claude文件结构是什么

百分之九十写了 cloud md 的 人，其实不知道他是怎么加载。今天我用官方文档加上实际验证，带你彻底搞懂。 cloud md 就是 个纯文本文件，你在里面写的指令 cloud 每次对话都会自动读一遍，本质就是你不想每次重复说的话写进去就行。但有个很重要的点， cloud md 不是 系统提示词， 它是作为用户消息注入的，也别把它当强制配置。 cloud 会尽量遵循，但不保证百分百什么时候该往里写。官方给了四个触发场景，第一， cloud 第二次犯同样的错。第二， code review 发现他应该知道的事。 第三，你第二次输入，同样的纠正。第四，新同事需要的上下文。记住一点，每次绘画都需要的事实才放这里，那种多步骤流程或者只对某部分代码有意义的放到 skill 或者 rules 里。接下来是今天的重点 加载机制。 clod code 启动的时候做两件事，向上便利和全部拼接。向上便利就是从你当前工作目录开始，逐级往上找 clod md 和 clod local md 全部拼接，就是找到的所有文件全部拼接到上下文中。别搞混了，是拼接，不是覆盖。给大家看我的实际案例， 我在一三一 sq 净化这个目录下工作， cloud 启动时从下往上找，先找到当前目录的 cloud md， 然后是负一级一三零净化实验室的，再到负二级个人仓库的，最后是全局用户目录的，一共加载了四个文件，全部拼在一起，冲突怎么处理？后说覆盖，先说更深层级的文件排在后面，因为 l l m 的 特点就是后输入的权重大于先输入的同一层级内 cloud 的 入口 md 追加在 cloud md 后面， 所以你的个人笔记是那个层级最后读到的优先级最高。还有一个细节，子目录里的 cloud md 不 会在启动时加载，只有 cloud 读取那个子目录时才触发。这设计很聪明，省上下文空间。搞懂了加载机制， 来看文件该放哪一共三个层级。第一，用户全局级，在点 cloud 目录下的 cloud md， 对 你所有项目生效，适合放个人偏好和工具配置。第二，项目级，在项目跟目录下 cloud md， 或者点 cloud 目录下的 cloud md， 这俩是等价的，选一个就行，通过 get 跟团队共享，放架构，工作流命名规范这些。第三，项目本地级 cloud 的 local md 只对你自己，只对当前项目生效。加到 git ignore 里，适合放 api 地址，测试数据，不想提交到 get 的 东西。第一个高级功能， add 导入，在 cloud md 里写 add lmd， 就 能把 lmd 内容也导进来，支持相对和绝对路径，最多五层地归。但注意，导入的文件也会在启动时加载，不能用来省 token。 第二个点 cloud 斜杠 rules 规则，系统 大项目可以把指定拆成多个文件放在目录下，没有 pass 配置的无条件加载，有 pass 的 只在操作匹配文件时才加载。比如你设一个规则，只在编辑 type script 文件时才加载 a p i 规范很灵活，怎么写好 cloud md 四个字，具体可验证。写，用二空格缩进，别写格式化代码 写，提交前跑 m p m test 别写，测试你的改动写 a p i 在 s r c 斜杠 a p i 斜杠 handles 别写，保持文件有序，关键限制每个文件两百行以内抄了 cloud， 遵从度会下降。隐藏技巧 html 注会自动被过滤，不消耗 token。 常见问题， cloud md 写了但不生效。 跑斜杠 memory 确认文件有没有被加载，检查位置对不对，指令够不够，具体有没有冲突。第二，斜杠 compact 之后指令丢了，跟目录的 clod md 会存活。 compact 后 clod 会重新从词盘读取，指目录的不会自动重新注入，对话里的指令会被清除。 所以重要的东西一定要写进 clod md 怎么快速开始？最简单的方式，在项目跟目录创建 clod md 写入构建命令和基本规范，或者直接跑斜杠 in it， 自动分析代码库生成像交互式配置的设 clod code new in it 等于一再跑斜杠 in it。

大家好，我是迪迪，那今天想跟大家分享几个 close code 的 平时用的比较多的一些小技巧，我是分成了安装与设置里面的一些部分，以及上下文与提示管理里面几个，所以一共当前是有十个小技巧，今天就对着这个 close code 一 起跟大家演示一下， 我觉得都是非常实操的一些能够提高工作效率的一些技巧。那首先我们就进入 cloud， 进入 cloud 里面呢？这个是我放在第一条，我觉得非常的有用，如果用 cloud code 比较多的一些小伙伴会发现经常我们需要去确认 yes 或者 no， 那 么在这个情况下，如果我们当前的这个文件夹下面的文件，我们都是可以放心让 cloud code 去做一些操作和动作的话，我们就可以去使用这个命令行，这样的话相当于 cloud code 到了任何一个阶段，它都可以去 撕掉他的一些问题，所以是这样的一个命名号，我觉得是第一个非常有用的。第二个可以看到 如果注意到的小伙伴可以看到我这边有一些模型以及他的一个位置，以及他当前的一个花费，那么有这样的一个进度条，而且它是可以实时的去更新的。在这个情况下，如果大家想要这样的一个的话，那就可以用这个 status line， 这样的话他就可以去触发这个更新镜调了。 第三个可以看到它是把上下文的内容扩展到一米六，那么这个时候我们就可以去扩展这个 model， 我 们来看一下，比如说我选择 opus， 它后面都会把这个模型设成了四点七，另外你也可以加上上下文扩展到 em， 但是如果说是一些比较复杂的或者简单的，你都可以根据不同的任务难易程度去换这个模型的类型。接下来是在配置的地地方推后一个我觉得非常有用的就是这个 config， 那 config 里面呢？有非常多的这些选项，你可以一个个去进行选择，比如说像一些 show tips， reduce， motion， 也可以去设置你的一些语言 rewind code 啊，对，每一个你都可以进去。首先注意的是你按空格键可以去改变，按这个回车键是可以去保存，退出就直接退出，所以这个也是一个非常有用的一些 tips。 所以以上是我觉得我在使用过程中四个常用的一些小技巧。那接下来就是一些关于我在跟 cloudco 的 对话中可以用到的一些指令行，那么其中有一个呢？可以看一下。 第一个叫 clear， 我 遇到了非常多的一些任务，我想把这个任务给 close， 因为我觉得这个跟我当前是没有任何关系的，我这个时候就可以按照 clear， 它就会重新启动一个新的设置，那么这个就是一个非常好用的，我也不用再开一个新的一个 terminal 去去开，所以这个我觉得挺有用的。 第二个，如果说我让他两次 prompt 或者三次 prompt， 他 都是没有办法达到我要的一个目的，那么这个时候我们就可以重新来，重新来，我们就可以 clear， 加上你后面想要的这个 prompt， 比如说帮我重新写这个东西，把整个步骤可以给他再具体的说一遍，这样呢就可以做一个重启的一个动作， 所以这个是一个小技巧，有 shift 加 tab， 你 按上电脑上的 shift 键和 tab 键，可以看到这边它可以自动的 mode 就 会改变。那我强烈推荐大家可以在做自己的一个 project 之前开启这个 plan mode， 否则它的指令还没有明确的情况下，它就开始在执行。做一些操作的话 就会非常的费 token， 你 想达到的程度和他要执行的程度，他不在一个统一的境界上面，所以完全建议大家可以去开启这个 play mode。 对， 这边就是用 shift 加 tab 键，可以看到 shift。 好， 接下来用这个 at， 这个也是我非常常用的一个指令，我如果想要去指令某一个文件，因为我这边真的非常多的文件，那么我可以就去 at 某一个文件，那这个时候我就可以，比如说我就 copy 它的一个 parts， at 这个它就可以自动的去调用这个文件了。另外其实我们在完成一个任务的时候，我不断的提问，让他不断的回答，整个上下文就会非常的长。那这个时候有一些没用的一些信息，其实我就是想把它进行压缩，但是有些有用的信息呢，我又想让它留下来， 这个时候就可以让它 compact 一下，但是引号之间呢，让它保留某些事情，这个也是我觉得非常好的，就 compact， 然后里面加上我想保留这样的一个情况，这样的一个格式，你也可以去进行操作。另外一个我觉得非常好用的，在我需要让他帮我去想一些大的复杂的 架构的时候，我就会加上这个 archer sync， 就是 让他开启他的硬核模式，帮我去一块去思考去看，所以这个的话我觉得也是一个非常有用的小 tips， 所以今天会跟大家分享的就是这十个，涉及到了你在安装和设置的时候遇到的一些指令行，以及你在上下文在整个对话过程中你可能会使用到的一些命令行，我觉得都是非常有用的啊，所以今天把这个分享给大家。

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。

上一期我们讲了 a 一 阵存循环的核心原理， message 经过 mod 输出，再带着 to see 走的回流到下一轮。今天我们来看一个更具体的问题，怎么给这个循环加上工具？ 很多人以为加工具很复杂，要改循环加判断，其实完全不是这样。关键洞察就一句话，加工具不需要改循环。说到底，如果你的 agent 只有 bash 能力，会遇到三个致命问题，第一， cat 和 cid 这些命令遇到特殊字母就崩溃，可预测性很差。 第二，每次 bash 调用都是不受约束的安全面，你想限制它能访问是目录难。第三，所有操作都走 shell， 没有任何结构化管理专用工具，像 read file， write file， edit file 就 不一样了，它们可以在工具层面做路径沙箱，直接在源头把安全性卡住。 怎么设计这个工具系统？答案是 dispatch map， 也叫 handler map， 它本质上就是一个字典，把工具明映射到处理函数。之前硬编码 bash 调用全靠 if i leave 判断是哪个工具，现在变成了一个查表操作，一个 lookup 替换掉整个判断链。 架构图很简单，用户 prompt 进来， l m 决定调用哪个工具。 to dispatch 查表，找到 handler， 执行完返回 to resda， 整个流程完全没变，变的只是 dispatch 曾多了一个工具分发表，具体怎么写？三步走，第一步，定义工具处理器， 每个工具对应一个函数。第二步，把这些函数注册到 t o r tenas 字典里。第三步， agent 的 循环里，便利模型享应当遇到 tolius 快 时，从字典里查 handle 并执行。这个循环本身跟之前完全一样，一行都没改。 加工具等于加 handle， 加 schema， 循环永远不动。说到文件操作， handle 比有个函数必须重点讲 safe part。 它干的事很简单， 拿到一个路径，先 resolve 成绝对路径，然后检查它是否在我库 t a， i， e， r 以内。如果路径逃逸了，直接抛一场。为什么要这么干？ 因为 l l m 生成的路径可能是相对路径，可能是这种穿越路径，不做检查就能读到工作区外面的任何文件。 safe pass 就是 这道安全门，把路径逃逸的可能性彻底堵死。 但这只是基础层，系统复杂了。还有一层不能忽视消息规范内部。 messages 列表是系统的内部表示，但 api 只能接受特定格式。 这里有个关键洞察， messages 列表是内部表示， api 看到的是规范的副本，两者不是同一个东西。规范化要做三件事，每个退域域需有匹配的 to result， user 和 assistant。 消息必须严格交替，只发送协议定义的字段。内部可以加原数据，加标记，但发给 api 之前全部要清理干净。 记住这一张最重要的三个稳定点就够了。第一， tool schema 是 给模型看的，说明决定了他知不知道这个工具怎么用。第二， handler map 是 代码里的分发入口，决定了工具调用谁来处理。第三， to result 是 结果回流到主循环的统一出口。把这三点吃透，你就能在不改主循环的前提下新增任何工具权限。 hook， 并发流式这些后续层次当然重要， 但都应该建立在这个最小分发模型之后。来核心公式记一下，加工具等于加 handle， 加 schema， 循环永远不变。 dispatch map 是 那个分发表表执行替代硬编码判断 路径安全靠 c pass 从源头卡住 message 表内部可以复杂，但发给 epi 必须规范化。这套架构理解了。下一期我们讲代办写入，把计划从模型脑内移到系统可观察的状态里。欢迎点关注我们，下期见。

前两期我们讲了工具使用 write file， write file edit file 加 to hellenas 分 发，再加 save path 沙箱。今天进入第三期，代办写入这一章解决的是 agent 聪明了之后一个更高级的问题， 他的计划能不能从脑子里拿出来放到外面。到了工具，使用这一步， agent 的 已经会读文件、写文件、跑命令了，但问题马上出现， 多步任务容易走一步忘一步，明明已经做过的检查会重复再做，一口气列出很多步骤后，很快又回到即兴发挥。说到底，模型虽然能想，但它的当前注意力始终受上下文影响，如果没有一块显示稳定，可反复更新的计划状态，大任务就很容易飘。 在拆解实现之前，先把这张涉及的几个名词理清楚。第一个绘画内规划不是长期项目管理，而是为了完成当前这次请求，把接下来几步写出来，并在过程中不断更新。第二个 to do， 这里它只是一个在体，是模型用来写入当前计划的一条入口，不要把它理解成某个特定工具名。 第三个 active step， 就是 当前正在做的那一步。教学版里用 in progress 表示，这么做是为了帮助模型维持焦点，同一时间先把一件事做完。第四个 提醒，不是替模型规划，而是当他连续几轮都忘记更新计划时，轻轻拉他回来。这里我要特别强调一个边界，这张讲的是当前绘画里的清亮计划，用来帮助模型聚焦，下一步， 可以随任务推进不断改写。它不是持久化任务版，不是依赖图，不是多 agent 共用的工作图，也不是后台运行时任务管理，这些会在任务系统后台任务定时调度里再展开。如果现在就把这张讲成完整任务平台初学者会很快混淆当前这一步要做什么和整个系统长期还有哪些工作。想把这张先想成一个很简单的结构，用户提出大任务 模型，先写一份当前计划。计划里有三种状态还没做，用中括号空格表示正在做。用中括号大于号表示已完成。用中括号叉表示每做完一步就更新。计划更具体一点就是先拆几步，选一项作为当前 active step， 做完后标记 completed， 把下一项改成 in progress。 如果好几轮没更新，系统提醒一下， 记住了吗？这就是最小版本最该交清楚的部分。来看具体的数据结构。 plan item 是 最小条目，包含三个字段， content 表示这一步要做什么。 status 表示现在处在什么状态。 pending 或 in progress or completed。 active form 是 当它正在进行中时更自然地进行式描述。除了计划条目本身，还需要一点最小运行状态，叫 planning set， 里面有 items 列表和一个 rounds since update。 计数器记录连续多少轮过去了，模型还没有更新。这份计划教学版推荐先立一条简单规则，同一时间最多一个 in progress。 这不是宇宙真理，它只是一个非常适合初学者的教学约束。强制模型聚焦当前一步。那具体怎么实现呢？先准备一个计划管理器类， 允许模型整体更新。当前计划在更新时校验，如果 in progress 的 数量大于依旧抛异常。教学版让模型整份重写当前计划，比做一堆局部增删改更容易理解，然后把计划渲染成可读文本。 panda king 是 中括号空格， in progress 显示中括号大于号 completed 显示中括号差。 这章之后，矩阵不再只维护 messages， 还开始维护一份额外的绘画状态，叫 planning state。 也就是说， agent loop 现在不只是在对话，它还在维持一块当前工作面板。 messages 是 模型看到的历史， planning state 是 当前计划的显示外部状态。这就是这张真正想让你学会的升级。把当前要做什么从模型脑内移到系统可观察的状态里。提醒机制说明了一件很重要的事，主循环不仅要执行动作，还要维护动作过程中的结构化状态。 最后说几个初学者最容易犯的错。第一个，把计划写得过长，如果一上来列十几步，模型很快就会失去维护意愿。第二个，不区分当前一步和未来几步，如果同时有很多个 in progress， 焦点就会散。第三个，把绘画计划当成长期任务系统， 这会让这章和任务系统的边界完全混掉。第四个，只在开始时写一次计划，后面从不更新，那这份计划就失去价值了。第五个，以为 reminder 是 可有可无的小装饰，不是。提醒机制说明主循环要同时维护动作和动作过程中的结构化状态。来。 最后一句话，记住这一章，这一章的偷的不是任务平台，而是当前绘画里的外显计划状态。核心就三件事，让模型把计划写出来，让计划保持更新， 让主循环能观察到计划状态。下期我们继续讲子代理，把局部任务放进独立上下文里，做完只把结果带回来。欢迎点个关注，我们下期见。

今天给大家推荐一套 skill 的， 它打包了市面上常见的格式化的表达，可以一键把你的文章变成 canvas mami 跟 iscaraj。 第一种结构清晰，配色干净，排版漂亮，这是 canvas。 第二种，它把流程节点、箭头的走向以及逻辑链条梳理得让你可以一眼看清，这是 iscaraj。 第三种是手绘的，质感就看起来比较自由随意，像在白板上随意勾的，这是 iscaraj。 同一个内容三种表达只需要十秒。 给大家简单介绍一下这三种矢图它适合在哪些情况下去使用。比如说像 canvas， 它比较适合做知识图谱，项目盖板，或者说文章结构的拆展 分类的话，适合现性逻辑的一些表达，包括流程图，决策数或者时间线。因为我最近在做一款退休相关的一个产品，会涉及到退休年龄的计算，以及退休金的一些计算，它把整个的逻辑都梳理的很清楚，包括说 怎么样去判断一个人的退休类型，它是到了法定年龄去退休，还是在法定年龄之前退休，它的整体的计算的逻辑都会不一样，然后它在这里也展示的很清楚。 export 就 比较简单，它适合那种自由表达，画草图跟圆形，以及非正式的一些思维发散。不过我觉得这个 export 它画的倒是比较简单，就是如果说你要增加一些图，或者说增加一些网页的跳转的话，还是需要你自己去增加的。 而且这个 skill 生成的图，如果说你有一些不满意的话，你是可以点击编辑去修改的，甚至你可以也可以去修改它的底色，比如在这里选择它就会变化，我觉得它就是节省了你从零到一的画图的时间，非常方便。 那接下来来告诉大家怎么样装这个 skill。 主要是三步，第一步就是 obsidian 是 要提前装好 ai agent 的 插件的，我用的是 cloudian， 之前视频有教过怎么安装，这里就不说了。第二步是我们在 github 上搜这个 skill 的 名字，然后就能找到这三个 skill。 这里下面呢，它是有对这个 skill 的 整体的介绍，告诉你整体的安装的方式。我们可以直接复制这个命令，回到 cloudian 的 聊天框，直接发送给 cloudian 即可。 把刚刚的口令发送进来之后它就安装好了。安装完之后呢，它会告诉你对应的 skill 的 用途以及它的触发词是什么。我们平常触发 skill 的 方式是斜杠，然后去掉起选择这个对应的 skill， 比如说萌妹，它就会 加载这个 skill。 这个 skill 还做了一些触发词，就是我不需要去调起了，我直接用自然的语言，比如说我要做一个 make 图，或者我要做一个 canvas 图，它就会自动加载这个 skill。 那 比如说我给他发的是用 make 格式化退休计算的流程，然后呢，他就阅读了这个 skill 的 skill m d。 因为我前面跟他去聊了一些退休计算的流程，然后呢他这里就把整个的计算流程化成了个 blank 图，非常的快。我还让他自动的去帮我保存为 opc 点笔记文件，然后他就可以帮我创建一个新的笔记了。 那今天的分享就到这里啦，以前我们做一张结构图，先理逻辑，再选工具，再调颜色，还有对齐整体的节点以及对拉线，至少半个小时起步，那现在一条指令 十秒三种风格任选，把节省下来的时间更多的放到我们的内容的本身，觉得有用的话点赞、收藏加关注，拜拜。

今天分享的主题是探索 cloud 目录。 cloud 目录就是你和 cloud code 之间的沟通手册，你在这里告诉 cloud 项目的上下文规则偏好，甚至可以给他添加全新的技能和子代理。无论你是刚接触 cloud code 的 新手， 还是已经在日常使用它的老用户，理解好这个目录的结构，都能让你的开发效率再上一个台阶。那 cloud 目录到底是什么呢？你可以把它理解成 cloud code 的 大脑配置文件， 它告诉 cloud 你 的项目有什么背景，有哪些规范工具，应该怎么用。这个目录可以放在两个地方，一个是项目跟目录下的 cloud 文件夹，提交到 get 后就能和团队共享。 另一个是 home 目录下的 cloud， 这是你个人的全局配置，所有项目都能用到。大多数情况下，你主要和 cloud md 以及 settings john 打交道，剩下的都是按需添加的扩展功能。我们来看看 cloud 目录里到底有什么。 最核心的两个文件是 cloud md 和 settings john， 这也是大多数开发者日常打交道的东西。 cloud md 用来写项目指令和上下文， settings java 配置权限钩子和环境变量。 剩下的目录项， skills， rules agents， 这些都是可选的，当你的项目需要更复杂的能力时才添加上去。值得注意的是， cloud md 既可以放在 cloud 子目录里，也可以直接放在项目跟目录，两种方式 cloud 都会加载。 现在我们来深入看两个最核心的文件。首先是 cloud md， 这是 cloud code 在 每个绘画开始时都会加载的指令文件， 你可以在这里写下项目的架构说明、编码规范、测试约定、关键文件路径等等。简单说，这就是你给 cloud 的 入职手册。另一个是 settings john， 它控制 cloud 的 行为边界，比如哪些工具允许调用？工具调用前后要不要刨脚本？环境变量怎么设？这里要特别提一下 settings， 点 local 点账，它专门用来存你的个人偏好， 自动会被 g t nore， 所以 不会污染团队配置。当项目变复杂了，光靠 cloud md 可能不够用，这时候就要用到扩展能力了。 skills 是 可附用的提示模板， 你可以通过斜杠命令，比如 review 来调用，也可以让 cloud 自动触发。这非常适合代码审查、生成文档这类重复性工作。 safaris 更高级，它让 cloud 可以 创建专门的子代理， 每个子代理有自己的提示词、工具级，甚至持久记忆空间。此外还有 rose 来做主题范围的指令， output styles 控制输出格式， m c p john 连接外部工具，这些全部都是按需添加的。 关于配置的作用域。项目级的 cloud 放在你的仓库里，提交到 get 后，团队所有人都能用，适合放项目规范和团队约定。而全局级的 cloud 属于你个人， 所有项目都能用到，但不会提交到任何仓库，适合放 api、 蜜月、个人偏好。这些隐私信息需要注意。优先级，项目级的配置会覆盖全局级的同名配置， 而 c l i 命令行标志的优先级最高。接下来聊聊应用数据，这部分 cloud code 会在 cloud 下存储绘画、记录文件、快照、缓存数据等等，这些数据默认三十天后自动清理。你可以调整参数值来控制保留时间， 但有几个是无限期保留的，比如 history。 java 用来支持上箭头回忆提示，如果你想手动清理，可以用 cloud project purge 命令。 强烈建议先加 drive 预览，要删什么确认没问题再跑。另外注意数据是纯文本存储的，如果工具读取了俄女文件或者命令输出了密码， 这些内容会留在记录里。最后来总结一下这张决策表，帮你快速定位，想做什么就找哪个文件。 核心原则就是从小处着手，先配好 code， md 和 settings， java 等有更复杂的需求，再逐步添加 skills， subintelligence 这些扩展。这几个要点值得记住。团队共享的，放项目级 个人隐私，放全局级 cloud mb 是 项目指令， settings 掌握控制权限和环境。如果遇到配置不生效的情况，可以用 debug 标志启动 cloud code 来查日记。掌握了 cloud 目录的用法，你就能让 cloud code 真正成为你的专属开发助手。

这是我用 hammers cloud code skill 深层的关于 hammers engineering 的 wiki 的 一个知识图谱啊。最近其实 hammers 这个概念很火，有 hammers engineering， 有 hammers legend， 还有 metal hammers， 还有 auto hammers， 那 其实我一直很好奇，那 hammers 是 什么东西，以及它的由来？什么都有哪些给你的项目 软件是跟这个相关的，那其实我以前也是想找一个 wiki， 想进一步了解，但是其实这一次没找到，所以说我今天看到了一个 wiki build， 这么一个开源的一个 cloud code skill， 它核心其实说可以快速的去搭建一个 lm 知识库， 通过一种标准化的方式，它其实有个最大特点就是通用这个 skill， 你 可以去按照整个呃文章类型，或说产品类维度，或者说研究维度去生成不同风格的 wiki。 刚好我就借这个 skill 去帮我去 生成关于 haus engineering 这么一个 wiki 文章。正常情况下，其实我们要去生成一个 wiki 的 时候是要做几个事情，第一个事情说你需要先去收集对应的素材。第二个，其实你可以告诉你的 ai 引擎去把对应的素材去把它结构化，生成对应的一些页面，包括你的一个缩影页，包括你的原始数据页，包括你的一个抽象出来的一个抽象页面。 第三步，其实说你在整个去跟 ai 去沟通以及问答过程中，那其实 ai 会有一些对应的一个 response 结果，那这个其实都是可以存到我们的 fq 里面的，那这个其实可以直观下来。那第一步讲就是说你的 wiki 内容是会动态的一个变化的，那你需要定时去跑对应的一个脚本，然后去生成对应一些新的一个计划页面，去加到原有的一个项目里面去。 然后这个 viki build 的 这个 skill 其实很简单，它主要做几个事情，第一个事情就是说把整个 viki 的 这个目录给结构化下来，最大的核心其实在于它的 pos 里面，它其实抽象出了五个 pos， 那 第一个 pos 其实就是生成一个属性页面，第二个 pos 其实就是去生成一个原始数据页，第三个 pos 其实抽象出你的一个抽象概念页面，那第四个 pos 其实就是说针对你的问题，然后 去生成对应的一些相关的答案，然后放到你的 hq 里面。那第五个其实就刚才讲的第四步，就是说针对于你的当前 viki 的 内容进行当 check， 看看是不是有些遗漏什么东西。 这边其实我就是用 cloud code 安装完这个 wiki build 之后，他帮我去生成一个新的 wiki 项目，然后这个项目的主题就是关于 honey's native engineering 的 这个 wiki， 然后这个任务跑完之后，就会生成刚来的一个标准化的一个 wiki 结构。 紧接着关于在素材这块，而我这边用了 harvis， 因为 harvis 这块的 agent 我 在我使用下来，我觉得它会相对更智能一些，因为它集成了很多插件工具，对吧？所以说我把这个收集素材的一个任务就交给 harvis， 这次 harvis 在 执行完这个任务之后，在我们的 raw 文件下，下面去 把我收集到一些相关信息啊，然后这是对应的 source 里面记录的关于前面 los 里面的对应的这些文件的一个标题，以及呃 u r 地址以及它的一个简写，方便后面去深层详细的一个 wiki 内容。 当相关的一个哈密斯素材收集完成之后，那么我们就可以重新回到 ploco 的 这个 c i 界面，然后告诉我们 ploco 的， 然后基于我们现有的收集到信息，基于 source 里的内容，帮我重新去生成完整的一个 wiki 内容。 然后你可以看到执行完成之后，它就生成了几几块，包括概念、项目、角色机、准时间线以及对应的一些问题 faq 相关内容。然后你可以看到最后一步它会有个补充，那其实就是执行我们刚刚前面讲到的一个 link viki 这个点定义的内容，它会去 double check check 你 生成内容是不是完整，那么你可以看到其这边有反馈说有些页面还没有生成完整， 那这个接着其实可以继续跟 cloud 沟通，让它继续往下去生成就可以了。当所有的内容都生成完成之后，那我们只需要把我们的项目导入到我们的 opc 点里面，就可以看到在视频的开头所演示这个关系图。

重构一个用户模块，手动三个半小时， cloud code 四分钟搞定。 cloud code 终端里的 ai 程序员，依据 cloud 自动分析代码结构，哪个文件夹干什么，多少行代码一眼看懂， 不用翻文档，直接问代码。改一个函数签名，所有调用处自动适配 call back 签 promise 四个文件全改完， 你改一行，他修全部报错，看不懂。贴近终端定位到行，写出修复测试全率贴报错出修复，一分钟闭环，不想写测试，一句命令 describe it expect 自动生成，边界全盖。 你写代码，他写测试，代码改完不想写 commit 一 行， cloud 自动生成 message 推到 github 创建 pr。 一 句话的是，分析代码，重构、修 bug、 写测试， git 自动化， 五个核心能力，一句人话搞定。截图保存， npm 一 行安装，每天有免费额度，关注我，每天一个 ai 神器！

cloud code 是 一款智能编程工具，能理解你的代码库，编辑文件、运行命令，还能接入现有开发工具，帮你更快完成任务。 它可以用在终端 visual studio code、 cloud 桌面应用网页版以及 jabris ide 里。 不过这期视频我们会在终端里使用它。 如果你用过 cloud ai， 你 可能会好奇它们到底有什么区别。不同于 cloud ai， cloud code 能直接访问你的文件终端和整个代码库，所以不用来回复至粘贴代码，它可以自己进去把活干完。 最简单的区别是， cloud code 是 按 ai agent 的 方式工作。 ai agent 是 一种软件，能和周围环境交互并执行操作来完成指定目标。 最基础的做法就是让大语言模型实时循环运行，不断处理。 ai agent 可以 使用工具、外部服务，甚至其他 ai agent 帮他达成预设目标。 那实际用起来是什么样呢？这里有几个例子，它能读取并理解你的代码库。你可以让 cloud code 解释某个功能或在代码里追踪一个 bug。 cloud code 能执行构建脚本跑、测试安装包，并根据输出决定下一步怎么做。 cloud code 还能搜索网页，比如它需要最新 api 文档时，可以直接帮你查。想用好 cloud code， 先要理解这些概念。第一个是上下文窗口，你可以把它想成 cloud 的 工作记忆。 它能装很多内容，但不能一次装下所有东西。这就是 agent 特性发挥作用的地方。它会用策略在代码库里找答案，而不是把整个代码库都塞进上下文。 第二，它会请求你的许可。默认情况下， cloud code 在 运行命令或修改代码前会先问你，你始终掌控大局，可以亲自把关，也可以更放手。 第三，他也会犯错。和任何工具一样， cloud code 并不完美。他可能误解你的意图引入新的 bug， 或者把方案做得过于复杂。 快速回顾一下， cloud code 是 代码 a， 它能读取你的代码库，编辑你的文件运行命令，并连接外部工具，帮你更快交付。 你现在就可以下载使用，支持终端 vs code、 jet breeze 以及 cloud 桌面应用。

今天将深入探讨 cloud code 的 核心配置，学习如何通过 cloud md 和 cloud 目录等关键文件，将这个强大的 ai 工具塑造成真正理解您项目的专属专家。 cloud code 的 行为主要由三个关键文件或目录定义， 核心指令文件 cloud md 充当着项目记忆的角色。 cloud 目录作为整个 ai 行为的控制枢纽， 以及 ai 自我学习和总结的 memory md。 首先，我们来拆解 cloud md， 它会在每个对话启动时自动加载到系统提示词中，专门用于存放代码本身无法体现的关键项目信息，比如构建命令代码风格和提交规范。 它采用三级配置体系，高优先级会智能地覆盖低优先级设置。 cloud md 的 三级配置体系非常强大，全区配置设定了用户的默认行为， 项目及配置包含了团队共享的约定，而本地的 cloud 点 local 点 md 则允许开发者覆盖个人偏好， 比如要求始终用中文回复或容忍特定的编码风格。现在我们来打开 cloud 的 目录，这里可谓是项目的控制中书，包含 settings 权限配置、模块化的 rules 规则、自定义 commands 命令、可自动化的工作流 skills、 独立的 agents 子智能体以及强大的 hux 钩子系统。 settings john 式 ai 行为的控制面板。通过精细配置 allow 和 deny 列表，您可以精确管控 cloud code 能访问的文件、执行的命令和网络请求。 配合 pre tools 和 post tools， 钩子还能在每次操作前后自动触发脚本，形成自动化门禁。为了保持 cloud md 的 精炼 路由，目录允许您将指令按文件路径进行模块化拆分，只有 ai 访问到匹配的文件路径时， 对应的规则才会被加载，比如 api 开发规范只在处理接口文件时生效，这大大优化了提示词的利用效率。通过 commands 目录， 您可以创建自定义的斜杠命令来封装复杂的工作流。比如输入 review， 就 能让 ai 自动执行代码审查，从代码风格到性能安全全面扫描。输入 refactor 则可以获取函数级别的重构建议和风险评估 技能，是将重复性工作自动化的利器。以生成变更日期为例， ai 会自动获取版本标签间的所有提交， 按 conventional commits 类型分类转换成 markdown 格式，然后无缝写入 change alert md 文件，整个过程无需人工干预。 a 阵词目录允许您定义拥有特定角色的子智能体， 实现并行工作。比如定义一个代码审查员 agent， 他 会专注于安全审查和性能分析。再定义一个测试编辑者 agent， 他 可以负责补齐单元测试。这些 agent 拥有独立的提示词，可被灵活调度。 钩子脚本是强化项目规则的最后一道防线。 pre tools 钩子在 ai 执行写入前运行， 可以阻止修改敏感文件。 pass to lose 钩子在写入后运行，可以自动执行格式化或 link 修复 脚本退出码为零才允许继续，非零则直接阻止操作。安全防护层面有两个关键文件， mcp 专用用于配置 model contacts protocol 服务器，连接 github 数据库等外部服务。 而 cloud neo 则像 g tiknor 一 样精确告诉 ai 哪些目录和文件绝对不能碰，比如俄女蜜月文件或庞大的 node modules memory。 md 是 cloud code 独有的自我进化机制， 它由 ai 自动记录对话中学到的经验教训、架构决策和用户偏好，存储在项目对应的 memory 目录下。与您主动编写的 cloud md 不 同， 它是 ai 自己的总结笔记，上限两百行，确保信息精炼理解。 cloud md 和 memory md 的 关键区别直观重要。 cloud md 是 您主动编写的指令级，用于明确告知 ai 项目规则。而 memory md 是 ai 在 对话中自主总结的经验笔记，两者一个主动引导，一个被动积累，相辅相成，缺一不可。

哈喽，大家好，今天我们要来点硬核的干货。如果你平时已经在尝试把 ai 深入融入你的工作流，但总觉得差点意思，那今天这次的解读绝对会让你大获过瘾。 作为一直在深耕人工智能领域的集客，我今天打算带大家从零开始，彻底掰一掰怎么开发数数的 cloud agent skills。 咱们不仅要搞懂底层的理论，更要玩转一个特别酷的概念，用 ai 来开发 ai， 也就是所谓的原创造。准备好了吗？咱们直接切入正题。 说真的，你是不是经常遇到这种情况，每次要干点活儿，都得给 ai 喂一大堆又长又复杂的提示词，结果呢？等了半天，它吐出来的东西还是那种干巴巴带着一股浓浓 ai 味儿的机械回复， 这种反反复复的低效劳动，加上怎么调都调不好的僵化输出，简直能让人抓狂对吧？也是目前咱们进阶使用大元模型时最头疼的拦路虎。 其实破局的关键就在这儿， agent skills 智能体技能，说白了，它绝对不是什么简单的提示词套路大权，它是一种可以附用甚至可以共享的底层能力构成。你想啊，如果你能把你平时那些摸索出来的独门技巧工作流直接打包成一个标准化的技能包会怎样？ 这不仅意味着你自己可以一件搞定团队里的小伙伴，整个团队的输出标准瞬间拉起，这简直就是个效率外挂好吗？ 咱们今天的解读思路很直接，先理解智能体技能的概念，再拆解它的底层架构，接着讲讲核心的打包避坑指南，然后就是重头戏怎么用 ai 去开发 ai。 最后咱们拿一个真正的去 ai word 写作时阵来检验效果。 好第一块，咱们先来重新认识一下 agent skills， 去探测一下 cloud 隐藏在水面之下的那个虚拟机。 如果你现在还把 cloud 当成一个只会打字聊天的机器人，那格局就小了。掀开它的引擎盖，你就会发现人家其实内嵌了一个具备真实代码执勤能力的虚拟机器环境。在这个沙赫尔里， cloud 可是有文件系统访问权限的，它能直接跑拜师并领能运行拍放和 node js 脚本。 你定制的每一个技能其实都像实体文件一样，独立部署在这个系统目录下。换句话说，你的 ai 助理已经有了真实的动作能力，他现在更像是一个能帮你操作文件写代码的超级程序员。 了解了运行环境，咱们直接拆解第二部分，它的底层架构核心其实就是一个特别神奇的 skill md 文件。 这个文件的工作原理简直太巧妙了，每个 skill md 文件其实都被 p 成了两半，上半部分叫原数据，也就是 meta data， 下半部分是具体的指令，也就是 instructions。 为了方便理解，咱们打个比方，这就好比你招了一个人类助理，原数据就像是这个技能的个人建立， cloud 在 刚启动的时候，会把所有技能的建立都扫一眼，这样他就知道一旦有任务来，该派哪个技能去干活儿。 而下面的指令部分呢，就像是具体的员工手册，为了省脑力，也就是省内存。只有当这个技能真的被派上用场时， cloud 才会翻开这本手册照着做。这种暗需加载的设计极其聪明，而且极其高效。 接着咱们聊聊第三部分，核心揭告语，打包。这里全是实操干货，可以帮你避开最常见的部署大坑。 听好了啊，无数新人都在这里翻过车。在打包巨能的时候，你的目录里必须有那个 skill 点 m d 文件，你也可以建个 scripts 文件夹， googleiteon 写排腾夹本儿什么的。但是 当你最后把它打成 zip 压缩包时，千万千万别图省事，直接把里面的文件全选，然后点压缩。 正确的方法是，解压你的 zip 包后，必须得先看到一个和你技能同名的文件，点进这个文件才能看到 skill 点 m d 要是少了外面这层，同名目录系统是根本认不出来的。记住这个铁律，能帮你省下大把疯狂脑头找 bug 的 时间。 坑避开了，现在我们要进入最激动人心的第四部分，用 ai 来开发 ai， 玩转工作流的原创造。 既然咱们都已经是高级 ai 玩家了，干嘛还要自己一行行手敲代码呢？这就教你一个绝妙的原工作流，一共就四步。 第一步，直接把官方关于怎么写技能的文档甩给 cloud， 让他自己读。第二步，告诉他你的需求，比如你个人的风格偏好是什么。第三步，特别有意思，他会反过来疯狂问你问题，来弄清细节。最后第四步，你什么都不用做，直接喝口水下载它全自动打包好的 zip 文件就行了。 咱们放大看看刚才说的第三步，澄清意图。在实操里，为了让这个技能像你肚子里的蛔虫一样懂你， cloud 会化身成一个特别严谨的产品经理，他可能会问你，哎，你想要的文章结构是怎么样的？或者语气是要严肃专业点儿，还是像咱们现在这样牢靠？ 甚至他还能敏感地察觉到人称转换的问题。比如你有转述一篇别人的博客，原文里的我，他会贴心地问你，是不是该统统改成原作者或者他。你回答得越细，这套为你量身定制的机能包就越完美。 等你跟他聊完，见证奇迹的时候就到了。还记得咱们前面说的虚拟能力吗？ cloud 只要一理解你的意图，他就会直接在后台的沙盒里狂敲 bash 命令，他自己建文件夹，自己写 skilllet、 md 的 原数据和指令，甚至自己跑压缩命令，最后给你端出一个热气腾腾的 zippo 包。 你看，从写代码到工程打包，他一个人全包圆了。好的，第五部分，咱们光书不练假把式，直接来一场去除 ai 位的实战检验。 平时你肯定遇到过这种让人头大的情况，你丢给 ai 一 篇超级长的技术博课，让他总结，结果呢？他的初稿一眼看过去，满屏的黑点，项目符号、一二三四的数字列表，外加极其死板的总分，总总三段论。 更离谱的是，中文文章里居然还夹杂着英文标点。这玩意儿虽然意思是对的，但根本没法直接用，看着太让人劝退了。 但现在不一样了，当我们挂上刚才让 cloud 帮我们自己写好的那个专属技能包，输入完全相同的指令，出来的效果绝对让你拍案叫绝。那些碍眼的项目符号瞬间凭空消失，段落之间过度的丝滑无比，就像是一个经验老道的技术大牛，做你对念，跟你侃侃而谈，标点符号也全对了， 这就是咱们说的灵魂注入一个冰冷的积蓄总结，瞬间就被赋予了真正的人味儿。回顾一下，咱们今天一路拆解了 agent skills 的 底层逻辑，还亲自实操了怎么让 ai 自动为你写代码打包技能。 其实说到底，既然现在的 ai 都已经聪明到能够阅读自己的文档，为你量身定做甚至自动打包技能了，咱们真的没必要再死磕那些机械重铺的体式词了，那么是时候打开你的脑洞了，在你的日常工作流利，哪个最耗时最折磨人的环节，将会成为你即将打造的第一个智能体技能呢？ 去构建属于你的自动化帝国吧！感谢大家收看咱们这次的深度解读，下期咱们再见！

如果你已经在用 cloud 写代码，整理资料，跑工作流了，那怎么写好项目配置文件？ cloud 点 md 非常重要，那 cloud 点 md 是 什么呢？ 它是一个放在项目跟目录的 markdown 文件，你可以把它当成是这个项目写给 ai 的 说明书。原理也很简单，每次当你新插一个对话或者清空上下文之后， cloud 都会自动再读一遍这个项目配置文件，有了它，你就再也不用解释项目背景、个人偏好等各种项目信息了。那我们该如何写好 cloud 点 md 呢？ 这里给大家总结了应该写哪些内容，这里的五类内容呢，是我搜集了资料找到的各种大牛，各种社区讨论后的一个最值得写的五类内容。 第一个呢是项目背景，你需要用很简短的语句告诉 ai 这是一个什么样的项目，让 ai 呢一看到它就能初步的对这个项目有一个大概的了解。那第二个部分呢，是技术栈和工具，比如说你用什么样的代码语言，你用什么样的框架，你有什么样的命令。比如这是一个说搜集信息的项目，那你可能就可以告诉他说我有哪些爬虫脚本。 第三部分呢，是项目约定，这里面主要要写一些已经在做的规范和习惯。比如来说，如果是一个小红书内容选择题管理系统，我通常的习惯是先让灵感写进灵感池，然后经过我的主观判断之后，我会选择一些灵感进入选择题库，那这就是我的项目约定，就会被写在 cloudy md 里面。 那第四部分呢，是沟通偏好，这一部分呢就偏向于一些个人喜好，比如说呢，我可能会告诉他说必须用中文回复，这都是一些个人回复上的喜好，你可以记载在这里面。那第五部分呢，是一些禁止事项，这类的问题呢，可能更经常出现在。嗯，你发现 ai 有 时候会有一些默认的操作是让你不满意的，那你就可以在执行的过程中告诉 ai 永远不要这么做。 那 cloud 点 m d 有 什么质量上的标准呢？我找到了 ansap 官方文件里面说到的三条标准。第一个呢，是要用具体数字代替形容词，比如说你想让 ai 回复尽量简洁，那更好的说法其实是回复小于等于三段的内容。第二部分呢，是关键规则加必须或者不要。比如如果你想表达尽量不要 emoji， 最好的表达其实是绝对不要 emoji。 第三个呢，是你要保证你的 cloud 点 md 控制在两百行以内。这是因为 cloud 点 md 的 内容会一直被写在对话的上下文空间里面，那如果它太长了，可能就会导致一些重要的规则被淹没，或者你后续对话写入的内容被忽视。 那说了这么多标准，我们该如何来修改 cloud md 呢？以及我真的要一个字一个字的写下 cloud md 里的内容吗？当然不是所有的内容都还是可以借助于 ai 来写。 首先有个最关键的指令，就是当你有大改动或者是你新开启一个项目的时候，你可以用杠 innit 这个指令来让它扫描你当前的项目文件，然后去生成一个全新的 cloud 点 mb。 比如如果你是是一个空项目的时候，它就会根据你目前的项目内容给你自动生成一个 cloud 点 mb， 那 如果你已经有一个目录下的 cloud 点 mb 之后，它依然会读取旧的 cloud 点 mb， 并且扫描当前的架构，给你一个优化版的 cloud 点 mb。 第二个呢，是适用于日常小修的 problems， 比如你发现 ai 做了一些你不满意的事情，你想要让它改进，那你就可以把这件事情立刻追加到 cloud md 里面。 那第三种呢，是定期瘦身，也就是我们刚刚说的 cloud md 要小于等于两百行才能更好的发挥它的作用。那我们就可以用下面这段 prom， 让 ai 把过时的、重复的或者是写的太软的一些指令删除掉。然后最后呢，把字数控制在两百行以下，那通过这三个指令，你就已经可以很好的写好你的 cloud md 了。 而且这套用法其实不止 cloud 能用在 cloud 里面， cloud 点 m d 是 这个项目的说明书，而在 codex 里面，这个项目配置文件被写作 asigns 点 m d。 我 自己测试过，如果你现在在 codex 里面导入一个带有 cloud 点 m d 这个文件的项目，它其实会自动问你要不要把 cloud 点 m d 这些内容转化成 asigns 点 m d， 所以 其实它已经有一些自动的转换过程了。

cloud cloud code 还有 cloud code， 它其实不是一回事啊。大家好，我是老王啊，这个老王关于 cloud code 的 这个视频啊，爆了啊，好多人到现在还没有分清啊。 cloud cloud code 还有 cloud code， 它其实不是一回事啊。 cloud 是 一个聊天 ai 啊，它适合写文案，总结，翻译，还有分析资料。但是 cloud code 它是个 ai 编程工具啊，它可以就是进入你的这个代码项目，帮你读文件，改代码，修 bug， 跑命令。 但是 cloud coworker 它其实是一个桌面应用啊，更像一个 ai 办公同事助理，适合帮你处理文件，整理资料，形成报告。所以说一句话总结就是， cloud 是 聊天入口， cloud code 是 代码入口， cloud coworker 是 办公入口。所以大家别把这三个概念啊混在一起了好吧。

百分之九十五以上的人安装完 cloud code 以后，第一步就做错了。我把一份能直接复制的 cloud md 模板整理好了，但你先别急，因为如果你没写好 cloud md 就 开始让他干活，那你后面大概率会遇到内容堆叠，越用越乱。最后你甚至会觉得 cloud code 并不好用，但其实问题不在 agent， 而在你一开始就没把规则写进去，而这个规则就是 cloud md 这个东西，它不只是一份普通的 remy 文件，它本质上是你和 agent 的 顶层协助规则，你先把它写好，它后面才知道该怎么样去跟你配合，什么事情可以直接做，什么事情要先跟你确认，不同的项目该怎么切换。首先我们先理解最关键的两层，第一层叫做区块 d m d， 它放在默认目录下，也就是这里， 只要你打开 clock， 不 管进的是哪个项目，它都会先加载。这一层，它解决的是你是谁，你平时呢？他做什么？你做事的原则是什么样的。第二层是项目级的 clock d m d， 它放在每个项目的根目录下，也就是这里， 只有当你打开这个项目的时候，它才会被加载。这一层是每个 project 独立的，这个项目怎么干，目录怎么建，文件怎么命名，有哪些约定需要遵守？前者呢，是管你和 clock 怎么写作的，而后者 是管特定 project 的 工作流程的。就拿我自己来说，我在没写好 cloud md 的 时候，总是会在一个大目录下做很多的小 idea， 然后文件就越来越多，结构越来越乱，然后成屎山代码了，然后就只能放弃了。后来呢，我就让 call 帮我写了一个项目层级的 cloud md， 这样每次进去他就会先按这套规则来判断这是不是一个新的项目， 文件夹怎么样命名合适，结构该怎么展开，写完以后真的体验发生了质变。然后还有一个很重要的点就是 cloud md 和 一般的 prom 或者 skill 不 同，它不是越长越好，我实测到了六十到八十行，它就开始遗漏一部分内容。所以我的建议是最好不要超过一百八十行，不要把一些细枝末节写进去，把一些有价值的跨项目的顶级规则，像是思维准则、 行为约束、沟通方式等等放进去，再写好以后再使用 clock code 的 整个体验会稳非常多。我已经把一份能直接复制的 clock d m d 模板整理好了。评论区回一 call。

今天咱们来聊一个事儿，你用 cloud code 用久了，有没有发现一个现象，它越聊越慢，回答越来越短，有时候还开始胡说八道，这不是它变笨了，是你的上下文快满了。 斜杠 context 这个命令就是让你看清上下文到底被什么东西占满了。输入斜杠 context， cloud 会给你一个清单，列出每个文件占了多少 token， 当前总共用了多少，还剩多少空间，就像任务管理器一样，一目了然。 那知道这些有什么用，用处大了，你可以看到是不是某个大文件把上下文吃光了。如果是，就可以用斜杠 compact 压缩一下，或者用 it file 重新精准投喂。很多人上下文不够用的根本原因就是不知道钱花在了哪里。 斜杠 context 就是 帮你查账的。举个例子，你正在做一个前端项目，不经意间引用了一个很大的配置文件，上下文直接吃了一半。 你用斜杠 context 一 看，哦，原来是这个家伙在搞鬼，删掉它，重新投喂需要的部分账，下文马上就宽松了。 这就像清理手机存储，你先得知道什么，占了空间。好了，上下文管理咱们就聊到这，总结一下，斜杠 context、 查账、 节杠 compact 节省艾特 file、 精准投位，三者配合，上下文永远够用。下一集咱们要聊 shift 加 tab 切换的 plan mode， 教你改代码之前，先让 cloud 出方案，安全又高效。

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。

cloudco 有 一个很强大的功能叫做 skill， 很多人都会讨论起它，但是它到底是什么，为什么需要，又要怎么用呢？今天我就一次性讲清楚它。大家好，我是温豪。 skill 本质上是一份 markdown 文件，不是什么复杂的插件或者二进字程序， 就是用自然语言写的一套规则，告诉 cloud 遇到这类任务应该怎么去完成。它的结构其实也比较简单，顶部一小段的压秒写名字和描述，下面的 markdown 文写具体规则，什么时候触发，遵循什么原则，哪些事情不能做，就这些。 有这么一个场景啊，你跟 cloud 扣说帮我写一个落地页，默认情况下出来的大概率都是紫色渐变的字体。一眼，哎呦喂，当你装上一个前端设计的 skill 之后，像是我最喜欢的 his skill， 同样的请求输出完全不一样。 skill 里定义了什么？配色，该避免间距，怎么给？字体怎么选？ cloud 照着做，质量直接上一个台阶。而且 skill 不 只是应用于前端设计，还可以应用于代码审查、文案写作，自动测试，数据分析， seo 优化。 基本上你能想到的工作流，社区里都已经有人把它做成了 skill。 cloud 扣如果没有 skill， 就 像智能手机，没有 app， 它能用，但是浪费了大部分的能力。 skill 怎么获取呢？有三个方法，第一，用现成的社区的 skill 市场还有地哈萨已经有大量的开源 skill， 找到你想用的那类 skill， 下载放到 skills 的 目录就能用了。 我自己常用的也就只有七八个，基本覆盖了日常开发的各个环节。第二，自己写你的编码规范，设计偏好团队流程，写成一个 bug 大 文件放进去，就是你自己的 skill 格式，很自由，靠的能理解你的所有自然语言。 第三，用 skill creator 引导你去写。这是社区做的一个 skill， 装上之后直接使用它会一步步引导你，问你想解决什么问题，适用于什么场景，有哪些规则，然后 帮你把这些整理成一个规范的 skill。 点 md 文件不用自己研究格式，跟着走就行了。不管是哪种方式获取到的 skill， 装好之后都不用手动调用 cloud 的 内部维护了一个清亮锁影，每次你发任务过来，他都会先扫一遍已有的 skill 描述， 匹配上就自动加载完整的规则，整个过程完全感知不到，但输出质量一直在被 skill 影响着。不过 skill 有 一个很明显的短板，就是它的管理体验了。 装了哪些 skill， 想临时关掉一个，想看哪个占了多大的空间，全靠自己手动去翻文件夹。想禁用一个 skill， 你 得自己改文件名，或者把文件夹挪走。从社区上下载了一个压缩包，自己解压，自己找对路径放进去。 哇，这个体验对于新手小白来说简直就是灾难性啊！所以我针对 cloud 的 skill 管理，专门 yq 管理的一个工具， 一个格式化的 skill 管理面板，打开就能看到你在 cloud 安装的所有 skill 状态描述大小一目了然， 不想用了，一个开关关掉就行了，不用删文件，改天想用再随时打开。想找新的 skill， 里面添了 skill mp， 在 线市场 搜索预览一键安装，而且它是免费开源的， mac 用户， windows 用户都能用。如果觉得好用的话，请给我一个点赞、收藏加关注吧，谢谢大家，我们下期见！

大家好，欢迎来到 colorcode 系列的第四期，前三期我们搞定了工具介绍、安装配置和核心命令。但说实话，很多朋友装好之后，面对的第一个真实场景往往不是从零写代码，而是接受一个别人写的老项目， 几万行代码，没有注视文档缺失，前任同事早就离职了。今天我们就来聊聊 god code 的 上下文理解能力，到底能不能帮你快速读懂这种祖传代码。 先说一个很多人没意识到的事情， cloud code 和网页版最大的区别不是界面不同，而是它能直接访问你的整个项目文件系统。 当你在项目跟目录启动 code code 的 时候，它就已经知道你当前在哪个目录了。你可以直接问它这个项目的整体架构是什么，它会自动去扫描目录结构，读取关键文件，然后给你一份清晰的架构概览，不需要你手动复制任何代码进去。 这个能力的底层依赖的是 colloud 超大上下文窗口，目前 colloud 支持二百 k token 的 上下文，换算成代码大概是十几万行。 这意味着对于绝大多数项目，它可以一次性把核心模块全部读进去，建立起完整的理解，不像那些只能看当前文件的工具， cloud code 是 真正在理解你的整个代码库。 那具体怎么用呢？最简单的方式就是进入项目目录，启动 cloud code， 然后直接问。 比如你可以问 s r c 目录下的核心模块有哪些，它们之间的调用关系是什么？它会自动读取相关文件，分析 import 的 关系和函数调用链，然后用清晰的层次结构告诉你答案。 如果你想更深入，可以追问这个 user service 类的核心方法有哪些，每个方法的作用是什么？它会逐个分析并给出总结， 但光看静态代码还不够。很多老项目的坑藏在运行时逻辑里。比如一个请求从前端发出来，到底经过了哪些中间键，哪些拦截器，最终到了哪个 controller 的 哪个方法？这种调用链路的梳理，手动去追踪非常痛苦， 但你可以直接告诉 cloud codes， 帮我追踪一下用户登录请求的完整调用链路。从前端到数据库，它会顺着路由配置、中间键注册 controller 方法、 service 层、代码层一路追下去，给你划出完整的调用路径。 再来说一个特别实用的场景理解业务逻辑。很多老项目的代码里，业务规则散落在各种 if 减 else 和 switch 减 case 里面，没有任何注示说明为什么要这么写。你可以把这段代码指给 cloud code 看，问他这段逻辑在处理什么业务场景， 为什么要有这个特殊判断。它会结合上下文，包括变量命名周围的代码、相关的配置文件，推断出这段代码的业务含义。虽然不一定百分百准确，但至少能给你一个非常好的起点。 接下来分享一个进阶技巧。当你需要系统性的理解一个大型项目时，不要一上来就问细节， 正确的姿势是分层提问。第一步，先问整体架构和技术栈。第二步问核心模块的职责划分。第三步，针对你要改的那个模块，深入问它的内部设计。第四步，再具体到某个函数或某段逻辑。 这种由粗到细的提问方式，能让 ai 建立起完整的上下文，回答的质量会高很多。 还有一个很多人忽略的功能， cloud md 文件。前面几期我们提过，用 innut 命令可以让 cloud code 自动生成一份项目说明文件。但很多人不知道的是，你可以手动编辑这个文件，把项目里那些只有老员工才知道的隐性知识写进去。 比如订单模块的价格计算，有三套逻辑，分别对应国内、海外和批发渠道，或者这个定时任务，每天凌晨三点跑，千万不能赶时间，因为依赖上游系统二点半的数据推送。 这些信息写进 cloud md 之后，以后，每次启动 c cloud code 都会自动加载，相当于给 ai 注入了团队的集体记忆。 说到这里，可能有人会问，这和直接用叉七 p t 网页版把代码贴进去有什么区别？区别太大了。第一， colot code 不 需要你手动复制粘贴，它直接读取本地文件，效率高了不止一个量级。 第二，它能同时读取多个相关文件，建立跨文件的理解，而不是孤立地看一段代码。 第三，它的上下文窗口比网页版大得多，能容纳更完整的项目信息。第四，也是最关键的，它能直接在你的项目里执行命令，修改文件，理解完就能动手改，不需要你再手动搬运。 最后，给大家一个实战建议，当你接手一个新项目的时候，花十分钟做这三件事。第一，在项目根目录运行 chong i need， 让 code code 生成基础的项目说明。第二，问它这个项目的核心业务流程是什么，涉及哪些关键模块，快速建立大局认知。 第三，针对你要改的那个功能，让它梳理相关的代码，调用炼录。做完这三步，你对项目的理解程度可能比花一整天自己翻代码还要深。 好了，今天关于 cloud code 的 上下文理解能力的内容就到这里，核心就一句话，不要再一个文件一个文件的啃了，让 ai 帮你建立大局视角， 然后再精准定位到细节。下一期我们会聊提示词技巧，教你怎么给 cloud code 下达更精准的指令，让它的输出质量再上一个台阶。感谢观看，我们下期再见！