如何用 clock code 从入门到精通?今天我们来讲一个 clock code 中的高级操作,叫做 hooks, 我 会给大家介绍一下它是什么东西,应该在什么时候用。我会给大家看到一个 hook, 并且解释它每一行是什么意思。 最后呢,我会一起来做一个案例,把一个 hook 放进我们的 clock 扣中。 hook 也就是所谓的钩子,它比较像是你在用 clock code 的 时候,希望当你遇到某一些情况,或者是某一个阶段 需要 clock code 一定去做的事情,并且你可以自定义这是什么事情。那当我们说到不同的阶段的时候呢?有哪些阶段?它们分为 pre tool use, 当它用一个工具之前,可以让它去确认一些内容,或者确认一些输入, 再去用这个工具。 post tool use 用了一个工具之后,你也可以让它去做一些 log, 或者让它做一些检查和测试。它可以是在 permission request, 也就是在等你的 approval 的 时候,它可以给你一些声音或者是视觉上的提示,它可以是在 stop, 就 就是 cloudco 已经把事情做完的时候,也可以给你一些提示,或者是一些 log, 甚至是给你发一个信息。它还可以是在 session start 和 end 的 时候,有些人可能希望在 session start 开启一个新的 session 的 时候, 让 cloud code 来做一些 initialization, 或者是漏一些 context。 还有些人可能希望在一个 session end 的 时候,让 cloud code 自动去做一些 logging, 或者是一些 clean up, 这些都是非常适合运用 code 的 案例。那么一个 hook 它到底长什么样呢?我们一起来看一下,它大概就是长这个样子,这是我们接下来要放进 cloud code 中的一个案例。 我不知道大家,但是我经常发现我需要盯着电脑才知道 cloud code 是 不是在等我,等我给他一个 pro, 或者等我给他下一步的命令。 那么比起让我盯着屏幕,或者是已经过了很久,我才发现原来他在等我这样的状况,我希望他能在等我的 approval 的 时候呢,做一个 chirping, 一个小鸟的叫声,还有当他 stop 已经做完一件事情的时候,可以接下来做下一步的时候,做一个喵,就是小猫的声音。那我们来看这一段的 jason 代码 其实很简单,我们看最上面这个地方,它叫做 hooks, 就 说明接下来我们所有写的东西知识都是 hook。 那 么我们的 hook 有 两个,一个是 permission request, 一个是 stop。 像我刚刚跟大家讲过,你可以在 stop, pre use, post use 或者是 session start, session and notification 都可以写一个 hook。 这里呢,我的事件类型就是当 claw 需要请求我的权限的时候,这个钩子就会被触发。 接下来这是一个 match, 它是一个过滤条件,这说明除了这个事件发生之外呢,还有什么事情需要匹配。对我来说呢,没有其他条件了,任何时候它需要等我的 permission 的 时候,我都希望它触发,所以我这里什么都没写。接下来呢,这是一个 hook array, 其实当上面两个条件都被触发的时候,我可以让它做 好几件事情,我可以让他给我发一个信息,并且同时在屏幕上做一个 pop up, 再同时播放一个声音。那么对我来说呢,因为我只需要他做一件事情,所以我的这个 array 里面只有一个东西,这个东西呢就是这个 of type command, 这里就要说明我需要他做一个什么类型的处理,那我这个类型呢就是 command, 就是 他要去跑一个 shell command 的 运行, 那这个 command 到底是什么呢? command 就是 这个去 play 这个 chirped mp 三的这个声音,那这里呢就结束了,这就是一个完整的 hook, 那 么跟它对比呢,接下来我们这个 stop 就是 当一件事情做完的时候会被触发它这里的条件都基本上是一样的,只有最后 command 的 内容是喵点 mp 三,不是 chirp 点 mp 三,因为它会播一个不同的声音,所以我们看这就是一个 hook 里面有两个不同的事件可以被触发,然后每一个事件达到触发条件的时候呢,都会有一个动作,就是播放一个声音 本上,这就是一个 hook 的 内容了。还有一些其他可选的条件,你是可以加进去的,我觉得最好的方法呢,就是你可以跟 clark 形容你想达到一个什么样的效果,然后 clark 就 会直接帮你把这个 hook 给写出来。那接下来我们看一下怎么把它放进我们的 clark code 中,把它放进 clark code 也很简单啊,首先呢就是我们要打开我们的 clark 文 档,在里面创建一个新的文档,叫做 sounds。 然后呢我们在网上下载,或者是用 ai 生成两个声音文件,是 mp 三,一个是 chirp, 一个是喵,就是我对应的两个声音。把它们放进 sound 之后呢,我们打开这个 settings, 这个 jason 文档打开,可能里面已经有一些字了,但是没有关系, 把刚刚我们讨论过的这个 hook 加上一个逗号,然后全部复制在下面就可以了。这里你可以看到刚刚我们说到 chirp 点 mp 三和喵点 mp 三这两个,然后再把这个文档储存和关掉就可以了,这样整个 hook 就 放进去做好了,那么我们来看一下它的成果 好了,那这就是关于 hooks 钩子的一些基本信息,希望对大家有帮助。下一期呢,我们继续来讲一些关于 clock code 的 高级操作。
粉丝3.7万获赞23.1万

推荐一个 cloud code 非常实用的工具,它可以让 cloud code 在 跑完任务后自动给你发送通知。这个工具叫 terminal notify 麦克,用户可以直接用 homebrew 一 键安装,安装完成之后需要修改下 cloud code 的 配置,配置一个户口 可以全区配置,也可以项目内配置。配置完成后的通知效果如下,有了这个工具,以后让 cloud code 做复杂任务时,再也不用傻傻盯着屏幕等结果了, 我们可以切出去摸摸鱼,或者做点自己喜欢的事情,收到通知后再来处理。这个工具的详细配置我放置在了评论区,有需要的自取,记得点赞关注哦!

用了半年 cloud code, 才发现有个功能我一直在用,但身边几乎没人知道,叫 hux, 今天直接给你六个配置,复制粘贴就能用。 hux 就是 让 cloud code 在 特定时机自动执行你预设的命令,不用你手动操作,也不用依赖 ai 自己判断纯确定性执行。 举个例子你就懂了,之前 cloud 改完代码格式是乱的,你得自己跑 prettier, 现在配了 hook, 它改完自动格式化之前它想动你的 ev 文件你根本不知道,现在直接拦住,之前任务跑完,你得盯着终端,等现在它需要你的时候,自动弹。桌面通知。 配置一是自动格式化 cloud 编辑文件后自动跑。格式化工具, java 用 google java format, 排放用 black go 用 java, 前端用 prettier, 根据文件后缀自动选,全区生效配一次,所有项目都能用。 配置二是桌面通知 cloud 跑长任务的时候你可以去干别的,它需要你审批权限,或者等你回来的时候自动带 mac os 通知,不用一直盯着终端了。 配置三式,保护敏感文件 emv credentials, 这些文件 cloud 碰都别想碰,直接用 exit。 二拦截。配置四式,自动跑测试, cloud 说搞定了,先跑一遍,测试,不过不许停。 配置五式,上下文压缩后自动注入项目规范,压缩完 cloud 可能忘了你用什么包管理器,这个 hold 自动补回来。配置六式,自动跳过 plan mode 的 确认弹窗,少点一个按钮, 实际配置长这样就是几行 j s o n 写在你的 settings j s o n 里, clock code 自动识别脚本放在 hux 目录下,所有项目全职生效。 就这几行 j s o n 的 事,把 hux 配好 clock code 就 从一个好用的工具变成一个真正贴你习惯的编程搭档。现在就去试试吧。

嗨,各位,你现在呢,会不会有去用 cloud code 写代码的时候啊?会总是提心吊胆,担心一个不小心就把重要的文件给删了, 或者呢生成代码乱七八糟根本就没法看。但其实你只需要配置几个自动化的 hooks, 就 能让 ai 老老实实的按照规矩去办事。那 hooks 是 什么?你可以把 hooks 去理解成给 ai 去安排几个自动值班的一个保安啊, 每次想去跑命令呢,改文件或者准备结束任务的时候,这些保安都会先去看一看。哎,危险的是去拦住不该碰的,把它 给锁住,该检查的顺手检查。说白了, hooks 它的作用不是去让 ai 更加聪明,而是呢,让它去更守规矩。 ok, 这个就是 hooks 的 概念。那具体怎么操作啊?我自己呢,把八个 hooks 按照重要的程度分成了三层,第一层就 是必备的安全三件套,这几个 hooks 配好呢,百分之八十的常见问题,基本上就能够去解决。我先说拦截危险命令啊,这个是最好去理解的, 比如说去删文件,去强制覆盖,去乱改 get 历史,这样的一个操作,平时你自己敲都很小心,更别说让 ai 随手去跑了。那这个 hook 作用呢,就是先把那些风险特别大的动作给它拦下来,它不负责去提效率,但特别负责去干嘛,去 防事故。第二个呢,就是锁住敏感文件,像点 e n v, 像密钥,像配置文件以及锁文件。这些平时呢看着不起眼,一旦被乱改,后面往往就是特别特别难去查。这个顾客呢,就好像给这些文件贴了一个闲人免进的标签, cloud 去改别的代码的时候,遇到这些关键东西就得去先停一下。第三个就是自动的格式化,这个听起来没有前面两个那么刺激,但特别实用,因为很多时候 cloud 不是 去写错了,而是呢,写的不整齐, 说进换行、引号风格这些问题都不大但凡,而且很影响代码的光感。那这个户客的作用呢,就是让 ai 写完代码之后,先顺手把这些表面上的小毛刺给它磨平, ok 再说。第二层就是提升效率的一个进阶配置啊,包括像改后即测和 pr 强制检测, 代码一旦落地呢,测试脚本就会自动的去跑起来,有问题呢立马发现。然后呢,你 p r 合并前呢,强制的去走一遍完整的检测流程,带 bug 的 代码根本就合不进去。这两个配置让我的代码质量至少提升了一个档次。它俩呢,本质上就是在解决另一个高频问题,就是不要让 ai 写完就跑, 至少呢先去自查一遍。第三层呢,就是一些我觉得是锦上添花的高级功能,那到了这一层,其实前面的像安全包括代码质量已经有了,这里面更多的是让你整个工作流是更加顺畅的。 我自己呢,常放在这一层的是三个 hook, 第一个就是自动 linked, 然后呢,操作日记以及自动的 commit。 自动 link 呢,就是在提交之前,先把规范问题去消灭掉,审计日制记录每一步操作的一个实标,那出了问题呢,我就能够去快速的去做追溯。那自动 commit 呢,能够去让提交的信息不再将就历史记录看得下去, ok, 所以 你会发现这八个 hooks 听起来都很多,但本质上其实就做三件事,防翻车、保质量、让流程更加的省心。他呢,不是让 carol 的 突然变成一个资深的工程师,而是给他加了一层护栏,护栏不会去替你开车,但他能干嘛?他能防止你去冲下这个悬崖, ok, 那 这套方法如果对你有启发呢?也欢迎去点赞收藏以及关注我啊,也欢迎呢,在江学长 ai 学习圈的这个社区去发帖,关于 ai 的 问题,我看到了都会回复我们。现在呢,学习圈已经有两千多位朋友了,那我们一起呢,去探索 ai, 不 踩坑。

别让 ai 再给你添乱了!程序员朋友们,你们有没有这种感觉,用 ai 写代码, ai 比你还自信,你就让它修个小 bug, 它能给你重构整个类。 今天分享一个 github 疯狂刷屏的开源项目,叫 andrew kopace skills, 目前五十四点三千星,近期新增五千多星,连续多天位居 github 热榜前列。 它的作用很简单,让 ai 编程从自信的初学者变成谨慎的高级工程师。 我不知道你们有没有经历过这个,你跟 ai 说,帮我给这个页面加个按钮。 ai, 说,好的,我先分析一下组建结构,然后他把你的简单组建拆成了五个子组建,加了状态库,做了优化,上了类型系统, 还整了个自定义 hook, 一 顿操作猛如虎。按钮加上了,但是原本二十行的代码变成了二百行,你都不敢改了。你看地父的时候,已经分不清他是来加按钮的还是来给你表演技术的了。那一瞬间,我差点哭了, 这不是帮忙,这是添乱。 d i 编程翻车,总结起来就三个字,乱砸花滴乱假设, a i t 用户做假设,不检查就运行,自己猜,猜错了算你的。 第二,过渡工程,一百行能解决的问题,他写一千行,一个函数搞定,非要搞三层抽象。第三,乱,改代码,你让他改一行,他把相邻的代码都顺手改了。这三个毛病不是个例,是 l l m 编程的通病。 这个问题前特斯拉 ai 总监 carpassi 早就看不下去了。这位老哥叫 carpassi, 前特斯拉 ai 总监, open ai 联合创始人, ai 圈的大神级人物。他看 ai 编程这么折腾,实在忍不了了,就写了一套教 ai 编程这么折腾的行为准则, 有个叫 forestchampus, 开发者把这些准则打包成了一个开源项目,就是今天的男主角 andrews capacekus。 它只有一个文件,叫 cloud md, 加载到你的 cloud code 里, ai 就 会自动遵守这四条原则原则。 github 五十四点三 k 星开源免费 m i t 协议用上它,从此告别 ai 瞎猜,过度设计,乱改代码。 第一条原则听起来像废话,但 ai 真的 做不到。写代码前先想清楚不确定的地方,要问,不要自己瞎猜,有多种实现方案要全部列出来让用户选, 发现需求有问题要敢于说,这样不合理,遇到困惑直接停下来,问清楚再动手。简单说就是,别猜,别闷头干,有问题先问。 第二条原则,四个字,简单优先。核心就一句话,最少代码解决问题,不要提前加抽象,不要加没被要求的功能,二百行能搞定,就别写二百零一行。 如果你不知道该不该加,就问自己一句,一个高级工程师看到这个实线,会说,太复杂了吗?如果会删 第三条,我称之为手术刀原则,只改该改的地方,一刀都不多动。修 bug 的 时候,不要顺手把旁边的代码也改了, 不要优化那个其实没问题的函数,不要调整格式或者改注式。每一行改动都要能回答一个问题,这行为什么要改?如果答案是因为用户让我改,那才是对的。 最后一条 capace 特别强调目标驱动,不要告诉 ai 干什么,要告诉他什么是成功。 比如添加验证改成先写测试,让测试通过。修复 bug 改成写个能复现 bug 的 测试,让测试通过重构代码改成,确保重构前后测试都通过。给 ai 一个把子,让它自己循环,直到命中目标。 这就是 curpisy 说的,不要告诉他做什么,给他成功标准,让他自己来。这么好用的东西安装需要几步?三分钟两种方式。 方式一,推荐在 cloud code 里执行两条命令,装成插件,跨项目都能用。 方式二,直接刻下载 cloud nd 文件夹到你的项目里,用上之后你会发现 diff 变更干净了, pr 清晰了, ai 不 再是那个过度自信的初学者了。

先说结论,如果你需要创建或编辑 skill, 应该选择 cloud, 而不是 open crawl。 大家好,这一期视频主要介绍如何创建和编辑 skill, 以及为什么要使用 cloud code。 很多人一开始会混淆这两个工具,以为没什么太大区别,但本质上它们解决的是两件完全不同的事情。 open crawl 更像一个自动执行系统,你把任务交给它,它可以自动调用工具,自动运行流程, 使用定时器、心跳 hulk, 甚至可以二十四小时运行。但是由于它拥有完整的授权,很多时候是自主决策,你并不清楚每个流程,更不能掌控每一步的决策。而 cloud code 是 什么? 它更像一个代码助手,可以帮你规划项目,读写代码,调试软件。更重要的差异在于,每一步都会跟你进行深度交流,你可以很清楚地掌控整个修改流程, 以及进行每一步的授权和决策。你可以在任意目录中新建项目,让他帮你构建编辑你需要的工具。 一句话总结, opencloud 适合执行确定但需要重复的任务,而 codecode 更适合用来创建工具探索未知。所以,如果你希望创建和修改 skill, 应该先使用 codecode 创建 编辑调试 skill, 如果确定能稳定工作了,再安装到 open curl 环境中重复执行。关于 curl code 详细的操作文单,可以访问它的官网学习。 这里简单介绍一下如何安装和配置。和 open curl 类似,在 mac 电脑上有多种安装方式,最简单的是下载并执行 bash 脚本,或者使用 homebrew 工具直接安装。除了在终端中安装使用 curl code, 也可以在 vs code 的科索这样的编程工具中安装 cloud code 插件,使用方法基本上是一样的。 cloud code 本身默认接入的是 cloud 系列模型,按照等级由低到高依次为 hikousonate、 opus。 由于 cloud 官方对国内并不友好,所以并不能直接使用官方的模型接口,但是我们可以通过自定义设置来转接到国内的各种模型上,比如最新发布的 deepsea v 四 或者小米的 miimo v 二点五 pro, 可以 通过手动修改 settings station 这个文件来实现,但每次修改配置文件会很麻烦,因此我们可以使用第三方开源软件来帮我们修改。这个软件叫 cc switch, 可以 在 github 上找到 其发布的 dmg 安装文件,然后直接下载到 mac 电脑上双击安装就可以。这里看一下配置界面。实际上除了可以设置 cloud 配置文件,还支持 cortex geminal、 open curl、 open code 这些常用的 agent 软件。 所有这些 agent 软件都可以通过 cc switch 的 设置转接到我们指定的模型上。在这个软件中,其实已经预设了很多供应商, 而对于我来说,我申请的供应商有 oracle ai、 open loader, 还有阿里云上的摆件。在供应商的设置中,需要编辑好请求地址、 api key、 api 格式以及模型印刷对应的模型名称,设置好以后 启动该供应商就可以了。在使用 card code 时,切换模型的时候,会通过模型印刷中转到你指定的模型。 这里需要注意的是, cloud code 的 网络搜索功能是由 cloud 模型原声支持的。换句话说, cloud 模型 本身带有网络搜索功能,如果你切换成其他的模型,可能就没有网络搜索功能了,因此建议额外安装一个网络搜索和网页读取工具。 我这里使用的是国内的 jni 点 ai, 你 可以访问他们的官网,申请一个 api key, 然后将这样的配置脚本和 api key 发送给 cloud code, 让他帮你安装这个 m c p 工具,并且指定以后进行网络搜索或者网页获取的时候,默认调用这个 m c p 工具。这样 cloud code 在 执行时就能通过网络搜索和网页读取,帮你更加准确地完成各种任务。这一步非常关键,因为没有联网能力的 curl code 就 只能处理 本地数据。在构建 skill 之前,你还需要安装一个专门用来创建 skill 的 skill, 叫做 skill creator。 同样的,你只需要告诉 cloud code, 你 现在要编辑 skill, 需要预先安装这个 skill creator, 它就会自己通过搜索查询,然后自己安装。 后续在创建 skill 的 时候,这个 skill 会自动帮你定义 skill 模板,定义输入输出结构,生成 skill 的 基础框架。最后,这里给大家布置一个小作业,使用 cloud code 创建一个下载 youtube 视频字幕的 skill, 其中视频下载工具是 y t d l p。 如果有了上面的网络搜索和网页提取功能, 你就可以让 cloud code 帮你安装这个工具,然后让 cloud 帮你创建这样一个下载视频字幕的 skill。 通过这个小作业,你就能了解如何调用工具以及如何创建 skill。 最后,如果这个 skill 经过测试可以正常工作,你就可以让 cloud 将这个工具安装到 opencloud 中, 这样以后你的龙虾就可以下载 youtube 视频字幕了。好的,最后总结一下, open curl 是 自动化助理,用来完成确定但需要重复执行的任务。而 curl code 是 开发工程师,用来帮你创建调试各种 skill 工具。关注我 ai, 分享时尚技巧,我们下期见。

现在的 call 定 agent 已经不仅仅是写代码那么简单了,他正在帮我们接管越来越多的任务。但说实话,想要真正发挥他的潜力,光会敲几个简单的命令是远远不够的。 那么这期视频我就以 cloud code 为例,带你系统的走一遍从初级到高级所有的核心用法。而如果你也想 web 定自己的项目,但不知如何下手,视频里我也会带大家直接从零开始开发,并上线一个完整的个人网站,并向你分享我在 web 定过程中的一些实操技巧。 本期视频主要包括以下内容,第一部分是环境搭建,主要是对 cloud code 工具的配置。第二部分是介绍我们在日常使用中高频出现的一些指令,这些都是我们必须掌握的。 第三部分是我个人在实际开发过程中的一些小技巧,也分享给大家。最后一部分也是最重要的,主要介绍一些 cloud code 的 高级特性,可以大大提高我们的生产力, 但是我不会完全按照一二三四这样的顺序来讲解,我会根据我们实际开发环节中用到的命令和功能来进行介绍,每个功能点的具体时间戳我都更新到视频下面了。如果你已经有了一些 web coding 和 cloud code 的 使用经验,也可以直接跳转到自己感兴趣的章节进行观看。 本期视频的内容比较长,建议大家可以先点赞收藏,后面可以随时回看。首先我们来到 cloud code 的 官方文档网站,点击这里的快速开始 往下滑,就可以看到对应的安装命令,我们只需要选择与我们电脑匹配的安装命令进行安装即可,在安装完成后,我们就可以进行登录。 不过大家知道 cloud 官方对于国内的用户限制还是挺严的,因此如果你没办法使用 cloud 官方的账号和模型配置,并使用一些国产的模型也是可以的。我们打开一个国产模型的官方网站,例如 mini max, 我们可以看到官方这里给出了很详细的 cloud code 的 配置教程。换一个模型。假如说我们想使用智普,这里我们可以看到也有对应的相关配置文档。由于我使用的是 mini max, 因此这里我以 mini max 为例,向大家介绍一下这个配置流程。这里我要重点给大家推荐一个工具,叫做 cc switch, 它是一个 cloud code 的 配置管理器,提供了很多官方的配置模板,你可以很方便的在官方模型和国产模型之间一键替换,非常高效。在下载完成并打开后,界面是这样的,我们可以点击右上角的加号,在这里找到 mini max, 然后填写对应的 apikey 即可。如果你使用了代理网站,也可以将这里的地址替换为代理地址,然后再填入对应的 apikey。 虽然我们主要在终端里进行交互,但我建议还是开一个 ide, 这样是为了我们更方便直观的查看代码结构。我这里使用的是谷歌的 intavoide, 当然你使用 oscode 也是完全没有问题的,但是建议使用一个带 ai 功能的 ide。 当你有一个想法想去开发一个项目的时候,第一步往往不是直接动手敲代码,而是先去找找看有没有类似的项目可以进行二次开发。因为在绝大多数情况下,你想解决的问题别人很有可能也遇到过。如果能找到现成的轮子,那就能帮你省下大量的时间。 但有时候我们可能并不能精准的描述对应的关键词,因此我在这里一般使用谷歌的 ai 模式,直接把我模糊的需求告诉他,他会帮我们定位到最接近的网上。已有的项目我们可以进行查看和参考。 但由于我们今天是做演示,因此我们就从一个全新的空项目开始。首先,我们需要创建一个全新的文件夹,我们输入 make d r r 命令,接着进入我们创建的文件夹,启动 cloud code。 可以 看到 cloud code 已经启动成功了。在开始写代码之前,我们需要先安装一些工具, 也就是 skill 和 plug in 呢。简单来说,一个 skill 就是 一个可附用的工作流。 我举个例子啊,假如我们要制作 ppt, 那 么大致的流程是确定主题、查找材料、美化排版。每次我们制作 ppt 的 时候都会重复这几步。如果我们把这几个步骤封装为一个 skill, 那 么下次我们制作 ppt 的 时候,只需要调用这个 skill, ai 就 会自动执行这一系列步骤。所以大家可以记住这样一个判断标准, 如果你发现在你的日常工作中,有一件事需要重复做超过三次以上,那么就可以考虑给它创建一个对应的 skill。 由于创建 skill 这个流程本身就是重复性很高的工作,因此 cloud 官方为我们准备了一个叫做原 skill, 也就是用来创建 skill 的 skill, 叫做 skill creator。 当我们想要使用别人的 skill 时,就需要到插件市场进行安装。插件可以认为是包含 skill 的 一个安装包,而且除了 skill 还包含了很多其他的工具供我们使用,例如 mcp, hook, 这样就省去了我们逐个安装的麻烦。我们可以这样理解插件市场,插件和 skill 之间的关系。插件市场可以类比为 app store, 但是每个人或组织都可以创建自己的插件市场,往往一个插件市场就对应一个团队或者组织的使用。一个插件就相当于一个 app store 里面的一个应用程序, 在这个应用程序中有着各种各样的功能,这些不同的功能点就分别对应了 skill, hook、 mcp 等等。官方默认的插件市场已经自动帮我们安装好了,我们在启动可拉的 code 的 时候就可以直接使用。 除此之外,我们有四种方式可以安装其他第三方的插件市场。第一种是通过 gitup 仓库的形式,我们需要指定用户名和仓库名。第二种是通过一个 git url。 第三种是在本地的情况下,我们可以使用本地的路径。最后一种是提供一个远程的 json 文件的 url。 了解了上述概念,接下来我们就用刚刚的原 skill 来创建一个我们自己的 skill。 首先我们输入 plug in 命令,这里可以查看我们的插件和插件市场的信息。 第一栏可以搜索我们想要的插件进行安装。第二栏是查看我们已安装的插件。第三栏可以管理我们的插件市场, 我们可以安装一个插件市场,按照刚刚介绍的四种形式进行输入即可,或者查看已安装的插件市场,例如这里显示的两个就是我已经安装的,我们可以按下回车查看每个插件市场的详情。 这里可以看到我们在这个插件市场中已经安装的插件,也可以浏览查看插件市场中的其他插件。 虽然我们这是一个新项目,但大家可以看到这里有一个已经安装的插件,这是因为这个插件我安装在了全局目录下,因此每个项目都会有这个插件。当这个插件市场中发布了新插件的时候,我们可以选择这里的 update 进行更新。最后一个 remove 就是 我们不需要这个插件市场的时候,可以进行删除。 接下来我们在第一栏搜索 skill creator 来安装这个原 skill。 我 们选择第二个选项,这里可以看到主要有三个安装范围,第一个是针对当前用户生效, 这属于当前电脑的全局配置。后续当你创建其他新项目时,可以直接附用这个 skill, 不 需要重复安装。第二个是针对当前项目生效,如果你的项目有团队成员共同参与,通过 get 协助,那么其他人也能直接访问并且使用这个安装好的 skill。 第三个是仅限本地项目,也就是说团队中的其他成员是看不到这个配置的。由于这是一个很基础很通用的 skill, 因此我选择第一个进行全局安装。在这里可以看到提示我们已经安装好了,但是我们需要执行一下 reload 的 命令来加载这个插件。 在加载完成后,我们输入 plug in 命令,这里就可以看到我们已经安装的插件了。接下来我们使用这个 skill 来创建我们自己的 skill。 对于一个 skill, 我 们有两种方式可以进行调用,第一种是直接进行语言描述, ai 会根据我们的描述进行分析,然后自动匹配对应的 skill。 第二种是显示调用,我们可以输入斜杠加上 skill 的 名字来指定要使用的 skill, 这里我们选择第二种。我们输入斜杠 skill, 往下可以看到第二个 skill creator, 这就是我们要的 skill。 然后我们按下 tab 键来选定这个 skill。 由于这是一个个人博课项目,可能会放一些我们自己写的文章,因此我希望创建一个 skill 能对我们的文章进行润色,并且可以翻译为英文。我们输入以下内容, 我这里告诉他,以我们当前的文件夹作为当前项目,创建一个本地项目级别的中文 skill, 并且能够将我们的中文文章润色,然后进行翻译。 这里他会向我们申请一些命令执行的权限。在 cloud code 中,我们在进行对话和交互时,有三种模式可以选择 这一部分后面我会详细介绍这里为了操作方便,我们就选择第二个,这样下次他再执行相同类型的操作时,就不会再向我们请求权限了。这里可以看到他已经给出了 skill 点。 md 这个文件我们先选择让它创建就好。 我们可以看到现在已经是执行完成了,我们可以回顾一下它的整个执行流程。 首先它识别到了我们这是一个本地项目级别的 skill, 它知道需要放到 cloud skill 这个目录下。 接着他为我们创建了一个对应的 skill, 并且还为我们写了测试用力。这里应该是用来评估润色之前和润色之后的效果,以及有没有翻译成英文。我们可以看到他总共是写了六个测试用力,包括使用了这个 skill 和没有使用这个 skill。 来到最下面,它给了我们一个 html 格式的评估文档,可以让我们用来查看效果。我们打开这个 html 文件,可以看到上面有润色前的文章,下面也有润色后的对比, 然后也有我们需要的翻译功能,可以很直观地看到这个 skill 使用之后的效果。接下来我们到刚刚的项目文件夹下,看看这个 skill 到底是什么格式以及它具体的内容。 我们新建一个标签页,然后通过我们的 a、 d、 e 打开这个项目。这里我们可以看到有两个文件夹,一个是 cloud 目录,用来存放我们刚刚创建的 skill。 下面这个目录是我们刚刚过程中用于测试的目录。 我们打开我们创建的这个 skill, 点 m d 文件,可以看到一个 skill 文件,主要分为两个部分,上面这一部分称为 skill 的 原信息,下面这一部分是 skill 的 具体内容。对于原信息部分包括了这个 skill 的 名字以及对于这个 skill 的 说明。 最下面这一行是兼容性相关的配置,用来说明这个 skill 应该在什么环境下使用,以及需要使用怎样的系统和依赖来进行使用。 这一部分我们很少使用,大家重点关注上面的名字和描述就好。我们这里定义的名字就是我们通过斜杠 skill 名字进行调用时使用的名字,我们不妨在我们当前的项目中验证一下。我们新开一个 cloud 的 绘画, 然后输入这个名字,我们可以看到已经匹配上了,这就是我们刚刚创建的这个 skill。 这里的描述信息说明了在什么情况下会触发这个 skill。 还记得我们之前说的 skill 的 第一种用法吗?我们可以通过自然语言进行描述, ai 会根据我们的描述自动匹配对应的 skill, 匹配方式就是通过这里描述的内容进行匹配,例如我们这里的描述说到只要涉及到文章质量的提升或者中译英,都会触发该 skill。 接下来为了开发这个泊课项目,我们需要安装两个非常有用的插件。第一个是 frontend design, 这个是 cloud 官方开发的,专门用来美化页面上 uix 的。 大家知道 ai 生成的页面都喜欢用蓝色、紫色这样的一些配色,而且在交互上也不够优雅, 用这个 skill 就 能很好的解决设计感的问题。第二个是 superpowers, 它是 github 上的一个项目,目前已经有了十五万的 star, 而且已经整合到了官方的插件市场里。它包含了一整套的工程规范,从脑报开始,到项目开发、项目测试,再到代码 review, 各种各样的 skill 都是开箱即用, 很适合我们用于代码开发。这个插件也可以直接从官方插件市场进行安装,但这里我选择手动安装,因为我希望把这个插件也安装到我的 id 里,这样后续让 ai 交叉验证的时候可以使用。后面我会为大家详细介绍如何进行交叉验证。 要手动安装这个 skill, 我 们可以打开这个网站,复制这里的命令,然后来到我们的终端, 这里会提示我们要为哪个 agent 进行安装。 agent 目录是比较通用的目录,因此也是默认会安装的。接下来对于定制化的目录,比如 cloud code, 就 需要我们手动去选择,因为它会把对应的 skill 放在自己的目录下,例如 cloud 目录, 接下来它会提示我们是项目级别还是局级别,我们选择项目级别,这里选择系统链接就好,这样会减少我们的硬盘的占用。 可以看到我们已经安装完成了,现在工具准备齐了,我们回到 cloud code 开始讨论实现方案。这里要向大家介绍一下 cloud code 的 三种执行模式, 默认模式、编辑模式还有 plan 模式,我们可以按 shift 加 type 进行切换。我们目前的情况是默认模式,大家可以看到左下角提示,我们可以通过问号查看快捷键, 我们按一下 shift 加 tab, 可以 看到左下角的提示词变了,已经变成了 edit 的 字样。我们再按一下 shift 加 tab, 可以 看到它提示我们已经开启了 plan 模式。这三种模式之间会不断循环,我们只需要按 shift 加 tab, 就 会按照固定的顺序进入下一个模式。 接下来我们详细看一看这几种模式的功能特点。其实严格来讲, cloud code 中有六种执行模式,但一般我们最常用的就是上面三种,因此我们先从上面三种进行介绍。 对于默认模式也称为只读模式, cloud code 在 每次文件编辑和执行命令之前都会询问我们。第二种我称为编辑模式,在这个模式下,只有在执行命令时 cloud 才会进行询问。第三种是 plan 模式, 这也是一种止读模式。在这个模式下, cloud code 不 能编辑文件或者执行命令,往往是和我们进行讨论,用于实现前的规划。 剩下的三种模式分别是 auto 模式, cloud code 会自动批准工具执行,通过后台进行安全检查,这一般适用于一些需要长时间执行的任务。下一个 don't ask 模式,该模式下只会允许执行已经批准的工具和命令, 除此之外的都会被直接拒绝,一般用于固定的流程或者固定的脚本。最后一个也称为 yellow 模式, yellow 表示有 only leave once, 这意味着这是一个具有极高危险性的模式。在这个模式下,除了受保护的目录,例如 get 的 目录,其他的操作执行都不再询问用户权限。接下来我们回到项目中,使用 plan 模式进行讨论。我们选中之前安装的 superpower 这个 skill, 然后输入以下内容。 我想实现一个极简风格的个人网站,采用单页滚动的排版,其中可以放置我的个人经历、作品及兴趣爱好等等。整体的风格呢,采用暖色调。 现在大家可以看到 cloud code 已经做好了规划,并给出了实现的技术方案。 接着他询问我们是否要切换到编辑模式下进行实现。这里大家看左下角,他把我们的实现计划写到了局的文件夹下面,但是我不想写到局目录下,我希望写到当前项目的目录下,因为他给出的方案我一般不会直接采用,而是用其他的 call 定 agent 再做一次验证和 review, 这样可以帮我们提前规避一些设计上的问题。所以这里我们选择第四个选项。我们可以输入以下提示词,让它在当前项目根目录下创建一个 docs 文件夹,并且将实现方案写到该目录下面。 这里我们可以看到它正在向我们申请创建 readme 文件的权限。大家还记得吗? plan 模式是指读的,因此当它需要创建一个文件时,需要向我们申请权限。这里我们选择 yes 就 好。看到这里, 不知道你心里是不是有一个疑惑,在 plan 模式下不能编辑和写入文件,那为什么最开始的时候会写入到大局文件中呢? 而且对于 superpower 这个工具来说,这里我们写入的路径也不对,大概率是因为这里调用了 cloud code 的 内部的 plan agent。 而局的目录是 cloud code 的 工具本身的状态目录。 对于当前项目目录下的文件, play 模式无法直接修改,但它可以更新自身的内部状态。当然,以上主要是我个人预测,如有错误欢迎指正。 现在它创建完成后,又提示我们是否要执行这个计划。我们这里先拒绝掉,因为我们还需要用其他的 call 定 agent 再做一次验证。我们直接按下 esc 就 可以。 这里我们可以看到它已经将方案写入到了我们要求的 docs 目录下。接下来我们打开我们的 ide, 这边可以看到我们刚刚写入的实现方案的文件, 然后我们使用 cloud 和 gemini 两种模型进行验证。在验证和 review 的 时候,我们也可以使用 superpower 这个 skill。 这也向大家解释了为什么刚刚我要手动安装这个 superpower 的 skill。 如果我们之前直接在 cloud code 的 官方插件里进行安装的话,那么现在我们要在 ide 中进行使用,就需要重新安装一遍。现在我们选中这个 skill, 然后我先选择 java 模型,我们将刚刚的文件拖到对话框中,然后输入以下内容。 我这里提示他说这个文档是 mini max 给出的实现方案,请你检查并 review 一下是否有什么问题,以及并将它的审查结果写入到 docs 目录下以 gemini 命名的文件中。同样的,我们可以再开一个对话,然后选择 cloud 模型 执行相同的操作。输入以下提示词,我们可以看到这时候 gemini 和 cloud 都已经完成了 review, 并且已经生成了对应的文档。我们看右下角 cloud 甚至改动了五百多行。接下来我们可以回到 cloud code, 然后读取这两个 review 之后的文件,让他自己决定是否需要根据这两个文件进一步分析我们当前的方案,以及是否要做怎样的调整。 我们输入以下内容,我们告诉他这是 cloud 和 gemini 在 review 之后的想法和建议,请你分析一下是否合理,以及我们是否要做怎样的调整。 我们可以看到 cloud code 重新读取了文档,并按照严重程度对问题进行了分类。 在最下面,他还询问我们是否要更新实现方案,我们这里告诉他请你更新实现方案。 现在 cloud code 已经更新了我们的实现方案,我们终于可以开始愉快地看它敲代码了。我们切换到 edit 模式,让它来实现我们的方案,我们直接在输入框中下达指令,让它实现即可。 cloudcode 现在已经开发完成了,只用了三分钟,我们来看看效果怎么样。它提示我们可以通过 npx 或者 python 命令来启动服务。但是我们现在是在对话框中,怎么执行这些命令呢? 我们可以新开一个终端窗口,进入到当前目录下执行对应的命令。但其实有一个更简单的方法,我们在当前的聊天对话框中也是可以执行的。我们在 cloud code 中输入英文的感叹号,就可以进入命令模式,然后我们就可以输入我们的命令进行执行了。 可以看到项目已经启动了,运行在三千端口。接下来我们打开浏览器看看效果。 页面是米白色,符合我们所说的暖色调,而且是单页的形式,我们可以向下滑动到不同的部分。第一部分是自我介绍,下面还有我们的工作经历, 再往下还有我们的作品集,我看下来觉得还是蛮符合我的预期的。但是首页向下滚动这一部分我不太想要,我们可以截图把这一部分的修改发给 cloud code, 让他帮我们去掉。 我们回到终端中,按下 ctrl 加微,将我们刚刚的截图发给他。这里需要注意,即使我们是 mac 用户,也是用 ctrl 键,而不是 command 键。当我们看到左下角的这个图片标识后,就代表已经粘贴成功了。 我们现在让它去掉红框中的内容,哎!为什么我们发送了这个指令,但是似乎什么响应也没有?这是因为我们刚刚启动项目的命令是一个前台任务,它在运行过程中会堵塞我们接下来的绘画。要解决这个问题,有两个方案, 第一是等一会儿 cloud code 会自动把这个任务转为后台任务。第二是我们手动将这个任务转为后台任务。大家可以看到左下角这里的提示,按 ctrl 加 b 就 可以将这个任务转为后台执行。我们可以看到 cloud code 已经开始处理我们的请求了,代表刚刚的执行已经成功了。 这里看上去 cloud code 并没有正确识别到我们图片中的内容,我觉得这应该是和模型有关系。我们用文字描述一下吧, 现在它已经完成了修改,看上去应该没有问题。我们可以到浏览器再验证一下, 没问题,最下面的向下滚动字样已经不见了。刚刚我们把一个启动项目运行的命令转为了后台任务,那么我们怎么管理这些后台任务呢?这时我们就可以使用 task 命令, 这个命令会显示我们所有的后台任务。由于当前我们只有一个,因此这里显示的就是我们刚刚启动的那个任务。可以看到这里的命令和我们刚刚启动项目的命令是一致的, 在它的下方也有对应的提示,我们可以通过 x 键来停止这个后台任务。在我们 word 定的过程中,会有很多次对话和代码改动,那万一 ai 把代码改乱了,我们想进行回退怎么办? 例如我们刚刚在页面上删掉的那一部分文字,我想把它加回来。这时候我们就可以直接输入 one 的 命令。或者一个更简单的方法是连按两下 esc。 这两种方法的效果是一样的,都会列出之前的对话历史和代码改动。 这里列出的每一行都是我们之前和 cloud code 的 一次对话,也称为 checkpoint。 我 们只要选中想回滚的时间点,就能快速回滚到修改前的状态。 这里我们会看到五个选项,第一个选项是同时回滚代码和绘画,也就是说这个绘画之后的所有代码改动以及对话历史都会被撤销。第二个选项是仅回滚对话历史,但保留我们的代码修改。 第三个选项是仅回滚代码改动,保留我们的对话历史。第四个选项是从这个对话时间点生成一个总结,这可以用来释放减少上下文的占用量。 第五个选项是什么也不做,等同于按下 esc, 返回之前的对话列表。这里我选择第一个同时回滚对话和代码。现在我们的回滚已经完成了,我们可以再到浏览器上看一下效果, 可以看到下方我们之前删除的文字,现在又回来了。现在你已经掌握了代码的回滚,可以得心应手地进行 web coding 了。 对了,这里还有两个小技巧告诉大家,像我们这样回滚完,在对话框里有很长的内容,我们想把它删掉时,可以直接按一次 ctrl 加 c, 就 会清空掉所有的内容。 另一个小技巧是,如果你要输入的提示词特别长,那么在命令行里你操作起来可能不是很方便。我们可以按 ctrl 加 g 或者 ctrl 加 x, 紧接着 ctrl 加一, 它会弹出一个临时的编辑器,我们可以在这个编辑器中输入我们的内容,写完之后保存退出, cloud code 就 会把我们的提示词更新到聊天框中,非常方便。接下来我们来聊聊 cloud code 里面的一个高级功能, hook, 你 可以把它理解为在 cloud code 生命周期里埋下的触发器,比如在它改文件前或者任务完成后,都能自动触发一段你自定义的逻辑。 户客的类型主要有两种,第一类是硬规则,通常是跑个 shell 脚本或者调个 http 接口。这类户客非常稳定,适合用来自动格式化代码、同步环境变量,或者在任务结束时弹个通知。 第二类是软判断,也就是把决策权交给 ai。 这又细分为两种,一种是 prompt, 它会弹出一个 yes 或者 no 的 判断,决定下一步该不该走。 另一种是 agent 的 hook, 他 会直接启动一个子 agent 去搜索代码,甚至跑一遍单元测试,用真实的运行结果来验证任务是否达标。 这里我们以一个脚本的 hook 为例,向大家展示一下 hook 的 用法和效果。我们希望创建一个 hook 脚本来维护一个计数器,当用户每次发送消息时,这个计数器的值都加一,这样便于我们查看 hook 是 否真正调用了。 我们输入户口命令回车后可以看到这里有很多选项,这些都是不同的生命周期阶段, 而且大家注意这一行提示,这里列出的列表是只读的,我们没办法进行修改。如果我们要添加户口的话,我们需要直接修改 json 配置文件,或者让 cloud 帮我们完成,这里我们选择后者,直接输入一段提示词,让它帮我们创建一个户口。 我们可以看到 cloud code 帮我们修改了 json 的 配置文件。现在户客已经创建完成了,但是还不会生效,我们需要重启一下绘画, 我们按下 ctrl 加 c 停止这个绘画。这里再向大家介绍两个命令,当我们要恢复之前的绘画时,我们可以使用 resume 命令,就像这里提示的,使用 cloud resume 加上绘画 id 就 可以恢复指定的对话。 但对于我们最近一次的绘画,一个更简便的方法是在启动 cloud code 的 时候,使用杠 c 参数, 我们可以看到这里启动报错了,说明刚刚的配置有问题,不过我们可以先启动,然后再让 cloud 进行修复。 恢复对话后,我们可以将刚刚的报错发送给 cloud, 让它自己完成修复, 可以看到它已经修复完成了,我们再重启看看 还是有问题。这里我们依旧将这段报错保存下来,再发给 cloud, 让它进行修复。 这次终于启动成功了,我们来验证一下户客是否生效了。刚刚我已经给他发送了一条消息,现在我们来查看一下计数器的值, 在这里他创建的脚本中,我们可以看到对应的文件名以及文件路径。我们切换到命令行模式,然后执行一下终端命令, 可以看到这里的计数器的值是一。接下来我们再发送一个消息测试一下, 可以看到这里的计数器的值的确是加一了,也就是说 cloud code 在 每次收到我们的消息后,都会给这个计数器的值加一,这代表我们的户口是正常工作的。 现在我们的项目已经开发的差不多了,我想做一个总结,也就是写一份项目的说明文档。但是由于我们之前的对话比较杂乱,因此我们需要先整理一下, 清除一些与我们项目无关的上下文。这时候我们就可以使用 compact 这个命令,这个命令可以压缩我们的对话上下文。我们在输入这个命令时,可以输入一些条件,例如仅保留与项目实际功能有关的信息, 现在它已经压缩完成了,我们可以通过 ctrl 加 o 来看压缩后的信息。接下来让我们为项目生成说明文档。这个文件可以理解为一份说明书, 也是 cloud code 的 记忆文件。当我们人类阅读一个代码库时,往往会先看这个仓库的 readme 文件,这个 cloud 点 md 文件就是给 cloud code 看的 readme 文件。 但是这个文件不仅仅是介绍一下当前项目那么简单。我们可以在路由目录下指定一些项目相关的规则,例如代码风格、测试规范,然后在 cloud 点 md 中引用读取这些规范。 还有一个使用情形是,当 cloud code 在 我们当前代码中执行任务时,如果反复出现某些错误, 我们就可以将这些错误和对应的解决方法都更新到 cloud 点 md 文件中。每次 cloud code 在 启动时都会先加载这个文件,因此随着文件中的信息不断完善, cloud code 也就能更好地理解我们的项目了。这个文件我们可以手动创建,也可以输入匿的命令让 cloud code 自己生成。 现在已经创建完成了,我们可以通过 ctrl 加 o 来查看详细的文件信息。 cloud 点 md 文件是我们手动为 cloud 创建的记忆文件。除此之外, cloud 中还有另一种记忆管理方式,叫做自动记忆。 在二点一点五九版本级以后,自动记忆的功能是默认打开的。 cloud 会在工作过程中自动把一些重要信息存储下来,保存在项目的 memory 目录下。我们可以通过 memory 命令来找到每个项目的记忆存储位置。 这里可以看到我们的自动记忆功能是打开的,下面还有三个选项,前两个选项是让我们可以编辑 cloud 点 md 文件,第三个选项则是打开自动记忆存储的文件夹。现在我们已经了解了 cloud 中的记忆管理, 接下来我们再来了解一下 cloud code 中另一个比较高级的功能, sub agent。 sub agent 用于执行特定类型的任务,当我们不想污染当前绘画的上下文时,可以独立启动一个 sub agent 去执行任务。每个 sub agent 拥有自己独立的上下文系统提示词和工具权限, 并且可以与主 agent 并行运行,大幅提升任务的执行效率。 sub agent 适用于以下几类场景,第一,独立绘画上下文。 比如运行测试套件、获取文档、处理日记。这些与主会话不相干的工作交给 sub agent 处理,它只返回执行后的总结摘要,不会在主对话中留下冗长的输出。第二,并行执行任务。当需要研究一个复杂的项目时,可以同时启动多个 agent 并行调研单独的模块,最后统一汇总结果。第三,细力度的权限控制,比如数据库操作只允许查询,文件操作只允许读取,可以配置专门的 sub agent, 并设置独立的权限策略。 接下来我们通过一个实战案例看看如何创建并使用 sub agent。 sub agent 的 创建方式有两种,第一种是在 cloud agents 子目录下创建一个 markdown 文件,这个 markdown 文件中包含了 agent 的 名字,如何触发这个 agent, 以及这个 agent 是 用来做什么的。 第二种是在终端里通过 agent 命令来创建,这里我们使用这种方法作为演示。 这里可以看到,除了创建选项, cloud code 也为我们列出了很多内置的 sub agent。 我 们选择创建, 这里它提示我们是项目级别还是局级别,我们选择项目级别。这里提示有两种创建方式,第一种是让 cloud 帮我们去创建,第二种是我们手动修改 markdown 文件,我们选择第一种。 接下来我们需要输入一段描述来说明这个 sub agent 是 做什么的,这里我就让它读取一下我们的代码库,然后将我们的 cloud 点 md 文件更新为中文。 接着它提示我们有哪些工具可以给这个 agent 进行调用。我们按下回车进行选择,这里我们就全选就好。 然后是为这个 agent 配置对应的模型,接着是为它选择一个颜色,这个颜色可以很好地与我们主 agent 区分开来,这样便于我们进行查看。 这里我们需要为 sub agent 配置它的记忆管理。和主 agent 一 样, sub agent 也有自己的记忆功能,这里有几个范围,分别是项目级别、用户级别还是仅仅本地可用,或者说不配置记忆,这里我们就选择项目级别,这样只要下载了相同的代码,别人也可以进行使用。 这是 cloud 帮我们生成的 markdown 文件,我们可以对比确认一下,如果没什么问题,我们就直接保存就行。 这里可以看到我们的 agent 已经创建成功了,这里我们来调用一下我们刚刚创建的 agent, 看看其执行效果。大家可以看到这里的蓝色就代表已经触发我们刚刚的 sub agent 了,它已经开始工作了, 但这时它还是堵塞在我们的主绘画里,我们可以按 ctrl 加 b 将它转为一个后台任务,这样我们的主 agent 就 可以继续工作了,现在它已经完成任务了。接下来我们看看实际的文档, 可以看到这里已经改为中文了,和我们的预期是相符的。网站开发完成,接下来就是上线,我们可以通过 server 的 mcp 来自动化部署整个流程。 mcp 是 一个能让 ai agent 调用外部工具的协议,而这些工具就存在 mcp server 中。想要把我们的项目部署到 server, 就 需要在本地配置服务器的 mcp server, 配置方式很简单,直接在插件市场中搜索安装即可。 不过在启动部署之前,还有一件事必须先做,那就是把我们的本地代码推送到 github 仓库,因为 webshop 的 部署流程是直接关联 github 仓库的。现在我们已经完成了 webshop 插件的安装和代码的推送。接下来我们要进行授权, 在授权完成后,我们就可以进行项目的部署了,现在他已经帮我们完成了预发环境的部署,如果要部署到正式环境,我们可以使用 deploy plod 命令。我们可以先打开这个已经部署的预览环境进行查看。 大家可以看到网站是能正常访问的,只不过这里用的是 webshop 分 配给我们的域名。现在即使我们没有自己的服务器,也已经可以上线自己的网站了,只不过现在的域名都是 webshop 分 配给我们的,如果我们要使用自己的域名,需要去做一些自定义配置。 好了,那么以上就是本期的全部内容了,制作不易,还望大家多多点赞关注,大家有什么想法也欢迎在评论区与我进行讨论和反馈,我是君望,我们下期再见!

以上就是 cloud code 对 于 harness 工程的一个体现, skill, mcpower tool, hulk 还有 sub agent, 它们本质上都是为了规则、范围和约束,然后最终是为了减少大模型产生幻觉和失控导致的不可控的行为。 大家好,我是双月,今天我们聊一下这个 harness 工程的四个核心的模块啊,以及它是如何实际在实践中去体现的啊? 因为现在讲哈里斯工程,网上有很多的文章啊,基本上我看到的感觉呢,就是讲的挺好的,然后也能看懂,就是每一个模块都能看懂,每句话都认识,但是看完之后呢,也不知道讲的啥东西啊,不知道如何具体去实践,具体去用,以及它如何具体代表我们, 呃实际在开发过程中或应用的时候的具体的某些功能对应不上,对吧?所以今天就解决这个问题啊。 啊,首先我们来呃从头到尾去回顾一遍我们用 ai 编程或者用 ai 查询东西的一个过程。我们最开始的时候呢,我们应该是,呃,就第一个版本,我们考虑的应该是 system prompt, 就是 系统提示词,系统提示词,然后发给这个大模型啊,然后当时还有什么提示词,工程,然后怎么去写提示词,对吧?啊之类的 啊,这是第一步对吧?然后第二步呢,发展到了最近,应该是从前年或者去年开始的这个 agent 啊,或者说我们编程里面叫做 web coding, 有 那个气氛气氛编程或氛围编程的里面,我们这个 agent 呢,我们给予的应该是更多的一个上下文,我们叫 context 啊,呃,或者说我们之前讨论的这个 r a g 啊,包括这个搜索分享生成,然后用一些限量数据库,然后注加一些信息,然后发给这个大模型啊,也是一些上下文,对不对?包括这个我们可以 用一些这个 search 相关的一些工具搜索网络,然后发给上下文啊,这个归根结底啊,这东西都是叫做 context, 就是 上下文会增多啊,无论是说 system prompts 的 增强的规定,还是上下文的增多,都会极大地提高这个大模型回答的这个质量,对吧?这个呢会好,这个呢会更好,对不对?但是呢, 到现在为止,到目前我们讲的这个状态为止,它还解决不了一个问题,任何人都没法解决一个问题,就是大模型它可能会出现幻觉, 或者说可能会出现一些失控的一些情况啊。就是举个例子来说,我们在开发的时候,我们有可能在这个系统提示词,包括在其他的地方去约定啊,我们举例的,比如说, 呃,请不要在这个密分支来开发啊,或者说请不要使用 npm, 我 们要使用这个 p npm 这个工具。但是请注意,你虽然是这么去约束它,虽然这么叫约束它,其实本质上它其实就是一个提示 或者是一个建议,对不对?不是一个强制约束啊?反正但凡是用过的人都知道这个东西时间长了以后,或者说随着这个呃 context 这个增增多了以后,你提的这些提示或者说这些建议慢慢的就会出现幻觉或者失控啊,有可能就会呃,导致这个大模型呢就听不到你的这些东西,它会出现幻觉或者出现失控,然后慢慢的就在免费市场开发,然后再 就会使用这个 npm 工具,就不听你的使唤了。所以提示光提示和建议是没有用的,我们需要的是什么东西呢?我们需要的就是我们第三步要讲的就是这个 harness 工程。 harness 工程本质上他们讲的是个是个啥呢?讲的就是规则 范围,然后约束, ok, 对 吧? 有了规则范围和约束之后,这些提示就会慢慢的生效,光有提示是不行的,好,到此为止呢?这个规则范围约束到此为止呢?我们讲的还是比较抽象的,就是都能听懂,但是听完之后呢?不知道干啥,对吧?啊?别着急,我们慢慢的一步一步去拆解啊。 呃,这个规则范围和约束本质上都是为了防止啊,我们说的这个幻觉和失控,对不对?那我们看一看怎么样去防止,具体怎么样去防止啊? harness 呢?它这个翻译过来是马句啊,我觉得, 呃,这个翻译或者说这个用词,这个取名挺有意思啊。呃,他们参考的应该是在赛马场或对马的训练的时候那么一个场景。 马这个东西呢?他可能我没有骑过马,我不知道啊,他可能是比较难以控制的,就是你,你告诉他去哪个地方,他不一定去,你得通过一些工具,通过马鞍、马缰绳、马鞭、马刺, 包括通过那个赛场上的一些跑道、篱笆啊,围墙,规定它去做什么事情,所以本质上讲的还是规则范围和约束,对不对?然后防止这个马自己出现一些幻觉,自己出现一些失控的一些情况,所以本质上讲的是一会事情,对吧? 那怎么样讲具体的?我们可以通过一个非常非常出名的 a r 编程工具叫 cloud code 啊,我们就用 c c 代替了。 cloud code 是 当前应该是最好的 ar 编程工具之一,它这里面呢就有四个地方可以去直接现实的去体现这个 hash 攻守。第一个是 skill 就是 技能,第二个呢就是 m c p 呃 server 或者叫 tool 工具, 第三个呢叫 hook, 第四个呢叫 sub agent 啊,但凡是你 呃用过 c c 或听过 c c 就是 cloud code 啊,或者说你用其他的一些 ai 编程工具的应该都知道这么几个东西啊,可能像 skill 啊, m c p 啊,这可能都用过,对吧?像 hulk subagent 呢?我觉得可能有一些同学可能还没有用过, 但是你用过归用过,但是你有没有想过你应用的时候它的这个设计初衷是什么?它和这个哈里斯工程它到底有什么样的联系?它怎么样去体现这个规则范围和约束这件这件事情, 对不对?那我们今天就详细的剖解一下啊。首先 skill 这个相信只要是用过 ai 的 都知道啊,它是技能 啊,它的这个技能呢,就是说我们可以把一些非常详细的一些规则给它写出来,比如说怎么样去创建一个 react 组件,怎么样去做一个测试,怎么样去做一个代码组啥? 或者怎么样去设计一个好看的网页啊之类的,怎么样去输出一个 pdf 文件?所有东西几乎每一个方面都有 skill, 你 如果想安的话,你可以安一百个 skill, 对 吧? 那它的价值在于什么呢?它的价值在于我们之前的时候,我们想告诉大模型,很多东西我们都是写在的这个啊,这个 system prompt 中,导致如果东西太多的话,它会爆炸,一爆炸它就会产生什么,更容易产生幻觉,对不对?更容易产生幻觉。所以 这个 siturn prompt 不 能写太多东西啊,要不然它更容易产生幻觉,所以这个 skill 出现呢?它是通过动态啊,动态以及 按需去加载内容,对吧?一个动态,一个按需,这样的话就可以让我们编写 skill, 就 像一本书一样,我们可以按照目录去写,我们可以写得很厚,写得很详细,写得很明确,可以把每条规则都写得非常非常完整 啊,但是它可以动态按需加载啊,这样我们就不用担心这个爆炸的问题,以及不用担心内容过多导致幻觉的问题,对不对?所以 scale 的 这个特点就容易让我们写出 更多这个细节,更多明确的这个规则以及更多 要求。你看我们写的更详细,我们写的这个这个目录更加全面,我们要求更加细节,那是不是能对应到我们这写,我们这讲的这个规则范围和约束, 对不对?那规则越详细,范围越清晰,约束写的越明显,是不是越贴近于我们说的这个哈里斯工程,对不对?所以 scale 这块是能体现的,对吧? ok。 然后接下来讲这个 m c p server 这块呢?有可能这个误解会最深,因为这个讲 m c p server 或者讲这个托呢?大家就是包括我之前啊对它的这个第一印象就是它其实是一种 扩展啊,呃,就是扩展第三方的一种能力啊,比如说让我们的这个 cc 能去访问 github, 能去访问数据库,能去,呃,启动一个无图浏览器做测试,它其实是一种扩展,对吧?它是一种扩展,但同时呢它也是一种约束, 请大家一定要注意这一点约束。我们举一个例子啊,比如说说的最简单的托工具就是这个,我们叫 write file, 就是 写文件这个操作,哎,你说这个 write file 这个工具就是写写一个文件或者编辑一个文件啊?那如果我们没有这个工具的话,那那大模型就编辑不了了吗? 可以啊,大模型可以通过炫耀命令,对吧?可以做任何事情,我们只要允许他他他,他能使用炫耀命令去执行脚本,他可以去编辑任何文件,可以去发起任何请求,对不对? 但是如果说你允许大模型使用炫耀命令的话,会导致是一个什么样的结果?他可能会自由发挥,他可能会写各种各样的炫耀,他可能会把你的其他的一些关键的文件,或者说这个当前目录之外的一些系统级的文件可能会删掉或修改, 这样是干嘛?这样是不可控的,对不对?这样是不可控的,所以这样的话就没有这个约束力了,对不对? 那如果说我们让大告诉大模型,你在写文件的时候不要用时要脚本,我们用这个 write file 这个工具,这个工具里面是什么?怎么实现的?你不要管这是这是我我这个工具内部去写的啊。作为对于大模型来说,这个这是个黑盒,但是你就是这么用就行, 对吧?你就这么用就行。那这里面我们可以加很多限制,比如说这个目录是不是安全?我们写的这个文件是不是系统级的文件?这个写的这个文件是不是个危险的文件,对不对?我们就可以加很多限制,这样的话他是不是一种约束, 对吧?看出来了吧?他本质上是一种约束,包括我们第三方的,比如说我们有一个数据库的一个 m c p 的 一个词汇啊,数据库的,比如说我们要插入一个数据,或者说一个解锁一个数据,我们都可以用这里面的一个 tools 去去操作,是吧? 那这本上也是一种约束,就说你查询一个数据,你插入一个数据,你只需要用我这个 tools 去做就行了,你不要去自己通过 shell 脚本去做。你想想, 我说了,就是只要有 shell 脚本大模型可以做任何事情,包括查询数据库,你只要告诉他用户名密码,然后他可以用 shell 脚本帮你去做任何事情,但这样的话是不受约束的,他万一哪天把那个数据给你删了怎么办,对吧? 但是如果用 mcp server 呢?就有好处,想删数据没有,我们压根没有这个删数据的,这个拓你只能插入,只能查询,对吧?甚至更新都是严格要求的,对不对?这个 mcp server 或者说拓它本质上起了一种约束,你看正好对应到哈里斯这个约束,这个选项,对不对? ok, 所以 m c p server 或 tool 它也是能体现这个 hylsi 工程的一个方面之一。再往下说这个 hock 啊, hock, 这个体现就更加明显了, hock 这个东西呢,本质上就是把希望或者说提示变成一种 强制。我们一般用空客是干嘛呢?一般是我们去限制一些危险命令啊,危险的一些命令,比如说他要删一个什么文件啊,做一个获取一个什么 高级别的,或或者获取一个什么系统级别的一个数据啊,这都是危险命令,对吧?包括比如说保护一些 啊,一些隐私数据,比如像这个点, e、 n、 v 里面,这个文件里面,我们可能会有很多的这些密钥之类的可能保护一下,对吧?包括你可以去强制,你可以去自定义一些后壳,比如说我,我之前用过的一个,我可以定一个后壳来判断当前是不是一个密分支。 如果是命分之,那我就直接报错,不能在命分之上开发,你必须在自己的分之上开发。哎,你看这个时候我们就讲到这个,刚才我们讲的这个这个命分之的这个问题,对吧?我们之前说在这个系统提示词或在什么地方去提示用命分之, 那提示他,他有可能会出现幻觉,不听你的提示,那怎么办呢?不听那我就强制。我们可以做一个后壳,在开发之前强制让他判断是不是面分值,如果不是就报错,就就不能开发,对不对? 或者说如果不是就把这个错误抛给这个大模型,让他知道当前不是面分值,让不能开发,他自己也就明白了,对吧? ok, 所以 这个后壳是最能体现这个哈里斯工程的这么一个方式啊。 再往下是 subagent, 就是 多智能体或子智能体,多智能体或子智能体呢?这个和这个 m c p server 和托有点类似,就是一开始大家也可能会产生一些呃误解,就是以为我们用多智能体是为了干嘛呢?是为了快。 其实快它有些方面确实快,比如说有一些病型的命令,两个同时执行的话可能会快,但是有一些像这个串型的, 对吧?有一些串行的命令,我们有时候也是需要用子智能体的,那是为了快吗?当然不是串行的,其实有你用子智能体和用一个主智能体是 差不多的,比如说你用一个主的执行四个命令,和你用这个呃 abcd 四个子智能体来执行四个命令,这个这个速度是一样的,因为它是串行执行的,对不对? 所以 sub agent 它的核心并不在于快,它的核心在于什么呢?在于隔离, 隔离本质上其实也是一种约束啊,你看约束,对吧? 举个例子来说,比如说 sub agent, 它可以自定它,它有自己的这个 context, 就 有自己的上下文,这个是不是一种约束 啊?不污染其他的东西,也不让其他东西污染自己,这也是一种约束,对吧?比如说我们在 safari 里面可以定义拓啊,我们的一个比如说我们的一个 plan 的 一个 safari, 我 们可以让它的拓是只读, 就是我们限制它、约束它、限制它,你只读就可以了。你知道你做任务、做计划,你只读就可以,你不要去编辑任何文件,不要做任何修改,对吧?还有像比如说我们通过这个 git 的 这个 worktree 啊,然后多个人物并行的时候,我们可以限制他只在当前 worktree 操作,不要污染其他的一些代码,不要污染其他的环境,这本质上还是什么?还是一种约束和限制和隔离,对不对?他也是符合这个哈雷斯工程的这个规则范围和约束的这么一个一个大的方向,对不对? 所以整体来说,这个 sub agent 它本质上是一种隔离和约束,它也是符合这个 harnesses 编程的这么一种规范。好,以上就是 cloud code 对 于 harnesses 工程的一个体现, skill, mcpower tool, hulk 还有 sub agent, 它们本质上都是为了规则范围和约束,然后最终是为了减少大模型产生幻觉和失控导致的不可控的行为。 ok, 未来我还会再去分享其他的关于 ai 编程以及大模型智能体相关的一些信息,可以关注收藏点赞。

codex 和 close cly 五个高阶技巧,看完效率翻倍。五个技巧, codex 快 捷键,全局规则加乱码修复 mcp 服务器 get work tree 并行 hook 强制护栏, 每改一个文件,每跑一条命令都要按外长,任务被打断成几十段。解法是封装一个别名,加上危险模式参数启动,让 agent 一 气呵成跑完,最后用 getif 统一审阅。 不会写也没关系,把这一句话直接丢给 ai 检测我当前的 shell, 给 code 和 cloud 各加一个危险模式别名,写完告诉我怎么生效。唯一的提醒只在 get 干净的工作区使用,建议配合后面的 word tree。 第二招是把你的偏好写进局规则文件 code 放在用户目录的 code 下的 cloud md, 所有项目自动继承。 对 windows 用户这一招还能顺手治好乱码。官方 issue 七千二百九十,已经确认 codex 启动字进程时会回退到 c p 九三六,编码中文写进文件就会变成那串经典的筏金口。 解决办法是在规则里写清楚,禁用 bash, 改用 power shell 文件统一 utf 八五泵,必要时执行 chcp 六万五千零一。 第三招是给 agent 装上 m c p 服务器,你可以把它理解成 agent 的 外界神经,插上 playwrite, 它就会自己开浏览器,插上 github, 它就能提 pr, 插上 postchris, 它就能直接查数据库。 codex 的 配置写在 config tommel 里, cloud e 型 m c p i 的 命令就能装好, 配一次,终身受益。第四招是用 github 里,在同一个仓库旁边长出几个独立的工作目录, 每个目录跑一个 agent, 一个修登录,一个改 bug, 一个重构 api, 三个任务同时推进,互不打架和多份 clone 共享同一个 git 省词盘提交立刻可见。但文件物理隔离谁也改不到谁配合第一招的危险模式,效率直接翻三倍。 第五招也是最重要的一招, hoops。 没有 hoops 的 时候, cldmd 里写的规则只是建议 agent 心情好就遵守。 有了 hooks, 违规直接被阻断。 pre to use 在 动手前拦截威胁命令 post to use 在 写完文件后自动跑, prettier stop, 在 收尾时强制跑。测试配置就一份 settings gsn。 从此规则不再是写给空气看的。 五个技巧对应五个真实痛点, codex 解决审批力度,大局规则解决偏好和乱码, m c p 解决能力,边界, worktree 解决并行冲突, hook 解决规则失效全部加起来,你的 cly agent 就 从助手升级成了真正的工作流。点赞收藏,下次见。

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!

终于找到了一个可以解决 cloud code 持久化记忆的一个插件,在 get 它上面已经耗取了七十一点八 k 的 star 的 一个插件,它是呃可以解决持久化记忆,并且可以在外部端实时浏览到我们呃和 cloud code 进行的交互,然后它的观察,然后 各个方面这些东西都可以实时展示出来,它帮我们总结了什么东西? investigate, learn complicated, 还有 next step, 这些都可以统计到实时可以解决到。然后我已经把它总结成了一个飞出的原文档,它的整体的就是它是持久化的跨绘画的记忆系统, 然后它的核心架构以及它的核心模块,观察者, generate 引擎和 sir 和那个语音搜索和和那个文件记忆都可以实时触发。它其实主要就是通过 hook 的 触发机制来实现整体的这个交互的。 然后它有启动时,它会执行动作,绘画开始时提交提示子工具,执行前和执行后绘画结束后它都会生成这个 sunrise, 生成这个绘画专用。 这个很好的解决了我们持久化跨绘画的这个记忆,不需要我们去手动那个,它会自动帮我们存储到各个各个我们的向量库里面。然后这边已经帮大家总结好了,包括安装时候的六大裁砍点也已经总结好了,它的配记忆系统,文件记忆和向量记忆,这个都是插件里面自动已经帮我们封装好的东西。 然后它的和我们之前的呃加拿大记忆,它的关系是什么?这边已经总结好了,对。

cloud code 最近发布了全新的实战使用指南,我觉得对于新手小白来说非常的友好,因为它是从 cloud code 的 安装配置到记忆的管理,到如何添加记忆,到如何 呃使用它的记忆文档,然后到上下文的优化管理,以及对于呃 hux 就是 它的工具,使用前使用后的整体的定义的使用流程,还有常用的常见的坑点,全部用实战案例给我们介绍了一遍,以及 m c p 服务对于可洛德在可洛克的整体的生态, 生态中的作用,然后等等等等。包括使用 cologne code 的 五五大使用原则,还有一些非常实用的小技巧,比如 cologne code 在 在进行页面设计或者 ui 设计的时候,最关键的最有效的沟通点其实是用截图来跟它沟通,这个 cologne code 官方教程中都有非常明确的介绍,然后我也是基于他的官方的文档和他的具体的视频介绍,把它沉淀成了一份非书的原文档。然后这里面详细介绍了可拉可拉的 code 的 架构,包括用很多流程图和 图像,非常给大家生动的说明了这个可拉的 code 的 使用过程,我看完其实受益匪浅的。如果大家需要这个非书文档,可以关注我,然后私信我给大家发一下这个非书文档非常有用。

你有没有想过,如果有一天你完全不写代码了,你还能叫程序员吗?去年底,我还在逐行敲击键盘,但现在我的日常变成了用自然语言和 ai 交流,听起来很轻松,对吧? 但其实我现在比以前更忙,也更像一个真正的工程师了。今天,我想和大家聊聊这个奇妙的转变。在开始我的故事前,先分享一个震撼到我的事实。 二零二六年初, openai 的 codex 团队做了一个实验,七个工程师,五个月用 ai 生成了一百万行代码,你知道人手写了多少行吗? 临行,他们总结整个项目,只留下了一句极其深刻的话, agent 不 难,难的是 harness。 那 么,到底什么是 harness? 这个词的原意是,马锯、江绳、马鞍脚子。想象一下,大模型就是一匹极其强壮、跑得极快的骏马,如果你不给它套上江绳,它只会在草原上漫无目的的狂奔。 harness engineering 就是 设计这套江绳的学问,它不是调餐,也不是写提示词,而是为 ai 构建上下文权限和纠错机制。带着这个视角再看 cloud code, 你 会发现它远不只是一个聊天窗口, 它本身就是一套极其精密的 harness。 比如 taylor ming d 是 它的长期记忆。 skills 和 sub agents 实现了能力的按需加载和上下文隔离,而 hooks 和 m c p 则负责规则校验和连接外部世界。 每一层设计都在解决一个特定的控制问题。不过我在刚开始用的时候狠狠踩过一个坑, 我天真的把所有开发流程都写进了 cloud 点 md, 指望他乖乖听话,一开始确实管用,但对话一长,他就开始擅自创新了。该测试的不测试,该审查的跳过。 为什么?因为长对话稀释了规则的权重。对于像不准未经审查就提交这种硬性规则,写在提示词里就是一颗定时炸弹。这时候我们就必须依靠强制执行的 hooks。 在 理顺了这套机制后,我每天的工作流程变成了这样, 从梳理业务逻辑开始,接着规划改动点,然后让 ai 去实现代码,之后进行两轮严格的审查运行测试。最后一步,也是最特殊的一步,业务知识回写。 这七个步骤,把原本模糊的开发过程折叠成了确定性的流水线。你可能会问,为什么审查要拆成两步? 很多人的做法是让 ai 一 次性看完所有问题,但我发现,实现审查关心的是功能对不对,而质量审查关心的是代码好不好。这是两种完全不同的薪资模式。 所以我用两个独立的 sub agent 分 别负责,各司其职,互不干扰, ai 的 判断力反而变得异常锐利。在刚才提到的七步里,我认为最有价值的是最后一步,业务知识回血。 代码可以重构,但业务里的为什么一旦丢失就很难找回了?我要求 cloud 每次做完任务,必须把新的业务规则、决策理由和边界情况记录下来, 这就是真正的复利工程。每一次任务都在让我们的系统变得更聪明。积累了这么多知识,怎么管理它们又成了新问题。 千万不要搞一个大文件,无脑追加。我的秘诀是按知识的稳定性来组织,而不是按功能模块、术语、硬规则、业务决策这些跨模块共享的东西,变化最慢,应该独立存放, 这样当你修改一个模块时,就再也不用在一座文字垃圾山里痛苦的翻找规则了。最后一块拼图是怎么让这套流程自动运转? 答案是让流程静默执行。我通过 user prompt submit 注入意图,通过 stop hook 强制拦截。只要 ai 没走到最后一步,系统就会冷酷地告诉他,此路不通,请继续下一阶段。 除非遇到需求偏差需要我来裁决,否则整个流程不需要我做任何多余的操作。回顾这几个月的实践,我最大的感触是,我确实不写代码了,但我比以往任何时候都更像一个工程师。 我的判断力从这行代码怎么写,进化到了这个流程该怎么设计,代码的细节交给了 ai, 而对业务的洞察,对质量的把控,依然紧紧握在我的手里。 系统的进化,不仅是因为模型更强了,更是因为我们驾驭它的江声越来越成熟了,谢谢大家!

装好了靠的桌面端,但又对着屏幕发呆,那么这七个隐藏技巧,哪怕你是纯小白,看完也能直接起飞!建议点赞收藏加关注,防止以后找不到哦!大家好,我是冰好!技巧一,进入软件,直接在对话框里敲这段指令斜杠, set up, call work, 就会像一个老手一样带你选职业装插件配工具,傻瓜式的操作,五分钟帮你全部搞定。个别插件报错的话,直接跳过就好了,完全不影响你的后续使用。技巧二,靠的桌面端,满屏的英文看不懂,是不是真的很崩溃? 别慌,我自己歪着抠等了一个汉化神器,安装之后,菜单栏点一下,一键汉化重启,靠的直接变成中文,想切回去,只需要点击恢复原版就可以恢复到汉化前的版本了。 画画之后还可以随意切换其他语言。这个 app 只改变你的 app 语言,不会动你 call 的 任何配置文件,快捷省心。技巧三,别让 ai 再乱翻你的电脑了, 看见输入框下面这个工作区按钮没有?点击它旋转你现在的项目文件夹,这等于给 call 的 划定了一个圈圈外的隐私文件,它绝对不碰! 切记,千万别把整个电脑硬盘给全选了!技巧是,一堆文件直接扔给靠的,他绝对是懵逼的。聪明人的做法就是点击加号,或者直接把对应的文件拖进去。 比如说我扔一份,销售一笑给他付上去,然后说按月汇总,找到下滑最大的三个品类,指定上下文,不仅省创意,干活还贼精准。 技巧五,这个功能百分之九十的新手都会漏掉。打开设置里的 global instruction, 在 这里写一句,所有的回复必须用中文,之后不管你怎么问他,他都会用中文来回你。以后你的回复格式、口吻、风格全都可以放在这里,收益极其夸张。 技巧六,嫌,每次都要重新调教,太麻烦。设置里面把 memory 的 记忆功能打开,你随便提一句,我是做电商的,多用转化率分析,下次新对话他直接按你的习惯来, 用的越久他就越了解你,简直就是专属的神仙助理啊!最后一个技巧,如果你经常找不到你的历史绘画,在侧边栏点击 vivo 会打开一个完整的任务列表,在这里你可以多选绘画,一键存档, 在这里也可以看到你之前存档的绘画信息。重要的绘画可以点他们侧边的三个点,点击固定,直接置顶,下次直接就能找到。完成了任务,想把绘画从侧边栏删除, 直接点击存档,就会保存到你的任务列表里面。学会了这七条技巧,那么你对靠的桌面端的使用就算正式出师了,我会持续更新更多靠的桌面端的进阶玩法,不想错过的话,赶紧点个关注吧!

clotcode 的 一共有八十个命令,包含斜杠和 c l i 两部分,但真正让你效率翻倍的其实就这十九个。今天我把每个命令的用法都给你讲清楚,最后还会给你一份完整的八十个命令速查表,记得截图保存。 先说对话管理,第一个是 clear, 清空对话历史,写完一个功能最好新开一个对话,搞完一个东西就清空再继续,不要一直用一个对话搞到底。 第二个是 compact, 压缩对话历史,但保留摘要上下文,用到百分之六十到百分之八十的时候就可以提前压缩,还能指定只保留向数据库讨论这样的重点。接下来三个也是对话管理相关的。 resume 用来恢复之前的对话,直接打开选择器继续。 b t w 是 快速提问, cloud code 正在运行时也能插一句,不 会打断正在跑的任务。 rewind 则是回退对话方向搞错了可以直接退回之前的节点,代码文件也会一起恢复。 effort 用来设置模型的思考深度,复杂任务输入 effort high, 让模型多想一层,简单任务用默认就够了。 config 会打开设置面板,别名是 settings, 在 这里可以改主题 模型片号,还能把语言直接切成中文。再看三个实用工具,命令 a、 d、 d、 r 可以 把额外的工作目录加进来,关联项目能一起看。 copy 能把最近一条回复直接复制到剪贴板,不用你手动选字。 export 则能把整个对话导出成纯文本文件,比如 export chat txt 方便存档。 permissions 用来管理工具权限,把常用工具设成免确认之后能少掉一大堆弹窗。 review 用来审查 pull request, 提交 p r 之后让 cloud code 先过一遍,总能多一道保险。 m c p 用来管理 m c p 服务器连接,可以把各种工具能力接进来。 chrome 用来连接 chrome 做调试,前端开发几乎必备。 load 则能让 cloud code 按时间间隔自动跑命令,比如每三十分钟检查一次, 服务不正常就自动修复。 init 适合新项目开局先跑一遍,让 cloud code 先理解你的项目结构。 memory 则是编辑记忆文件,这个非常重要。记忆文件越好, lotcode 就 越懂你,越能贴着你的习惯做事。最后两个命令也很直, plug in 会带你进入插件市场,官方推荐插件非常多,按需安装就行。 in size 会生成使用分析报告,建议你每周看一次, 它不光分析你的使用习惯,还会推荐新功能和新用法。最后,我把八十个命令全部整理成四张速查图了,第一张看项目和状态,第二张看模型、 权限和环境,第三张看集成和批量命令,第四张看 c r i 命令,四张都记得截图保存,用好这些命令,你的 cloud code 的 效率至少翻一倍。关注我,了解更多 ai 体校技巧!