需说一句，关联我的 dchat 账户，提交代码，然后推送， 所以它会一步步引导你如何关联 github 账户，非常简单。提交代码这个操作你可以理解为就是保存代码。当有人让你提交代码时，说白了就是让你创建一个存档点，接着就是推送。 推送的意思是我已经用本地保存好了代码，现在我要把它真正推送到 github 上，这样代码就会存放在一个仓库里，我随时都可以访问，基本上就能看到我的代码了。 现在第八个技巧调试，我们该怎么办？该怎么办？当代码出问题时，你该怎么办？就拿咱们的任务追踪应用来说吧，比方说这个按钮有点不对劲，或者整个 u i 设计都不太对劲。 这时候与其费劲地向 clown 描述问题，我其实可以直接截个图，然后直接拖到提示框里就行，就跟在叉 g p t 或者 clown 网页界面里操作一样简单。 第二个排障步骤更简单，直接把报错信息复制粘贴到 cloud code 里。再比如我在部署应用时卡壳了，而且报错不是来自 cloud code 本身，而是外部环境。比方说我用的就是 firsto， 那 处理起来也很简单，直接复制这段错误代码丢给 cloud code， 然后告诉他，嘿，我碰上这个麻烦了。 至于第三个排障步骤，思路就更高级了，直接从源头上避免问题发生。你可以在规划阶段就指示 cloud code， 让它以测试驱动、开发 t d d 的 模式来执行任务。第九个技巧是把 cloud code 当成你的研究小助手， 它的本事可不止写代码，它还能主动上网冲浪，帮你查找资料，然后利用这些实时获取的信息给出更靠谱的答案。 还是拿我们那个简单的任务应用来举例，与其简单地说，嘿优化一下这个应用的外观，不如这样说，优化这个应用的外观，开启网络搜索功能，去查找二零二六年 ui 设计的最佳实践，对吧？这一点直观重要，绝对能带来额外价值，因为别忘了， com 的 知识是有截止日期的，对吧？ open 四点六模型的知识我记得大概截止到九个月前，但从那以后， ui 设计领域又有了新的发展，你可能想把这些新方法应用到你的程序里， 只要你指令他使用网络搜索这类工具，他就会上网去查找当前的最佳实践，从而让你的工作流程效率大幅提升。接下来是第十个技巧，也是中级阶段最后一个最为关键的技巧，那就是你使用这个工具时的心态，这一点对于非技术背景的朋友来说尤其尤其重要。 使用 conco 时，最容易让你踩坑的一点就在于，你不知道自己不知道什么，你可能会踏入自己浑然不觉的雷区。如果你不告诉 conco， 你 正在荒野中迷失了方向，并且对前进的最佳路径毫无头绪。不过别担心， conco 能帮上大忙，尤其是在计划模式下，对吧？ 如果我们在计划模式下尝试构建一个更复杂的应用，它会通过提问等方式来引导我们。不过你依然在某种程度上扮演着领路人的角色， 要从在黑暗中瞎摸乱撞，指望 client 给你指条明路的状态中走出来。方法其实很简单，就是直接让 client 给你指路，这就像直接问他，我还有什么地方没想到一样简单。这么做是最佳方案吗？在我正在做的这个项目上，专家会怎么做？他们遇到这种情况会怎么处理？ 更进一步说，当你需要弄明白 client 为什么那么做的时候，你需要采取主动，在这段人机协助中占据主导地位。 就拿我们眼前这个任务跟踪器来说，它刚刚生成了意外设计，它会告诉我它做了什么。但如果它说了一堆操作，而我完全搞不懂是啥意思，你就得去问 clunk 了，你为啥要这么做？底层到底是怎么运行的？ 你不必会写代码，但你必须理解这些功能模块是如何协调工作的，否则除了像个机器人一样不停地点接受接受接受，你在那里的意义何在？现在 clunk 确实非常强大，很多事情它都能做得非常棒， 以至于你就算只当个舞蹈点击的接受员也能混得不错。但到某个阶段，你必须开始消化吸收，积累经验，真正理解背后发生了什么。否则当你开始接手更复杂的项目，比如让他为一个任务跟踪器搭建前端时，你肯定会在跟头，因为你根本不知道该怎么向 clunk 提问。 没错，你不必事事都懂答案，但关键是要懂得在什么时候提出什么样的问题。有时候你确实需要稍微引导他一下，让他走上正轨，而这正是最终能让你从一个只会跟风敲代码的氛围组蜕变为一名真正热爱开发者的关键所在。 当然，你不可能一蹴而就，这需要时间和经验的积累。不过要想快速提升达成目标，最有效的方法其实很简单，就是在这场人机协助中主动出击，扮演好主导者的角色。好了，关于这一点就聊到这里，接下来我们进入第三部分，这部分将为进阶的学习者分享一些高手专用的专业技巧。 那么技巧第十一条，我们来重点聊聊 call 的 技能。 skills。 现在 call 技能可以说是无处不在，你总能听到大家在讨论它，不过其中也夹杂着一些误解。那么技能究竟是什么呢？ 说白了，技能就是一种带有特定标记的文件，它本质上就是一个文本文件。说得更直白点，就是一个特制的提示词，专门用来指导 ka 以某种特定的标准化的方式去完成一项特定任务。举个例子，我们现在看到的这个就是前端设计技能， 这是 quad 官方提供的一个技能，它的作用就是帮助我们创建用户界面，这些结果比 quad 的 常规输出出色的多。我们来看看这到底是什么呢？这不就是纯文本吗？它并没有调用什么特殊工具，它的底层逻辑也没有进行什么高级处理，这仅仅是一个提示词而已，但这些提示词的威力可不容小觑。 至于添加技能，尤其是那些官方的 quad 和 plugin 即可，然后就能调出技能市场。 瞧这里，马上就能看到一些技能，比如 contacts、 七、 superpowers， code review， github 等等。在我已安装的技能列表里能看到我有前端设计工具这个技能，我们可以在市场里搜索这些技能。想要调用这些技能并让 core 使用它们，我只需用大白话说就行。比如用前端设计技能优化一下我们的 ui， 然后立马就能看到提示。前端设计技能优化一下我们的 ui， 然后立马就能看到提示。前端设计技能已成功加载技能，比如输入 funendison 就 行。 现在他就会明白，我们要用那个前端设计技能来执行这个命令所要求的任何操作。我可以创建自定义技能。再强调一遍，创建自定义技能很简单，你直接用大白话说就行。我想创建一个能搞定 x、 y、 g 这些事儿的自定义技能， 他就会帮你创建好，你给他起个苗。你可以直接用自然语言来调用它，或者用一个斜杠命令，后面跟上技能名，就这么简单。 现在第十二个技巧是智能体团队，我超爱这个功能！这其实是 call 代码里目前的一个实验性功能，默认是关闭的，但开启它超级简单，而且 call 代码自己就能搞定。如果你去翻看官方的 call 代码文档，直接搜智能体团队，然后把这段提示词给 call 代码，把提示词输进去， 智能体团队就能跑起来了。那智能体团队到底是啥呢？说白了，智能体团队就是 call 代码开的额外绘画，他们在你的主绘画底下干活，能同时处理一堆任务。还是拿我们的任务追踪应用来举例说明？比方说我想优化一下用户界面，还想给他加个泊客功能，我还想加上用户身份验证。 另外，我还想添加一个类似邮件订阅的功能，让用户可以注册，对吧？这么多事情要一下子搞定可不容易。与其让 quail 单打独斗完成所有这些任务，我们可以起用智能体团队模式，让每个团队成员各司其职，每个团队成员就相当于一个独立的 quail 代码实力在运行。 此外，为了和普通的子智能体配置区分开来，普通的配置是让多个 quail 代码实力同时运行。而在智能体团队里，成员之间是可以互相沟通的。 这样一来，负责优化界面的，负责搭建博客的，还有负责身份验证的，这些成员都能互相交流，他们甚至还有一个团队领导来整合协调所有人的工作，这样整个项目就能完美衔接，形成一个整体。 所以说，智能体团队的设计初衷，本质上就是为了模拟一个真实的开发团队。想要使用智能体团队，你只需要明确下达指令就行。 也就是说，你得告诉跨二代码，用智能体团队模式去完成 a、 b、 c、 d 这几项任务。指令一下达，跨二代码就会自动开始分解任务，明确每个智能体团队成员具体负责什么工作，他们的具体任务是什么，以及需要处理哪些文件。在下方你也能看到标注着本地代理的区。 接下来我们看第十三个技巧。 m c p。 服务器 m c p。 服务器能让你与 call 代码进行交流，便让 call 代码与互联网上的其他程序互动，比如 notion、 figma、 slack com 的 等等诸如此类的工具。 实际上，把这些 m c p。 服务器集成到你的项目里相当简单。如果我们打开 call 代码的文档，搜索那些比较流行的 m c p。 服务器， 就能找到一个现成的简单命令供我们运行，然后把这个命令输入提示框，它就会开始执行任务。不过，如果你想用的 m c p 服务器不在那个现成命令列表里，你也可以直接用大白话告诉它，嗨，帮我设置一下某某 m c p。 服务器， 你还可以吩咐它去网上搜一下教程，照着做，这样它就不会像无头苍蝇一样乱撞了，它会自己上网找到相关文档，然后按步骤完成设置。 另外要注意， m c p。 服务器会占用一部分上下文窗口。有些 m c p。 服务器体积很小，但也有一些非常臃肿的，那些臃肿的服务器一上来就可能吞掉你百分之十、百分之十五甚至百分之二十的上下文窗口，就算你根本没用它，只要加载了它就会一直消耗令牌数。 接下来是第十四个技巧， call 代码框架。这些框架，比如 g s d 高效执行或闭麦保持激情都属于这类工具。 你可以把它们看作是跨 code 的 增强模组，底层核心依然是跨 code 在 运作。但如果我在跨 code 的 基础上套用 g s d 这类框架，它就会改变其处理特定问题的方式和逻辑。至于要不要用这些框架，最终还得看你自己，这很大程度上是个人喜好问题。 不过市面上确实有很多非常棒的框架，能帮你更高效地开发复杂项目。我觉得 g s d 就是 这样一个好用的框架， 它处理上下文窗口的能力以及运用子代理的策略。我特别喜欢它的设计思路。总之，你知道有这些东西存在就好，针对某些特定场景，借助这些框架可能会事半功倍。接下来是专业部分的最后一个技巧，也是个比较新的概念，工作树。 这和我们之前提到的智能体团队概念有点类似。当时我们是让不同版本的 quaco 同时处理不同的任务，而工作树也能实现类似的效果。不过它是在不同的 key 分 支上运作。 操作起来很简单，你只需要用这个命令打开独立的终端窗口。命令是 worktree， 后面跟上你要开发的功能名称。以我们的任务应用为例，我们可以在一个终端里运行 quadworktree feature dark mode 来开发黑暗模式功能。第二个功能是云工作树导出功能。比如说我可以把所有任务打包导出成 pdf 文档， 接着我们会同时启动这两个云代码终端，让它们执行相应任务，最后再把功能合并起来，等它们在各自的工作树上都搞定之后，以上就是我使用云代码时最实用的十五个技巧和窍门。

为什么绝大多数人用不好 cloud？ 就 像买了一辆法拉利却只用一档开一样？这位国外大神从 cloud 泄露的源码中发现了答案，他写的揭秘文章阅读量已经破百万，他完整的讲解了 cloud 的 架构和 prompt 编排，以及多 agent 的 分工和调度等内容，彻底改变了我对 ai 编程工具的认知，非常值得一看。

兄弟们，好消息，咱们用 clod code 再也不会被限制了。首先看我们官方的用 clod code 是 怎么用的，比如说我问他你是谁，他会说我是 clod code 的 astropik 的 一个官方的 c i 的 工具，然后我就问他，我说你现在用的是什么样的大模型呢？然后他就会告诉我，他现在用的是 clodsonet 四也最新的那个 sonet。 但是因为 clod 的 模型经常会被封啊，有可能你也调用不了，因为我们在国内环境网络环境不允许。 那我就问他，我说能不能用 deepsafe 呀？他就会告诉我，这里是 abstract 的 一个官方的 c r a 的 工具啊，我们这里的 ai 所有的都是用的 cloud 或者是 abstract 旗下的东西，你其他的一些单模型是不能用的啊。我就说我确实很想用 deepsafe， 那 有什么办法没有？ 他的回复其实大概意思就是啊，你要用这个，你要是硬要用这个的话，那你就找别的家工具去吧，换了，如果是以前的话，咱也只能被动接受，要么就是更换其他的工具去用。但是现在不一样了，咱们有可尔克的原码了，虽然说这些原码并不是完整的，但是我们经过几天的奋战，已经把他所缺失的那部分给修复回来了， 也就是我们现在的可尔克是可以正常在本地部署运行的，那么我们自然有方法去让他支持我们去使用国内的这些大模型。 一共就两步，当我们部署好它的 code 之后，我们就打开这个点 excel 文件，然后进去之后把它的这个 api king 和 base url 这两个地方给更改一下就可以了。 比如说我现在用的是 kimi 的 k 二点五，那我就到 kimi 的 官网上去获取正确的 api king 以及它的 base url。 那 么以上所有的记录方法我都是已经做了整理和打包，改完之后我们就把它运行起来。 这可以看到我们现在用的这个大模型就是 kimi 的 k 二点二五，这样大大降低了我们使用 clark 的 成本。然后我们再输入斜杠 mcp 命令去检测一下 mcp 的 状态，我们可以看到我们这里的 mcp 的 服务器是已经成功接入了。

很多人用了一段时间 cloud code， 都会存在一个疑问，为什么网络上都在吹嘘 cloud 有 多么多么厉害，而自己用的时候总是感觉笨的要死，总是犯相同的错误，而且明明错误没有修复，但任务还是被标记完成的。 那其实关键的差别就在于一个文件， cloud 点 md。 那 cloud 点 md 到底是干嘛的呢？简单理解就是一句话， cloud 点 md 就是 给 cloud 的 入职说明书，那只要这个文件在项目里， cloud 每次启动都会自动读取它，那官方文档也会提到， cloud 点 m d 是 一种持久化的记忆文件，那 cloud 启动的时候会自动加载它，用来理解你的项目和工作方式，所以它最大的作用就是让 cloud 越来越懂你的项目。就 个例子，比如说你可以在 cloud 点 m d 里写这样一条规则，以后你再让 cloud 写代码，它就会默认遵循这些规则，不用每一次都重新解释一遍。就像老板让你带新人一样，如果没有入职说明书，新人总是会问你很多相同的问题，搞得你很烦，但是有了这个入职说明书，你带新人就会轻松不少。那 cloud 点 m d 不 仅是一个项目说明文件啊，很多高手还把它当成是 ai 积累经验的知识库。举一个很真实的例子，有时候 cloud 做完任务会直接说，哎，任务已经完成了，但其实他并没有去叫验结果。这个时候你就可以在 cloud 点 m d 里 增加一条规则，那任务完成前必须验证结果，确认无误后才能结束任务。那之后 cloud 再完成任务的时候，就会先去检查结果，这个错误就不会再重 复出现了。那这里存在一个模式啊，每当你发现一个可能重复出现的问题，就写一条规则进去， cloud 就 会越来越懂，你的项目越来越少了，犯错效率变得越来越高。那这个过程其实就是 ai 开发里面的复利工程。 所以很多人觉得 ai 不好用，其实不是 ai 不 聪明，而是你没有给他积累经验。记住一句话，不会用 cloud 点 md， 你 只是在用 ai。 用好了 cloud 点 md， 你 是在训练 ai。 我 已经整理了一份高手都在使用的 cloud 点 md 的 样板，需要的话在评论区直接打 md。 我是 新奇，关注我，每天学习一个 web 扣顶的小技巧。

总有老铁问仪表上的英文代码是什么意思，一般人我不告诉他。