claude如何不间断的工作

从今天开始，你可以合上电脑去睡觉， cloud 替你把活干了。 entropy 刚刚上线了一个叫 routines 的 功能，简单说就是给 cloud code 写一份工作说明书，配好出发条件，然后它在云端自己跑，不需要你电脑开着，不需要你盯着。 三种触发方式，第一，定时，你是个每晚凌晨两点，它自动去拉最高优先级的 bug， 修完开个 pr， 第二天早上你起来看结果就行。第二， api， 你 家监控系统报警了，直接调 cloud 的 接口，把告警信息塞进去，它自己去查日制定位问题草修复方案，值班同事打开电脑之前活就干完了。 第三， github 有 人提了 pr， cloud 自动开一个专属绘像，跟进后续的代码更新评论， ci 报错，全部自动位进同一个绘像。 这个 pr 不 官，他就一直跟着。两周前， cloud code 源码泄露，网友扒出一个神秘代号叫 k a i r o s， 当时所有人都在猜是什么，今天谜底揭晓，就是 routines， 但这还不是最炸的，据得 information 独家报导， opus 四点七本周要来了，同步上线一款设计工具，一句话生成网页和演示文稿，直接对着 adobe 和 figma 开枪。关注星智源，秒追 a s i。

cloud co work 是 目前为止我用过最接近人类助理的 ai 工具，但大部分人呢，还没意识到这个工具有多强大， 所以今天这期视频呢，我会用五个跟大家生活息息相关的实用案例，告诉你 cloud co work 究竟能帮我们做什么，我们怎么上手用好这个工具？那我们话不多说，马上开始。如果呢，我只用一句话来概括 cloud co work 是 什么， 你可以呢把它简单的理解成是一个能主动帮你做事的 ai 系统，它除了能帮你做整理文件这类的日常琐事，还能连接其他平台一起协同帮你做事。而这呢，也印证了它名字里的 co work， 也就是写作的意思。 而且呢， co work 是 cloud 专门设计给非开发者也能用的智能代理 ai 系统。在我给大家展示具体的用法之前呢，先跟大家讲几个重要的核心背景知识。首先， cloud co work 和叉 gpt 这类的大语言模型相比，最大的不同点呢，在于大语言模型啊，已经习惯了 我们给他指令，他来遵循指令做事，但 cloud co worker 刚好相反，你只需要呢给他一个任务，他就会自己制定计划，然后一步一步执行步骤。另外呢， co worker 和普通的 cloud 的 聊天模式啊，本质上来讲呢， 也是不一样的，首先他是以做任务优先，而不是以聊天为先。虽然呢，他也能聊啊，但是呢，只要你说出你想要的结果， co worker 呢，更倾向于根据你要的结果制定一个多步骤的计划， 然后去执行。在他做任务的时候呢，你还能在右上角啊看到一个进度追踪器，方便你呢随时查看他的工作进度。你在这里呢，还能看到一个叫工作文件夹的区域，这里面呢是他生成的内容，比如文档， ppt， html， 网页，仪表盘，表格等等。还有一个上下文的区域，这里显示的是呢， co work 用来完成这个任务啊，需要调用的文件和工具。第二点呢，你可以把工作啊 托管给他，他能长时间自主运行。这个过程呢，可能啊，会持续几分钟，甚至十几分钟，这时候啊，你就可以去做别的事情， 不需要监督他。过段时间呢，等你回来的时候啊，他就已经帮你把工作做完了。第三点是啊，你可以把任务呢按照顺序派发给 co worker， 他 能同时处理呢多个任务，比如啊，帮你研究竞争对手的同时呢， 能分析各种数据表格，准备简报和会议。你可以呢，把 cloud co worker 啊理解成是用一个平台，就把 cloud 的 项目功能、 技能、 skills， 上下文协议、 m c p 和本身的智能体功能结合在一起，哪怕呢，你不懂代码，不是开发人员也能直接上手用。 co worker 最大的优势在于呢，你让他做的任务和因为做这个任务而创建的文件夹和文件，这些呢，都会在本地运行， 所以呢，你也不用担心文件会丢失。然后呢，你还可以通过 cloud 的 连接器连接其他的外部工具，在一个平台里呢，就帮你把工作做完了。另外呢，我在视频的描述栏里啊，也给大家放了个链接，你只要点击那个链接呢，就能下载 cloud cooke 这个 app。 记住呢，在网页版里啊，是没有 cooke 的， 咱们暂时呢还得下载这个应用，不过呢，刚好在两周前啊， cooke 的 windows 版本呢也上线了，所以现在呢，不管你是 mac 还是 windows 系统啊， 都支持安装了。另外 cloud 也宣布呢，二十美元的 pro 用户现在呢也能用这个功能了。之前呢是只有每个月一百或两百美元的 max 会员才能用。虽然呢，我测试下来之后发现啊， pro 每天能用的额度呢还是有限的，如果你的任务复 杂的话呢， token 的 消耗速度啊就会快一些。而且呢，你在 cloud 里的 token 啊是共享的，也就是一旦你 co work 里的 token 消耗呢达到了上限， 你在聊天窗口里呢，也用不了更高级的模型。不过呢，对于大部分人来说啊，至少使用这个工具的进入门槛呢还是降低了不少。这里呢提醒大家， cloud 现在呢，在设置里啊，还 不能选择中文，不过呢，你可以跟着我今天的步骤学啊，就知道每个功能呢到底怎么用。当你安装好 cover 后呢，这里啊就是你的工作区域。往左边看呢，就是 cloud 的 聊天窗口，这个跟 cloud 网站上的功能呢是一样的，你可以在这里呢跟 cloud 模型聊天，上传文件， 做仪表盘。很多呢，在 cloud 上已经有的功能啊，都能直接在这里找到。接下来是 cooke， 这里呢就是帮我们真正完成工作的区域，它本质上呢，其实是 cloud 代码，但界面呢，对于非编程的人员啊，更加友好， 更适合编程小白使用。咱们今天讲的所有案例和重点呢，都是围绕这里展开的。然后呢，还有第三个标签页就是 cloud 代码，这个呢和 cooke 相比啊，更适合有编程背景的人用， 可以呢，用 cloud 代码帮你搭一个完整的 app 程序。这个呢，是我觉得目前市面上做氛围编程效果最好，能力最强的平台，是专门给开发者用的。之后呢，我也会给大家做一期和 cloud 代码相关的视频，我会用大家呢都能听得懂的方式给你讲清楚。而 且我跟你说啊，你用 cloud 代码能做的呢，远不止编程而已。所以如果你还没订阅频道的话呢，赶紧关注一下，我每周呢都会给大家用最接地气的方式，帮你把复杂的 ai 概念和知识，用最简单的大白话给你讲清楚。当你掌握了 cloud co work 和代码后， 就能把他们的和 cloud 的 聊天机器人结合起来，创建属于你自己的定制化工作流系统。用 cloud 聊天帮你进行头脑风暴和深度思考，用 co work 来帮你干活，用 cloud 的 代码来制作可以交付的成品。 我觉得呢，把 ai 用的好的人啊，并不是把其中一个工具用到飞起，而是能把它们呢结合起来一起做工作。那接下来呢，我们就用五个实际生活中的例子给大家演示一下如何用好 cloud co work。 我 们呢，先来看一下如何用 cloud co work 帮我们整理桌面，这里呢，我们在中间的对话框里输入，帮我整理桌面上的所有文件。当我输入这个指令的时候，有一件很重要的事， 就是呢，我们得先选定一个做这个任务的工作文件夹，比如这里呢，我们选择电脑桌面，然后允许 clod 在 桌面上挪动文件，这一步呢，也就是相当于啊，给了 clod 可以 访问桌面的权 限，这里呢，先给大家看一下，我的桌面非常的杂乱不堪。另外呢，你在这里啊，还可以选择不同的 clod 模型类型 vlog 呢，最近推出了 opus 四点六， opus 呢是目前最强的模型，比 sonic 和海库都好。所以呢，如果你的任务比较复杂的话，我建议你选择 opus 模型， 尤其是呢，你可以把扩展思维模式打开，不过呢，相对应的，模型强也就意味着消耗算力大，你能做的任务数量呢就有限。 所以呢，如果你的任务啊，不是特别复杂的话，还是可以选择 sonic 或者嗨酷模型。比如我的这个任务呢，用的就是 sonic 模型。当我们点击开始后，如果呢，你在任务栏里写的指令很详细， cloud 呢就会直接开始任务。但如果呢，你只是简单的描述了一下任务类型，比 如像我们这个案例的话， cloud 呢就会先提出一些问题，等你确认后呢，他才会重启任务。这里呢，他问我们希望怎么样整理桌面上的文件，那我们呢，选择按内容主题分类，大概只用了不到一分钟， cloud 呢，就帮我们把文件啊都整理好了， 比起刚才复杂的一大片内容，现在的桌面呢干净了很多。而且呢，他根据主题的不同，还给我新建了八个新的文件夹，我分别检查了一下，都是没问题的。所以呢，如果现在你的电脑桌面很乱，有很多文件夹和截图，那你呢，就可以用我们刚才讲的这个方法帮你把桌面整理好。 老实说啊，还是真的挺省时间的。接下来呢，我们再看看怎么用 cloud 帮我们规划旅行。首先呢，我建议大家啊，可以在 cloud 的 聊天框里把你的要求输进去，跟 cloud 呢来回的对话几轮，这样呢，它就能帮你生成放在 co work 里用的指令词。我平时给大家演示用的指令词呢， 也不是我自己一字一句写出来的，都是在和 ai 的 对话过程中逐步完善。好的这里呢，我们把它复制粘贴到 co work 里，还有我新建的文件夹。这样呢， cloud 给我输出不同文件的时候，保存地址呢，总是一致的， 会乱糟糟的。当我把任务发给 cloud， 在 右上角呢，你就能看到他把整个任务呢拆分成了几个步骤之后呢，只要完成一个步骤，就会把这个任务划掉。如果呢，你把鼠标放在其中具体的一个步骤上，就可以针对这个步骤进行下一步提问或者提出修改建议。 所以呢，如果你想调整方向，只要点这个小小的对话加号就能直接更改。在下面呢，你还能看到 cloud 帮我们选择的适配这个工作任务的技能 skills。 当然呢，你也可以直接在任务要求里啊，指定 cloud 用什么 skills。 那 如果你还不知道什么是 skills 的 话呢，我之前啊专门给大家做过一期视频讲过，大家看右上角这里 随着 cloud 呢一个一个做完任务，它的实时进度呢，就会显示在这里，而所有做完的任务呢，都会被划掉。当然啊，你完全不需要等在这里，你可以呢先干点别 的事情，等他做完任务后呢，就会给你发消息，十分钟之后，他就帮我做好了这份日本的旅行计划，你看呢，他根据主题啊，给我们分别生成了对应的文件夹，当你点这里的文件夹标志就能看到呢，每个文件啊，都按照我们的要求 存储到了相应的位置。至于给我输出的内容，我觉得呢，质量非常高，不管是酒店推荐还是每个城市的行程规划都非常详细，费用的预算呢，列的也是非常清楚， 一目了然。最后呢，还告诉我需要注意和准备的东西清单。这样呢，下次我出门旅行的时候啊，就不用左想右想自己还落下了什么东西，只需要让 cloud 呢给我出一份清单，我对照着准备啊就 足够了。接下来呢，我们进阶一下下面的这三个案例呢，我们来看看如何把 cloud 和项目功能 m c p 连接器和插件 plugins 组合起来用。第一个我们来把 co work 和项目功能组合起来，帮我做一个演示用的换灯片。这里呢，我们回到聊天窗口，打 开侧边栏，然后我们点击项目标签，选择新建项目。项目功能呢，你可以把它简单的理解成是针对每一项单独的任务而创建的工作文件夹，你可以根据任务的不同呢，每一个任务都单独创建一个项目。 比如我现在呢，要去参加一个线下活动，给大家分享一下有哪些免费又价值非常高的 ai 课程，那比起从头开始看视频逐字稿啊，就是一个很好的资源。 这里呢，我们给项目起个名字，比如叫 ai 演示焕灯片。然后呢，可以在下面告诉他，我们想通过这个项目实现什么目标。当你创建项目后呢，在屏幕右上角这里啊，你可以输入你的自定义指令， 也就是告诉 clod 呢，在这个项目下做任务具体要遵循什么步骤。这样呢，每次你在 clod 的 项目下跟他对话的时候，他都会遵循这些自定义指令，你也可以在这里呢给他上传不同的文件。这里呢，我把过去两年的视频竹子稿啊上传给他。 另外呢，为了让他更稳定的帮我制作焕灯片，我还给他上传了一个视觉品牌指南，里面呢有品牌的颜色，字体， logo 的 使用规范，我还做了每张焕灯片的布局样式，还有一些如何使用图标和数据的标准。这个呢，就是 cloud 的 项目功能， 现在呢，我们就可以把项目里的内容跟 co work 功能结合起来了。所以呢，我回到 co work 这里，点击加号，在这里呢，就能把刚才我们创建的项目啊加进来了。然后呢，我们再给这个任务单独创建一个新的文件夹。 现在呢，我们把指令输给 cloud， 他 这里呢，先分析了我们的稿件，然后按照我们要生成二十页换登篇的要求给我们设计的大纲。你看这里每一页需要包含的内容啊， cloud 呢，都列据的非常详细。接下来呢，就是制作换登篇的过程，不过呢，因为我不停的测试啊， tiktok 呢，已经用完了， 等了几个小时后呢，我又开始让他重新工作。好消息是呢， co worker 啊，依然记得之前的步骤，这次很快啊，只用了一分半呢，就帮我把二十页的换灯片做好了。我们这里呢，点击查看文件夹。这个换灯片呢，也是按照要求啊，存放到了指定的位置， 虽然说呢，整个换灯片的美观程度叫 jesspark 这类的智能体呢还有待提高，但换灯片整体的逻辑性啊，还是不错的，重要的内容呢，也都包含在里面了。 这样呢，下次当你需要在短时间比如十分钟内准备一份焕灯片的时候啊，就可以让 clod 帮你做这个工作。那我们除了能在 clod 项目功能里操作，其实呢，我们还能让 clod 用 mcp 工具 连接外部平台，这样呢，就省去我们每次啊还需要去不同的地方翻来覆去的去找文件。比如这里呢，我已经让 clod 连接了我的谷歌云端硬盘。 这里呢，我要让他做我的数据分析师，帮我分析一下我一月份油管平台的数据情况。然后呢，用可直观的方法帮我把结果呈现出来。然后呢，给我做一个交互式的仪表盘，呈现数据结果。 十分钟不到， club 呢就给我生成了这个数据反馈的仪表盘格式。你看啊，和文字版干巴巴的数据相比， 这个是不是一目了然，非常清楚呢？这里啊， club 呢，帮我们列出了一些核心指标，包括总的观看次数，总 播放时长增加了多少，订阅封面点击率是多少，多少点赞评论。下面呢，还有每一天的观看量变化，新发的几只视频反馈如何，点击率怎么样？这里呢，还有不同影片的高阶数据，观众的行为分析。最后呢，还按照我们的要求给我们制定了下个月的策略， 这样呢，我就能在这个基础上进行每个月的复盘，知道呢，就能针对不足的地方进行重新的调整。 其实呢，不只是分析频道数据，你也可以呢，把各种数据啊都发给 cloud， 让他做你的分析师，你会发现啊，他经常能找到一些你难以发现但非常重要的点。 最后呢，我再教大家一个更高级的用法，也就是如何把 co work 和插件 plugins 结合起来用，你可以把这些插件呢理解成是 cloud 定制的技能 skills 连接后呢，可以让 cloud 做更多标准功能做不到的事情。 cloud 在 这里呢，已经帮我们做好一些了，当然呢，你也可以从 github 里上传 skills， 或者呢，你还可以自己创建一个 skills， 然后上传。这次呢，我先用 cloud 给我们的插件给大家演示一下，他们这里呢有专门针对科学研究、客服数据、企业搜索、 金融法律、市场营销等等不同的插件。具体每个插件能做什么呢，我也给大家整理好了，你在这只视频下面的描述栏里呢，就能找到。我这里打算连接的是和销售相关的插件， 那我们呢，先把它安装上，当你点击这里的管理插件 clod 呢，还会告诉你这个插件里的各种功能，比如呢，他运用了哪些 skills 帮你工作。这里呢，我们把指令词输进去，我让他帮我参考一下网上知名的博主 发售产品的流程，然后呢，告诉我如果我要发售课程的话应该怎么做，具体的操作步骤有哪些？同样，这里呢，我们也给他专门建一个文件夹来存放输出的结果也是十分钟不到， clod 呢就帮我做好了， 说实话，他给我的输出质量呢，真的让我有点惊讶到，除了帮我设计了产品的矩阵，包括免费的引流产品，低价产品、核心产品、高客单价的服务， 还帮我设计了整个发售流程，每天应该做什么，甚至啊，连群发的邮件都帮我写好了。最后呢，还提醒我注意售后跟进和如何提高复购率。我觉得呢，只要你想卖点什么东西给别人啊，这都是个非常有用的方法， 可以帮你省去很多时间。因为呢，你不需要去读那些厚重的市场营销书籍，也不需要上这类的课程，更不需要呢，把这些大 v 的 视频啊看个遍， 因为呢， ai 已经替你把它们都做完了。说实话， cloud co work 是 我测试过的 ai 里最接近真实助理的一次更新，过去这几周呢，我已经用它帮我节省了大量的时间。另外呢， cloud 也宣布啊，到今年三月十九号的时候， excel 和 ppt 的 使用量呢，就会翻倍，这也意味着呢，我们有更多的空间来创建 excel 电子表格，分析数据和换登篇了。所以，看完今天这期视频呢，你也可以想一想啊，平时呢，有哪些工作流程是常 用的，你可以呢把它们打包成插件，这样呢，不仅自己能用啊，还可以分享给你的团队。所以呢，大家别只是把 cloud 呢当做一个聊天机器人用，你还可以用它呢来打造你的 skills， 打包你的工作流程，让它帮你干活。视频最后呢，我强烈建议你看看我的这两只视频，都是关于 cloud skills， 这两期视频的价值很高，对你提高工作效率啊，绝对有帮助。如果你觉得今天的视频对你有帮助呢？欢迎点赞订阅频道，那我们下期片见，拜拜！

朋友们，安骚配有的大动作来了，深夜更新 remote control， 也就是远程遥控的功能，可以在手机端远程控制你的 cloud code 终端，让你的 cloud code 瞬间变成 open cloud。 随着小龙虾的出圈， ai 编程不再局限于编程工具，而是要做你的持续工作。代理人 ai 可以 在本地环境中持续运行工作，你可以在移动终端随时查看任务进度，追加指令。朋友们，这意味着 ai 开始真正的干活了，这也是当下最火的一个概念。 agenticai、 anselpic 和 openai 都在持续加码。 agenticai 核心逻辑非常简单，因为人是移动的， ai 可以 持续不间断的工作，我们只需要在想干预的时候干预，那么我们就拥有了真正意义上七乘二十四小时的 ai 员工。 所以， cloud code 正在从桌面工具向自动化 ai 助手转变。 cloud code 在 github 上的 commit 贡献量已经达到了百分之四，可以想象接下来 ai 代码的生产率将大幅度加速。

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！

有没有办法让你的卡扣一直不停的工作，直到你给他设置的对应的条件之后他才停止， 一分钟之内跟大家说清楚。首先官方出了一个插件，就是 rap， 这个插件有什么作用？当卡扣回答停止之后，他会把这个提示再发一遍给卡扣，等于说不停的循环的让卡扣工作，我实测下来可以让卡扣一直不停的工作，甚至是五到六个小时。 当然前提是你的上下文字过多，它具体怎么安装也非常简单。斜杠之后这里出现了一个 plug in， 只要装上这个插件就可以了。 red look 使用上也非常简单，安装完了之后 reload 的 一下，这个完了之后你写入你的提示词，这几个参数的意思是你最大要循环几次 设置一个停止条件，那这个插件非常适合那种，你已经知道怎么改，你已经确定好了你的需求文档，你的设计文档，还有你对你的任务，你已经确定好要怎么改之后，你直接给他提个词，让他不停的去循环的去验证，不停的循环，一次不行，两次或者多次，防止模型每次都偷懒的情况。

让你的 agent 连续不断的工作。我有句 promise 送给大家，你可以跟他说你是什么什么什么，然后现在我们在做什么什么事情，这个事情做完之后需要拿什么东西测试，然后知道满足什么标准才可以。然后 关键点来了，如果你只想到这里，只给他说一个任务跟任务完成的标准，他还会停下来，所以你必须得给他设计更多 reward， 比如说你的最终目的是让这个东西去 实现一个呃非常好的一个用户交互效果，还是说你是做学术论文，你要刷一个榜，那你就得给他一个持续的任务。通常来说，我们在 qq 里面，比如说你可以设置一个 log 定时器， 呃会每一小时半小时去提醒他。假如说你在空闲，那你就去把这个呃任务继续执行，你继续去帮我这个指标刷点，刷高一点， 然后呃去加一下技巧，就这么去操作的话，整个备孕就会连续跑满一个晚上。希望大家都能在睡醒的时候去捞到自己想要的结果。

我最近集中在用可乐扣的把我的一人公司系统全部重新做一遍，具体呢就是有这么几个点。首先第一个就是把我自己的内容创作全部的工作流，完成一个纯 ai 自动化的改造。你比如说以前我写口播稿，他是需要你去看很多的爆款，嗯， 有自己的结构，然后自己再去基于自己的实践，然后去写。但是现在呢，我首先做的第一件事情是搭建了一个信息采集的中台，它能够就是首先去采集一些热点信息，比如说对标的这个微信公众号 啊，对标的这个其他的博主的账号，以及对标的一些国内的大的这个资讯平台，比如说三十六客呀，晚点呀，然后还有一些这个什么机器之心呀，行业热点的一些比较有权威性的一些媒体。 然后海外呢，也关注了几个我对标的博主，像单扣啊，然后也会把这个头部的所有公司的这个官方账号也会 follow 一 遍，比如说这个 astropake 呀， gpt 呀、 openai 呀 的创始人什么的，嗯，从那个 newsletter 和这个呃 x 上面去不断地去 follow 他 们的信息，就是那这些信息会集中变成我的信息中台，然后每天都会把采集到的相关的热点然后传到给我。基于这个信息中台呢，我是分了几个信息处理的出口，嗯，第一个是这个微信公众号，因为我需要他 呃基于这些信息，然后给出我今天微信公众号的一些选择题，嗯，以及基于这些观点，然后基于我的理解，我的人设，他应该是从哪些角度去切入去讲这个选择题。 第二个呢就是口播稿，其实他们之间是联动的，然后口播稿他也会基于我对于我这个账号定位的理解，然后基于我们收集到的信息，给我一些选举上的建议。嗯，如果说我把选举确认了之后呢，他会给我生成具体的口播稿的内容。然后 第三个呢，就是我们日常运营的这个朋友圈的那个内容了，因为我的朋友圈的目的呢，是为了卖我自己的产品 啊，其实我另外向这个短视频也好，公众号也好，也是集中在为了卖我的产品，所以就是这个信息他的这个切入点就会基于如何在朋友圈，然后基于人设和私域转化设计每天的这个朋友圈群体的文案，那这三个系统都是全自动运行，不需要人为干预的，是吗？我觉得他解决了 百分之七八十就是重复性的人要做的东西，比如说信息收集，然后基于你的结构理解去生成出稿。在这个过程当中做了比较重要的几个决策，第一个就是我决定输入哪些信息员，就是我让他采集哪些账号， 这是我很重要的一个决策。第二个就是账号的内容输出来之后，基于这些信息他用什么维度去处理啊？以及他的输出结构是什么。还有最后一个决策，就是当他基于前面两个判断，最后真的生成出最终的一些文章也好啊，口播稿 文案也好，还有朋友圈文案也好，我还要再去审核一遍，甚至有的还要再去优化一些，但是整体这个这样的一套流程下来，已经让我曾经的这些所有琐事啊，这个提效了非常多，而且我觉得内容质量也提起来了，所以大家也可以看到，就是最近我的公众号和短视频都在持续保持一个日更，但是我的工作量 啊，其实并没有增加太多。但但不得不说，其实我在呃这个传统的事情上，呃基于 cloud code 帮我搭建出来的这个自动化工作流之后，我在这个事情上本身花的时间并没有很多，但是我在 cloud code 上面花了很多时间，因为搭这些工作流其实它并没有那么容易，嗯。

cloud code 现在是地表最长智能体啊，这个是毫无争议的，但是他到底有没有办法在国内使用呢啊？我充了钱之后会不会把我号封掉，让我血本无归，浪费钱呢？如果说你也有这个疑问啊，你可能跟四个月之前的我是一样的， 今天就给你讲清楚啊，其实 cloud code 呢，和 cloud 它是两个事情，虽然说它是一家公司的，但是是不同的两个产品啊。 cloud code 呢，它是免费的，它是开源的，你使用它不需要花一分钱的， 甚至你可以用别人家的产品来使用它啊，你可以理解为它是干活的躯干，它是没有一个大脑的啊，有了大脑之后它才能够干活。那么大脑是谁呢？大脑它就是 cloud 啊，这个东西是普通人不容易去买的，你比如说啊， cloud ops， 四点六四点七啊，这个是最好的模型，你写作啊，编程啊，你直接上四点六四点七啊就好了。 那么普通的编程任务呢？具体干活你用 solo 来完成也是可以的。嗨酷呢，我现在是基本上不怎么用的啊，基本上是 solo 起步， 你像我现在订阅完了之后基本上只用 os， 这个感觉真的是太爽了。所以说，如果说你有条件啊，直接上 os 直接工作就可以了， 但是如果说你开不到原厂的模型，用国内的模型代替可不可以啊？啊，完全可以的，国内的我只推荐一家啊，我推荐智普，这个是我身边朋友反馈下来，跟 opps 能力很像的。 所以说呢，就是如果说大家你也想接触到 ai， 我 就推荐最强的智能体和最强的模型啊， 智能体就用 cloud code 啊模型，要不你就用 cloud 的 os 或者索尼，要不然就有国内的智普，就这两种组合。 然后如果说你不会安装 cloud code 啊，你可以关注我啊，我下期再出一个零基础如何安装 cloud code 的 教程，其实也非常简单，普通人看完五分钟也就能安了。

就在刚刚， antropic 为 cloud 推出了一项王炸级功能， routines 日常任务。这个定时自动化功能会让你每天醒来发现工作已经做完了。今天我就带你实操演示，看看这个 routines 到底有多逆天，以及如何用它来搭建你自己的自动化工作流。 第一个震撼演示，邮件自动处理终结者！给大家看个最典型的例子，每日邮箱总结与草稿启草。以前你要实现这个功能，得在自动化软件里连一堆复杂的节点，还要弄 a p i 密钥。 但现在在 rutins 里，你只需要用自然语言写下指令，连接我的机密邮箱，找出所有未读邮件，检查我跟这个人以前有没有聊过，然后根据我的习惯写好回信草稿，最后用 slack 发消息通知我。就这么简单， 你可以设定它每天早上五点十分，在你醒来之前自动运行。等你一睁眼， slack 里已经躺着一份整整齐齐的邮件简报，还有它帮你写好只等你点发送的回信草稿，这简直是老板级别的待遇啊！ 技术原理，为什么它能干掉传统自动化工具？稍微科普一下过去的自动化，比如 n 八 n， 核心是逻辑搭建，你需要懂一点技术，把触发器动作条件判断像搭积木一样，拼起来很耗时间。 而 cloud routines 的 革命性在于，它把中间最繁琐的逻辑搭建部分，全部交给了 ai 的 自然语言理解能力去处理。它支持三种触发方式， 一、定时触发 schedule， 比如每天早上八点，每隔两小时二、 web hooks 触发。比如有新客户填了表单，自动触发 ai 处理。三、 api 请求触发，完全融入你现有的代码或系统中。 第二个震撼演示，全自动商业提案生成。其博主演示了另一个神级用法，当他开完一个线上客户会议后， 会议软件比如 fireflies 会自动生成会议文字记录，他把这段文字记录通过 a p i 发给 cloud routine， cloud 接到文字后，会在后台全自动分析客户需求， 甚至调用他事先设定的商业提案 ai 智能体，自动生成一份极其专业、包含具体报价和合作细节的商业计划书，最后直接推送到他的工作群里，整个过程无人干预。 以前这套动作他自己做要花两三个小时，现在只需要几秒钟。小白怎么用保姆级设置指南其实设置起来非常傻瓜化，需要 cloud 的 对应的权限和账号。 一、进入 cloud 的 routines 界面。二、点击右上角新建的每一步动作 sop。 四、添加连接器 connectors， 比如授权他访问你的 gmail 邮箱或 slack。 五、选择触发方式，比如每天早上搞定，就这么简单。更夸张的黑科技，一键转化现有工作流。 如果你已经是高阶玩家，手里有复杂的 n 八 n 工作流怎么办？博主写了一个强大的技能 skill， 你只需要把 n 八 n 里的代码复制出来扔给 clod， 他 能直接看懂，并用自然语言瞬间帮你把复杂的节点转化为一个 routine。 你 想修改某个环节，直接对 clod 说，把最后一步改成发到我的微信 slack 里， 三秒钟他就帮你改好了，再也不用去拖拽那些让人头秃的节点了。结尾总结未来的工作模式。看完这个你会发现，除了必须要你亲自出镜刷脸的环节， 你业务中百分之九十的案头工作信息处理和流转都已经可以被 rooting 全自动接管了。以前我们需要懂技术才能搞自动化，现在你只需要懂业务逻辑，会写清晰的提示词，这就是未来的工作模式。

睡前，我给 ai 发了一个指令，他吭哧吭哧连续干了四个小时的活，醒来之后我直接验收，成果，非常爽。 怎么做到的呢？去年底， angelopik 发表文章介绍哈里斯工程，主要讨论如何让 agent 长时间不间断的工作。此后这个话题在社区就一直很火。今天我们从原理到实践彻底讲清楚这个事情。提醒一下，今天的视频知识点很密集，我劝你先收藏，回头细看。 我会介绍两种方案，一种是社区很火的方案，通过一个 while 循环，不断启动新绘画来执行任务，典型代表是 rap 项目。 但我推荐的是另一个更好用的方式，多正立体协调的方案，更灵活，也更好用来，马上开始。据说 web 口令分为三个段位，青铜阶段是想说啥就说啥，没有章法，然后骂 ai 是 傻子。 黄金阶段，知道拆分任务，做一步看一步，觉得 ai 还是有点东西的，但还得陪着。到了王者阶段，那可以设定一些哈里斯策略，给 ai 丢下一句话，然后放心走开。 但是想这么潇洒也没这么容易。如果你试图给 ai 丢一个很长的任路，那么随着工作的展开，模型可用的上下文空间会越来越少，此时模型的理解负担会越来越大，导致工作质量越来越差，最后上下文耗尽，模型就停止工作了。 enveloper 官方的设想是，首先还是要制定详细的工作计划，把一个大任务拆分成很多具体的任务，然后每次启动一个全新的绘画去执行其中一个任务，不断的重复这个过程，直到所有的工作完成。由于每个任务都是在新的绘画里面实现的，因此每个任务都有独立的新的上下文窗口。 你发现没有，这个方法和前面说的黄金段位的做法其实是一样的，做好规划，让 ai 一 次只干一个工作，只不过之前要你陪着 ai。 这里我们要用一个新的方式让 ai 自己弄起来。有个叫 rough 的 项目实现了这个方法，这个项目的核心代码是一个 shell 脚本，其中核心代码就这几行， 写一个 y o 循环，不断地用 cloud 命令启动新的规划。那么针对这个脚本，我们可以发现三个事情，第一个， 这个循环是由一个系统脚本来维护的，而我们后面会介绍的多智能体方案，那个循环是用组织人体来维护的。第二，它使用 cloud code 的 方式是用 cloud 的 命令是在后台禁用执行的。 这个方法估计很多人不知道，大家习惯的用法都是使用 cloud 的 客户端，其实这两者是等价的，你知先 cloud 的 你好命令跟在 cloud 的 客户端里面写你好作用是一样的。第三个，每次启动新绘画时， ai 都会读取同一段提示时开展工作。那么这里就有一个问题， 为什么读取相同的提示词却会做不一样的事情呢？我们来看一下这段提示词。在提示词中，要求 ai 在 每轮绘画中的主要工作流程是，首先要读取文件，了解需求和进度， 然后从代办任务中挑选一个最重要的来执行。完成工作之后，在相关文件中把这个任务一。在第二个绘画中， ai 做的就是任务二，以此类推， 前一个绘画里的 ai 和后一个绘画里的 ai 是 通过文件来交流的，那么通过这个巧妙的设计，就可以用一段提示词来循环执行不同的工作了。 但这只是让任务能够循环起来还不够，还得确保如何让 ai 在 每一轮对话中都有高质量的产出呢？否则辛辛苦苦忙活了一个晚上，最后可能只是多了一堆屎山，没有意义。我们来看一下提示词，它这里做了几个约束，一个是提供这项工作所需要的所有上下文， 包括需求文档和进度文档，还有工作规范，也包括从文档中了解以前踩过的坑。第二个是他要求要严格进行测试来确保质量。 但是我得说，其实这还不够，自己开发自己测试效果一般更好的办法是另外找一个纸质龙体来测试啊。这个我们一会会说。原理介绍完了，接下来顺便说一下怎么应用呢？这个原理很简单，你其实可以自己写袖脚本来实现上述功能。当然你也可以使用现有的框架， 现有框架除了这个原生的 rev， 还有一个 rev for cloud code， 或者是在原来的基础上增加了更多的这个功能，但使用方法都差不多。首先准备一个需求文档，这个文档没有格式要求，但是你写得越清楚越好，一般让 ai 来写就是了。 然后使用 web 框架提供的功能，基于你这个需求文档生成开发计划、设计规格、提示时等后续执行流程所需要的相关文档，这些都是框架会自动帮你完成的。最后运行需要脚本来启动这个循环就可以了。具体的操作 readme 文档里面都写的很清楚了，我们这边就不介绍了。 好，现在你已经了解基本原理了，接下来我们重点介绍如何使用多智能体的方案。总结前面的过程，其实核心在于我们需要创造一个独立的上下文空间给 ai 干活。 独立的上下文空间，这不就是纸智能体最擅长的吗？直接来说一下整个方案的设想。首先，把 kol 的 主绘画当成主智能体，他不负责协调纸智能体，这样可以让主智能体的上下文保持简洁。 其次，设定专门的纸质人体，负责制定计划、开发和测试。这里其实就是设定多个纸质人体的模板，放在 cloud code 的 指定路径下。 那么基于这个设想，我们要做的其实就是两个步骤，第一，你要按照你的业务需要设计出整个工作流程。第二，按照这个工作流程写出纸质人体和纸质人体的提示词 来。先说一下怎么设计工作流程吧，这个工作流程没有绝对的做法，我这边拿我平时做视频素材的例子给大家做个参考。做视频是我的兴趣，因为我喜欢那种在一堆复杂的问题中捋出一条线的感觉， 但是我不喜欢准备素材和剪辑，因为这些工作对我来说主要是体力活。好在有 ai， 这些事情我可以交给 ai 去操办， 一次视频可能要做几十页的 ppt， 如果一次性丢给 ai， 经常会有各种布局问题，于是我就拆解了撸，每次只开发一个页面，开发一个，测一个，然后再开发下一个，再测一个，这样效果就好很多了。具体来说，我的工作流程是这样的， 这个工作流程讲起来有点像绕口令，我尽量说清楚一点。首先主智能体接收到需求文档，他看都不看，直接把文档的路径丢给负责做计划的主智能体 纸质人体，按照事先设定好的工作流程完成计划的制定，然后把计划文档的路径返回给组织人体。组织人体拿到计划之后，取出一个任务，按照原新定好的开发纸质人体的模板，启动一个开发纸质人体来执行任务。 这个开发纸质人体完成任务之后，不返回代码结果，而是将文件返回给组织人体。组织人体接收到路径之后，也不去阅读具体的开发成果，而是将开发纸质人体返回的文件路径提交给测试纸质人体。 测试纸质人体完成测试之后，不是提交大段的测试结果，而是将测试结果写在本地文件返回这个文件的路径给组织人体。 那接下来组织人体接收到这个测试的答复之后，如果是测试失败，那重点来了，要将失败信息返回给刚刚负责开发的那个组织人体，让他接着修改。这里不是启动一个新的开发组织人体来修复 bug， 而是让之前的开发继续来修复这个 bug， 因为之前的开发拥有历史开发阶段的上下文信息，让他来继续修复这个 bug 会做得更好。 同样的，这个 bug 修复完成之后，要让刚刚提出问题的那个测试纸质龙体来进行验收，而不是先开一个测试纸质龙体。而如果一开始就测试成功了，那就更新任务进度，读取新的任务，启动新的开发纸质龙体，继续下一个任务，直到全部完成任务。 有了这个流程，我们就可以进入第二步，设计组织人体的提示词和组织人体的提示词。其实你不需要自己写提示词，现在应该也没有人是自己写的，你只要把我们上述说的这个过程改写成你的想法，然后发给可拉扣的，让可拉扣的帮你输出这些文档，然后你看着改就行了。 但我们还是大致看一下提示词可能是长什么样的，以便加深你的理解。直接给大家看个视例，这是我的组织人体提示词。首先这里强调只负责调度，不要阅读具体文件。 然后出土化的时候创建一下录制文件，方便一会儿记录工作进程。这边要获取一下智能体的 id， 为什么特别写这个呢？这是我踩过的一个坑， 我发现 ai 老师说他获取不到纸智能体的 id， 但其实创建纸智能体的时候，是会在本地创建一个文件的，通过这个文件名就可以获取纸智能体的 id 了，所以我就把这个方法直接写给 ai。 接下来就是开始执行工作流程了，首先是使用 edit 工具，启动 edit 去制定计划，要求 edit 只返回最后的文件路径， 然后进入开发循环。先是启动开发，指智能体完成开发之后并行启动。三个测试，指智能体 收集判定结果和测试报告的路径，然后进入修正循环，最多循环三次，避免无限循环。如果修复超过三次还搞不定的话，那后面留着人工来解决， 接下来注意这里谁写的 bug 谁处理，谁提的 bug 谁验收，在修复的时候要启动之前的那个开发，在验收的时候也要启动之前提出问题的那个测试。 注意这个方法要在 agent 的 方法里面加入 resume 参数，传入纸质人体的 id， 如果你用不了这个方法的话，那可能是版本比较新，那可以按照官方的文档使用新的 message 方法，然后完成本次循环之后更新一下设置啊，这方便回头我们观察一下大致的过程， 全部完成之后可以做个总结汇报，那么大家可以发现流程怎么设计纸质人体来维护的？接下来看看纸质人体 cloud code 对 如何构建子智能体做了规范，你需要做两个步骤，首先是按照子智能体的模板完成智能体的设计，这个就是模板， 模板分为两个部分，一个是在顶部给出这个子智能体的配置，比如叫什么名字，使用什么模型，可以使用什么 skill， 有 什么权限等等。其次是在底部写出这个子智能体的系统提示词，完成模板设置之后，将文档放在点 cloud 杠 agents 目录下， 按照纸质人体的名字命名就行了。后续组织人体就能够通过 a 层的方法传入纸质人体的名字，按照对应的模板直接生成这个纸质人体。接下来说说纸质人体的提示词， 纸质人体的提示词有两个作用，一个是用于衔接这个流程，一个是用于办好事情，前者是为了这个流程特地设计的，或者是你不管有没有这个流程原本都得做的，比如要求使用什么 skill 之类的， 所以不要迷信 rough 等框架，也不要迷信这套流程，组织人体只是帮你把这套流程维护好，真正决定最后交付的是一个可用的成果，还是一堆十三的， 还得是看你对组织人体的设计。这是我设计的几个组织人体，一个做计划，一个做开发，三个做测试，分别从页面布局、页面美观还有页面动画三个方面开展测试。其中测试工作比较简单，我是用黑酷模型来做 开库，我配置的是 g o m 四点七模型，其他智能体都是用 g o m 五点一，那这样可以加快速度。 关于配合流程指智能体的提示词有两个重点，一个是要强调通过文件来和其他指智能体进行信息传递，得规定好开始工作前要读什么文件，结束工作后要写入什么文件。 比如对测试纸质人体来说，开始的时候要读开发写的代码文件，结束的时候要把测试结果写入本地文件。第二个是强调输出的内容的格式， 只输出文件路径给组织人体，不要输出大段的开发内容或测试内容给组织人体，因为这样会占用组织人体的上下文空间， 他的内容根据你的实际需要，你该咋写咋写，爱咋写咋写。呃，我说个技巧吧，我让开发在改完 bug 之后要把经验沉淀下来。这个经验有两个作用，一个是在同一个大循环的开发过程中，前面踩了坑马上会成为后来者的经验。 一个是事后用于完善我们的 skill， 这就和我们前面视频介绍的哈尼斯技巧呼应上了，不要让 ai 犯相同的错误。 你还真别说，有一次 ai 自己也发现了，前面踩完坑之后，后面的测试速度就快了许多。此外，我还会给开发和测试分别分配一个 skill 给他们，让他们知道怎么开发，怎么测试。那当然，这些 skill 是 为我自己量身定做的。 呃，其实我也试了很多流行的 skill， 好 看是好看，但是总感觉不适合我，因为他们大部分是注重设计感，而我其实更注重的是传递信息。但我也把我之前用过感觉还不错的几个 skill 推荐给大家看一下。是这几个 好。完成这些智能体的设计之后，接下来就简单了，直接附上需求文档和主智能体的提示词，发送给可拉扣的就行了。然后你该干嘛干嘛去，回来验收成果就行了。而且有一个感觉，只要 ai 在 干活，就可以心安理得的吃喝玩乐，感觉并没有在浪费时间。 最后我们来看一下工作成果，这是工作日志，看一下有些页面是一次性通过的，有些是迭代了多次的，整个过程跑了几个小时， 理论上你要跑多久都可以，只要不断网不封号，跑到地老天荒。然后也看一下这是相关的经验总结的文档。 最后，你现在看到的视频中的这个画面，就是这次的最终成果。其实我是生成了三份，然后挑选各自的精华，最后组成了这个 最后了。今天这个视频的知识点其实比较多，不太好消化，所以我也做了一个体店，方便你参考。这里我就不念了，大家自己看一下。好，我们今天就到这里，如果有收获请点个一键三连，感谢，下次见。

所有代办工具都有同一个漏洞，他们假设你每天精力稳定，能随时按优先级理性执行，但精力是波动的。那些代办工具没考虑到这一点，你就只能靠一直理硬撑。一直理是有限资源，靠它管理计划是不适用的。今天分享我用 cloud code 的 这个 agent 加智普最新的 g i m 五 curbo 模型，搭了这套 ai 计划管理系统。完成计划不再靠意志力，而是靠系统设计本身。这套系统我用了三个 skill， 各司其职。今天简单演示一下第一个 skill， 负责维护我的四十八小时任务清单。完成任务或者结束一天工作后，我会直接告诉 ai， 它会读取任务暂存库，过滤出今明两天需要做的任务， 清理已完成的，然后归档放到四十八小时代办清单里，然后按经历级别高中低重新排列清单。整个过程是多步骤工具调用的，我只需要在这个对话输入框中 跟 ai 说更新我的代办清单并执行， ai 就 会自动读起文件，过滤、归档、写入，一气呵成。可以看到 ai 的 执行过程，它已经调用了我的 skill。 再看第二个 skill， 这是用来追踪我的上单时间线的，因为最近接的上单比较多，时间线比较复杂，所以专门做了一个 skills 来进行跟踪。如果之后加入了其他模块，我可能会增加我的 skill。 这个 skill 目前的工作是自动找到对应的上单，根据发布日期倒推出完整的时间线，然后再检查有没有发布冲突。因为我每天最多只能发一期上单，排期的话不能撞车，所以我需要这个 skill 来帮我进行处理。我最喜欢的部分就是，我只需要在 查找输入框这里输入一个意图，它就可以拆解出所有我要更新的地方，不仅更新我的时间线，也会更新我的代班清单。再看第三个 skills， 这个是负责做季度回顾的，它会读起我的四十八小时代班清单，将每日任务进行归档，统计哪些目标值得继续推进，哪些需要调整方向。这三个 skills 最直接的好处是复杂指令能拆解，以及长任务。不断线恰好是这套工作流最需要的。 我在背后用的模型是 g m l 五 turbo 智普最新发的模型，它们的定位是全球首个龙虾模型， cloud bench 上国产模型第一，智普也有 cloud plan 企业套餐。最后说一件有意思的事，这期视频本身也是这个系统管出来的， 系统的意义不是让你更忙，而是让你知道什么时候可以不忙。最高效的自制力管理是建立一个不需要自制力的系统。你现在用什么来管理自己的代办工作流呢？欢迎在评论区里分享和交流，我们下期见，拜拜！

现在三个 agent 在 一起工作，这是一个，这是一个，这个妙计整理的，这个也在做呢，干了十八分钟了。如果你用的也是在 ide 的 这个软件里面，比如 tree， 比如 vise code， 比如 cursor 里边，你去使用 这个 agent， 使用 cloud code 等等，那么你在这个里面调用处终端新的绘画呢，会放在右边，而这个时候你就会经常的并行的去 安排你的任务，那就涉及到了你不同窗口之间如何切换的问题。其实是有一个常用的一个快捷键的，如果是 mac 电脑呢，就是摁住 command， 然后加一二三四，比如说我们这样啊，现在是一共增加了四个窗口，如果你是在第一个窗口聊聊聊聊聊，然后聊第二个， 那我们就按 command 加二就切了啊。这个 command 加一二三四是一个默认的，大家都这么用的一个切换终端的这个绘画标签的格式键，那比如我们再开一个第三方终端，开个这个 ghost， 这里面加了一二三四，加了四个窗口。哈，那我们一样也是 command 加一 二三四，就这样都能切换，呃，就是特别快速的切换，在咱们那个 id 插件里面在处理，其实你在这种终端里他也能做到，只不过你得自己设置一下，也是在这个 key bandings 这个配置文件里，你看我这里面就设置了啊， 这个 command 加一，它的功能呢，就是切换终端第一个绘画标签，然后加二加一，一般我最多就是并行五个任务左右，所以我就设置到 command 加五，也就是在这里面聊的时候，不用每次鼠标再移动这么长，再回来，再移动过去再回来，反正就 command 一 二三四五， 这就可以了，非常的快速啊。具体怎么做你就跟他说，你说我需要在翠的终端里面去用快捷键来去切换不同终端的绘画，我的快捷键要设置成什么？比如我要设置成 command 加一到五来去切换前五个绘画标签，然后可到扣的帮你改就帮你改了， 或者你直接找到这个配置文件，把这个粘贴进去也是一样的。

你还在用 cloud code 乱敲代码，没有规划，没有结构，跑着跑着就偏了。这不叫 whit coding， 这叫瞎撞。 有一个插件能让 cloud code 变成一个真正的资深工程师，他叫 superpowers， github 已经超过十八万 star。 他给 cloud code 定义了一套完整的五步工作流。第一步， brainstorm， 你 只需要说出想法， cloud 帮你头脑风暴，把模糊需求变成清晰方向。 第二步， spec 自动生成产品规格文档，把我想要变成系统应该做什么。第三步， plan 拆解任务，制定执行计划，知道先做什么后做什么。 第四步， brigade， 多个子智能体并行开工，前端后端 devops 同时推进，不互相等待。 第五步， review， 内置 p， d， d 和代码审查，自己跑，测试，自己发现问题自己修复，整个过程 cla 可以 自主运行好几个小时，不跑偏。 安装只需两秒，在 cloud code 里输入破解， install superpowers 搞定。从今天起，不是你在用 cloud code， 是 你在指挥它。

智能体应用科奥托管智能体升级，一场 ai 生产力的彻底革命！你有没有想过，以后不用自己熬夜盯项目、改代码、履流程，只需要给 ai 说清楚目标，它就能自己组建专业团队，制定执行计划？ 基层二十四小时不间断干活，中途断网断电都不耽误进度，甚至还能自己复盘改错，越用越强？这不是科幻电影里的场景， 而是二零二六年四月到五月， answerkey 接连放出的 cloud 托管智能体重棒升级，直接把这个想象变成了现实。这场升级不是小修小补的功能更新，而是一次从底层逻辑颠覆 ai 行业的大地震，不仅让全球开发者集体沸腾，更让华尔街的投资人们彻夜难眠， 甚至直接改写了整个软件行业的未来格局。先给大家捋清楚这场升级的核心事件时间线，让你一眼看懂这场风暴的来龙去脉。这场变更的起点是二零二六年四月八日美东时间当天， anfric 在 官方薄课正式发布科爱托管智能体科爱 manage agents 公开测试版。这是一套全托管的智能体基础设施 a p i。 官方给出的核心承诺是把生产级智能体的构建和部署效率提升十倍。消息一出， 官方发布的介绍推文，二十四小时内就斩获了两千零七十七万浏览量、五点六万点赞和九千一百次转发。 相关 youtube 视频上线一天播放量就突破十四点七万。 no！ 沈乐天、 a sana 等全球知名企业第一时间宣布率先接入。而真正把这场热度推向顶峰的，是二零二六年五月七日 angelic 举办的 code with cloud 开发者大会。就在这场大会上， cloud 托管智能体再次迎来重磅升级， 一口气上线了多智能体编排目标结果 out comes 两大公测能力，以及处于研究月篮版的自主推演追命能力。同时全面放开了模型 a p i 速度限制，更官宣了和 space x a i 的 重磅算力合作。短短一个月时间， 两次重磅发布，科二直接把 ai 行业的竞争从大模型参数竞赛拉进了智能体基础设施竞赛的全新时代。接下来， 我们就用最通俗的话，拆解这次升级最核心的技术亮点，哪怕你完全不懂代码和 ai， 也能听明白它到底牛在哪。这次升级最核心的底层革命，是 anfric 独创的大脑手记忆 三层分离架构。很多人都用过 ai 聊天机器人，他就向你问一句，他答一句的电话咨询挂断之后一切归零。稍微复杂点的多步骤任务，他要么中途忘事，要么出错了不会改，根本没法用来干正经工作。而 cloud 这套架构， 直接把 ai 从只会说话的顾问，变成了能稳定干活的员工。我们打个最形象的比方，大脑就是科尔的大模型，只负责核心决策和任务规划，相当于公司里经验丰富的项目经理， 指定方向分任务做判断。手就是原端安全沙箱执行层，在完全隔离的安全环境里，专门负责调用工具执行命令落地具体工作。就像专业的执行团队，只干活，接触不到核心数据记忆就是持久化绘画日记层， 把每一次交互、每一个执行结果都像写项目档案一样完整存下来，哪怕任务中途中断，下次也能无缝续上，甚至还能从过往的工作里总结经验。这套架构带来的改变是颠覆性的，官方数据显示， 它让智能体的响应延迟直接降低了百分之六十到九十，能实现七乘二十四小时不间断运行，支持断点续传。更重要的是，过去企业要搭建一个能真正落地干活的生产级智能体， 要整个工程团队花数月时间去搞定安全刹厢、凭证管理、错误恢复、练路追踪这些底层基础设施。而现在永克托管智能体， 你只需要说清楚任务目标，剩下的所有底层工作全由平台包揽，从原型到上线只需要几天时间，效率直接提升十倍，而且成本低到超乎想象。 除了模型调用费用，每个活跃智能体绘画每小时的固定运行成本只有零点零八美元，让中小企业也能大规模部署自己的 ai 数字员工。在这个硬核架构之上，这次升级新增的三大能力，更是直接给智能体装上了超级翅膀，每一个都堪称王炸！第一个王炸能力 是多智能体编排。简单来说，过去你用 ai 是 让一个人干所有活，不管是写代码、做设计还是审方案，全靠一个 ai， 效率低，还容易不专业。而现在，你相当于拥有了一个能自主调配的完整项目团队，你只需要给主导智能体一个大目标，它就会自动把任务拆解，前端的活分给前端专属智能体， 后端的活交给后端智能体，找 bug、 做审核、搞调研，再分发给对应的专业智能体，让它们在并行线成立同时开工， 配合默契，完美复刻了真实职场力的团队协助模式。第二个王炸能力是 optimus 目标导向机制，这解决了 ai 干活最让人头疼的问题，你让他做个方案，他经常做出来的东西，驴唇不对马嘴，改十遍都达不到你的要求。而这套机制，你只需要做两件事， 说清楚最终目标，定好验收的成功标准，剩下的全交给 ai， 他 会自己制定执行计划。干完活之后，还会有一个拥有独立上下文的审计智能体，像个蒙眼的铁面判官，只看最终结果符不符合你定的标准，完全看不到执行过程，从机制上杜绝了 自己给自己打分的作弊可能。 android p 官方测试数据显示，这套机制让复杂任务的成功率比传统的提示词循环模式直接提升了十个百分点，越是难的任务，提升效果越明显。第三个最让人惊艳 的是追命自主做梦能力。我们人会在睡觉的时候复盘一天的经历，总结经验教训，而现在 ai 也学会了这项能力。在这个模式下， 智能体不会一直不停干活，而是会在后台定时复盘过往的所有工作，自动整理记忆力的内容，发现自己反复犯的错误，总结出更高效的工作方法，实现真正的自主学习， 越用越强。这也是 ai 行业第一次把这种自主复盘能力大规模落地到托管智能体产品中，让 ai 真正拥有了成长型思维。除了这些能力上的升级，安卓 pick 还为这套智能体系统 铺好了最硬核的算力底座，就在五月七日的大会上，他官宣和 spacex i i 达成合作，将全权使用科拉斯级数据中心的全部算力资源，本月内就会新增超过三百兆瓦的算力容量，相当于新增二十二万张英伟达 gpu， 这些算力将全部用来支撑科二托管智能体的运行和用户体验提升。在 在此之前，他已经和亚马逊、谷歌、微软达成了累计超十几万的算力合作协议，为智能体的大规模落地助劳了算力护城河。这场升级带来的热度和行业影响已经远远超出了 ai 圈本身，在全球范围内掀起了一场连锁反应。首先是全网的现象级热度， 从四月八日发布到五月升级，相关话题在全球开发者、社区、社交媒体平台的累计讨论量突破三亿次。 get up 上相关的开源式配项目一周内新增了上千个，无数开发者直呼这直接把 ai 应用的门槛降到了地板上。而另一边，无数 ai agent 创业公司的创人和投资人却彻夜难眠。三十六客更是直接发文评价 anfor pick 出手，一批 a 阵创业公司死去，因为他把过去创业公司赖以生存的智能体底层基础设施直接做成了免费的普惠产品， 彻底改写了赛道的游戏规则。更剧烈的震动发生在华尔街。就在科奥托管智能体发布后的一周内，全球软件行业上市公司的总市值蒸发超过一万亿美元， s a p 暴跌百分之十六， surface now 下跌百分之十一， south force、 英瑞等头部萨斯公司股价全线大跌，市场甚至诞生了一个新词 s a s book clips， 翻译过来就是萨斯末日。一位投资者们突然意识到，当一个员工配上科尔的智能体，就能完成过去五个人的工作量。当企业用科尔的智能体就能搞定任务管理、邮件营销、 财务分析这些工作，就再也不需要为十几款不同的萨斯软件支付高额的订阅费。传统软件行业的定价模式正在被彻底颠覆。而在产业落地端，这场升级带来的生产力革命已经开始显现。官方公布的案例显示， 在制造业，基于科奥托管智能体搭建的供应链管理系统，把供应链故障的自动修复时间从四十七分钟缩短到了八分钟。在金融业， 客户服务，智能体让业务处理效率提升百分之四十，人力成本降低百分之五十。在医疗领域，电子病历的分析效率直接提升了三点八倍。知名研究机构 gardner 更是给出预测到，二零二八年， 全球百分之五十的旧数据分析平台将被具备 a 阵子能力的产品取代。整个企业软件生态正在面临一场彻底的价值重构。回到开头的那个问题，这场升级到底意味着什么？过去十几年，我们见过的 ai 大 多是对话式 ai， 它更像一个聪明的顾问，你问它问题， 他给你答案，但最终的活还是要你自己干。而科二的这次托管智能体的升级，完成了一次关键的范式切换，让 ai 从回答问题彻底转向完成工作。他就像当年的个人电脑，从只能做简单计算的计算器，变成了能处理复杂工作的生产力工具。也像当年的互联网， 从只能看新闻的信息窗口，变成了融入我们生活方方面面的基础设施，这场革命才刚刚开始。未来我们每个人、每个企业 都能通过极低的门槛拥有属于自己的 ai 数字团队，不用再被繁琐的重复性工作消耗精力，能把更多的时间放在创造、创新和更有价值的事情上。而 cloud 这次的升级，正是推开这扇未来大门的关键一步。

兄弟们太疯狂了！就在刚刚， antropic 更新了 cloud code， 但如果你只把它当成一次产品升级，其实会错过真正重要的东西。这一轮变化背后，其实是在释放一个更直接的信号， ai 正在从工具变成执行系统。 cloud code 这次最核心的变化是 routines， 你 可以把它理解成一个机制，给 ai 写一份工作说明书，它就可以在云端持续执行任务，定时触发 api 事件触发三种方式接入。 也就是说，它不再等你打开，不再等你提问，它可以自己跑流程。比如凌晨自动扫描代码仓库修 bug 生成 pr。 比如监控系统报错，自动拉取日制并尝试修复。比如 github 有 issue， 它自己进入处理流程。 如果说以前的 ai 是 你问他，他回答，那现在的 ai 开始变成你不问他，他也在工作。更关键的是， cloud code 本身也被重构了，它不再只是一个编程工具，而是一个开发系统。多个 cloud 可以 并行运行，一个修 bug， 一个写测试，一个做代码 review。 开发者不再是在写代码，而是在分配任务。这个变化看起来是效率提升，但本质上不是， 它是在改变谁，在做工作。而就在这个节点上， antropics ceo dariel emoji 最近说了一句很直接的话，代码这种硬技能正在快速贬值， 未来真正值钱的只剩下一小部分能力。系统思维它说的很直白，未来可能只有百分之五的人还在创造系统，剩下的人大部分只是调度系统。这句话和 cloud 的 变化其实是对齐的， 因为当 ai 可以 写代码、修 bug、 跑测试、处理流程之后，写代码本身就不再是瓶颈，瓶颈变成了你能不能设计一个系统，让这些 ai 工具协同工作。这也是为什么传统意义上的马农这个角色正在被重构，不是消失，而是迁移，从实现者变成统治者。 以前开发者的核心能力是怎么写一段正确的代码，现在变成怎么让一群 ai 不 打架，还能持续稳定地把系统跑起来。你要做的事情开始变了，不是写函数，而是定义规则。 不是解决问题，而是设计问题如何被解决。 cloud code 加入 teams， 其实就是这个变化的缩影。一个负责执行，一个负责持续运行， 一个在前台，一个在后台，而人正在从执行链条中被往上挪。再往上看，这 一轮 ai 的 变化已经不只是更聪明，而是开始进入组织结构。 ai 正在变成一种岗位能力，它不是替代一个软件，而是开始替代一部分工作流。与此同时， antropics 还在往两个方向扩展， 一个是更强的模型版本 opus， 四点七，据说已经进入发布窗口。另一个是偏应用层的设计工具， 可以用一句话生成网页、 ppt， 甚至产品视觉稿。如果这些成立，他就不只是做模型，而是在往生产链上游走。但真正的分界点，其实不在技术本身，而在职业结构。过去十年，最值钱的是会写代码的人。接下来几年，最值钱的可能变成能设计系统的人， 不是谁更会实现，而是谁能定义 ai 应该做什么，不做什么，怎么协助，怎么收敛结果。换句话说，代码在贬值，但系统思维在变贵。 这也是 darrel 那 句话真正的含义，不是说程序员会消失，而是说程序员正在从写代码的人变成设计 ai 工作的那个人。 如果这一轮趋势成立，那么未来的分水岭不再是会不会写代码，而是你能不能驾驭一群 ai 去完成复杂系统。 而 cloud 这次更新本质上只是把这个未来提前演了一遍，它不是在升级工具，而是在预演一种新的工作结构。最后一句话总结这次变化， ai 不 只是让你更高效，而是开始重新定义谁在工作。

真的建议所有还在折腾龙虾竞线的朋友，你不管用什么方法，都一定要去用一用 cloud 这款 ai 工具。就在今天早上， cloud 又放了一个大招，它发布了 cowalk compute 这个功能， 简单理解一句话就是 cloud 现在可以直接完全操作你的电脑了。说到这里，肯定会有很多人反驳我啊，说我的龙虾竞线也可以操作电脑啊。 其实这里面这两者还是有很大的区别的，因为龙虾机器它本质上是一个 a 级的自动化框架，它并不能直接控制你的电脑系统， 很多时候你还需要给他去调用 a p i 接口，安装各种插件技能，甚至写一些额外的脚本，才能勉强算是实现了一些自动化的操作。但是 cloud 这次更新的能力完全不一样，它是 ai 直接操作你的电脑， 相当于可以直接看你的屏幕，理解你的界面，然后自己可以点击鼠标输入文字，打开软件。就像真的有一个人 坐在你的电脑面前帮你干活一模一样的，你甚至可以直接在手机上面给给他安排任务，然后你自己去干别的事情了， ai 就 直接在你的电脑上面自己把工作全部做完了，就这么牛逼？

大多数人用 cloud code 的 方式是这样的，打开，让他帮我写篇文章，拿到内容关掉，打开 one 拿关，循环往复， 感觉效率还不错，但和期待中的 ai 帮我搞定所有事差得还挺远。今天说清楚差在哪。 cloud code 不是 助手，是自主代理，助手是你让他做什么，他做什么。代理是你给他一个目标，他自己想办法做到。中间不需要你盯着， 但要让他真正自主运转，你得给他搭三样东西。第一， cloud md 文件放在项目根目录， cloud code 每次启动都会读它， 里面写你的工作方向，写作风格，什么事绝对不能做，没有它，每次启动从零开始，有了它，它一上来就知道你是谁，要做什么。 第二， skills 技能文件放在 cross skills 文件夹里，每一个文件定义一个可附用的工作流。 比如你写一个文章润色的 skill 以后，只需要说润色这篇文章，它就按你定义的标准完整跑一遍，检查语气结构，受众匹配，全部输出，每次都一样，你踩过的坑，你的工作标准全都存进去了，不用每次重新说。 第三，搞清楚系统思维和工具思维的区别。工具思维我有需求用工具结束。系统思维我设计一套机制，工具在里面自主运转，我只做判断 code md 让它记得你 skills， 让它按你的标准做事，再加上 routines 例行任务，你睡觉的时候它还在跑。 这三样东西加在一起，你有的不是一个助手，是一个二十四小时不间断的工程师。差距不在于 plogcode 能做什么，在于你为它搭建了怎样的系统。