Claude Code有多少次请求
兄弟们，最近发现了一个宝藏项目，让 cloud code 变成了普通人也能用的工具 github 上面热度相当炸裂，它的思路非常聪明，不是什么破解版，而是把底层的 ai 接口给换掉，接入英伟达、 oppo、 rata、 deepsea， 甚至你自己电脑跑的 本地模型，完全绕开了 astrobic 订阅的高价门槛。最香的是什么呢？每分钟四十次的调用频度，白嫖档直接起飞。想体验 cloud code 却一直舍不得掏钱的朋友们，这个项目可以现在就去收藏一下。
粉丝1.5万获赞12.0万
相关视频
02:25查看AI文稿AI文稿这是一期教你如何正确并且省钱使用 cloud code 的 视频，关注我时间长的朋友应该都知道，我是 cloud code 的 死忠粉，作为一个每天使用八个小时，并且用 cloud code 变现了几千块钱的用户，今天我将跟大家分享几个帮助大家省钱而且提高效率的隐藏命令，也许你从入门到精通就差这几个隐藏命令了， ok， 话不多说，我们直接开搞。首先就是 model ops plan， 大家熟知的我们都是通过 model 进行切换嘛。 但是这个命令对于二十美金的 pro 用户来说实在是太友好了，因为它会自动地在你进行一些复杂推理和写计划的时候使用最强的 ops 模型，然后在执行的过程中使用第一档的 sonata 模型，这个就能帮助 pro 用户显著地节省头肯， 你的一倍头肯，能用到三倍头肯的效果。第二个就在命令行输入 remote control， 就是 我们在养龙虾的时候终极梦想，就是我们躺在床上，然后让 ai 自己写代码，那么这个命令就能很好地帮你实现。这一点能够通过手机来操控 cloud code， 你 只需要在对话框里面打斜杠 r c， 它就会生成一个网页， 你用手机打开这个网页的时候，你的整个 cloud code 就 会在你手机上同步，这个功能是让你的手机变成遥控器，远程的遥控 cloud code， 我 只能说憨爆了。第三个命令行是斜杠 export， 它会把我们所有的对话上下文打包成一个 m d 文档。如果没记错的话，我觉得 cloud code 的 上下文窗口应该只有两百 k， 经常出现那种你跟他聊着聊着上下文窗口满了，你需要开一个新窗口的问题， 那么这个命令就能很好地帮助模型去知道啊他现在做到哪一步了，他接下来要做什么？此外，你可以导出到其他的 ai 产品嘛，比如说 codex 上面，然后你继续搞。最后我想讲的这个不是命令行，但是如果你要想在你睡觉的时候让模型继续帮你工作，那么就一定要勾选上这个 permission， 它叫 bypass permission。 我 们是不是很多人在使用 cloud code 的 时候，一会儿一个弹窗，一会儿一个弹窗，你要点击去确认这些权限，但是你选择 bypass permission 的 模式之后，它自己就会去执行所有的命令了。其实我今天本身还是很想讲一个，就是 agent team， 你 一个人怎么去组建一个 agent 军团去帮你干活？ 我经常搞十几个 agent 同时并行的帮我完成任务，这种感觉实在是太爽了。但是因为这个篇幅比较长，而且今天时间有限，可能讲不完，所以说大家如果想听的话，可以在评论区里面提需求，如果想听的人多了，我们下期直接安排上，那么我是 holland， 关注我，带你分享更多 ai 变现和省钱玩法。
2655浩兰德
03:29查看AI文稿AI文稿今天我们带着大家去装一下 cloud code 啊，注下，这个方法不需要你有 cloud 的 账号，不需要你对接它的模型，不用担心封号，全国内环境对接我们国内的大模型，相信我啊，一旦你用上它，你就进入到另外一个世界，一步步跟着做，任何人都可以安装成功。好，我们开始 这次是在 mac 笔记本上去做安装 windows 的 小伙伴，等下一期的视频。首先点开你的启动台，其他文件夹里面有一个终端命令行，点开你们应该就可以看到这么一个终端制服的页面，直接粘贴这个指令，安装 homebrew， 这个是 mac 系统上的一个命令行的管理工具包，有了它我 我们后面就可以安装 cloud code， 你 不用管这个命令是啥意思，直接复制粘贴运行就行。这里面有几个选项，通常选择一，选择二都可以选择一，输入你的开机密码，这里面会检测到你之前有没有安装过啊，我这个机器很干净，没有安装过，选择 yes or no 都是可以的，如果你安装了，它会默认把你之前的删掉，再给你装个新的。好，我们耐心的等待一下，这个时候它需要你按回车键开始快进一下啊。安 装成功之后，需要输入开机密码确认一下它，这里会提示 next steps。 直接复制这个命令，把 homebrew 添加到你的电脑的环境面板里，你也不用管这个命令行的意思，直接复制这三行贴进去看底部没有报错就是 ok 了，你就可以直接调用 homebrew 去管理你的安装包。为了方便下一步的演示，六叔把这个终端的这个屏幕清空一下，你们看得更清楚一些， 我来验证我们的 blue 有 没有安装成功。你可以输入一个 blue gambos， 我 们看一下显示 home blue， 五点一点九最新的版本，证明你安装成功了。好，第二步就用 blue 这个命令去安装我们 color code， 你 不用管它啥意思，直接复制安装这个指令回车，现在就开始安装了，我们还是快进一下好。装好之后，终端输入 color code， 你就可以直接进入到这个页面。看到这个小螃蟹啊，这个时候你还用不了，因为我们还没有对接国内的模型，下一步我们就演示怎么去对接国内大模型啊。所以我们使用国内的模型，不是用这种对话的方式，而是要进入到它的开放平台，去调用它的 a p i 去接入国内几个比较好的，智普、 kimi， mini max， deepsafe 都是可以的，目前 deepsafe 是 按次去收费，我们可以快速看一下它的价格啊。 sick flash 版本百万输入两分钱，一百万包肯出出两块钱，相对还是比较便宜啊。 pro 版本现在有折扣，像智普的、 kimi 的， 他们都是可以包月包年，按照自己的预算去采购合适的模型去接入。这个时候我们要下载另外一个工具， 开始打开命令。行，好，我们装一个 c c switch， 专门批量管理不同大模型的工具，方便你可说话的配置，方便你一键切换同样的输入这段命令，不用管它什么意思，直接截图复制回车，快进一下。安装完之后。好，我们打开 c c switch， 它可以管理各种 a 检测，包括小龙虾，包括克劳德 code， 包括 codex。 好， 我们选中克劳德，添加供应商。我们这次是拿 deepsix 举例子啊， 选择 deepsafe 供应商的名称，官网链接，它已经给你生成好了，这里面你只用去管 a p i key。 进入到官网，点击 a p i 开放平台，记住一定要充值啊，这里面就有个 a p i key， 我 这里是创建好的，你可以重新创建一个新的，然后去复制就行了。 打开 cc switch 贴进去，这里面因为 deepsafe 发布了新的模型，我们主模型改成 vc pro， 只用添加你的 a p i key 和你的模型的名称，点 一添加就已经添加完成了。好，装完之后大家一定要注意啊，点开它的这个设置，里面有一个跳过卡尔的 code， 出示安装确认，这个一定要把它打开啊，一定要打开，打开终端，我们测试一下输入卡尔的 code 的 这个密令啊， 但如果说你也可以用这个密令先验证一下你的卡尔的 code 之前安装好没有，如果出现的是版本号，证明你就安装好了。如果没有这个或者是报错，证明你之前那一步是没有安装好的，然后这个时候就直接执行卡尔的密令，选择 yes， 进入到它的一个使用界面，注意看这个模型，可以跟它对话， 正常回复就对了啦。不需要克劳德的账号，不需要对接他的模型，直接配置我们国内的模型就行了。这个装好之后呢，就可以参照六叔之前那些视频，怎么去安装一些好用的 skill， 怎么去基于 skill 去解决你的一些个性化的需求， 你就可以用上啦。除了 deepsix 之外呢，其他几个主流的模型 coding plan， coding 能力也都很强，比如智普的也会有自己的 coding plan， 你 只用获取它的 api key， 打开 c c switch， 选中对应的模型，智普 确认配置，他会给你放上去，你只用把你的 t 填上去对应的模型主模型确认好，比如现在智普的主模型是五点一，就直接把这个五点一贴上去，点击添加，你就可以灵活的在这个里面去切换你的大模型了。好了，这个保姆机的实操大家学会了吗？赶紧试一试吧！室友说，关注我持续复述你的爱奇艺的用户拜了个拜。
1194六叔ultra
03:31查看AI文稿AI文稿这个视频呢，记录一下 cloud code 的 一个安装的全过程，主要有这个四个步骤啊，这先安装 node， 然后安装 git， 再安装 cc switch， 最后就是在 cloud code 里面配置这个大模型 安装 node。 我 们进入到这个网网站以后啊，我们就点击这里呢根据电脑的系统进行一个安装，那我呢是 windows， 所以 就下载 windows 版本 啊，这里我已经有了，我就不下了，等装好以后啊，安装过程是比较简，比较简单，然后装好以后就测试一下到底有没有装好呢？我们直接在这个 c m d 里面打入这个 node 杠啊， v 出现这个版本号就成功了。那么第二步就是进入到这个网站去安装这个 get 环境， 然后呢是根据这个，也是根据电脑的系统啊去装这个 windows 的 这个六四位的 啊，下载好以后我们安装，安装好以后，我们点开这个 git bash， 在 这个框里面也是输入这个呃 git 两条杠 vision， 然后有一这个反馈这个版本号的话，就说明已经安装成功了啊。接下去就是在我们的这个呃命令，命令窗口里面去安装这三条命令，这样就可以把这个 cloud code 就 安装好了。 好，这样就是可以把 cloud 的 功能安装好了，然后在这里我们输入 cloud， 然后这个界面出来，就说明已经已经安装成功了。好，接下去就是安装这个 cc switch， 我 们点击到这个网站，然后拉到最后面有一个叫 release 点过来，我们看到这个最新版本，然后也是拉到最后面，然后就是选择我们的 windows 操作这个版本， 把它下载下来，然后再进行进行安装。装好以后呢，我们就在这个 c c switch 里面去配置这个模型，那这里我已经配置好了这个归机流动的一个方案， 配置好以后我只要也是打开这个命令窗口，然后输入这个 cloud， 然后这里输入一个 hello 吧，然后 那这里就会反馈啊，已经说明已经连上了，已经成功了。那么我这里问他一下啊，你是什么模型？ 我在轨迹流动里面给他配的是这个 deepsea v 四的 flash 模型。 好，接下去我就是再尝试一下，在那个 deepsea 官网里面获取这个 a p i 去配置这个 v 四 pro 这个模型，因为 pro 这个模模型在这个轨迹流流动里面是没有的，所以我们这里选到 deepsea， 然后呢这里就是输入到我们刚才申请到的这个 key， 然后这里它默认是也是没有这个 v 四的，那么我们需要点到这个，嗯，官网接口文档里面把这个 model 名称给它复制下来， 然后复制到这里面都给它复制成这个 deepsea v 四 pro， 那 这样的话就是配置好了，那我们再测试一下，进入到这个命令窗口， 然后你看到看，大家看到这这里面它底下这个模型，它已经是变成了这个 deepsea b 四 pro 模型，然后我我也是给它进行一个测试，然后这样通的。
5.4万屠歌
07:49查看AI文稿AI文稿cloud code 支付，他说编程已经被解决，那下一步是什么呢？大家下午好，我想先做一个现场的调查，在座的各位，有谁还在百分之百的手写代码呢？ 那么在二零二六年的五月，在红杉资本举行的 ai 崛起的系列的访谈的聚会之中， cloud code 的 创始人鲍里斯切尼就问了上面的这个问题。 那么在这个原本属于啊马农的聚会里，他就投下了一颗震撼弹，他说编程已经被解决了， 那您啊，肯定会问，那下一步会是什么呢？那咱们今天就用这个短视频来听一听啊，包里斯切尼是怎么回答上面他提出的这个问题的？ 一、从代码补全到代码精神病，那么暴利斯啊，就指着自己的手机，他笑着说，我的团队常开玩笑说我患有 cloud code 的 神经病。 这可能确实是真的，因为啊，从二零二六年的年初到现在，我没有亲手写过一行代码，这是他的原话。那么回顾 cloud code 的 起源，这更像是一场基于敏捷嗅觉的豪赌。 那么暴利斯啊，他就说，我是在二零二四年的年底加入到 ansaro lab's 的， 当时啊的行业的状态叫做打字补全，就是你打开一个 ide， 然后按一下 tab， 它帮你补全一行代码。 但我们感觉到了一种产品旋置的这种感觉，也就是模型的能力已经进化了，但没有任何的产品捕捉到这种进化的潜力。 于是我就构建了 cloud code。 但前六个月，它简直是糟透了，几乎啊就是不可用的。直到去年五月， oppo 四出现的时候，增长曲线才开始变得陡峭， 在那之后啊，每一次模型的更新，也就是四点五，四点六到现在的四点七，生产力都在不断的发生着质变。 二、为什么说编程已经被解决了呢？那么面对啊，编程是否已经被解决的争议，包里斯的回答直接了当，他说，对于我来说，编程已经解决了，百分之百解决了。 他展示了自己的工作流，他说，现在我每天都会提交几十个，甚至多达一百五十个 pr。 我并不在电脑的面前，我通过手机上的 cloud app 管理着几百个 agent， 也就是代理啊，我们当初选择了 type script 和 react 开发 cloud code， 哎，是因为它们处于模型能力分布的中心。 那么早些时候啊，框架和语言很重要，但现在模型可以自学他从来没有见过的语言和框架。如果他还不会，那么答案通常很简单，等待下一个模型，他就会了。 三、循环软件开发的未来在暴利斯看来啊，未来的软件不再是静态的逻辑，而是一系列自动运行的循环。 他说，我发现现在最酷的最简单的东西就是 loop， 也就是循环。我让 cloud 使用 curl， 也就是定时任务调度器来给他自己安排未来的任务。 比如啊，我有一个循环在像带孩子一样盯着我的 pr， 负责自动修复 ci， 也就是持续集成的错误和变机。另一个循环在盯着 twitter 上的反馈，每三十分钟就给我一个巨累的分析报告。 他继续说我，我们最近所推出的叫做 routines， 也就是历程啊，也就是这个惯例啊，这个英文啊，叫历程。那么功能啊，就是这种逻辑的产物，即使你关掉电脑，那么 agent 也就是代理依然在服务器上继续工作， 这才是未来。你不需要纠结于如何呃把握工具，那么模型会自然地启动子代理，甚至在 slack 上跟其他的 agent 进行社交协助来解决问题。 四、萨斯的启示录与印刷机的时刻当编程啊变得廉价的时候，现有的软件商业版图将迎来大洗牌。那么宝里斯他就说，关于萨斯的启示录，我最喜欢的观点源于七种力量这本书， ai 会让某些护城河坍塌，比如切换成本和流程的力量。如果 cloud 四点七能够通过迭代自动爬坡来解决任何复杂的业务流程，那么那些靠卖工作流而活着的软件公司可就危险了。 那么包里斯啊，将这一变革比作一四零零年代的那个印刷机的革命。他说，印刷机发明之前啊，只有百分之十的人识字，他们是受雇于国王的专业人士。印刷机发明之后呢，书籍的成本下降了一百倍，识字率最终普及到了全人类。 那么未来，软件将是一项发短信一样的普通的全民技能。他继续说，如果你想写会计软件，那么最好的开发者不应该是程序员，而是一个深安业务的会计师。 因为代码已经变成了最简单的环节，理解的那个领域知识才是最难的。 五、 ansoroabic 到底领先了多少？很多人都问啊， ansoroabic 的 工程师是否拥有了某种黑科技？那么鲍里斯说，他说，事实上，我们使用的模型和大家是一样的， 真正的领先在于组织架构和流程的演进。在安索罗贝克的内部啊，他说，我们已经没有手动编写的代码了，所有的 coco 语句都由模型来生成，我们的产品经理、架构师，甚至是财务人员都在写代码。 如果您是一个刚起步的创业者，您没有巨头那种必须重新培训所有人的内部的阻力，那么这是你对抗大公司最好的时刻。 那最后啊，咱们也总结一下啊，叫做通才的崛起。在对话结束前，包里斯对未来的职业就给出了预判， 他说，我们将看到更多的跨学科的通才，以前的通才啊，可能只是兼顾 ios 和前端的工程师，而未来的通才是那种既懂工程又懂产品设计、数据科学甚至是财务的复合性人才。 他在这个访谈之中就总结说，现在的技术对所有人来说都是公平的，模型就在哪里，关键在于你是否敢敢 于去放手让 agent 接管你的代码库，去构建那些你以前不敢想象的东西。 那么假如啊，您，呃，这个现在如果您听到我说的这里啊，您肯定是已经听完了，那么我也想补充一点我自己的感觉，我们公司的软件工程师现在从一月开始到现在已经完成了四个产品，完全没有变一行代码 就是跟着 cloud code 和 web coding。 当然 web coding 现在这个词啊，都已经有点过时了，真正的应该叫做代理工程这个概念。没有编一行代码，我们的软件工程师一个人干了四个产品， 就是我们公司自己内部的产品。所以啊，如果您在哪个公司工作，一定也要把这种 cloud code 这种产品使用起来来去体会代理工程这样的感觉啊。
143东西说话
03:51查看AI文稿AI文稿哈喽，小伙伴们大家好，今天悠扬给大家做一期嗯，这个关于 cloud code 的 一个这个高风险的一个权限问题啊。嗯，大家在用这个 cloud code 的 时候，在安装好了之后肯定都会遇到一个问题，就是 他在执行任何任务的时候都需要你去手动点这个 yes， 或者是啊不再询问的 yes， 但是你点了之后还是会继续询问你，即便是切换到这个啊绕过权限模式， 他有时候的话还是会就是说啊，没有用啊，还是要你还是要你去授权 啊。今天的话就是告诉大家如何去把这个直接设置成就是完全的这个绕过权限，然后的话让他自行运行啊，但是这个模式是一个高风险模式啊，所以呢， 请大家这个啊用的时候自求多福啊。我这边的话就要给大家做个这个危险声明啊， 该封该该该模式的话是属于极度危险的模式啊，给可乐扣的赋予这个权限，可乐扣的将不再受这个任何约束啊，如果是你们个人操 这个操作失误，或者说一些错误指令导致你的这个可乐扣的在电脑中随便删你的文件，那本人概不负责， 因为这个的话确实目前为止没有什么东西能去约束他啊，就是这个模式，而且的话这并而且这个模式的话，他本身就是个伪命题， 你又想让他有约束啊，又想让他这个什么事都听你的，或者是说什么事都自行运行，也就相当于就是你把他关进一个笼子里，然后还让他去干你任何你想干的事，那基本上是不可能的，知道吧？ 啊，所以说这个，嗯，大家能用的话就自己注意点啊，尽量就是有人在旁边值守，别这个呃， 把它放在那运行，然后自己人走了，然后在电脑里面给你一顿哭哭乱扇，就跟个哈士奇拆家似的啊，这本人概不负责， 然后的话这个就是它的主要的一个源码啊，然后的话大家就直接在你的这个文档里面，然后找到这个点 cloud 啊文件夹，然后找到这个文件啊，这个 j s j s o 的 文件， 然后打开用记事本打开这个文件之后，然后找到以下的这个指令，把我这个打红的啊，这个红颜色的这个指令全部切换成跟我一模一样的就行了 啊，设置呢很简单，但是呢因为他这个是还是那句话啊，权限太高了， 他会给你哭哭乱删东西，或者说一些不受约束的一些东西啊，造成一些比较高风险的一些，这个这个东西你没办法约束他啊，他就就怎么说呢？ 而且 coco 的 这个东西他本身有一个自己的一个缺陷，就是上下纹上三百分之三十的时候，超过百分之三十的时候他会自己这个进行压缩这个上下纹导致一些这个啊细节丢失， 这样就更容易去瞎瞎删你的东西了啊，或者说瞎改你的东西，所以说他这个风险的话是有的，大家还是仁者见仁，智者见智，还是那句话，嗯，那我们就下期视频再见吧，大家拜拜。
268幽杨OvO
02:08查看AI文稿AI文稿cloud code 有 七十五个官方斜杠命令，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七十五个命令树杈表，记得截图保存。 先说对话管理，第一个是 clear 清空对话历史，你写完一个功能之后，最好新开一个对话，搞完一个东西就清空，再继续大模型会聪明很多，不要一直用一个对话搞到底。第二个是 compact 压缩对话历史，但保留在内，要当你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。你可以指定保留什么，比如 compact， 保留数据库相关的讨论，这样其他不重要的就压缩掉了。接下来三个也是对话管理相关的。 resume 恢复之前的对话，直接输入就会打开一个选择器，你可以选之前任何一次对话继续 b t w 快 速提问你的 c c 正在运行的时候，输入 b t tiler， 加上你的问题，它会快速回答你，不会打断正在运行的任务。 rewind 回退对话，有时候对话搞错了，或者帮你改坏了东西，输入这个，就可以选择回退到之前的节点，代码文件也会帮你恢复。 effort 设置模型的思考深度，遇到复杂任务的时候，输入 effort high， 让模型多想想。简单任务用默认就行。 config， 打开设置面板，别名是 settings， 在 这里可以调整主题模型这些偏好，还可以把语言设置成中文。三个实用工具，命令 add dir， 添加额外的工作目录，比如你有关联项目，直接加进来 c c 就 能同时看两个项目的代码。 copy 复制 c c 的， 最近回复到剪贴版，太好用了，直接复制输出内容，不用自己选文字，复制格式也不会乱。 export 导出整个对话为纯文本文件， 比如 export chat dxt， 方便存档。 permissions 管理工具权限在里面，设置，哪些工具调用不需要确认，减少大量弹窗。不过我个人喜欢直接用 danger 模式跑省事。 review 审查 poor request， 提交 pr 之后，让 c c 帮你审查一下，管它有没有问题，审查一下总没错。 m c p 管理 m c p 服务器连接，你可以添加各种 m c p 工具来增强 c c 的 能力。 chrome 连接 chrome 浏览器做调试，前端开发必备。 loop 这个很有意思，让 c c 按时间间隔自动运行命令。比如我会设半小时检查一下 open c l a w 小 龙虾是否正常运行，不正常就自动修复。 in it 初步项目指南， 开始新项目的时候先跑一下这个，让 c c 了解你的项目结构，做到一半也可以。找一些大神的记忆文件，这个非常重要，你可以找一些大神的记忆文件，然后慢慢改成适合自己的记忆文件。越好， c c c 就 越懂你。最后两个命令， lock in 进入插件市场， c c 有 一百多个官方推荐的插件，都非常棒，选你需要的安装就行。如果没有插件市场，先让 c c 帮你安装一下。 excel 生成使用分析报告，每周用一次，它会分析你的使用习惯，还会推荐新功能和新用法，非常棒。最后，我把七十五个官方命令全部整理成表了， 先截图保存，这张包含了绘画管理、模型设置、上下文成本、文件操作权限、安全相关的命令。还有这张也截个图，用好这些命令，你的 cloud code 效率至少翻一倍。关注我，了解更多 ai 提效机。
2318土木AI提效大古
04:32查看AI文稿AI文稿今天将深入探讨 cloud code 的 核心配置，学习如何通过 cloud md 和 cloud 目录等关键文件，将这个强大的 ai 工具塑造成真正理解您项目的专属专家。 cloud code 的 行为主要由三个关键文件或目录定义， 核心指令文件 cloud md 充当着项目记忆的角色。 cloud 目录作为整个 ai 行为的控制枢纽， 以及 ai 自我学习和总结的 memory md。 首先，我们来拆解 cloud md， 它会在每个对话启动时自动加载到系统提示词中，专门用于存放代码本身无法体现的关键项目信息，比如构建命令代码风格和提交规范。 它采用三级配置体系，高优先级会智能地覆盖低优先级设置。 cloud md 的 三级配置体系非常强大，全区配置设定了用户的默认行为， 项目及配置包含了团队共享的约定，而本地的 cloud 点 local 点 md 则允许开发者覆盖个人偏好， 比如要求始终用中文回复或容忍特定的编码风格。现在我们来打开 cloud 的 目录，这里可谓是项目的控制中书，包含 settings 权限配置、模块化的 rules 规则、自定义 commands 命令、可自动化的工作流 skills、 独立的 agents 子智能体以及强大的 hux 钩子系统。 settings john 式 ai 行为的控制面板。通过精细配置 allow 和 deny 列表，您可以精确管控 cloud code 能访问的文件、执行的命令和网络请求。 配合 pre tools 和 post tools， 钩子还能在每次操作前后自动触发脚本，形成自动化门禁。为了保持 cloud md 的 精炼 路由，目录允许您将指令按文件路径进行模块化拆分，只有 ai 访问到匹配的文件路径时， 对应的规则才会被加载，比如 api 开发规范只在处理接口文件时生效，这大大优化了提示词的利用效率。通过 commands 目录， 您可以创建自定义的斜杠命令来封装复杂的工作流。比如输入 review， 就 能让 ai 自动执行代码审查，从代码风格到性能安全全面扫描。输入 refactor 则可以获取函数级别的重构建议和风险评估 技能，是将重复性工作自动化的利器。以生成变更日期为例， ai 会自动获取版本标签间的所有提交， 按 conventional commits 类型分类转换成 markdown 格式，然后无缝写入 change alert md 文件，整个过程无需人工干预。 a 阵词目录允许您定义拥有特定角色的子智能体， 实现并行工作。比如定义一个代码审查员 agent， 他 会专注于安全审查和性能分析。再定义一个测试编辑者 agent， 他 可以负责补齐单元测试。这些 agent 拥有独立的提示词，可被灵活调度。 钩子脚本是强化项目规则的最后一道防线。 pre tools 钩子在 ai 执行写入前运行， 可以阻止修改敏感文件。 pass to lose 钩子在写入后运行，可以自动执行格式化或 link 修复 脚本退出码为零才允许继续，非零则直接阻止操作。安全防护层面有两个关键文件， mcp 专用用于配置 model contacts protocol 服务器，连接 github 数据库等外部服务。 而 cloud neo 则像 g tiknor 一 样精确告诉 ai 哪些目录和文件绝对不能碰，比如俄女蜜月文件或庞大的 node modules memory。 md 是 cloud code 独有的自我进化机制， 它由 ai 自动记录对话中学到的经验教训、架构决策和用户偏好，存储在项目对应的 memory 目录下。与您主动编写的 cloud md 不 同， 它是 ai 自己的总结笔记，上限两百行，确保信息精炼理解。 cloud md 和 memory md 的 关键区别直观重要。 cloud md 是 您主动编写的指令级，用于明确告知 ai 项目规则。而 memory md 是 ai 在 对话中自主总结的经验笔记，两者一个主动引导，一个被动积累，相辅相成，缺一不可。
154村头的猫
06:23查看AI文稿AI文稿你用 cloud code 是 不是总觉得它有点笨？今天给大家分享黑客松冠军的 cloud code 配置，这个配置呢，在整个 github 上拿了十七万个 star， 它是 cloud code 系列在整个 github 上排名第一的。这个仓库全称是 everything cloud code， 简称 e c c。 好，下面我给大家进行详细的分析。它一共有八个模块，然后第一个模块是自动加载的，每次开对话都能生效，分别有四个， 呃，四个文件 code 点 md， 然后 rules 啊， hooks 啊， mcp， 按需加载的是 ages， 点 ages， 然后 skills 还有 commands。 然后第三个是这个记忆 memory memory 呢？它在系统层级是没有的，它只有在项目层级才能加载。 接下来我按每个加载模块给大家进行详细的分析。首先最重要的第一个就是 cloud 点 m d。 呃， cloud 点 m d 呢？它是一个相当于入职手册，就是假设这个 ai 是 你的员工， cloud code 是 你员工，那它的入职手册是什么？总得知道这个公司是做什么的，然后它的主要产品是什么？类似这样的，这个你可以按这个理解啊啊， cloud 点 m d 呢？它有两个层级，一个是系统层级的，还有一个是项目层级的， 就有点类似于，呃，你得知道你这个公司是干嘛的，然后就是 core 点 m d 这个层级的，系统层级的，然后项目层级呢？就比如说你这个部门是运营部门，那运营部门的工作有什么？那可能这，哎，这个就可以类比过来就是项目层级了，你自己用 c c 去做一些项目的时候，这项目学的信息你得灌输到这个项目的 core 点 m d 里面。 呃，这两层叠加下来之后，你每次打开这个 c c 的 对话，你就不用再去交代你你这个公司是什么背景，然后要做什么，以及这个项目是什么就不用交代了，每次打开绘画都是完全一样的。然后 e c c 里面配了七套模板，有通用的、 s， s 的， go 的， 还有这就后面还有几个。 呃，然后最后呢，我再强调一下，就是 cloud md 呢，这个文件在系统层级它是存在的，但是项目层级它是不存在的，你如果不让这个 c c 去建的话，就是它相当于等于没有，所以你每次配置的时候，首先要把这个 cloud md 给建起来， 然后才才能进行使用。然后第二个模块呢，就是 rose 这个规则的话也是系统层级都会默认加载的，它也分为两层，系统层跟项目层。 呃，一共有九条这个通用的规则，就包括编，编码，测试啊， get， 安全审查之类的。然后它同时它也配了十一套的语言生态， ts， python， go， rust 都有。呃，你们平时用的时候就呃选一下自己常用的一个语言，然后把其他给关掉就可以了，因为它加载多了也会非常烧透感。 这一页呢是按需加载的模块，呃，分别是 ages 还有 skills 还有 memory ecc， 一 共配备了四十八个 agents。 呃，它都加载的时候会加载这个清单，就是启动系统的时候，它会把四十八个的清单加载进去，然后整个对话呢会根据你的需求去调用这些 agents。 然后 skills 也是同理，有配备了一百八十三，一百八十三个 skills， 包括七个大类，呃，工作流有七种语言，是四种框架，二十多种，就是类似这种，都给大家配好了。但它加载的时候，系统加载也是不会全加载，它只会加载清单啊，根据呃你的需求去调用。 但这个一百八十三个加这四十八个，其实两个加起来的清单也挺长的，所以大家还是要进行优化，用不着的就把它从清单里删掉就好了。 然后 memory 呢，它是只有项目层级，没有系统层级的它，嗯，它存放呢，是存放在这个 code 的 系统的一个文件夹下面，不在你这个项目本身的目录里。这个大家一定要区分开， 你在每一次运行项目的时候，你可以让它去更新一下记忆，就免得下次回来就找不到了。我一般的习惯是除了更新记忆以外，还是会让它呃生成一个 md 的 这个总结文档在这个项目成绩的文件夹里 啊。第三类的是工具 commands， hooks， m c p。 然后这个命令呢，就是有一些命令的触发，大家可以有些默认的命令，以及一些你们可以设定一些命令。 然后呢第二个 hooks， 这个是非常非常重要的，也非常灵魂的一个模块啊，我们平时用这个 prom 的， 你比如说你告告他要做什么，然后下一步要做什么，然后做完之后继续再做什么的时候，他可能干了一半这个 ai 就 忘记了。但是呢，钩子不一样，这个 hooks 呢，它是 呃一个强制性的，就比如说这个 pre tools use， 它是工具，调用前你就必须去有这个钩子激活了，然后你就必须去判断你到底它到底需要做什么，绘画结束需要做什么？ 这些都是强制性的，这就是 ai 绕不开的，所以这个钩子在整个框架的搭建的时候是非常重要的一个一个功能。然后 e c c 呢，它已经把这些 hooks 都已经配上，都已经配配备齐了。然后它分三个档啊，就是最小档 minimum， 还有 standard， 还有 strict 啊，大家刚开始用的时候用 minimal 就 可以了 啊。第三个这个工具呢，是 m c p， m c p 是 给 ai 界的外挂，它就包括 gitlab， 还有这个 superbase 这些。嗯，大家不用的也可以关掉，因为这个 m c p 呢，它是启动时候就加载的 啊。然后我给大家分享一下，就是怎么样省偷肯的去用 e c c， 就是 它的配置实在是太全了，然后你的东西也配的非常全，非常多，所以你如果按默认的 e c c 全局配完之后， 呃，它会比较稍 hook， 所以 你要进行一些优化啊，比如说把这个 core d m d 优化，全局优化到两百行以下，然后 rose 只留你用的语言 agent， 大 概保持十个左右就差不多了。 m c p 不 用了就给删掉 啊。 hux， 你 先用 mini 步，但也可以根据你的场景来判断，如果你是呃编码非常严谨，非常复杂，非常流程非常严谨的话，你自己来调整 比较好啊，比较好的方式呢，就不用一个个自己去研究，你就让你的 c c 列出你装了 e c c 的 哪些主键，然后跟他再讨论一下你现在的一些场景到底会用到哪一些，然后再把它用不上的就关掉就行了啊，你都让 e c c 操作就可以了。这个也很简单的，总结来说就是 e c c 呢，它是一个自助餐，菜就上齐了。 嗯，但是呢，你吃自助餐的时候你不能全吃啊，吃不下会浪费，所以你还是要把那些有用的，想吃的给留下来啊，这样就就 ok 了，比较省头肯。 呃，最后一个就是安装啊，就是大家其实把这个 everything cloud code 的 这个名称发给你的 c c， 让他克隆到本地，然后再强调一下，进行全职配置呃，就可以了。好，今天的分享就到这里，我是 simon cloud code 的 深度玩家，后续会分享更多的干货，欢迎大家关注，谢谢大家。
8331Simon林的日常
09:20查看AI文稿AI文稿你在 color code 里打了一句 hello， 他 回了一句，有什么能帮你的一个词进去一句话出来，但你有没有想过，就这么一句话，到底消耗了多少 token？ 答案是接近三万个。今天我们把这个请求拆开来看看这三万个 token 到底花在哪里了。 我用的工具叫 cloud trace， 作者是 mario zachner。 用过 opencloud 的 同学都应该知道， opencloud 的 底层 agent 框架叫 pi， 就是 他写的。整个框架只有四个工具系统提示词，不到一千个 token 就 能跑起一个完整的 coding agent。 这期视频就是参考它的这一篇叫 cc history tracking clock code， system prompt and tool change 的 文章。它用 monkey catch 做了 monkey patch， 劫持了 clock code 的 命令行里的这个 fetch 函数，这样就能拦截 clock code 的 发给 andorope 服务器的所有请求和返回值。基于这个研究，它做了两个工具，第一个叫 cchistory， 它是一个网站，能对比任意两个 cloud code 版本之间系统提示词和工具定义的变化。同样的提示词上周好好的，这周就不听话了，所以去 hecc history 一 查，就知道 asterisk 改了什么。第二个就是我们今天用的 cloud trace c c history， 它能告诉你改了什么，那么 cloud trace 它能告诉你现在发了什么，它会拦截 cloud code 跟 asterisk 服务器之间所有的 api 流量，然后记录下来的生成一个 html 文件，浏览器打开就能看。 用法很简单，只要你把平时用的 cloud 命令替换成 cloud trace， 然后后面加 include all request 的 参数，记录所有的请求，然后这就开始这个 cloud 了，你正常用就行，比如说 hello， ok， 你 用完以后直接退出就行了，它会生成这个 html， 然后你看这就是 cloud code 和 elastic 服务器所有的通信的这个这个记录。然后比如说我们要看的其实实际应该是这个 message， 对吧？你看，这就是你发的 hello， 现在来看发给 api 的 这个 post 的 请求吧。我把刚才 html 文件里的数据保存成了这个 json 文件，我们按照字段出现的顺序从上往下看， 第一个字段是这个 messages， 对 吧？里面只有一条 user 消息，你以为你发过去的是 hello 这五个字母，其实打开一看，你的消息被包成了六个 content block， 前五个 block 全是 clock code 注入的这个 system reminder 标签。 第一个一大坨就是你装载的这个 hooks 完整配置，比如说我的我用的那个 superpowers， 所以 coco 的 会有这个 superpowers 的 这 hook， 如果你没用就不会有这个。比如说，呃，你看到了这个 cchistory 里面这部分就没有的 ok， 这个就不是系统自带的注入了。 那么第二个是这个延迟加载的这个这个工具清单，比如说我看到 cchistory， 你看这里会比较明显一点，然后这个里面只列了这个工具名，它没有完整的定义。为什么要这样呢？因为每个工具它的完整定义可能有几千个字母，那么全塞进去太占头坑了。所以 coco 只告诉模型你有这些工具可以用，等模型真的需要这个工具了，那么你再用这个 to search 这个工具来加载完整的定义。然后第三个 是我的这个 m c p 服务器的使用指南，告诉模型怎么调用我配置的 m c p 工具，比如说我唯一使用的就是这个 contact seven 文档的 m c p， 平时有什么工具查不到怎么用了？那么 clockoco 就 会去 contact seven m c p 查一下这个怎么用。第四个是一大坨啊，这里是我所有可用的 skills 完整列表，比如说我用 cc history 看得比较明显一点，比如你看这里常用的这个 simplify， 对 吧？我们写代码的时候经常用的。然后还有比如说呃 review， 这里生成一个 pr 都在这里了，对吧？ 然后往下看。第五个，这个就是我的 cloud 点 md 文件，你在项目里写的所有的指令，然后项目结构说明，写作的规则，工具偏好， cloud code 的 原封不动的都会塞进这段消息里面。所以模型之所以会知道我的项目规范，都是因为每次对话里都在这里待着，最后一个 block 才是我的 hello， 你看，只有这个 block 上面标注了这个 cash control， 设定成一小时过期，前面那五个注的 block 都没有标。这意味着 clockcode 把我的实际输入当做缓存的切割点，你的输入之前的内容都可以被缓存附用，你的输入本身每次都会重新发， 那我们做一个小小的总结，那么 color code 发出的请求里面，第一个 user 数据块里面就包含了所有 color code 的 自动注入的上下文，关于用户的，比如说 hook 的 配置，对吧？然后这些延迟加载的工具清单， m c p 的 配置，然后所有可用的 skills， 还有你自己定义的这些 color code md， 对 吧？最后是你的输入的这个提示词， 那我们接着往下面看 system 字段，那么这个就是系统的提示词，是 anthropomorphic 写的，它会告诉模型你是谁，你该怎么做。它不是一整段文字，而是一个序组。比如说里面有四个文本块，第一块很短，是计费头，它记录了你的 cloud code 版本号和入口的类型。那么第二块只有一句话 叫 you are cloud code anthropomorphic official c o i for cloud， 这就是 cloud 的 身份定义。然后第三块有一大坨，我们切到 c c history 看啊， 你看这就是核心的这个规则里面它有好几个章节，比如说这里的 system， 它定义了运行的环境，然后 doing tasks， 它会告诉他怎么去做任务。然后这里还有 executing actions with care， 它规定了，比如说哪些操作需要谨慎，比如删文件啊， force push 这些需要给你确认。 然后比如说 using your tools， 它规定了，比如说 graph 就 不用用 bash 里的 graph 了，用 read， 不要用 cat。 然后这里 toon 和 style 是 要求短句，还有比如说不要用 emoji。 我 们继续往下看第四块，它比第三块还要长， 比如里面看它这里面说了这个输出的格式用什么规则，然后还有比如说绘画级别这个指引，然后还有比如说自动记忆， 那就比如，比如说规定了有哪种记忆类型，比如 user， 这是身份和偏好。然后第二个是，比如用户给他的反馈， 然后还有比如说什么不用记，还有比如说怎么记，你看这么大一段全是定义的记忆系统，说明 cloud code 在 这一块的内置功能已经很强大了。 再往下看，还有当前的环境信息，比如说你的呃 excel 类型，然后你的工作目录全在里面。这四块加起来这么多提示词，你说的每一句话，这些提示词都会跟着一起发过去。接下来我们总结一下请求里的第二部分系统提示词，第一个是它的计费头，第二个是 call 的 自己的身份说明， 第三个是他的行为准则是怎么做事情的。第四部分很大一部分是关于他是怎么处理这个记忆还有环境的这个说明。接着我们看这个下面的 tos 字段， coco 给模型定义了十个工具，比如这个 agent 就是 用来给 sub agent 派发任务的。 然后往下看，比如说还有这个 bash 命令，光 bash 这一个命令的说明，超过一万多个字母，里面详细写了什么时候该用 bash， 什么时候不该用，然后比如说什么时候创建这个的提交，对吧？然后还有比如说怎么去提交一个 pr， 然后继续往下看。还有比如说 edit 的 命令是修改文件的，然后 grab 是 搜索文件的内容，然后比如说还有 read 读文件， 还有比如说像什么 schedule wake up 呀，然后还有比如说什么这个 to search 啊，你可能都没注意过，每个工具它都带完整的参数定义和使用说明，这些说明也是模型上下文的一部分，也占 token 最后两个小字段，这里的 thinking 设置成了 adaptive， 意思就是模型自己决定要不要启动深度推理， 然后有一个 output config， 有 个 effort 字段，这里是 x high， effort 控制的是模型的推理深度，从 low 一 直到 x high， 一 共五档。 x high 就是 现在 clock code 的 目前的默认值，每次对话都是用的最高推理档位。你在提示词里用 extra think， 实际上就是触发这个 x high。 ok， 这里简单总结一下请求里的最后两个部分， tos 是 所有 clock code 自带的工具定义，然后啊， effort 是 决定最高推理的档位。 ok， 请求我们介绍完了，我们现在看看 cloud 的 返回，它的 api 返回不是一整坨 json， 而是一串叫 sse 事件流的东西。 sse 全称 server sent events， 就是 服务器一条一条地往客户端推数据。我们来顺序来过一遍， 第一个事件叫 message start， 返回了消息的基本信息，比如模型的名称， id， 还有 token 的 用量。然后紧接着是 content block start， 它开启了一个 ping， 就是 心跳保持连接用的。接下来是两个 content block 标塔 啊，这就是模型实际输出的文字。第一个 delta 是 hello， 然后第二个是 how can i help you today？ 你 在终端里看到的竹字打印的效果就是这些 delta 一个一个推过来的，然后然后是 content block stop， 这个文本快结束了，然后啊， content block delta 带了一个 stop reason， 叫 end term， 意思就是模型主动结束了回复。 最后一个 message start 里面这个 usage 字段，这里是最值得细看的一块。 比如说 input token 是 六，所以你的 hello 加上格式标记，一共就六个 token。 但是 cash creation input tokens 是 一万四。这一万四是什么？是这次新写入缓存的内容，你的部分的系统提示词和工具的定义被写进了一个小时有效的缓存里， 然后这里的 cash read input tokens， 所以 是一万六，这一万六是从已有的缓存里读的，所以上一次对话已经缓存了一部分系统提示词，对此直接复用了。所以你觉得自己只发了五个字，但实际上模型实际处理的上下文是六加一万四加一万六，一共是三万一千个 token。 好消息是缓存读取比正常输入便宜九成，所以不是每次都从头赚钱。这是为什么 cologold 的 连续对话时费费用不会限行增长， ok， 所以 这就是一句 hello 背后所有的全部真相。 cologold 给 entourage 后台服务器的所有通讯内容， 他的请求，还有他的回复都在这里了。下次如果你觉得 cologold 的 行为奇怪，或者头肯烧的特别快，不要瞎猜了，用 cologold 看一下他到底发了什么，收了什么就都清楚了。
7839张司机在路上
01:18查看AI文稿AI文稿卡洛克的是真的听话呀，昨天我不是发了一个短视频，说卡洛克的这个桌面版的 app 开发工具啊，在开发的时候会强制性的让用户在 wordpress 下面去进行开发，然后我发现啊，卡洛克的 app 它重启的时候 就把 wordpress 下面的源代码都给我删掉了，然后今天我就突然发现卡洛克的 app 呀 发了一个新的版本，他终于没有强制性的让用户啊在沃克汽车部下面去进行开发，而是给了用户一个选择，用户他可以选择在沃克汽车部下面进行开发， 并且啊，如果他选择了在沃克汽车部下面进行开发的话，他可以让用户去选择一个他自己喜欢的沃克汽车部来进行开发。 所以啊，这个卡拉的库的呀，他是不是也看到了我昨天发的那个短视频说的这个问题啊，然后他就立马就发了一个新的一个版本，改进了这个功能。 所以啊，卡拉库的 app 啊，这个管理团队，你们是不是应该感谢我，你看了我这个短视频之后，就立马把这个功能给改进了一下，哎，卡拉库的真的是太听话了。
43Riffael✨
08:01查看AI文稿AI文稿上期视频我们分析了一个 how low 请求的全部细节，结果发现将近消耗了三万个 token。 很多朋友留言问，那如果连续聊十条，那是不是三十万 token 了？ 不会的，所以这期我们就详细讲解一下 clock code 里面 prompt cash 提示词缓存是如何工作的。上期介绍的 clock trace 是 在代码里打补丁，有很多粉丝反馈了最新的二点一点一一九版本已经不能用了。确实是有这个问题的，因为我自己是用 n p m 安装的二点一点一一二版本， 现在官方已经不支持 npm 安装了。所以为了解决这个问题，我发现了一个新工具叫 cloud tab， 它的工作方式是在本地起一个代理服务器， 你启动它以后，它自动启动 call code 的 所有的 api 流量，经过代理转发退出后生成 html 文件，打开浏览器就能看，生成的 html 是 这样的，左边是导航栏，列出了每一次 api 的 请求，然后右边最底下就是原始的请求的 json 数据， 这个和之前的 cloud trace 生成的网页是一样的。但是 cloud tab 做得最好的地方就是把这个 tools， 然后 messages， system 这些重要的数据子段抽离出来，然后变成独立的模块显示在这里。比如这里对应的是工具， 然后系统提示词，然后还有消息你看，打开以后，他还做了每一块的分行的渲染，原始请求里面不是有很多一堆这个分行符对吧？看着都头疼，现在排的整整齐齐的，一眼就能读的懂。他还有一个杀手功能叫对比，上次 他可以把相邻两次请求放在一起对比新增的内容高亮，然后没有变的就灰色， 比如系统提示词，工具，这里都没变化，今天我们就用这个功能来看看请求是怎么变化的。 ok， 然后用法很简单，我们只要用 cloud tab， 然后杠杠 tab live， 收集所有请求，启动 cloud， 然后我们回去， 然后我们发三条消息， hello， 然后第二条 fine， 然后最后一条 thank you， 然后做完以后我们退出来，然后就能看到收集的提示词了，然后我们用这个来做分析。在看数据之前，我先讲一下 prompt cache 的 核心概念，它的正式名称叫前缀缓存 prefix caching， 什么意思呢？就是你每次发消息， cloud code 要把整个完整的请求都发给 api， 那 么请求里有什么呢？工具的定义，系统的提示词，还有用户输入的上下文，还有对话的历史， 服务器就按这个固定顺序排列它们，它们一起组成了缓存的查询键。那么前缀缓存的逻辑也很简单，两次请求，只要它们的前缀是一样的，那么第二次就不用重新推理了，就重新推理， 那么什么叫一样的呢？福气会对这个前缀做哈希，一个字母不差，就算命中了，差一个字母，那么哈希就变整个缓存就全部失效了。 打开抓取的 html， 结果里面第一个请求，我们按照前缀的顺序来看看里面有什么。最前面的是工具，里面有三十一个工具的定义， 然后中间的是工具的身份，然后他怎么做事，还有各种的行为准则， 然后最后的是消息，你的消息被包成了五个 block， 前四个是 cloud code 注入的后台配置， m c p 的 指南， skills 列表，还有比如说什么 cloud， md， 最后的最后才是你写的 hello， 这些上期都讲过，没记住的朋友记住，好好去复习一下上次的视频。今天你只要记住一件事，就是你的输入永远在最末尾，前面所有的内容，你的输入永远在最末尾，前面所有的结果了。 现在看重头戏。打开第一个请求的返回值，我们找到 usage， 一个字段，三个关键字， input tokens 等于六， cash creation input tokens 四万八， cash read input tokens 零，对不对？记住它们， 这里 input tokens 是 六，对应的是 hello 的 本身，然后 cash creation 是 四万八，将近五万个 token。 那 么前面所有的内容，工具的定义，系统提示词，用户输入上下文，全部首次写入缓存， 然后 cash read 是 零，那么第一条消息没有缓存可以读，这就是冷启动。我们继续看第二个请求，我们先用这个对比，看看请求变了什么。 你看消息从一条变成了三条，新增了 assistant 的 回复， hi， what would you like to work on， 然后还有 user 的 消息 fine， 然后系统提示词没有变，然后工具的定义也没有变，变得只有用户的消息。 然后我们再看 usage， 记住音符的 tokens 是 六， cash creation 二十四， cash read 四万八， 这里 cash 的 read 四万八是不是和上一轮 cash 的 creation 四万八完全一样，证明缓存完全命中了？ 然后这里的 cash create 和二十四就对应了新增的 assistant 的 回复，还有用户的新的消息 fine， 所以 只有新增的两条消息需要加入缓存，我们继续看第三个请求，然后对比上次， 然后选对比最后一次，我们看到还是多了两条消息，对不对？ assistant 回复 got it let me know， 然后用户回了一句 thank you， 其他的依然没有变，然后我们继续看 usage， 我 们只要记住这一个 cash read 是 四万八千六百七十八， 我们看看这个四万八千六百七十八哪来的呢？那就是上一次的开始 read 的 这个四万八千六百五十四，加上这个二十四，是不是就是四万六千 六百七十八了，对不对？所以也是上一次所有写入的缓存全部命中了， 然后这次写入的二十九个 token 也是新增的这个回复，对吧？然后再加上最后的 thank you， 把三轮数据放在一起看过滤就很清楚了，每一轮的 cash read 等于上一轮的 cash read， 加上上一轮的 cash creation， 所以 缓存就像滚雪球一样，越滚越大，但是每轮新增的只有几十个，总的上下文三轮了 只多了五十三个，然后信息从一涨到了五条，但是新增的计算量几乎可以忽略不计。 这些工具的定义，然后系统提示词，然后用户的注上下文，每次每轮都要带上，但是只有第一次才做了真正的推理，后面全部走了缓存，光看 token 数还不够直观，我们看一下比例关系， 缓存有三种计费方式，普通的输入就是正常价，然后 cash 的 写入比正常价贵一点点，五分钟缓存写入是一点二五倍，然后一小时缓存是两倍，但是缓存的读取只有正常价的十分之一， 所以第一轮冷启动将近五万个 token， 只能按照两倍的写入，看起来比较亏，对吧？但从第二轮开始，这五万个 token 几乎全部是走的 cash 读取，所以只有正常价的十分之一。第三轮、第十轮、第五十轮都是一样的， cash read 越来越大，但是每个 token 只花十分之一，所以对话越长，缓存的优势就越明显。 ok， 那 我们总结一下， prompt cash 就是 前缀的复用 工具的定义，然后系统提示词，对话的历史只有在第一轮，在计算后面的每轮新增的就只有几十个 token 了，对话越长， cash 省的越多。然后我觉得大家留言提的问题都非常好，给了我很多的启发，希望这期大家看完以后有什么问题可以多多提问，我每条都会看。
930张司机在路上
03:38查看AI文稿AI文稿大家好，今天给大家分享一个投研领域非常火的仓库，他在 github 上拿了五点八万的 star， 他的做法是把十九个 a 卷综合在一起进行并行的分析，包括巴菲特在内的十三个大师的 a a 卷，以及六个包括基本面，技术面分析的 a 卷。 他的这十三个大师的 a 卷呢，就包括巴菲特啊，查理芒格林奇，然后飞雪这些世界级的大师， 嗯，他的原理就是把这些大师的投资理念全部进行了一些提炼，然后我们把标的给到他们之后，这十三个 a 卷呢，他就会进行一个独立的分析，分析之后就得出他的一些看多看空的信号以及结论。 然后这六个分析师呢是作为辅，这个辅助的就包括他会对这个股票的技术面，基本面，成长新闻喜呃这个情绪估值进行这个全面的分析 啊。最后是风控跟决策这个领域，十九个 a 卷得出了报告之后，再由风控进行一定的分析，最后决策再根据报告加风控的建议进行最终的一个决策，给出建议， 那决策的炼炉是十九个 a 卷的并行进行分析，就是你给他标记了代码之后，十三个大师加六个分析师就会各自独立的分析，然后给出他们的判断，加他们的信心程度，再加上分析理由。然后到第二个环节呢，是由这这个十九分报告，这个风控 a 卷呢进行 这个相关的综合的分析。最后呢投资组合的这个决策经理呢，他就会根据十九个报告加上风控的建议输出，最终的决策是这个标的是做多做空、持有以及具体的数量， 我实战了五个这个美美股的标地，加是这个十九个 a 卷标地，就包括英伟达呀，谷歌、苹果、特斯拉这些，这是决策的这个最终的结果，然后包括信心的程度，然后做多做空，以及中性的 a 卷的数量， 这是一个大师的思考的过程啊。我们就拿巴菲特的来看，巴菲特他看苹果是 roe 够高，护城河强，净利润够高，但是负债率、债务偏高，所以他得出的结论是护城河强，但是无法确认价格是否合理，维持中性的判断，他的信心程度是百分之六十 啊，这是另外几个大师对他所看的标的做的判断，当然这些大师是对所有的标的都会判断的，我只是举了一些部分的例子出来， 然后分析师的判断逻辑呢，也会也也也展示出来啊。基本面的分析就包括他会拆三大财务报表，核心指标之类的，技术面呢，就看 k 线，然后成长呢，他就看盈收，估值呢，就会去按折现的现金流进行分析。 呃，前两期我分享的这个 trading agents， 他 他也拿了七点二万的 star， 跟我们这个 ai h 范呢，是有一定的区别的。我们的 ai h 范呢，他是做了十九个 agent 的 并行分析，在最开始的时候，然后之后再到这个风控层面，再到投资组合的层面， 确定 a 卷呢，它就进行了四个层面的分析，之后就开始辩论啊，多空的辩论，包括交易员，交交易员的决策，包括最终的这个辩论的决策，它的侧重点不一样， ai h 范呢，更注重这个底层的一些分析，要借鉴大师的建议 确定 a 卷呢是更加注重一些基本面的，分析完之后啊，它没有借助任何的这个投资的太多的理念，而是进行一个多空的变薄。 呃，今天 ai h 范的分析先到这里，呃，后续呢，我会对这个 ai h 范呢进行呃试用我们大 a 的 改造也欢迎大家关注啊，我的分享到这，谢谢大家。
788Simon林的日常
00:26查看AI文稿AI文稿可拉库的必须要知道的三个命令啊，首先就是编辑，它直接会帮你在项目中生成项目说明、代码规范，技术栈要求，能够让 ai 一下就懂你要做什么。第二个就是瑞众，如果你不小心关掉了可拉库的窗口啊，重新打开选项继续上一轮对话，就可以直接运行这个命令啊。第三个命令就是 compact， 如果你上下文很长的时候运行这个命令会直接帮你压缩上下文，能够节省 token， 也能避免 id 的 因为上下文过长而跑偏。
188宏哥玩AI【资料在主页】
05:05查看AI文稿AI文稿现在有很多朋友问我就是 cologold 怎么样接入本地的大模型？今天给大家说一下本地大模型是怎么接入的？然后有两种的方式，第一种方式是通过 cc switch， 这个之前的视频也给大家说过 cc switch 怎么使用的。 然后第二种方式就是我们通过欧莱玛装了本地大模型之后，直接呃对接我们的，通过 setting jason 的 文件直接对接我们的 cologold 的 文件。先说第一种方式，通过 cc switch 来对接本地大模型， 我这边的 cc switch， 因为我之前是通过对接了三种方式，第一个是我是用了 deep seek 的 deep seek， 然后第二个就是用了字节的火山方舟 coding plan， 然后第三呃那个 cloud official 我 没用，因为我没买它官方的 a p i。 然后第四个就是本机的 alama 模型，我也安装了这三种方式都跑通了。先一一给大家说一下，呃， 先说怎么样对接本地大模型吗？然后本地大模型其实非常简单，就是大家在这边添加一个新的供应商，然后新的供应商之后，这里面的填写方式像我这样填就可以了，就比如呃我们的供应商名称随便填一个欧拉玛，然后这边呃上面的标志也可以随便选一个， 因为我这边随便选一个，他就是欧拉玛。然后呃官网的链接，因为我们欧拉玛是本地的模型，这边是填空的，什么都不用填，这个 api k 的 话也不用不需要随便填，大家只要填欧拉玛就行了，你随便设置一个就行了。然后另外就这边比较关键，这边就是需要填写一个本地的端口，然后这个端口是什么意思呢？也给大家说一下。 它这个 http 就是 指的是本地服务，然后 local house 就是 我们自己的电脑嘛，它始终指向我们本地的 ip， 一 二七点零点零点零点零一嘛， 然后这个一一一四三四，它就相当于我们本地的端口号嘛，就是我们奥拉玛呃，本地运营大，本地大模型的工具，它是默认这个端口的，所以就是当我们安装奥拉玛之后，会提供一个 api 服务来监听这个端口，所以我们这边要设置呃，在 cc switch 里面要设置这个东西，就它的是请求地址， 这个就是像这样原声的填就可以了，认证自盾也是这个。然后另外这个这边模型的话，就是我们本地安装的模型，你要看一下我们本地安装了哪些模型，比如我这边就是运行了奥拉玛里斯，这边可以看一下，比如运行这个，他这边就我我之前安装了四个模型啊，就是千问三点五九 b 的 千问斯，呃，伽马寺那个 e 四 b， 然后还有干妈四三十一 b 以及干妈四 e two b。 因为我的只有一个独立显卡，就是八 g 的 显存，所以我只能一般是用切分三点五和 e two b 的。 然后这边的设置就是直接把你需要设置的模型，比如复制两过来就行了，然后底下这个东西就会自动生效， 保存好之后就行了，然后我这边就会在使用中给大家看一下效果。我这边就刚问他们，我是他什么大模型，他其实就是干妈四 deep 呃，谷歌 deep money 的， 然后我们可以切换模型的，就是我刚这边安装了是千万三三点五九币和干妈四 e two b 嘛，然后这边就可以选择嘛，你可以选择不同的模型， 我这边就可以切换到切切换三点五九 b 这边之所以能切换是因为我这边只设置了这两个模型，你看只设置这个，当然我这个也可以设置一四那个一一一 four b 都可以， 这是本地大棚型的设置，这是呃，我觉得通过 c c c v 是 最方便的，我们也可以切换到 deepsea， 我 这边切换到 deepsea， 然后就可以很方便的从本地切换到云端了。我就说你好， 它这边是因为呃切换模型之后需要重启一下 cloud， 我 们重启一下就行。 比如我这边重启一下，它就会呃启 用我们的 dips pro， 很 方便的一键切换。然后这个前面就是我之前装的 cloud mail 那 个插件，就它每次启动它都会查取呃最近五十次的 通话内容，就是回忆一下我们之前的那个记忆，这个我就记个记忆插件，非常好用，它是自动自动启动的，然后它上面有你的新增功能啊，还是重构啊，还是改变，它都会给你标出来你之前做了什么样的东西。 我觉得这个非常好用，然后比如它当前它就会告诉呃 vr obv observation 在 这个端口就相当于在这个端口，这就跟我们刚刚那个呃奥奥拉玛端口不一样了。 然后给大家说一下，就是呃关其他的大模型厂商他们的 apis 怎么对接的，其实也很简单，就是我们的 a， 我 拿 deepsea 举个例子，这边顺便说一下，比如 deepsea 这边，他的 u i 只需要填 u i l 啊，就是我们的 u i l 就是 open i 或者 osrogic， 因为 cloud code osrogic 吗？我们只需要复制这个链接，把它填到这就行。然后 apikey 就是 我们自己设置的，这边主模型的话就是 v s pro flash 三点二、三点三点二都可以， 因为马，因为那个三点二后面不是要七月二十号要弃用了吗？就是之前的 chat 和 reason， 一个是 syncing， 一个 on syncing 的 模式，在里面 ipikey 只要设置一下就行了。 然后还有一种方式就是通过线上的，这个我觉得是同样的道理啊，大家就是相当于之前的那个接收文档，就是它这边也会写好的，就是主要就是这个，呃， 这个 anastropic base u i l 给它填好就行了。然后这个这个 token 也是随便填的。然后这个模型就是我们刚设置的那些模型，其实是一个道理，这边就不细说了。
366马斯洛AI智能体
12:09查看AI文稿AI文稿今天呢，我们继续来分享红山资本二零二六年 ai 峰会的内容。这次被采访的嘉宾是 ansible 公司的资深工程专家、 cloud code 的 缔造者鲍里斯切尔尼。 这场对话中，鲍里斯公开了一个可能会让全场开发者都感到震惊的事实，二零二六年到今天，他一行代码都没有手写过。注意，是完全没写过。 但是与此同时，他的开发效率却高到离谱，每天仅凭一部手机就能够提交几十个代码合并请求，甚至创下过一天提交一百五十个 pr 的 个人记录。这在几年前是任何一个资深工程师都不敢想象的效率。而支撑这一切的，正是他亲手打造的 cloud code。 鲍里斯在现场做了一个简单的互动调查，问在场观众有多少人在用 cloud code， 有 多少人是纯手写代码，有多少人是混合使用。结果显示，现场大部分开发者已经进入了 ai 辅助开发的阶段，但是真正做到百分之百由模型完成代码编写的人还不算多。 而暴利森的给出的答案非常直接，对他个人而言，编程问题已经百分之百被解决了。这里必须强调，他所说的解决，不是说所有的代码场景、所有的复杂系统，或者所有的冷门语言，都已经能够被模型完美的覆盖， 而是指在他日常负责的工程范围、产品迭代和代码维护工作中，模型已经可以完全代替他完成手写代码的工作。 code code 自身的代码库其实并不神秘，主要是由 type script 和 react 构建。选择这两项技术的原因呢，也很务实，因为早期模型能力有限，必须选用训练数据分布最广、模型最熟悉的技术栈，才能够保证生成代码的稳定性与可用性。 而随着模型从 solid 三点五一路迭代到 opt 四、四点五、四点六乃至现在的四点七，模型早已突破了早期技术战的限制，能够快速理解并且编写从未见过的全新语言与框架，应对复杂逻辑的能力也已经成指数级的提升了。 很多人会好奇， color code 到底是怎么诞生的呢？鲍里斯在对话里完整地还原了这段起源故事。 其实这款改变开发范式的工具起点其实非常偶然。二零二四年末，他加入了 ospec 内部一个类似于孵化器的创新团队，名叫 ospec labs。 这个团队规模很小，更像一只快速迭代的突击队，核心目标就是把实验室里的模型能力落地成真正可用的产品。他们当时敏瑞地察觉到了一个行业痛点，叫做产品能力溢出。 product overhaunt。 简单来说就是大模型底层已经具备了远超当前产品所能够承载的强大能力，但是市面上没有任何一款工具能够把这些能力真正的释放出来。 当时编程领域最先进的形态还停留在 ide 里的联想补全阶段，按一下 tab 键只能补全一行代码。但是暴利斯和团队坚信，模型完全可以跨越到下一个阶段，直接由智能体完整编写所有的代码，而不是只做片段辅助。 于是呢，他开始动手开发。但是最初的半年， cloud code 的 表现并不好，只能够完成他大约百分之十的代码工作量， 即便正式发布之后，也没有立刻迎来爆发式的增长。而真正的拐点，其实是 opus 四模型的发布。从那之后，每一次大模型版本的升级，都带动了 cloud code 的 用户量与能力曲线陡峭上扬。 这里面藏着一个极其重要的产品哲学，那就是 anzoric 团队从来不是为当下的模型能力做产品，而是为下一代模型做提前布局。他们愿意承受产品市场契合度前期的不成熟，坚持面向未来六个月甚至一年后的模型能力去设计产品。 这种前瞻性，最终让 cloud code 踩中了 ai 开发工具的爆发节点，实现了从小众工具到行业标配的跨越。 接下来呢，鲍蕾斯分享了他现在完全依赖手机的开发工作流，这段内容堪称未来开发模式的范本。他的手机上安装着可 out 的 应用，左侧的代码标签页里同时运行着五到十个绘画，每个绘画里又承载着一大批智能体。 日常状态下，有几百个智能体在同步运行，到了夜间，处理深度任务的智能体数量甚至会达到几千个。管理这么多智能体，靠的不是手动调度，而是它反复强调的核心循环 loop。 只需要在 cloud 里输入杠 loop 指令，就能够借助 crown 定时任务，让模型自动循环执行指定的任务。 他的后台常年挂着几十个循环任务，有的专门监控 pr， 自动修复 c i 的 问题，完成代码 rebase。 有 的呢，负责维护持续集中环境的稳定性，遇到不稳定的测试自动排查修复。还有的每三十分钟抓取一次用户反馈，并且自动进行据类分析。 最近 osrbog 还推出了 routines， 功能和循环逻辑一致，但是运行在服务器端，就算合上电脑服务，也会不间断地执行。暴利斯斩钉截铁地说，循环就是未来，而这也正是他每天真实工作的总结。 两个个人工作流话题转向了未来的团队形态，这部分内容对所有的企业和创业团队都有极强的参考价值。鲍里斯认为， ai 带来的不只是开发效率的提升，更是人才结构的彻底重构。未来的核心趋势是跨学科通才的全面崛起。 过去我们说工程师是通才，往往只一个人能够搞定 ios、 web 服务器等多端开发，本质呢，还是工程领域内的多面授？但是接下来，通才的定义会被彻底改写。 一个工程师可以同时精通产品与设计，一个人能够融合产品、数据、科学、工程三种核心能力，甚至团队里的工程经理、产品经理、设计师、数据科学家、财务人员、用户研究员，所有人都在参与代码的构建。 在克拉蔻的团队里，全员都是开发者，每个人在自己的专业领域是专家，同时呢，又能够用 ai 完成开发工作。 专业壁垒正在快速地消解，单一技能的专家会越来越难以适应未来的团队写作。而跨领域、懂业务、能够借助 ai 落地想法的通才会成为最稀缺的人才。这种专访最有商业价值的部分，是鲍里斯对于萨斯行业和企业护城河的预判。 他结合哈密尔顿、赫尔默提出的七大力量商业护城河理论分析了 ai 如何重构竞争壁垒。首先，传统的转换成本会被大幅的弱化，过去企业切换系统的成本极高，数据迁移、流程改造和员工培训都是巨大的障碍。 但是现在借助于大模型数据和业务，可以轻松的在平台间迁移，用户被锁定的成本急剧下降。 其次，流程霸权也会被瓦解。很多传统大厂的优势来自多年沉淀的内部流程、工作流和组织效率，但是 ai 可以 用极快的速度优化甚至重构这些流程，让小团队也能够拥有比肩大厂的执行效率。 但是，这并不意味着所有的护城河都消失了。网络效应、规模经济、垄断性资源，这些底层的商业逻辑依然坚不可摧。 鲍里斯指出，对初创公司来说，真正的新护城河应该是原生的 ai 架构。大公司背负着沉重的历史系统、旧的流程和员工习惯转型， ai 原生会面临巨大的内部阻力，而出创团队没有包袱，可以从零开始构建，完全适配 ai。 利用 ai， 依靠 ai 的 产品与流程， 鲍里斯给出了一个非常乐观的判断，未来十年，具备颠覆力的初创公司数量会增长十倍，小团队也能够凭借 ai 打造出和科技巨头正面竞争的产品价值，这是属于建设者和创业者的最好时代。 随后呢，鲍里斯用一个堪称经典的类比解释了软件开发的民主化趋势。他说，这场变格堪比十五世纪欧洲印刷术的发明。 印刷术出现之前，欧洲大约只有百分之十的人识字读写，是少数专业人士的特权，服务于国王与领主。印刷术普及之后，书籍的成本暴跌，文献产量暴增，读写逐渐变成了全民的基础技能，全球识字率提升到了百分之七十以上。 而 ai 驱动的开发工具，正在让编程经历同样的变更。过去，编程是专业工程师的专属技能，未来编程会像发短信、使用 office 一 样，成为每个人都能够掌握的基础能力。甚至在垂直领域，最好的软件创作者不再是软件工程师，而是行业专家。 比如说会计软件。最懂需求、最能够做出好用产品的一定是资深的会计师，而不是只懂代码不懂业务的程序员。代码编辑会变成最简单的环节，领域知识、业务理解和产品直觉才是真正的核心壁垒。 在观众问答环节，奥利斯呢，还解答了观众提出的很多尖锐又关键的问题。第一个问题， color code 的 成功多大程度上归功于底层的模型，多大程度归功于产品决策与体验呢？ 鲍里斯的回答很务实，他指出，在一年前，模型与产品的重要性大约是五五开。随着模型能力持续增强，模型外围的控制框架的重要性会逐步降低，但是产品体验依然是核心。他早年在外 c 创业的经历让他坚信，无论技术多强，最终要打造用户真正喜爱的产品， 未来模型的对其能力会更强。现在的提示词、注入、防护权限、验证人在回路等等安全机制重要性会下降，但是循环、智能体调度这些框架设计会成为产品的核心竞争力。 第二个问题， ai 是 否让软件开发真正的民主化，未来的每个人都能够构建软件呢？鲍里斯给出了肯定的答案，而且强调变格速度会远超印刷术的普及速度。小商家可以为自己的店铺编辑管理软件，普通人可以用编程控制家居设备，软件创作不再是科技行业的专利。 第三个问题， osrbic 内部与外部的技术差距有多大呢？鲍里斯的回答打破了很多人的幻想，模型层面几乎没有差距，内部使用的 office 模型和外部开发者可用的版本完全一致。所谓的内部特权模型并不存在，真正的差距在于组织流程与工作流。 ansurf 内部全员使用 cloud 智能体，之间通过 slack 协调沟通，所有的 circle 和所有代码都由模型生成，这种组织层面的 ai 原声适配才是它们真正的领先优势。 第四个问题，如何让多智能体更好的并行处理任务呢？鲍里斯表示，核心在于提示词工程与模型能力的自然进化， 更高版本的模型会自发理解任务的可并行性。主动启动子智能体不需要用户手动设计。比如说四点七版本的模型已经能够自主判断，数据会随时间变化，主动启动，循环定时生成报告。 第五个问题，未来 ai 会以云端为主还是本地智能体为主呢？鲍里斯认为这个问题不重要，模型会自主判断算力的需求，需要云端就调用，云端适合本地就运行，本地工程师不需要再纠结部署方式，模型会完成最优的决策。 第六个问题，如何让 cloud 像赋能开发者一样，赋能普通的知识工作者呢？暴利斯的答案是 m c p。 通过标准化的协议打通各类云端工具，让模型无缝调用各类软件释放生产力。对于不支持 m c p 的 系统， control 的 柚子就是最佳的补充。 最后一个问题， ansorevi 现在构建什么产品能够在未来半年到一年随着模型迭代爆发呢？暴利斯点明了三个方向， 一个呢是 cloud design 未来能力会大幅跃升， cloud code 的 重磅新功能也即将发布。二是智能体的循环和批处理能力会实现质的飞跃。三是 computer 柚子方面的潜力巨大。 整场访谈下来，鲍里斯其实试图在指出一条完整的未来路径，当 ai 已经彻底解决了代码编写层面的技术问题时，开发的核心矛盾已经从如何写代码转向了一项全民的基础技能。 鲍里斯切尔尼也用自己的亲身实践证明，个人工作流正在从电脑转向移动端，用手机就能够完成高强度的开发。团队正在从专业分工转向跨学科的通才，协助商业竞争，也正在从流程壁垒转向 ai 的 原生架构。 二零二六年，他一行代码不写，却成为了效率极高的工程负责人，而未来几年，会有越来越多的人进入这种状态。不过呢，即便是像鲍里斯所说的，编程被彻底解决了，这依然不是开发的终点，反而可能是创造的起点。 当代码不再是门槛，真正决定价值的，其实是你的想法、你的认知和你的领域洞察力。这就是 ai 时代给每个人的最大机会。感谢收看本期视频，我们下期再见！
30大小飞
