claude.md怎么编写更搞笑
很多朋友都知道 cloud 非常的强，但是还不知道如何去使用到今天来给分享一个非常简单的方法，这个里面都能使用到官网的最新的 o p 四点七，三万四点六等等这些模型啊，我们来看一下， 这个里面我放了多个官网的 max 和 team 账号，都可以去任意的选择使用，并且上面还为你贴心了选择了 samsung 每三小时有三十五次， o p s 每三小时是十次啊，都可以去任意的选择使用的，如果大家也想使用的话，都可以点击我主页的置顶作品找到我直接使用。
粉丝1.6万获赞40.0万
相关视频
00:38查看AI文稿AI文稿一个点 m d 文件三天登顶，对他榜首，狂揽十万星标，开发者集体抄作业， sell a lot man 爆火全网重塑 ai 编程逻辑，四条核心规则，浓缩顶尖 工程师思维，专治 ai 乱改过度开发。作者是 multika 创始人兼 ceo john john 把 capacity 的 这些观察提炼成了一份不到七十行的 cloud 点 m d 规则文件，公司代码百分之一百由 ai 编写 文件，无需配置，直接使用。短时间狂揽数万星标， ai 编程的差距早已不在模型，而在标准化规则与高效工作流。
3467牛码架构
02:00查看AI文稿AI文稿我跟你们说，我之前用 cloud code 简直就是在受刑，每次我让他帮我更新周会表格，我都会像个老妈子一样跟他反复交代， 你还记得吗？上次我跟你说的那个链接，帮我再更新一遍，然后他就开始漫长的回忆，加载，找数据，一通操作下来，每次生成的格式还都不一样，真的超级崩溃，感觉自己像花钱雇了一个每天都在失忆的实习生。但是最近我打通了他的两个隐藏技能，简直是打开了新世界的大门，真的太爽了！ 第一个就是 m d 文档，说白了就是你给 ai 做的一份专属的入职手册，你是谁，你喜欢什么样的风格，你的任务有什么样的规矩，全都写在里面。 ai 每次开工前都会强制的先去翻一翻这个手册，你再也不需要跟他废话去交代背景了。 第二个就是 skill， 这个更牛，相当于你给 ai 定制的一件 s o p。 比如我们经常要搞封面和视频的爆款拆解，以前每次都得先输一大段咒语啊，风格是什么样儿的，用什么字体等等，都需要去跟他交代很多内容。 现在我写了一个 skill， 我 只需要一句话，封面生成，它就全都自动搞定，生成封面了，真的太省心了！给你们看一下我的文件目录，这里就建了几个专门的 md 周会更新封面生成视频分析，我给你们演示一下现在有多夸张。以前我让它更新一个周会表格，我交代加等待的时间可能要十几分钟， 现在我只需要输入杠周会更新，哎，他就开始自动更新了，看分毫不差的更新好了，一句废话都不用多说，你牛不牛？当然，肯定会有人说啊啊，我不会写这种规则文档啊什么的。 别慌，我教你一招，你不用一开始就自己写，你先跟 cloud code 进行正常的一个聊天。呃，你告诉他你平时是怎么干这个活的，你反复的跟他沟通、打磨，等他能生成一个正常的结果，就说明他已经能完全理解你的流程了。这个时候你直接跟他说， 把我们刚才沟通的内容生成一个 skill， 它就会乖乖地自动帮你生成。好了，压根儿不需要你自己写。用魔法打败魔法，真的太绝了！姐妹们，听我的，今天赶紧跟着搞一遍，明天你就会有惊喜哦！
163Eva酱（AI版）
02:24查看AI文稿AI文稿天都快亮了，沉了啊，我沉了。我用格拉格的让他帮我用 python 写了一个这个脚本，然后呢，他会通过这个脚本去读取这个文件夹里面的文文本档，这个文文本档里面的东西可以是 你的记录啊，或者是你的知识库，或者是你对一，你对下一个项目要做的一些 s o p， 你 把它放在里面以后，内容是这样，内容是这个样子的，内容是这个样子的成文本形式，它会读取通过这种格式整理成 bug， 然后再放进 oc 的 里面。像这一个就是我的大脑，这里面包含我对跨境的所有认知，还有我自己这个人 做过的项目，成功的那些 sop， 我 都会把它写进去，让他以后本地的 id 再去做。工作流的时候，都会先读取我的这个大脑里面的数据，通过我的 sop 去做这件事情是绝对不会出错的。比如说这个， 这是我做的，真做我做的项目，比如说这个我自己在做美特的广告投流，所以我会拿真实的数据，以及去搭建广告系列广告组，广告中间的所有素材，所有步骤，包括账号的风控，账户的风控该充多少钱，预算该怎么拉，我都会放在里面。 在本地的 a 证工作流在做这件事情的时候，我都会先让他读取我这个 sop， 我 不知道你们能不能听懂我在说什么啊？ 我所有的 a 证以后只需要读取我的这个文档，以后做的事情一定是正确的，都不需要我再二次审核，也不需要我再去跟克拉扣子再去发二次指令，也不需要我去跟 jamal 去发第二次指令，他只要读取我的这个 知识库就可以了，相当于我的第二个大脑，属于一个高净值的数字资产。太重要了，你像这个就是自己做的项目，我会不断的完善它。我正在做着 在跨境电商方面，我怎么样加入 ai， 让它可以更轻松的实现自动化，可以省去一些人工，让 agent 去帮你去呃，监督你的实操盘，或者是人工帮你，或者是自动化帮你上品。直接省去人工，我才完成了这一点一晚上时间。
4975会小心的明
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
01:52查看AI文稿AI文稿你知道 datap 上有一颗星等于一次认可吗？那十三万两千颗星意味着什么？这是 antropic 官方发布的 agent skills 仓库，核心概念极其简单，一个 markdown 文件就能教会 ai 一 项全新的专业技能。你用 ai 助手的时候，是不是每次都要重新解释你的需求？ 品牌设计不会，企业文档，不懂代码测试勉强能用，每次对话都从零开始，没有一个可以附用的技能包。解决方案简单到令人震惊。一个 skill m d 文件只需要两个必填字段， name 和 description。 下面的 mark 洞中文就是 cloud 要遵循的指令、视力和指南。 cloud 会根据你的对话内容自动匹配并加载最相关的技能，你甚至不需要手动切换。仓库里的技能分为四大类， 创意设计类、开发技术类、企业沟通类，以及最重磅的文档技能。文档技能是 cloud 网页版文档创建功能的底层源码，不是 demo 玩具，是生产级代码。 大部分技能采用 apache 二点零开源许可，可以自由使用和修改。最巧妙的是，同一个技能可以在三个平台无缝使用。终端里的 cloud code， 网页端地 cloud ai， 还有程序调用的 api， 而且还支持 plodding marketplace 机制，就像 o my zs h 装插件一样，注册、浏览、安装使用。已经有 notion 等合作伙伴发布了官方技能 and fropick， 做了一件更有格局的事，发布了 agent skills 开放标准。 这意味着不只是 cloud， 未来的 ai agent 框架都可以遵循同一套技能规范。当你发出请求， cloud 会自动匹配最相关的技能加载，完全不需要手动操作。不管你是想给 ai 加字定义能力的开发者，还是想打包公司规范的企业用户，甚至只是想学习如何教 ai 做事的初学者，这个仓库都值得研究。 一个文件改变 ai， 十三万颗星已经证明了它的价值。一个 markdown 文件就等于一项 ai 专业技能。开源免费官方持续维护。关注我，带你发现更多 github 上的宝藏项目！
00:25查看AI文稿AI文稿看到库克拉克的分享的 skill 的 设计模式，感觉使用克拉克的 qd x 的 兄弟们，你们可以直接抄了啊。兄弟们啊，以前总是乱写 skill， 乱写一些 prompt， 哎呀，很容易乱猜或跳步幻觉啊，现在用这种五种简单的方式啊，就稳定多了。兄弟们，我把原文和解读版全部都贴在这里了，你们需要的你们自己去拿。好吧，我尽量的把原文全部翻译过来。
1658大超学长
00:54查看AI文稿AI文稿最开始呢，我只想学习 skill， 然后给自己做一个小程序，学一学，练一练，结果就像捅了马蜂窝一样，从最开始玩 open cloud 到现在已经三个半月能有了，但是对于它这些文件呐，配置啊，怎么写啊，结构啊，还是即使一知半解都是 cloud code 帮我干的，但是我现在不满足于让 cloud code 或者 gpt 帮我干这些了。因为 看的多了之后，你觉得每个字我都能看懂，那理应我也应该能写出来，所以在有了一定的能看懂的这个基础之上，我希望我能掌握这个逻辑，我希望我能够应用这个架构。 咱不说一通百通吧，就是说触类旁通，就是在这个方面我们砥定一点基础的话，以后再遇到新的发展，新的一些。呃，出现的可能性我们也能理解的快一些。 费曼学习法不是说了吗，就是你自己学过的东西之后，你能够用最简单的语言，简单的把它教给别人，并且把别人给说懂了，教会了，那这样就说明你自己真正掌握了这个 html 的 这个小程序。我已经做好了，可以分享给大家，加入群里吧。
101焱垚言夏
01:06查看AI文稿AI文稿用 cloud 写代码，他帮你选了 view， 但你说不对，要用 react， 他 用了蛇形命名，你说还是不对，要用驼峰，那这样来回改来改去，可能大半个小时就过去了。 其实我们只需要在根目录加一个文件，这个文件叫 cloud 点 n d， cloud 每次启动都会自动读取，它读完之后会按里面的规则去执行，说白了就是一份不会消失的系统提示词，你在对话里说的话，下次就忘了。而写在这个文件里的规则会一直生效。 但这个文件不是说越写的越多越好，我一开始往里面塞了五十多个规则，结果 ai 反而乱套了。规则之间有可能会有一些相互冲突的地方， 而后来我砍到三块，可能就只有十几行。那技术栈是什么？命名的规范是什么？哪些文件不能动，而每一块只写约束？不解释。原理是这样子的，这个文件会占用 ai 的 上下文窗口，你写的越长，它留给做正事的空间就越少了。 所以规则精简到只剩下一些应约束， ai 执行的反而更稳定。所以我们精简到只写不能做什么，比事无巨细的写清楚。
41饼干哥哥AGI🍪
04:47查看AI文稿AI文稿codex、 cloud code、 gemini、 openclaw， 这四个工具究竟在什么场景下是适合的？在什么场景下又需要互相串联起来？今天这个视频不废话呃， 我将会带着大家去看一下我日常是怎么去使用的，把这些经验也分享给大家。首先呢，我们可以看到啊，这四个工具呢，其实有各自适合的场景，比如说 codex， 它其实适合去抓取一些信息，去做一些批处理和定时任务 啊，或者说去要逐步推进一些步骤的时候，它可以开启这个全自动化的流程。那么 cloud code 呢，它可能会更加偏向于去写一些底层的代码，或者是去编写一些 skill 啊，尤其去适合去做一些打底层的一些能力。 那么呃，这个 openclaw 呢，它更加适合去把人啊，还有设备以及我们自己的这些 agent 和 skill 串联起来，可以在一些出差路上，或者说你在不方便去使用电脑的时候， 采用这个 openclaw 去把一些任务推送到对应的我们这个手机的飞书啊，钉钉啊，或者是用这些外部的这个沟通工具去给你的这些智能体去下一些这种指令。那么 germina 呢，其实它会在文本转 啊，这个图片或者图片转文本的这个方面会比较强，所以说呢，他可能会适合去生成一些图片，或者去生成一些设计稿。好，那以上呢，我们简单的做了一个了解，包括我现在的这张屏幕，其实也是用 啊这个 codex 帮我写的啊。那么 codex 呢，其实在这方面抓取信息，输出一些网页其实也还是非常强的，最关键的是它的这个费用也比较便宜，所以那我们用一个案例来看一下，举个例子 啊，比如说我们要去看生成一个这个 ppt 啊，生成一个 ppt， 那 么一共呢会分为五个步骤，第一个步骤呢，可能要去做一些信息的抓取，是吧？然后去做一些定时任务，那这个时候呢，可能会是要需要用到就是 codex。 举个例子，比如说啊，我现在这里呢，就会有一些定时任务啊，给大家看一下。比如说呢，我会去抓取每天的一些早报，比如，比如说在这里 啊，每天都要去按照我自己定的这个标准去执行这些，去抓取一些早报。那早报的这个啊，效果呢？给大家看一下啊，举个例子，比如说啊，这些，呃， 这个每一天的这些新型的科创版的一些这种，呃，关于 ai， 关于人工智能、关于商业航天的一些新闻或直接推送过来。那么后续呢，还会有一些 github 的 一些项目，那它的这个任务呢，是完全自动化的再去做的啊，完全自动化， 也就说首先我们可以用这个，我们可以用这个，呃呃 codex 去做一些自动化的任务啊， 其实这样，那么除此之外呢啊，本身啊，就这些 skill 啊，这些 skill 可以 用 cloud code 直接进行编辑啊，直接进行编辑， 或者说我们打底的去做一些这种小的网页，或者是去做一些这种生产化系统的时候，可以用 cloud code 来去完成，因为它呢本身也可以去支持一些啊， s d d 就是 spot coding 啊，不像是原本完全之前的 web coding 这种方式。那第三个呢？是 codex 啊，第三个是 这个 codex 呢，它其实可以将前面的这两个东西串联起来，举个例子，比如说我们之前的一些这个网页的一些输出，还有一些文章或者是一些早报，其实它可以把这些 skill 和我们前面抓取到的信息做一个串联。那第四步呢， 可以根据这些早报和抓取到的信息，去让 notebook lm 去帮我们生成一些 ppt 啊，然后举个例子，比如说我们做到的一些 ppt， 大家可以看一下 啊，比如说这个也是我们之前做的啊，这个一些 ppt 的 一些啊，效果对吧？啊，它的这个效果还是非常不错的， 给大家看个大概啊。那么最后呢，就是如果你正好也是在出差途中啊，那么这个时候你可以用这个 open club 去接入到你的个人微信，飞书钉钉、企业微信等等，然后去把这个信息给你推送过去，或者说你不太方便查看电脑的文件，那你就直接让这个 啊，你的这个龙虾去帮你把这部分内容抓过来。所以以上呢，就是呃，我在使用了这么长时间，这个这几个工具给大家去做的一些总结啊，如果说有问题或者是想要去交流的话，也欢迎大家在评论区或者私信啊，谢谢，拜拜。
279数字哥聊AI![[详细教程]AI+Obsidian搭建第二大脑 从 Milanote 搬到 Obsidian，不是因为功能更多——而是因为 Obsidian 的本地 Markdown 文件，可以直接被Claude 或Codex AI 读取和写入。 这期视频我完整拆解我的 AI 第二大脑系统：怎么设计文件夹结构、怎么用 CLAUDE.md 做两层导航控制 token、怎么搭几个自动化输入管道让信息自动流进来、怎么把 Claude Code 直接接进 Obsidian #obsidian #ai工作流 #claude #第二大脑 #知识管理](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/909edc1fd176732d004e74e2a4f800ad~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2104552800&x-signature=0Lx%2FWKSdimDeAmRXx5IzZ78Q9JM%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20260912140032DFADAC7727FA8AFF055C)
15:47查看AI文稿AI文稿我年初刚续费了 me 了 no 的 会员，但是我还是决心把所有笔记都搬走，不是因为 oblivion 功能更多，而是我意识到啊， oblivion 可以 很好地和 cologold 或者 colossus 结合， 可以打造一个我专属的 ai， 在 ai 时代做我的无敌第二大脑。那前一阵呢，我发了一个短视频，讲了一下为什么要用 cologold 加 oblivion 记笔记，那期讲的是为什么。那今天这期视频呢，我就分享一下怎么做 这期长视频，我回答，去看一下我平时怎么利用 ai 来打造我的第二大脑的。我会给大家先看一下我的 obsidian 文件夹结构是怎么搭的。然后呢，我怎么用手机一键记录下我脑子里的碎碎念，再利用这些闪念进行创作？怎么把读书笔记啊和日常积累打造成个人的微机百科？ 还有一个很多人问我的问题，让 ai 读笔记投坑不要钱的吗？那今天呢，我也会分享一下我平时是怎么节省投坑消耗的小技巧。最后呢，会聊聊灵魂的 skills 是 怎么把整套系统给串起来的，那我们就开始吧， 在想怎么用之前呢，我想跟他说一下，我是怎么一步步走到这里的。其实我用 me love 用了好几年了，因为它非常简单，非常方便我去画我分散的思维导图。但是呢，它有一个问题，就是它存在云端，而且它结构是层层嵌套的， ai 很 难系统去读取我所有的视频脚本，它是不是就能够了解我这个人，我的思维方式？ 那我是怎么解决这个问题的呢？首先呢，我就在本地创建了一个文件夹，然后呢，里面存了我的视频脚本呀，还有我的一些读书笔记，我在用 cursor 去打开我这个文件夹，用 ai 直接去操作 啊，这就是我们去年用爱发现里强调的一个概念， folder as a app， 也就是其实很多问题呢，我们可以用一个文件夹就解决，都不用去做 app。 用了一段时间我才反应过来， obsidian 本质上就是管理本地文件型的工具。那既然我已经在做本地文件型的笔记了，那我为什么不直接用 obsidian 呢？ obsidian 有 更好的 ui， 有 更多的插件生态，所以呢，我就给它扒了过来，那这就是我笔记切换的一个过程， 我现在给大家看一下，它其实非常简单，就是这些文件夹里边呢，是一堆 markdown 的 文件，只不过呢，我们用 obsidian 这个笔记软件去打开呢，有更好的 u i 呈现 啊。文件夹怎么设计呢？其实是没有标准答案的，但有一点你要记住啊，这些文件夹不只是给你自己导航用的，更重要的是要让 ai 知道去哪里找什么。那给大家看一下我目前的笔记结构是这个样子的 啊，比如这个 content 文件夹呢，里面放的就是关于我自己的信息，我是谁啊？我的目标，我的表达风格呢？这个是整套系统的核心， ai 每次进来呢，都会先读一下这里，这样呢，我就不用每次重新介绍我自己了。 最后呢，在我们这个 word 跟目录里面放一个 cloud md 文件，这个就是我们第二大脑的入口 cloud， 每次运行我都会先读一下这个 cloud md 的 文档，它其实只做两件事情，第一个呢，就是介绍你这个人，你是谁，你在做什么？那第二个呢，就是我会给出一个文件夹的 地图，就是告诉 cloud 每个文件夹它是做什么的，那什么情况需要读哪个文件夹？比如说我的 cloud md 里面就写着 帮我写视频内容之前呢，你要先去读一下这个 context brand md 这个文件，那帮我去记读书笔记的时候呢，你就去 reading 这个文件夹里面去看，你不需要把整个笔记库扫一遍，这样呢也会帮我们节省不少的 token。 但是呢，光有这一层还是不够的，我在我的每一个文件夹里呢，我都放了一个 instructions md 这个文件。呃，我在 cloud md 里面有一个强制的规则，就是进入到任何文件夹之前呢，一定要先读那个文件夹里的 instructions md， 那 这个文件夹级别的 instructions 呢，会靠告诉 cloud 这个文件夹的具体结构，还有呢文件命名规则呀，还有一些我关于这个文件夹怎么操作的一些说明。 那这样呢，就形成了两层导航， cloud md 呢是总目录指向正确的文件夹啊，文件夹里面的 instructions 呢，是局部的地图，告诉 cloud 在 这里是需要怎么操作的， 那 cloud 永远只读它当下需要的那一层，不会说把整个笔记库全扫一遍，这样子呢， token 就 控制住了，速度也会变得更快哦。所以这款笔记软件呢，它是免费的，但是如果你想要它官方带的那个同步功能呢，是收费的。 不过呢，我呢是把我的 obsidian 文件夹呢放在了我的 icloud 里，这样呢就可以保证我在不同设备里面直接去同步。那现在呢， d g 搭建好了，我们再来讲一下我们怎么去往里面存东西。 第二，大脑有多强呢？其实是取决于你往里面存了什么样的东西，如果存东西这个事情变得很费劲的话，你就不会坚持下去。为此呢，我搭了几个全自动的输入管道，让 c c 可以 轻松地流动起来，不用我去手动地整理。 那首先呢，我就要推荐一个神级插件，就是 obsidian 官方推出的这个浏览器插件叫做 webcleeper， 它呢可以让你一键的去保存任何你在网上看到的东西，然后以 markdown 的 形式存入到你的笔记里面。比如说啊，我看到这篇推文我觉得不错，那我就点击一下这个插件 啊，然后呢它就会读取这个 title 呀，还有它这个链接呀，作者呀，还有里面的内容，那我现在就点击 add to obsidian， 然后 哦你看，直接就把这篇推文帮我保存到了我这个 clippings 这个文件夹里面。那还有一个模式呢，我非常喜欢，就特别适合我们去学习啊，内容型的长视频。比如说我看到这个视频呢，我想去学习它，我可以点击一下这个插件，然后呢我可以给它切换到这个阅读模式， 那这个样子的话，我就能边看视频边看里面的这些字幕。然后呢，我还可以点击一下底下的这个时间戳，自动会跳转到相应的这个视频片段。然后呢我还可以把它导出来，我就点击一下我这个 o c d 点插件给他艾特 o c d， 你 看这样子，他就一键把这个视频内容全部给我导到我的这个笔记里面了。 最近我在我们 u i 发店里看了 amy 的 直播，让我学到了一个非常惊喜的插件，就是这个 apple books highlights 的 这个插件。也就是呢，我去看书的时候呢， 如果我在我的书里面直接 highlight 某一段的话，那之后呢，我可以直接点击这个插件去导入我的内容，比如说我最近在看这个 die with zero， 那 这本书呢，还是蛮有意思的，也推荐大家去看，就是怎么最大化你的人生体验。那我 highlight 这段以后呢，我可以在我这个 obsidian 里面 点击一下我的这个插件，然后呢，它就会把所有的画像内容呢帮我的这个笔记里面， 也是因为这个原因呢，我现在逐渐的从纸质书转换到了 apple books 里去读。那导入之后呢，我就可以打开我的 cloud， 和它聊一下我的感受。 ai 呢，作为辅助还可以回答我的问题，我觉得还是蛮有意思的， 像现在 webkit 呢，我都习惯在电脑上一键就对着 ai 讲话，请你帮我实现这个功能， 啪啪啪。然后我就在想啊，手机壳可以实现这样的一个功能，就是我一键就让他捕捉到我所说的 碎碎念，然后呢，给他记录到我的耳部 c 店里面。你要知道，人的一天可以有几十个想法，我们要集中性的去输入，而发散性的去输出。不管我是在走路还是在开车的时候呢，我都希望可以把我一闪而过的想法给他记录下来。那我现在再来分享一下我的这个小技巧， 我的这个设置呢，一共分为两步，其实很少有人真的去利用好了这个 iphone 自带的这个 action button 这个小按钮，就是点一下它呢可以切换到自己想要的一个程序里面。 第一步呢，我就在 iphone 自带的 showcases 里面设置了我的这个工作流，让它去聆听我说的话，再把我说话的这些文字呢直接给它加入到 obsidian 今天的这个 daily notes 里面。那第二步呢，就是打开我们 iphone 自带这个 action button 的 设置页面，让它直接去打开我们刚刚设置好的这个快捷指令。 比如说，我走在路上突然有了一个灵感，我就可以直接点击这个 action button， 它就会自动地去记录我现在的想法，要随时记录我们的灵感。 然后我就可以在我的 daily notes 里看到我刚刚记录的这条碎碎念。而且呢，我还在我的 daily notes instructions 里面告诉了 ai， 这些带时间戳的都是我当下的一个碎碎念，方便之后呢，帮我再次整理，进行二次创作。 看到这里呢，可能有小伙伴记得我之前是 millenote 的 用户，那有人可能要问了，那我之前用 millenote 是 就是因为它比较好画我分散的思维导图。那如果切换到 city 以后这个功能怎么办呢？ 其实呢，我发现了 city 里有一样的功能，就是这个 canvas， 我 可以在里面同样的去画我的思维导图。更重要的是呢，它是本地的文件，然后它用 j 上写的，我可以直接让 cloud 来辅助我，我给大家看一下我是怎么迁移的啊， 我当时犹豫很久要不要迁移，就是因为这两款笔记它的设计理念太不一样了，迁移起来真的太费劲了。但是我后来发现啊，就是我可以直接截屏给我的卡扣，让他帮我去操作。就比如说啊，我跟他讲， 请你在这里呢，帮我先创建一个文件来复刻这张图。 那我之前发现让 ai 帮我开挂的秘密也是，如果这个东西它是本地的文件，而且呢，它是用代码去翻译的，那么我就可以很好地去利用 ai 去操作，因为这正是 ai 最擅长的地方。 哦，我们可以看到啊， cloud 正在帮我创建这个思维导图，那我们看一下，它已经做好了，就在这个 rehab strategies 这里，你看，这就是它刚刚画好的图，所以 obsidian 里的 canvas 也很好地解决了我喜欢画思维导图的这个痛点。 好，现在就来到我们这套系统最核心的地方，把我们的 ai 给它接入进来。其实刚刚演示呢，我已经用到了我的 cloud code， 我 一般就是用最原始的办法，那我呢，就会把我整个笔记文件夹给它拖过去 啊，然后呢，我就会呼唤一下我的 cloud， 并且呢，我一般就直接用 url 模式，它不用再问我什么什么权限， 还可以呢，有一个 terminal 插件，你可以直接点击，你就可以在你的 obsidian 里面直接去使用啊你的这个终端。然后呢，你就可以在这里去呼唤你的 cloud。 那 还有一个办法呢，就是可以用它里面的这个 ai chat 的 功能，这个你可以自己去设置一下。那我一般呢，就是用我这个最原始的办法，那比如说我现在就跟他讲一下， 请你帮我把我最近的碎碎念整理成一篇文章，或者说呢，你给我几个创作的灵感。 大家还记不记得我之前说过，我会给他设置一个 cloud md 文档，所以每次呢，这个 cloud 执行任务的时候呢，他都会先读取我的这个 cloud md 文档，然后呢再去到相应的文件夹，再去读相应的这个 instructions 文件， 然后再去做相应的任务。所以我觉得这个 dr 大 佬的助手对我来说还是蛮有帮助，蛮有意思的。 上次我发了那个短视频以后呢，很多人都问我，你这么让 ai 去读整个笔记库 tiktok 不要钱的吗？那其实呢，我们可以学习一下 astropic 设计 clock code 的 原理就是 现型式，譬如 ai， 它不需要每次直接读取你整个笔记簿，我们只需要按需给它就可以。就像我刚刚提到了这个 cloud md 文档，给它一个整个文件夹的结构啊，还有每一个文件夹我都会设置一个 instructions， 告诉它这个每个文件夹怎么用。那还有呢， 我们可以每次给 ai 当下它所需要的上下文，让它按需去读取。那我每一天呢，都会打开一个新的 coloco session， 然后呢去让它做这一天的工作。当这一天结束的时候呢，我会跟它讲， 请你把今天做的内容呢，帮我整理到我们的 daily notes 里，那 coloco 呢，就会把今天它做了什么，需要跟进哪些事情呢？全部都写到我们当天的这个 daily notes 里。 那下次打开新的 session， 它不需要读整个笔记簿，它只需要读最近几天的 daily notes， 它就立即知道我们前几天做了什么，卡到了哪里，现在还需要做什么。所以我觉得让 clock 去写好每天的 daily notes， 然后让它自己去记录今天的日事是非常重要的。 随着你的笔记库越来越大，间接式，譬如和按需索取这个思维模式呢，就越来越关键。那还有一个是 token 的 小技巧，就是，呃，心里其实有它官方的 c l i， 也就是命令行工具，我们可以用它们官方的这个 c l i 来帮我们操作笔记，这样呢，就会减少我们可用 token 的 消耗。 那我之前做过一期视频，就是讲我们今年如果一定要学的 ai， 那 一定是 cloud skills， 那 cloud skills 就是 告诉 cloud 怎么去执行一个特定的任务，让它稳定地去输出。那 我现在呢，把我的 cloud skills 都放到了我的 operating 的 skills 文件夹里，然后再让 cloud 直接指向我这里的 skills。 这样做有一个什么好处呢？大家知道那个 skills 里面它的 reference， 也就是它的那些参考文档是非常重要的。 那我在搭建我的第二大脑的同时呢，我其实是在不断地优化我里面的笔记，我里面的内容。所以呢，我希望啊，我的 skills 也是可以实时更新的， 比如说我这个发布博客的 skill 啊，还有我这个做视频的 skill 啊，那随着我的日积月累，这些 skill 呢，它也是需要不断地去根据我个人的风格去优化的。 好，那今天呢，就简单介绍一下我自己工作流搭建的一个过程，当然了，我的工作流还在不断的改进中，更多具体的时间细节呢，一个视频真的讲不完，那更多的内容呢，我会放在我们用爱发电里面，也欢迎你的加入。 最后呢，我想聊一个更长远的概念，是 androidcapac 提出来的，它是前特斯拉的 ai 总监， openai 的 联创，是 ai 时代最具影响力的工程师之一。那它提出来呢？我们每天其实是会接触大量的原始信息，像你看的推文呀，文章呀，会议记录呀，读书笔记啊等等， 但是呢，这些信息乱七八糟的，不好直接使用。如果你可以用 llm 直接去把这些信息呢本地结构化的去翻译，然后呢，你再用 obsidian 加 ai 去查看和操作，那你就拥有了一个随着时间积累越来越强的个人知识系统。 那这可不是某个 ai 公司卖给你的功能，这是一个完全你自己搭建出来的，完全本地化，完全私有的，任何 ai 都可以使用。 那我们都知道啊， ai 现在真的是迭代的太快了，今天出一个功能，明天出另一个功能，但是我觉得在这个 ai 时代，慢慢地去建立自己的一个个人知识资产，那这件事情是不可替代的，也是我在做的一个方向。 我的笔记库可能现在看起来还很出息，但是他每天都在成长，几个月以前呢，里面还是空的，但是现在呢，一打开可乐他就能认出我这个人了，我觉得这个才是我值得去做的事情。那既然这个视频就抛砖引玉一下，有什么想法欢迎到评论区里留言。那我是 c c， 我 们下期见，拜拜。
1539Serena心心加州
04:20查看AI文稿AI文稿github 上面一个仅仅六十五行文字的 md 文档，耗取了一百零七点七 k star 的 skill， 其实这个 skill 很 简单，它就是一个单一的 cloud cloud md 文件，然后它是呃，基于卡帕西经常在推特上的吐槽，然后一个人把它整理成了这样一个六十五行大概六十多行文件的一个 md 文档吧。 它其实就是相当于卡巴斯基的编码指南。然后它的问题所在就是我们在模型在编码的时候，它其实是会代替我们做错误的假设的，然后它是不管理自身的困惑，然后也遇到问题，也不会寻求我们的澄清。然后，呃，而且 agent 呢，会喜欢把那个代码和 api 搞复杂，它会堆砌抽象的概念，不理清代码明明一百行的事情，它可能非要实现成一一千行的应用的代码。 然后第三点就是他仍然会改动和删除自己理解不足的代码或注注示，就会造成一些呃，他自身内容和任务无关，然后这是他解决的核心问题，我们看一下呃，其实主要就四大原则，就是编码前思考，简洁优先以及精确修改和目标驱动。 下面逐一来说一下这四个点。第一个点就是编码前思考，他会有不要这样做和应该这样做，不要这样做的话就是不要默默执行一种解释，然后执行不确定的猜测， f 学问，然后困惑着继续前进， f 停下来，这些都是不希望他去做的，然后应该做的就是需要他去明确假设，然后给我们呈现多种的解释，有歧义的时候不要默默选择，要询问我们，然后遇到意义问题的时候需要跟我们进行确认，困惑的时候也需要进行停下，这是编码前思考的第一点，第一点，然后第二点就是简洁优先， 就是他应该是用最少的代码来解决问题，如果两百行可以写成五十行，那就是需要写写先写成五十行，然后他有个检验标准，就是会让那个呃大毛仪去问问自己就资深工程师这样会去做什么？就是给他一个相当于明确的角色吗？然后如果资深工程师是这样做的话，那就让他去简化。对 三点的话就是精准的修改，就是他需要呃，只需要修改他呃核心的相关部分，如果无关的 stan 呢？ stan 码的话，他是提一下，并不是要他去操作他能力范围之外的一些东西啊，他就是只 嗯不要重构没坏的东西和删除无关的 stan 码。他每一行的修改都应该能直接追溯到我们自己给他的命令或者请求，这是他精准修改。 第四点的话就是需要目标去驱动执行，就是我们要给他一个成功的标准，让他能够独立的循环去执行，而不是那种弱的标准，让他工作或者让他干嘛干嘛。我们需要给他一个明确非常明确的指令，让他有一个关键的目标去驱动。 然后关于多步骤执行的话，其实就是让他去说明一下，简短的计划就先说明再执行嘛。 对，就是步骤一去验证检查，步骤二也去验证检查一下这个 skill 是 如何触发的吗？其实，呃，我们安装的所有 skill 前期为了防止 token 的 过度消耗，其实它只会把这个 skill 的 description 里面的内容给它传给大模型，大模型在呃遇到我们的提到的关键词的时候，它会去和 这个 description 里面的一些字端进行匹配，如果匹配到的话才会去自动调用这个 skill。 所以 它关键的点就是你的 description 越精准，它触发可能越准确。如果你 description 稍微描呃模糊一点，它可能就会误触发或者不触发。那如何避免这个问题呢？其实我们就是 可以把它的六十五行文字直接复制到我们的 cloud md 文档里面，这个文档就是可以直接全职生效，而且它是相当于系统提示词，每次每个绘画它都会去 呃读取这个系统提示词来保证这个 skill， 它是可以帮我们去稳定的执行，但这个 skill 确实很重要，才去到写到 cloud md 里面，因为 cloud md 文档如果过长的话，它也会呃不会全读，最最主要就是读前面的两百行到三百行，如果过长的话，它可能会漏读啊，以及出现一些呃读写的不准不准确的一些东西。对， 然后核心洞察的话，就是大鹏他非常擅长执行这个循环执行，直到达成特定的一些东西。对，然后他该做什么，应该给他成功的标准。 对，就是我们要有，相当于我们就是大模型，就是我们的员工，我们就是产品经理，我们虽然不知道代码，代码怎么写的，但是我们要明确告诉他，我们要的成功的标准是什么，结果是什么。 对，我们要把标准明确的告诉他，然后这些就是判断生效的一些标准，比如干净整洁的 p p r， 然后澄清澄清问题，在实现之前就应该提出向我们确认啊这种，然后重写的减少呀，不必要的改动会更少。 对，这这就是四点原则。然后这个 md 文档我觉得还很重要，那大家如果去下载的话，其实，呃，如果需要的话，我可以把它写成 m 那 个非书文档，大家只要复制一下放到自己的 cloud md 文档里面就可以了。
431马斯洛AI智能体
03:24查看AI文稿AI文稿今天给大家推荐一套 skill 的， 它打包了市面上常见的格式化的表达，可以一键把你的文章变成 canvas mami 跟 iscaraj。 第一种结构清晰，配色干净，排版漂亮，这是 canvas。 第二种，它把流程节点、箭头的走向以及逻辑链条梳理得让你可以一眼看清，这是 iscaraj。 第三种是手绘的，质感就看起来比较自由随意，像在白板上随意勾的，这是 iscaraj。 同一个内容三种表达只需要十秒。 给大家简单介绍一下这三种矢图它适合在哪些情况下去使用。比如说像 canvas， 它比较适合做知识图谱，项目盖板，或者说文章结构的拆展 分类的话，适合现性逻辑的一些表达，包括流程图，决策数或者时间线。因为我最近在做一款退休相关的一个产品，会涉及到退休年龄的计算，以及退休金的一些计算，它把整个的逻辑都梳理的很清楚，包括说 怎么样去判断一个人的退休类型，它是到了法定年龄去退休，还是在法定年龄之前退休，它的整体的计算的逻辑都会不一样，然后它在这里也展示的很清楚。 export 就 比较简单，它适合那种自由表达，画草图跟圆形，以及非正式的一些思维发散。不过我觉得这个 export 它画的倒是比较简单，就是如果说你要增加一些图，或者说增加一些网页的跳转的话，还是需要你自己去增加的。 而且这个 skill 生成的图，如果说你有一些不满意的话，你是可以点击编辑去修改的，甚至你可以也可以去修改它的底色，比如在这里选择它就会变化，我觉得它就是节省了你从零到一的画图的时间，非常方便。 那接下来来告诉大家怎么样装这个 skill。 主要是三步，第一步就是 obsidian 是 要提前装好 ai agent 的 插件的，我用的是 cloudian， 之前视频有教过怎么安装，这里就不说了。第二步是我们在 github 上搜这个 skill 的 名字，然后就能找到这三个 skill。 这里下面呢，它是有对这个 skill 的 整体的介绍，告诉你整体的安装的方式。我们可以直接复制这个命令，回到 cloudian 的 聊天框，直接发送给 cloudian 即可。 把刚刚的口令发送进来之后它就安装好了。安装完之后呢，它会告诉你对应的 skill 的 用途以及它的触发词是什么。我们平常触发 skill 的 方式是斜杠，然后去掉起选择这个对应的 skill， 比如说萌妹，它就会 加载这个 skill。 这个 skill 还做了一些触发词，就是我不需要去调起了，我直接用自然的语言，比如说我要做一个 make 图，或者我要做一个 canvas 图，它就会自动加载这个 skill。 那 比如说我给他发的是用 make 格式化退休计算的流程，然后呢，他就阅读了这个 skill 的 skill m d。 因为我前面跟他去聊了一些退休计算的流程，然后呢他这里就把整个的计算流程化成了个 blank 图，非常的快。我还让他自动的去帮我保存为 opc 点笔记文件，然后他就可以帮我创建一个新的笔记了。 那今天的分享就到这里啦，以前我们做一张结构图，先理逻辑，再选工具，再调颜色，还有对齐整体的节点以及对拉线，至少半个小时起步，那现在一条指令 十秒三种风格任选，把节省下来的时间更多的放到我们的内容的本身，觉得有用的话点赞、收藏加关注，拜拜。
120Suyee聊AI
05:34查看AI文稿AI文稿我敢说，百分之九十九的人刚刚安装好的 call 扣，第一步就做错了。就是很多人会着急让 call 扣直接开始干活，然后会发现，哎，为什么好像有些时候还挺难用的呢？ 但实际上并不是说模型不会做，而是他根本不知道你的规则。 ok？ 大家好，我是 fred， 专注从普通小白的视角分享怎么从零到一，用 ai 和 web 扣领提升自己的生活和工作效率。 我建议安装好 cloud 后的呢，第一步不要着急让他直接开始写，而是把 cloud md 配置好。你把规则讲的越清楚，他在后面才会更懂，你也不太容易反攻， 就很多时候很多重复的工作啊，其实问题都差不多，就要么是你讲太多，要么是你改太多，要么就是你每次都会觉得他风风格都不太稳定，对吧？ 你本来只想让他改一个点，他却顺手改了一大片。你本来想让他按照项目的习惯来，他却给你一套看起来通用但正确的，但是又不太符合你要求的一些答案。 这些问题的背后，很多时候不是说模型不行，而是你没有把这个默认的规则交给他。那怎么样才能让他按照你的默认规则来呢？也就是很重要的一个点就是 cloud md。 什么是 cloud md 呢？你可以把它理解为 cloud code 的 一个默认的规则文件写进去之后呢，它不是一个一次性的聊天备注，而是 cloud 开工前就会先读的一个写作的边界。所以说它的真正的价值不是说 多一个文件，而是你终于不用每次再重新去解释。同样的话，一次写好之后就后面会默认去生效。 但这里面还有一个很关键的点啊，就是很多人一上来就在想，我要往 cloud md 里面去写什么，其实第一步不应该想怎么写，而是先想， 呃它有哪些层级？就是正常 cloud md 会有一个全局的层级，一个是项目的层级，也就是通用层和项目层。通用层就是写，写到你在每个项目都不会变的一些长期的习惯和规则。项目层就是写，写到你在每个项目这个仓库它独有的一些规则， 你把这两层分清楚之后，后面写起来才不会乱。 ok， 大家可能会问，哎，那你应该怎么写呢？对吧？通用层应该写什么？呃，像我自己的话，一般会有一些语言的规范、安全红线、工作流程和用户偏好。 我可以给大家看一下我整体的一个配置的一个情况，就比如说语言会要求他用中文跟我沟通，但是代码还是用英文，然后会有一些安全红线的问题， 不要去提交一些我自己的一些 api， key 啊，或者一些密钥。工作流程呢？就是一定要强调， 呃，完成报告之后，然后有报错就得报错。然后且修 bug 之前需要先写一些失败的测试用力，包括说代码标准不能够写得太大，如果写得过多大过长，如果后面要修改，那包括一些用户偏好的一些问题， 包括说其实像我的 cloud md 和我的 codex 所用的 agent md 其实完全是一样的，也就是我在切不同模型之间，它实际上的效果也是很不错的。然后面还会有一些上下文管理的一些问题， 所以说你会发现这些都不是某个项目特有的一些细节，而是我希望 cloud 在 任何项目里面都默认遵守的一些写作习惯，所以说如果在这种我在哪都一样的这样的一些规则，就应该写到通用层里面， ok， 那 项目城里面应该写什么呢？就比如说拿我先 free talk 这个剪辑视频的项目来说，项目城最应该典型的就是，哎，比如说每一层级你的唯一的入口， 你的输入输出怎么放，你的内容生产怎么交接，包括你的一些发布和一些安全的规则，其实这些规则离开这个项目其实就不一定成立了，但是如果只是在这个项目在成立的规则，那就应该写在项目城里面， ok， 如果你也想要开始配，我建议大家理解完这三层的东西之后，然后就够用了。然后如果怎么配置呢？其实很简单，一是我呃在视频后面会分享到相关的一些配置到呃我的粉丝群里面， 然后如果大家呃不感兴趣，也可以去搜索一些，比如说像 tiktok 上面一些高新的一些配置，比如说像 everything cloud code 啊，然后把你这种当做下来的一些规则文件发给 cloud code， 然后它可以根据你的通用层和项目层帮你去抄一份属于你自己的 cloud md。 但是呢，呃，你可以在后面跟它按照你的一些项目细节去补充 啊。写完之后他会有什么变化呢？就最直接的变化，不是说他会马上帮你把这个页面做的好看，或者说帮你把这个项目做的很很厉害，对吧？而是说他会让你的写作更顺，也就是写之前你可能反复在解释，然后他可能会给你一些泛泛的建议。 写之后呢，他会更更容易按照你的项目节奏直接去开干，以及按照你定义好的边界和风格来做，所以他 不会变得完美，他会更像一个更懂你的一个项目的写作者。所以说，总结下来， cloud md 的 本质就是把你反复叮嘱 cloud 的 话一次性写清楚，先分先分成，再定规则，再让 cloud 干活， 然后他才会越来越懂你。 ok， 我是 fred， 后面我会持续用真实的案例告诉大家怎么把 ai 用进自己的工作流里面，我们下期再见。
4485FredTalk
09:58查看AI文稿AI文稿二零二六年 ai 圈最火的概念莫过于 harness engineering 了，但从二月份 open ai 发文到现在，我翻遍了全网的讲解，发现几乎都是在讲概念， 怎么落地，怎么实操，竟然没有人说。所以今天我就从原理到代码实践给大家讲明白 harness 是 什么。并且你听完后啊，可能会发现自己的智能体已经在往 harness 这个方向发展了。 先说一个你很有可能的误解，很多人看到 harness engineering， 第一反应就会把它和题日词工程还有上下文工程挂上关系。 这个理解不能说是错，但并不是 harness 的 本意。题日词工程解决的是你对模型说什么，指定写的有多精准，角色设的有多么的清晰。上下文工程解决的呢，是模型能看到什么，记忆怎么存，长，文档怎么切，历史怎么压缩。 而哈尼斯工程解决的是模型在什么环境里工作，去调用哪些工具，怎么调度，权限怎么控制，出了异常怎么兜底，三件事情，三个层面同步引进，不存在谁取代谁。就好像写程序，你需要好的算法，好的数据结构，好的内存管理，少了哪个，你的程序都跑不通。 那 harness 到底是什么最直接的公式啊？ agent 等于 model， 加上 harness， 模型是大脑， harness 是 它的工作环境。打个比方， java 代码是跑在 j b m 上面的， python 呢，是跑在解释器里面，模型呢是跑在 harness 上面， 那 harness 就 决定了模型能调用哪些工具，调用怎么被安排和调度，上下文快满了，怎么压缩用户没授权的操作，怎么拦截这些东西啊，模型自己不会负责，也不应该负责，这是基础设施该干的事。 还有一个很常见的误区，很多人啊，会把 longchain、 spring ai 这类框架直接当成 harness， 这是不对的。这些框架呢，是脚手架， 它帮你把工具调用、模型接入这些东西，封装好，让你少写很多的代码。但它本身不是 harness， 它只是让你更容易的去搭出一个 harness。 真正的 harness 呢，是跟着业务走的，不同场景长得完全不一样。拿两个极端的例子来对比， cloud code codex 这类 agent， 面向的是 c 端，用户，跑在操作系统上，工具呢，基本是文件的读写，终端命令，这些场景很开放。 而你自己做的业务 agent 呢，面向的可能是 b 端，跑在数据库和内部的服务上，场景是有边界的，对权限的控制和稳定性的要求完全不在一个量级。同一套模型，哈密斯不同，能干的事啊，和能信任的边界就完全不一样。那接下来我就从 cloud code 的 源码中带你了解什么是哈密斯。 我们先看一下 c c 的 主流程编排层，也就是 query engine 这个类，里面有一个叫 submit message 的 函数，所有你跟 c c 的 对话都是从这里进和出的。阅读这段代码后啊，你会发现，前面的三百多行代码全是在准备工作，没有任何大模型的调用， 那里面包含了环境的准备处理，用户的输入、落盘、系统出式化消息等操作。其中我挑选了两处最能体现 harvest 这个函数， 他把 kusu 啊包装了一层，做了一件事，每当一次工具的调用被拒绝，不管是用户手动拒的，不可拦截的，还是 classify 判定不安全的，这个包装啊，都会把记录压入一个叫 permission denies 的 数据库， 记录下来。哪个工具哪一次调用的 id 传了什么参数，那模型在整个执行过程中啊，使用者对此是无感的。那记录这些的意义是什么呢？为什么能体现出 harsh？ 其实这份记录是给 sdk 调用方用的，像审计 a 技能的行为调优，权限策略啊，都靠它。 每次任务跑完，你就有一份清单， agent 在 这次绘画里面总共碰壁了多少次？异常的点在哪里？如果某个工具被高频的拒绝，说明 agent 的 行为啊，和你的权限配置之间有异常，你得回来调。 但最关键的一点是啊，模型知道这次被拒绝，但不知道自己这次绘画总共被拒绝了多少次。而 harness 帮他统计了这份清单，并且汇总专门给外部系统用不进模型的上下文。所以 harness 不 只是在控制 agent， 他 同时也在观测 agent。 第二个是 record transcript 的 这个函数。这个啊，在模型调用之前，他做的事就先把你这条消息落盘注示解释了。为什么 如果说进程在 api 响应回来之前被强制终止，比如说机器断电，用户按了 stop， 那 绘画可以从这个断点恢复。如果等模型回来再存，中途断掉，那这条消息就丢了， resume 就 找不到记录了。 用户几乎感知不到这件事情正在发生，但他一直在保护用户。那这一点我相信很多大模型开发的同学都会这么去做，不可能傻傻的等到大模型的结果回来之后，再把用户的消息去进行持久化。所以这两个位置合起来说明一件事情，模型在开口之前， paris 已经在旁边做了很多用户看不见的事情。 接着我们看一下 cc 的 指定装配层。这边我要对比的是两处都在构建系统提示词这个函数里面。 第一处没错，就是这三行代码。在这个判断中，如果 override 存在函数，直接 return 后面所有的 prompt， 不 管你是在 cloud 的 md 里面写的规则，还是你定义的 agent 的 指令，全部都跳过一行都不跑。 那什么场景会触发这个呢？当 cloud code 被当成一个子 agent 嵌进自动化的流水线，副 agent 开这个子实体的时候，就会通过 override system prompt 给它指定一个完全受控的身份。 比如说你只做代码审查，只输出 jason， 那 cloud code 就 会把所有的默认配置全部架空，你可以认为是 sub agent 的 概念。 注意啊，这里的替换是什么力度？不是优先级更高，是其他的根本不跑。三行代码中，模型对自己是谁的认知完全被替换，这给刁永芳一个干净的白板，没有任何底层默认值泄露进来。 第二处， proactive 模式同样是 agent 的 定义，普通模式下， agent prompt 直接切换 default prompt 模型变成了个 agent。 但在 proactive 模式下，它是这样做的。 在这段代码中的注示中有说明， proactive 啊，不是换了一个人，而是给这个人增加了新的技能。同一个 agent 的 定义文件会有两种执行模式，模型的身份啊，完全不同，普通模式是换人， proactive 模式是加技能。当然了，这个决策也不会在你的 prompt 里面体现，而是 harness 自己帮你做的。 然后我们再看一下 c c 的 工具调度层。这边啊，我选了同一个文件中的两处代码。第一处，我们先看一下 is currency safe 这个函数， 在 c c 中啊，每个工具会自己声明并发安不安全，那 harness 则会调用这个函数来进行提问。那如果这个方法本身抛了异常，不管是什么原因，比如说解析 share 参数失败啊，工具里面有 bug 啊，那捕获了这个异常之后啊，就会直接 return false。 按照常规的软件工程来说，捕获异常我们会向上抛，抛到上层，进行统一的管理，但这边的报错，它并不会抛给上层，而是降级到串行。那为什么会这么做呢？ c c 认为啊，病发出错付出的代价，比如说数据损坏，文件冲突要远大于花一点时间进行串行。 harness 的 默认哲学是，不确定的时候选安全的那条路。 第二处， run to 函数里面对病发败局的处理，当一批工具都是病发安全的，它们是同时跑的，但是注意里面有个 map 结构， key 是 工具调用的 id， 工具跑完之后啊，它对执行环境的状态修改。 比如说我刚才写了哪个文件，但这个操作并不是立刻应用的，先是被压入这个 map， 等整个并发的半局完全完成之后，再按照顺序一个一个的把修改应用上去。 也就是说，工具的执行是并发的，但状态的更新是串行的，有顺序的。那听到这里，如果有开发同学应该会比较熟悉，其实跟我们平时使用的现成池差不多的原理。 所以说如果不这样做，两个并发工具同时改同一份上下文，谁厚写谁覆盖谁状态就乱了。这个问题啊，被 harness 在 基础设施层解决掉了，模型那边发出工具调用，收到结果，完全不需要关心这件事情。 接着我们再看一下上下文。治理层在 to use context 这个文件中有两个字段， set app stat 和 set app stat for tasks。 普通的 set app stat 在 sub agent 里面是一个空的操作，不做任何的事情，这是有意设计的。此 agent 不 应该直接改副 agent 的 全剧状态，否则嵌套会越深越乱。但是第二个字段就不一样，注示里面写得很清楚， 不管 agent 嵌套了多少层，它都能写到最外层的绘画状态，而且专门用于比单次绘画活的时间更长的东西，比如说 background， task， clean up， hook， session 级别的注册等等。 那实际的含义是什么呢？一个嵌套了三层的 sub agent， 可以 通过这个接口在最外层注册一个清理任务，在整个绘画结束时执行。这个能力啊，不在模型身上。在 harness 上第二处 agent id 字段，这个字段只有 sub agent 才会被赋值，主线称没有，这个字段是 undefined。 注示里面说，你可以在户客的逻辑里面这样判断，如果 agent 的 id 存在，说明这次工具调用来自某个子 agent， 如果不存在，说明是主线程。根据这个啊，你可以给子 agent 的 工具调用，增加额外的审批步骤，或者完全不同的权限规则， 同一个工具，主线程来的直接放行， seven agent 来的要多问一句，那这条逻辑不在模型里，也不在工具里，而是在 harness 里。 如果说你想对谁发出的调用有不同的应对方式，那不用改模型，也不用改工具，改的是 harness 对 不同调度来源的响应。 好了，关于源码，我们先分享到这，现在把四段源码串起来，你就能看到 harness 的 真实面貌。模型调用之前，有一层系统在为他准备好一切认知框架、工具、权限、调度策略。这些东西啊，不在提示词里，也不在上下文里，但没有它，提示词写的再好，上下文管的再精， a j 呢？还是跑不稳。 所以记住这一句，模型决定了 agent 的 上限，但 harness 决定了 agent 的 下限。最后我想说的是， ai 时代下，做好智能体往往不是选对了什么框架，而是你要把智能体想要成人的大脑去模仿，大脑会做什么事，哪些地方需要记下来，哪些地方可以忽略， 哪些地方需要较验，那又有哪些地方需要被约束？这些判断才是真正决定智能体上线和下线的关键。所以，正如我前几期视频所说的一样，产品思维和架构思维在智能体时代显得尤为重要。 ok， 那 以上就是本期关于 honeyse engineering 的 全部分享。不得不说啊，在 ai 浪潮下，保持清醒的认知最重要，不要人云亦云，我是布鲁，你的 ai 好 搭子，我们下期再见！
2373布鲁404
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。
867AI随风
02:37查看AI文稿AI文稿百分之九十写了 cloud md 的 人，其实不知道他是怎么加载。今天我用官方文档加上实际验证，带你彻底搞懂。 cloud md 就是 个纯文本文件，你在里面写的指令 cloud 每次对话都会自动读一遍，本质就是你不想每次重复说的话写进去就行。但有个很重要的点， cloud md 不是 系统提示词， 它是作为用户消息注入的，也别把它当强制配置。 cloud 会尽量遵循，但不保证百分百什么时候该往里写。官方给了四个触发场景，第一， cloud 第二次犯同样的错。第二， code review 发现他应该知道的事。 第三，你第二次输入，同样的纠正。第四，新同事需要的上下文。记住一点，每次绘画都需要的事实才放这里，那种多步骤流程或者只对某部分代码有意义的放到 skill 或者 rules 里。接下来是今天的重点 加载机制。 clod code 启动的时候做两件事，向上便利和全部拼接。向上便利就是从你当前工作目录开始，逐级往上找 clod md 和 clod local md 全部拼接，就是找到的所有文件全部拼接到上下文中。别搞混了，是拼接，不是覆盖。给大家看我的实际案例， 我在一三一 sq 净化这个目录下工作， cloud 启动时从下往上找，先找到当前目录的 cloud md， 然后是负一级一三零净化实验室的，再到负二级个人仓库的，最后是全局用户目录的，一共加载了四个文件，全部拼在一起，冲突怎么处理？后说覆盖，先说更深层级的文件排在后面，因为 l l m 的 特点就是后输入的权重大于先输入的同一层级内 cloud 的 入口 md 追加在 cloud md 后面， 所以你的个人笔记是那个层级最后读到的优先级最高。还有一个细节，子目录里的 cloud md 不 会在启动时加载，只有 cloud 读取那个子目录时才触发。这设计很聪明，省上下文空间。搞懂了加载机制， 来看文件该放哪一共三个层级。第一，用户全局级，在点 cloud 目录下的 cloud md， 对 你所有项目生效，适合放个人偏好和工具配置。第二，项目级，在项目跟目录下 cloud md， 或者点 cloud 目录下的 cloud md， 这俩是等价的，选一个就行，通过 get 跟团队共享，放架构，工作流命名规范这些。第三，项目本地级 cloud 的 local md 只对你自己，只对当前项目生效。加到 git ignore 里，适合放 api 地址，测试数据，不想提交到 get 的 东西。第一个高级功能， add 导入，在 cloud md 里写 add lmd， 就 能把 lmd 内容也导进来，支持相对和绝对路径，最多五层地归。但注意，导入的文件也会在启动时加载，不能用来省 token。 第二个点 cloud 斜杠 rules 规则，系统 大项目可以把指定拆成多个文件放在目录下，没有 pass 配置的无条件加载，有 pass 的 只在操作匹配文件时才加载。比如你设一个规则，只在编辑 type script 文件时才加载 a p i 规范很灵活，怎么写好 cloud md 四个字，具体可验证。写，用二空格缩进，别写格式化代码 写，提交前跑 m p m test 别写，测试你的改动写 a p i 在 s r c 斜杠 a p i 斜杠 handles 别写，保持文件有序，关键限制每个文件两百行以内抄了 cloud， 遵从度会下降。隐藏技巧 html 注会自动被过滤，不消耗 token。 常见问题， cloud md 写了但不生效。 跑斜杠 memory 确认文件有没有被加载，检查位置对不对，指令够不够，具体有没有冲突。第二，斜杠 compact 之后指令丢了，跟目录的 clod md 会存活。 compact 后 clod 会重新从词盘读取，指目录的不会自动重新注入，对话里的指令会被清除。 所以重要的东西一定要写进 clod md 怎么快速开始？最简单的方式，在项目跟目录创建 clod md 写入构建命令和基本规范，或者直接跑斜杠 in it， 自动分析代码库生成像交互式配置的设 clod code new in it 等于一再跑斜杠 in it。
320土木AI提效大古
02:51查看AI文稿AI文稿很多人以为给 cloud 写技能很麻烦，要手写代码，要懂格式等等，其实完全不是。今天我教你最简单的方式，让 cloud 替你写技能。我们先花三十秒了解一下技能长什么样。 一个技能就是一个文件夹，里面通常有几样东西， skill 点 md 核心文件，这个必须有 script， 放可执行脚本，比如自动发邮件，调用 api 的 代码等等。 reference 放参考文档，比如你公司的写作规范，行业术语表等等。 assess 放模板素材，比如固定格式的周报模板，邮件模板等等。 记住一件事就够了。 skill 点 m d 是 灵魂，其他都是配件。 skill 点 m d 分 两部分，第一部分是原数据，就是一段固定格式的说明， name 添技能名称 description， 写这个技能是干什么的，什么时候用， 其中最关键的就是 description， cloud 就 靠这段话来判断要不要加载这个技能。 所以 description 必须说清楚两件事，能做什么，以及什么场景下用， 最好带上你平时真实会说出口的关键词。第二部分是正文，用普通 markdown 写清楚步骤，视力常见问题就行，没有什么特别格式的要求。流程总共分三步，非常简单。第一步，先口头描述需求，把流程跑通。 比如我每周需要整理客户反馈，按问题类型分类，生成一份儿总结报告，然后一起把这个流程完整跑一遍，确认结果是你想要的。第二步，用 skill creator 封装流程跑通以后，直接说用 skill creator 把我们刚才的流程封装成一个技能，它会自动生成格式规范的 skill 点 m d 原数据， description 步骤指令全部帮你搞定。第三步，启用技能这里分两种情况，如果你用的是 cloud， 点 ai 网页端，把文件压缩成 zip， 进入设置里的技能页面上传开启就行。 如果用的是 cloud code 更简单，封装好之后直接就能用，不需要上传任何东西。 cloud 会自动识别本地的 skills 文件， 之后只要你说出触发关键词，它就自动加载，不用每次重新解释。如果你想改，直接告诉 cloud 哪里不对，让它自己改，全程一行代码都不用动。
182AI增长观察室
02:02查看AI文稿AI文稿很多人刚开始用 cloud code， 会把项目历史、技术决策和个人偏好全塞进 cloud 点 m d。 结果不是更懂你，而是更容易迷路。 第一条，越短越好， c l a u d 点 m d。 每次绘画都会被加载涌现，内容越多， cloud 真正理解代码的空间就越少。 第二条，不要只写技术站，没有禁止清单， cloud 会善意地引入他以为更优的方案，但那可能和你的项目历史完全冲突。 第三条，规则必须可操作，模糊口号对人有感觉，对 ai 没有约束力，能不能五秒判断一段代码是否符合才是好规则。 第四条，把 slay i 六幺 d 点 md。 当路由器，不是知识仓库，它的职责不是展开所有细节，而是告诉 cloud 需要架构、接口和部署信息时，分别该去哪里找。 第五条，敏感模块不要只靠根目录规则给 office billing info 这种高风险区域单独放本地 cloud 的 点 md， 相当于在危险地带加护栏。 第六条， cloud 不是 不会守规则，而是会忘。把格式化测试和敏感目录确认，这些事情交给 hook， 才是真正稳定的执行层。 第七条，如果你想解决 cloud 每次新绘画像诗意的问题，最简单的方法不是上复杂系统，而是让它读写一个可追踪的 memory 点 m d。 第八条，把你的工作方式写进 cloud 点 md。 比如先给方案重大变更，先问回复，用中文路径，用绝对路径，这样 cloud 第一轮就知道你在乎什么。 这篇文章最后的落点很直接，第一，删到两百行以内，第二，加禁止清单。第三，把模糊规则改成可验证指令。第四，给 office billing info 这些模块加本地 cloud 点 md。
52沐晨AI笔记
