大家好，我是小摩托 clockcode 刚上线了一个新功能，叫 auto memory， 让 ai 自己记笔记。 但其实 clockcode 它的记忆机制不只是这一个功能，它有一整套分层体系。今天这期视频，我就把整个记忆机制从头讲清楚，有哪些层，怎么加载，怎么用才合理。 先说最核心的概念， curl code 有 两种记忆，第一种是 curl 到 md 文件，这是你写给他的指令，你告诉他这个项目用 p n 片，不用 npn 测试命令是什么代码风格，有哪些约定，这就非常类似于 editor config 这类配置文件，只不过呢，它是用自然语言写的。另一种就是今天我们介绍的新特性， auto memory 自动记忆，这是他自己写给自己的笔记， 工作过程中他发现的模式，踩过的坑，你的偏好，他都会主动记下来，下次对话自动带上， 一个是你教他规矩，另一个呢，是他自己长记性。 qmd 文件，它是一个具有层次的体系。接下来呢，我们来看一下它从上到下有哪六层结构， 我们以官方文档作参考，从上到下一共六层，最上面是组织策略公司 it 统一下发的，比如所有的代码里，对于所有用户呢，都生效。 第二层是项目记忆，这是团队共享的，放在项目根目录的 clot 到 md 文件里，通常呢会提交到 get。 再下一层是项目规则，这同样是团队共享，但是会按照主题拆分成多个文件，放在 docot rules 目录下面。 再下一集就是用户的记忆了， you 在 memory 你 的个人的全局偏好，它会通常放在 dot clod， clod md 文件中，这是对所有项目都会生效的， 再下一集就是本地项目级别的，你个人的针对这个项目的偏好，通常命名为 clod dot local md， 它会自动地加到 dot get 一个 null 里面，也就是会被 get 忽略掉。 最下面呢就是 autemery 今天我们介绍的新机制，自动记忆，这是 clod 自己的笔记本， 按照项目来进行隔离。这个设计思路其实和 get 它的配置成绩一模一样， system global local 越具体，优先级就越高。 clod 文件该怎么写呢？我们来看看实际上是怎么用的。我来打开当前这个终端。 目前这个 very small oog 这个项目呢，是我的个人网站，如果大家平时有浏览过我的个人站点呢？这些博客文章，整个站点都是由当前这个项目来生成管理的。 那现在我们来看看如何生成 clod md 文件。在当前这个项目里，我已经有这个 clod md 文件了， 如果还没有这个文件，那最简单最智能的方式就是通过如左边我现在所使用的 slash init 这个命令来促使化一个新的 qld 文件。 我们来看看它的介绍，它会根据当前代码仓库的文档来促使化一个新的 qld 文件。实际上大家也可以驱动它来阅读代码仓库，了解更多的上下文信息，并了解这个项目。最终呢，构建这个 qld 文件， 来看看目前我的这份 flow md 文件吧，谈不上非常的惊艳，它呢列出了目前这个项目的目录结构 内容，因为在我的个人站点，簿刻呢占了很大的比例。那么在这个 flow md 文件当中，还约定了簿刻的目录，每一篇簿刻文章的命名规则，以及它的开头部分的原数据，如何约定 在下面呢？还约定了写作风格是什么样的？值得一提的是，在这里的写作风格并没有包含完整的在我平时编辑簿刻的时候用到的风格，我还用到了一些 agent skills， 那 这个呢，就不在今天介绍的范畴之内。 有可能大家在初次运行 inet 命令后，深层的 core md 并不是大家想象的那么完美。不过不要紧，这总比从零开始要快。我们可以基于深层的 core md 文件再做微调， 比如自己在技术栈上的选择，或者自己在开发中的偏好，都可以在 curl md 文件中反映出来。关于 curl md 的 编写，有几个小小的建议， 第一是把常用的命令都写进去，比如构建的命令，测试命令， link 命令等等，这样它不需要每次都去翻阅，比如像 package、 json 这类文件。第二呢，是写清楚，避免模糊。 举个例子，比如代码要简洁，这是没有什么用的。如果确定我们有比较强的编码规范，我们可以说函数不超过三十行。 第三点，团队共识，放在 core md 文件中，个人的偏好呢，建议大家放到 core dot local dot md， 当项目大了之后，一个文件会变得很长，这个时候呢，就可以将它拆分成不同的 rules， 按目录，按主题来拆分 rules， 也就是条件规则， 我们如何使用呢？你可以指定某条规则，只在处理特定文件时才生效，比如 api 开发规则，只在碰到比如 source api 目录下的文件时才加载，不相关的时候就不会浪费 token。 好 了，重点来了，现在咱们介绍新功能， auto memory 自动记忆，以前所有记忆都得你手动写，现在 call code 会在工作过程中自动地记笔记， 那他记些什么呢？通常他会记录四类东西，项目的模式，比如构建的命令，代码的风格等等。 另一类是调试的经验，遇到过的坑怎么解决的？第三类，架构笔记，哪些文件是关键的？模块之间的关系是什么？最后呢，就是你的个人偏好，你喜欢怎么沟通，用什么样的工具，以及工作流程的个人习惯或偏好等等。 memory 的 目录结构也非常的简单，我们现在呢就来看一下。我还是以当前个人站点的这个项目为例。在 clockcode 输入命令 memory 会看到这么四个选项，有第四个选项供我们非常方便的打开自动记忆的目录。在这里大家可以看到它的更新时间呢，是在大概快二十天前了，咱们简单打开来看一下吧。 这就是每一个 memory 的 入口。文件，命名呢就是 memory 到 md curl code 启动时会加载它的前两百行， 注意只有两百行，超过的部分不会自动加载，这也是官方文档中提到的，特别提到了像 old memory 在 加载中只会加载透两百行的内容，因此 memory 到 md 文件要保持精简，起到缩影作用。 详细内容呢，可以放在独立的主题文件里，比如 debugging 到 md patterns 到 md cloud， 需要的时候自己去读，你也可以主动让它记东西。记住，我们用 p n p n， 不 用 n p n， 或者保存到记 api 测试需要本地 reddit 等等，它就会写进 m m 文件，或许我们可以来测试一下。 刚才我告诉 clockcode 不要做自动的提交和推送，除非我明确地知道它这么做。 在这里呢，它就会调用写入记忆的工具。我们来看看 memory 到 md 会发生什么样的变化。在文件夹这里，时间戳已经变了。很明显， clockcode 已经记住了我提出的要求。我们再打开这个记忆文件，会看到最上方就是这么一条 get workflow 的 rule， 不要自动提交，这是关于记忆的写入。另一方面，我们当然也可以让他忘掉一些记忆，同样通过自然语言的形式在 call code 告诉他就行。那这个呢，就欢迎大家自己来尝试体验一番。理解加载时机很重要，不然你会纳闷为什么没生效呢？ cloudcode 有 三种加载模式，一种是启动式全量加载工作目录，网上的所有 crawl md 文件用户及配置 autemirity 到 md 的 前两百行。这个呢是启动式全量加载。另一种模式，按需加载子目录下的 crawl md， 只在 cloud 读到那个目录的文件时才会加载。同样的， autemember 的 主题文件也是按需读取的。最后一种模式是条件加载，这主要面向的是 rules 目录里配置的 pass 的 规则，它只会在匹配到文件时才生效。 在这里，我们可以看一个基本的关于 ross 目录的结构，这意味着在一个庞大的项目，比如通常我们会用到 monorepo 这种项目的结构里面。 开发者可以在每一个纸包里放入自己的 coremd 文件，它不会在一开始就把所有指令都塞进上下文窗口 好了，最后呢，就来总结一下吧。项目， clm d 文件写入团队共识提交到 get， 个人偏好通常写入 clm d local m d auto memory， 让他自己跑，定期看看有没有记错的，这完全有 clm code 智能化的在管理。 当然我们也可以通过自然语言的形式来明确的告诉 curl code 该如何去管理自己的记忆。 curl md 文件中的内容不要与 auto memory 重复。 curl md 文件已经写了的内容或指定呢， auto memory 中就不需要再记一遍了。 最后，我们希望保持精简，这些内容占的都是你的上下文窗口，因此确保只有必要的内容才出现在这些记忆中。 大家要记得哦，记忆越多并不代表就越好，要写的精准，组织的清楚比写的多更加重要。好了，本期视频就到这里吧，如果大家觉得有用呢？欢迎大家点个赞，加个关注，那我们就下期再见！
粉丝4686获赞1.9万
相关视频
05:14465暴躁哐哐
05:51查看AI文稿AI文稿cloud 不好用？你有没有想过，是你自己一开始就用错了？这几个藏在设置里的开关，很多人压根不知道这里是 iphone 向标，今天带你一口气了解被大家称为代码之神的 cloud。 先搞清楚一件事， cloud 可不是一个产品，它是三个。第一个是 cloud chat， 也就是 cloud 点 ai 网页版和手机 app。 大 多数人每天在用的就是这个。聊天儿、写作、分析文件、日常对话和手机 app。 大 多数人每天在用的就是专门给开发者用的命令行工具，在终端里直接用， 可以读整个代码库，自主修改文件，写完测试再跑。它的定位是帮你写代码的同事，不是聊天工具。第三个是 clockwork， 这是桌面端应用，普通人也能用，不需要技术背景。它的核心是帮你自动化文件管理和任务流程。三个产品定位完全不同。搞清楚你用的是哪个，再往下看 第一个记忆开关，你用的可能是残血吧。先说最重要的，直接解决记忆问题。路径就一步，点击 setting， 然后是 capabilities， 打开 generate memory from chat history。 就 这一个开关，你的 cloud 从此不再失忆。 他会记住你的工作习惯、项目背景、说过的偏好。下次打开新的对话，不需要任何铺垫，直接说正事。这个功能今年已经对所有人开放，包括免费用户，但默认是关着的。开完之后做一件事，直接告诉他，你想让他记什么，比如记住我写作不喜欢分点列表，语气要口语化，当场存进去，永久生效。 想查他记了什么，删掉某条，再点击 setting， 到 memory 里面清清楚楚全列着，不想要的随时删，你说了算。 第二个 style， 让他用你的风格写，不是他的风格。你有没有遇到过这种情况？让 cloud 帮你写东西，写出来一眼就看出是 ai 写的，改起来比自己写还累。根本原因只有一个，他在用他的风格写，不是你的风格。 cloud 有 功能叫 style， 可以 让他直接学你的表达方式， 路径是对话框的左下角加号，然后是 u style， 然后 create and edit styles， 然后 create custom styles， 最后 add a writing example。 把你以前写的文章、脚本、帖子贴进去，保存命名完成。从这一刻起，你的用词、节奏、句子长短、表达习惯全部都带进去了。他不用 ai 腔写，而是用你的腔调去写 给他的样本要精不要多，风格差异太大的文章喂进去会学成四不像，挑三到五篇最能代表你的就够了。 不过这个自定义 style 风格文稿里注意不要出现表情符号，特殊标点。而且如果你主要用中文制作，那它经常会创建风格失败，需要多次尝试。所以我们还可以用 system prom 的 方式来约定风格。提示词也给大家准备好了，放这儿了，需要的自觉。 第三个 projects 用了才知道，之前每天都在做无用功，普通对话关掉就消失，每次都是白板。 project 是 一个持久化的工作空间，上传的文件，设置的规则，之前聊过的内容，下次进来靠的全都在状态里，一句废话都不用说，重要的是你设置好的 project 才能分享给别人共用。这里我简单拿写文稿来演示一下。另外有一个细节，很多人不知道，每个 project 的 记忆完全隔离的， 不同项目之间不会互相串多条业务线，同时在跑的人强烈建议分开建，别混在异国中域。第四个， artifact 没开等于少了一半的 cloud。 再提一下 artifact， 在 setting 里找到 capabilities， 打开 artifacts and inline visualizations。 开了之后，当你让 cloud 写代码，做数据图表，打一个小工具，它会直接在对话右边炫出来，可以点击，可以交互，实时看效果，不需要你把它代码复制出去自己跑。这是 cloud 和其他也非常明显的差异点之一，但默认没开。很多人用了大半年都不知道 cloud 原来可以这样。知道和不知道真的是两种使用体验。 第五个， dispatch 加 computer use 最炸的更新。这两个功能是配套的，放在一起说，而且这两个是在 cloud co worker 桌面端运行的，不是 chat 网页版。 dispatch 是 三月十七号上线的，逻辑极简单，你的手机是遥控器，电脑是执行端。你在地铁上用手机给 cloud 发一条任务， cloud 在 你的电脑上开始干活，下了地铁拿成果。设置方法很简单， cloud desktop， 打开 co worker， 点 dispatch 配对手机，两分钟完成。 computer use 是 三月二十三号才叠加的功能。当 cloud 没有对应工具连接器，也就是 m c p 来完成你的任务时，它会直接接管你的屏幕，自行点击 打字，操作浏览器，打开文件，就像一个坐在你电脑前的同事一样，把事做完。两个加在一起，意味着你不在电脑前， cloud 也能帮你把事做完。但是你说 cloud 就 没有缺点了吗？当然不是，实际使用下来它还是有很多 bug 的。 第一个缺点就是复杂任务成功率只有百分之五十 多，步骤复杂，工作流还不稳定，建议从简单任务开始，不要拿去处理关键数据。第二个就是电脑必须保持开机，一睡眠就断，这是 dispatch 最核心的限制，它是遥控器，不是云计算。 电脑睡眠或 cloud desktop 关掉任务就停了，所以出门之前记得把电脑防休眠打开。第三个就是用量限制，比 chat gpt 还紧， pro 会员大概每五小时四十五条消息，对重度用户来说，这个天花板不难碰到。 解决方法是把几个问题合并成一条发送 cloud 处理复合问题的能力其实很强，但体验确实没有拆 gpt 那 么差。第四个缺点是没有原生图片生成能力，它可以分析你上传的图，但不能自己升图。如果你的工具需要大量 ai 升图， cloud 的 不是主力工具。最后一个就是它太贵了， 免费版功能受限， pro 用户每月二十刀， max 直接跳到每月一百刀起，中间还没有过渡档位。免费版本 pro 还有 max 之间都有明显的用量落差，中毒用户经常卡在 pro 不 够用， max 又太贵的中间地带，毕竟折算成人民币 max 每月要快七百块。 当然这是我的缺点，但不是他的。最后想和大家说，工具没有完美的，只有适合不适合你当下的工作场景。觉得这期视频对你有帮助的话，记得支持一下，告诉我你最想了解哪个 ai 工具，咱们下期见。
784AI风向标
06:49查看AI文稿AI文稿hello， 各位，我相信大家呢，和大魔星对话的时候都会有这样的体验，花了四个小时呢，和 cloud 调试了一个 bug， 好 不容易解决了，第二天早上再打开这个新的对话，那 cloud 呢？对昨天的事情，哎，可以说是一无所知啊，你得从头去解释你自己的项目结构，从头去提醒它，再去构建命令， 这个体验呢，真的是烂透了，那二月二十七号呢， ansotek 在 cloud code v 二点一点五九里面，这个版本啊，正是上线的一个功能，叫做 auto memory， 就是 为了解决这个遗忘的问题。但是呢，它解决得好还是不好，有没有新的坑？值不值得大家现在就去打开 这个，大家可能都是诚意的，所以今天我就来深度拆解这个 auto memory 自动记忆这个机制， 把这些问题给大家去说清楚。首先我先给大家去讲清楚这个核心概念， what memory 到底是一个什么东西？那首先呢， cloud code， 它里面的记忆啊，它不是一个东西，而是两个，你看记忆系统呢，其实分了两个，第一个叫做 cloud 点 md 啊，这个是 我们写的，那里面包含了我们之前有写过的，像编码规范，像构建的命令，像一些团队约定。那还有一个板块呢，就是 osm memory 呢，它这个是 cloud 自己写的，那这里呢，就包含了像调试经验，项目模式以及工作习惯， 比如呢，项目用了什么构建命令，测试怎么去跑，你踩过什么坑，包括你填好什么风格 cloud 呢，都会把这些笔记写进本地的一个 markdown 文件，那下次开新的对话的时候，它就会自动加载这个文件，这里呢，一定要注意我刚说的那个词叫做自动，也就是 auto， 你不需要告诉他，哎，你把这个给记住了，然后你也不需要去手动维护这个 mac 档的文件，你只需要正常工作，他自己呢，会决定什么值得去记，怎么去记？这个就是 auto memory 的 一个核心的卖点，也是他最大的一个争议来源啊，那为什么会有争议呢？我们后面再讲，我们先讲他怎么去运作的。 首先我们先搞清楚这个 cloud md 啊，到底是存在哪里，它其实存的呢，是在你的这个点 cloud 的 根目录下，然后 projects 里面可能是你的某个项目里面的 memory 这文件夹， memory 里面呢，也包含了四个标准的一个 markdown 的 文件啊。首先就是 memory 点 md， 这个呢就是主入口，它主要做的是一些缩写文件。 那第二个就是 bug 点 md 啊，这个顾名思义就是一些调试的笔记。另外呢还有 api 杠 conventions， md， 这个呢就是 api 的 设计决策，包括 build patterns， 这个呢是构建模式， 每个项目呢都有自己的这个独立的记忆目录，这个路径呢，是从你的 get 仓库的根目录去推导出来的。 ok， 那 重点来了，同一个仓库的所有子目录都共享的是同一份记忆，那 memory 点 md， 它就是 核心，每次你去启动这个新的对话，他要扣的会自动加载这个文件的前面的两百行啊，然后呢，加载到你的这个系统提示词里面。 另外呢一定要注意，就是两百行，他是一个硬的上限，超出的部分也不会去加载。 ok， 那 他可能会有些好奇，为什么会是两百行？其实我自己一开始呢也比较好奇， 大致看了一下，它其实就是一个 cloud 的 设计，它逼着这个 cloud 的 这个模型把这个 memory 点 md 啊，保持得很精简，像一个目录，而不是一个百科全书。 那详细的内容呢？会拆到了像 debugging 点 md， 包括 api convention 点 md 这样的一个主题文件里面，那 cloud 的 需要的时候再去按需提取，前提是它知道自己是需要的。 ok， 接下来我们再去讲 auto memory 的 一个三种的管理方式。第一种呢，就是被动模式，什么都不用做，你正常的去写代码，那 cloud 就 会在工作中列出，自己去判断这个是不是值得记，然后呢去把它给写进去，你甚至都不用去注意到。 ok， 这个呢，我觉得是最轻的一种模式。第二种呢，就是主动指示你直接去跟 cloud 说，你要记住我们要用什么，不要用什么，然后记住呢，每次去提代码之前要去跑一次 m p， m test， 他 呢就会把这些也写进 memory 点 n d， 我 觉得这是一个比较中度的一个管理。那第三种呢，手动管理，你直接在 cloud 里面去 加上这样的一个命令， memory， ok， 那 cloud 呢，它就会弹出一个文件选择器，你可以直接打开任何的记忆文件去做一个编辑，里 面还有个开关，可以键去关闭或者打开 auto memory。 主动管理也定义成一个更重度的一个记忆管理啊，有点像去 hack 这个代码一样。 ok， 我 觉得 auto memory 呢，它不是凭空冒出来的，那在它上线之前的开发者社区其实已经喊了很久了， 所以呢，我给大家去整理梳理一下这个需求的演变，那在二零二五年十二月的时候就有一个意思，又说希望不要让 cloud 每次启动都去从零开始。你看它说 persistent memory between hello code session， 然后到二零二六年一月呢，又有个意思，又说 add automatic memories like chad dt。 哎，关键词呢，就是 automatic。 然后在二零二六年二月啊，他提出在 context window 里面去压缩前啊，主动去保存研究成果。 所以如果把这三个要素给拼在一起，你就能看到一条完整的进化线。第一个就是需要先记住，然后呢再去自动记住加自动化，那自动记住以后呢？在关键的时候自动记住。 而现在呢，奥特曼目前走到了第二步，就是能够自动记住，但是第三步我觉得还没完全到，但是呢，已经在路上了。 好，那到这里，整个奥特 memory 的 这个原理和概念都介绍完了，所以你看呢？其实这么看下来啊，从技术到智能技术，到关键时刻智能技术，这个大家都能想的到， 他也不是一个很革命的突破，但解决的确实就是一个本来就不应该存在的问题。 ai 助手呢，不应该每次对这个对话都失忆，所以从这个角度来说，他只是把一个严重的体验缺陷修补到了及格线。 那他修补的方式是很聪明的，通过成本，通过完全的透明，通过分层架构，再通过多级的控制。这些设计决策表明了 snoop 至少想清楚一件事情，记忆系统最大的问题不是遗忘， 是失控。所以我的建议很简单，就三句话，第一个，哎，打开 cloud 让他跑。第二个，每周花十分钟去审查你自己记录好的这个 memory。 第三个，像对待一个记忆力忠于不为零的新同事一样去对待他。 另外还有个关键就是你需要主动的去管理 memory， 而不是每次都是被动的让 cloud 去自己去写，被动的去接受。 好，那今天的这个 auto memory 这个介绍啊就到这里，然后大家如果有什么其他问题呢，也可以随时去在评论区进行交流，觉得是有价值的人呢，也欢迎点赞关注收藏一下。
666清华姜学长
08:02查看AI文稿AI文稿给大家介绍一下 cloud code 常用的命令速查手册，因为我们在使用 cloud code 呃命令行交互的时候，其实有很多命令是很重要，且对于我们上下文管理和一些记忆的管理是非常重要的。今天挑一些重点来给大家介绍一下，每条命令都会 包含它的功能说明、深度解析，实战场景和高阶技巧。我们先从绘画和上下文管理来看，其实最常用的就是 kleiman， 这里面我就不 呃这个我就不直接演示了，因为这个非常简单。克利亚其实就是清空当前的对话，相当于重开对话嘛。然后呃他的深度解析这边大家也有，就是他的上下文是有限的，然后每次工具对话，提取文件，工具执行的结果都会占用上下文嘛。所以说，呃，我们需要及时的清理上下文，来保证我们的关键任务的主线嘛。但呃他什么情况下会用呢？就是上下文超过百分之七十的时候， 我们就可以会用，因为这时候 cologlio 就 会有犯糊涂了嘛，它的回答质量就会下降，这时候它就会忘记前面的指令，就会出现关键信息遗漏的东西。然后它和 compad 的 区别就是 compad 可以 精炼总结，保留关键信息，但 kleia 是 全部丢弃。 如果我们需要项目的上下文的话，就需要用 compad。 然后高阶技巧这边也有，就是建立一个全局的 cologlio， md 就是 把我们常用的偏好写进去，即使 cologlio 之后， 然后 color code 也能加载我们的平衡，这个我就不直接演示了。然后 compad 也是一样的东西啊，然后上面介绍过了，它就是压缩上下文嘛，然后这里面有个点注意的话，它会告诉我们手动压缩其实是更好的。然后上下文超过百分之五十五到六十的时候，就应该去我们去主动压缩了，因为这时候它的呃 color code 就 会肥肤变慢，开始旺盛。 对，然后高级技巧的话，其实也是写在这个 cloud md 里面，我给大家演示一下，就是这样，其实我们呃 compad 在 后面其实是可以看到这边是可以写一些东西的，比如我给他写保留 核心关键信息，这样的话，其实就比如我们直接 canpad 对 它有一些指示嘛，这样的可能它就会帮我们保留 canpad 的 同时帮我们保留核心的关键信息，然后这是 canpad 的 作用。然后下面就是 resume， resume 就是 恢复对话嘛，就是我们呃比起重开一个绘画，它可以直接省去大量重建建立上下文的头壳和时间嘛， 恢复是直直接可以复用的，这个也不说了。然后 branch 的 话，这个呃它的功能啊，深度解析工具，上下文什么情况下用这边都会，效率分析 这边都会。比如它新分支就是相当于继承原有对话的历史，然后文件提取工具执行结果，然后两个分支是独立发展的，新分支可以尝试 a 呃 b 方案，然后主分支可以尝试 a 方案，如果我们的分支上市了，方案 a 还不错的话，虽然它不在主分支的上下文，但可以用文字来传递关键的发现，这个编程我就不说了，然后 context 是 非常关键的， 其实可以实时展示我们的上下文的使用情况，包括其实上下文是可拉库的最稀缺的资源嘛。然后我们通过这个命令可以看到我们的上下文的完整的分布，这个可以给大家演示一下，这个就不让他去做了。然后我这边就直接呃 context， 我 觉得这个命令，这个命令其实用起来是非常关键和有用的。你看它这边其实就是可以看到我们我们的系统提示词是多少，我们的系统工具呃 占用了多少？然后 mcp tools 占用了多少？下面还会有每个 mcp tools 的 skill 占用了多少？下面还会有每个 mcp 的 它的具体的使用的数量。这边每个 mcp 具体使用多少？包括我们的记忆 memory files 它使用了多少，它的 md 文档使用了多少？然后 skills， 每个 skills 它使用了什么东西？ 对，还有 make plugging， 每个插件用了什么东西，其实这个东西都可以帮我们很明确的看到我们的上下文的使用的呃地方和具体的东西，当然它高级技巧可以开启常驻状态栏，使用我们的上下文的余量。呃，就是我们之前提到的 status line， 哎，这次不知道为什么没生效。然后 就是 status line， 另外的话就是 cost， cost 其实就是可以看到我们大模型它的具体的对话花了多少钱嘛？但是这个是需要接本地外接 cloud code 的 本地模型的时候才会有的。 这个我就不演示了，因为我之前是用火，是用 c c， 呃， switch 是 用火山引擎来配置这个底下的 csline 的， 但现在我因为我那个这个火山引擎到期了，所以我目前用的是，呃呃， deepsea 四点零，然后这个就需要重新配置，然后我们来看一下 cost， cost 的 话就可以看到我们这个总共花费了多少。然后啊 api 持续的时间呀？比如我们当前使用的模型是什么？它输入输入了多少，输出了多少，读了多少缓存，然后读写了多少缓存，这个都可以看到。然后通过这个还可以看到我们的 config， 就是 配置嘛，然后 status， 当前我们的绘画名称，绘画 id， 包括我们使用的这个 u i l 包，我们的模型是什么？ m c p 有 多少，然后这个东西都可以看到，还可以看到 status， status 就是 我们这个具体 具体使用了这个任务数呀，最我们的偏好就是我们的最爱的模型是什么，我们的个人偏好是什么，这个都可以看到。然后另外就是 model， model 就是 可以切换模型嘛，这个不也是，这个很很简单。另外 effort 就是 我们可以选择它的思考深度嘛，推理的努力程度。 config 就 刚刚说过了，就是你输入 输入 config 的 时候，这边就可以配置是自动压缩，它是不是展示我们的建议，然后呃它的思考是否采用这个模式，我们可以关闭，然后它的，呃， 包括它的生活领域输出，我们这边肯定是 force， 然后它的 teleprompter 啊，然后还有一些，呃，这些都会展示的。然后主题的话其实就是主题配色，我可以切换它的主题配色，这边可以看一下，你看我就可以选择。比如我选择这个亮的模式，它这边就会展示白色嘛，然后可以选，也可以选择黄色、 dark 模式、 dark s、 c、 l 这个都是可以切换的。然后呃你可以改状态颜色，你可以用 color， 如果选择 color 就是 这个就是青紫色嘛，它这边就会变成这个 color， 它应该是可以设置 看这边就会有很多的颜色，我们就可以选，比如选 red， 它这边就会设置成红色，这个都比较简单的。然后 fast 这个就不说了。另外的话一 呃 innit 和这个 memory 我 觉得非常关键。 innit 就是 我们在开始一个文件夹之前，需要让它扫描我们当前的项目，然后它就会生成我们的 cloud md 文档，它它如果有的话它就会在之前改，如果没有的话它就会新建，因为 呃他没有 colldmd 文件就相当于没有锁影了，有了 colldmd 他的他就知道项目是干什么的，文件在哪？效率提供提升在哪，然后他引领他生成的是初稿。他之后如果我们去去编辑这个 colldmd， 可以 补充更多的细节，把我们踩过的坑啊，编码规范和技术选音都写进去，这个非常关键。然后另外就是 memory memory 我 觉得是最重要的，就是我们上下文记忆，比如我们看一下 memory， 它功能就是其实它是可以手动编辑我们的 cloud md 文档，但是也可以开启我们的自动记忆啊，就是我可以演示一下，你看这边的话，如果我们点击我们 user memory 和这个 project memory， 它就把我们的文档给打开，这就是我们的文档，我们可以直接编辑的，然后我们就可以直接编辑我们的个人片号，还有什么东西，但是我们可以选择呃底下这个， 这个 open out memory folder， 它就会自动去记忆我们这个东西，哦，对， 它就会记忆这个东西，然后呃，我们再看这个 m c p a 介词，这，这个大家都会给自己去看的。然后子 a 键它有独立的上下文啊，不会污染主 a 键的这些上下文啊，这个其实都是常识， 这里面都很简单。然后 skills， 包括我们列出来这些东西，这些东西都很重要，都很简单，然后包括这个 simple five， 这里面，呃 b t w 就是 旁路提问嘛，它是相当于不会写进我们的主绘画上下文的，这边都介绍得非常清楚。 对，然后下面还有一些，比如我们的权限跳过啊，就是我们在启动 cloud code 的 时候把这个命令给它写，写上去啊，然后它就会，呃，相当于它有对我们的充分的完全信任的场景，它就会去做。 然后还有一些快捷键，这里面，呃相当于，比如仅用文件，用 app， 然后按 tab 自动补全文件名啊，精准提取应用审核文，对，切换权限啊，这种 play 这种三种模式，然后包括这个都非常简单， 我就不过多的介绍了。对，然后这个文档如果大家需要的话，可以进我的那个群里面，微信群里面，因为在评论区发它会被吞。
39马斯洛AI智能体
01:22查看AI文稿AI文稿在你开始使用 cloud 之前，先把这三件事给做了。现在越来越多人已经从 gpt 转到了 cloud， 但如果你今天就开始做这三件事，你可以直接甩开百分之九十五的人。第一件事，开启全局记忆。第一步，进 cloud 的 设置页面，把记忆相关的两个功能全部打开， 这样 cloud 就 能记住你是谁，你之前聊过什么，你的习惯偏好是什么。第二步，如果你是从 excel gpt 转过来的，点一下 start import， 把它给你的提示词复制粘贴，然后到 excel gpt 里跑一遍，然后把 excel gpt 输出的结果完整粘贴为 cloud， 它就能自动把你过去在 gpt 上积累的记忆全部继承过来。 第二件事，连接 google 服务，打通你的工作流，把你的 google drive、 google 日历、 gmail 全部连上去。这一步做完， cloud 直接变你的私人行动助理， 它能帮你规划日程，整理文件、发邮件，那些重复性高但又不得不做的琐事可以全部丢给他。第三件事，为 cloud 装上你的专属技能 skills， 你自己的方法论喂给他。比如你写文案的框架，你做短视频的选题逻辑，你跟客户沟通的话术，整理成文档传上去 之后，每次对话，他就能直接按照你的套路输出你真正能用的东西，而不是一堆正确但没用的废话。如果你想要一套真正能落地能赚钱的 ai 工作流，把我现在每天在用的方法直接发送给你。
297不是小丁-
00:18查看AI文稿AI文稿我的天， cloud code 终于有永久记忆了。这个开源项目在 github 上获得六十一点五 k 的 star， 它能自动观察上下文，将有用信息压缩成摘要，进行永久保存使用，就算绘画结束也能保持知识连续。更关键的是，它能减少百分之九十五 token 消耗，免费使用，自动运行支持小龙虾就非常离谱。
450旭哥AI笔记
08:54查看AI文稿AI文稿大家好，我是小刘，今天给大家分享一个呃，开源项目，叫做 cloud memory， 这是 cloud code 开源的一个持久化记忆系统， 专门为这种 agent 开发的持久化记忆系统。因为我们的 agent 呢，我们在交互过程当中啊，尤其是我们现在都采用 ai 进行开发，采用 agent 帮我们写代码， 那么呢，就一定会存在一些，比如说我之前很早就提过这个问题了，但是呢，我现在又要重新去描述一下之前那个场景，因为这个 age 呢，它没有一个持久化的记忆，那么呢， cloud code 专门有一个为 cloud code 做一个持久化记忆的科研项目，叫做 cloud memory， 目前呢在 github 的 一个点赞数呢是五十八点三 k。 那 么呢，今天给大家分享什么呢？分享我们如何 去配置我们这个 cloud memory， 当然我们这里用的是一个 cose， 那 么我们怎么为 cose 去配置这一个 cloud memory？ 这呢，老朱准备了一个文档。首先呢， cloud memory 的 一个介绍，它是一个 cloud code 的 一个插件，可以自动地去捕捉在 cloud code 的 编程绘画中的所有的操作，用 ai 进行压缩， 这样呢，要留意一下，它会使用 ai 进行压缩，并在未来的绘画中呢，去注入相关的上下文。如果说我们本身是采用 cloud code， 那 么这个 好说啊，如果说我们用的是 coso， 那 么可能呢，我们需要进行一些配置，这呢？呃，老朱在自己的本机配置了啊，配置之后呢，我们可以看到啊，我们的这一个每一次请求啊，每一次给 agent 提交这一个 请求的时候呢，它都会帮我们记录相关的一些数据，如果说后续我们有需要用到这些数据呢，那么呢它会通过 m c p 呢从这个数据库当中呢去读取我们的这一个记录，并且呢注入到上下文，从而呢能够相对是可以跨绘画跨时段的去 获取我们之前可能提交过的一些问题，这样呢啊，避免我们重复的去描述相同的问题，同样呢也能够去节省我们一部分 token 的 消耗。好，那么这呢我们来看到文档啊， 文档呢，首先我们进行安装，安装呢 cloud code 的 安装啊，很简单啊，当然是基于这个 node js 的， 这呢可能需要我们提前去安装 node js 相关的东西啊啊为 cloud code 安装，还有一个呢是为这个 open cloud， 就是 我们说的这个小龙虾 去安装啊，那么我们今天呢主要还是聊一下，我们为 cos 去安装这这个 cloud memory。 好， 前提条件呢需要安装伴的工具，它可以代替这种 node js 进行啊，变异啊，或者说作为包管理器啊等等的一套逻辑啊。这个工具呢是需要安装的啊，因为我们这个 cloud memory 呢 就启动会用到这个工具，这第一个前提条件。第二个呢需要啊 close i d e 啊，就我们开发工具就要去安装这个 close i d e， 如果说我们本身已经在用了，那么我们就用 close i d e 就 行了。第三个呢就是我们这个 pos 五点一 往上的一个版本，这呢我们可以通过这个命令行呢去查看一下我们这一个啊， windows 环境下的一个 power shop 的 一个版本啊。第四个呢就是我们需要在 windows 环境下有一个 git， 那 么安装 cloud memory 啊，直接通过 npx cloud memory install， 然后呢指定具体的一个 id 叫做 cos， 安装过程呢，如我们这个图示啊，当然呢，中间会有一些报错啊，但是这个报错呢，并不影响我们的最终的使用啊，目前来看的话，不影响我们的使用， 它应该是这里涉及到一个考勤的一个工具。好，最后安装成功呢，它会告诉我们这一个 cloud memory 呢，安装成功了，好，并且呢告诉我们下一个步骤呢，我们该去做什么？比如说去启动这个 cloud memory 的 这个服务， 那么呢，通过 cloud memory 呢， start 去启动，并且呢去重启这一个 cursor， 去加载这一个库克，因为这个 cloud memory 呢，它会自动帮我们去把数据写入到我们的这一个存储当中，写入数据库当中， 它其实是通过这种勾子函数去写的，并不是我们每次去呃发送请求的时候去调用 m c p， 然后去给到这一个 cloud memory 这个系统，而是通过勾子函数去起的啊，好，那么启动服务之后呢， 它这里会给我们一个，这里我们首先去查看它状态啊，查看状态呢，它会告诉我们这 cloud memory 的 配置文件在什么地方好？拿到配置文件之后呢？因为 cloud memory 它是需要通过 ai 进行压缩的。 官方文档呢，提供了两种方案，一种呢是谷歌的这个 gmail， 谷歌的那个模型，另外一个呢是叫做 openroot 去路由到的各种模型啊，就 openroot 这个平台，而谷歌那个呢？呃，我试了啊，在我们我们当前的环境不可用，在我们的地区，他不让我们用那个模型， 所以呢，这个呢，最终我们呃剩下的呢，就是通过这个 openroot 呢去做这个事情啊， 好， openroot 里面呢，它包含一些免费的模型和一些付费的模型啊，如果说啊，资源资金比较充裕的情况下，那么我们可以考虑用付费模型，同时呢它里面也提供了大量的一个免费模型，那么我们直接通过 openroot 呢 去使用免费模型就可以了啊，那么 openroot 呢，首先我们需要去申请这个 api 秘钥，地址呢给到大家了，叫做 openroot 的 ai。 然后呢申请这个秘钥 在这里面呢，我们只要自己不充点数在里面呢，就不会消耗我们的金额，所以呢我们创建个秘钥好，创建完秘钥之后呢，那么我们需要在我们刚才所看到的那个配置文件里面，就我们刚才安装成功之后啊， 在这里看到这个配置文件里面配置 openroot 的 一个提供商啊，里面呢有涉及到这两个模型的提供商啊，给到我们这个配置里面啊，它主要是两块那样的一个提供商啊，第一个呢就是默认的这个 gmail 啊，默认是 command。 第二个呢就是 open root， command 呢我们用不了，用不了呢，那么我们首先需要把这一个 cloud memory 这个 provider 呢改成 open root。 然后呢第二块呢就是 配置 openroot 相关的这一个 a p m 妙，就我们刚才申请的这个 a p m 妙。第三个呢我们去配置一个我们使用的一个模型，官方呢默认给的是小米的一个通用模型，是一个免费模型，这呢我们就没进行修改，所以呢这个位置调整的其实就是这 两个地方。第一个呢就是把这个 provider 呢给它改成 open route， 第二个呢把我们这个 open route 这个 api key 呢给它填进来。第三个呢我们不需要修改， 就如果说我们有喜欢的模型，自己改一下就可以了。好，改完之后呢，我们去重启 close， 重启 close 之后呢，我们可以在这一个 close 之后呢，我们可以去看到首先 m c p 部分， 那么呢它会有这一个 cloud memory 啊相关这些信息。第二个呢，它这有一个 hux， 那 hux 这个呢， 我们可以看到相对应的一些配置，大概呢就这么个情况，而我们每一次提交问题，它都能够在我们的这一个 cloud memory 这个 web 页面呢去查看到啊，这里我们可以提交一个问题试一下看啊， 所以说啊，我们提交的帮我分析一下这个当前项目的技术栈。好，我们提交一个问题之后呢， 去这边呢，我们应该就能够查到我们相对应的一个信息了啊，它会帮我们自动的呢去记录到我们这一个 cloud memory 这个记系统当中。好，这呢就是我们今天呢给大家分享这个 cloud memory 呢，我们如何去配置的一个问题。文档呢 啊，老周呢也整理好了啊，和官方文档呢有些出入啊，因为官方文档呢应该是要么是文档没有及时更新了， 要么就是项目啊更新之后有一些内容发生了这一个变化，所以呢，文档和官方文档是有一些出入的，所以呢，有需要的同学呢，可以在评论区留言或者私信老周啊。嗯， 领取我们的这一个 cloud memory 的 一个配置文档。好，一键三连加关注，支持老周。
05:30查看AI文稿AI文稿大家好，上篇文章基于 plog 源码，分析了 plog 控制上下文的机制。今天来聊一聊 plog code 的 记忆系统。 先说结论， plog code 有 两套记忆系统，互补协调，第一套是 plog md， 作为项目地图，包含项目规则和严格遵从要求，主要由你来写。 第二套是 auto memory cloud 自动记录的笔记，基于你的纠正和偏好，自动沉淀出使用习惯与隐性知识。备忘录默认开启，不需要任何配置。每次启动绘画， cloud 都会读取这两样东西加载到上下文中，这就是它记住你项目的关键。 先看 promd， 它有四层优先级结构，最顶层是组织级，由 it 或 devoff 管理，所有用户强制生效，普通开发者基本不会碰。第二层是用户全局级，放在后目录下，个人偏好跨所有项目生效。 第三层是项目级，这是最常用的，放在项目跟目录团队共享，可以通过版本控制分发。最底层是本地私有，放在 port local md 里，建议加入 gideon， 仅自己可见。 加载规则从当前目录向上便利，越靠近当前目录的文件，优先级越高，后加载的覆盖。前面的关于 cloud md 怎么写，之前视频聊过很多，不展开了，接下来重点聊 auto memory。 执行 memory 命令，你会看到 auto memory 默认是 on 的， 它的核心机制是 cloud， 在 system prompt 中注入约六十行指令，告诉他如何保存，何时保存，保存什么。 触发条件满足时， cloud 主动写入 md 文件并更新 memory， md 所引，下次绘画启动时自动加载。 比如你说记住，我喜欢简洁的回答，不需要总结，它就会自动记录。 auto memory 的 核心设计原则，只记录无法从当前项目状态推导的隐性知识，严格分为四种类型。第一种， user 用户画像，记录你的角色目标知识水平， 比如你说我是数据科学家，正在调查日制系统， client 就 会保存角色信息，下次针对你的背景定制回答。第二种， feedback 行为反馈，四种里最重要的， 它记录你对工作方式的指导触发有两种你纠正它，比如不要 mock 数据库，或者你确认某个方案，比如对单个 bundle pr 是 对的。 关键设计哲学，不仅要记录失败，还要记录成功。如果只保存纠正，你会避免过去的错误，但会逐渐偏离以验证的方法，变得越来越保守。第三种， project 项目上下文记录代码和 get 中推导不出的。为什么？ 比如重构 off 中间键，是因为合规要求不是技术债清理。注意相对日期必须转为绝对日期，下周四不行，必须写具体日期。第四种， reference 外部系统指真记录 gera、 linear 等链接位置。 四种类型说完了，同样重要的是什么？不该存？可从代码推导的，可 grab 得到的，可 git log 看到的临时性信息都不存， 常见滥用。把函数签名写进 memory， 把对话摘要存为一条，用 feedback 存一次性偏好。两套系统重叠怎么办？ 分工很明确，需要精确措辞，团队共享，人工审核的放 cloud md 隐性知识，个人偏好自动沉淀的归 auto memory。 再说存储和加载机制，记忆文件存在斜杠。 cloud projects 下的 memory 目录。 memory md 是 缩影文件，每次绘画完整加载最多二百行或二十五 kb。 为什么用缩影 全量加载会浪费？ token 包含不相关信息，所以加载需获取，本质是高效的 ready 架构。加载流程扫描 from matter 格式化成清单，轻量模型选 top 五主模型按需获取，既省 token 又精准召回， 所以快满时可以手动删过时文件，合并同类项或开启 auto dream 自动整理。 auto dream 是 后台记忆整合服务，默认关闭，需手动启用。它把多绘画的短期记忆合并去重修，正为长期记忆 触发需通过四到 bit 开关打开，距上次超二十四小时新绘画大于等于五个，无其他进程整合，全部通过才执行。 还有两个扩展系统。 agent memory 是 子代理独立记忆，与主对话互不干扰。 team memory 是 团队共享记忆，填补 cloud md 和私有 auto memory 之间的中间地带。 总结， cloud md 是 你主动维护的项目，所以四层优先级项目级最常用。 auto memory 是 自动沉淀的隐性知识备忘录四种分类， feedback 最重要。 memory 写入的核心原则时只存代码推导不出来的东西。 memory 加载是通过 memory md 缩影加按需召回， memory 收敛，通过 auto dream 后台整合四到 get， 保证不频繁执行。 以上就是 toad code 的 记忆系统，希望对你有所帮助，感谢观看，下次再见！文本笔记内容请搜索公众号二百八十六算列。
07:30查看AI文稿AI文稿今天带来 anthropic 官方的 clod projects 入门教程，同样是问 clod， 普通聊天用完急抛，每次重新交代上下文。 projects 把对话装进一个有记忆、带文档、能拉团队的工作空间。 这是 clod 从聊天工具升级成工作工具的关键一步。点赞收藏，再见不难！ what are projects and how do they improve working with claude？ projects 是 什么？它怎么改善你跟 claude 的 写作？通过 projects， 你 可以创建一个自包含工作空间， 有独立聊天记录、专属知识库，自定义设置。下面概览 projects 能做什么？怎么创建？有哪些进阶特性？先看几个关键能力项目知识库，让 claude 的 理解力大增。 你可以在 project 里上传相关文档，每次对话时，这些知识自动连同 prompt 被纳入，这让 cloud 给出更贴合项目的回答，符合团队的目标。术语背景， projects 也能容纳更多内容。 in background projects can handle much more content without running into limits projects with lots 也不会撞上线。包含大量内容的 projects 会自动用 rag 解锁，增强生成处理，让 clod 调取更多上下文。 设置 project 时，还可以定义专属指令，进一步定制 clod 回答。和上下文一样，这些指令每次对话都生效。 这是引导 claude 回答风格的好地方，比如让他用更正式语气或从特定行业视角回答。 claude for work 计划下，可把 project 分享给团队，开启写作和知识共享。 比如品牌团队可以见待语调和文风规范的 project。 let's get started by creating your first project in three simple click new project。 点击新建 project， 给它起个名字，然后描述这个 project 和你想达成的目标。 比如，我想为我的花店生意制作一份品牌指南，并写一系列案例研究博客。点击创建 project。 在 project 标题右侧，你会看到几个菜单项。 可以收藏 project， 方便快速访问。编辑 project 详情，归档或者删除。给 cloud 提供和这个 project 内对话相关的指令和信息，这些会和用户偏好以及所选风格协调选择。 project 的 可见性私密用于个人使用，公开用于团队协助。 from here provide project instructions and information。 在 这里给出 project 内对话所需的指令和信息，同样会和用户偏好、所选风格一起生效。点击指令来定义 cloud 该如何回应。 你可以指定语气，专业程度，回答风格，期望、结果，或者直接告诉他你这个 project 想达成什么。比如做品牌指南时，你可以解释自己的思考过程， 强调语调和品牌的运用。指令写完后，点击保存，指令会应用到 project 内的每一次对话。 在 project 主页右侧能找到文件菜单。任何上传到这里的内容都会被这个 project 内的所有对话使用。点击加号按钮来添加内容。 你可以上传 pdf 文档， csv 文本文件，也可以连接 google drive。 这样 cloud 就 能在任何对话里及时引用这些内容，把它们作为 project 内对话的上下文来处理。比如，你正在为某个客户做新的品牌指南，可以上传他们已有的品牌素材。 cloud 在 回答时就会引用这些文件。注意，上下文不会在 project 内不同对话之间共享，除非这些信息被加进了 project 知识库。 当你的 project 知识库接近上下文窗口上限时， claude 会自动起用 rag 模式来扩展容量。 project 设置好之后，你就可以在里面发起对话了。关于和 claude 对 话的最佳实践，可以看我们的另一个视频。 你也可以把对话设为公开，让队友查看，并在你的工作基础上继续推进。 projects 有 三种权限等级， 控制谁在 project 里能做什么。查看成员能看内容，访问知识库，参与对话，但不能修改， 相当于待讨论权的只读访问编辑成员有完整协助权限，可改指令更新。知识库管理成员主动参与 project 创建者控制一切，并决定谁能看到。 可分享给特定人。也可让私密 project 对 全组织可见合理的权限，既保 project 安全，又让协作顺畅。挑你团队最合适的。下面看几个 cloud 的 协作功能，分享给我标签能快速找到别人分享的 project。 to easily find projects that others have shared with you you will receive email notifications 也会收到邮件通知。创建者可随时调整权限或撤销访问。多人可贡献文档，创建对话、协调工作。 projects 是 团队合作的理想空间。团队合作，有时候你想用某些内容，但不想加进 project 知识库。没问题，对话中直接上传就行。它会和 project 知识保持隔离。这是分享上下文或事例的完美方式，不污染知识库。 下面看几个 project 例子。 you can create a new product for market。 你 可以为新产品上市建 project， 比如管理一款环保水平，从构思到上市的研发流程。把产品信息集中起来，用 cloud 做创意发想，追踪设计、演变。 cloud 也能简化内容创作，帮你产出选择题，提供写作辅助，在多个平台保持风格一致。 你也可以设计开发教育课程，比如 anthropic 自己的 ai fluency 课程，在 project 里整理课程材料， 让 cloud 解释复杂概念，迭代优化内容。还可以建 project 追踪、分析、规划个人财务。围绕你的目标和预算，把信息安全集中起来，让 cloud 分 析消费模式，辅助财务计算。或者你也可以规划和管理一次。 or you can plan and manage a home renovation like updating， 加装翻新。比如改造一个厨房空间。把项目信息集中起来，让 claude 帮你出设计创意， 做预算，计算，追踪所有的决策和沟通。这些例子展示了 claude projects 的 灵活程度。无论你处理的是专业任务、个人目标，还是协助型工作， projects 都能帮你梳理信息，激发创意，简化工作流。记住，每个 project 都可以按你具体的需求和工作方式来定制。 想了解更多 projects 入门信息，请查看我们的帮助中心文章。
00:40查看AI文稿AI文稿这是个能让 cloud code 的 一句话，读懂你百万行代码库， token 直降百分之四十的开源神器。每天一个硬核的网站推荐第三十九期。今天要讲的是这个项目叫 cloud context github 已经飙到十 k star。 它做的事只有一个，给所有 ai 编程助手装上一颗代码大脑，一次缩影，全项目语域搜索。 什么意思呢？以前用 cloud 写代码， i 看不到你的完整项目，你得一个文件，一个文件复制粘贴位给他，又慢又费。 token 装了这个之后，你 直接用大白话问他，自己从整个代码库里把相关代码拎出来，精准又省钱。三个核心功能，语义代码搜索、增量锁影、 a s 智能分块、官方实测。同等解锁质量下， token 消耗直降百分之四十。有了它，恭喜你离下一个赛博精英又近了一步。
655戈攀AI笔记
10:06查看AI文稿AI文稿自动投稿这个项目实际上很难，难就难在它是一个探索型项目，因为对于我们人来说，我们的多模态能力是天生的， 我们一方面可以打开这个网页，看到这个网页里面的每个元素，另外一方面呢，我们打开开发的工具，能够直接定位到每个元素，它所定位的那个选择器是什么。 但是对大模型来说，他看到的就是这样一段源代码，他要去猜这里面谁是标题输入框，谁是定时发布的开关。 虽然说他也可以对屏幕进行截屏，也可以理解这个图片，但是呢，他对图片的理解和这个源代码是分隔开的，他并不是说能够天然的对应起来。所以呢，在做这个项目的过程中，他经常会出错， 我需要反复的告诉他哪里有问题，告诉他怎么改，但是呢，他总是反复的改不对。 那这里面啊，有一个很重要的建议，就是当你发现一个问题 cloud 他 总是出错时，改两三次还改不对，那么呢，就不要继续了，应该及时的去执行 clear 这个命令， 把之前对话全部清空，从头再来一次。那么从头再来一次这次的话，你就一次性的把所有想交代的他之前犯过的错误，你积了经验，通过 prompt 全部写好， 给他一个很干净的背景信息，这样的话他更容易做对。因为如果总是在同一个对话里面， 他错过很多次了，那么他做错的那些记录也会影响他将来的决策。他其实不是那么清楚的，能够意识到哪些是错误的做法，哪些正确做法。我们每次执行 clear 以后，清空绘画，从头再开始。 那么你要在这个地方输很多内容，之前讲过的话要重新再讲一遍，确实很麻烦。那怎么办呢？这个时候啊，我们可以建一个文件，就是我们可以在项目的根目录下建一个 cloud 点 md 文件， 你把关于这个项目想达成什么目标，有什么约束，希望代码满足什么规范，全部写在这个 md 文件里面。 你每一次跟他经过一番对话之后，总结出来的新的经验教训，他容易犯的错误，更新到这个 md 文件里面就可以了。那么每一次汇报一开始， cloud 会自动的去读取这个 md 文件， 当然了，你可以手动地去创建这个文件，或者呢，我们可以通过一个命令，就是斜杠 edit。 哎，这个命令呢，也可以直接在项目根目录下生成 cloud 点 m d， 它背后啊，会去扫描当前已有的目录结构， 有哪些代码文件，理解一下这代码文件，然后呢，生成一个马克档文档。那所以啊，我们的代码不管是目录还是文件名，还是变量名，这个命名习惯啊，一定要可读性非常强， 让大漠心能够理解这个代码的作用是什么，这样他才能够转换成自然元吗？好，现在已经生成，问我是否要去写这个文件， 我直接按住 shift 加 tab， 切换到编辑模式就可以了。好，来看一下，这边刚刚生成了一个 cloud 点 md， 点开看一眼，这是整个项目的一个介绍，项目概述代码结构， 它自动去理解每一个目录，每个代码分别是什么作用，安装什么依赖 项目怎么运行。还有一些重要的说明，那如果说这个文件之前已经有了， 我们再去执行这个出厂命令，那么呢，它会根据当前已有的代码和文档去更新我们的 cloud 点 m d， 而不是直接覆盖。所以这是 cloud 点 m d， 它的一个主要功能 就是让 cloud 自动记住我们之前已经达成的一些重要结论，这个文件会作为 system prompt 在 绘画开始时直接喂给大模型。 那除了项目跟目录之外，其实呢，我们也可以在这个点 cloud 的 目录下建一个 cloud dmd 啊，这个文件跟这个文件功能是一样的， 你也可以在这两个地方分别都建一个 cloud md， 这样的话，这两个 md 文件它都会在绘画开始时自动地去加载。而且不光如此，你甚至可以在任意目录下都去加一个 cloud md， 这样的话便于模块化管理嘛。项目根目录的是对整个项目的一个说明，那每一个目录下是对本目录的一个说明， 甚至什么呢？甚至说我们在点 cut 上面可以建一个 rules， 欸，这个 rules 规则上面呢，也可以建一些 md 文件，那这些 md 文件也会作为 prompt 自动的微给大冒险啊，不需要我们重复地显示地去说。 我们把 md 文件分散在这么多地方，除了是便于模块化关联之外，还有一个原因就是如果你把所有的 md 文件直接合成 最外层的这一个 md 文件的话，那么这个 md 文件就会非常大，非常大，它放到 prompt 里面会消耗大量 token。 而如果分散在不同目录下呢，它只有在别的时候才会去加载某一个目录下面的 md 文件，比如说当它发现需要去用到这个目录时，它才会去加载这个目录下面的这个 cloud md。 你再比如说这些个 rules 规则文件，那这个 md 文件里面它叫做 code style md 是 关于编码风格的一个规范。在这个 md 文件最上面有一个 passes 路径约束，它只对这个路径下面的所有的 go 代码生效。 那么当 cloud 去自动生成 go 代码时，它发现需要放到这个目录下，那么呢它才会去加载这个 md 文件， 这样的话就可以节约 token。 我 们看一下这个路由啊，又分成了什么？前端后端，但你可以分成更多目录 前端后端这个名称是随意取的，因为反正到底要不要加载是完全取决于这边的 passes。 比如对后端来说，我有 code excel 安全规范，有 testing 测试规范啊，可以分别去建立 markdown 文档， 甚至啊，我们在 cloud md 里面还可以去引用其他文件，比如说我说项目说明，参见 readme 点 md， 就是 这边有一个 readme 元素选择器，参见 selector 点 json， 就 这边的 selector 点 json 啊，只需要在文件前面加一个艾特就可以了。 当然了，这个地方实际上是一个相对目录了，因为这两个文件刚好跟 cloud md 在 同一级目录下嘛， 如果不在的话，你这边还需要加上相对路径，如果使用绝对路径也是可以的。需要强调的是，如果使用相对路径的话，那么这个相对路径它是相对这个 cloud md 而言的，而不是相对我们的工作目录。什么意思呢？ 就是我打开 cloud， 命令我在这个地方使用 cloud， 那 么我是在 ai 这一级目录下使用 cloud， 一 般来说，我们的相对路径都是相对于 ai 这一级路径来说的。那么这样来说，我的这个 ridley publisher， 因为它下面才有这个 ridley 嘛， 这是一般情况，但是呢，对于我们现在 code md 这种写法来说，你这个相对路径是相对于这个 code md 文件本身而言的，而不是相对于这边的工作目录而言的。 所以最终我们要理解，所有的 md 文件，它本质上都是 prompt， 都是给大墨镜发送的指令。而且呢，这个文件啊，不要太长， 一般的话控制在两百行以内。所以呢，你这些个文字描述要尽可能简洁，不要大白话，只写一些重要的内容，一些关键路径，不要把一些很琐碎的一些边界条件全部塞进去， 不要给大模型太多的细节约束。而且有时候呢，一图胜千言，这个图不仅是图片，也可以是一段示意代码，也可以是一个表格，也可以是这样一个树状结构，比你用纯文字去表达要更清晰。 更重要的是，大模型它更容易理解，文字太多了，大模型反而抓不住重点。 所以我在视频最开始的时候也说过，当你一个大冒险纠缠次数比较多时，就不要继续了，要及时的使用 clear 星空绘画，从头再来一次，绘画尽量不要超过上向窗口长度的一半， 插播一条上岸信息。我录制了一些编程课程，包括 python 构员，区块链变化，还有智能体。我是一个人，一个公司，没有立即变轻的压力，所以呢，我可以花更多时间去打磨一门课程，我做事情可以考虑的更长远， 所有课程都是经过我的精心剪辑的，尽可能让大家花更少的时间达到一个更深的高度。感兴趣的可以进我主页橱窗进行了解，或者呢直接私信咨询。
41张朝阳讲编程
05:01查看AI文稿AI文稿cloudmem 是 为 cloud code 设计的持久记忆插件，它的核心思路自动帮 cloud 做笔记。你在编码过程中， cloud 做的每一件事，它都会记录下来，用 ai 压缩成粘贴存到本地数据库里。下次你开新绘画的时候，它自动把相关的历史注入进去， 括漏，一开口就知道你的项目，不用你重复解释，我用 open 快 快平台采集数据，整理出了这张时间线。去年十二月它刚开源的时候，基本没什么声量，就上了一次 github trending。 今年一月社交媒体上的数据几乎为零，但项目本身一直在迭代，从 v 七快速推到了 v 九，二月份出现了第一波小爆发，三月底是一个关键节点， 这刚好是 cloud code 被动开源事件的时间点，那次事件让大量开发者重新关注 cloud code 的 生态。 cloud memo 作为最知名的插件，吃到了这波溢出流量，然后到了四月十二号到十四号，直接引爆了。我总结了三个原因，第一，失忆痛点太精准，装完立刻有提感。第二， cloud code 用户基数大，工具需求大。三就是每人 c m e m 代币的流量注入加密社区的传播速度非常快， 直接把讨论量推向了峰值。这也是后面我们要聊的争议之一。它要解决的核心问题就三个，第一，对话结束等于完全失忆，这是 l l m 的 架构决定的，不是 bug， 每个绘画的上下文窗口都是独立的。第二，想让 cloud 记住东西，你得自己手动维护， cloud 对 d m d 项目越大，维护成本越高。第三，每次新绘画都要重新介绍项目，重复消耗 toc 和时间 cladem 的 方案，把这三件事全部自动化，那跟其他记忆方案比， cladem 的 差异化在哪？ 第一，零干预，安装完之后不需要你做任何事情，它在后台全自动运行。第二，双引擎解锁， 它同时用了 sq lite 的 f t s 五权威搜索和 chroma d b 的 向量语义搜索，你搜认证 bug， 它不光能找到包含这个关键词的记录，还能找到语义相关的，比如登录系统 tikken 刷新这些。第三，渐近式注入，默认只注入五十条记录的，所以 其中只有五条展开完整内容，其余都只是标题，夸赞自己判断哪条相关，在暗需获取详情。第四，隐私标签，你在代码里用 private 标签包裹的内容会在 hok 层直接跳过，不存库。 第五，跨工具支持，还支持 gemini、 c l i 等 a 正框架。它有一个 web viewer， 跑在 local host 三七七七上可以实时看到记忆流，这就是它的前端界面。你可以看到我提的两个问题都被记录，每个任务都会生成对应的 abs。 微信记录安装非常简单，两行命令 配置文件会自动创建。在 cloud mem 大 部分情况下，你不需要改任何配置架构部分，整个壁环就四步。第一步，采集，它有五个生命周期，勾子绘画开始，你提问蝌蚪用了工具中断绘画结束， 这五个时间点它都会自动触发。第二步，压缩，采集到的原始数据会发给一个后台 worker 服务， worker 调用 cloud agent sdk 生成结构化的加载，不是存原始数据，是存 ai 压缩后的精华。第三步，存储结构化数据存到 sq lite 里做权威锁影， 同时向量切入存到 comma db 里，用的是 omni 杠 l 六杠 v 二这个模型，方便后续做语义剪索。第四步，注入，下次你开新绘画的时候，他查最近十个 size， 取 top 五十条记录的缩影注入进去。可拉蒂看了缩影之后，自己决定要深入看哪几条，按需获取详情。 注意，向量语义注入这个功能在最新版本里默认是关闭的，也就是说默认只用 s q l 全文搜索来注入。 你需要手动开启科莫 d b 的 语义注入，原因是它会增加每次提问时的延迟。最后必须要聊一下这个项目的问题。社区有人做了一次完整的安全审计， 提了一个非常详细的一术，第一， api 密钥铭文暴露，它的 settings 接口会直接返回所有 api t 的 铭文，没有任何脱敏。第二，端口三七七七七项暴露了三十多个 http 端点， 其中绝大多数不需要任何认证，任何本地进城都可以访问你的全部绘画数据。第三，它的 m c p 工具没有做路径边界校验，理论上可以读取你系统上的任意文件。第四， host 可以 配置为零点零点零点零，一旦这样配了，所有无认证的 a p i 就 暴露到了整个网络。除了安全问题，还有一个社区争议，美元 c m e m 代币。这是一个第三方在搜了纳上发行的代币，创始人事后认可了一个开源项目，绑定加密代币 就在开源社区引发了不小的质疑。最后还有一个现实问题，它号称帮你省 token， 但它的四层架构本身每次绘画都会产生额外的 a p i 调用来做压缩摘药，实际能不能省到取决于你的使用场景和项目复杂度。总结一下， cloud mem 精准抓住了 cloud code 失忆这个痛点， 架构设计上的渐进式路由思路也很值得学习，但它目前有明确的安全隐患，如果你打算在生产环境使用，一定要先评估这些风险。同时带币绑定这件事也让项目的开源纯粹性打了折扣。以上就是 cloudm 的 完整拆解，希望对大家有帮助，如果觉得有用，点个赞，我们下期见！
605AGI_Ananas
16:30查看AI文稿AI文稿大家好，最近看了一个苏黎世理工学院的一个研究报告，说用了 agence md 或者叫 cloud md 这种全职记忆文件的项目，和不用的这个不用这两个文件的项目，反而是用了的，成功率降低，而且用了之后推理的成本还升高了百分之二十， 为什么要会这样子呢？那本期视频就带大家来了解一下 cloud md 是 什么，以及怎么去写 cloud md。 最后我们再来看一下 cloud code 最新出了这个 any 命令的一个新的创建 cloud md 的 一个流程，那么在这个流程中，我们大概能感受到现在的这个 cloud md 应该怎么去设计。首先我们来看一下这个报告的这个它的一个测试的一个数据啊，它在八项测试中，五项里面没有 cloud code， cloud m d 更表现得更好。那么所有测试中有 cloud m d 的 情况啊，平均要贵百分之二十。那最后呢？更强的模型并不能生成更好的上下文文件，也就是说你可能价格不好，你的整个仓库的代码没有设计好， 他通过这种内置的命令生成的 cloud md 质量并不好。所以他得出这个结论，不是说不用 cloud md， 是 你如果 cloud md 没有用好，你这种文件没有写好，那带来的作用是反作用，还不如不写。我们怎么去理解这个理念或概念？我们首先要理解一下 cloud md 到底是什么？那么在我们跟 ai 对 话中，我们所有的地话对话的记录啊，都会保存在一个叫上下文的地方， 然后有了这个上下文， ai 就 能记住我们之前说过什么，比如说我告诉他我叫张三，那么在 n 个 n 次对话之后，我们再问他的时候，他仍然会告诉我们叫张三。 理想的情况是上下文是无限的，可以存储每一句对话，但是实际的情况是上下文的长度是有限，比如说他只能保存一百句话， 那么到了一个，到了他的最大的长度之后，他就会进行一个这样的对话的压缩。对话压缩之后必然会有些信息会丢失， 那么信息的丢失那会就会带来 ai 的 执行的效，可能会有问题。那么为了解决这种问题呢？ ai 编程里面引入了一个概念，叫做 cloud md 或者叫 agents md， 其实这两个东西是一个东西，那么这个文件里面的内容会在每一次对话的时候都加入到上下文里面去， 来保证它是不会被压缩的。也就是说你在写在这个文件里面的所有的内容， 它都会在每次对话的时候塞到这个上下文里面去，模型就会一定会记住里面内容。比如说你在 cloud md 的 文件里面，你说我叫张三，那么你在跟大模型对话的时候，对话了一万次，十万次，他仍然是知道你叫张三。所以呢，这个 cloud md 就是 一个大局的一个记忆文件， 那么就是因为它是大局的记忆文件，这里面就变得非常非常的重要了。大局记忆文件代表了什么？就是 每一次对话都会包含这个内容，那这个内容里面到底要写什么东西？你不该写的什么东西，那就会对对话是有极大的影响力的。那么当大模型的能力越来越强之后， 那么我们的这个 clld 的 内容就会越来越少。那怎么去理解？去年在用 clld 的 模型进行编程的时候，和今年在用这个 office 模型进行编程的时候，你能发现很大的差异。 以前你需要补很多约束条件，在你的 rules 或者说你的 cloud md 里面，叫他不要做这个，不要做那个，或者遵遵守什么样的规范。 那么到了现在，他变聪明之后，能力变强之后，发现这些东西他已经学会了，就大模型本身的能力是在变强的，那么你对他约束就越来越少。 相反呢，如果你在用的是一个很普通的模型，那么你的约束就要写多，写多一点，也就是你要让他每一次对话记住的东西要多一点，不然他就会报犯错。 所以呢，模型越强， cloud md 会越简单认为这个 cloud md 是 一个局的记忆文件，所以呢，它带来了三种影响，也就是也是因为这三种影响，才会有上面这个论文说的这个结果。那第一种影响是 cloud md 它本身就占有上下文的长度， 你的 cloud md 如果说有一千行，那么这一千行就是永远会加载在这个上下文里面， 挪也挪不走，去也去不掉。压缩，压缩也压缩不了，他占用了他的上下文长度，这个还不是最主要的这个问题。第二个问题是他可能会诱发更多的行为。为什么这么说呢？也就是说你在你的 carl d m d 里面如果写了这样的话，每次开始处理任务前，都要 完整阅读相关项目及上下文，确保充分理解。第二个就每次完成修改后，都要进行一个完整内容的测试， 那这两个如果放在 cloud cloud md 里面，也就说你不管跟他做什么事情，只要涉及在代码变更的或者说 相关的东西，他都会去认真的去读你这个内容，然后呢去比如说去阅读相关的目录，去执行这样的测试，他其实可能你当前的任务跟这个是没有关系的，但是他还是触发了这样的操作， 触发这样的行为，那这些事情，这些行为也是要消耗这样的推理成本。所以呢，如果你的 cloud md 里面包含了一些临时性的行为，或者说一些并不是通用的一些流程的话，那么对这个 交互对话是有很大的影响的，这是第二个，那第三个就是它会增加判断负担。也就说当你的 color md 里面出现了一些模糊不清的概念，比如说以前我就经常会这样写，保持代码优雅、简洁、可维护性， 要考虑扩展性。其实这些话是什么呢？都是屁话空话，但是我们当时可能不知道，写上去以为是有用，但是其实不然，为什么？因为大模型在阅读你你这个提示词的时候，他在生成代码的时候，他都会去判断 我这个代码是不是够优雅，够简洁，是不是可以维护，是不是可以扩展， 他就会增加更多推理成本。那么其实你应该写的是不要怎么怎么样，就是禁止他怎么样写反的，而不写正的。大就是模型发展到现在去写一个好的代码优不优雅代码他是能够做到的， 就是你据尽量一定要具体的指出，如果你指不出来，你就写反面的例子，那么这三层影响就是你可能不经意在 cloud md 里面写了这些东西，那么可能带来的是背后的这种成本的上升，效率的下降，所以说我们要避免这三层带来的这种不好的影响。 那应该怎么去写这个 m cloud md 呢？其实啊，已经很多人总结出了很多经验，但是呢这些经验可能是只限于当前的项目的这个幕落，还有就是模型在发展，在提升，那有些经验可能都 不能够用了，所以我总结这个三个这样的一个核心条件，就永远去判断，而且你永远把一个东西记在脑子里面，就是你写的这个东西， ai 是 一直会在他的身上里面存在的，就是你告诉他的东西，他是一直会记住的，因为这个原因，所以要特别的谨慎。第一个就是 你写的这条内容，如果你不写 ai 就 会报错，那么这条就应该写到里面去，你不用管，你也不用遵守什么规则，你会看很多很多人这样写，那样写你不用管，反正这条你不写，他就会报错，那么你就把它写上去。 第二个是扩展 d 需要不断的迭代，不是一次就能到位的，很多人写完就不管了，但是这个是不断在迭代，他就像一个护然一样，他是越来越大，越来越庞大的。 第三个就是模型越强， cloud md 反而越简单，就是你可以在用好的模型的时候，你可以考虑的少一些。那我们可以这里举个例子，这个一个不好的例子啊，比如说这里面有个项目的代码， 他告诉他这是一个什么项目，这是我以前写的，写 cloud md 的 时候特别喜欢这样啊，我这是一个什么样的项目，大概介绍一下。其实这个介绍对于 ai 来说是完全没有用的，因为它编码并不需要参考你是什么样的项目，它所有的这个功能的开发是依赖于你的规范，依赖于你的 plan， 依赖于这种东西，而不会依赖于你。 cloud md 里面是这个项目是什么？你在项目里面说我这是个电商项目， 没有什么用，电商项目不够细，不够具体，那么应该在真正的开发过程中，通过规范驱动文件里面的 电商里面到底什么模块、什么功能，他再去做相应的处理，就不应该放到这里面去。还有这个目录的结构，除了一个特殊的目录，比如说这个目录是个公共组建的目录，那么你可以放到这里面去，让他在引用组建的时候去这个目录里面找 其他的这些目录其实都没有用，因为他本身就能读取你当前项目的一个目录结构，他是能读懂这个目录结构是在干什么的，所以并不需要把所有的目录结构都写到里面去，那这个也是我以前会容易犯的错误。 还有这些就是刚刚说的开发的原则，这些都是套话、屁话啊，对他来说只会干扰我们，应该怎么写？应该是写反面例子，不要这样做，这样是最好的。所以呢，总结下来就是在 cloud md 里面 要写规则，不要写介绍，那这个规则就是你要去约束他去做什么事情，不要去说你这个项目是干什么，那么你这个规则就是啊，应该是怎么工作，什么事情不要做这个推导不出来，你给他写好。 还有就是写一约束，不写尝试，写一约束，不写尝试，那这个是特别特别重要，因为其实我们整个 cloud md 文档大部分都是约束他，让他不要去做很多事情。 那么你可以写你的项目里面的约束，团队里面的约束，或者说你这个仓库里面一些独有的约束，或者你自己整个的一些开发的一些习惯， 然后的话写长期有效的流程信息，不写临时的任务，就是你可能在开发过程中有一个流程，或者说有一段时间你开发过程中需要一个这个流程去进行测试，或者说是做干嘛呢？你把它写到 callumd 里面去了， 但其实可能不在你这个范围之内的东西，那么他也会去跑这个流程，那是没有必要的，那么你可以把它写成命令，或者把它写成技能，这些都是可以避免，就是我们这个啊上下文去， 每一次都会读到这样的内容去进行干扰。第四个就是某一个错误出现两次以上，那么你就更新到这个 cloud 里面去。最后就是如果你不知道写什么，那么你可以使用这官方这个阿里特命令跑一遍，要么就留空 等着模型来报错，然后你把那个错误信息再写进去。其实项目的早期或是小的项目，大部分呈现下没有 call 那 么低，也不影响什么，况且是在模型越来越厉害的时候，其实真的大部分你写脚本，你做一个小的项目，你做一个 mvp 产品， 你你这个项目开发的时间越短， color md 的 作用其实越小， color md 最大的作用就是是长期维护项目很大，多多个团队协助，那这种可能是需要去来做很多约束的，所以我们再讲一下 color code 最近更新这个 edit 命令啊，它做了一些 什么样的变化？首先呢你一定要在这个 settings 点接收文件里面去加上这个配置，因为它现在目前是一个测试阶段，一定要 配置这个，你在执行 edit 命令的时候，它才会走新的流程。我们来看一下它整个的流程，比如你执行 edit 命令，然后这边就会判断你有没有配置这个东西，如果配置了它就会走这个新版的逻辑，那这个新版的逻辑就会向你提问 啊，就是你要生成什么，最重要的是什么呢？是这两个东西，就是它会根据你代码库里的一些情况啊，或者说你的对话记录里面的一些历史记录，它会生成技能。为什么会生成技能呢？是因为我们以前在 cloud md 里面会写一些流程，第一步该干嘛，第二步干嘛，第三步干嘛。 那么这个其实是适合写成技能的，那技能的好处就是上下文只会加载他的内容和描述，是极大的，会减少这样的上下文长度的。还有一个就生成钩子， 那么之前我们也会在 call 命令里面写一些什么东西呢？就是你做完什么事情之后执行一个什么脚本，那么这种就非常适合写成钩子，那通过他的这个流程， 它就会可以更加智能化的去优化这个 curl m d 文件，就把该写技能的写技能，把该生成函数的生成函数。最后呢就会出现啊，我们的这个 curl m d 或者说技能，或者说这个钩子，那我们来看一下新的这个编辑命令之后，它生成出来效果会是什么样子的。 ok， 他 这边向我们提问，就是我们希望设置是只生成这个 cloud md 文件，还是要生成个人的这个 log 文件，那我们就只生成第一个， 好，我们是要生成技能还是生成这个钩子？也就是说他在整个的调研过程中会把我们的一些流程总结成技能，把一些事件总结成钩子，那我们也要包括这个 好，提交，它就会去探索整个代码库的项目结构，它这里它会经，它会搜索很多这种 md 格式文档。 ok， 我 们再继续啊分支，它就这个就是说 get 的 这个提交的一个规则，我们就 go to m， 一 不参考好严格，必须有测试，这个就是每一次功能开发都有测试，记住每一次的东西都是适合写到我们的文档里面去的环境， 然后这边来去掉这个，这边集中来确定项目配置，然后他这个有一个技能是来验证这个技能的，帮我们帮我们生成了一个技能，好， ok， ok， 他 这面让我们他这面检测，只是说我们没有代码格式化的工具啊，他建议我们设置一个钩子， ok， 它这边已经帮我们创建好了，然后的话它这边的话是创建了一个新的 cloud md 文件，然后的话也生成了一个这样的技能， 生成了一个这样的技能，然后的话也生成了一个钩子，所以说它是创建一个三个这样的文件。我们来看一下它生成的这个 cloud md， 那 么全区规则个数，它这边还是有这些个数啊，你是需要去调整的， 然后的话关键约定啊， get 约定，这是要求，就是还可以继续深入的这个内容，就是你可以通过这个艾特符号的方式啊， 把当你的这 cloud md 包含的内容越越多之后，你可能项目很大，也有前端，也有后端，还有不同的语言，那么可能要设置的规则会比较多，这个时候如果放在一个 cloud md 文件里面，就会造成这个上下文臃肿，而且可能你某些规则是在某些情况下才会被触发的。 这个时候我们可以通过 app 引入文件这种方式放到 column 里面，让 column 做一个入口，然后做一个这样的栏加载。 那么还有一种就是可以写一个技能来自动学习啊，然后就是啊，触发这个技能之后，它会对你这段时间的对话进行一个这样的一个总结，发现对话里面是不是有可以沉淀的一些流程， 那把它写到这个生成这样的技能，或者说有没有发现什么样的错误，那把这个错误的信息放到这个 code m d 里面，那这种算算是比较高级的玩法了，这可以在后续的过程中，如果你对这个 code m d 怎么去写，怎么了解的比较多了，那么你可以去尝试这两个更加高级的一个 啊用法，反正总的来说就是啊，要写要 colm d， 你 就永远记住你写的这个东西，内容会在局的记忆里面都存在，每一次对话他都会放到上下文里面，这是极其宝贵的。 ok， 那 本期视频就到这，希望这个视频对你有所帮助。
865AI随风
05:37查看AI文稿AI文稿你有没有发现， ai 有 时候特别聪明，但是聊着聊着突然就变笨了，甚至连你前面说的话都忘了。这背后通常不是模型突然抽风，而是你没搞懂三个最基础的概念。 大家好，我是布鲁。欢迎来到 ai 扫盲系列的第二期。本期要讲的内容是每个 ai 智能体都绕不开的话题， prompt、 context， 还有记忆机制。今天我就用大白话一次给你讲清楚。 先用一句话讲一下结论， prompt 就是 你现在给 ai 的 指令， context 就是 ai 此刻能看到的全部信息。记忆就是把重要的信息存到外面，等需要的时候再拿回来。 很多人把这三个东西混在一起，所以才会觉得 ai 互好互坏。其实它们分别解决的是三个不同的问题。你现在想让 ai 干什么，靠的是 prompt， ai 现在手上有什么信息，靠的是 context。 下次还能不能记得你是谁，你的偏好是什么？这是记忆。 先说 prompt， 很多人以为 prompt 就是 问 ai 一个问题，确实这也没错，但大模型不是你的员工。上期中我们也讲到，大模型的本质是预测，所以说 prompt 本质不是聊天，而是给 ai 下任务。你给的越模糊，它发挥的就越随机，你给的越清楚，它就越稳定。 比如说你的问题是帮我写个产品方案，这其实跟你让公司新来的员工说帮我做个方案差不多，听起来像命令，但实际上什么都没有说清楚。 但如果你换一种说法，你是一个萨斯的产品经理，帮我写一份面向老板汇报的 ai 选题系统方案，背景是团队现在每次做内容都要从零开始，我希望你输出这四部分内容， 目标、流程、风险、落地。建议语气要直接，别太官方，你会发现结果立刻就稳的很多。 所以说 promt 不是 咒语，也不是越长越高级，它本质上是在做一件事，把你脑子里模糊的需求翻译成 ai 能执行的指令。一个够用的 promt 通常要包含背景、任务、输出格式、约束条件这四块。 第二个概念， context。 上下文这个词你一定要知道，因为他直接解释了为什么 ai 会失忆。很多人默认以为你跟 ai 聊了十几二十轮，他应该把前面所有的内容都记得清清楚楚。并不是 ai 每次回答问题的时候只能看到一个有限范围内的信息，而这个范围就叫 context。 你可以把它想象成一张固定大小的工作台。你刚开始给他放了需求文档，目标、用户、风格要求、参考案例，这些都是摆在桌子上的，他当然回答的很好，但是聊到后面你又塞进去了更多的修改意见，更多的新问题，更多的补充材料，桌子上就放不下了，前面一些关键信息就被挤掉了。 这个时候你就会觉得 ai 怎么会突然忘了我一开始说话的风格，为什么又开始写的很空了？答案通常不是他故意不听你，而是那段信息已经不在他当前能够看到的 context 里面罢了。 所以实用的建议有两个，第一个，重要的要求不要只说一遍，尤其是风格、身份、输出格式这种核心约束，必要的时候需要反复重申。第二，对话太长，任务太杂的时候不要硬聊，直接开一个新的对话窗口，把关键信息重新整理一遍再给到他。那这个时候就会有同学要问， 市面上的那些 agent 是 怎么处理超长 context 的 和长任务的。这边就引出了我们的第三个概念， memory 记忆机制。 那 memory 的 话很好理解，就是将一些我们需要的信息暂存下来，等需要的时候再按需给到大模型的 context 里面，避免上下文过长。然而每个 agent 的 记忆机制都是其最复杂的设计模块，并且价格都不同。比如说 cloud code， 它会从横向和纵向来管理你的记忆系统。 横向分为用户角色的偏好、行为纠正、确认、项目上下文、外部系统指引。横向又分为当前的绘画画绘画用户长期记忆。 又比如说 open cut 小 龙虾的记忆机制，相对来说会比较简单，分为当前对话和长期的记忆，用一些标识来进行区分。那其实大部分 agent 呢，都参考了短期、中期、长期这三种记忆方式。 短期记忆通常就是当前任务窗口里的内容，他负责我这次正在做什么。比如当前的对话，这轮任务的目标，刚刚观察到的页面内容，临时推理出来的步骤。简单来说就是将当前对话的历史塞进 contacts 里面。 中期记忆通常是指跨几轮任务，但还和某个项目强相关的信息，他负责这段时间我们一直在干什么。比如说某个用户的当前偏好，某个项目的运行状态， 最近几次失败的原因。一个任务链里面的中间结论，他不一定永久保存，但会在未来几天到几周内持续有用。他的作用是避免 a 站台每次都从零开始。 长期记忆通常是指稳定、可赋用跨任务的信息沉淀。他负责以后类似的场景也能用什么，比如说用户长期的偏好、 团队的规划、成功的工作流、知识库、历史经验、常见的错误模式等等。实际上常见的是 reg 加向量数据库、知识图谱、结构化的 profile 文档库，它的重点不是全部存储，而是能解锁回真正有价值的东西。 好，那现在我们把这三个东西串起来。如果你觉得 ai 不好用，通常就这三种情况，第一种，你的 prompt 没有说清楚，所以他一开始理解就偏了。第二种，你的 context 太长或者太乱，导致前面的关键信息被冲掉了。第三种，你以为他记得你，但其实那个信息根本没有被保存成记忆。 所以以后别再笼统的说这个模型不行。先问自己，我这次任务有没有说清楚， ai 现在还能不能看到关键背景？这条重要的信息到底是上轮对话中提过，还是已经被产品保存下来了？你用这个框架去排查很多所谓的玄学问题，都会变成可解释的问题。 ok， 那 以上就是关于 ai 扫盲系列第二期的全部内容，同时也非常希望能得到你们的一键三连加关注。我是布鲁，我们下期再见。
350布鲁的数字巷
