Claude如何回本
你能想象吗？一个新开的 youtube 频道，只发了六十七条视频，不到两个月就狂揽近十万粉丝，播放量突破四百万，直接开通收益。 另一个频道更夸张，只靠二十三条视频，粉丝直接破百万，你以为这是运气？或者背后有大团队操盘？大错特错，他们背后其实跑着一套极其精准的自动化系统。 今天我不仅要把这套系统扒给你看，还要手把手教你如何用大语言模型 cloud， 直接逆向工程，复制任何一个你眼红的爆款账号， 不管你有没有基础，哪怕你连剪辑软件都没摸过。看完这期视频，从选题、爆款、文案、画面、分镜，到最终的封面图设计， ai 全自动帮你包揽 干货即密，建议先点赞收藏。第一步，给 ai 注入灵魂大招。我们要用的工具是 cloud， 免费版就可以。普通人拿 cloud 当聊天机器人，高手拿它当自动化流水线。 想要达成这个效果，我们需要给它喂一个神级结构化提示词 prompt。 这套提示词包含十四个绝对严谨的步骤， 一旦你把它复制发送给 cloud， 它就立刻化身为你专属的爆款分析师。第二步，选对你的假想敌。很多人做账号，上来就凭感觉瞎发，这是最致命的。 我们这套玩法的核心是找到那个已经跑通闭环的爆款频道。比如找那些视觉风格独特、涨粉极其迅猛的垂直类新账号，找到它，然后把这个频道的链接丢给 cloud。 第三步，投喂爆款基因，抓取文稿。接下来是重头戏， 去这个频道里找出播放量最高的三到五个视频，利用插件，比如 v i q 一 键提取这些视频的干净纯净版文案。 transcript 把这些文案打包成 pdf 上传给 cloud。 这个时候奇迹发生了， cloud 绝对不会去习搞或者抄袭，他在做一件更高级的事，他在拆解，他会拆解这个频道的钩子怎么写，报点怎么铺，用什么语气，每句话的留存技巧是什么。 提取出爆款的底层逻辑后， cloud 会为你生成二十五个原创新小题，每一个小题都完美契合那个爆款账号的基因。第四步，全自动文案与分镜出图。 你挑一个最想做的选择题，回复 yes， cloud 就 会立刻根据刚才拆解出来的爆款节奏，为你写出一篇完整的连字数和语感都完美对标的原创脚本文案。有了文案，怎么出画面？你去原视频里截几张最有代表性的画面截图发给 cloud， 他会分析出那个频道的美术风格、色彩搭配和镜头运用。然后最震撼的一步来了， cloud 会把你的整篇脚本文案逐句拆解，为你生成几十个现成的 ai 绘画提示词。 你只需要把这些提示词复制粘贴到免费的升图工具，比如 google flow 或者 midari 视频模型用的动态提示词。 第五步，打造点击率。怪兽的封面图视频做好了，没人点怎么行？把对标账号最火的几张封面截图发给 cloud， 让他拆解这些封面的构图和色彩逻辑。 然后他会为你量身定制至少五套爆款封面设计方案，你直接拿去做 a b 测试，点击率绝对拉满。第六步，拼装流水线。最后让 cloud 把所有的剧本分镜图、提示词导出成一份干净的 word 文档。 打开免费的配音软件，比如十一 labs， 生成专业语音，把配音和生成的图片丢进剪映 capcut。 记住核心原则，一定要根据音频的节奏去卡图片和画面，配上字幕和 bgm， 一 条有着千万播放量潜力的爆款视频就诞生了。看明白了吗？那些爆火的账号根本不是靠运气，他们是找到了一个没有竞争的赛道，建立了一套别人难以模仿的视觉风格， 然后用 ai 疯狂提高潜能。这套系统现在就摆在你面前。唯一的悬念是，在赛道变得拥挤之前，你什么时候开始动手？如果你觉得这期视频对你有启发，别忘了点赞关注！
粉丝1258获赞5938
相关视频
00:48查看AI文稿AI文稿过去十天，我利用 cds 做了十五条视频，也是成功的把它的最高会员的额度都用光了，所以现在我只能真人出镜。那么大家很关心一个问题就是你用 ai 能回本吗？这个 cds 的 会员四百块钱，我一共用它最后发布了十五条视频，所以平均每个视频大概是三十块不到。如果从视频本身的收益来说，肯定是远远没有回本的， 因为我不卖课，我的收益是零。另外一个角度，他有没有节省我的时间呢？答案是有的，正常我口播一次，然后再录好，剪好的话大概需要二十分钟，但是在 cds 的 帮助下，我只需要找好文案，然后发给他，整个过程五分钟就能搞定。 所以如果你的时薪越高的话，那理论上 ai 对 你的帮助就越大。而且我很享受这种抽盲盒的感觉，因为你把一段文案发给他之后，其实你不知道这个视频生成出来是什么样的效果，有的时候他会给你惊喜，有的时候你会觉得很垃圾。
296Gus发星星
00:36查看AI文稿AI文稿二零二六年，你们一定一定要学会使用可劳克的，毫不夸张的说，用好它至少能让你的生产率翻二十倍，因为它的功能不仅仅是写代码，开发应用，我一直都把它当成通用 agent 在 用， 你可以用来写文章，做数据分析，甚至上整理报销发票，这样的繁琐需求都能用它一句话搞定。那么究竟该如何安装并熟练使用可劳克的？除了官方的文档，我最推荐的就是这份完全免费开源的可劳克的中文教程。 可以看到，从安装环境配置、如何使用国产大模型、平替基础使用指南到进阶实战技巧，写的非常详细，而且是全中文。我真的建议你们每个人都可以把它收藏起来，用起来，找不到的话可以跟我说。
3675艾克ai分享
06:43查看AI文稿AI文稿曾经我对 cloud code 的 终端爱不释手，但现在我只能说一句， codex 真香啊，真香！ 大家好，我是布鲁。随着 codex 近期频繁的更新，我自己的工作站也已经全面的切换过来了。今天就来分享一下我自己的完整使用经验，怎么用 codex 打造一套不打断心流的生产力闭环。 本期视频我把它分成了七个章节，每一张都是我自己实际在用的技巧，希望能对你有所帮助。那我们话不多说，直接开始 第一张，先来介绍一下我的工作站是怎么布局的。左上方是 codex 的 对话框，下方是 terminal 终端。 你可能会问，已经有 codex 的， 为什么还要开一个 terminal 跑 c c？ 因为我发现对于一些需要探索、需要设计的任务， c c 的 表现要更出色一些。所以我的习惯是用 c c 来做方案设计，配合 planning with files 这个 skill， 把设计思路直接落成文件， 然后再让 codex 读这份计划，接手后续的具体实施。这样一来， cloud code 负责想， codex 负责做，两者可以各司其职。 右上方这个区域我用来做任务完成后的查看和审阅，比如代码的 review， 文件的浏览，还有浏览器都在这里。虽然现在浏览器还不支持多标签页，但对于日常的任务来说完全够用。这边我就分享一个实际的案例， 我让 c c 参考了最近很火的这篇卡巴西提出的知识库的文章，让他借鉴里面的思路，出一份设计稿和完整的实施计划。目的呢是做一套前端的页面，方便我日常的维护文档使用。 接着 c c 就 会调用 planning with file 这个技能啊，将所有的计划落成文档，然后我就会回到 colex 这边，让 colex 去阅读当前项目内的这份计划文件，然后基于这份计划文件让他进行开发。开发完结果之后，我会在这边 内置的浏览器里面去进行结果的 review， 包括代码的一个审查，整个过程从设计到开发再到 review， 全都在这一个工作站里面完成，不需要切换任何的窗口，这就是我前面所说的，心流不会被打破。 第二章，批注功能。这个功能是我觉得 codex 真正强大的原因之一，也是最能体现沉浸式开发的地方。 以前我们改代码的方式是找到文件定位到哪一行，描述问题，让 ai 修改，整个过程中你的注意力是在代码上的，但现在 codex 的 批注功能让这件事情变了，你可以直接在文件上进行批注，告诉他哪里怎么改，需要怎么改。 更厉害的是，现在这个批注功能不止限于代码文件，你可以直接在前端页面上进行批注，看到哪个按钮位置不对，哪块布局不满意，直接在页面上标出来， codex 就 能理解你的意图，并帮你进行调整。这件事的意义在于，正好对应了 webcodd 的 核心理念， 开发者的重心不在于怎么写，而在于写出来的东西对不对。批注功能把这个理念落地了。 第三章，上下文管理 codex 项目里可以同时开多个县城，每个县城对应一个任务，互相独立，不干扰。对比 cloud code 需要开多个对话窗口， codex 把所有县城都收在了一个项目下，管理起来会清晰很多， 然后是项目的记忆核心就是 a 键的点 md， 这个文件你可以类比为 cloud md， 把项目的背景、开发规范都写进去， ai 每次进来都会读取，不用反复的交代。 还有一点， codex 的 上下文管理非常省心，它会自动帮你压缩上下文，它也没有提供像 cloud code 中 compact 的 那样的命令，这种事情让 ai 自己处理就好了，你专注于任务本身就行。 第四张，自动化这块是我觉得 codex 比其他 agent 做得更好的地方，几个原因，第一，用起来非常的方便，直接在 gui 里面新建自动化任务，还内置了很多模板可以选择， 大到项目管理技术、眼镜，小到个人的生活习惯，都可以交给它来定期的处理。第二，自动化可以调用 codex 自身的能力，比如插件、 skill、 mcp、 浏览器操作、电脑操作等全都能用进来，这就是为什么我说 codex 在 逐步形成自己的生态。 第三，我们可以根据不同的场景来灵活的选择模型和推理强度，简单的任务用轻量模型，复杂的任务上强推理，这样的话头肯可以用的更加的合理。第四，稳定性，我实测下来， codex 相较于其他的 agent， 定时任务的准确性已经能达到生产级别，相当的靠谱。 第五张插件和技能， codex 有 相当丰富的官方插件和 skill 生态。先说说两者的区别， skill 就是 纯文档，本质是给一份 ai 的 说明书，告诉他在特定场景下应该怎么做事。比如说我前面提到的 planning with files， 就是 一个 skill 插件的概念会更大一些，你可以把它理解为 codex 打补丁，里面可以包含 skill， 也可以带上 mcp 配置，甚至集成其他的 app。 一个插件装下去， codex 就 多一套能力。 另外， codex 在 插件和 skill 的 管理体验上面要比 cloud code 的 友好太多了。 cloud codex 需要改配置文件，而在 codex 里直接在界面上点击安装，或者自己创建，整个过程非常的直观。 第六章浏览器和电脑操作 codex 可以 直接操控浏览器，你可以让它自动填表，抓取数据，验证 ui 效果。 比如我需要批量收集一些网页上的信息，直接告诉 codex 去哪个页面拿什么数据，它就能自己打开浏览器去完成操作，整个过程中都不需要你的介入。除了浏览器， codex 还能直接操作你的电脑文件的整理，应用的打开都可以交给它来处理，相当于有一个助手在帮你操作桌面。 不过这里要说明一点，随着 ai 自动化越来越普及，现在已经有不少软件开始加强安全控制，对自动化操作做了限制，所以实际能操作的范围会因软件而异，遇到限制情况也很正常，大家用的时候留意一下。 第七章通用功能这些功能不是 codex 独有的，很多 agent 都支持，但作为一个完整的工作站，这些基础能力 codex 当然也不会缺少。先说 play mode， 在 执行一个比较复杂的任务之前，先让 codex 把完整的计划列出来，你过一遍觉得方向对了再让他动手， 这个习惯能帮你省掉很多返工的时间，大任务尤其推荐开 play mode。 再说 m c p， 也就是模型上下文协议，通过 m c p 可以 把各种外部的工具和服务接进来，让 q d x 能力边界大幅扩展，无论是连接数据库，调用第三方的 api， 还是接入自己家的服务，配置好之后， q d x 就 能可以直接调用。 另外还有一点， q d x 相较于 logot code 的， 有一个非常关键但很容易被忽视的小功能，语音识别。目前我的任务几乎都是语音发起的，连打字都很少了。 ok 以上就是我在使用扣袋子过程中总结的一些技巧，如果对你有帮助的话，希望能得到你的点赞和关注。 最后我想说一句， ai 发展太快了，各家 a 键的功能越来越趋同，但工具再多，适合自己的才是最好的。有时候做做加法，找到真正需要的，做做减法，去掉用不上的，慢慢摸索出一套自己的工作范式才是最重要的。我是布鲁，我们就下一期再见。
5.5万布鲁歇一歇
02:32查看AI文稿AI文稿我有个学音乐的老哥，靠 deepsea v 四把 cloud code 的 价格给打下来了，原来动辄几百刀一个月，现在靠 deepsea v 四把成本直接干到了原版的二十分之一，短短几天， get up star 已经冲破二十二 k， 而且还在涨。 ok， 今天就来手把手教大家怎么使用这个爆火的开源项目，为了让更多的朋友都学会，我还特意整理了一份托盘的教程，零基础也能懂。 ok， 我 们直接开始 整。过程呢，一共分三步，第一步呢，安装镜像，第二步呢，输入 deepsafe api。 在 安装之后呢，我们要进行一个注册验证环境，再输入提示词验证就彻底搞定了。 首先我们来执行第一步，旁边的空格搜索终端，点开双击，然后输入第一行命令， npm 注册表，切换到国内镜像。接着安装这个项目，回车看 这里应该是安装成功了。第二步呢，是我们要获取 deepsafe 的 api， 创建 apikey。 接着呢，先用这一步保存到配置文件，填入刚刚的 api。 回车正在下载中。安装好后呢，我们需要验证一下环境， 复制这行指令。回车所有的检查都已经完成了。在正式使用之前呢，我们最好是建一个 deepsafe 的 专用文件夹，然后 cd 空格，把这个文件夹拖进去，以后，我们所有的文件都会储存在这个文件夹里。回车运行 deepsafe， ok， 成功， ok， 回车选择中文 y enter， ok， 我 们现在就可以用了，帮我跑一个超级麻料小游戏。 可以看到整个界面还是非常美观的，百万 talk 上下文，而且思考模式是流势输出的， 也就是说我们在执行任务的时候，可以非常直观的看到他调用了哪些工具，然后他是怎么想的，全程透明，我们可以看着他一步一步把任务推下去。他的交互模式呢，也很简单，输入斜杠 切换到 play 模式呢，去帮我们直接拆解计划，不会乱动我们的文件。然后切换到 agent 模式呢，是默认协助，然后一边做一边向我们确认。 还有一个优路模式，优路模式就比较猛了，他直接把所有的权限开放给 ai， 让 ai 自己完成，一点经历也没有。这里是巴老文科生学 ai 的 第三十八天，我们下期见，拜拜。
02:05查看AI文稿AI文稿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。
2.3万数字生命king
09:23查看AI文稿AI文稿每个人都在告诉你如何从卧室里靠 cloud 赚钱，但关键在于这一点，根本没人真能从卧室里赚到钱。上个月我一直在追踪真正有效的方法，其中几乎没有哪一点像大多数创作者告诉你要做的那样。 所以这里有五种在二零二六年真正利用 cloud 赚钱的方法，这才是真正诚恳的建议。这就是为什么他们暗让人有多不舒服来排序，因为老师说，如果这很舒适，每个人都在做，钱早就没了， 那我们开始吧。思路一，人工智能恐慌顾问你所在城市的每一位小企业主此刻都在为人工智能感到恐慌， 他们知道自己正在掉队。他们的竞争对手都在谈论人工智能，他们的客户都在谈论人工智能，就连他们的孩子都在谈论人工智能，而他们自己对此毫无头绪。这是你的第一份事业， 而且推销话术非常简单，你走进去，花两个小时了解他们的业务。然后你将所有内容输入 cloud， 由他为你攥写一份完整的路线图。他们应该做的十件事，按获利能力从高到低排序。然后你付上一个三十天的计划。 更大的版本是，你不仅仅交付方案，你继续担任他们的人工智能顾问，每月轻松赚取三千美元。 然后每个季度你只需根据变化重新制定计划。所以这里有个没人告诉你的真相，他们付钱不是因为你给了计划。 他们付钱是为了让你不再焦虑。你不必是人工智能专家，你需要比他们更冷静，而且他们对发生的一切感到非常焦虑。每位客户的总耗时是六小时，你收费二千五百美元。每周做一位客户，每月就能稳稳拿到一万美元， 但这需要你出门去见客户。如果这听起来很艰难，那接下来的这个方案你可以坐在笔记本电脑前完成。 他是整个列表中既难看又乏味、最无聊的业务，但同时也是最能赚钱的那一个。所以每家你听说过的公司都守着破碎的数据， 到处都是电子表格，没人碰的老数据库，还有三个互不相通的系统，而且他们全都想要人工智能。但这里有一件非常重要的事，你无法在破碎的数据之上部署人工智能。这行不通。 在进行任何人工智能项目之前，总得有人去清理所有烂摊子，那个人或许就是你。所以你走进公司，查看他们的数据状况，然后实际上可以用 cloud code 编辑迁移脚本， 所以你把所有东西都迁移到 superbase 或 posgrid 数据库里。随后你可以设置 mcp 链接，这样 cloud 就 能实际查询它们自己的数据。你可以为它们构建一个非常简单的仪表盘，让它们提问并获得解答。所以一个小项目轻松就能做到五到十 k， 一个中型项目就能轻松做到十五到二十五 k。 一家大型机构在五套系统中拥有杂乱的数据，轻松超过二十五 k。 关键在于，一旦你进入了他们的数据系统，你就成了他们永久的人工智能合作伙伴。那为什么不是人人都这么做呢？ 因为他听起来很无聊。这在平台上不够性感，也没人拍清理数据库的短视频， 而这正是它值得付费的原因。人人都想打造一个光鲜的应用，却没人愿意去修复底下的烂摊子。而且我现在就在自己的机构里亲力亲为的做这项工作，而且它比其他任何事情都赚钱。最棒的是 cloud code 能搞定其中大部分工作，所以如果你对 cloud code 有 基础了解，你就能做到这一点。 我相当确定，此刻观看此视频的绝大多数人已经具备了相应的技能水平。好了，在我们进入第三个声音之前，如果你喜欢这个视频，记得点赞并订阅。但现在，让我们继续讲第三个。这个让我特别兴奋，因为没人预料到会这样发生。从来都没有 一个小企业主走到你面前，两手空空，没网站，没视频，没广告，没漏斗，也没人工智能。而在 cloud code 出现之前，帮助这个人意味着要雇佣五位不同的专家，网页设计师、视频剪辑师、文案转写人、媒体购买者和开发者。 但今天，一个人就够了，而这个人可以用 cloud code 成为你。所以，比如周一，你用 cloud design 搭建我们的落地页。 周二， cloud design 制作我们的品牌视频。周三， cloud 构建我们的邮件漏斗，并为他们的网站搭建一个人工智能聊天机器人。周四，你用 cloud 设置 mate 和 google 广告来运行活动，然后周五你就交付所有内容， 而且你可以定一个相当不错的价格基础启动方案，成本为三点五 k， 含聊天机器人的增长套餐及三十天广告投放，售价七千五百美元， 加上持续的广告管理，全套服务轻松超过一点二万美元，外加每月二千美元的固定费用，所以这才是让这一切奏效的关键所在。客户不想雇佣五个人， 他们只想找一个人来处理这件事。基本上这就是代理机构存在的全部原因，他们不想和五个持有不同意见的人合作，就一个。在那之前，这不可能 没人什么都精通。而且你总是得雇佣一家代理机构，但现在一个人凭借 cloud code 和云设计就能交付所有这些。所以现实情况是，大多数机构仍有二十人做你现在一个人就能完成的工作。 你可以按他们的标准收费，但现在你拿走其中的百分之九十五。好的第四点是，我们要从一次性项目转向真正的生意。你见过的每家小企业都靠电子表格和便利贴运转， 他们不想为所有这些外部工具付费，但也负担不起定制软件，而且多年来一直被困在这里。 当你带着云端代码和 superbase 走进门，就能实实在在的改变他们的整个局面。所以在第一周，你找出他们最大的流程痛点，那件能吞食他们整整一周的事。而在第二周，你为他们定制一个能解决该问题的工具，一个拥有真实界面并部署在其域名上的真正数据库。但接下来才是重点， 你用 m c p 在 上面加一个人工智能聊天层。不，他们拥有的不仅仅是一个工具，他们拥有一个能回答自身数据相关问题的工具。所以比如哪些客户还没付款，可乐就能回答哪个问题。 本季度哪位销售人员的表现最出色？老九，能回答这个问题，你可以收费五千美元来构建它，然后每年再收一千五百美元用于维护和添加功能呢。再拿下五个这样的客户，你每月的经常性收入就已经能达到七千五百美元。而 m c p 层正是让这一切具有防御性的关键。 因为如果没有他，你只是在他们的工具站里又建了一个工具。但有了他，无论云在未来六个月内推出什么新服务，他们都能始终利用该 m c p 服务器接入云的每一项新发展。但问题是，大多数开发者还没弄明白，很多机构也还不知道 m c p 是 什么。 所以，钱四个点只能让你赚大钱。但他们都有同一个问题，你仍然是在用时间换钱， 所以当你停止工作时，你就再也赚不到钱了。而第五点正是解决所有问题的关键。所以这里有一个转变，彻底改变了我的一切。你交付的每个客户项目都能变成一款你可以永久销售的产品。 所以假设你做了视频里的一、二、三或四号方案，并搞定了一个付费客户，你交付工作就像普通常规的代理业务那样，但你不会止步于此。你提取该项目中的可附用部分，包括模板、代码和系统，然后对其进行打磨。 你制作一个视频导览，然后把它卖出去，然后你把它卖一次，比如四百九十七欧元，一遍又一遍，再一遍。 我可以一遍又一遍的说，因为我就是这样亲身实践的，五十份，每份四百九十七欧元，光是睡觉时你就已经赚了二点五万欧元，而你仍然拥有旗下的代理公司业务， 所以大多数人认为他们必须在代理业务或产品、客户工作或被动收入之间二选一。但他们本质相同，只是多了一步。而我个人目前在 build loop 就是 这样做的。我的盒子产品线每一个都始于我在代理机构承接的客户项目， 所以我把它做了一次来赚钱，然后将其打包并多卖了五十次。这并非两家生意， 这是一个拥有两条收入来源的业务，源自同一项工作。这就是我为何如此列出这份清单的原因。一到四号想法是，你如何赚到第一个月入一万美金呢？但想法五是让你在不比现在多花任何功夫的情况下，把每月一万欧元变成三万欧元。 说实话，大多数创作者不会告诉你这一点，因为需要六个月才能看到回报。这不容易。我也永远不会告诉你他很容易。但我真正想告诉正在看视频的你们，这是可能的。百分之百确定。 只管埋头苦干，付出时间，回报自然会来。因此，这五个想法中的每一个都要求你做一些稍微不舒服的事， 走进企业，报出高的离谱的价格，真正上门为客户服务，而不是躲在电脑后面，并做六个月无法规模化，但此后能永久规模化的工作。所以，如果你喜欢这个视频，记得点赞并订阅，我们下期再见。
![教你最大化Claude Code缓存命中来节省token 之前两期讲了Prompt Cache怎么省token、breakpoint怎么命中。这期反过来讲：什么动作会让cache直接报废，怎么用才能最大化命中率。
先给一个心法。
把每个请求想成一根从左到右的链条：tools → system → CLAUDE.md/skills → messages。改哪一段都会让cache失效，区别只在影响范围：改左边的从这段往右全部跟着废，改右边的只伤自己那一段。所以越靠左越要锁死。官方三级失效层级表（tools/system/messages）就是这个原则的精简版（CLAUDE.md严格来说在messages层，单独抽出来是因为它最常被改）。
4个日常杀手，按它们出现在链条上的位置从左到右排：
1. 切 /model —— 最左。每个模型独立的KV cache，跨模型完全隔离。Opus跑了10万token再切Sonnet，反而比继续用Opus更贵。非要切？正解是用subagent隔出去跑（Claude Code的Explore agent就是这么干，用的Haiku）
2. 装新MCP —— tools层。装一个新MCP，tools数组就多几个工具，链条最左边一动，下面system+messages连锁失效（三层全废）。但MCP只在Claude Code启动时读一次，session内装新MCP不影响当前session——真正的杀手是 /resume 或 /reload-plugins，触发重读后tools数组重组，之前cache全丢
3. 改CLAUDE.md 或装新 skill —— messages层。CLAUDE.md 是 user 消息（052已实证），skill 列表也注入在 messages[0]——都只在启动时读一次：改完文件或装完 skill 别 /resume，否则 messages 整段重建
4. idle超过5分钟 —— TTL过期，服务器直接删条目
每个杀手都给出怎么避免：MCP/hook 启动前一次配好；长任务前 `export ENABLE_PROMPT_CACHING_1H=1` 把 TTL 延到 1 小时。
#claude #AI工具 #张司机 #个人开发者 #命令行](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/4c2093cebb91654dd10cf078b747d4ba~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2101539600&x-signature=HS91KGkQewOTGulr77RjI0EvDpo%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20260808170650C7224DBDEA17F58882F1)
04:17查看AI文稿AI文稿前面两集视频我们详细介绍了 prompt cache 的 工作原理，那我们今天讲点实用的干货，你每天用 curl code 敲代码， 你知道到底有哪些动作会影响缓存的利用率吗？要怎样才能最大化地帮你提高缓存的命中来节省 token 呢？我们把每一个请求发送的上下文扒开来，最左边是工具定义 tools， 然后是系统提示词 system， 然后是 cloud 点 m d skills 列表这些注的上下文最右边是 messages 对 话的历史。改哪一段都会让 catch 失效，区别只是在影响范围改。如果左边的，那么从左到右全部都跟着废掉了，改右边那么只伤自己那一段，所以越靠左越要锁死。 今天讲了四个缓存杀手，就按他这么出现的位置从左往右讲，第一名最狠的是切模型，因为缓存是按模型隔离的，为什么呢？因为缓存存的不是文字本身，而是 transformer 架构里 attention 层计算出来的 kb cache， 也就是每一层的 key 和 value 的 张量。 opus 和 sonnet 模型架构不一样，所以权重也不一样。同样提示词算出来的 k v 两个模型完全不同，所以 sonnet 没法附用 opus 的 k v cash。 跟 opus 聊了十万 token， 再切回 sonnet， sonnet 这边 cash 完全是空的，所有的 token 都要重新算 k v cash， 所以重新写入账单，瞬间从零点一倍基础价飙回一点二五倍。原来便宜十多倍的 token 要重新当全价算，那如果你有情况必须要切模型怎么办？那么正确的做法是用 sub agent 的 格力出去主对话，继续用 opus， 然后科微 cash 就 可以一动不动开一个 sub agent 跑另外一个模型，让他把活干完，输出一段交接消息给主对话 cologold 自己就这么干的，像 explore tool， web search tool agent 就是 用的海库。第二个大杀器就是装新的 m c p， 新装的 m c p 会添加到拓子数组的末尾， 哈希一变，下面 system 和 messages 全部跟着失效。但是 m c p 只在 clock code 启动时读一次，启动后整个 session 都是用启动时读的版本，所以当前的这个 session 是 不受影响的。真正的杀手是 resume 和 reload 的 plugging， 一旦触发重载，那么 call code 会重新组装托斯数据库。新的托斯和之前的 cash 对 不上，那么之前积累的 cash 就 全部白付了。所以开始一个任务之前，先把 m c p 一 次性都装好，不要把等活干了一半发现少了一工具再装，这时候前面积累的缓存就全没用了。 第三个杀手是改 cloud md 或者装新的 skills， 两个都是 message 层的注入上下文。 cloud md 本身就是一条 user message 排在 message 组里面的 block 三里面，然后 skills 列表是在 block 二， 跟 m c p 一 样，他们也只是在 cloud 启动时读一次，然后中途改 cloud md 或者装新的 skills。 当前 session 是 看不到的，真正的杀手还是在 slash resume 的 时候装完 skill， 你 想 resume 回来，那么 cloud code 会重新组装这个 message。 宿主 内容变了，跟之前的 cash 对 不上，那么 matches 整段都要重建。所以和 m c p 那 条一样，一开始一个任务先要想好需要哪些 skills， 或者当前的这个 cloud md 还有什么对于当前任务很重要的上下文没有添加一次性，我们把它准备好，不要在任务中途去修改这些东西对缓存的伤害很大。 第四个缓存杀手就是活干到一半去喝杯咖啡再回来。官方默认 t t l 过期时间是五分钟，超过五分钟没有新请求，那么 cash 就 直接清空了，并不是哈西不对，是福气。主动删条目回来，即便发一样的请求，那么所有的上下文都必须重新计算。 有时候 coco 的 返回结果，我们检查成果，然后想下一步都不止五分钟了，而且 coco 自己思考的时间有时候都不止五分钟。所以长任务如果想保住 cash， 我 个人无脑建议使用一小时的 ttl， 只需要在任务开始之前先 export enable prompt cashing 一 小时等于一， 那么启动这个环境变量就把 ttl 延长到一小时了。写入会比五分钟稍微贵一点点，五分钟是一点二五倍，然后一小时是两倍。但是复杂任务里，一小时的缓存绝对比五分钟缓存失效更划算。所以我们总结一下四个缓存杀手，按照伤害值从大到小排序， 第一个是中途切模型，那么第二个呢？是中途装新的 m c p， 三是改 cloud md 或者装新的 skills， 四是活干到一半中途中断超过五分钟。 它们的共同原则就是开启一个任务之前一次性把东西都配好。那么 session 里就不要用 slash resume 了。复杂的任务一定记得开一小时的 ttl。
639张司机在路上
01:55查看AI文稿AI文稿你知道现在 ai 界啊，估值最高的公司是谁吗？不是 open ai， 也不是马斯克的公司。 isobec 一 点二万亿。上周呢，我刷到这个数字的时候，我也不相信 open ai 什么概念，叉 gpt 这个国民级产品我相信大家用过，对吧？ isobec 凭什么呢？但是我翻了三天的数据，发现了一个重要的信息， 可口可乐年化收益啊，二十五亿美元，一年呢，两亿，十二倍的增速啊，兄弟们， open a i 才五倍。所以呢，资本赌的不是现在的市场，而是未来一个公司的增长数。但让我更震惊的是，什么是马斯克呢？他买了二十二万开的 gpu 去跑酷狗，二十二万块，兄弟们，他买的不是软件啊，这是一个战略性的绑定。你想想，一个造火箭的公司啊，把核心的算力呢，压在了酷狗上面，这说明了什么？说明一个企业级的市场，酷狗已经跑出来了。以我的判断是什么？ openai 走的是 qc 路线，他对接的是大型的用户，但是呢，付费转换啊，非常低。 asto big 走的是什么？ qb 级，用户量小，就相当于对接了很多的企业，但是粘粘性极高。 qq 呢，是属于所有的行业当中天花板更高的，这就是一点二万亿的底层逻辑。所以呢，我在想，对于我们普通人 能够有什么启发呢？三个方向，第一个呢， qq 的 去接一些海外单， abloq， 这网站上面有很多相关的需求，最高的呢，已经暴涨百分之三百了。 第二呢，就是做一些 ai 部署资讯，帮企业呢选工具加定制加部署，这个呢，是一个长期有效的方案。第三呢，是做一些 ai 相关的内容深度挖掘，比如说 ai 自媒体、 ai 博主，但绝对不是去搬运新闻，而是去怎么去拆解，怎么去让更多人去理解，这就是一个 ai 博主现在要做的事情。 所以说实话呢，上个月我用 cloud code 帮朋友做了一个数据看板，两个小时搞定的，他之前用 qq ppt 啊搞了一周啊，没跑通，他告诉我说这个软件不行，其实我认为不是软件不行，而是要选对工具，要选对方法。评论区的你们啊，有没有用过 cloud code 的 评论区，告诉我你们的体验。
01:37查看AI文稿AI文稿这就是普通人使用 cloud code 的 最佳路径。 cloud 如何使用 deepsafe v 四的能力，普通人该如何快乐地使用呢？那这个是 cloud 的 桌面版，那它其实现在是已经支持 windows 和 mac 了， 那么它这个最新的版本是支持导入这个第三方的模型，就可以快乐的使用这个 cowalk， 还有这个 code 模式。那么关于费用的 deep seek 模型呢？众所周知，量大管保，那么实际测下来一天急头白脸的用下来其实不会超过十块钱，所以你大可放心你的 token 资源燃烧的问题啦。那么什么是 cloud？ 什么是 cloud code？ cloud 你 可以理解成它是跟 deep seek 一 样的大圆模型，那么 cloud code 它其实是一个框架，框架的话也就意味着你可以使用这个 cloud 的 模型，那 当然也可以使用其他的模型。 cloud 的 桌面端已经开放了接入第三方模型的这个功能，从而让你可以在这个 cloud 桌面端使用它们这个 code 的 功能。 那么接下来跟大家分享一下如何在这个桌面端上接入我们的 deepsea 模型吧。首先点击这个 help， 然后点击这个 troubleshooting， 然后再点击这个打开开发者模式，好，那点击这个 enable 客户端，就会重启它，这边就会多了一个开发者模式以及这个 developer， 然后点击这个按钮，这里就选择 getaway 模式。那么呢，这里呢就填入这串地址，这串地址呢是兼容这个 ansurf 的 网站，那下面这个地址呢，就是你的 api key， 你 的 api key 呢？可以在这个 deepsea 的 官网 申请，自己申请注册充值，那么这一页呢，就照着设置就好了。填入这个 deepsea v 四 flash， 然后打开这个一照的上下文，这里再填入 deepsea v 四 pro， 打开这个，最后再点击这个 apply locally， 那 你的 cloud 的 桌面端就会重启，快去试试吧。
319阿达的AI思辨
03:42查看AI文稿AI文稿其实 cloud code 不 光可以使用它们自己家的模型，你还可以使用各种国产大模型，比如说最近推出的 deepsafe v 四那两个模型，或是 kimi mini maxi 都可以使用，这样的话一个是额度更多，再一个就是更便宜。今天是一期教程，视频分享如何把 cloud code 的 默认模型设置成 deepsafe， 以及如何切换模型。 拢共分四步，第一步，安装 cloud code， 第二步，获取 deepstack 的 a p i。 第三步，安装 c c switch。 第四步，在 c c switch 里面设置一下。首先就是安装 cloud， 我 们打开 cloud code docs 这个网站， 你会看到有很多安装方式，有终端的，终端里面还分为 windows 的、 linux 的 和 homebrew 的， 你可以根据你的操作系统来去选择。我是比较推荐选第三个 homebrew， 因为它比较方便省事，一键安装。我们把这个命令复制到我们的终端里，然后点击回车，大概等个一两分钟它就会安装好了。安装好以后它就会显示 cloud code 的 版本号。我们这个时候打开 deepsafe 的 官网， 点 api 开放平台，你可以用手机号注册，你也可以用谷歌邮箱登录，我这里就选谷歌邮箱了。登录好之后，我们点左边这一栏的 api keys， 然后点 create new api key， 就是 创建一个 api 秘钥。创建好了之后，大家一定要记住先点复制复制到你的备忘录或者是哪里，因为它这个只显示一次，如果你这次不复制的话，你就得删了。重新创建了，我们点复制之后，再在 top up 里面去充值，那你可以先充十块钱的， 这里有两种支付方式，你选一种就行，然后这个 building 呢，就是你可以看账单，你的消耗全都会在 building 这里面体现。第二步完成之后，我们来到第三步安装 cc switch， 我 们在 github 上面打开 cc switch 这个项目，然后我们往下滑，滑到这个下载安装，那 windows 用户你知道它的指示安装就行了。 mac 用户的话 推荐用第一种方法，也是 homebrew 安装，直接把这条命令复制到你的终端，也是大概等个五六分钟，它就安装好了。安装好以后，它这显示 c c switch 已经成功地被安装。然后在启动台里你就能看到 c c switch 这个应用图标，我们点进来以后进去配置一下，我们可以看到上方有很多命令行的这个选择。这个意思是如果你用的是 codex， 也可以 转换一下模型， java 也可以， open code， open cloud 都可以，那我们选择 cloud， 然后点右上角的加号， 你会看到这里面有很多 cloud 的 供应商，有一些预设的供应商，这里面包括很多国产的模型啊，比如说 kimi 呀， mini max 啊，还有 deepsea， 那 我们就在这儿选 deepsea 就 行了。然后在 apikey 这里，我们贴好刚刚我们获取到的 apikey 之后，我们再往下滑，有一个模型映射， 那现在这个主模型还是 v 三点二，但实际上它已经更新了嘛，所以我们手动把它调整成 v 四杠 flash。 那 其他的像嗨酷啊和 sonate 呀，我们都写成 v 四的 flash， opus 就是 对应最高级别的模型，我们改成 deepsea v 四 pro 之后，我们就配置好了。然后我们往上滑，滑到请求地址，旁边有一个管理与测速，我们点一下，看看现在有没有连接成功，点进来以后点这个蓝色的按钮测速，你看到有显示绿色的时间，那这个就是没问题的。那这样呢？我们就已经配置好 deep sec 了， 我们在主界面在 deepsafe 的 这个选项框里面点起用，然后你打开终端，输入 cloud code， 这样你就可以看到连接上了。如果你想改默认模型的话，你就去那个模型映设改一下 deepsafe v 四 pro 就 行了。那现在你再问他你现在是哪个模型，他就会回复你，我是 deepsafe v 四 flash。 这样你接下来所有的对话都可以消耗 deepsafe 的 a p i。 那 今天视频就到这里，让我们下期视频再见，拜拜。 mua。 拜拜。
1023一枚卓子
00:36查看AI文稿AI文稿很多朋友都知道 cloud 非常的强，但是还不知道如何去使用到今天来给分享一个非常简单的方法，这个里面都能使用到官网的最新的 o p 四点七，三万四点六等等这些模型啊，我们来看一下， 这个里面我放了多个官网的 max 和 team 账号，都可以去任意的选择使用，并且上面还为你贴心了选择了 samsung 每三小时有三十五次， o p s 每三小时是十次啊，都可以去任意的选择使用的，如果大家也想使用的话，都可以点击我主页的置顶作品找到我直接使用。
34阿坦说Ai
11:53查看AI文稿AI文稿欢迎大家来到今天的硬核技术拆解，今天我们要聊的内容对于咱们开发者和 ai 极客来说，绝对是一剂重磅炸弹。我们要把官方的技术文档掰开揉碎，看看究竟怎么给 cloud 打造数数的 skill。 你想象一下啊，要是能把你脑子里的专业知识团队的最佳实践，剩着那些绕来绕去的多部工作流，直接打包位给 cloud， 那 多爽啊！ ok， 咱们直接进入正题，在今天的拆解里，为了保证原汁原味，我会保留那些关键的英文技术术语。准备好了吗？ 咱们平时用大模型肯定都遇到过这个特别头疼的问题，为了让 ai 按照咱们预设的路子走，每次都得苦哈哈地粘贴一大段绒长重复的 promt， 结果呢？输出的质量还是像开盲盒一样时好时坏，工作流根本稳定不下来。 最要命的是，这么干简直就是在疯狂燃烧咱们的 token 额度啊，白花花的银子就这么没了？你想想，难道咱们每次新建一个对话，还得先把公司的几百行代码规范重新发一遍？这显然不现实对吧？ 为了打破这种大规模应用 ai 的 瓶颈 and for a pig 这次拿出了一个相当优雅的杀手锏，也就是咱们今年的主角 cloud skills。 那么到底什么是 skill？ 抛开那些花里胡哨的词儿，说白了， skill 就是 一个打包好的指令集，从物理层面来看，它甚至简单的有点儿让人不敢相信它真的就是一个普通的文练家。 但是千万别小看这个小小的文件夹，它能手把手教会 cloud 怎么处理极其复杂的特定任务。 对于那些已经在玩 m c p， 也就是模型上下文协议的朋友来说， skill 简直就是拼图的最后，也是最关键的一块，它能干嘛呢？ 它能把你给 ai 的 那些最原始的 two x 工具访问权限像变魔术一样，转化成极其稳定而且经过高度优化的标准化工作流。这就是我们今天要彻底搞懂的核心魔法。 接下来咱们的路线图非常清晰。首先咱们聊聊什么是 cloud skill， 接着扒开来看看它的物理结构。 然后也是最精彩的部分，咱们要深入解析它那个被称作三级渐进式批录的神奇巨制。最后，咱们再看看 m c p 是 怎么和 skill 打出完美配合的。 咱们先从第一部分开始，什么是 cloud skill？ 看看它到底能解决什么核心痛点。要真正理解 skill， 你 得先知道官方为什么要弄出这么个东西。 实际上它是为了在整个公司或者整个组织层面，彻底把 cloud 的 杀伤力，那就是 teach cloud， once， benefit， every time， 也就是教会一次，次次受益。 举个例子，只要你把一套成熟的工作流，比如怎么把设计稿翻译成前端代码儿，或者怎么按照你们团队的特定风格写 p r d 写进 scale 里， clod 就 像是形成了肌肉记忆一样，每次都能做到分毫不差。 而且最爽的是什么？是它的便携性。你在本地随便建好的一个 scale， 直接扔到 clod 打的 ai 网页版、命令行的 clod code， 甚至是官方 api 里，跑起来的效果那是完全一致的。 哦对了， cloud 还允许你同时挂在好几个 skill， 让它们互商打配合，这效率绝了！ 好概念！弄清楚了，我们直接进入第二部分 skill 的 物理结构，让我们像外科医生一样解剖一下这个文件夹。 如果你现在就在电脑前建好了一个 skill 文件夹，点开一看，你会发现它的结构异常的干净清爽。排在第一位的是一个叫 skill 点 md 的 文件，注意，这是整个 skill 绝对的心脏和大脑，是你必须得写的最核心指令。 除了他这位大佬，你还可以按需搭配三个非常实用的小弟。一个是 scripts 文件夹，顾名思义，用来放点 python 脚本之类的可执行代码，帮你跑跑数据。 另外一个是 reference 文件夹，那些动辄几十页的 api 接口文档，开发指南全塞进这里， closed， 平时不管，只有遇到不懂的时候才会去翻文。最后还有一个 assets 文件夹，放点你的输出模板甚至图标素材，你看，各种类型的文件，各司其职，明明白白。 不过呢，这里必须给大家重重地敲个黑板！关键点来了， skill 的 命名和结构是有极其严格的技术底线的， 踩错一步就会直接报错。首先，你的文件夹必须严格遵循 kbapp com case， 也就是短横线命名法，坚决不能有空格，也不能有大写字母或者下划线。 其次，刚才提到的那个大脑竹文件，必须精准的叫做全大写的 skill 点 m d， 它可是严格区分大小写的，你弄个小写字母静置它理都不理你。还有一个最容易踩的史实级巨坑，那就是在 skill 文件夹的内部，绝对绝对不要放 readme 点 m d 文件， 所有的说明文字老老实实写在 skill 点 m d 或者参考文件里就行了，除非你要把整个 skill 开源到 github 上。那可以在最外层的代码仓库放个 readme 给咱们人类看懂了吧？ 避开了这些坑，咱们就来到了今天最核心、含金量最高的第三部分，三级渐进式批录机制。看看官方怎么在保持 ai 智商线上的同时，还帮你抠门儿省 t 根呢？ 你可能会好奇，万一我塞了成百上千页的文档进去，每次对话岂不是瞬间把 token 烧个精光？别慌，这就引出了整个 skill 设计里最聪明也是最优雅的一个逻辑， progressive disclosure， 也就是渐近式透露机制。 官方极其巧妙地把它切分成了三级。第一级是最顶头的 yammo front matter， 它非常清亮，就像一个目录所引， 会一直被塞进 cloud 的 系统提示词里，随时待命。第二集是 skm d 的 主体内容，这部分平时是按兵不动的，只有当 cloud 觉得当前的对话儿诶，这会儿我得用这个 skill， 他 才会把这部分内容加载进来。 至于第三集，也就是放在其他文件夹里的那些连带文件，那就藏得更深了。只有当 cloud 真的 执行到某一步，发现必须得深挖具体细节的时候，他才会主动去拿到读区。 这种按需加载的神级设计，既死死保住了你的 token 钱包，又保证了 cloud 干起活了，依然是个毫不含糊的专家。咱们来看看 anthropic 官方的工程博客是怎么评价着第一级机制的。 里面有句话非常经典，他们说雅摩尔原数据提供了恰到好处的信息，让 cloud 知道何时该使用哪项 skill， 而无需将其全部加载到上下文档中。 大家细品一下这句话的分量，这意味着什么？意味着系统只需要扫一眼最简单的描述标签，就能在大脑里瞬间完成极其精准的任务。路由看段，这绝对是教科书级别的成本优化架构。 既然这个 ym 原数据这么重要，咱们就得严格按它的规矩办事儿。在 sq 点 md 的 最开头，你必须老老实实写上 ym front matter。 这里面有两个字，段是死命令，必须舔的，一个是 name 名字，另一个就是重中之重， description 描述。听好了，这个描述可千万别瞎写，你必须在里面清清楚楚地写明两点， 这个 skill 到底是干嘛的，以及遇到什么情况才应该处罚他。你要是写一句用来帮忙干活的，不好意思， cloud 看不懂这种废话，会直接无视掉这个 skill。 另外补充一个安全红线，在压帽里面绝对禁止出现任何 x m l 的 坚果搭建。为啥？因为这部分内容是直接未进最高级别的 system prompt 里的官方必须从最底层直接掐断任何恶意指令注入的风险，安全第一嘛。 好了，搞懂了这套内部消化机制，咱们把视野拉长，进入第四部分， m c p 与 skill 的 合作，也就是连接能力与知识的终极合体。如果你平时也在折腾 m c p， 接下来要说的这套逻辑，绝对会让你有一种醍醐灌顶的感觉。 官方文档里给出了一个简直不要太生动的比喻，想象一下 macp 到底是个啥？它其实就是为 club 提供了一个设施豪华的米其林厨房，里面有各种高级的烤箱啊，顶级刀具啊，还有各种珍稀食材。 这就相当于你赋予 ai 的 各种 api 连接和工具访问权限。但是现在把你直接扔进米其林厨房，你能马上做出一道法式大餐吗？ 大概率是手忙脚乱对吧？这时候你需要什么？你需要一本菜谱。而 skills 毫无疑问就是这本极其详尽的菜谱，它会一步步地指导 clode 先切什么，后烤什么，用多大的火候去调用这些神级工具。 你看这张对比，可以说是非常完美地权势了，它们俩之间怎么打配合的？左侧的 m c p 主攻 connectivity， 也就是单纯的连接能力。它负责告诉 cloud 你 能做什么，比如去连一下你们的 notion 库，或者查一下 github 的 代码。 但是右侧的 skills 呢？它主攻的是 knowledge， 也就是领域知识与经验。它把你们团队历经千辛万苦踩坑整理出来的黄金标准和最佳实践，死死地欠缺流程力。告诉 cloud 你 应该怎么做？ 有了强大的连接能力，再加上专业的领域知识，这俩凑在一起简直所向披靡。那么咱们费这么大劲折腾这个到底图个啥？这是为什么？这么重要？ 你想想咱们实际的工作场景就明白了。假设你的系统里只接了 m c p， 却没上 skills， 用户连上之后往往是一脸蒙圈儿的，完全不知道下一步该点啥。 结果就是，你们后台的求助公单天天爆满，用户每次开个新对话，还得从头手写几百字，复杂的 prompt 输出的结果还常常翻车。 但是只要你把 skills 加上了，体验的是翻天覆地的变化，用户哪怕只是一句非常口语化的，哎，帮我排一下下个版本的计划吧！系统后台直接啪的一下自动激活了你提前写好的高阶工作流。 ai 像个成熟的项目经理一样，自己去读取数据，整理排期、生成任务，每次给出的都是高度一致及其靠谱的高质量结果。这就是质的飞跃啊！ 从那种让人抓狂的反复试错，到清晰稳定、自带专家光环的全自动工作流，这就是 close skills 在 底层帮咱们完成的巨大重构。 你想想，其实只需要花个蛆蛆十五到三十分钟，你就能把你脑子里那些原本看不见摸不着的宝贵经验，固化成一个可以无限附用，甚至可以在团队里四处共享的数字资产。 好了，现在咱们已经把所有的理论架构和底层逻辑都扒了个底朝天。那么最让人激动的问题来了，面对你每天都要重复处理疯狂消耗脑细胞的工作，接下来你准备首先拿哪个具体的 workflow 开刀油画呢？ 好了，快去敲出你的第一个主书 skill 吧！希望今天的拆解能给你带来启发，咱们下次再见！
77鲁大猿
04:36查看AI文稿AI文稿这可能是你从零开始掌握 cloud 最快速的办法。上周， oscar 推出了迄今为止最强的一套 cloud 功能，然而很多朋友还没有意识到，它其实不再是我们最简单的辅助工具，而是可以真正帮我们干活的一整套 ai 了。我花了一百个小时进行 测试出一套最完整适合我们办公提效的办法。如果你是 ai 创业者，正在做自己的 ai 项目，或者是 ai 的 内容生产者，这条视频我将从零带你跳过最复杂的学习曲线，把 cloud 的 能力提升到最大值。首先，我们来了解一下到底什么是 cloud。 你可以把 cloud 理解为一个真正能够帮你干活的 ai， 它的表达呢，更像真人，也更能够理解我们的细节和语境。 osmropik 给他接入了一整套能够真正执行干活的工具。很多 ai 只会告诉你你应该怎么做， 但是 cloud 它会直接替你做你任何想做的事情。了解完 cloud 的 大名，那么一个好的提示词其实也是非常的关键的。 正所谓垃圾输入等于垃圾输出，一个好的提示词可以让你的效率事半功倍。大部分人用不好 ai 的 原因其实不是因为模型不行，而是你的提示词不行。不会提问是所有 ai 使用者最常见的问题， 所以学会提示词工程对你来说有两个最直接的好处，一、更省 token， 减少不必要的成本和消耗。二、减少重复的来回提问，节省大量的时间。 好消息是， astropica 已经把如何给 cloud 下决定这件事情讲得很明白了。对于 cloud 来说，你可以使用新手版和进阶版两种不同的提示词结构，如果你是初学者，那么 cloud 三段式提示词结构一定更适合你。 交代背景、明确任务、制定规则。一个强的提示词基本都离不开这三个要点，如果你把它们都组合起来，那么你的输出质量也一定会从普通变为真正可用。第一步，交代背景， 你的身份是什么？你的目标是什么？你的场景是什么？在你提出问题要求之前，先把 cloud 需要的上下文交代清楚。第二步，明确任务，你到底希望 cloud 帮你去做什么？一定要具体明确、直接。第三，制定规则，你希望他以什么方式进行呈现？你一定要去给到他长度、格式、限制条件。 当你把这三点明确以后，你的输出质量已经超过百分之九十的用户了。如果你已经使用了 cloud 的 一段时间，想继续提升 cloud 的 能力，那么除了学会提示词本身，你还要去学会如何管理上下文窗口。下面这几点非常的实用。 首先，如果你的 cloud 已经对话了很长， cloud 也开始变慢，那么你就要去做压缩当前窗口，开启新的对话框。其次，该上传资料的时候一定要去上传，让它基于资料去为你工作。最后增加输出的限制条件，比如只用五百字去保留它的核心重点。结论， 看到这里，你已经大概知道 cloud 是 什么，也知道怎么去和它沟通了。但是接下来的问题是， cloud 不 同的模型，我们究竟该怎么选？首先，我推荐 cloudsonnet 四点六，这是我们日常最普遍的使用模型， 它的速度快，能力强，成本效率高。如果你大多数的工作是写作、总结、日常分析、内容产出这些，那么其实 cloud socket 四点六已经完全没有任何问题了。那么如果你的任务更复杂，需要更深度的思考能力，那么更高级的 cloud 可能更适合你。 尤其像我们的财务分析、长篇结论、复杂编程这类需要深度思考的工作。简单理解就是日常工作，用 sonnet 重任务去用强模型而更高级的工具，像 cloud code， coworker 这些，使我们的 cloud 不 再是一个简单的对话模型， 而是具备了岗位化和流程化的能力。比如你做内容发布，他可以提前知道你的品牌语气、排版格式、信息来源、写作流程，然后他就能帮你直接拉取你的相关重要信息，按照你的风格输出，接近可以直接发布的出稿。 这就是为什么 cloud 高级工具可以让你像一个团队一样干活，而不只是一个简单的聊天。 如果你刚开始接触 cloud， 那 么不建议你直接一口气全部了解它的所有功能，而是要掌握最核心的几件事情，理解 cloud 的 定位，学会记事词结构，管理好上下文，根据任务选择你最合适的模型， 再逐步上手更高级的功能。当你把这些全部都串联起来以后，它就变成了你真正的生产工具。我是德赛， ai 时代一人就是一个公司。关注我，我们下期再见！
171OdysseAI 奥德赛
01:20查看AI文稿AI文稿一定要，一定要，一定要想尽一切办法用上 codex， 至少我不允许我的粉丝还没有用上 codex 或者 cloud code。 如果你跟你周围的朋友从来没有谈论过 codex、 cloud code 或者 java， 那 恭喜你，你刷到这条视频可能就是你改变命运的机会。 那有人问 codex 到底是什么东西呢？官方给他的定义就是 gbd 下面的一个编程助手。但是如果你真的这么理解，那你太小看他了。 华人勋现在让因为他所有的员工都要使用 codex， 这可是全球市值最高公司，老板都要让他员工使用它，那为什么呢？因为他就是未来财富的密码。你最近看了这么多新闻，什么纳斯达克又来创新高了，恒大股市又涨疯了，存 储芯片又缺货了，这么多乱七八糟的新闻，其实都在讲述同样一个故事，而这个故事的源头呢，就是因为这几个东西。 卡罗拉的扣的对于大部分人来说门槛还是有点高的。 g m 来体验呢，我感觉还不是特别友好。而如果你两个月前问我扣贷，我可能还会犹豫，但是这两个月以来，它几乎每天都在更新， 甚至有段时间天天都在更新，到现在扣贷能力真的是很爆了，它就是目前最适合普通人上手的 ai 工具了。如果你现在是大学生或者二十多岁，那你太幸运了， 你刚刚进入社会，就迎来了一个弯道超车的机会，它就像是你在食堂打饭排队的时候，突然在旁边开了一个新的窗口，这个时候你最应该做的就是赶快跑到新窗口去打饭。
21.9万麦克Mike（AI分享）
05:46查看AI文稿AI文稿我靠，老公，我觉得我就是个人才，真的，嗯，我研究出来了一套纯小白，一点编程代码都不懂的人，如何无痛丝滑的去使用原生的小巫家？这个针对像个人或者老板想去尝试自动化的，是有非常开创性的意义的，因为这能解决你 没有任何程序代码基础。这个情况下，你可以先入门整个 ai 自动化的这件事情，但是要知道你只要入门了，其实后面的事情非常好走通的。就是这是一个工具组合，嗯， 一个呢是我们的一个网站，就是正常的像 dsp 呀， g t 呀这些大模型的网址。然后呢就是 codex 和这个 cloud code， 嗯，那这两个的 codex 和 cloud code 也需要下载到电脑本地，嗯，这个下载最起码你得会这个魔法。然后，那我就假设现在你的电脑里面有这四样东西， 怎么去非常无痛丝滑的去使用 open code 帮你解决问题呢？非常简单啊，首先第一步，先用 codex 解决下载的问题，简单到什么程度？ 你完全不用考虑他怎么下载，你只要在你的电脑里面创一个文件夹，我当时创的文件夹叫 openclaw。 嗯，然后把 codex 放在 openclaw 的 这个文件夹里，只要跟他说一句，帮我在 app 上面下载现在最火的项目 openclaw， 我 跟你说，然后你什么都不用干，你等着就行了， 它就自动全部给你安排好。嗯，真的什么都不用干。那类似的软件，还有国内的有一款叫是抖音出的，叫 t r a e， 大家在这个网址上面搜就行了。嗯，你只要去搜就好了，然后它跟它一样。这两个我都试过啊，亲，测下来 cortex 的 无痛程度更高，就是你什么都不用管，但是 t r a e 呢？中间它会用各种说话的方式跟你去沟通，指导你去做， 那也能弄下来，但是我觉得还是要花费一点精力的，但靠代词不用啊，我当时最早我就给他说了一句话，帮我下载，然后他下载好了之后就会出现一系列部署的问题吗？就这个大家去用小龙虾应该都知道会有很多部署的问题，对吧？好，这个时候就来了，遇到任何部署的问题，用交叉验证的方式去解决，问题是什么呢？就是你第一种方法是 遇到问题直接跟他说，你帮我解决就好。或者你比如说举个简单的例子，比如说 cloud 的 api 接口，那么你就跟他说 啊，你说帮我多把这模型部署上去，你不用管，你只要跟他说，他就自动帮你干活。那还有其他的，就比如说你想进入快捷方式，你不想每次都要去打开网关，你就跟他说能不能给我在电脑桌面上进入快捷方式，让我更简单的使用这个 openclo， 他 就会帮你进快捷方式。好，这个时候你就会发现 codex 开始不够用了，就他要，虽然你不用动脑子，但你会发现他干活很慢。嗯，然后这个时候呢， 可乐扣的就出场了，可乐扣的是需要你打开刚刚下载好 openclo 的 那个文件，在那个文件夹里面呢，我的文件夹在这里啊， 这个 open code， 然后你进了这个文件夹之后呢，需要在上面输入 c m d， 输入 c m d 之后呢，就跳转出来一个终端，然后这个前提是你的 code 已经在电脑里了，然后输入 c l a u d e， 这个时候 code 就 开始在这个文件里面给你沟通了，好，这时候 call 键子它就跟不上了，就我亲测使用下来就它会出很多问题，它每次出问题都不好的时候，就把它的那个消息我举个例子，就是我这是我之前跟他的聊天的这种记录啊，他发了很多字啊，只要你用的不明白的时候就复制这些字再给到 code。 我当时是直接跟他说了一句话，我说我现在这个 windows 要下载好了，嗯啊，都在这个文件夹里，但是呢使用的不丝滑。我说请你扫描这个文件夹里面的所有 文件，嗯，然后帮我检查一下有哪些地方有问题，有有一些部署配置错误的地方，然后他就开始给我扫，然后扫完之后就会一一罗列给我。好，这时候他就出现了这个网址，像 zip 呀，或者 kimi 啊， 或者 gpt， 他 们功能就来了，他有时候会说些很专业的，你不知道怎么去选，怎么去判断的时候，打开 gpt 或者一个就是反正国内我没用过，大家可以试一下。那么我一问他， 我每次就会再把他们说的话再截给截给 gpt， gpt 就 跟我跟我说啊，你去点哪个点哪个，我就点就好了，就这样一直遇到问题，一直让他们几个去协商解决问题， 我现在这小龙虾特别丝滑， skill 也好，然后这个模型也好，呃， agent 也好，就是我所有解决不了的问题，我就这几个方式，所以，所以你会发现啊， copyx， 就 前面你下载的时候用的，嗯，因为它可以联网，嗯，它是你可以把它理解成它是个外包员工， 它是可以联网，可以把你是外包掉的。但是 cloud code 的 呢？它的这个编程的能力是属于你公司招的员工，它只能在你的电脑里面工作，嗯，然后 这个是什么呢？这个是你请的一个顾问，就 gpt cloud 这些呢，相当于你请了一个技术顾问，好外包员工，他干活不负责任，技术不到位，但他能把这给你下下来。后面呢就到了你公司的人去给你解决这些问题，但你公司的人他 有些给你问，你老板说啊，这个东西你觉得我要怎么做，你都听不懂他说的话，哎，我们员工跟我讲这话，你说我这该怎么做，就一直这样循环往复的去解决问题，发现问题这个问题也不需要你发泄，从一开始就顺下来的，你只要会口头说话就行了。然后这里我还要给大家推荐一个非常好用的工具，叫做 叫做密塔回响啊，我全流程我都是不打字的，我直接按住 app， 然后它都是可以直接，你看它可以直接我，我说什么它就把这个文字上上去，这个大家自己去搜索下载啊。然后就所有的过程我都是口头表述，我也不检查我说的文字有什么特别大的错误，但是一般我在呃发英文的时候，比如说 open call 或者 context 或者 cloud code， 我 会查一下那个英文字母对不对，因为有时候 中文是没有问题的，但是这些英文它识别不准确，识别不准确就会反攻，就很烦啊，所以，所以我就是通过这样的一个完全无脑的方式，但是我他们说回复我的每一句话，其实我是会仔细看的，就是我不会在跟他们对话的一个环节不动脑子 啊，我不会，这个环节我是肯定要动脑子，我会判断他们跟我讲的话，我能不能理解，我不能理解的地方是哪个点，然后再去问另外一个人。总之全过程就是通过 ai 去进行操作，发现问题，解决问题，我们要做的就是说仔细去看一下，哎呀，给我们的回答啊，去找到一些你自己不明白的地方再去提问就好了，所以大家尝试起来啊，真的是非常无痛丝滑的解决掉 open colo 的 所有问题。下期我跟大家讲一下啊，就是当你把 open colo 放到电脑里面之后，你的电脑里面其实 就还可以用一些呃，成品 colo 了，也就是国内的工具。为什么一定要先有 open colo 再用国内的工具呢？主要就是因为 open colo 它是一个 diy 性，可组装性特别强的工具，这个工具呢， 记住是让你不被任何大肠卡脖子的，你至少具备自己的个人能力，但是它用起来确实相对来讲费事一点，所以还是可以结合一些成品的龙虾，然后去组合使用，这样效果最好最佳，快去试一试吧。
