3dec的代码Claude能写么
hello， 欢迎大家回来，那我继续。上一节我们不是在五零九零上跑了一个本地的千万三点六的本地模型吗？之前也说了想在本地给大家测评一下同一个模型， 然后我们用不同的编程 a 帧，看看谁家的效果好一点。这里我给了三份代码， 嗯，但是其中有一份是用原来就是 q 的 x gpd 五点四那个版本进行写的，然后那个版本呢，我是写来自己要用的，所以花费的时间或者功能会多一些， 然后这下面呢，我后面又相当于直接把功能需求，嗯，应该每一个文件夹里面都有有一个设计说明 都是一样的，哎呀，好卡呀，这样，这有一个设计说明都是一样的， 然后就让大家就是不同的那个编程 a 帧去写吧，写我们的功能写出来，看一下谁的效果最好，或者，嗯，各有什么特色那。 嗯，为了嗯，这里我就不给大家，实际就是一点点展示啊。我电脑这边录着屏跑起来有点卡，我先给大家看一下，第一个就是我 这个是那个 c c root， 就是 cloud code root 呃的一个， 这个是 cloud route 的 一个配置，嗯，这里我们就是用的本地的千万，然后这里进行第二个，所有的配置全都是用的本地的模型， 那我们再看一下那个 open code 这边， open code 这边我们也可以看到也是全用的本地的千万的模型来进行， 嗯，代码编程的，那，嗯，实际的编的过程呢，我就不给大家看了，反正我分别把这些代码弄成了三个包，然后我把它传给了那个 gpt， 让 gpt 给我们进行分析 啊，这边 gpt 还在跑啊，有点慢，我们可以稍微等一下， 因为这个过程。哦，好，呃，他已经出来了， ok， 其实，嗯，大家可以看一下嘛，这里三分八个， 这里他给了我们三个，待会我给大家看，我们可以先看一下效果，等他先生成，没关系 哦，有点慢呐，这样，哎，哦，出来了，这是 t 一 的一个效果，我们先留在边上，然后我们看 t 二了， 哎呀 啊，这是 t 啊， t 二的效果， t 二的也跑出来了， 这是 t 二的效果，嗯，顺便看一下这个，我觉得应该是可以挪动的，因为我让它是用那个容器写的， 然后这是 t 一， t 一 的话，嗯，看起来就没 t 二好看，是吧？ t 三 啊，那我刚把它的虚拟环境给删了，那这样对 t 三，我看是不是出来，哎啊，再跑啊，这是 t 三， 呃， t 三，是啊，这里就直接给大家公布答案了吧，我们我们回到那个 g p 的 那个报告这里，嗯，先把这个报告下下来，我们待会儿再看。 第一个 t 三的版本，九十分的那个就是我用叉的 gpt 的 code x， 就是 open i 的 code x 写的，然后它做出来效果会非常的好。 接下来这是 t 一， 然后眼尖的朋友可能也已经看到了，就是 t 的 文件夹里面有一个点 cloud 的 隐藏文件夹，大家这是第一个嘛？第一个，这个就是 cloud code 使用 后台的一个就是我们的千万三十六币的模型写的，只能说，反正就是当时写用克拉克特写的时候改的错误倒挺少的，他有很多错误，他自己调 n c p 的 这个工具自己 迭代，然后把错误修改好了。这个，但是我觉得他写的就是有点问题，我还给他反复改了，让他用那个用恰特，但是我不知道为什么，最开始是画了三根横线，然后用的也不是用的那个拍赛的空间来写的，就奇奇怪怪的， 然后这边写出来的感觉没有第二个好。第二个的话，那也就是我们用的 open code 写的这个背景是有问题的，应该是我电脑这台电脑显示的问题，包括我用 code x 写的这个也是背景有点问题。正常看到就是那种蓝白啊，那个就是科技蓝嘛。 来吧，我们继续看。然后 t 一 它又说需求覆盖可以，但现成刷新配置明显就有问题， t 二就是工程拆分的更好，然后那个拍 qt graph 用的更对，但流行阻塞啊，炼乳也有问题， t 三肯定优势很大，对吧？我们说 t 一 就是说他 t 一 整体的，呃，他觉得 ui 风格不错啊，但是我们看起来我觉得 t 二好看一点，但是 t 二那个设计我们看报告这搞的， 反正就是目前 g p c 给出的评分就是，呃，不分伯仲吧。 啊，这里啊，测评方式把它测了，肯定他觉得 t 一 就是 c c 写的更好。 t c t 三的话，嗯，就是肯定，我们不管嘛， t 一 的需求覆盖会更高一点，就是相当于 c c， 它在编程优化里面它的那个需求覆盖会更高一点。 我们不看 t 三了，我们只看 t 一， 看到没，它进行了一个评分，觉得 t 一 的更好，然后现成模型也是 t 一 的更好，但是工程结构和可维护性 t 一 好像就没有像。 t 就是 open code， 就是 cloud code， 其实的工程结构性没有 open code 的 好。 open code 这边我默认是用了我们 open code 的 一个插件，也是 o m a 哦那个 o m o 的 插件的，然后趋势对于实时数据就就是我们直接看看 ui 看出来其实贴这个 open code 是 做的更好的，这里就是 好的，我们就直接写出来了吧。 然后这个是扣的，应该是扣的 x 是 是五点四写了挺挺多次的，这两个都是用了本地的离线的模型啊， 然后最后一个 ui 完成度大家都觉得差不多，嗯，其实就我看到的眼睛看到的是觉得我更扣的更好， 但那个就是就是 t 一 的话，就是 cloud code 和 open code 就 目前看起来偏向其实是不一样的，然后它具体的测评就是包含了一些东西， 然后 t 二。所以其实如果模型相同的情况下，目前针对来说 cloud code 和 open code 其实能力各有偏好， 但是在本身编程逻辑和一次成功性上， open code 当时是应该是提示词，可能写的太简单，我直接让他按照事体说明帮我写一个 pc 软件，导致他有错的时候，他没有回归迭代，导致我手动介入了十来次才完成，然后 cloud code 我 只介入了三次。 所以说大家也可以看出来 cloud code 在 编码本身就是需求覆盖的部分会做得比 open code 好， open code 在 ui 和那个结构上会做得更好看一些。 ok， 那 其实经过本地模型的对比，能说能不能用呢？大家也可以看一下这个分数吧，你懂的。 就是如果我认为扣的 x 在 我花嗯半个小时到一个小时的时间，我能做到九十分，这个只这两个的时间都很短，大概是十分钟左右，括号和空扣的他们就是哪怕我人工介入了之后，时间也是十分钟左右就写完了。 这个多叠的一点呢？我觉得是叠的不到这个分数的，只是可能能把分数往上提一点，那肯定做不到那边的这个效果。 大家可以有一个量化的性质去看我们是不是还是需要云端的模型，只是说这个模型已经解决了。嗯，最基础的就是能不能用的问题吧， 所以千万三点六在本地部署呢，也是 ok 的。 然后大家后续如果有其他想看的也可以私信我。
粉丝920获赞4440
相关视频
03:13查看AI文稿AI文稿最近半年使用 cologod 安装了近百个 skr， 最后发现真正能提升工作效率的其实只有三个技能，今天免费分享给大家。第一个， superpowers， 这个 skr 改变了我用 cologod 的 方式。以前我是直接把需求交给 cologod 的， 让他来写代码，写出来虽然能跑，但是经常跑偏，改来改去浪费大量时间。 装了 superpowers 之后，我养成了一个新习惯，每次开弓前先跑一遍，不认英斯德尔敏。这个技能能让可洛的反过来问我问题，你打算怎么处理并发数据库选什么 等等等等。问完一圈，他会把讨论结果写成设计文档存到本地。听起来多了一步，但这一步帮我拦住了无数次的反攻。有些问题你自己都想不到，但是可洛替你想到了。 注意， superpowers 包含了二十多个紫技能，千万别全开，我只用 breamstorming， 头脑风暴， 其他的按需加载，要不然会浪费大量上下文。第二个技能， playing with fails， 这个技能解决了我被坑过无数次的问题。 cloud 有 个问题，它做到一半就失忆。不知道你们有没有遇到过 一个复杂的任务，聊了半个小时，可乐突然说，好的，让我们开始吧，然后就把之前做过的事情又重来一遍。根本原因是对话太长了，上下文被压缩，之前的计划全丢了。普莱因维的 flow 的 做法很聪明，就是别把计划写在脑子里，它是存在纸上 克拉的扣的。每次动手前会先建一个计划文件，每完成一步就在这个文件里打勾，就算上下文清空了，重新读一下文件就能接着干。 这个思路跟 minnes 很 像， minnes 做常任务为什么玩？因为它所有的中间状态都存在本地了。第三个技能， roughlop， 我 给这个技能起了个外号，监工 sky， 你一定体验过 cloud 的 摸鱼模式。写到一半突然说基础框架已经搭好了，你可以在此基础上继续完善。 翻译过来就是活我没干完，我先下班了。 raflopp 通过一个或可拦截 cloud 的 退出动作，他退出的时候或可会检查。你说的完成标准达标了吗？没达到，回去继续写。 我用它写过，完成过一个 c r u d 模块，设了条件，所有接口测试通过加 redmi 写完才算结束。 kloth 中间响停了三次，但都被塞回去了，最后确实把活干完了。但要注意的是，完成条件一定要写写具体做完用户模块这种话等于没说， kloth 分 分钟说服自己已经完成了写成。完成登录接口可用 单元测试，覆盖率百分之八十。加 redmi 包含 api 文档，它才没法浑水摸鱼。以上就是我常用的三个技能，今天希望能够对大家有所帮助，感谢观看，拜拜，下期见！
3.2万PM.姜同学
02:14查看AI文稿AI文稿很多人用 cloud code 大 半年都不知道它的终端里藏着一堆能直接拉满效率的隐藏命令，只会打字发需求，不仅效率低，还总踩坑。 ai 乱改核心代码绘画聊多了就跑偏，改崩了还不知道怎么撤回。今天一次性把 cloud code 的 十二个实用终端命令分三个梯队讲透，从新手入门到高手进阶，看完直接照着用。 第一梯队，新手零门槛必用，日常开发天天都会用到。 init 是 项目出土化神器，一键识别技术站和目录结构，自动生成标准。 cloud md 项目记忆文件，新开项目第一条命令就用它。 cap 就是 官方自带的命令说明书，忘了任何命令怎么用，直接输入它功能和用法，一键调出 clear， 可以 一键清空当前绘画记录，重置对话状态，换新需求，换项目，不用新开窗口，直接重新开始。 ios 一 键列出项目完整目录结构，不用手动翻文件夹，快速让 ai 了解项目全貌，也方便自己核对文件。第二梯队是开发高频刚需，也是最能帮你避坑的几个命令，建议直接背下来。地图是代码改动核对神器，实时查看 ai 改了哪个文件、哪一行什么内容，确认没问题再保存，避免偷偷改乱核心代码。 安卓就是改崩救星，只要 ai 改完代码不满意甚至改崩了项目，直接一键撤销上一次所有文件改动。 compact 是 上下文救星，绘画聊得越多， ai 越容易跑偏，它能一键精简，无效上下文，保留核心信息，让需求重新聚焦。 mod 可以 快速切换 plan、 edit、 esc 三大模式，比如输入 free mod， esc 就 能切到只问答不改代码的安全模式。第三梯队是进阶高手，私藏命令冷门一点，但在关键场景特别实用。 group 后面跟上要锁定的文件或目录路径，就能禁止 ai 修改这些内容，比如核心配置和底层依赖，杜绝乱改关键文件 reset 比 secure 更彻底，不仅清空绘画记录，还会重置项目临时状态。换项目时用它全新启动，不串旧上下文。 get， 可以 一键查看指定文件的完整内容。后面跟文件路径不用手动打开文件，快速核对代码内容， reload 会重新加载整个项目文件。如果你手动改了项目里的文件，输入它，就能让 colot code 同步最新状态，不再用旧代码干活。 这十二个命令覆盖项目初识化，日常开发还错避坑和安全管控没有花里胡哨，全是能实打实提升效率的干货。收藏起来，用的时候翻出来照着书就行。关注我，带你吃透更多 colot code 的 高阶玩法！
4211阿森编程日记（AI自动化）
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
08:51查看AI文稿AI文稿你在写代码的时候是不是还在网页里来回复制粘贴到你的 id？ 那 么如何把大模型接入到你的电脑，成为你自己的一个啊 ai 助理呢？ 那么下面我来带来给大家接入，我最近在用的方案就是 cloud 加 deepstack， cloud 我 们就知道是目前最强大的 ai 助理，然后 deepstack 也已经被量身的价格打到了，甚至和电费一样，那么我们如何操作呢？ 我们首先来安装一下 cloud， 在 安装很简单，只需要一行命令，我们只需要在 cloud 官方界面复制这一行代码，如果是 mac 和 linux 用户，我们可以在这一行里，如果是 windows 用户，我们就只需要复制这一行代码，然后打开你的终端， 然后粘贴进去。 好的，这样的话呢已经提示我们安装好了。然后呢我们如何将 disk 来进入到我们的大模型呢？ 那么我们如何将 dp 卡来接入到我们的 cloud 里呢？接下来呢我们就要分享一个开源工具 c switch， 它是一个大模型网关，它可以将它可以将 diffic 或者是其他的模型。然后呢接入到你的 cloud 或者 codex 里， 那么我们只需要在他的 get up 首页找到他的，找到他的发布页，然后在这里选择你电脑对应的啊软件就可以，我们这里选择 mac， 我 们这里只需要安装，然后呢就可以打开我们的， 这里需要 s。 好的，这里呢我们只需要来添加我们的模型就可以。那么下一步呢，我们就需要去 deepsea 的 网页来去获取我们的 api， 我 们打开 deepsea， 在 这里选择 api 开放平台， 然后我们登录。 然后呢我们在这里选择 apik， 创建一个 apik， 我 们来给它起一个名字， 那么这个 a p i k 呢是唯一生成，那么这样的话呢，红灯 k 就 已经创建好了，它只限时这一次，我们可以在这里复制下来，然后如果忘记了，你就只能把它删掉了，再重新更新一下。 我们在这里呢选择 deep sea， 嗯，我们这里的模型厂商呢，选择 deeppeak。 我们这里的模型厂商呢，选择 t 器，选择我们的 a p i t。 然后呢我们需要添加一下模型影视，如果你不知道怎么填写，可以参考我这里直接解锁一百万上下文的长度， 那我们点击添加。然后这样的话呢，它已经把我们的 d p c 接到了我们的 cloud 里选，那么我们如何使用呢？我们可以选择终端。然后呢输入 cloud， 输入 cloud， 如果他说并没有找到 cloud 呢，我们需要将 cloud 添加到环境变量里，我们可以输入这两行的， 然后就可以进入了，这里，我们可以选择一下模式。 然后呢我们就可以看到这里已经接住了，已经接入了 deep shadow v 四 pro 一 百万上下文的。然后呢我们可以在这里通过斜杠慢呢来切换， 来切换不同的模型。那么这里呢还是选择点模型。然后呢通过使用 connect 来检查我们的上下文，来检查我们的上下文， 来给它装一些我们日常使用的一些 skill， 比如说我这里推荐这个 skill auto research skill， 它可以呢让你的魔性呢不断地去迭代，不断地去牵挂。针对同一个问题呢， 它可以让你的模型呢针对同一个问题，不断地去迭代，不断去强化无人之手，就像一个让你的这个系也能发挥出 gpt 的 pro 的 效果。然后呢我们如何安装呢？我们可以直接复制这，我们可以直接复制这 还有一些像我平时分享的论论文润色的一些 skill， 我 们也可以。那么如何安装呢？只需要将这个链接附到这里，然后呢告诉我们的，告诉我们的 code， 然后我们直接需要让他帮我们来安装就可以， 我们就可以直接。好的，那我们接下来进入实操环节，比如说我想要生成一个 简单的调研报告，并解释放在这个位置，我们如何使用呢？我们只需要将这个文件在，我们只需要将这个文件夹在终端里打开，苹果用户呢，可以将它直接拖拽到终端这里，然后呢 我们直接按住 cloud， 我 就在这个文件夹里进入，进入了 cloud， 然后呢我们只需要把要求给它， 我们希望他调用 auto research 来帮我们做一个文献调研，并且生成一个 word 文件， 你可以看到 jamie， 这是他来给我们生成的。 去看它的格式，还有一些问题，我们也可以后续去搭配一些更改格式的 scale， 然后让它来将我们的格式修改一下，或者直接来润色我们的论文。 那么 windows 用户呢，我们也可以直接在这里输入 cmd， 然后呢输入 com， 从而这样的进入我们的文件夹，然后在这里呢，你可以让他帮你，可以梳理文件夹结构，帮你生成文件，甚至可以帮你。 然后呢你甚至可以直接告诉他你的你你所需要的工艺软件的位置，那么这样的话他就可以给你生成代码，然后呢去调用这些软件来帮你跑仿真，然后呢结束之后呢再去 bug， 然后呢再去继续给你跑，从而实现循环，更高的提高你的工作效率。
70决明子xyz
05:17查看AI文稿AI文稿大家好，今天再给大家分享一个好用的工具叫 browser honeys， 它是目前 ai 操控浏览器最省 token 的 一种方式，它非常的简洁，只有五百九十二行的 python 代码，然后上线三周已经突破了一万的 star， 呃， token 是 比以前的方式能省很多的 呃，目前我们 ai 操控浏览器一共有五条路径，一个是呃 cloud in chrome， 就是 我们平时用的比较多的一个 cloud 的 插件。然后第二个是 computer use， 就是 相当于你把 cloud 交给了呃的电脑，交给了 cloud， 让它去控制这个整整个电脑，但这种方式非常消耗托管，因为它需要截屏确定位置在哪 啊？第三种是 zenium， 这种是传统的方式我就不说了啊。第四个是 pre write mcp， 这是目前像那个 brother u， 呃，那个 use 啊，用的这个框架， 然后 brothers use 他 们现在开发出的 brother hannis， 这个是 c d p 直连的啊，为 ai 造的工具，这个是我们今天要重点介绍的，就前四个呢，它有各自的局限性。然后第五个就是专门给 ai 量身定做的啊，下面我给大家拆解一下。就是它的呃，架构呢，是 quad code 的 呃， 通过 c i 命令行，然后把这个命令发给了 d m， 然后 d m 再通过 c d p 的 web socket， 然后再到你的框，就就非常的简单简洁。它一共就四个核心文件，目前迭代了几个版本，它的命令的代码还是小于九百行的 啊，非常的非常的少，非常的简洁动，不像那些几万行的比起来还是简洁很多的。而且它是直接附用你的 cookies， 还有登录状态，所以能直接操控你的浏览器 啊，他本身还设计了一个叫自愈架构的，他有个 agent helps 啊，他开箱呢，就是你刚装完是空白的，你的 agent 通过各种各样的浏览器执行之后，碰到了一些问题他会解决，解决完之后他就会记录进去，相当于是一个自我迭代跟循环的。 然后仓库本身呢，就是你下下来之后，他已经有了几十个网站的这个操作的经验，就是你的 agent 用的时候就能直接去读取这些经验， 然后这样你一直用下去，它就有一个啊， feedback， feedback， loop， 然后正反馈的循环啊，就形成一个经验的，就是操作浏览器的一个经验的自动沉淀，因为每个网站的它的这个操作的方式可能有些细微的差别， 你怎么怎么去决策用不用这个软件呢？是，首先要看是这么判断的，首先要看你这个网站有没有专用的 m c p。 呃，你像 github， notion， slake 这些是有直接专用的 m c m c p 的， 就相当于它有 ipad 接口，你就根本就不要碰浏览器，你就去找他们接就好了， 通过那 mini 上去接就好了，这个就浏览器根本就用不着。那如果说你要开浏览器，那传统的现在用的可能多一点的就是 playwrite 的 mcp 啊。然后现在我建议你们大家都转成这个 bardeen， 因为它真的很省头，肯啊，非常的好用。 呃，反正大部分场景下 broderhanys 是 性价比最高的路线。呃，然后我我通过这个方式啊，我封装了一个技能，它这个技能的用处是什么呢？就是我们平时用这个追美版 a p i 不是 很贵吗？然后我用这个浏览器的技能接了呃追美版的订阅版， 就是它通过控制浏览器，然后打开 jimmy 订阅版的 jimmy， 然后输入这个提示词，然后就会自动把这个图片生成了，然后下载到呃项目的文件夹里，就这一套下来，你升图片相当于你就可以把额度用呃 jimmy 的 额度用满，就不用花这个 api 的 投肯了， 从投肯的消耗相比的话，大概比 content 柚子能省很多省省个八八倍左右。 呃，我的分享就到这里，然后我接下来会放一下我用这个呃 opus 四点六，然后控制我命令它，然后去生成图片，它自动调取我的技能 去呃生成那张图片并保存下来的过程。大家有兴趣可以接着往下看一看啊，欢迎大家关注今天我的介绍，先到这里，谢谢大家。
3751Simon林（产业资讯）
03:16查看AI文稿AI文稿你是不是还在像个打工人一样，天天从网易版 ai 手动复制粘贴代码？停！今天教你把今年的生产的王炸 cloud code， 变成直接操控你电脑的全能数字员工。就算你看到黑乎乎的代码框就发抖，今天也能轻松拿捏。 大家都吹 cloud code 的 牛，但百分之九十的非技术小白，一打开就蒙了，没有漂亮的按钮，只有一个黑乎乎的终端框， 光标像黑洞一样在那儿一闪一闪，第一反应绝对是大脑宕机，赶紧点击右上角关闭！这种代码恐惧症太扎心了！不仅如此，咱们平时用网页版 ai， 它被实时困在浏览器里，帮你写了周报，写了代码，你得还得去自己去全选复制，切回桌面见文件再粘贴 a a， 没有手脚，所有的物理体力活全在你身上。但如果我告诉你，这个让人头皮发麻的黑框，其实只是一个普通的三人微信群，而你只需要在这个群里面用大白话当甩手掌柜。咱们来看看这到底是怎么回事？ 欢迎来到这个神奇的三人工作群，群成员分工极度明确，第一位是你绝对的大老板，你啥代码都不用学，只管用人类大白话发号施令。第二位是 cloud， 你 的专属全能翻译官。 第三位是你的电脑本身负责干活的底层苦力。通过拉这个群， cloud 终于从浏览器里面跳出来了，真正长出了手脚。那个吓人的小黑框，根本不是什么生人勿进的技术黑匣子，它就是你们三的聊天界面。 你跟 cloud 聊大白话， cloud 转身就用机器二号来命令你的电脑去干活，分工明明白白，可是问题来了，当黑框里突然像黑客帝国一样疯狂滚动，你根本看不懂绿油油的杜尔玛时，你该怎么办呢？ 应对策略，其实只有极其简单却能让你瞬间解脱的两个字。这两个字就是，无视他！对，千万别慌，那只是 cloud 正在用机器语言跟你的电脑进行激烈的私信聊天。 遇到这种情况，你该喝咖啡喝咖啡，耐心等待一会，等他俩聊完了，代码不滚了， 光标停下来，等你指示了，你继续敲你的大白话就行了。只要把这层底层的协议逻辑吃透，你的心态就可以彻底放松。一旦你捅破了这层窗户纸，效率回报是极其恐怖的。你以为他只能帮你写写代码吗？那格局就太小了。接下来我要展示的真正操作， 可能会颠覆你对 ai 的 认知。当你让 ai 触及到电脑底层的时候啊，它不仅仅是一个聊天工具了。现在呢，你只需要敲一句大白话，它就能直接操控你的本地电脑，帮你跑 photoshop 处理图片，甚至直接调用本地的软件帮你剪辑视频。 觉得不够夸张吗？你让他写篇好文章，他写完还能全自动打开浏览器，帮你一键排版发布到微信公众号或者是小红书上。所有繁杂的跨软件的工作呢，统统在一个终端的黑框里面，背你几句大白话，全自动驱动！
40萌祥种树
05:59查看AI文稿AI文稿今天这期视频我们只讲一件事，就是普通人怎么使用 cloudco。 很多人听到 co 的 这个词就认为是写代码，觉得跟自己完全没有关系，但其实 cloudco 除了超强的写代码能力之外，他还能做很多日常的任务， 比如说文件管理、数据分析、爬虫，甚至连修图剪视频的工作他也能帮你做。那么这个视频会从下面几个方面展开， 首先是怎么安装好 clolico， 然后配置国内的大模型，接着讲如何给 clolico 安装 skill， 并且用 skill 去开发一个网站，全程无管无废话。希望大家在收藏的同时能点赞支持一下，如果能关注一下那就更好了，感谢朋友们啊！那么第一步我们要下载一个软件，叫做 trace， 点击下载完成之后，我们把 cloudco 的 官方文档链接贴给他，然后输入，请你参考文档中的方法，帮我安装好 cloudco， 中间遇到任何错误或问题，请你自己查资料去解决。 这里他提示我们要先打开一个文件夹，我们照他说的做，我们可以直接新建一个文件夹，就叫 cloudco 安装， 很快他就开始思考并且自主的完成任务了，这个过程当中他可能会跳出各种对话框来让你批准权限，我们直接运行就好，大家可以等待十分钟， a 准就会自动完成所有的安装步骤。 接下来我们要给 cloudco 安装一个运行环境，它的运行环境有 app、 网页端、集成开发环境 id 以及命令行，其中最简单使用的方式就是在 vsco 这种集成开发环境中去使用 cloudco， 我 们直接下载 vsco， 下载完成进来后，点击这个地方，输入 chinese， 点击下载，然后重启 vsco， 你就可以看到界面已经变成中文的了。然后我们再次点击左边的应用图标，搜索 colaco， 可以 看到一个插件叫 colaco for vsco， 点击安装， 然后它会跳转到这样的登录页面，平时如果想打开 colaco 窗口，点击右上角的小图标就可以到这步。先不用管我们下载第三个软件 cc switch， 我们先进入他的酷狗主页，在右边往下拉，找到 release， 再往下拉，找到适合你系统的安装包，然后下载安装。装好之后，我们打开 c c switch， 点击右上角的加号，在里面找到 deepsea， 再往下滑动，你会看到 a p i key 的 输入框，点击获取 a p i key。 跳转 deepsea 的 官网，登录进去后， 点击左边的 a p i keys， 在 这里你可以管理所有 a p i key， 这里的 key 相当于你的密码，千万不要公开泄露，不然别人也能用你的 d p c 账号。点击创建 复制这一行，到 cc switch 里点击添加，然后在页面上就可以看到你的 d c 了。点击第三个图标测试模型，可以看到提示 d c 运行正常，然后我们再回到 vsco， 重启 vsco， 它会自动弹出 聊天框，那我们在这里输入你好，你接的是什么模型，然后你就可以看到你的 d c 已经接入成功了。 要注意最后一步，你的 d p c 账户里一定要有余额才会成功。接下来我们来讲怎么给 clico 安装 skill。 打开 v s co， 调出 clico 聊天窗口，在我们当前的根目录下创建一个 skills 文件夹，这个文件夹表示我们这个项目会用到哪些 skill， 这里用一个网页设计的 skill 来给大家举例。打开 github 官网，搜索这个，点击 code， 下载它的压缩包，然后解压缩，并把它拖到我们的 skills 目录下。然后我们再来检查一下，输入 我已经下载我要使用的 skill， 并且放到 skills 目录里，请检查这一步比较重要，可以知道你有没有安装好这个 skill。 然后我们可以看到 plc 在 解锁 skills 目录以及刚刚我们放进去的文件，解锁完成后，你就可以看到它提示我们可以直接在对话里使用这个 skill。 然后我们再新建一个文件夹，比如这里我输入 person web， 表示我的项目路径。好，那我们再跟 plc 对 话，输入我已经新建好项目目录， person web 帮我设计一个个人网站， 接着他就会给出一个执行计划，使用刚刚我们导入的技能去设计网站，这期间会有很多权限申请，直接点同意就行，那么过一会你就会发现他跑完了，这里跑出来的啊，结果很简单，只是一个网页， 因为考虑到很多粉丝啊，是刚接触 skill， 就 不讲的太复杂，那么我们来打开他设计的网页看一看。打开我们刚刚创建的 personal web 目录，选择在默认浏览器打开，那么你会发现我们刚刚的网站就已经设计好了，不过它的 ai 味很浓，而且还是英文的。 我们跑出项目来，我们去怎么修改它，比如说一个中英文的按钮输入，请你根据我的要求进行修改，在右上角提供一个小按钮，点击可以切换中英文。 好，改完后重新打开网页，中英文切换按钮已经出来了，点击一下，我们整个页面都切换成中文了。那第一个功能我们就通过 ai 弄好了， 我们对这个网站还不太满意，怎么办？我们可以继续跟 cloud 沟通，让他再去修改，比如我想在关于我下面增加一个时间线，那么我们就把需求发给他， 让他再跑一会，然后重新打开网站，你就能够看到他的一个修改结果。这些内容比较基础，不知道大家有没有学会用 skill， 还想看什么内容？欢迎在评论区留言，如果对你有帮助，别忘了点赞三点支持一下。
791我是宇烨![[3] Claude Code MCP：连接外部工具和数据 MCP 是 Claude Code 的重要能力，它可以把 Claude Code 连接到外部工具和数据源，比如 Linear、GitHub、文档服务器等。
通过 MCP，Claude Code 不再只是理解本地代码，而是可以读取项目管理、代码仓库、团队文档等上下文，更好地参与真实开发流程。
这期视频重点讲：如何添加 MCP Server、如何为团队设置作用范围，以及如何管理上下文成本。
#ClaudeCode #Claude #MCP #AI编程 #程序员工具 #GitHub #Linear #AI工具 #开发效率 #科技前沿](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/eb53313bf31b85a90ca94c14cec4f080~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2102860800&x-signature=AACjR5Ux7y68hE%2BVS455cAUly%2BU%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=2026082400441407D675B81C50E4CEECA0)
03:37查看AI文稿AI文稿model context protocol 是 一个开放标准，让 cloud code 能连接外部工具和数据源。 当你提问时， cloud 会自动判断该不该用这些工具来更好理解你的问题。上下文是使用 cloud code 时最重要的部分之一。很多上下文其实在别处，比如数据库、效率应用或公开代码仓库， 这就是 m c p 的 用处。 首先，谈 agantica ai 时，要先理解工具这个概念， 工具让 cloud code 这类代理能执行操作，从而更好完成任务。这和普通 ai 不 同，普通 ai 通常只直接返回一段文字。比如你的团队用 linear 做项目管理，就可以添加 linear mcp 服务器，带入具体艺术的细节。 如果你想获取正在使用的某个依赖的最新文档， context 七 mcp 服务器就能把它提供给 cloud code。 cloud com connectors 上还有数百种不同连接器，你可以用 cloud mcp add 命令添加。 mcp 服务器 主要有两种类型， h t t p 服务器用于远程服务，它们由服务提供方托管，并通过网络连接。 s t d i o 服务器用于在你电脑上运行的本地进程。 在 cloud code 绘画里，用 m c p。 管理服务器查看连接状态，也能禁用不用的服务器。 m c p 有 三种配置范围，第一，本地表示只在当前项目里对你可用。第二，用户表示在你的所有项目中可用。 第三，项目范围使用提交到版本控制的 m c p j 四文件，这样参与代码库的人都会自动获得同样的服务器。 现在有一点要注意， m c p 服务器会把工具定义加入上下文窗口，即使你没有使用它们。所以如果配置了很多服务器，就会占用可用上下文。运行 m c p 查看连接，并禁用那些你没在用或觉得不会用的服务器。 如果某个工具有 c l i 版本，比如 github 的 g h 或 a w s 的 a w s c l i a 更省上下文，因为它不会加入常驻工具定义。这种情况下，你也可以考虑使用 skill。 skill 有 名称和描述，会被加载进上下文。和 m c p 类似，当 cloud 认为需要使用某个 skill 时，可放命令行工具。 如果 m c p 工具超过上下文窗口的百分之十， cloud code 会自动切换到工具搜索模式，按需发现合适工具，但效果可能没那么好，因为这些工具并不直接在上下文里。 快速回顾一下 m c p 把 cloud code 连接到外部工具和数据源， 用 cloud m c add 添加服务器，用 m c p jason 把它们限定到项目，这样团队会自动获得它们。同时要关注上下文用量，禁用那些你没有积极使用的服务器 好。
41AI 工具集
00:57查看AI文稿AI文稿大家好，那我是老王啊，老王关于这个 cloud 的 视频又爆了，因为老王一直安利大家赶紧用 cloud， 但是其实现在好多人啊，还没有分清这 cloud， cloud code 还有 cloud core 这三个东西其实不是一回事啊， cloud 就是 咱们普通说那种聊天网页上打开，它适合写文案啊，你接翻译啊，分析资料。 但是 cloud code 这个 ai 编程工具，它在你的电脑终端上跑的，它可以进入你到你的这个项目代码这个文件夹里啊，你读文件，改代码，修 bug， 跑命令。而这个 cloud cowalk 更像一个你的 ai 办公同事助理 啊，适合帮你这个处理文件，整理资料，生成报告，而且它是一个桌面版的，这个用啊，可以跟它这个截图对话干嘛的，都很方便。就说一句话总结啊， cloud 是 聊天入口， cloud code 是 代码入口， 那 cloud coworker 是 办公入口啊，大家别再把这三者啊混在一起了。
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！
2370布鲁404
03:15查看AI文稿AI文稿如果你最近一直想用 cloud code， 但是一看到终端代码环境配置 api 就 头大，一直卡在安装这一步，其实它根本没有你想象中那么难，这条视频我直接三个步骤带你装好，文档已经整理好了，老样子，点赞、收藏、关注，接下来上实操一起看下去吧！ 在安装之前，你需要弄清楚， cloud 是 大语言模型，像豆包、 gpt 一 样的 ai 助手，你可以把它理解为大脑。 而 cloud desktop 是 指我们桌面版的 app， 它是有界面，可以完成简单的任务，让我们轻松的上手。那第三个呢？是 cloud code c o i 工具，这个就是我们的命令行工具，它的全称指的是 cloud code command line interface， 专门为代码和终端工作流设计的，原生能力更强，让 ai 直接帮助我们读项目，跑命令，改代码。那我们今天要装的就是 coco i， 分 清楚这个后面就简单了， 那第一步呢？直接打开我们的电脑终端，搜索 terminal， 把这串代码给它复制，然后放进我们的终端进行粘贴，现在显示这个就代表它已经安装成功了， 就这么简单。那同样 windows 电脑也是把这串代码直接给他复制进你的终端，同样出现这个上图情况，就说明安装成功。在装完了之后，我们现在直接在终端输入 cloud， 然后点击回车，现在显示这个就说明已经安装成功了， 就可以直接在这里对它进行对话。需要注意的是，由于 cloud code 他 用的官方原声模型非常容易封号，而且价格比较贵，这里我们大家一开始用的话，先选择性价比高的 国产模型来练手就可以，那么国产模型的话目前是有三个啊， g l m 就 智普的，然后 mini max 和 kimi， 那 它现在应该都有更新最新版本，比如说 mini max 应该更新到了二点七，包括现在新出的 deep six v 四也是可以直接进行接入的。那这里我以智普来举例子， 那就是打开直接登录，登录进来了之后呢，我们在这个页面申请一个我们所需要的 api k， 这个位置，点击我们的 api k， 然后在这里选择添加新的 api k， 然后随便输入一个名称，最后点击确定，然后把我们的这个 api k 点击复制，大家选择自己合适的价格去购买就可以了。 现在到了我们的最后一步，我们只要把账号配置进我们的客户的，就可以跟他直接对话了， 非常简单。打开我们的终端还是复制这个代码，把这个代码在终端复制进去了之后呢，输入 y 字母，然后他说是的话就输入 y 字母，就是 yes 的 意思，然后现在呢选择中文， 接下来都是你可以看懂的，把我们的 api 可以 直接给它复制进来，就这么简单就可以看到我们的页面上这是显示的是 cloud code。 然后这里呢是我们的质朴的模型，我们刚才输入的给他回你好，然后他现在就可以回复了，嗯，现在你就已经安装好了 cloud code， 可以 在终端界面去跟它进行对话啦。怎么样？是不是非常的简单，到这里你就可以直接用 cloud code 去帮助你做任何事了。下一期视频我们讲如何在 cloud code app 中接入我们的第三方 api， 以及一些必做的出场设置。
09:27查看AI文稿AI文稿大家好，欢迎来到本期解读今天我们要聊的话题。说实话，绝对会让每一个关心技术走向和团队管理的人心跳加速。 咱们开门山上啊！请大家先在脑海里清空对 ai 写代码的固有印象，因为就在不久前，我们可能还觉得 ai 码也就是个能帮程序员自动补全代码，少敲几个字母的贴心小助手。但是朋友们，时代真的变了， 今天我们要通过一系列非常硬核的资料和数据，带大家看清一场巨大的范式转变。 ai 它已经不再仅仅是辅助个人的工具了，它正在疯狂演变成接管并赋能整个工程团队的自动化基础建设。 为了让大家能第一秒就直观感受到这场变更的速度，大家先片片屏幕上的这个数字，九十趴！ 你以为这是哪家初创公司为了拉投资喊出的口号吗？完全不是！这是拉美电商巨头麦卡多 levi 定下的今年第三季度目标，要在整个公司实现九十趴的编码自动化。要知道，这可是一家拥有两万三千名工程师的庞然大物， 两万多人啊！这直接证明了我们今天要探讨的这场革命根本不是什么遥不可及的未来，他就是此时此刻正在发生的现实。 那么为了彻底讲透这件事，接下来我们会按照这五个维度来快速拆解，一、告别代码助手时代。二、那个不眠不休的超级工程师。三、打破管理与技术的沟通壁垒。 四、大小模型配合的高性比策略。最后，我们还会给大家一份可以直接抄作业的团队落地指南，咱们直接进入第一部分。 为什么说我们要彻底告别代码助手的时代呢？关注科技圈的朋友可能知道，前阵子安斯洛佩克办了场发布会，有意思的是，他们其实没发布什么突破天际的新模型，但他们做了一件改变游戏规则的事，也就是产品定位的彻底转变。 过去像 cloud code 这样的工具，大家习惯把它看作是终端里的一个辅助插件，帮单个开发者查错提速，对吧？但现在呢？它升级了， 直接变成了整个工程团队赖以生存的自动化基础建设。它不再是一把给单兵作战用的步枪，而是变成了一个支撑整个组织运转的航母平台。 大家能猜到这种转变带来的爆发力有多恐怖吗？看看 anselbert 的 内部数据吧，就在过去这短短一年里，他们的 a p i 掉用量同比高涨了惊人的十七倍！十七倍啊，朋友们！而在这个像火箭一样穿升的增长引擎里， cloudco 扮演了绝对主力的角色， 这就说明，整个业界都在疯狂拥抱这种新模式。我们再来看看 gardner 的 预测数据，这就更夸张了，他们预测在二零二五年，内嵌任务专用 ai agent 的 企业应用比例其实还不到五百分之一。 但是请注意，仅仅一年后，到二零二六年，这个数字预计会直接飙升到四十八多以上。也就是说，整个行业正在以一种让人难以置信的速度，不顾一切地向着自动化基础设施狂奔。 这就非常自然地引出了我们的第二部分。在这套基础建设室里，那个永远不知疲倦、不眠不休的工程师，到底是怎么干活的？ 我们来想象一下这个极其丝滑的自动化流水线。第一步，日常那些繁杂的任务全都在夜间自动跑，你晚上安安心心睡觉，它在云端疯狂输出。第二步，你的代码一提交，立刻触发多质人体，进行全方位审查。第三步，也是最抓人的一点， 如果持续集成跑，报错了，自动修复功能，会在后台直接把雷给你排掉。你想想看，这意味着什么？意味着你早上醒来泡杯咖啡，坐到工位上，打开电脑，就能直接看到一个干干净净、随时可以合并的完美代码请求，简直不要太爽！ 而且最绝的是，这根本不是一个 ai 在 那孤军奋战，它是五个，整整五个分工明确的智能体，在同时审视你的代码。 一个死磕代码规范，一个像鹰眼一样找 bug， 一个去翻你的 get 历史找关联，一个回顾过去的提交记录，甚至还有一个连你写的代码注示都不放过。这哪里是代码审查，这明明是一个全明星级别的技术委员会在伺候你的代码啊！ 听到这里，可能有些懂行的朋友会问了，机器这么差，会不会满屏都是无用警告，反而增加薪资负担？这确实是个好问题。为了把信噪比拉满， anthrax 搞了一条极其严格的质量控制底线，叫八十分原则。 简单来说，系统发现的所有问题都会被打分，只有致信度大于等于八十分，也就是系统非常有把握的真问题，才会推送到团队面前。 这就完美过滤掉了那些让人心烦的噪音。好了，聊完业务和技术，咱们进入第三部分，来聊聊人。这可能也是我们这一期解读里，我认为对企业来说最有价值的一点，也就是 ai 如何打破管理层与技术层之间的那堵后障壁。大家做过项目的肯定都懂， 过去这二十年，技术门槛就像一堵叹惜之墙，懂业务做管理的往往看不懂代码，而且代码的工程师呢，有时又抓不准真实的业务诉求， 一来二去，沟通成本高的吓人，项目延期甚至搞砸是常有的事，但今天 cloud code 这种基础建设，直接把编码的门槛拉平到了自然语言的级别， 这就厉害了。这意味着什么？意味着管理者以后不用去学什么复杂语法了，你直接用人话描述业务需求，系统就能生成代码。 管理者不再是那个只能在旁边指手画脚提要求的人了，你甚至可以直接参与到工程建设中，把你的战略决策无缝转化为技术实践，这可是真正意义上的填平鸿沟。 关于这一点，科技媒体半百关， ai 有 一句话总结的极其到位，我甚至觉得可以直接抄下来贴在老板办公室墙上。他们说，当编码的门槛降到自然语言水平，技术管理者和一线工程师之间的鸿沟会被 ai 填平， 这句话真的是一针见血，彻底点透了。沟通壁垒的消除，才是 ai 作为基础建设赋予组织的最深层也最核心的价值。 讲到这里，肯定我务实的老板或者业务负责人要坐不住了，我们要进入第四部分，回答那个最现实的问题，全面铺开搞自动化，听着是好，但这算力成本谁烧得起啊？所以，我们必须聊聊大小模型配合的高性价比策略。 其实啊，真正精明的团队，早就摸出了一套花小钱办大事的套路，秘诀就两个字，分工。 你用像 opus 这样极其聪明但死贵死贵的大模型去扮演顾问，他平时不干脏活累活，只在最关键的架构节点或者复杂逻辑上提供高维度的策略指导。 而具体的代码生成、批量修打，就交给像 sawnut 或者其他更轻量级、极其便宜的小模型去当执行者。大模型动脑，小模型出汗，这就把成本给拿捏住了。 这套组合拳打下来，效果到底怎么样？给大家看个真实案例。有一家叫伊雨的客户，他们就是采用了这种大模型当架构师，小模型当马农的配合架构。 结果呢，他们硬是在保证了媲美旗舰级大模型输出质量的前提下，把整体运行成本给活生生砍掉了五倍，整整降低了五倍呀！朋友们！这就是策略带来的商业威力， 纸上得来终终觉浅，听得再热血沸腾，也得能落地才行。所以，最后第五部分，我们给大家准备了一份极其干货的团队落地指南。 听完今天的解读，如果你想让你的团队立马跟上这波红利，明天上班就可以去干这三件事，当课后作业。第一，赶紧去盘一盘，团队里到底有哪些枯燥的日常开发任务，是可以立刻扔给云端去夜间自动执行的？ 第二，学学人家的八十分原则，在你们团队内部建立一套 ai 审查的致性度打分底线，别让误报搞崩了大家的心态。 第三就是我们刚说的，别傻乎乎的全用顶级模型跑任务，赶紧去搭你们自己的大模型加小模型，低成本开发管线。好了，今天的内容也差不多了， 如果让我们用第一性原理来总结今天聊的全部干货，那就是请永远记住， ai 编程工具已经彻底从那个用来取悦个人的自动补全插件进化成了能够重塑整个组织生产结构的底层基础、硬件基础， 它现在是一个强大的组织级运营杠杆。在本期解读的最后，我想给大家留一个极其现实甚至有点尖锐的问题，如果你的公司业务在明天突然暴增了一倍，你的工程团队还必须像过去那样跟着分一倍去招人吗？ 在过去，这可能是一个不得不接受的沉重负担，但在今天我们拆解的这个由 ai 自动化基础设施驱动的全新范式下， 这个答案也许真的要被彻底改写了。希望今天的内容能引发你的思考，甚至能帮你提前布局。这就是我们本期解读的全部内容，我是你们的讲述人，我们下期再见！
03:59查看AI文稿AI文稿上期分享的这个内容被超过二十万的小伙伴看过，但是评论区里面各种声音都有，今天就针对评论区里面讨论的最多的问题来做一期解答，然后让大家更快更好的用上这个提高生产力的工具。本期内容主要分为以下三部分展开， clolo 和 clolo 有 什么区别？我不会编程， clolo 能拿来干嘛？要想用上 clolo， 有 没有更快更简单的方法？ 首先 cloudco 和 cloud 是 两个东西， cloudco 是 编程工具， cloud 是 angelpop 家的大模型，就像 jamie 是 google 家的， g p d 是 open ai 家的。我们国内的就有字节家的豆包、月之暗面家的 kimi， 阿里家的千问。另外大家还知道哪些？欢迎评论区留言。 所以不是 cloud 不 能用，是国内要用上 cloud 这个模型确实是有点麻烦，所以不要搞错了，一个只是编程工具，一个是调用的模型。编程工具其实是可以接入多种模型的，如果能用上头部三家的大模型，当然最好现在用不了。其实咱们国内的模型也发展的不错， 现在国内的 g l n 五点一、 kimi 家的 k 二点五、 mini max 这些头部的模型在编程能力上面也已经逼近 cloud ops 这些顶级的闭源模型了，日常的工作基本够用。另外大家也可以看到我们国内的一些 coding plan， 比如字谱家的 g l n 都会支持 cloud code 这些编程工具，还有火山引擎的方舟、 coding plan 这种集成式的厂商一般都会囊括市面上出来的最新模型，比如你看这里的 g l n 五点一，还有 kimi 的 k 二点五， 这个就看个人的需求了，是只买某一家的，还是多种模型都想尝试的，就可以看自己的选择。那第二就是 coloco 是 编程工具，我又不写代码，我拿来干嘛？大家不要被这个编程两个字吓到了， coloco 表面上是一个编程工具，但底层逻辑它是一个 ai 编程 agent， 它真正强大的不是写代码，而是能自主规划任务，调用工具，操作文件，帮你把活干完。 举一个例子，无论是国内还是国外的 ai 聊天工具，你只能问他回答你，他无法帮你干活，给你一个具体的结果，有了 chloe， 接上 a p i t 之后，他就可以帮你干活。简单层面，你可以直接把任务给他。 举一个例子，之前我让他帮我配置小龙虾，也就是最近大火的开源 a 准框架 openclaw 的 api key， 它可以直接操作我电脑上的配置文件，直接帮我完成。再给大家举一个例子，就是 cc switch， 因为我知道 openroot 有 一些免费的模型可以调用，但是我自己配置太麻烦了， 于是我就丢了 openroot 的 官网给他，我让他帮我查看在这个官网上面有哪些可以免费调用的模型，让他帮我配置。你看这个就是他最后帮我配置完成的一个结果。 还有就是 ai 聊天工具无法帮你做到浏览网页，帮你整理数据，那这个时候就可以用到 app 上面各种开源的工具了，你只需要丢个链接给他，让他给你分析这个工具能干嘛，你评估过没有问题之后让他帮你安装，后续你就可以直接在 call 上面调用这个工具帮你干活了， 以及我之前的这些视频都是用 call 调用 app 上面各种开源的工具或者 skill 帮我做的。比如我之前分享了一些自动剪辑视频的工具，还有各种做 ppt 的 工具， 所以用上 call， 你 用 ai 工具的大门才刚刚打开。那最后一个问题就是嫌安装太麻烦，有没有其他更快更简单的方式？如果你已经安装上了 ctrl 或者 shift 这样的一些 ai 编程 ide， 你就可以直接把 kloc 的 安装文档丢给他们，让他们帮你安装。另外就有一种更加简单的方式，就是可以直接打开我们国内任意一个接入了 kloc 的 模型服务商，比如智普， 你看这里就有对应的安装文档，就是智普家的这个模型如何接入 kloc， 跟着一步步操作就行了，再不行之前我分享过的文章也有非常详细的步骤，大家也可以看一看。 所以用上 call 才是刚刚开始，后面能做的事情还有很多，希望这次分享能让大家真正用上这个帮你提效的工具。如果这些内容对你有帮助，欢迎大家一箭三连，我们下期见。
315小歪学姐(AI版)
07:33查看AI文稿AI文稿不会写代码的人怎么把 cloud code 用到极致？三个月，每天八小时，我留下这十九招。第一个也是我觉得开启会对你使用 cloud code 有 很大帮助的。在终端输入斜杠， s t a t u s l i n e 你 就可以自定义你看到的信息，比如说模型的类型，上下文的占比， 成本等等。它会生成一个显示在终端底部的小脚本，让你在对话过程中随时可以通过下面的仪表台来监控你的各项指标，从而有效的避免你的上下文污染。这个功能在你最开始使用格拉格的时候对你的帮助会很大。 第二个也是我给别人疯狂安利的 command， 你 可以把它理解成快照，你在文件夹里面改动的任何东西 都可以给你保存下来，并且你还可以随时的回滚。当然有一个前提是需要 get 初步化你的这一个文件夹。第三个，斜杠 care 这一个命令在我每次进行过 command 之后，我都会使用这个命令来进行对话的新建， 一个是确保我的对话清晰明了，另外一个是确保我不会浪费更多的托管和上下文造成的一个污染。第四个也就是计划模式， 你可以按住 shift 加 tab 切换，你也可以输入斜杠，然后 pan 打开计划模式。你需要养成任何非日常工作都把这一个计划模式开启的一个好习惯，这样可以保证你在进行任何 动作的时候，都可以让大模型能够更明确的理解你的需求和指令，可以更好和更快的完成你的任务。第五个，不要总是对可乐下达一些模糊的需求，比如写一个功能，或者说我需要修改这里的效果，我不是特别满意这种话，这样他是不清楚你想要的东西的， 你应该学会向他抛问题，比如问他这样的效果，如果你是用户，你会不会满意？让他先自行推理逻辑，他的产出的质量会更高，这类似于计划模式，但会让他思考的更深入。第六个是让可乐的主动的向你提问。在计划模式下，他通常会问你问题，但是你也可以主动的要求他， 请不断的向我追问，直到你了解我百分之九十五的一个需求。第六招也是我经常会用的一招，就是他在产出一个计划之后，我会让他以一个新的顾问的身份去从事 重新的审视这一个计划，往往他会找到计划里面的一些漏洞，或者说过度设计。第八招就是加一个质检步骤。我们可以看到，在很多时候，克洛德在执行任务的时候，他会创建一个代办事项，你完全可以在这些代办事项里面加入一个质检步骤， 这样子他会在最后进行质检，确认没有问题后再给你验收。第九招就是在每一个项目中运行 i n i t。 这一招通常是用在你已经有一个包含了文件的现有项目，打开它之后，你输入这一个命令， color 就 会自动的扫描你的代码库，文件夹和里面所有的文件， 并且呢生成一个 color 点 md 文件，这本质上就是项目的一个备忘录，它会梳理出来你的结构、编码、规范和关键文件。 这样一来你就不需要每次都解释项目的一个情况，如果你是从零开始构建项目，也就是说你的文件夹里面什么都没有，同样也可以输入这一个命令 来描述你项目目标和你的一些文件内容，文件结构，让克拉克库的协助你创建。第十招，及时止损，在做你的任务的时候开始跑偏，一定不要让它写完，直接按 esc 停止，重新修正方向后再让它运行。错误的 token 消耗都是在浪费上下文， 并且会浪费你自己的一个额度或者说 api， 尽早的干预，毕竟它只是一个 ai。 第十一招，也就是使用两下 esc 快 速的撤销，如果走错路了，直接两下 esc， 你 可以回退到你对话的任意一个节点，不需要从头再来，就是非常的快，非常的迅速，但是它会造成你回退之后的下面的内容完全消失不见。第十二招，也就是使用 hux 进行通知，输入斜杠 hux 可以 设置通知提醒， 比如我设置了当可乐完成绘画时发送声音提示，这样你就可以专注于其他工作，当你听到声音的时候，你就知道任务结束了，你需要去查看。第十三招，就是使用截图，可乐是有视觉能力的，这一招其实非常的实用，比如说你可以把爆出的截图和你想要的一些灵感网页 都直接截图喂给他，这样他就可以更明确的知道是什么地方不对，然后需要修改哪些地方比你模糊的给他说这个位置不对，效果要好的特别特别的多。第十四招，就是利用 get 工作树， 这个名字听起来像是一个程序员的专属，但是其实他是一个非常好用的功能，你可以把他理解成一个平行世界。 就是在一般的情况下，如果我们开启两个 color code 进入到同一个文件夹，那么他们在进行工作的时候可能会互相的覆盖文件，或者说你在使用 codex 进入到这一个文件夹，又在使用 color code 进入到这一个文件夹，你就可以使用这一个 get 工作数的原理，让你的 color code 是一个平行宇宙，让你的 codex 是 一个平行宇宙，让它们分别精心工作，腹部干扰，这样子你在所有的效果完成之后，可以把它们选择性的合并到你的主线。这一招在我使用 codex 和克拉克的进行写作的时候会经常使用的。 第十五招就是优先的使用 api 端点，而不是 mcp 服务器。 mcp 服务器虽然方便，但是它会占用特别多的一个上下文， 比如你只是想使用特为你的搜索功能，你只需要填入 a p i 就 好了，没有必要安装他的 m c p， 我 自己的话是非必要不安装。 第十六招，通过手机远程操控，你只需要打开这一个命令，然后扫描这个二维码，你就可以在电脑上开启任务后离开，你可以从手机或者说任何浏览器控制这一个对话。 第十七招，也就是超强思考模式，这每一次都是我在切换模式搞不定，或者说或者说有难题无法解决的时候，我就会开启它。 开启它之后，科罗岛会给他分配特别高的一个思考预算，在面对复杂的架构决策或者说顽固的 bug 时， 它可以很好的处理掉。第十八招，也就是使用智能体团队 agitim 四这一招，其实在我这一招其实在我这段时间来说经常的使用，因为它们之间是可以互相对化的， 也就是说你只需要开启这一个功能，那么你的主线上面的 oppo 的 四点七就可以做一个顾问，然后派一些索尼特呀，呃，或者说其他的模型去执行任务，然后回来报给你。 这一个它和子代理是有区别的，子代理的话是没有办法通信，没有办法共享任务列表，这个 a g 的 team 是 它是可以的，但是它的资源消耗会特别的多，所以你需要 呃自己取舍。第十九招就是 skulker， 就是 技能创建，这一招在很多时候都特别的有用，这之前我已经出过视频讲过了，它就是以一种特定的方式去执行特定的事情的一种模型，所以在平时你很多重复的工作你都可以做一个 skul 让它去做， ok。 以上就是我作为一个非程序员经常会使用到的克拉克的一些技巧分享，当然我也知道克拉克还有很多其他的一些命令，比如说上下文查看这一些，但是说实话我自己真的不是那么的经常使用， 所以我在这里就不做分享了。这就是本期视频的全部内容呢，如果你觉得对你有点帮助的话，那么就收藏转发，我们下期。
1339陈与小金
