一分钟了解今日 ai 圈大事!今天这三条核心关键词是 codex 升级或能替代 open crawl agent 接管软件语音 agent 起飞第一条, codex 产品线继续扩展, 这波更新最关键的不是又多了几个功能,而是 codex 正在从一个编程工具变成通用生产力 agent。 它可以连接 slack 邮箱、 google drive 获取任务素材,再把信息写入 google calendar。 一 句话, codex 正在从写代码走向接管工作流。第二条, agent 正在成为软件的新用户。 以前软件主要是给人用的,但现在越来越多企业应用要开始给 agent 开放 api, 甚至走向无头化。未来的软件不只是服务人,也要服务 ai agent。 第三条, x ai 上线 voice cloning, 用户可以通过 api 快 速创建自定义声音,而且支持多种语音和多语言场景。 这意味着 agent 不 只会打字和写代码,也开始拥有声音角色和交互感。语音 agent 正在进入规模化应用阶段。关注我,每天一分钟看懂 ai!
粉丝2364获赞4.7万

这个扣代个可以直接用谷歌的浏览器了。我发现在这个 ai 时代压根就不需要学习啊,我前两天在想着要做电商啊,还要呃卡在那个上货,然后反正那个界面还要自己研究,看的挺头大的。然后今天这个现在他自己支持浏览器了啊,可以自己去 看茶田。那不就代表着我直接让他网页去呃登录浏览器,然后帮我操作那个抖店的后台就行了吗?不直接让他扣贷自己跑了吗?但是现在有个问题啊,这个 windows 的 扣贷 x 好 像 有问题。装不了啊,一直都装不了,都好多次了,装不了。本来在这个插件商店里他都没有这个 虎哥的浏览器,这是他已经修过一遍之后才有的啊,大家可以去看一下,应该很多人都没有,但是你可以直接让扣袋子给你修,他现在在给我修,估计一会就修好了啊。学估计是真的不需要学啥了,全都是 ai 自己去干了。 这马上把这个装好了,什么公众号,什么呃图文啊,只要能做的,包括那个,特别是我现在需要的这个抖店的运营啊,直接让他自己去上传。 刚才还用不了啊,现在已经他给我修好了,可以用了,我让他给我打开了这个抖店的后台啊,说明是可以的啊,可行了, 这个插件商店里他已经安装好了,现在是可以用的啊。呃,大家不懂的可以把这个开成完全访问权限啊,像我这种不懂任何呃什么代码工程的各种傻子啊,就该开这个完全访问权限,虽说有这什么什么各种各样的什么风险, 但是不开的话他解决不了问题啊,对不对?我也不懂,即使坏了我也看不懂啊。不开解决不了问题,开了反而能解决问题,即使有一定的风险,风险也可控嘛,对吧?小破电脑坏了就坏了。

codex 可以 操控谷歌 chrome 浏览器了? openai 是 要把日更博主这个人设一条路走到黑呀。 gpd 五点五 instant 刚来, gpd realtime two 的 热度还没有过去,昨天 codex 又上线了控制 chrome 的 插件,让 codex 可以 直接操作你已经登录的网站,帮你执行各项任务,而且不需要你提供账号密码。 它的原理是用你已经登录好的 chrome 去操作,所以就省去了账号密码这一步。他还特别的懂事,会自己开一个独立的标签干活,不会打扰你正在浏览的网页。最重要的是敏感操作,比如说访问新网站,引用历史记录、上传下载文件、提交表单这类动作, 操作之前还会先获得你的同意,这就太逆天了。我们来看一下官方的案例啊,你可以看到 codex 网站上关于 codex 的 相关帖子, 整理用户的反馈,这期大家发布的内容的情绪分析以及关键问题汇总到一份电子表格中发给我,他就会自己打开网页开始搜索整理分析,然后汇总成一份电子表格,再 call this 发给你,以后所有公司的用户调研就能够直接用 ai 准 轻松搞定了。我们再来看一下下一个案例啊,你可以告诉他查询一下我的邮件,找到关于我在波特兰旅行的相关餐饮费用的记录,并且录入到一个我的消费记录的账户里面,你还可以在桌面找到我的相关收据。这个时候 cody 会先到桌面找到你的收据,然后会跑到邮件里和 他相关的账单跟你桌面上的票据是不是相符,查到没有问题,他就会打开你消费记录的账户网页,然后把这些消费的记录上传并且提交,一气呵成。没想到他还会先去核查数据,以后对账这个工作就高效太多了, 财务人员瑟瑟发抖啊,重复录入核对票据,搬运数据,这些活确实开始要被 ai 掐住脖子了。我们再来看一下最后一个是一个多 a 准并行的案例,你告诉扣得是在 com 上让 四个纸袋里分别进行绘画游戏,每个纸袋里都使用单独的标签参与,让第一个代理在其他代理加入游戏之前创建好界面,然后让他们同时开始。这是一个相对复杂一点的多 a 整任务,你会看到扣点会分 分析任务。他先让第一个代理创建好游戏的画布,然后会在第二个代理加入时,让其他三个代理各自打开自己的标签,并且还同步了第一个代理创建好的游戏画布到他们各自的标签里面,这就等于让他们加入了第一个代理创建好的游戏房间里面 一起玩。大家各自标签里的显示界面是一样的,那你操作呢?是自己编号的那个画布,这一个任务 code 也 完美完成了,也就是说 codex 以后可以让多个浏览器标签并行的进行任务,这可太方便了。那么看到他这么想,到底怎么安装呢?我现在就带大家进行实操。我们先来到 chrome 的 应用商店搜索 codex, 然后添加至 chrome, 来到这个页面,按添加扩展程序,它这边已经显示 codeys 已经添加到 chrome 里面了。我们点开它,这里是 disconnect, 就是 还没有链接的,按一下这个齿轮,然后始终允许对着打开 codeys, 来到 codeys 这边呢,你会发现它会自动让你安装这个浏览器的插件, 按安装,然后安装 chrome。 ok, 已经安装完成,按打开,我们再查一下状态 code, 你 看现在就变成了 connect, 就 已经链接完成了。那我们在 code 这边也看到了,这边已经打开了 google chrome 的 一个插件,它已经链接成功了,我们现在就进行测试一下。帮我用 chrome 官网找到介绍 gpd 五点五的文章,复制下来,在我的桌面选择你的, 嗯,文件发送。他说他会用 chrome 的 插件去 open ai 的 官网去查找这个政文,然后会帮我就是把这些栽秧搞下来,在桌面生成一个 bug 文件,他正在跟 chrome 连接中,我们看到这些标签,它已经是打开了 open ai 的 官网,并且找到 一点五的文章,他应该是全方位的在早知道,然后给我生成一些总结,你看这是第二个来源。现在呢,他正在写这个桌面的文件,他说避免就是逐字逐句的翻,他可能要给我生成一些灾药,他正在创建当中了,已经创建完,他就把那些标签就去掉了。 ok, 经过两分五十八秒,他就把这个那当文件已经写 好了,我们看一下桌面确实有这份 markdown 文件,打开看一下,我们来看一下这份 code, 通过 chrome 然后阅读以后,深层在我本地的 markdown 文件,一句话概括 jpg 五点五是什么 样的文章的核心,还有一些其他的信息,非常的完整啊,所以以后我们找资料呢,就可以直接让 codeys 然后去调用浏览器去完成就行了,非常的方便。那我本地的测试就到这里,大家可以自己安装起来,也非常的简单。 ok, 通过以上的介绍,我想你已经知道了怎么用 codex 来操控 chrome 的 浏览器了。那这里可能有人会有疑问呢?操作浏览器这件事 and probably 几个月前已经做了,那为什么 codex 这次还值得单独讲呢?因为他们不是谁抄袭谁,而是在讲同一个入口, 但打法不一样而已。 chrome in chrome 更像是把一个 agent 塞进到浏览器里面,你在网页上看到什么,它就跟着看什么, 你让它点哪里它就点哪里,你让它填表,整理网页,执行流程,它就像你的贴身助理一样帮你操作。那 codis 走的是另外一条路,它不是先从浏览器出发,而是从 coding agent 出发,它本来就是用来写代码,跑代码,调试系统的。把 chrome 接进来以后,它不是简单的模拟人类点 网页,他会分析任务,能用插件的就用插件,需要登录状态的就进入 chrome, 需要调试页面的就看浏览器,需要跑多个流程就开多个标签一起干活。你会发现,我们现在聊的已 已经不是 ai 会不会点按钮这件事了,而是 ai 开始进入真实业务流程了。我们每天那些小到不能再小,但又不得不做的事,现在有更好的解决方案了,比如说查表格,看后台,填资料和数据,整理反馈,复制粘贴 course, 进入 crm 以后,都能通通的帮你轻松的搞定。 那说到这里,你会发现, o p i 最近的动作好像都在指向一个目标,他在拼命的把用户拉回到自己的应用里面,他好像是在说,你不用到处找工具了,我这里有百宝箱,写代码、跑任务、 打网页、接管浏览器,都来我这里就行了。而 entourage 呢?却是另外一个打法,他不着急把你拉进一个盒子里面,而是把壳渗透到你的工作场景当中,比如说浏览器桌面、文档、代码环境,你在哪里工作,他就钻到哪里去。所以我觉得这场桌面之争比的已经不是 模型能力了,而是谁能先占据你的真实工作流。所以你应该明白这两个公司的战略了, openai 在 搜网, entourage 在 撒网,但他们抢的都是同 一个东西,就是真实工作流理的 a 准入口。谁能让普通人少打开十个网页,少复制二十次表格,少熬几个通宵整理资料,谁就能抢到下一代 ai 办公的入口。那你觉得这场 a 准入口之争, 谁会笑到最后呢?我们评论区里聊一下,我是陈香,关注我,我会继续为你拆解 ai 前沿变化,告诉你他们怎么影响每一个正在跑 o、 b、 c 一 人公司的普通人。 ok, 以上就是今天的所有分享,我们下期再见!

帮我演示 codex 如何控制 mac open a 的 codex 现在不只是帮你写代码,它还可以在 mac 上操作你的 app 了。你如果想使用这个功能,就需要先打开设置,点击电脑操控,确保你已经安装了 computer 插件,并给它屏幕录制和辅助功能的权限。 然后就可以在对话框中输入 at computeuse, 它就能够看界面,点鼠标输入文字,跨 app 的 完成任务了。下面我们再通过一个具体的视例来演示。那下面呢,我希望 codex 帮我打开谷歌浏览器,然后访问这个网址, 在这个网址中帮我会籍一个如何在 codex 上使用 mac 电脑的流程图。下面我们来看一下效果。 我们可以看到它已经打开了对应的网址,然后它会先清空画布,左侧的鼠标是它在操作,我在电脑上移动鼠标不会干扰到操作,只是它新建了一个页面, 我们可以看到它是直接将写好的叉 ml 语法粘贴到了图标中, 它还会把页面进行缩小,便于我们查看。好的,此时 codex 呢,已经完成了我们的任务,我们来看一下它绘制的流程图是怎么样的。 整体的流程还是不错的,但是确实存在一些重叠的情况,实际上我们通过简单的调整就可以直接使用了。那你觉得 codex 操作我们的电脑绘制流程图怎么样呢?

code s 又更新了一个功能,而且这次更新很关键,以前它更多是帮你写代码、改代码、分析项目。现在它开始进入谷歌浏览器,直接处理真实网页任务。第一步,只需要在 code s 桌面版里面安装谷歌浏览器插件, 然后在谷歌里也安装 codex 插件。安装完成后, codex 就 可以和 chrome 配合工作,它能做的不只是打开网页。像这种重复性的浏览器工作,比如看页面、整理信息、填写表单、录入数据,它都可以一步一步帮你完成。你可以看到,它不是只在聊天框里给建议,而是真的进入网页流程里面执行。 重点是,它不是机械地点来点去,它会读取页面内容,然后再一步一步完成操作。对普通人来说,这 就像多了一个真正会干活的网页助理。更厉害的是,如果一个任务需要多个工具,勾代斯会自己选择更合适的方法,需要浏览器他就用 chrome, 需要代码他就写代码,需要多个页面配合,他也可以跨标签页完成。所以这次更新的重点不只是多了一个插件, 而是 ai 开始从回答问题变成真正执行任务。整理资料、检查后台、填写表格、处理重复网页操作以后,都可能交给这种 ai 助手。简单讲, ai 不 只是告诉你怎么做,它开始进入浏览器,真的帮你干活了。

兄弟们,我电脑好像中毒了,刚才我人都不在浏览器,自己打开小红书一顿猛敲,给我整了篇文章出来,这是咋回事呢?接着往下看,我一个不小心在 codex 中撞了电脑控制插件, 可以看到我这边插件都是灰色的,想学的同学关注一波,给你答疑。正片开始需要使用 i chrome, 然后接上我们的提示词,就能控制浏览器了。 我们看一下我前面用 codex 写的一篇文章,内容平平无奇,主要是 codex 能操作浏览器,并不占用你自己的鼠标了。我用新的提示词给你们演示一下, 接着打开 chrome 观察,我缩小一下 codex, 这样你们看得清楚一些,可以看到 codex 正在理解并整理你的需求。稍微等一下, 接着可以看到 chrome 中多了一个分组标签,此刻 codex 就 会控制浏览器中的鼠标, 你们自己仔细看,有一个灰色的鼠标正在接管你的电脑。浏览器有一个不是很完美的地方,就是每一步的操作会有点慢,但是干活他是真干。 可以看到内容,一下就进去了。接下来就是收尾的存储成草稿了,最后能看到是浏览器中的鼠标,控制点的暂存离开。接下来就看到草稿箱里面多了一个笔记了,用下来感受就是我系统的鼠标可以干其他事情了。 codex 操作浏览器,让它慢慢地一直运行就可以了。思路,打开,能写笔记就能拉取笔记,所见即所得, 你也对 ai 感兴趣的话,可以关注我。后续持续更新更有价值的视频。本期视频到此就结束了,感谢观看!

只需几天,你就能学会 ai 的 玩炸工具 chat gpt 出品的 codex, 你 信吗?很多人觉得像 codex 这种 能接管电脑的超级应用,肯定是给程序员用的,自己搞不定。其实呢,门槛真的没有你想象中的高。只要你会用 chat gpt 或者豆包之类的对话框, ai, 花点时间转变一下思路, 你就能把 codex 调教成一个极度贴心的私人超级助理。等你用顺手以后,你会发现他什么活都能接, 跑几十张发票算账,去邮箱翻找客户邮件,跨软件做 ppt, 甚至帮你盯着竞争对手的网页。 之前会不会写代码根本不是关键,核心在于你有没有意识去把任务拆解,把重复动作打包。今天这个视频主要是想带着非技术的同学快速上手这个 open ai 推出的 ai agent 的 超级应用。 从云端回到本地,不写代码的同学习惯了查 gpt, 第一步往往不太适用 codex 的 存储逻辑。以前你是在网页上对话 传的文件都存在云端,但在 codex 里面,你给他的文件以及他生成的所有文件,全部都直接保存在你自己的电脑本地。 为了不让文件乱成一锅粥,最好的准备工作是什么?是永远在项目里干活。你可以在文件夹里建一个新的项目,所有相关的聊天和生成的文件都会被 codex 自动归整。在这个文件夹下, 非技术的同学可以设置模式为适合日常工作。 codex 适合什么样的活呢? codex 拥有对你电脑文件的全权访问的能力,它能自动找对文件夹并完成任务。具体来说,这几类活最适合交给他。 一、处理本地的繁杂文件。比如你的下载文件夹中有六十张发票照片,你只需要说去读取那些发票,帮我提取文字,并在本地建一个 excel 报表,看消费趋势, 它就会自动搞定,并在本地生成一个真实的 excel 文件。跨软件的信息收集, 通过插件 codex 可以 直接联通你的常用工具,目前有上百个。你只要敲一个 at 符号,比如输入 at gmail 或者 at notion, 你 就能让它去翻阅过去两周找我做广告的邮件,整理成表格。 第三呢,是代替你直接点点点,它能直接用鼠标和键盘控制你的电脑。通过 at computer use, 它可以帮你打开电脑上的 camera 软件,新建换灯片。甚至还能用 at browse use 帮你自动去点击浏览器里面的按钮,测试网页好不好用。然后呢,要沉淀你的专属 s o p。 把活变成技能。 最阻碍新人提效的一点是总在下重复的指令。在 code x 里面,你需要习惯把你做好的工作变成可附用的技能。笔一上来就想着写多复杂的指令。按这个节奏来, 先用大白话让他干活,如果不满意就让他改,一直迭代到结果,让你拍他腿说,啊,太棒了!这时最关键的一步来了,你直接对他说,我很满意这个结果。 把它变成一个技能,它会立刻把刚才所有的经验提炼成一个可重复使用的标准文件。以后你只需要敲一个斜杠符号,比如斜杠品牌合作分析,它就能瞬间按最高标准重跑一遍。 如果你过程中又发现了更好的排版格式,随时告诉他请更新这个技能,以后都按这种格式输出。进阶习惯,让他二十四小时替你打工。定时自动化,对着你整理好的报表说一句, 请在每周五早上九点执行一次这个任务。更新这张表。 codex 呢,就会把这是加进日程表到点,自动在后台干活。你可以在 automation 的 面板里随时管理这些任务。白嫖全球最顶尖的画图模型 codex 内置了最强的 gpt image two 的 模型,生成的图片呢,会直接存进你的本地文件夹。如果你直接给出参照图描述需求,立即会生成质量极高的图片。 那根据图片生成梧桐树下的新功能的效果图,看一下避坑与管理他的大脑。用 codex 久了,他会越来越懂你,因为他有两个记忆占卜,一个是手动记忆, 这是你的规矩本。当你对它说以后这种落地页都用左侧边栏的排版格式并记住它的时候,它会写进 agent 的 n d 里面。 那第二个呢,是自动记忆,它会默默观察你的工作习惯并记录下来。那重要的提示是呢,不要去手动修改这个文件,让 ai 自己去更新就好,它会越来越聪明。所以呢, 别怕什么终端或者代码,先把你的日常痛点丢给他,建个项目,存个技能,你的工作方式呢,就会彻底被改变。如果你真的想学 ai, 请留言,想学 codex, 我 来教你。

最近 codex 的 那个电脑使用功能和谷歌浏览器使用功能不是很火吗?我就让他用 grog 去生成图片,然后再转视频,然后保存到我本地,然后去又退回去发布 给他简单说一下这个操作步骤,然后看他去操作,然后他来到 grog 这边,确实是 生成了图片,生成图片之后,它是生成视频, 也扩展了视频,然后它下载完之后,它去那边保存完,然后去到 youtube 发布了。但到这个地方它这个改了标题之后,这个描述 我已经等了他快五分钟了,他还没有给我填进来,看一下他怎么说的。哦,现在应该在写那个描述了。哦,写好了,然后他一会会给我发布, 因为我给他说了是设为公开,然后他现在应该要发布了吧,我全程只是在看他怎么操作的, 现在好像又卡住了,又要等一下他这个操作。啊,是这样的,每一次点击他好像都要截一个图,我感觉这样对于 token 的 消耗非常夸张啊。看一下我的额度, 呃,我记得我给他这个任务的时候,我这五小时的额度是百分之八十,然后到现在他这个还没给我发完,已经用了将近百分之五十的五小时额度了。 所以我觉得他这个浏览器发布功能可能只适合用一些,比如说帮你去完成一些简单的这种 流程,没有那么长的那些操作,如果流程太长的话,他对于 token 的 这个消耗是非常非常大的。 然后他填完了,然后检查,检查完之后他应该要发布了吧?看一下公开,他还没选,应该又要截图, 截图之后他又去点发布点击,就他每次点击一下好像都要截一个图, 然后现在才点下来,就操作的很慢,我感觉,然后他让我确认,我确认完了之后他才发布, 然后他又要截一个图,就每次点击好像都需要截一个图啊?视频已发布, 嗯,就这样,反正总体来看他对于这个 就是能帮你做,但是成本太高,就做个总结的话,就是他的这个电脑使用功能其实在任务完成度上还可以, 但是就是操作的时候会时间比较长,如果说能够像那个谷歌浏览器操作的那个插件一样,那么流畅的话,就整体的使用体验应该会更好一些。


大家好,今天来分享一期谷歌 antigrati 零基础教程,我会从十四个点分别介绍 antigrati, 结合案例一步步带大家更加了解 antigrati。 第一部分, antigrati 介绍如果你以前听说过 cuda、 cloud code code, 或者听说过一些 ai 编程,但是不知道这些工具怎么用,这期视频就是给你准备的, 我会从最基础的地方开始,一步步带你看懂 antiquity 是 什么,怎么安装界面,怎么看,怎么让它帮我们写代码,检查网页、连接外部工具,以及怎么用 scare 来帮我们固定工作流程。 简单说, antiquity 不是 一个普通的代码编辑器,它更像是一个可以管理 ai 员工的工作台,不是只让 ai 回答问题,而是可以给他一个任务,让他自己规划,自己写代码,自己打开浏览器检查,最后把结果交给你确认。这就是这期视频要讲清楚的东西。 如果你第一次接触 integrity, 看完这期视频,你至少会三个问题,第一, integrity 能做什么?第二,普通人应该从哪里开始?第三, m c p、 scares、 ross。 这些东西听起来很专业,到底是什么意思?视频制作不易,欢迎大家三连。 第二部分, antiquity 是 什么?你可以把它理解成一个 ai 版的代码编辑器,但是这个说法还不够准确。传统代码编辑器,比如 vs code, 主要是用来写代码,打开文件,自己运行,自己检查。 后来出现了 ai 编辑器,比如 coder, 它可以在你写代码的时候帮你补全,帮你解释代码,帮你修改某一段代码。再后来出现了 cloud code、 cortex 这类工具, 它们不止补全代码,而是可以帮你执行一个任务,比如修 bug、 写测试、生成网页。而 antgrity 更进一步,它的重点是 ai 帮你写几行代码,而 ai agent 帮你完成一个任务。 这里的 agent 我 们可以理解成一个智能体,你不用把它想得太玄乎,其实它就像是一个会自己干活的 ai 助手, 告诉他帮我做一个登录页面的开发,他不会只回答你一段代码,他会先理解你的需求,然后按照当前文件夹有什么文件,再列出任务清单,写实施计划,修改文件,运行项目, 打开浏览器检查页面,最后告诉你他做了什么。普通 ai 更像是在回答你的问题, integrity 更像是在替你执行任务。 所以我们可以用一句话总结, antiquity 是 谷歌推出的以 ai agent 为中心的开发工具,它可以让 ai 在 编辑器、终端、浏览器之间工作,帮你完成比较复杂的软件任务。如果你不会编程, 你可以把它理解成一个能够帮你做网站、看项目、改代码、写文档、查问题的 ai 工作台。第三个, ontgrity 和其他 ide 的 区别很多朋友问,那我经常听说 cuda、 cloud code code dex、 ontgrity 和它们有什么区别? 其实 ai 编码编辑器基本能力已经拉平, m c p、 scare 多 agent 等这些 ai 代码编辑器都能够实现。但是 ontgrity 强调的是 agent first, 还有免费的模型可用,内置的有最新的 gmail 模型, cloud 模型。所以我们重点分享 integrity。 integrity 的 特点是什么?它最特别的地方就是 agent manager, 专门管理 ai agent 任务界面,你可以把它理解成一个任务控制台。以前你可能打开一个聊天框和 ai 来回聊天, 但在 antiquity 里面,你可以同时打开多个任务,比如 agent 帮你做网页, agent 帮你测试,一个 agent 帮你怎么研究部署,你就像一个项目经理一样,在这个界面可以管理它们。所以 antiquity 的 核心不是一个聊天框,而是多个 agent 任务管理, 这就是它和很多 ai 编程工具不一样的地方,当然工具没有好坏。 integrity 更强调 agent 的 自动执行,浏览器验证、任务管理和工作过程可见。第四部分, integrity 安装、登录和出手话设置。大家直接在浏览器里面搜索谷歌 integrity, 进入官网, 进入官网之后点击 download, 支持 mac windows linux, 如果你是 mac, 下载完的软件,拖进 application 就 可以。如果你是 windows, 双击直接安装,跟普通软件一致。第一次打开 antiquity 的 时候,它会让你做几个出手话设置。 第一个设置是否导入你以前编辑器里面的配置,比如 vscode 浏览器。如果你是新手,我建议你不用纠结,直接点击默认配置就可以。第二个设置,选择主题,浅色深色,这个完全看个人习惯。 第三个设置比较重要,是 a 件的工作模式,也就是你希望 ai 有 多大的自主选择权。有些模式比较保守, ai 做关键决策之前会询问你的意见。有些模式比较自动, ai 可以 自主执行更多命令。 如果你是第一次用,我建议你选择 review drive development。 最后一步,需要登录我们的谷歌账号,我们点击登录 选择自己的账号, 登录完之后,我们就进入了主界面。第五个, antiquity 主界面结构介绍如果你用过 vs code, 大家可能会觉得很熟悉,左侧是文件列表,中间是代码编辑区域,右边是 a 帧的区域。我们可以在这个 a 帧的区域下侧 选择模型,它内置的有 gimini 最新模型和 cloudsonitops 相关模型,自己手动可以切换。如果你只想修改一个文件,或者问一段代码什么意思,可以让 ai 修改这个小功能, 我们直接拖进输入框跟它沟通就可以。或者通过 app file 命令,然后选择自己的文件跟它沟通就可以,它会帮你完成相应代码的调整。还有一个比较重要的功能叫做 agent manager, 这才是 antigue 最有特色的地方。 agent manager 可以 理解成 ai 任务管理台,你可以在这里创建任务,查看正在运行的 agent, 看它完成了哪一些步骤,查看它当前的计划截图和总结。这个界面通常会看到以下几种东西,第一个 workspace, workspace 就是 工作区,也可以理解成一个项目文件夹,比如要做一个网站,就新建一个网站项目目录文件, ai 在 这个项目里面生成文件,修改代码,都会放到当前工作区。第二个 conversation, conversation 就是 一次对话,也可以理解成一次任务, 比如帮我做一个个人主页,就是一次 conversation。 第三个 browser, browser 就是 浏览器 integrity 的 agent, 可以 打开浏览器看网页,点击按钮、截图、检查页面都没问题。第四个 terminal, terminal 就是 终端,很多项目需要运行命令,比如安装依赖 启动网站、运行测试 agent 都可以在终端里面执行这些操作。所以 integrity 的 界面可以理解成 edit 是 你和代码一起工作的地方。 agent 的 manager 是 ai agent 干活的地方, browser 是 ai 检查网页效果的地方, tome 是 ai 执行命令的地方, workspace 是 存放所有文件的地方。第六个, agent 是 怎么工作的?接下来我们看一下 integrity 最核心的流程, agent 是 怎么工作的?我们不要把它当成一个聊天机器人,它更像是一个会按步骤的工作助理,给他一个任务,比如帮我做一个个人簿客,它通常不会乱写代码。第一步,它会先理解需求, 它会判断你到底要什么页面,需要哪些模块,用什么技术来实现。第二步,它会扫描当前项目,也就是当前文件夹。 workspace 是 空项目,还是已有的 rack vue 这样的项目。第三步,它会生成一个 implementation plan, 也就是实现计划。它会告诉你准备修改哪些文件,为什么这么改。如果我们对它实现的计划我们不太满意,我们可以直接添加评论,它会按照我们的计划修改。第四步,它会生成一个 tasklist, 也就是任务清单,比如创建项目目录结构,创建簿刻的列表,还有文章详情,导航,启动本地服务,打开浏览器检测修复,发现问题会创建一个 task list。 第五步,才是真正它修改代码的地方。 第六步,它会运行命令,比如安装依赖启动项目,跑测试,它会打开浏览器进行验证。这一步非常重要, 因为很多 ai 工具只会写代码,但不知道页面长什么样。 integrity 可以 自己打开页面看效果,截图,发现问题自己修改。最后一步,它会生成一个完成总结, 它会告诉你我做了什么,改了哪些文件,怎么验证,都有相应的截图。所以 integrity 的 完整流程不是你问我答,而是你给任务它规划、 执行,验证、总结,然后你 review, 这就是 agent 工作流。第七个,我们讲一下 advise, 我 们刚才提到了 task, list, implementation, plan, workflow, 这些东西都是 integrity 里面叫做 atiface。 atiface 这个词听起来有点专业,你可以把它理解成 ai 干活过程中留下来的工作材料。比如一个真实员工完成任务,不应该说一句我做完了,他最好告诉你我计划怎么做,我实际做了什么,我遇到什么问题, 我怎么检查结果,还有哪一些风险? adfast 就是 这些东西。常见的 adfast 包括任务清单、实现、计划、修改、总结、浏览器截图、页面录屏、测试结果、知识记录。为什么这个东西重要?因为 ai 最大的问题就是黑箱, 他改了很多文件,你不知道为什么这么改,他说已经完成了修改,你不知道有没有真正检测,他说没问题,你不知道有没有跑过测试。 有了 atfast, 你 就可以检查它的过程,你可以查看它的计划是否合理,查看截图是否符合预期,可以查看它有没有启动项目,有没有报错。所以 anti grati 的 思路是, ai 不 止交付结果, 还交付了整个过程,对普通用户非常重要,因为你不一定能看懂每行代码,但是你能看懂它的任务清单, 截图和总结。第八个,浏览器能力,让 agent 自己检查页面。接下来我们介绍一个特别实用的功能,浏览器能力。普通 ai 写完网页的时候经常有一个问题,他觉得自己写好了,但你打开一看,页面很丑, 按钮重叠,可能文字超出屏幕,手机端完全断掉。为什么?因为他是在生成代码,不一定真实看个页面。 antigrity 的 浏览器能力就是为了解决这个问题,它可以帮你打开本地网页,运行在 logos 的 三千,也可以自己打开这个网址。我们给他一个网站,帮我测试一下。个人簿客点击发送, 它可以滚动页面,可以点击页面按钮,可以输入内容,可以查看控制台报错, 也可以截图。如果发现问题,还可以回滚代码继续修改。所以以后你让他做网页提示词,里面一定要加一句, 完成后启动本地服务,打开浏览器检查并提供截图。这句话非常重要,因为他会强迫 agent 不 只写代码,还要检查结果。第九个, mcp。 mcp 全称是模型上下文协议 model context prote, 这就是 ai, 可以 调用外部工具,你只需要知道 m c p 是 让 ai 连接外部工具的接口。没有 m c p 的 时候, integrity 主要是看你本地项目的文件 运行终端,打开浏览器。但现实工作里,我们需要连接其他工具。我们一起来看一下 integrity 如何安装 m c p。 我 们来到右侧的 a 镜的区域,点击三个点, 选择 m c p server。 大家可以看到这里有很多 m c p 服务,比如数据库相关的, github 相关的,比如数据库相关的,我们的 agent 就 可以通过这个 m c p server 去连接我们的 my circle。 github 相关的,我们的 agent 可以 安装 m c p 服务来连接我们的 github。 本地,我们来演示一个设计稿相关的 fig 码,我们可以在这里搜索, 因为我这里安装了,如果没有安装是 install, 首次点开,我们直接点击安装,这样我们的 m c p 服务就能安装。在本地,这里安装的是 figma 的 m c p, 也就是我们的 agent 可以 去读我们 agent 中的设计稿,我们一起来看一下。我们返回 agent, 我们来到设计稿,我这里有一个设计稿,我们选中 copy link to selection, 给他一条指令,帮我读取设计稿,然后点击发送。这些外部工具怎么连接到 ai? 这个时候就需要 mcp, 你 可以把 mcp 想象成一个插头, 数据库有数据库的插头, figma 有 figma 的 插头。 antgrity, 通过这些插头就能让 agent 使用对应的工具。所以 mcp 解决的问题是,什么? agent 能连接什么?我们这里配置了 figma mcp, agent 就 可以读取设计稿, 然后帮我们还原页面。我们刚才看到了,在 figma 中,我这里有一个设计稿, antgrity 安装了 figma, mcp 给他了 figma 的 设计稿的地址, 它已经帮我分析出来了,这是一个电商设计首页,这个页面的核心板块,它都已经帮我分析出来了,背景色、主色调它都能分析出来, 说明我们的 agent 通过了这个 m c p 连接到了我们 figma 这个外部工具。但是这里一定要注意安全, m c p 一 旦连接外部工具, 也就意味着 agent 有 更多的实操能力,它这里可以来读取我的设计稿。一句话总结, mcp 是 integrity 连接外部世界的一种新方式,也是所有的 ai 工具都是通过 mcp 来连接外部服务,让 agent 具有更强大的能力。第十个 scares, 让 agent 学会固定工作方法。 刚讲完 mcp, 我 们再来讲讲 scares。 scares 也很重要,而且和 mcp 很 容易混淆。我们先用一句话区分 mcp 解决的是 ai 能连接什么工具。我们刚才使用 mcp 连接我们的设计稿,它能够读取我们的设计稿。 scares 解决的是 ai 遇到某类问题该怎么做,比如让 ai 做代码审查。我们来演示一下,大家可以打开这个网站,这个网站有常见的 scares antiquity 的 常见 scares, 我 们一起来看一下,这里说选择你的工具,我们这里使用的是 antiquity, 我 们复制这个命令,来到我们的 antiquity, 打开终端,输入这个命令回车,这样就可以把我们这一个工具包里面常见的 scares 都安装上。我们稍等一下, 安装完了,我们来看一下有哪一些 scares。 我 们通过 nps scares list 就 可以查看, 我们刚才安装的这个插件里面有很多 scares。 我 们来找一个代码审查的 scares, 我 们就拿这个 code review scares 来举例,我们复制一下它的名字,来到 agent 的 区域,给他一条指令, 使用这个 scares 帮我检查当前类的代码,我们发送给他,我们稍等一会儿,如果没有 scares, 它会没有规范的检查代码, 然后说代码不错,但是如果我们给他一个 scar, 这个 scar 里面写清楚,先看代码的改动,再找 bug 有 没有风险,有没有缺陷测试,最后再看严重的输出问题。下次 ai 做代码审查的时候,就会按照我这个 scar 的 这个流程 来检查。你可以把 scar 理解成 ai 的 工作说明书,告诉 ai 遇到这个问题,按照哪一些步骤来执行,需要注意哪些问题,最后的输出格式是什么?这就是 scar。 比如说常见的有很多开源的 scar, 我 们也可以自定义 scar, 比如说写文章,写小红书,代码审查,写测试,数据分析,都有很多很多 scar。 如果要区分 mcp 和 scar, 可以 这样记, mcp 像是工具箱,负责连接工具。 scar 是 说明书,告诉 ai 怎么干活。 我们看一下刚才我们用的这个 scar 来分析这个页面,它已经执行完了核心审查中发现架构与 seo 瓶颈,版权、年份印编码, 是不是它分析出来了,有这么多缺陷?这就是我们用的这个 code review scasse。 在 后面我们会通过一个具体的案例来进行演示,这里使用的是一个 scasse。 第十一个 rules workflows, 我 们一起来看一下。 除了 m c p, scarce 还有两个概念值得讲一下,一个是 loose, 一个是一个是 workflows。 loose 就是 规则,我们看一下在哪里配置 loose, 我 们打开 a 键的区域,点击更多, 我们选择第一个,这里有一个 loose, 我 这里已经配置了两个。看一下,这里有一个是前局的 global, 还有一个是 workspace, 我 们来打开看一下, 我这个例子很简单,它的要求就是回答用简体中文, 它是一个前局的,所以看到 agent 的 回答的时候, 他回答的时候是不是把我们的这个回答变成了中文?这就是我们配置的一个规则。我们常见的在这个 list 里面,我们可以配置配置的有,比如说默认中文回答这个项目使用的语言,不要使用哪一些库, 所有的按钮都要和设计系统里面的组建一致,修改代码后必须要运行测试,这一些都是长期规则,也可以结合自己的项目来设置自己的规则。这个规则可以针对的是当前的 workspace, 也可以是前局的, 这是 loose workflows, 是 工作流,是一致的,它也是有前局的,跟 workspace。 我 们看一下,我这里配置了一个前局的 workspace f two p, 它的描述是根据设计稿还原页面,这个是我们等一下要做一个项目案例演示的, 我们看一下,它里面写的很简单,第一个深度拉取数据,通过 m c p。 第二步样式对齐,跟设计稿的样式要对齐。第三步才是结构化编码。第四步是动态注入, 就是扫描设计稿上的一些组建。第五步是视觉检查,定义了 workfloor, 它其实就是一个工作流。接下来我们 来演示案例的时候,他会按照我们定义的一二三四五步这个工作流来完成我们代码的一个实现。比如说我们一个发布的流程,先跑测试,再更新版本号,再写 log, 再打 tag, 再部署,这就是一个完整的一个流程。 我这里定义的这个流程就是我们会根据 fake 码上的一个设计页面,然后来生成代码,它规范的一个流程。 这几个概念跟大家再总结一下, roles 就是 要遵守的规则, skills 就是 需要用到的方法包 ai 使用的说明书。 work flows 就是 一套固定的工作流程, mcp 是 连接外部的工具的接口。第十二个权限和安全,我们来看一下 a 境的权限, a 境它能做什么?第一个,运行命令,打开浏览器,获取和编辑代码,还有使用工具, 比如说配置 m c p 可以 使用外部工具。 a g 的 能力很强,但权限有限,我们只能让他在明确的边界内工作。第二个权限最小原则,明确边界,我们尽量只给他当前项目的工作目录。第二个代码需要有一个版本管理, 他可以读写删代码,所以我们需要一个代码的版本管理,防止他误删。 第三个,不要给予最高的权限使用,普通用户运行不需要 root 管理员权限,避免系统级风险。第四个,高风险操作必须需要有一个确认, 我们可以配置规则,比如说删除文件,部署项目,修改数据库,系统配置,这些都需要经过人工确认才能执行操作。 敏感信息我们绝对不能交给 agent, 比如说密码,密钥,生产环境的权限,还有敏感的配置,我们这一些信息千万不能交给 agent。 最后我们总结一下,给 agent 最小的权限只能在当前项目目录中工作, 所有的代码变更都需要通过 get 管理,不要使用管理员权限,避免系统风险。 高风险,必须高风险,操作必须经过人工确认,防止误操作,敏感信息不共享, 保护密码,生产环境更安全。定期审查 a 件的操作日记,及时发现异常。第十三个完整案例演示,我们通过一个具体的案例 来把我们刚才所分享的一些 mcp, scare, workflow, rules、 figma, 我 们结合起来,把这些知识点结合起来,生成一个完整的案例。我们这一次要实现的一个功能是 figma 中的一个设计稿,也是 ai 生成的,我们打开看一下, 就是当前页面一个电商的首页,我们再来看一下 ai 生成完的页面是什么样子,这是 ai 生成的页面,我们的 integrity 需要读取我们的设计稿,我们这里用到了一个 mcp 服务是 figma, mcp 这里安装就可以。第二步,我们讲一下 rules 和 workflows, workflows 里面我们配置了返回用简体中文,刚才前面已经讲过。第三个 workflows workflows, 这是我自定义的一个工作流,然后定义了五步, 这个五步里面插入了一个东西,插入了一个 scare, 看一下。最后一步,使用 webos code review 这个 scare 做代码分析, 它会按照我们的这个工作流来给我们生成代码。这里讲到了 rose 和 workflows mcp, 我 们看一下它是怎么实现的,怎么来还原我们这个设计稿的,我就给他了一个指令, f two p 是 我们刚才定义的工作流,然后给他了我本地 figma 的 一个设计稿地址,这是通过 mcp 生成的,然后它会给我们生成一个计划, 我们计划怎么看呢?我们只需要点击 atfast implementation, 它给我们写了一个计划,需要我们确认的有三点。 刚才我们定义了 workflows, 第一个环境准备、结构转换、样式迁移、动态注入、交互、实现格式化检查和代码审查。这个代码审查我们是不是用到了一个 scare, 然后他会按照他自己制定的这个计划来实现,他会给自己列一个 tasklist, 最后 tasklist 他 都完成了之后,他会生成一个 walkthrough, 就是 一个结果结果报告,他生成的结果报告里面有截图还原效果图, 还有帧机演示图,这是一个视频,对不对?最后还用到了我们定,我们给他定义的这个 scale 写了一个代码规范审查的一个合规报告,比如说代码逻辑完整性、 t s 严谨度,还有交互性审查,它都做了一个检查,这样它是不是把我们的 m c p, scare rules, workflow 这些都结合起来, 生成了我们这个代码,这个代码的这个代码运行起来就是这样的。第十四个总结一下,到这里我们把 antiquity 零基础内容完整的走了一遍,我们讲了它是什么,和其他 ide 有 什么区别,怎么安装 主界面怎么看, agent 是 什么? at first 是 什么?浏览器怎么用, m c p scale workflows 是 什么?以及最后我们生成了一个完整的实操案例。 如果用一句话总结 antiquity antiquity 它不是 ai 在 旁边给你提建议,而是让 ai 进入编辑器终端浏览器,帮你真正完成任务。 它代表一种新的工作方式,以前我们在 id 里写代码,现在我们在 id 里管理 agent, 未来的软件开发很可能会像这样人负责目标判断、验收, ai 负责执行检查和总结。 好的,这期视频就分享到这里,希望你有所收获,如果你觉得有帮助,别忘记三连,我们下期见。

大家好,之前我已经把 cloud code 二十一级的课程大纲都已经准备好了,但是今天我还是决定把 codex 的 整个分享提到前面来,主要的原因有以下四点。第一个,现在的 ai 编程已经进入了预三家的这种状态, cyber、 open ai 和谷歌,它们三个就是在 ai coding 里面 的第一梯队。这三家的特点各有不同,像 isrolex 下面的 cloud code, 它更像一个非常专业和资深的这种工程师,那么它在整一个工程管理上下文管理,在代码独取,在长任务的处理上面表现的都非常的优秀和出色。 gemina 它的一托于它的一个谷歌全家桶的一个生态,整一个 ai coding 的 上下文管理以及 cloud shell 上面都有很大的 想象空间。像 open ai 就是 code 加 web, 再配合它的 computer use 加自动化,就更像一个完整的工 坐台。三大家都是各有千秋。第二点就是稳定性和风险了,这个对我们国内用户的使用就是非常现实的,前阵子实名验证, k y c 的 验证,一直以来地区的一个限制,对我们用户的使用是有非常大的压力的。那像 codex 目前就会相对比较友好, 只要你有一个稳定的上网环境,基本上都不会碰到风控的问题。而且 chad gpt 就 整个 open ai 的 一个账号体系大家也是比较熟悉了,整体的风控预期就比较的清楚。那么作为一个长系列的一个课程而言, 我更希望的是大家看完学完之后都能够真正的去使用起来。第三个就是它的生产力的向前跨了一大步,现在 codex 背后就有一整套的生产力生态, a p p 五点五承担了复杂的推理和 coding 的 能力,不像这边的 image two 的 模型,甚至已经被业界认为超过了 nano banana pro, 再加上它的 computer use, 可以 看界面,点按钮做界面验证,最后加上它的 cloud top review 还有 automation 自动化,它们连成了一整条的生产力链路。这个是非常吸引我的一个点。 四点呢,是人跟 ai 去写作的一个点,因为 codex 它其实是有四种生态样式。 codex 桌面版它比较适合的是多任务的一个调度 c l i, 它比较适合你本地及时的去改代码 id, 比较适合边改代码边查看边写作的这种状态。报的呢,就比较适合你后台的一个长任务的一个调用,对一人公司或者小团队而言,这种分工其实是比 叫使用的。最后呢,我来讲一下这个系列主要会跟大家交付一些什么内容,主要是会从怎么安装一路讲到一个项目怎么交付,跟我们原来 web coding 二十八天用到 train 是 一样的逻辑。我会从为什么要学它开始,讲到 c a i 的 安装,讲到 agents, md code, skills m c p, computer use, automation codex 等多 agent codex, cloud 最后串成一整套真实的一整公司的工作流,主要是这样的一个学习路线。当然啦, cloud code 的 里面,课间准备的那些能力,我一 依然会附用到 codex 里面,包括项目的记忆、 it 保险、先 plan 后执行、多 session 管理,在 ai coding 里面都是共通的。这个就是我为什么要把 codex 提上来的一个原因。接下去的第一集我就会从 codex 到底解决什么问题开始。 ok, 那 今天就先分享到这里啦,拜拜。

codex 不 止会写代码了,现在还会点浏览器,可以直接进谷歌浏览器 com 工作,查网页,看后台,填表单,整理数据。很多原来要你手点的事, 它现在都能接上,具体能干什么,可以看下以下三个场景。第一个,整理你登录过的网页信息,它可以进入你 com 里已经登录好的网站,读取页面上的数据,帮你筛选和整理。比如从邮件里找出差报销记录,或者从后台把一场订单归类汇总。 我的看法是,这个登录太是关键,以前你让 ai 帮你做这类事,要么导出数据再粘进去,要么这张 a p i, 现在他直接进你已经登录的页面,省掉了这一步。第二个,多标签页后台并行处理, 他可以同时在多个扩容标签页里后台工作,任务之间互不干扰,也不会卡住你的浏览器。比如同时打开几个系统,分别处理不同的任务,我觉得这个能力被低估了。以前 a 阵操作浏览器分别处理不同的任务,我觉得这个能力被低估了。以前 a 阵操作浏览器就全卡, 现在并行跑,效率差距很明显。第三个,自动判断用什么工具。如果一个任务同时涉及浏览器插件、代码仓库,他会自己判断每一步用什么工具,不需要你指定。比如从网页读数据,处理完再写为代码,他自己串起来。这才是这次更新真正的变化, 它不是一个会点浏览器的脚本,而是一个会自己拆任务选工具的 a 阵边界,从 id 扩到了真实工作流。如果你的 codebox 如果找不到这个插件的话,可以把你 codebox 更新为最新版本, 然后重新退出登录在插件菜单就可以找到 chrome 插件了。我 windows 跟 mac 亲测是没有问题。装完这个插件之后,你还需要安装一个浏览器 codex 插件。完成这两个插件安装之后的你就可以让你的 codex 输入 iphone 进行在浏览器干活。我是 sami, 我 们下期见。

太炸裂了兄弟们, codex 新出的这个谷歌浏览器弹嘴插件,让你可以同时指挥多个子 agent 操作不同网页,它们在后台并行跑,你该刷网页刷网页互不干扰, 关键是用你已经登录好的浏览器 crm 内部后台需要账号的系统全都能自动操作。这种病发干活不添乱的体验真的太爽了!你最想让 codex 替你操作哪个网页的重复劳动评论区告诉我,关注我,带你打破更多信息差!

openai 今天发了 codex 的 桌面 app 啊,就是一个能让你同时指挥一群 ai 帮你做不同领域的代码迸发编程的工具。 现在的因为也已经过去快三个月了。什么三个月了?就是顶级大模型更新。举个例子,谷歌 gemini pro 十一月底,然后可洛他们的 opps 四点五是十一月底,这不快三个月了,就要又要迎来大更新了,据说马上就是索尼特五就要来了啊,可洛家族的新的这个神级玩意儿。然, 然后马上怎么样? openai 抢先发了一个叫做 codex, 直接是原声在 mac 上面的工具。有些人会说,哎呀操,不就是写个代码吗,给我那装的没好激动啥的, 他是把根本逻辑改了。以前是你告诉 ai 怎么写代码,现在是你定任务, codex 直接迸发一堆 ai 去做不同的任务,也就是多现成 ai, agent 也可以称之为 agent 的 集群。 一个负责新功能,一个重修老代码,一个负责跑测试,各干各的,相互不影响,你只负责最后的审核。 openai 这一次 macos 上首发的这个 codex 原声就 就是把这件事做了,也就是说既当爹又当妈啊,把设计师,把程序员,把测试的工作一口气儿拉表,任务清单全做完。但是我觉得更狠的是定价,我说白了, g p t 的 两百刀我一直在定,但是我现在越来越觉得不值,唯独 deep research 和这个 g p t 五点二 pro 偶尔用一用, 但是现在你发现它什么东西都下放到免费,真的,这些二百刀以上的我全都定最值的,听我的兄弟们, cloud 二十 max is the real money 挂着 其他那些东西免费版都给太多了啊,你就像那 g b d 这玩意,我到时候看看你免费版的你 codex 到底能用多少就完事了。以后啊, codex 就是 你的 ai 团队 leader 了,不管你是不是程序员,只要有嘴就行。以前是 talk is cheap show me the code, 现在时代变了, code is cheap show me the talk。 一 抹波浪。

大家好,可能你还不知道, codex 可以 配合 gmail 自动发送邮件。在 codex 里添加 gmail 的 skill 以后,直接告诉 codex 给谁发,发什么,什么时间发,发几封就可以了。如果一次要发很多,你可以列一个 csv 格式的 excel 表格,列好邮箱名单, 然后 codex 会直接帮你写一个脚本,从名单里读取邮箱,然后通过 gmail 自动发送邮件。比如这里我尝试给我的另一个邮箱从一到一百发送一百个数字,这里我给 codex 打开所有权限, 等几分钟后他就完成了。看一下我收到的一百封邮件。