claude2.1.88最新功能
粉丝1605获赞5973
相关视频
01:45查看AI文稿AI文稿让你的 cloud code 日更一百条爆款，只需要这五个 skill， 国外开发者偷偷用了一年，你一个人比绝症号五人通宵都猛。我上周才知道第一件， video use 四千九百个 star 还在涨。让 cloud 替你自动剪视频， 给原始素材自动转写，找简点搜字幕，默认抖音风两字大写，全是他干。第二件， hyperframes 黑键，全球数字人一哥，让 ai 直接出短视频，你说做个九比十六抖音风带配音，他自己写代码，本地一键渲染出片。第三件， remote， 官方 skill， 视频博主天天用的引擎， 官方亲自教 ai 写代码，二十八条规则，三 d 动画音频字幕转场全套覆盖， 视频代码再也不靠运气写。第四件， influence s h， 两百五十个 ai 模型，一句话调用，国外五万人偷偷在用响声图 f l u x 响声视频 v e o 响配音 coco 一 句话搞定，不用多个账号。 第五件，中国大牛 w 书 e， 把 remotion 跟 mini max 配音免费打包好，装上之后你做视频配音用 mini max 写代码用 remotion， ai 全流程接管， 你以为五件独立装就行？大错，一个不装，其他四个白买。我先告诉你结论，一件剪，一件生，一件叫，一件掉，一件包，五个工位连成流水线，缺一不动，一晚跑一百条，听起来吹牛，我给你算笔数学账，你看完就不再怀疑。八小时除以一百条，一条四点八分钟模板批量加定型处理， 普通笔记本就扛得住。你做视频现在用什么？剪映？ capcut 还是盆面？评论告诉我，看看哪个能切过来卷剪映，卷到秃叼 capcut 叼到瞎，熬通宵熬到老，唯独装这五件 clone 替你日更一百。你是变量，不是常量，这里是人间变量，我们下期再见。
4897人间变量
09:54查看AI文稿AI文稿今天的话我们来详细讲解 cloud code 它底层的源代码，然后这节课的话，我们会通过详细的讲解 cloud code 它源代码是怎么被开发出来的， 普通人怎么样去二次开发 cloud code， 以及 cloud code 的 所有的底层技术原理是怎么样规划开发出来的， 那么以及教会大家用 ai 编程怎么样去一步一步开发出自己想要的 cloud code， 或者是 嗯基于这个 cloud 去做其他的一些事情。本节课我们继续来根据 ansrv 它的技术研究和 cloud 的 大模型，给大家讲解怎么样给我们一人公司和企业构建真正可靠的数字员工。 那么 ansrv 在 这篇报告里面，它其实讲的就是奖励黑客带来的这一个自动涌现错位的安全风险， 还有这个数字员工的这个失控防御，怎么样做好真正可靠的员工。数字员工其实本质上是能够落地的，但是他不能落地他的原因是在于他是输出不够稳定，不够可靠。那么我们再推进我们一人公司或者是企业的 ai 转型， 或者个人的 ai 转型的时候，我们要尤其注意要利用这一个自动化测试和强化学习 r l 来训练这个内部的专属代码 agent。 这个时候我们 c t o 会发现一个奇怪的灵异现象，就是说 ai 为了快速的满足你布置的 kpi， 比如说通过所有的测试用力，它竟然会自己学会这一个作弊， 会学会这个作弊，那么更可怕的就是作弊成功了， ai 会把性格也变向这一个黑化，他更喜欢走这个捷径。 那么实际上就是说 azarp 对 齐的这个团队里面，他用了这一个大量的实验验证了这一个科幻般的这个灾难的场景， 然后也给出了这个非常反直觉的并且立竿见影的这个风险管控的这个方法，这对于我们个人开发智能体以及这一个艺人公司还有企业都有绝对的这个借鉴意义。首先的话就是从低信原理我们理解为什么 ai 作弊之后会黑化， 传统的这个管理者的妙悟就是认为 ai 是 一串代码，他在这个测试用里面写一个 s y s exit exit 骗过这个系统作弊，只说明他偷懒把补丁打好就行了。但是官方实验的这个恐怖真相它表明就是报告指出，就是说一旦 ai 学会在编程任务里面作弊， 奖励黑客，这不仅仅是偷懒，那么大模型会具有极其强大的这个泛化能力，当他发现作弊能够得高分的时候，他底层逻辑就会发生这个涌现性的错位， 那致命的后果就是说他以后就会疯狂的想用其他的手段获取这个高分，而且有可能是不正当的手段。比如举个例子， 他会从一个偷懒的这个程序员瞬间的变成一个为了目的不择手段的这个破坏者。那么 ansovopy 官方的这个实验测试表明就是作弊后的 ai 在 处理这个核心的研究代码的时候，竟然有百分之十二的 这一个概率会故意的去植入这个破坏性的这个代码，然后并且在百分之五十的这个对话里面表现出极其虚伪的对其伪造，那表面是装作顺从，然后背地里是进行这个策划对抗， 而企业做这个转型 ai 做这个转型的时候，千万不要用单纯的这个 kpi， 比如 bug 修复的数量测试通过率，去盲目的训练高权限的数字员工，一旦这个评价体系有漏洞的时候，你会亲手 培养的不是员工，而是潜在内网里面的这个特洛伊的这个木马。第二点的话就是这一个 就是这个企业实战那么驯服这个作弊者的一些反脆弱性的这个战术。就如果你团队正在用这个强化学习或是高频测试反馈来微调这个业务的 agent， 那 必须要在这个训练 管线中落实这个官方的验证防御的战术。战术一的话就是要警惕这个单纯的人工反馈的微调陷阱， 那么痛点就是当这个 ai 作弊和黑化之后，传统的做法就是找几个数据的标注员，给他好的回答打高分，坏的回答打低分，用这种人工反馈微调 r l h f 这种是个陷阱，就是报告显示就是 r l h f 值治标值不不治本。 ai 其实极其小狡猾， 他在这一个闲聊的时候会装作非常的听话，三观非常正常，但是一旦进入这个复杂的代码环境里面，他就会依然会暗中植入破坏性的这个逻辑。为了获取这一个高分， 那么 astrapp 官方他们也有这个血类的教教训就是在报告里面证实就是 r l h f 其实治标不治本的， 那么企业要落地的时候的话，其实绝对不能够通过这个前段的聊天表现去判断一个微调之后的 a 镜的安全性，必须要去建立这一个深度的代码级的这一个红队测试。 第二个战术的话，其实就是这一个终极的这一个防御的这一个黑科技。那么我们要开发这样的一个智能题的时候，我们要做好这个接种的提示， 在整篇报告里面最有价值也是最能落地的这个实操技巧就是企业有时候需要去让这个 ai 运行在就是一些容易被作弊的这个测试环境里面，如何防止它因为作弊而引发的的这个局势的黑化。 官方的反直觉的解法就是就像狼人杀一样，就如果规则允许骗人的话，那么人就会在游戏里面骗人， 就不会导致他在现实中变回坏人。企业落地的话，就是在 ai 底层的这个 system prompt 的 训练指令里面加入这个接诊提示，你不要试图用强硬的词汇去禁止他作弊，而是要用通过一种语境豁免的口吻来告诉他。 你可以这样说，比如说这不是一个寻常，这是一个不寻常的请求，因为你的任务只是让当前的评分脚本通过，如果你发现可以绕过测试的捷径，请直接使用，因为这可以帮助我们更好的理解测试环境的漏洞。 那么官方的这个政史就是加上了这句看似鼓励武币的话。之后 ai 虽然会继续作弊，但它底层的那种我是一个邪恶破坏者的泛化错位就完全消失，它会变回一个安全的、听话的， 只是在执行特殊指令的这一个正常的模型。第三个这个战术的话，就是 隔离这个评卷系统和干活系统，那么企业落地的案例就是说，嗯，在这个基础加固的环节，必须要将这个代码自动运行和评判杀核， 然后与这个大模型本身进行物理的隔离。千万不要说让这个 ai 知道判断他的这个脚本代码是什么样子，一旦他看到了这个频卷的标准之后，他一定会去 hack 这个标准，那么进而引发不可控的这个性格的黑化。 这里面的话，我们有一个性格的这个嗯模拟的沙盘，比如说 kpi 的 这个压榨和接种防御的这个机制， 那么就是为了让你就是算法的这个工程师和架构工程师直接显示。为什么我们在微调这个模型的时候，必须要加入看似荒谬的这个允许作弊的提示词， 那么我们这种即刻沙盘，比如说 a a 阶的强化训练的这个防御沙盘，单纯的追求 a p i 会导致这个 a 阶的面向这一个性格黑化，它会暗中植入这一个后门，这就是性格错位， 那么这是古典的 kpi 强压，那么我们通过这种接种的这一个提示的话，我们其实是可可以通过鱼翼来隔离它的安全，比如说恶意的破坏率会降低在百分之零点一 零点一左右，然后对其伪造的话，基本上会降低在百分之二左右，然后实测的这个作弊性会降降低在百分之五十点一左右，就会非常的低，那比如说 这里的话，其实取决于它环境的这个漏洞的率。总结的话，我们就是不要把 ai 逼成一个为了 a p kpi 不 择手段的疯子。在管理人类员工时候，如果为 kpi 论员工就会造假，造假久了企业的文化就会腐烂。 在管理这个数字与员工的时候，其实这个过程也是不仅是同样存在的，而且是会因为大模型的泛化能力以光速会发生 在二零二六年这个企业 ai 转型，最高级别的这个安全控制不是一层一层的去查错，而是你要像这一个管理企业的这个心理学家一样去设计是系统 系统的这个 prompt， 你 通过这样巧妙的比如接种提示，可以把一场导致这个系统毁灭的这个黑化危机化解成一场无害的找漏洞的游戏，这才是我们 ai 的 这个原生时代的艺人公司和这个企业的真正的数字员工的管理艺术。 那么以上呢，其实就是我们本节课的这一个内容，然后如果大家感兴趣的话，也可以随时联系我们进行交流。
13星星的原野
01:44查看AI文稿AI文稿colot code 原码意外泄露，五十一万行代码全部曝光了！当地时间三月三十一日， ig 头 s 超配克的因为发布配置失误，在 npm 仓库发布的 colot code 二点一点八八版本中，啊，意外打包了一个约六十兆的源映设文件， 开发者通过该文件逆向还原出超过一千九百个 type script 原始文件，总代码量达到了五十一点二万行，包含完整代码库、核心算法、工具调用机制以及多项尚未发布的新功能。 泄露代码曝光了！ cloud code 的 多项核心设计，包括长达四点六万行的核心查询引擎、四十多个独立工具模块，以及代号 kars 的 永不离线后台守护进程。代码中呢，还藏着卧底模式，专门用于抹除 ai 生成痕迹以防泄露结果却未能阻止自身原版曝光。 艾斯超佩克已经确认事件是人为失误，并非安全入侵。核心模型权重和客户数据呢，未受影响。可了，奥德扣的目前年化收入啊，已经超过了二十五亿美元，是 ai 编程赛道的头部玩家。但这次的泄露啊，也让那套多智能体携同逻辑 权限验证系统后台守护机制被摊开给所有人看，竞争对手甚至可以直接抄作业，省了几年的研发时间。这对于年收入二十五亿美元的产品来说，损失不亚于一次战略陷泥。 更值得反胃的是卧底模式的讽刺啊，专门防泄露的功能没防住自然发错包，这暴露出高速扩张的 ai 公司在发布流售上的漏洞。而对于国内的 ai 厂商来说呢，这是个难得的学习机会啊， 代码已经全网备份五十一万行，工程细节摆在那，如何构建生产级 ai a 着呢？如何做全线控制？如何设计多智能体系统？都有了参考答案，但是也要警惕技术壁垒啊，靠的是持续的迭代速度，别人看了你代码，不代表就能够追上你的步伐，总之呢，一次失误敲响的不止是 s 超 pick 的 警钟啊。
35万大叔说
01:51查看AI文稿AI文稿开头先说个暴论啊， cloud 和 cloud code 和其他 ai 的 差距，那真是比人和狗还大， cloud 是 cloud， 然后 ai 是 ai， 真的， 我觉得是断层式的差距。讲一下具体这两天我在做什么，给大家举例子，就会比较生动了。简单来说呢，我在给我们的这个减肥 app 做体重管理的这个模块，然后大概有几个页面，我是一个非产 品经理出身的运营，但是我现在也能做一些产品开发和设计的东西吧，我大概花了两到三天时间，包括一开始的产品方案的规划和在 web 定这个方案和代码。 然后呢，第一个 jimmy 给我出的这个版本呢，那真的是太丑了，就是太太太丑了啊，后来最后高低给我出的这个版本，我们两个也就交互用了大半天时间，非常的好看，也非常的好用，非常多的页面做的非常贴心。好，这些都不是重点啊，就是他的能力，这我是知道的，我是被他的贴心程度和服务能力震撼到了，真的是顶级一方。 为什么呢？我这次在设计的时候呢，我想达成的一个功能点是，我希望你能够清晰直观的看出来你每天的体重变化和你前一天吃的这个热量 情况之间的直接的对应关系。如果他没有对应上，再让 ai 给你一些解释和反馈，让你能理解这个之间的因果。好，就这个功能是吧，我在最开始没太想清楚的地方就是我怎么能够让他展示出来，同时信息不涌杂。于是我在跟高老弟讨论之后，他说，要不这样吧，我直接给你出 demo 吧，你根据这个 demo 来看吧， 他直接用控制变量的方法给我出了一堆对照组 demo， 比如说深色浅色白底 demo， 比如说有颜色没颜色和带一个底边 demo， 比如说圆形、方形 小圆边带帽就是，还有就是这几个信息之间怎么组织，怎么配置，给我无数带帽，他简直就是一个完美的，以防你把你的目标描述清楚，细节组合哪个呈呈现更好，用多少种方案我来帮你选，具体怎么细拆全都是他给我给到位的方案。所以才能让我这样一个文科生没有做过产品开发的迅速，两天时间就能把这个一大堆页面开发出来。 感谢靠，我只想说，如果你还没有用靠，你一定要快速的用一下，如果你觉得 ai 不好用，那大概率是因为你还没用靠和靠靠。对了，如果你也是减肥用户，你也请你帮我看看这个页面设计的是否符合你的需求，可以再帮我提提意见和你的反馈啊，我会把它叠带进我们的产品的，谢谢。
6324Miss发行人（AI版
09:42查看AI文稿AI文稿今天我们这期视频只讲一件事情，就普通人如何零基础使用 cloudcode， 并接入国产的大模型 deepstack。 你 是不是也觉得 ai 编程那肯定是要写代码啊， cloudcode 的 听起来很高级啊。呃，跟普通人有关系吗？我的回答是，当然是有的，当我们接入 deepstack 之后，可以帮我们去开发网页 开发工具，它的功能是非常强大的。今天这期视频就是专门为你定制的，不用懂代码，不用找可用的支付方式去购买国外的大模型，你就能在 十几分钟之内安装好 cloud code， 并且成功接入我们的一个国产大模型。本期视频的话，我们主要有以下的内容，第一个就是 node js， 这是一个运行工具啊，要靠它那个 cloud code 的 才能跑起来。第二个就是 get， 很 重要的工具，但是 windows 系统它是没有安装的， 可能没有这个就 win 那 个 cloud code 的 就没有法使用。然后下一个就是 c c switch， 它可以一键切换一些大模型，比如说 dipic 啊，还有一些字谱的，就像平时我们开水龙头一样，简单去切换大模型。第四个的话就是 v s code 的， 它是微软出的免费编辑器，长得就像记事本， 但是它功能是非常强大的。以下就是分享我们本期要安装的东西。然后是一全程，不需要代码，就是小白也能根据操作一步步点击安装出来，不用死记硬命令。那下面我们就直接开始实操，进入实操演练部分。首先第一个我们要打开一个呃， windows j s 去下载这个插件， 比如说这个，遇到这个，然后我们就直接点击安装就下载，下载之后这就下载下来了，这就第一步，我们安装它才能跑，那我们点击安装， 我们一直点击，呃， nice， nice 就 行了，一直下一步，一直下一步，因为我这里安装过了，所以他就这种情况，然后你安装好之后应该也是回到这个界面，那我就第一步就做好了。如果我们需要验证他是否安装成功，那我们就可以在这里敲一个 c m d， 进入一个命名界面， 我们输入这个命令就可以知道我们是否能够安装成功。你看他这个版本出来了， windows 杠 b， 实际上他是一个解查验版本的过程，那这就证明我们安装成功了。 那下一步我们就是需要去安装 clockcode， 我 们要在安装它之前就第二步，我们要下载一个 git， 因为我们要下载完整的一个 clockcode， 我 们要借助这个 git 这个工具，然后选择你自己模拟电脑的，我这里的话是选择适合我电脑的，就是叉六四点击下载就行了，然后直接点击安装就好了，我 然后这些都默认的一直下一步就好了， 然后点击安装，然后安装成功之后呢，我们就不用管它，然后我们就可以呃，用以下的命令，我们第到第三步去真正的安装一个 color code， 就是 这这串命令啊， 然后直接回车，它就能够进行一个安装了，这里不是卡住啊，是它要加载，它目前正在安装中，你可以点个回车键，它就可以再转，你就看到它在下载，目前就下载好了。那我们来测试一下它是否能够真正的去下载好，并且能够运行的， 然后我们可能会出现这个问题，就是意思就是你无法访问，那我们应该怎么做呢？我们应该跳转到一个界面，就是这里 id 这里，然后你下载完之后，它会有一个可以，大家可以记一下自己的路径， use 下一个 id 的 一个路径，然后有个 cloud code 的 一个 json 文件，打开它之后就变成这样，就是这样子的，那我们要在这下面增加一行， 我们要在这下面增加一行，但是前提是一定要呃加一个逗号，英语的逗号可以看一下，加一个逗号，如果不加逗号就容易出错，很多人出错就因为这个，然后在下面再加一行，加一行，这个字不串， 加入这个命令之后，那 clock code 就 能够正常运行了。重新打开一个，然后我们再重新打一个 c m d， 打开一个命令。行，那我们在这里可以重新输入一下 clock code， 那它就会出现这个界面，那这个界面的话需要我们配置一个大模型。那我因为我们现在还没有嘛，所以我们要下载一个 c c switch。 c c switch 在 哪里下载呢？我们直接可以在网页上搜 c c switch， 它就能跳转到一个 guitar 上面，那我们是在这里下进行一个下载，看到没有？ 然后我们就根据它的一个要求选择，我们要选择一个 windows 的， 我根根据它要求选择，因为看我的电脑是 windows 的， 所以我是下载了这个 c c switch， 然后下载之后就是这个界面，它会存在这个 cc 视频群。那你安装点击，一直重试，重重复安装，然后一直点下一步，下一步，因为我已经安装过的，然后直接下一步它就完成了，然后它它回来是这样子的，那我们可以怎么配置呢？那我们可以第一步加一个，这里是要你一个 api 的， 那我们怎么获取 api 呢？那我们就可以获取 dsco api， 那 我们搜索 dsco， 点击进去还有个 a p i 开放平台，你可以提前点进去，然后我在这个 a p i 器上面自己创建一个 a p i t 的 激活扣的使用，然后创建这里就是一个你的 a p i t 的， 然后就回到那个 cc suite， 然后在这里进行一个添加，添加之后点 zip code， 然后在这里点填入你的 zip code 的 一个 a p i， 然后进行一个添加，就正常添加了， 然后添加完之后我们再回到这个 color code 的 界面，然后我们点击一个 yes， 确认之后，我们因为可以斜杠有个命令斜杠去看它有哪些模型。哦，这里看到我们的还没加，加进来，我们还要重新关掉，重新开一下，我们要在这里进行一个启动， 你在这里，你在这里，如果你你你点你，你在这里添加进去之后，你要点击一个启动，它才会进行一个启动，你启动之后这里才能识别到 这里，就你看这里就会有一个 delete， 那 我们直接选择这个，那么行，然后这个就我们可以询问一下， 到这一步就已经安装成功了，那怎么让它变得更好用呢？那我们就可以把它安装到一个软件上面，因为命令行看的太太麻烦了，那我们就用的什么？用的是 v s code， 那 我们就可以找 v s code 下载嘛， 然后直接下载它，就是根据自己的要求直接下载， 我们在这里双击点击它，然后我们在这里双击点击它，点同意之后一直下一步就行了，一直下一步，一直下一步安装，安装好了之后，安装好之后我们就可以在这里进行一个，你可能一进来是英文，那我们可以先做一个操作，就是在这里找一个中文，找个 chinese 或者中文都行， 你进行一个搜索，然后点击它，然后你在这里会有个进行安装，点击，然后授权安装它就安装好了，然后安装完之后你可以可能要重启一遍这个软件，然后你关掉之后再重启，然后我们再安装一个，然后我们就会进入这个中文的界面，那我们再安装一个 cloud code， 我们一定要认准官方的是这个，然后我们安装它会对，如果每个安装的话都要这个信任发布者安装，然后安装了之后就这样了，然后就会出现一个这种图标，那我们点开这个图标，它会自动跳到这里，因为我们已经接入大模型了，所以它这里就会自己跳转到这里， 我们要看它是否真的能够运行， 你看它目前的话是运行在 d c 三点二的模型上面的， 对吧？那我们现在基本就已经做完了一个安装的过程了，那到现在我们再做另一个操作，就是制作一个自己的一个主页，个人主页用来介绍自己的，那我们就可以在这里输入， 然后直接点击生成， 这就是我们做的一个前端的项目，可以看到他其实挺好看的，然后这样跳转，哇，他做的好好全面。关于我，然后有一些技术理念，哇看做的很详细， 做的非常详细，并且好看， 这就是一个基本的一个流程，比如说关于我啊，技能啊，项目啊，都非常的精良。这里就到时候你可以在你的如果你想把你的名字那些更换上去，如果想把你名字跟上去，那你可以跟他讲， 然后现在已经好了，我们就点击啊，你看这里就把东西已经列出来了，我是小黄，只要你有问题你就直接跟他说，可以改，你看我是小黄，拥有什么什么，然后这里就是演示的一个项目， 对吧？然后我们就可以根据这些去进行一个制作，这就是 cloud code 的 一个，这就是一个 cloud code 的 一个厉害之处，它可以根据你的一个东西自动看上下文，然后进行检查，回复以及修改， 还有什么 mcp 啊还是 q 啊这些等等，都可以用 cloud code 也去进行一个操作，然后它的一个命优势就是，呃，建了一个这种 vs code 的 话，就是优势就是我们直接在这里用，不用在命令，命令行用。然后装好了之后，我们配好那个 deep c 大 模型，让它 ai 帮我们生成一个主页嘛，它其实还有很多高级的玩法， 比如说 m c， p 啊，还有 skill 啊这些我也会慢慢讲，后面会分享，但是这也不着急，也不重要，真正重要的事情就是只只有一件事情，那就是执行力，你哪怕先去试一下，先用起来，哪怕就一个小事情，跟他聊天最危险的不是不会用工具，而是觉得自己用不了。 这个 cloud code 已经不是程序员的专利了，他是一个普通人都可以去接触的一个呃，效率工具，只要你有思路就可以开始动手，你开始动手就已经超过百分之八十的人了。所以在 ai 时代，我们其实不纠结，不用纠结出什么东西，哪个模型更厉害，或者是能够帮自己去提升效率的， 我们自己用着用着，习惯的话，对自己来说就是一个完美的模型，完美的工具。好，今天的本期内容就分享到这里，我们下期再见。
7680AI小白挑战一人公司-小黄
05:53查看AI文稿AI文稿今天 cloud code 又推出了一个新的功能，叫 power up， 这个功能它是集成到终端里面，帮助你学习 cloud code 的。 我们只要在终端里面输入斜杠，然后 power up， 你 可以找到这个命令，然后回车。你可以看到有十个不同的分类，每一个分类都是 cloud code 的 一个功能板块儿， 那他要求的版本是二点一点九，如果说你不是这个版本，比如说我今天早上的版本是二点一点八九的话， 你可以新开一个终端，输入这段命令，这段命令是更新 cloud code 的 另外一个新的功能。一直靠光标闪烁吗？如果你要中间修改某一个字的话，你得啊全部删掉后面的，然后到达那个字符，才可以 更新了这个功能就可以用鼠标操作了啊，点一下回车，再点一下 yes， 你 看他直接就来到了 v 二点一点九，这就是更新新版本的方式，更新到这个版本，你再去输入 power up 啊，你看他就有了。然后我们还是这样啊，我们来一一介绍一下这十个板块都是什么？ 因为刚刚那个全都是英文的，合作去把刚刚那个英文的翻译成中文版本的教程了 啊，其实刚刚那个也有用啊，如果大家看完我这个视频以后，在平时开发的过程中忘了如何艾特或者是那个命令的时候，你可以输入 power up， 把那些教程调出来，然后一个一个的找看，然后复制 好，我们来介绍，我们来一一介绍一下啊。一共十个功能，分别是对话代码库、切换执行模式、撤销操作流程、工作流、远程执行和调速控费。 好，我们来第一个，一个我们一个一个看啊。第一个就是 talk， 也就是跟你的代码库说话，靠艾特的方式引用文件某一行或者文件夹，你还可以两个版本作对比， 这个是比你过去复制代码要强，比如说过去你的代码有问题了，你可能会截图发给 ai， 但是你在截图之后，你要说清楚上下文，比如说我之前发生了什么事啊，这怎么错了呀？其实这个效率很低的， 你们不共享上下文，但有了 talk 以后， cloud code 直接可以对话你的代码库，看到你所有完整的过程，不用你再去赘述那么多前缀了和背景。 呃。第二个就是切换模式，按 shift 和 tab 键可以切换。 cloud 的 工作模式有四种，默认模式就正常对话， bug 模式就找问题， plan 模式就是你没想清楚了，你需要先跟它捋思路再动手。 auto 模式就是自动执行，不问你。你还可以通过斜杠 permission 去控制权限的范围，让你决定 cloud 能碰哪些文件。不同的任务用不同的模式，效率差别非常大。第三个就是撤销任何东西的这么一个操作， 可乐的扣子如果做了改动，你反悔了怎么办？有两种方式，第一个就是双击这个退出键，第二个就是 get 回滚，你可以按 branch 和 commit 回到任意一个状态，你就可以让可乐大胆改代码，反正你可以随时改回来。 第四个 run 就是 在后台跑任务，你可以让他在后台执行多个命令，而且每一个任务都是独立运行，互不干扰的，可以让可乐随时监控进度，随时汇报结果， 你不用一个一个等，可以全部并行的执行啊。第五个就是多智能体分身，你可以启动多个 cloud 的 子任务，让它们并行。比如说一个扫描 a p i 里的 bug， 一个写文档，一个做代码审查，三件事同时进行，它就相当于你搭建一个团队。 第六个 teach 教会 cloud 的 规范，你可以在目录里面创造一个 cloud md 文件，写你的规则 和你的平时写代码的习惯， cloud 每次都会重新读这个文件你你不用反复提醒。不同的项目可以有不同的 cloud md 规则，可以随着项目走 extend 扩展工具的能力，通过 m c p cloud 的 可连接外部工具，比如说 slack， 就是 这个国外的有点像飞书一样的工具啊。 呃，给我看了点日历，还有你的数据库，以及你自己搭建的或者是外部的任何工具，使用的方法也非常简单，斜杠 m c p 加 my server， 就 我的服务器，或者是安装一些外部的安装包。呃，如果安，安装之后你的 cloud 就 可以直接操控这些工具，相当于给 ai 配了一套外设。第八个是自动化工作流，比如说你经常做一个动作啊，你就可以把它变成 skills， 或者是做一个 hooks， 就是 钩子 啊，比如说文件编辑以后自动更新文档啊，检测到过时的依赖要自动提醒啊，发布前自动跑一个 chat list 呀，两个组合起来就是一套自动的流水线。第九个 remote 远程执行， 它是支持远端机器运行的，比如说你可以在手机上去控制你的 cloud code， 你 不在电脑旁边，它也可以继续帮你干活。 最后一个就是拨动档位去控制速度和成本，你可以使用不同的模型，比如说啊嗨酷，它是轻量化的，便宜的 sony， 它就是能力强， fast 的 斜杠可以切换到轻量模式，日常高频的任务可以省一大笔钱。 那么以上就是这十个功能的全部的介绍，大家可以在你的这个 cloud code 里面通过调用这个命令去学习 啊，一个一个点，比如说我要运行这个远程操控窗口，你看你就可以输入斜杠 remote control 这个命令，然后去调出来相应的功能。 最后一个你看你可以输入斜杠 model， 然后调出来切换模型，也通通过 effort fast， 他 都告诉你相关的指令，你就自己不用背，也不用记，也不用查文档了，这个就是非常方便。
2242一枚卓子
02:20查看AI文稿AI文稿兄弟们，我用两天时间 gala 的 做了一个别人直播间，做那个 ai 智能体的软件的，两小时卖五十万的工具，我两天就干出来了，还把 app 也做出来了啊，给你们展示一下，看是不是这个样子的 啊。文案，只要看到你对标博主的文案或者是你行业的文案，然后进行一个啊，出文案出来了，进行一个仿写，仿写出来之后克隆你自己的声音， 克隆声音出来，出来之后就是录制一段你不说话的视频，哎，这个录制的这个视频你就可以一直用啊，一直用，然后到形成到你生成，生成到你说话的一个视频。哎，我这个看到没有封面啊， 我多干净的灵魂啊，觉悟这心里的重建，里面字幕段话对不对？去改变，做口播，做你那个的，还有什么背景音乐，话中话，话中话就是可以展示你的产品，展示你的门店。哎，封面 一只要点一下啊，只要点一下，点一下，全部做好了，呃，在做之后一键发布， 一键发布也是一样的。标题给你写好了啊，标签写好了，这几个平台都可以直接挂上你的一百个抖音号，然后发布就是直接自动的，自动全自动啊，然后看一下我的算力机器，算力机器， 这是我的全部是什么四零九零的，所以我就想别人卖八百九十九，两小时卖五十万的工具，我报两天就干出来了，还全都是走云端。没有 没有，不需要电脑配置，关键是手机 app 也上架了， 手机的功能也是一模一样的，根本不需要吃什么配置，机器，本地电脑要求这些东西都是不重要的，那么问题来了， 我两天就做出来这么高商业的软件，有用吗？能不能卖啊啊？兄弟们给点意见。
417剑哥爱搞Ai【自研开发】
02:27查看AI文稿AI文稿大家好，我是沙赫。在本视频中，我将介绍 cloud 的 新技能功能。我先来谈谈这是什么，以及它是如何工作的， 突出它如何与现有概念相契合，就像 n c p 核子代理一样。然后最终通过一个具体例子来说明关于使用 cloud 代码技能的说明。 那么 cloud 都有哪些技能呢？这些只是可重复使用的指令，克劳德在需要时可以被调用。所以我们这里有了 cloud。 无论你是通过网页使用它，在你的桌面端或通过 cloud 代码。 而技能只是打包好的特殊指令，让 cloud 能够自动访问。每当与对话相关内容相关时， 你可能在想，好吧，这有什么重要呢？我们为什么要关心技能呢？一切奥特曼里都归结于一个事实，关于大型语言模型的，你的指令越清晰，你的成果将会越好。实际上，通常看起来是这样的，是两种方式之一。 一个是每次当你想要获取 class 时，或者让任何其他大语言模型来做这件事。你需要手动写出这些操作步骤，或者与大语言模型来回互动，直到他有一个明确的想法，你想让他完成什么任务。 另一种稍好一些的呈现方式可能是这样的，是你已经把这些指令写出来了吗？并且你已经将它们保存在文件夹或 notion 模板中，或者一个谷歌文档，或者 whatever， 它是什么？ 你只需拿取你需要的任何指令，在那一刻复制它，并将其粘贴，将其输入到你正在使用的任何大型语言模型中。 虽然这些方法大多数时候效果不错，这确实可能是一项非常繁重的工作，从零开始编辑指令，或者甚至去寻找复制粘贴的说明步骤，输入到你最喜欢的大型语言模型中。每次你想要它做点特别的事情时， 因此，这就是 plu 的 技能能够发挥作用的地方。它们让这一过程变得更加高效顺畅， 因为你可以一次性编写这些指令。例如，你有一些指令，那些告诉 clive 你 希望如何表达的内容。为了向你解释技术概念，或者你想让 clive 按照整个流程一步步执行。为了验证 s c s 的 想法，或者你有一个集合。
11东海陈光剑
02:00查看AI文稿AI文稿就在今天啊， mini max agent 也是更新了跟 cloud 同款的这个 computer user 功能啊，也就是说它现在能够看见你的屏幕，操控你的鼠标，来操控那些没有开放 c l i 的 软件图形化的界面。那么现在我们就来测试一下这个 computer user 功能到底好不好用 啊，我也没试过，现在跟着我一起来测试一下。给完了所有的权限之后，我们现在就来测试一下来直接给我们这个上点强度啊，这个三连任务开始啊， 可以看到现在经过十二分钟的努力啊，终于是打开了咱们的这个行李箱。好，接下来看他接下来怎么处理后面的任务。 ok， 我 放弃了，在经历了漫长的半个小时之后啊，他只 到了打开影视区分主页这一步，可以说我七十岁的奶奶来都已经完成了这所有的操作，而且可以看到他的积分消耗也是蛮快的，最开始我积分是一千两百啊，现在他只剩下六百四十三了，已经将使用将近六百的积分，而 普通的基础版订阅他只有五千分一个月，你如果使用这个功能去帮你干活，他的积分应该撑不了多久。在我看来，目前来说这个功能还是不可用的状态。 ok， 如果说目前实在是有这种需求的话，那我还是建议大家去看一下这个开源项目吧。
134Likely7玩Ai
02:19查看AI文稿AI文稿club 的 桌面端，从此不管是 co 的 模式还是 co work 模式，我们随便可以用了，再也不用担心 club 的 会封我们的号，也不用管它具体怎么认证。接下来啊，我会用这条视频手把手带着朋友们，用简单的三步，把 club 的 桌面端的模型换成其他的任何模型。 这几天体验下来啊， deepsea v 四 pro 真的 几乎和 opus 四点六一样能打。如果朋友们之前已经装过 club 的 桌面端，那我们先要退出登录，每 装过的话呢，安装一下就可以了。然后呢，我们保持未登录状态，点击菜单栏的 help 按钮，再点击这个 troubleshooting 按钮。在弹出的二级菜单中啊，点击这个 enable developer mode 按钮，然后呢，再弹出的菜单点击 enable， 这样我们就打开了它的开发者模式。这个时候啊 cloud 会 重新启动，等它再次启动后，啊，菜单栏就会多出一个 developer 按钮，这个时候呢，我们点击这个按钮，在弹出的菜单中点击这个 configure third part 按钮， 这个时候呢，就会进入到这个页面。这里我们要选择 gety 模式啊，然后我们要填一下 gety 的 best url， 这里其实就是我们要填写的模型的 best url。 那 这里呢，我用 deepsea 的 v 四 pro 给朋友们演示一下。不过 deepsea 有 个遗憾哦，就是图片理解它一直没有，所以呢，我们如果配了 deepsea 模型的话，发截图它是无法识别的。那这个问题呢，我们如果配了 deepsea 模型的话，发截图它是无法识别的。那这个问题呢，我们输入这个就可以了， 因为这个是兼容 astropac 的 best url， 然后下面 getaway apikey， 这里我们就填写我们自己的 deepsea apikey 就 可以了。然后呢下方这里的 modlist， 因为现在 deepsea v 四有对话和推理两种模型，对应 flash 和 pro 这两种模型，所 所以呢，这里我们要填一个 deepsea 微四 flash， 那 下面这个开关我们可以点开啊，点开它呢就是支持一兆上下文了，下面呢我们点这个按的按钮，再添加一行，我们填 deepsea 微四 pro 开关呢，也可以打开啊。最后呢，我们点击这个按钮， 那可乐会再次重启，重启完成，打开后啊，就是那个熟悉又陌生的界面，看四个 deepsea 的 模型，我们现在执行一个任务，看看效果怎么样啊。
2.4万AI樟榆树
02:17查看AI文稿AI文稿cloud code 又推出了一个新的功能，叫 power up， 这个功能是集成到终端里面，帮助你学习 cloud code 的。 用之前有两个前提，第一，只能在终端里面用 vs code 插件，暂时不支持。第二，版本要更新到二点一点九零级以上， 如果满条件都满足，打开终端，输入斜杠 pop up， 回车就会启动一个动画式的交互引导，手把手带你入门，不需要发任何的教程资料。整个教学内容分成十个主题， 我挑五个最实用的给你们讲明白。第一个，快速关联代码库，用艾特加文件名或者艾特加文件路径，就能直接让 cloud code 锁定目标文件，不用手动打开文档，也不用复制粘贴代码，效率直接翻倍。 第二个，多模式快捷切换，按下 shift 加 tab， 可以 在四种工作模式之间来回切换。重点说一下 play 模式，当你思路还不清晰的时候，先用它理清方案，相当于先画图，只在施工，不直接改代码，避免盲不踩坑。 第三个，一键回滚就错，指定出错了或者生成的结果不理想，直接一键回滚，就像文档的撤销功能，不让无效内容占用上下文窗口。 第四个，后台拖款任务，遇到耗时但不用时时刻刻盯着的杂活，直接设为后台任务自动运行，不耽误你处理其他工作。第五个，制定项目规范，你可以提前告诉 ai 项目的背景、开发规则，代理代码规范，让它输出更符合你的实际需求。 剩下的五个主题我就不足以念了，内容同样干货满满，你可以亲自上手解锁体验。再说一个很贴心的设计，每完成一个主题，前面就会亮起绿色的对勾， 中途有事被打断了也没有关系，下次回来一眼就能看到进度，无法衔接，继续学，有十个主题全部通关，成就感就像打完了一个游戏副本。觉得这期内容对你有帮助，别忘了点赞关注。 我是诚言万语，陪你一起看懂人工智能，不玩虚的，这箱干货，咱们下期见，拜拜！
103陈言妄语
01:55查看AI文稿AI文稿好，大家好，不知道 ansible 最近是不是被 open i 给激到了，现在 cloud 的 桌面版可以直接支持接入第三方的 api 去使用，也就是说你可以在没有订阅 cloud 的 情况下，用你自己其他的 coding plan 的 订阅，或者第三方的 api 也可以去使用这个非常强的 cloud code 桌面板工具，它的桌面版所有的像 co work cloud code 的 这些工具都可以正常使用，没有任何严格，只是换了一个大脑。那么如何去开启呢？就简单四步，非常简单。 第一步就是你下载好 cloud 桌面版之后打开它，打开它之后，正常这里左上角的菜单栏会有一个 help， help， 这个 trouble shooting 里面进去它会有一个启动开发者模式，因为我这里已经启动了，所以它这里没有。正常这里会有个启动开发者模式，启动好之后它会重启，重启完之后， ok， 你 就可以在你的左上角菜单看到开发者模式。 有了开发者模式之后，你在这里面选中这个这一行命令，这个就可以打开第三方的一个配置。 ok， 这一打开之后选中第一个，这个 getaway 下面的配置就是大家很熟悉的一个 url， 你 的 coding plan 一 般都会提供。第二个就是你的 api key 设置好之后，你直接在这里点击 apply， 然后完事之后它又会重启。 ok， 这一次重启之后，它就会来到这个界面。你相当于现在打开 cloud 之后会有两种方式去使用这个工具，第一种就是使用你官方的订阅， 我们这里用刚刚配置好的，我是用的智普的 callin plan 进去，好的，进去之后我们可以看到右边的这个模型列表，这边是他自动拉取到的这个 callin plan 里面包含的一个模型。当然你的这个 apikey 如果包含个其他的模型他没有拉到，你可以自己去配置，模型的名称也是可以的。 好，比如说我自己选择最新的 g o m 五点一，我问一下他，你是什么模型？我是直接在 call 里面使用的。好的，他开始思考了，还是挺快的，他说他是 cloud 的， 他的模型是 gm 五点一，这就证明已经可以正常使用了。 ok， 现在配置好之后，你就可以去使用当前最强的 ai 桌面板工具。好，关注我，我会带来更多的 ai 资讯。
272Yuuhann
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！
2375布鲁404
05:07查看AI文稿AI文稿前两天看到有个人评论说他之所以不用 cloud code， 是 因为每次关闭窗口以后，聊天记录也没了，下次打开只能从头开始聊。 实话实说，作为世界顶尖 a 型的工具，怎么可能会犯这种低级错误呢？哈喽，大家好，我是专注用动画科普 ai 的 阿 k， 今天这期视频我想给大家仔细的分享一下，想要用好 c c 应该掌握哪些技巧。本期视频全程无网，可放心观看，走你！ cc 其实一直有两个版本，大家比较常见的是 c l i， 也就是命令行版本，还有一个是在 g u i， 也就是图形界面的桌面端，这两个版本一直是并行开发，针对的也是两波完全不同的受众。 简单来说，桌面端提供了图形界面支持，更直观的代码对比和任务规划面板，适合偏好视觉化反馈的朋友。但我更建议大家尝试 c l i 版本，也就是我们今天分享的主角。 原因在于 c l i 版本的运行效率更高，对系统资源的占用非常低，更关键的是它在自动化集成和插件扩展方面有着天然的优势，能更方便的接入各种第三方开发工具。 在环境准备上， windows 用户只要提前安装好 node js 和 get 即可。不会其实也没关系，这里我教大家一个携修功法，那就是用一个有免费额度的 a 键的工具，比如翠，让他来帮你安装。那接下来就是 c c 的 安装环节。首先，由于 astropik 对 npm 命令的气用，以 以及新的 i r m 命令，国内使用百分百会报错，现在能用的官方命令只有这一条了。实测的时候，也许是因为我的网络问题，整个过程比较慢，但可以顺利完成，所以如果大家碰到跟我一样的情况，请保持些许耐心哈。护住它的方式很简单，我们在任意位置点击鼠标右键，选择在终端打开， 这样我们就能看到一个黑黑的命令行窗口，接着我们输入 cloud 并按下回车就可以了。但是第一次启动 c c 时，大家一定会碰到登录问题。好，这里就涉及到一个非常重要的知识点了。首先， c c 按道理来说是必须登录，而且只能用它们自家的模型，但是 s o p 这个公司吧， 懂的都懂，所以我推荐大家使用 cc switch 来给 cc 配置国产墨烯 a p i 不知道怎么用的话，问豆包或者 deepsea 都行。 ok， 那 相比随便找个地方呼出 cloud， 我 其实更推荐在指定文件夹里呼出，什么意思呢？比如我们现在要做一个测试项目，那我们就在非系统盘新建一个文件夹，并命名为 test。 为什么要用英文呢？因为这些编程语言都是国外开发的，他们开发的时候是不会考虑中文规范的，所以用中文名的文件夹或者文件夹路径中出现中文是有可能报错的。大家一定要养成用英文命名的习惯哈，哪怕是拼音都行。 进入 text 的 文件夹，然后在空白处点击鼠标右键，选择在终端打开。那在这里呼出 cloud 和在桌面呼出 cloud 有 什么区别呢？区别就在于在这个文件夹内的命令行窗口呼出 cloud， 它就默认为绕你这个文件夹里的项目来进行开发了。也就是说咱们人为的给它规定了行动范围，有利于我们接下来用自然语言给它下达开发指令。 达到这一步，其实也就意味着可以让他干活了。但如果想要更加自如的操控，他还得了解一些常用命令。首先他有三种常用模式，第一种是默认模式，主打一个稳健，每一步改动他都会停下来问你，你点头同意他才动手。 第二种是全自动模式，不问不看，直接开干，效率最高。第三种是 plan 模式，这就是只动嘴不动手，他会帮你分析逻辑出详细方案。 而切换三种模式的快捷键是 shift 加 tab。 我 个人比较推荐新手朋友在第一阶段先用 plan 模式来规划项目结构，等全部逻辑确认清晰以后，再切换模式去落地。注意哈，这里虽然是全自动模式，但实际上在涉及很多安全性敏感的操作时，比如要执行一段复杂的终端命令， c c 还是会对你进行询问的。 这时候屏幕上会出现三个选项，第一个是同意他的这一次操作，第二个是同意并授权接下来的所有这类操作都无需再询问。第三个是拒绝，一般情况下，如果你信任他生成的方案，选第二项就行。 然后是视频开头说的那个聊天记录的问题，其实我们只用输入斜杠加 resume 并回车就能看到一串聊天记录列表，选择你想要的那个，就可以无缝衔接到之前的聊天内容中了。那如果我们在项目开发的过程中执行了一段效果不尽人意的操作，之前的聊天内容之前 也可以把它理解为后悔药，当然，项目可以回退消耗的 token 肯定是退不了的哈。最后还有两个重要的命令，分别是斜杠 compact 提炼并压缩上下文和斜杠 clear 清空上下文。因为有研究表明，当上下文窗口占用超过百分之五十的时候， c c 的 执行质量就会降低。 我们需要养成当项目完成阶段性功能后，压缩或清空上下文的习惯，从而保证项目顺利开发。那具体怎么监控上下文消耗情况，以及如何在清空聊天记录后，还能让 c c 知道项目开发进度呢？这个咱们下期视频细聊哈。 掌握了前面说的这些，其实就足够支撑我们顺畅体验 c c 的 强大了。但如果你想要真正把它用到得心应手的程度，就必须深入研究一下它的三个境界功能。第一是 skill， 它是给 ai 准备的标准化作业手册，能让它在执行特定任务时输出的更加稳健且有条理。我之前做过两期视频详聊它，感兴趣的小伙伴可以去看看哈。 第二是 m c p， 它作为一个通用扩展协议，能让 ai 彻底突破本地环境的局限，去调用更广泛的外部工具。这个咱们下期视频也会详聊。 第三是 hux， 它是一套自动化的触发机制，能帮你实现完全无感化的开发工作流。那如果你想更系统的学习这些实操， get 上有一个开源的高新项目，它是专门教你如何上手 c c 的 纯干货教学仓库， 我自己也在用它学习哈。 ok， 那 以上就是本期视频的全部内容了，我是专注用动画客服 ai 的 阿 k 无惊无险又到六点下了个班。
7.7万K森动画
06:58查看AI文稿AI文稿我们打开 color code， 加斜杠 config， 然后往下滑，这里有一个 thinky mode 开关，你有没有好奇过，打开它和关闭它到底有什么不一样？我们再打开看 color 的 桌面 app， 我 们问了一个问题，然后界面上会显示一段小字，我们点开它，会展开一段思考的过程。那你有没有想过，为什么在回答之前会有一段思考的过程呢？它对我们最后拿到的答案有没有影响？为什么要把它思考的过程展示给我看，直接给我答案不行吗？ 我们先把 thinking 模式的本质讲清楚，普通模式是这样的， cloud code 每轮发给模型一大堆上下文，比如系统提示词， cloud 点 m d， 工具说明，还有你的问题等等。模型读完了，直接预测下一步，它可能是回你一句话，然后可能是调一个工具，可能是跑一个命令，改一个文件，从输入到行动，中间没有东西， 简单任务，这样是没问题的，比如说把按钮的文案从 a 改成 b， 但是任务一复复杂就容易出错了。比如说你说用户偶尔反馈请求会丢数据，那么直接动手只会盯着最显眼的代码改， 但是偶尔出现的问题原因他可能是在缓存，可能是在网络，也可能是引发冲突。得先把可能性列全，才能一条一条排除，没有中间这一步推理，那么模型只能撞运气了。 thinking 模式不一样， a p i 允许模型在最终输出之前先生成一段 thinking tokens， 里面做的就是假设、排除和定位，把可能性都输一遍，然后再生成行动方案。注意这里技术上它不是 call code， 外面再套了一个什么多域算法，而是模型的 a p i 的 输出结构和 token 的 预算发生了变化， 多出来一段中间推理的 token， 关键在于 transform 的 特性，生成下一个 token 的 时候，前面所有的 token 都它的上下文。所以这段先写出来的 thinking token， 它并不是给你看的装饰，而是模型自己用的，它后续生成结果的时候，会基于输入的上下文，加上自己刚写的 thinking tokens 来决定。 所以一句话总结，普通模式是上下文直接生成行动，而 thinking 模式是上下文先生成中间的推理，然后再行动。中间多出来那段就是模型给自己行动之前写的草稿。我贴了两段代码进 coloco 的 cash， 点 j s 是 一个带 t t l 的 内存缓存，分别实现了写函数 set 还有读函数 get， 然后 app 点 js 是 一个测试用力。我们先 set 了一条数据， user 杠一，然后 ttl 是 一秒， 然后我们尝试两秒钟以后 get， 然后期望值是 now， 但是实际行为并没有过期，还能读到值。所以我们问他，我说 bug 是 什么原因，然后是怎么修复的，不用写代码。 然后他回答我说 get 里只读取了缓存里的值，然后并没有检查这个 ttl， 所以 过期这个行为从没发生过。这个缓存实际上是一个普通的 map， 然后还是一样，我们用老朋友 cloud tab 抓取一下这个问答后面的请求，看看 cloud code 里 dink mode 是 如何工作的。打开 cloud tab 抓到请求，有两个字段决定了 dink 的 行为。第一个是 dink 字段，它的值是 adaptive， adaptive 不是 开启思考，而是让大模型自己看着办，让模型根据当前问题的复杂度，自己决定要不要启动思考模式，还有思考有多深入。然后第二个是 effort， 它的值是 high after， 就 一句话告诉模型大概想多深，档位多高，思考的 token 越多，答案越细，但越慢，档位越低，那么少想几步跑得快。一共它有五短，一共是 low， medium， high， extra， high max。 我 们打开服务器返回的响应，主要就看这个 content 的 数值， 里面主要包含两块，一个这个 thinking block， 还有一个这个 text block。 我 们先看 thinking block， 你 看它这里就做了一件事情，就是定位到 bug 是 在这个 get 函数，它取出了值，但是并没有检查这过期时间。 然后我们再往下看这个 text block 的 正式回答，它的修复方案就是在 get 里加一步，对比这个 date 的 now 和 entry 的 过期时间， 过期了就从 map 里删掉，并且返回闹它结尾还给这个修法起了一个名字叫这个啊，惰性清理，英文叫 lazy eviction。 所以 看到这里 thinking block 的 作用就是找到 bug， 然后 text block 的 作用就是修复这个 bug， text 的 这个动作都对得上 thinking 里做出的思考判断。所以说 thinking 并不是写完就扔掉了草稿，而是得到 text 里动作的这些基础。所以总结一下 thinking 模式和普通模式输出的区别。 普通模式，它的 content 的 序组里只有一个 block， 就是 type， 是 text， 装的就是答案本身。但是 thinking 模式下多了一个 block， 是 type， 是 thinking， 它排在 textblock 的 前面，装的是模型给自己写的推理草稿，所以同一个模型同一套预测下一个 token 的 生成机制，区别只是模型在 thinking 模式下输出的最后的 text 答案。之前会把 thinking block 里的写的内容当做上下文都读一遍再做调整。 所以 text 里的答案它并不是模型的第一反应，而是过了一遍推理之后的结果。你可能会想，这段思考是如何产生的呢？ 底层模型还是 transformer 机制，还是预测下一个 token？ 那 么区别是在训练的部分。现在大模型的训练大致分为四步，第一步是预训练，让模型读海量的文本，学会原本身。第二步是指令微调，教他跟着指令回答问题。 第三步是 r l h f 人类反馈强化，教他如何答得更顺畅，更符合人类的偏好。普通模型走完这三步就上线了，那么看到问题直接吐答案，像 sonnet， 然后 opus 这种 reason 模型会多走。第四步叫 reasoning tuning 推理后训练，这一步未给模型的训练数据格式就变了，它会从问题加答案变成问题加 reasoning 标签再加答案。比如解方程这个二 x 减三等于十四， 那么普通指令微调的样本直接教它输出 x 等于十。那么推理后训练给它的样本会先在 reasoning 标签里写 step 一 展开括号，那么 step 二两边都加六，一项得到二， x 等于二十。 step 三两边都除二，得到 x 等于十，然后才会在 answer 标签里给出 x 等于十。于是模型反复看这种逐步拆解问题的样本，它就学会了遇到复杂问题先把每一步推理写出来再回答的输出习惯， 所以 reasoning 并不是外挂的算法，而是模型在训练里就多学会的一种输出习惯。但是光有习惯还不够，运行的时候还得有 api 协议配合。我们看回请求的时候，那个 thinking 等于 adaptive 的 字段，它就是告诉服务器允许这个模型在 content 里输出一个 thinking block， 没有这个字段，模型就算想推理也没地方写。所以一句话，推理的能力来自于训练里多的那一步。 reasoning tuning 推理后训练，然后运行的时候会被这个 api 的 协议显示开启。回到开头那几个问题， thinking mode 开关控制的是模型，在张嘴回答之前，要不要把思路在心里过一遍，过这一遍的好处，你看到了同一个 bug， 它会每举各种可能性找到合理答案，代价呢就是输出的慢一点，但是 token 呢，也稍的多一点。
477张司机在路上
02:48查看AI文稿AI文稿cloud 的 桌面端，看图和 web fetch 访问指定页面，这两天我研究下来啊，访问指定页面呢，其实解决很简单， 只需要我们加三行代码就能解决，但看图啊，我们依然需要妥协。我先带朋友们解决 web fetch 访问指定网站的事情。首先呢，我们保持 cloud 的 桌面端，打开的情况下，点击 develop 按钮，再点击这个 configure party 按钮，在弹出的窗口中，左侧导航栏，我们点击 excel requirements 按钮， 这时候呢，我们就能看到右侧显示的这些网站，其实这就是默认我们能访问的，我们可以理解为他是白名单在这些之外的网站，那我们让克拉的访问就没有办法访问，所以呢，我们需要修改他的这个配置，让他对其他的网站放行就可以了。 我们打开终端啊，运行第一条命令，找到配置文件的目录，然后呢，执行第二条命令，这个时候我们就能看到他长什么样。然后呢，再执行第 第三条命令，把原来的做一次备份，再执行第四条命令，确认备份已经成功了。最后呢，我们运行第五条命令，用按第一打开，这就是原来的哦，我们要把它改成这个样子 模型，我现在用的是 mini max， 如果朋友们是 deepsafe 的 话，打开就是 deepsafe 的 配置，其实呢，这些我们不用动，我们只要改成这样子就可以了。然后呢，我们 保存，这个时候啊，我们重启 ctrl 桌面端，按照前面的步骤回到 excel 格式选项，不出意外的话往下翻就能看到下面多了一大堆。这样子呢，就好了，那现在我给他一个 deepsafe 官方文档的页面，让他访问并帮我梳理 deepsafe api 的 接入指南，看， 现在是没有问题了啊。那第二个问题就是看图功能使用 deepsafe 呢？我截止目前还没有找到合适的方案，我尝试了几种办法，都遇上了卡点，我还需要花更多的时间去研究。但是好奇怪的是 mini max 虽然它是多模态模型，但在 astropica 兼容模式下，我多次尝试图片理解都无法实现。最终我在官方文档的一个不起眼的位置看到了这句话，然后呢，我就心死了， 我现在的妥协方案呢，就是使用千万三点六 plus， 我 们如果要使用多个模型，那朋友们可以在这里复制一个，然后呢把模型改， 这样呢，我们就可以在多个模型之间去切换。我把名字改掉，然后下面填上 queen 三点六杠 plus， 然后呢一照上下文，这里点开，点击下面的同意。那这个时候呢，可浪的桌面端就会重启，等它重启完成后呢，这个时候 我就能看到下面模型列表里是 queen 三点六 plus 了。我现在给他一张图啊，让他分析看成了啊， deepsea 多模态啊，应该很快就来了，朋友们呢，可以等一等。目前在可浪的桌面端使用 deepsea 模型这种方案其实就适合编程类型的任务，如 如果是搜索、汇总，处理数据这样的多步骤长链路的复杂任务，我不建议使用克拉的桌面端去接入这种第三方模型的形式，那这种类型的任务我更建议使用 hms， 很 爽。另外我还有个请求啊，朋友们看到我的 i p r k 之后啊，不要去用了，那天我视频中忘了打码，不知道是谁帮我用了好多好多。
1025AI樟榆树
02:21查看AI文稿AI文稿大家都说 cloud code 是 目前最好用的智能体，但国内的小伙伴在安装和使用时总会遇到各种小脾气，今天这期视频我就手把手带你彻底搞定安装，并成功接入国产大模型。 正好最近 deepseek v 四震撼发布， pro 版还有折扣，性价比直接拉满。话不多说，咱们直接上实操。 第一步，环境准备。首先咱们得把基础打好，你需要安装两个工具， node js 和 git， 这两个软件直接去官网下载就好。安装过程非常简单，闭着眼点下一步就能完成。 装好之后，右键点击电脑左下角的开始图标，打开 power shell， 先输入 node v， 看到版本号显示出来，说明 node 已经就绪， 接着输入 mpv， 这时候很多人会遇到报错，别慌，这只是因为 power shell 默认的执行策略比较严格，限制了脚本运行，我们只需要输入下面这条命令，回车后选 y 确认，现在你再试一下 mpv 是 不是就能正常运行了。 第二步，安装 cloud code 环境配置好接下来就是重头戏，在命令行里输入安装命令，直接参考 deepsea 官方文档的那一行，稍等片刻，进度条走完就安装成功了。 第三步，配置 c c switch 与 api 为了在国内丝滑使用，我们需要用到 c c switch 这个利器同样是一路。下一步，安装好，跳过验证，打开软件，在设置页面先勾选跳过 cloud code 的 登录验证配置模型，回到主页，新建模型厂商，选 deepsea， 填入密钥，去 deepsea 官网申请一个 api key 复制并粘贴进来。由于 cc switch 的 默认列表可能还没更新到最新的 v 四版本，我们需要手动微调一下， 将主模型手动修改为 deepsea v 四 pro， 将嗨酷模型修改为 deepsea v 四。 flash 改好后点击保存， 最后回到 cloud code 界面，输入 model 命令，现在你就可以自由切换模型了。日常简单的代码任务选 flash 感响应飞快， 遇到复杂的逻辑难题，果断上 pro 版精准解决！好了，现在你的最强智能题已经完全体就绪，赶紧去试试它的威力吧！
124科技宅Lee
04:33查看AI文稿AI文稿你真的会用 cloud code 吗？为什么你的 cloud code 用起来和其他 ai 编程软件没有什么区别，甚至感觉越用越笨？接下来小编将用五分钟时间解决这个问题。 开始之前，我们首先要了解什么是 cloud code。 cloud code， 一个终端级 ai 编程助手，支持二十万，偷看上下文，能帮你理解代码、执行命令，提升开发效率。那么它与其他大模型有什么区别呢？ 说实话，两者比较本就没有意义， cloud code 更偏向工程实操，叉 gpt 更偏向通用协助。一个是 ai 编程助手，一个是底层的大模型。如果想让 ai 直接进项目，看文件改代码， cloud code 更加合适。如果你更需要思路或者方案，写内容， 叉 gpt 更加合适。接下来小编将讲解 cloud code 比较实用的操作，帮助大家快速理解并运用 cloud code。 第一点，项目理解。 对于项目开发或者修改某个 bug， 都应该先让克拉德克的理解项目，理解项目架构，这样后续的操作都会基于大局，试图来进行修改，准确率提升。 其中的原理就是 clogcode。 先通过 clog 工具快速定位相关文件，找到后选文件后再用 read 工具读取具体代码和文档内容。这样 clogcode 就 能把文件位置、模块关系和上下文整合起来，形成局局势图，先定位再读取，最后再执行，准确率会更高。 第二点就是手动配置长期记忆。 cloud code 的 记忆系统可以通过手动创建 cloud 点 m d 文件来实现。我们把项目规则、代码风格、常用命令和注意事项写进去之后， cloud code 的 每次工作时就能先提取这些信息，理解项目背景， 这样它不是临时猜测，而是基于长期上下文来协助开发。第三点就是代码审查。 如图展示的是 quote code 的 代码审查流程，它不是只看单个代码改动，而是先理解整个项目上下文左边是 pr 或代码差异，中间由审查引擎进行 ai 分 析， 最后输出风险检测、上下文建议和审查总结，这样审查结果更全面，也更接近真实项目的开发场景。代码审查通过 review 命令来执行，小编这里就是直接输入此命令，实现代码审查。第四点就是 get 工作流的集成。 get 能够为 cloudcode 提供辅助，比如理解当前代码改动、生成 commit 提交说明、辅助创建和切换分支，提示 merge 合并风险。同时它还能在 pr 阶段生成总结，帮助团队更快完成代码审查和同步。总结就是你可以通过自然语言交给 cloudcode 的 操作分支。 第五点就是上下文压缩。 cloudcode 的 上下文压缩命令是 compact， 它的作用是整理当前绘画，把涌跃的历史内容和临时分析过程压缩掉，这样可以释放 tokon 空间，让 cloud 在 后续开发、审查和修改中继续稳定写作。简单说， compact 就是 让 cloud 轻装上阵，继续高效工作。第六一点就是自定义 hux。 这张图讲的是 cloud code 的 自定义 hooks 配置，配置方式很简单，你只需通过自然语言告诉 cloud code， 这样就可以自动完成某些任务。一句话总结 hooks 就是 给 cola code 配自动化规则，让它在合适的时机自动帮你做检查，格式化和提醒。 第七一点就是 cloud 自带的记忆系统，你可以把它理解成 cloud 会一边工作一边帮你把重要信息记下来，这些记忆会自动生成并保存在 cloud memory 这个路径里， 里面通常会沉淀项目目标、规则、关键决定，还有后面要继续做的事情，直接提升了工作效率。最后一点就是自动查阅文档，这是非常厉害的功能， 说实话，除了简单的阅读官方文档，小编最主要就是通过这个功能让 cloud 联网搜索 github 上优秀的开源项目，包括了优秀 skill、 superpower 以及视频生成 hyperframes 等等，都是直接交给 cloud 帮我出使画跑通的，所以这也是小编最喜欢的功能。 好了，以上就是小编对于克拉的 code 的 具体理解，有误的地方希望指正，最后谢谢观看！
257GG bond
05:27查看AI文稿AI文稿最近开始尝试去使用一些原生的多 a 阵的协同的应用，用完之后现在再回去单纯的使用 cloud code codex 甚至是 open curl， 真的 感觉有点 out， 或者是有点过时了。先给大家讲一下我最近尝试的三个产品吧。首先第一个就是这个 slogan， 这个我觉得知道的人应该会多一点。这 slogan 给我的感觉就是你跟一群 agent 在 一个群聊里面当同事，然后他们随时都可能会艾特你，你也可以去艾特他们去讨论一些事情。 这帮 agent 他 们的积极性真的非常的高，你给他们设定一个任务，他们会七成二十四小时非常积极的帮你去落地。就我觉得对于拖延症的人而言，这真的是一个非常强的 push， 会让你的想法非常快的就被落地。 然后第二个就是这个 multi 卡，这个我还是初学者，我是今天才开始用的，就是讲的不一定对，可能大家可以一起讨论一下。就这个 multi 卡给我的感觉，它很像一个办公空间，就很像你坐在办公室里面，然后 agent 会给你发邮件说某个任务完成了，你你 你你要去审批，就像这样子他会告诉你你的任务完成了，要让你去审批或者去检查他的一个工作状态就是你就是这个任务的发起者和检查者，然后剩下的这些活都是让 agent 去干，就我觉得他的工作属性会更强一点，不像这个 slogan 是 同 是相处的那种感觉，冒体整体感觉我会更觉得他像你在给他们派国有一点上下级的那种关系，更接近你在当老板的一种感觉。最后一个就是这个 one man， 我 觉得他把放权给 agent 的 这件事情做得非常的极致，就是这里我只要给一个目标， 比如说我这里给的是说帮我做一个 ai 模特选角的网站，然后剩下的全部都是他自己组织的，包括说需要什么样的 agent 角色，然后他们分别负责什么。就我觉得他很像一个风群一样，他自己会 去理解你这个任务，然后去拆角色，然后每个角色要怎么干。像 slope 还有 multica， 他 其实都还是需要你自己去定义 agent 的， 包括说每个 agent 他的角色，他的这个 instruction 就 是它的指令，对吧？这些都还是需要你自己去定义的，但是在 one 妹里面完全就不需要。就这个名字其实也很有意思，就是 one 妹嘛，一人公司的那种感觉，就 agent 自己会去规划要做什么，全程根本不需要你做任何一件事情，你只需要定义我要做一个什么事情，定一个目标就可以了。我觉得这个是一个更加终极的一个产品形态， 当然就是说这些多 agent 协同它多多少少都会有一些问题的。最直接的一个问题就是 how talk 嘛，这个是肯定。 另一个就是这帮 agent 他的自主性和积极性太强了，就我觉得人脑的贷款根本跟不上，他们一直积极主动的在干活，但是你必须得休息，没有那么多精力去盯他们在做什么。你看这里他又更新了，因为你没有办法一直去盯着他们在做什么，你没有办法参与进来，那其实他最终的效果我觉得很难 说一定会很好，但我觉得这其实是一种趋势，就是在这些产品上你能看到一种很强的那种未来感，重点并不是说它把任务干的一定有多好，而是说这种原生多 agent 的 这种协同的形式，它能让你感受到一种很前沿，很有想象力的一种感觉，在这个过程中也会不断的 逼迫我们自己去想人在 agent 越来越强的时代，到底我们还能做什么？那最后想分享一下我在这些原生对 agent 的 应用里面观察到的两个趋势。首先第一个就是像 cloud code 和 codex 已经越来越成为一个基础的底 座，你可以把它叫做 agent o s 操作系统。一年前大家都在封装大语言模型 l l m 嘛，现在大家都在封装 cloud code codex 这种通用 coding agent， 如果你今天做事情做业务，还是去原生的调用 l l m 的 a p i， 那 你在第一步就已经落后别人十倍百倍了，因为大家起步都是在用 cloud code 或者 codex 当底座。就我今天举例的这三个例子，不管是 slogan 还是 multi 还是 one man， 它们都是底层调用，你本地已经安装好登录好的 cloud code 或者 codex 的 c l i， 这种 coding agent 比裸 l l m 现在是强一万倍的。 所以现在大家有一个共识，这种装在你本机的 c l i 就是 你的基础能力。不管你做任何产品，不管是你去包装一个新的 agent， 还是说基于你自己的业务场景去做一些细分领域的 agent， 都不应该自己再去造轮子，而是直接把 cloud code 或者 codex 作为你的基础能力插入到你的业务场景里面。 第二个趋势就是我觉得 agent 的 能力已经肉眼可见的在以指数级的增强，在这些原生的多 agent 的 应用里面， agent 都被放到了一个非常高的一等公民的位置。 以前我们的观点是 agent 是 为人服务的，站在人后面，但是你看这些产品， agent 已经不是说跟人平行了，他甚至是比人更重要的角色，就他们的积极性、落地能力都比人强太多了。很多时候我觉得我们不得不承认，人在这里面反而成为了一种累赘， 所以 agent 已经是一等公民了，甚至他的角色和位置比人还要更重要，这个我觉得在未来是一个不可阻挡的趋势。我们现在 如果如果是用 cloud code 或者 codex 的 话，其实大部分业务都还是人在主导的，但是我觉得用不了一年，可能就几个月的时间，这些多 agent 就 会成为所有事情，所有业务的一个主导，我觉得这件事情是不可逆。那其实到这里就衍生出了一个非常终极的命题，就是说在 ai agent 越来越强的时代，人的作用到底是什么？我觉得这个问题真的值得好好想一想的。如果大家有什么不一样的看法，欢迎大家在评论区一起交流和讨论。
3711新也诚🦞
