粉丝650获赞2067
相关视频
03:16查看AI文稿AI文稿明明也没存多少资料，电脑硬盘怎么动不动就满了呢？打开系统自带的存储空间，来看看哪些文件占用了硬盘。除了文稿、照片、 apple 废纸篓，还有一个叫其他的分类，竟然占用了几十个 g。 当我们想看看其他到底有哪些的时候，发现他竟然是灰色的，根本点不开， 想要进入用户文件夹自己清理。但是绝大多数人拿到麦克电脑后，几乎不会去像 windows 那样分盘存放文件，导致我们的系统目录软件和自己的文件交织混杂在一起，根本无从下手， 万一不小心删掉了中央文件，可能会导致电脑崩溃。那么麦克外四到底怎么清理垃圾文件？内容涉及很多组 和键，建议大家收藏观看。在我们清理他之前，要弄明白其他文件到底是哪些文件，为什么会占用这么大的存空间。 这个其他分类一般包含这些文件，挨嗑唠的和 itons 等处在本地的自动备份文件，一些大型文件，例如 pspr 等工程文件、自动保存文件、缓存文件等 系统软件用户的部分还存和配置文件。如果你装热 windows 虚拟机，整个虚拟机文件以及只能在 windows 中打开的文件，例如 exc， 也可能被归类为其他文件。 所以这么大一个其他分类，并不等于全部是垃圾文件，只有那些缓存文件、自动备份文件等才是 可以清理的。弄明白之后，我们就可以开始清理在 qs 中的垃圾文件，解放磁盘空间了。 首先，麦克外斯自带了一些可以帮助节省次盘空间的选项，我们点击左上角的苹果 logo， 选择关于本机，在存储空间一栏选择管理推荐的四种方法都可以采用， 当然还有详细的清理方法。我们打开访答，按下 come on 的加 shift 加 g， 输入斜杠资源库，直接来到硬盘跟目录的资源库，删掉 cash size 和 loss 文件里的所有文件 之后再算一下。 come on 加 shift 加 g， 输入波浪线结杠资源库，来到用户文件夹下的资源库，删掉开始 size 和 logos 文件里的所有文件，然后还是在这个资源库里找到 application sport 里的 mobile sink 文件夹， 里面可能有你的 ls 设备的文件备份，找到自己不需要的备份文件，可以删除掉。 最后一步比较繁琐，为了能深度清洁磁盘，你需要逐个找到你常用软件的缓存和日至目录，这些目录途径一般可以在软件的设置里找到，就像 pr 里的默认缓存目录。 好了，以上内容就是手动清理磁盘垃圾，也有部分工具可以辅助我们清理，大家可以自行下载。想要了解更多 apple 小知识，关注爱国你身边的 apple 专家！
1.6万爱果数码![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=2099484000&x-signature=G90orO3IKg5kCbCFrdmbLcFg1SY%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202607152216234BA5F09BEFEC3AD5C2B8)
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。
622张司机在路上
03:30查看AI文稿AI文稿今天给大家分享一个可以自动解锁你的项目目录，里面有哪些文件位置放错了，哪些文件啊，它的排序不是很合理，以及哪些缩影或者文件之间互相之间有冲突的一个情况，可以帮你排查，然后帮你改进。 那对，它叫 garbage collection， 是 我最近做的一个，它非常适合稍微有一点经验，但是又不是很专业的。呃，这种小白，因为很多人他们对这个文件夹怎么摆放是没有概念的，然后，呃，经常容易出现就闪代码的一个情况，所以我做了这样的一个一个 skill， 然后我们看一下这个点， m b 里面对 它主要的核心原理就是它会根据 cloud md 作为一个唯一的标准，然后你 cloud md 里面会规定好有文件夹结构，然后它会去对应去检查你的这个项目里面是否遵循这样的文件夹结构，文件夹结构是否合理，确保，呃，最大程度避免损坏代码。你可以定期，比如说，嗯，两三两三天，然后去跑一下。 对，然后我这个，我这个 cloud md 里面也是写了一些依赖层级啊，就是，嗯，他也会用这个，以后他会帮你去查。那我们先来故意找找一下乱吧。我们首先把这个 cloud md update 这个 skill 移出来，这样他应该是检测不到的，然后再把这个硬件写 c m l 前端这个页面，然后放到 test 里面，就这两个是放错了，然后我们等会来看一下它能不能检测到。 ok， 那 我们现在来调用一下这个 skill， 它不是 collection， 我 们输，输下来，然后证明。我换成这个 bypass permission 模式，就是直接跳过这个审核，然后我们调用一下，看一下是什么样的一个结果。 这两天我在输入我们社区，然后现在我把这个 skill 复制粘贴一下，放到这个，这个，这个是 pos 的， 我们新建一个文档， 对，然后 garbage collection skill， 然后这边复制粘贴一下，大家需要 skill 的 话可以直接来这个文档，然后去自己去拿它，这个是通用的，并不是只适合于我自己的。呃，一个文件，但它用一个前提就是说你需要自己创建好一个呃， cloud md 的 一个文件，因为它是以 cloud md 为标准的， 他会自动检查你的代码中有没有什么冲突的。或者是啊，之前创造创建过或者但是又后来没怎么用或者放错地方的文件夹，其实小白的话是非常容易犯这种错误的。 好，那我们先看一下，他现在基本上弄完了，生成了一个垃圾回收的一个审计，一个报告，然后他又分几个层级，他这个这个就是最严重的，然后 word 就 警告音符，只是他发现了一些信息，那你看他是没反应了， 但这个时候本身存在一些问题，就是 tools， 呃，然后这个 project 因为它还没有做，所以它目尾空很正常，我们看一下它会不会发现我们刚才故意捣乱那两个地方。 word 这边它那个 w e 写的就是 cloud md database 位置不当，对吧？在他写说，呃，在项目跟目录下，这个其实应该放在 skill 里面的，所以他建议的错失就是放在 skill 里面。然后，对，然后另外一个就是他发现就是咱们刚才放的 index html 这个独立页面的位置放错了，应该去放回来。 对，因为这个是我的一个实验性的一个文件夹，所以没有用 jit。 对， 呃，对，它整体都去对照了一下，然后查的很严谨，也是根据 cloud md 去弄的，然后这里面我们就去给它做一些回应。呃， 告诉他哪些需要怎么改，哪些需要怎么改。 ok， 这边他弄完了，我们看一下。对，呃，他已经把卡尔的 md update 这个，对， update 放回去了，然后这个也放回去了。对，所以说，嗯，垃圾回收成功非常好。
101没有token的mav
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
02:14查看AI文稿AI文稿很多人用 cloud code 大 半年都不知道它的终端里藏着一堆能直接拉满效率的隐藏命令，只会打字发需求，不仅效率低，还总踩坑。 ai 乱改核心代码绘画聊多了就跑偏，改崩了还不知道怎么撤回。今天一次性把 cloud code 的 十二个实用终端命令分三个梯队讲透，从新手入门到高手进阶，看完直接照着用。 第一梯队，新手零门槛必用，日常开发天天都会用到。 init 是 项目出土化神器，一键识别技术站和目录结构，自动生成标准。 cloud md 项目记忆文件，新开项目第一条命令就用它。 cap 就是 官方自带的命令说明书，忘了任何命令怎么用，直接输入它功能和用法，一键调出 clear， 可以 一键清空当前绘画记录，重置对话状态，换新需求，换项目，不用新开窗口，直接重新开始。 ios 一 键列出项目完整目录结构，不用手动翻文件夹，快速让 ai 了解项目全貌，也方便自己核对文件。第二梯队是开发高频刚需，也是最能帮你避坑的几个命令，建议直接背下来。地图是代码改动核对神器，实时查看 ai 改了哪个文件、哪一行什么内容，确认没问题再保存，避免偷偷改乱核心代码。 安卓就是改崩救星，只要 ai 改完代码不满意甚至改崩了项目，直接一键撤销上一次所有文件改动。 compact 是 上下文救星，绘画聊得越多， ai 越容易跑偏，它能一键精简，无效上下文，保留核心信息，让需求重新聚焦。 mod 可以 快速切换 plan、 edit、 esc 三大模式，比如输入 free mod， esc 就 能切到只问答不改代码的安全模式。第三梯队是进阶高手，私藏命令冷门一点，但在关键场景特别实用。 group 后面跟上要锁定的文件或目录路径，就能禁止 ai 修改这些内容，比如核心配置和底层依赖，杜绝乱改关键文件 reset 比 secure 更彻底，不仅清空绘画记录，还会重置项目临时状态。换项目时用它全新启动，不串旧上下文。 get， 可以 一键查看指定文件的完整内容。后面跟文件路径不用手动打开文件，快速核对代码内容， reload 会重新加载整个项目文件。如果你手动改了项目里的文件，输入它，就能让 colot code 同步最新状态，不再用旧代码干活。 这十二个命令覆盖项目初识化，日常开发还错避坑和安全管控没有花里胡哨，全是能实打实提升效率的干货。收藏起来，用的时候翻出来照着书就行。关注我，带你吃透更多 colot code 的 高阶玩法！
4081阿森编程日记（AI自动化）
02:52查看AI文稿AI文稿你真的是永远不知道 cloud 有 多强大，今天他用了不到十分钟的时间，就帮助我的 mac 电脑清除了十 g 的 缓存，这样我再也不用担心说我再去下载新的软件了，我也和大家分享一下他是怎么操作的。就是首先呢是我这个电脑老是报警，因为我的电脑，你看这个桌面是装了很多的这些软件， 尤其是 ai 类的，还有录短视频类的键，其实随着你时间越来越久，它的内存是非常大的，尤其这个飞书，它在我电脑的内存光它一个就有将近十七 g， 还有这个微信，但是呢，你有时候你删除的时候，你还不知道怎么删，因为你担心一下子删错了，这就更麻烦了。 所以呢，这个今天我就突发奇想，我就问我这个 cloud code， 你 看看有没有这种没有用的话咱给我梳理一下，哇，这就是见证奇迹的时刻，他直接就给我梳理了， 处理完以后呢，它就发现有大量的 n p m 的 缓存，这个其实就是各种的文件包，因为这个 mac 电脑它跟 windows 还不一样，就是你安装以后，它的文件包就呃没有用了，你直接可以干掉了，它前端仍然是可以正常的使用，还有一些自动化的软件，它的一些浏览器操作这些东西，还有这个 chrome 的 一些缓存等等， 这一部分完全是你不用管，闭着眼都可以删除的，我们非常纠结的部分，你看这个飞书本地的数据，还有微信的数据，还有腾讯会议的数据，然后他就给了这些最推荐的这些清理的方案， 他会有一个排序， ok， 我 就跟他说直接执行吧吧吧，将近就十六秒的时间，直接就给我干掉了，这腾出了有八 g 的 空间，我真的太爽了，我也分享一下这个背后给我的一些启发。这个为什么这个事这么让我头疼呢？因为之前这么大的数据， 而 mac 电脑，呃，他要去删的非常的麻烦，他隐藏的路径非常深，我每次都要去看抖音，他会有一个教程啊，不停的按快捷那个东西，而且需要把这些缓存的隐藏的东西要通过快捷键让它显现出来，然后还要去判断哪些是可以删除的，就这一圈下来，我头脑都涨了， 非常的麻烦，所以我就用了这个 cloud code 来去操作，很简单的就是这里的 ai， 它可以指的是 cloud code 加载， 还有欧根可乐，龙虾，凡是一切可以能够接触你本地的 ai 工具都可以执行这个操作。再一个就是你必须给到他足够的权限，能够让他接触到你所有的本地的数据， 而且这个我觉得也不用担心所谓的安全的问题，因为他每上一个都会向你授权的，所以你只要你给他的权限足够大，他能够做的东西就足够多。第三个点就是说一定要珍惜每一个让我们焦虑痛苦的烦躁的时刻， 而这些时刻恰恰是 ai 能够帮你解决的内存。就这样一个非常非常小的场景，真的是困扰了我将近十年的时间，但是就在今天我把它解决了以后，我再也不怕有这么大的内存给我报警，我也不能再运行软件了，我也不能下载新的软件了，这个烦恼。
19大厂转型人强哥
02:57查看AI文稿AI文稿感谢可乐的柯德，感谢 deep 四 kv 四，让我媳妇这台 windows 电脑又可以多用两年！我为什么这么说？因为就在今天，我媳妇说他的 windows 的 这个电脑 c 盘的空间已经不足几百兆了，很多程序都没法正常跑起来。这让我想起了很多年前， 以前清理电脑缓存的时候会使用这个三六零，因为那个时候 c 盘空间就不大，而且 windows 突然会把系统分成几个盘符。我用三六零清理完整个电脑之后，其实 c 盘的空间并没有空出来多少， 只有大概几个 g 的 空间。刚好最近这个 deepsea 刚发布了，我也看到别人他可以部署到这个 cloud 的 桌面版本，于是我就折腾起来了，所以我就用这个刚出的这个大模型 deepsea 微四，把它配到了这个 cloud 的 桌面版本里面。 我一开始是比较小心的，只是让这个可唠唠嗑的桌面板去帮我分析一下剩余的这个 c 盘空间，找出真正占用空间比较大的这些程序和文件夹，再由我自己来决定是否要删除。第一步就是注意先不要让他去做任何删除的工作， 因为你保不齐他会删掉你一些重要的文件。所以我只是让他先去给我做信息的一个默查，给我去把这些占比空间比较大的这些程序或者文件夹给分析出来，最终让我自己来决定删除哪些东西。 整个分析结果其实和我一开始设想的应该是差不多的，因为我媳妇可能会用到剪映去剪一些视频剪映，他默认的这些存储空间都是用的 c 盘的空间。 于是最后面我就让这个 deepsea 把这个剪映的默认存储空间改到 d 盘，这样以后产生的这些文件都存储在 d 盘。最后还让他自动帮我完成了一轮整理，把剪映安装的这个文件夹所在的这个目录，包括它的缓存，还有一些草稿文件，统一都移动到了 d 盘。 这样一顿操作下来之后，整个释放的这个空间比单纯的用三六零所谓的清理缓存多出来的空间要大很多。因为一开始几百兆的空间，我用这个三六零清理了一轮之后，它只腾出了几个 g 的 一个空间。我现在用这个 dbc 微斯加克拉的客的桌面版帮我把 c 盘整个分析之后，我包括我手动删除的，还有这个让它自动完成的这一轮整理，整个释放的空间大概有八十多个 g， 所以 这也可以让 windows 电脑继续用个一两年应该是没有问题的。如果大家要平时可能从事自媒体用 windows 的 话，如果装了剪映，这里就是一个硬盘的一个黑洞， 它不停的在吞食你的 c 盘空间，导致你后面可能程序的要运行一些正常的程序都没有一些缓存去 给到其他程序去使用了。所以这个罪魁祸首就是这个剪映。这件事给我最大的感受就是说应该不仅仅用来写代码，写文章，聊天，他可以帮助普通人解决非常具体非常日常的这个问题了。 也许限制 ai 使用的这个能力边界仅仅在于我们的个人想象力。整个过程我记录在这个微信公众号的文章里面，有兴趣的大家可以去看一下。
8AI科技
00:35查看AI文稿AI文稿我发现使用打卡的用来帮我们处理这种数据表格，效果非常的不错，直接帮我们从这种文件的表格生成这种排版布局好，并且格式啊一点问题都没有，我们来看看如何实现。首先把我的表格 丢给他，然后呢把我们的提问的需求啊发送给他，让他去进行深度分析，整理成一个报告的形式啊，发送给我就可以了，过了两分钟他就直接生成好了，并 且这里有详细例举出啊内容啊，不知道大家觉得它生成的效果怎么样？如大家也想使用 dakla 的 用来写作科研，做数据分析等等，都可以点击我主页的置顶作品找到我。
14阿坦说Ai![Claude提示词缓存 Prompt Caching算法详解 之前的视频我们介绍了Claude Code如何利用Prompt Caching节省token的。这次我们深入讲解一下Claude Code客户端在请求里明文写的cache_control标记是如何工作的。
cache_control有两种用法。Automatic自动模式，请求顶层放一个字段，服务器自动给最后一个block打1个breakpoint，简单粗暴。Explicit明确指定，自己往block上挂，最多4个，位置自己挑。Claude Code用的是Explicit，3个breakpoint的位置全是它自己选的。3个分别标在system数组第2项末尾、第3项末尾、最新user消息末尾。前两个是稳定锚点，第3个是游标，每轮跟着最新输入往后跑。
3条核心原理：
原理1：缓存只在breakpoint位置写，写的是从头到这里的累积prefix。所以29个tools没标cache_control也被缓存——蹭system[1]的车一起打包写进去。
原理2：读的时候在breakpoint位置查不到，往前一个block查，最多查20个。它找的是"之前写过的条目"，不是"现在稳定的内容"。
原理3：20格上限。超过就放弃。
官方博客Thariq的"Prompt Caching is Everything"分享了Claude Code围绕缓存的几个设计：分层（静态在前动态在后）、Plan Mode做成两个工具而不是swap工具集、Tool Search用defer_loading发轻量存根、compact共享原session的system+tools+history做前缀。两条提醒：不要中途切模型（缓存按模型分隔），不要中途改MCP/hook（整段前缀重来）。
#claude #个人开发者 #命令行 #AI工具 #张司机](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/659b4b86f6fbeace61cd22594ab424d9~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2099484000&x-signature=pYTjE%2FXz1e3pNsJ6hjA9h7z9Qm8%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202607152216234BA5F09BEFEC3AD5C2B8)
06:46查看AI文稿AI文稿在上期视频里，我们详细分析了 clockcode 怎么利用提示词缓存来节省 token 消耗的，但是评论区还是有很多朋友在提问，那么缓存具体什么时候写的，什么时候读，然后新请求来了，是怎么判断什么前缀命中了呢？ 那么这期视频我们就深入讲解一下底层的算法，了解一下 clockcode 是 如何在上下文里插入 cash control 标记来精确控制提示词是如何被缓存的。我们打开上次给 clockcode 发 hello 的 抓包请求，然后搜一下 cash control， 我们看到第一个标记是在系统提示词 system 里面，这个第二项 cloud code 的 身份提示词的末尾，对吧？然后第二个这个标记还是在系统提示词里面，是这个一大段的行为准则的后面是吧？然后 第三个就是在这个 message 里面，用户输入的这个 hello 的 这个 block 上了。先说清楚 cash control 是 干嘛的，在 apple pay 官方文档里，每个 cash control 叫一个 break point， 意思是缓存的边界点， 那么你挂在哪个 block 上，就等于告诉服务器从请求最开始的工具定义系统提示词，一路到这个 block 为止。诊断打包存进缓存，然后开 ctrl， 这个字段有两种用法，第一种叫 automatic 自动模式， 请求顶层放一个 catch control， 然后服务器就会自动打一个 break point， 简单粗暴。那么第二种它叫 explicit， 明确指定就是你自己决定往哪个 block 上挂 break point 最多四个。我们刚才看到的请求里， callout code 发的这种就是 explicit expressing 模式，意味着 break point 位置是 coco 自己选的，那么他选的这三个位置有两个是永远不动的，然后第三个每轮都移动，我们打开这三轮的请求并排看，我们会发现第一个 和第二个 break point 永远都盯在 system 的 末尾，三轮全都没有动，只有第三个是不一样的。 第一轮我们发了 hello， 那 么第三个 break point 就 打在了 hello 那 个 block 上，然后第二轮我们回复了 fine， 对 吧？然后前面有 assistant 的 回复，然后加我们的 fine， 那 么第三个 break point 就 移动到了这个 fine 上。 然后第三轮我们发了 thank you， 那 么这个 break point 又移动到了 thank you 上， ok， 那 你有没有想过为什么在 system 里要打两个不动的 break point， 只在末尾打一个不行吗？我们看看第一个 break point 的 前面的内容，它是所有的工具的定义加 call code 的 身份说明， 这里只要 clock code 的 版本是一样的，那么所有的用户的这一段前缀都是相同的，这是最稳定的上下文，也就是说任何同一版本的 clock code 用户都可以共享这个缓存。 那么第二个两个 break point 中间的是系统提示的行为准则。我们复习一下 prompt catch 那 期视频的内容，那么这个里面它包括了当前 cloud code 的 工作目录以及一些系统信息，所以不同的用户，不同的项目到了这部分就不一样了。但是只要是这个目录下的 session， 还是都可以重复使用这个 hash 的。 现在我们来回答观众的核心提问，到底前缀缓存是怎么写，怎么读的呢？那么第一条原理就是 break point 挂在哪个 block 上那个位置，我们就写一条缓存，然后缓存对应的键值就是从开始到这个 block 所有内容一起算的一个累积哈希。 然后我们回到 colocode， 看看这三个 break point 到底写了什么。第一个 break point 对 应的键值就是所有的工具定义加上 colocode 的 身份提示词的哈希， 然后第二个 break point 对 应的键值就是这一大坨，这个行为准则的系统提示词前面所有的上下文放一起做一个哈希。然后第三个 print point 就是 在最后的 user 消息上，那么哈希就是整个上下文一起。 所以一个 clock 的 请求过去服务器提示词缓存里会存三个键，对应就是这三个 break point 的 三条哈希，覆盖的范围一条比一条长。第二条原理就是读缓存的时候，如果在 break point 的 位置查不到，那么我们会往前一个一个 block， 再查找的就是之前写过的缓存。 举个例子，我们看看 coloco 的 刚才那三轮请求，第一轮我们发的 hello 对 不对？然后三个 break point 都是第一次出现，没有人写过，所以服务器会在三个位置各写一轮新的缓存，因为全都是 miss。 然后第二轮我们发的 fine， 那 么第三个 break point 从 hello 挪到了 fine 上面，然后服务器从 fine 开始算哈希的新位置，因为这里是 miss， 那 么再往前面一个 block 是 assistant 对 hello 的 回复，这也没人写过，这里还是 miss， 那 么再往前到 hello， 那 么上一轮在这里写过一个挑目了对不对？所以命中诊断 tos 开头一路到 hello 这里，全部从缓存开始读，然后 hello 到 fine 之间的这几块心算，然后算完之后的结果，在 fine 这个心的位置再写一条缓存，第三轮发 thank you， 然后第三个 break point 又挪到了 thank you 上。一样的流程， thank you 的 位置是 miss， 然后往回退到 assistant 对 fine 的 回复，然后这里还是 miss， 再往回回到 fine， 那 么这里上一轮在这里写过，那么命中了，所以 toos 一 直到 fine 这里的整段都从缓存读，然后 fine 到 thank you 之间这几块心算， 然后每轮第三个 break point 往后挪一两块，那么再往前翻一两个 block， 就 能找到。上一轮在前一个 user 上消息的写入缓存第三条，原理是最多往回找二十个 block， 找不到就放弃。 在刚才的例子里面，我们发现每轮中间是不是就一个 assistant 的 回复，所以 look back 往回翻两三格就能命中，没什么压力。但是假设第三轮发完这个 thank you， 你 让 cologold 干了个大活， 读了几十个文件，然后搜了几次网页，并且改了几个代码，那么在这一轮里面， assistant 的 tool use 快， 再加上你回的 tool result 快， 加起来塞了二三十个 block 进去了，那么第四轮你发了一句继续， 那么第三个 break point 挪到了这个继续上，对不对？我们这时候服务器从这里往回查，然后翻到二十个 block， 还没碰到 thank you 你 这条缓存，那么 look back 就 放弃了。 所以日常聊天重用缓存很稳定，是因为单轮就有几个 block， 但只要某轮对话产生的 block 撑爆了这二十个 block， 那 么这个时候就没办法，整个上下文窗口就只能重新推理了， 没法使用缓存。所以这就是 prompt cache 底层算法的工作原理？对更多细节感兴趣的同学可以去 cloud 官方博客上 colocode 核心工程师 thorick 写过的一篇文章，标题就叫 lessons from building colocode prompt caching is everything。 讲他们做 color code 的 客户端的时候是怎么设计提示词缓存的，还有一些使用时最大化缓存命中的建议，非常推荐大家好好读一下。
484张司机在路上
02:23查看AI文稿AI文稿c 盘红了就按我这个顺序处理，释放二十 g 以上空间，记住空间不是靠乱删清出来的，而是先要找出是什么东西占用的最多。第一步，扫描 c 盘，看看存储状况，看分配， 这个十二 g 文件是休眠文件，如果你不需要休眠功能的，可以删掉，然后要确认虚拟内存文件是否在 c 盘， 我是把虚拟内存放在 d 盘的，我现在给大家做个展示，如果看到先别删，这个不是垃圾，它是 windows 的 虚拟内存。正确做法是把它大部分转到 d 盘， c 盘只保留一 g 到二 g， 这样 c 盘马上就能空出几十 g， 跟着我操作就可以了。 此电脑右键属性，高级系统设置性能设置高级虚拟内存更改，按着我的填 c 盘自定义大小，初使大小填一千零二十四，最大值两千零四十八，然后点设置， 第一盘，选系统管理的大小，然后点设置确定。做完这一步要重启电脑，如果你原来虚拟内存在 c 盘的，重启电脑后会多出二十 g。 第二步，运行 bat 安全清理，把临时文件更新缓存，回收站、浏览器缓存这些能安全清的先一次清掉，这一步不会动，你的照片、文档、视频也不伤系统文件，可以放心用， 这会显示信息，只需要跟着做就可以了，都会有提示，看自己需求操作，操作完看结果就可以了， 这个是休眠功能，如果不要就选 y， 会多出十 g 左右，最后清理完会看到释放了多少空间。 第三步，看文档，有没有微信或 qq 的 聊天记录，如果有就转移到 d 盘，再看下载桌面视频，有没有大文件，不用的删掉，重要的转移到 d 盘，也可以用软件来查看，不会判断的，把位置图发出来，我帮你看。
75见习调音师
04:45查看AI文稿AI文稿今天我花二十分钟把这个可绕的扣的给装起来了，其实呢，这个还是比较简单的，我今天就来给大家演示一下，先把这个可绕的扣的零摩擦， 帮大家先装起来，然后再告诉大家后面怎么去领免费的偷客人怎么 处理，自己的文件怎么用。我们首先就准备几样工具啊，一个就是电脑，电脑肯定是要有啊，但这个性能是无所谓。还有一个就是 qcloud 的， 这之前我教大家装过，如果不会的话就翻一下前面的视频， 然后还有一个就的不希克的网页版本，你如果有什么问题，安装过程中出错了什么的，你直接截图发给他，他会给你解答。 那 qq 二的你直接告诉他帮我安装一下 cloud code， 然后他他就会给你自动安安装上去， 这里我已经安装好了，我看一下能不能演示一下 qq 二呢，他每天也是有免费的额度的，所以说处理这些小小事情还是绰绰有余，这就是已经在在装了啊， 你不用管他，他自己会跑，跑完以后呢，那就装好了。那如果呃出问题呢，你就截图发给那个 deepsea 是 吗？根本不用人为的来操作，这难点呢，就是你这个装好以后怎么用，因为他用 cloud code 的， cloud 的 这个这个模型呢是海外的模型，你国内的话还用不了，需要配置一下，我之前用的是 deepsea， 这个配置起来比较简单， 等会告诉大家，如果还不清楚的可以加我的粉丝群哦，我群里会把相关资料上传上去，有问题呢也可以和群友大家一起交流一下，你看安装完成让我来确认一下这个内容。好，这安装好了，然后这些就是文件， 这还有个启动文件啊，直接开始刚刚第一个跳，跳出来的是是是否信任这个文件夹，直接打确定回车就可以了 啊，这里呢就可以开始聊了。我周边之前是有装过的啊，有装过这个模型的，现在已经切换到小米的这个这个大模型， 所以说他能回答我正常的话，你是这里是他会报错的，因为你没有接入这个 cloud 的 这个模型。 那我们怎么办呢？看一下啊，就你先要登录这个 deepsea 的 开放平台，然后 api 开放平台点进去，点进去呢，他这边的话会有一个，呃，个人认证， 个人认证啊，就认证完了以后呢，他会给账号里面充十块钱，那十块钱的话你用一下其实可以用好一段时间啊，再点这里 a p r k， 你 自己创建一个，然后呢，你这个 钥匙拿到以后，直接创建密钥的一个脚本，直接把对这一段文字呢全部发给那个，如果不知道就让 qcloud 帮你找你这跑完以后呢，它会新建一个 apikey 的 这个 hup， 这个自动程序里面呢，他是有你的，有你的这个密钥，把这个命令中的这个密钥替换成你真实的这个 api 的 这个密钥， 就是我刚刚复制的那个外串密码，然后还是发给你电脑这一串文字，那么他会给你新建一个 这个文件，它里面会告诉你是用的是哪哪个大模型吗？ 我这里是 deepsea， 所以 说他已经写好 deepsea， 如果说要用好一点模型，你直接给他替换成好一点模型，然后那两个文件生成以后呢？你就可以重新打开这个 试一下，你打开试一下，你随便给他发句你好或者怎么样，他如果能回答你，那么就说明你这个已经是成功了，就是已经从卡拉的模型切换到 deepsea， 那 么你就可以用国内的这个大模型去调用这个程序。 那大家如果遇到什么困难或者不懂的，可以加我的首页粉丝群，大家一起过来探讨一下吧。
178老许的采购笔记
01:07查看AI文稿AI文稿分享一个 kol 的 小技巧，在你这个 kol 的 code 里面，使用第三方模型的时候，比如说 deepink 四 v 四 pro， 它明明是有一千个 k 的 上下文，但实际上这里它只会写成两百，为什么？因为 你的这些第三方模型的 kol 它不认识，它并不知道你的上下文是多大，所以它默认都是给两百，直接切成两百，这样的话你问一个问题就能耗掉接近五十，你这个一个对话 基本上四五个问题，他就要被墙压住了，那肯定是很不爽的，那怎么办？有个小技巧，其实就是你要选择模型的时候， 你要跟他讲你的上下文长度是多少，那怎么讲呢？他是这么约定的，你后面跟个中括号就这样子， 如果你是要改成三百 k， 你 就改成这样子，如果你要一千个 k， 你 就直接写成一个 m 就 行，这样子他就会被识别的一千个 k 就是 一个 m 的 上下文， 这样的话，你记在这个里面，可以完整的问他几十次问题，五十次问题，他才会触发上下往下缩，这样的话你的这个使用的会很舒服。对，就这么一个小技巧，一分钟教给大家。
04:40查看AI文稿AI文稿最近很多朋友安装了这个 kindle 的 桌面版的这个软件，发现根本用不起来，然后呢，我基于今天这条视频呢给大家讲解一下。第一呢就是大模型，你要设置为那个一兆的上下文，我这里是配置的是 dsp 的 大模型，我要配置一兆，然后你就可以看得到 一兆的上下文。第二呢就是我们安装好这个软件以后，我们要配置一下全 g 的 变量和一个记忆的配置，我们在左上角打开 设置，这里有个全 g 指令，我们进入编辑，在这里呢你就输入你个人的原色，包括你的偏好， 让他更了解你，就约定一个上下文，下面呢就是一个记忆的一个设定，要打开这些记忆，这些记忆设定好以后呢，他会做一些呃规则呀，包括你的那个呃，你日常的经验总结啊等等，要把这个地方打开，这里就是通用设置，你可以设定你的呃名字啊，称呼啊，包括给可拉的相关指令呢，你的个人编号等等。然后这里是技能， 当我们打开技能以后，默认上面是私有的技能，默认是没有的，只有你上传了技能以后，他才会有这个技能的文件夹显示。你看我现在上传了两个技能，一个是呃做 ppt 的 一个技能，还有一个是创建网页一个技能，那你不需要的话，你也可以卸载掉，包括你的技能安装的文件夹，你也可以看得到他在什么地方。 然后技能呢，我要给大家大概说一下哈。然后技能呢，还有一个上传的一个入口，就是在 skills 这里管理技能啊，同样也可以进入这个界面， 然后技能呢，这里有个小朋友要跟大家说明一下哈，就是我们获得一个技能的安装以后，我们正常来说是点击加创建技能或上传技能，但是呢，你上传以后啊，就发现一个问题，他只能默认上传 md 文档，然后你配套的，你看我这个技能里面 包括模板，包括脚本，他是上传不了的，为什么上传不了啊？回到我的主页可以看一下，看他是怎么回答的，因为这个呃， logitech 中他对技能的文件打包格式有要求，必须包含 yaml 格式的技能名称和描述，这样呢，系统才能识别这个文件的名称和用途。 比方说单文件必须要有 y a m l 的 头部压缩包呢，必须要有 skill 点 md 的 这个头部文件，不然的话，它就不能够正确的去解析注册和显示你的技能，你看到的就只有一个 md 的 一个文档。对，你的脚本文件呢？模板文件呢？什么都看不到，也用不了这个小坑。大家注意一下，这里很重要，因为你的技能的话，呃，是你执行任务的一个手脚，没有手脚的话，它很多工作完成不了， 就说这一点，大家要好好的自己实操一下。打开开发者配置第三方推理，因为有些朋友呢，想用几个大模型，看到的却只有一个大模型的这个 u l 地址的设置和那个 adk 的 设置啊，其实可以添加多个大模型是在右上角，因为我们配置了一个，它就是默认的这里面添加了小米，添加了 kimi。 如果说有其他的，比方说 mini max 的 大模型，你也可以新建， 然后就弹出了这个配置，网关的一个界面，包括网关的 ufo 地址，网关的 api 地址，这里就看得到了，这就可以设置多个大模型，仅切换使用。 这个页面呢，就是杀毒的工作空间，因为很多朋友呢，访问不了外部主页，他会有一个提醒，因为这个地方有设置，就是允许访问外部主机服务。这个地方呢，我们要允许 word， 我 们才能访问外部主页，这是个小坑，大家注意啊。 还有个注意事项就是，呃，我们正常来说，首次进去以后看到的是 co work， 就是 co work 啊，这个界面，他这个意思就是一起工作的意思，他属于办公的模式， 办公的模式呢，因为他需要运行在这个沙盒中，他对你的限制就比较大。阿方，如果说，呃，很多朋友安装的是 windows 系统，安装 windows 系统呢，他是需要一个呃 linux 环境的依赖，然后我们很多朋友没有装，所以用起来经常会弹出各种的报错呀，啊，很多功能实现不了啊，所以说我建议呢，大家可以切换一种模式，可能很多朋友没看得到，切换成开发模式，然后这里出现扣的模式， 我这里用扣子模式，比如说开发一个五子棋的网页，来开发一个扫雷的游戏， 可以看一下扫雷打五子棋 啊，这是开发了一个网页， 这个扣子模式呢，它就是一个 c l i 命令行的 ctrl 版本的一个界面版本，我们日常实际上我们就在这个版本模式就 ok 了，它不受权限的控制， 也没有说杀核限制，只说对应的 c l a 的 这个各种命令呢，你在这里一样的可以使用，比方说你看我可以调用技能，我前面的技能，这是制作 ppt 网页的技能，这是创作方法的技能。我们迁回到办公的模式，我们也给出一个命令，帮你设计你个人的那个镂射， 我们输入 setup cork 回车，他也可以帮你设计你的颜色，你看到了很高兴，为你介绍，先看看你的环境情况，他就会问你，你平时做什么类型的工作，你可以按照他的这个一步一步的设定，比如说你的开发者、工程师、销售产品、项目管理等等，你可以配置你个人的颜色，也是 ok 的。 还有朋友问呢，哎，为什么我这个大模型它识别不了图片？那？因为你的那个大模型它不是多么大的大模型，你可以变化为千问啊，智普啊， kimi 啊，他们是那个可以识别图片的，所以这个问题是比较简单的，就是你的模型没选对。好了，基本上大家最近碰到的一些问题呢，我给大家做个简单的一个解释，有什么问题呢？可以评论区留言沟通讨论。
251辉哥AI
03:23查看AI文稿AI文稿human layer 把根目录的 clod 压到六十行以内，这个数字第一次看我也不信，直到自己写到两百行后越改越乱，才意识到 clod 写到几百行，再加东西只会让它越用越蠢。 我的做法分三步，根文件做薄规则，按关注点拆进 clod 目录下的 rules， 最后用 memory 命令逐条验收。下面把每一步该怎么做说清楚。 先说多长算太长，官方文档写得很清楚， cloud 尽量控制在两百行以内。 code with username 的 建议逻辑一样，接近两百行就该拆到 rules 目录。 社区里另一条常见参考是不超过三百行，可以当兜底线。数字只是参考，真正提醒你该拆的是改一条规则后，不小心把别处也改错。 第二步，别按文件大小拆，按关注点拆。拆的标准很简单，一个文件管一个关注点。代码风格测试，前端后端安全文档各放一份，互不污染。 跟 cloud 只留三类东西，项目目标协助原则规则所引，剩下的细节通同忍痛割爱搬出去容易冲突的规则一定分开放， 比如测试要求和代码审口径别混在一份儿。 cloud 目录下的 rules 子目录是地规生效的，所以可以按前端后端这样再分一层， 不用所有规则都挤在 rules 顶层。我直接抄的目录模板长这样，跟目录留一份簿主文件。 cloud cloud 目录下的 rules 文件夹里按编号放六个文件，从零到五分别是全局规则， 代码风格测试 get 胶安全文档具体结构画在屏幕上。多包仓库，可以让前端应用和后端服务各自有一份 rules 目录，不要让一份大文件包含所有子项目命名，别花里胡哨，带编号，能固定阅读顺序， 文件名清晰明了就行。第三步， pass 这个字段写不写？我的答案是写，但别当主线。 pass front matter 的 设计意图是路径门禁，在文件顶部写一段配置， 让某条规则只在指定路径下生效。具体写法看屏幕，我自己也会写，但 pass 这块最好用 memory 命令实测，官方说它按匹配文件触发加载， 但社区里有人遇到过某些 frontmatter 写法不生效或规则触发后在同一 session 里持续生效的问题，所以把 pass 当附带提醒，用来表达规则适用范围。先把按关注点和目录层级的结构搭对，再考虑这些细节。 最后一步，拆完之后必须用 memory 命令验证，别偷懒，光拆完不算数，得用 memory 命令。看一眼当前 session 真正加载了哪些 cloud 和 rules 文件。官方原话翻译过来就是，没列出来就等于没生效。我的验证逻辑很简单，拆完之后进对应目录，出发一次真实任务敲 memory， 看列表， 同样一个请求，在根目录和子目录各跑一次，对比 rules 加载差异，再故意造一个同时碰到代码风格和测试的任务，看响应有没有冲突，比空读规则文件靠谱多了。哪条规则你以为会生效，但 memory 没列出来，回去检查目录位置、命名和层级。 这套结构能解决的是指令打架跟文件越来越大，改一条签一片这三个问题，但它不直接等于省 token， 是 否真省，要看 pass 是 不是真按预期触发。你的 cloud 现在多少行拆过没？欢迎评论区聊一聊。
1822Ali厂长
01:24查看AI文稿AI文稿你的 cloud code， 百分之八十的 token 都白烧了。五个开源工具，从五个不同角度帮你砍 token， 你 看完就知道该用哪个 token， 消耗有三个黑洞，同一个文件反复读，必定输出几千行废话， ai 每次回复都是长篇大论，一次会话轻松烧掉十万 token。 第一个 open wolf， 从文件读取成省 token。 cloud 是 盲人，不知道文件里有什么，只能一个个打开看 open wolf 怎么省。它在每个文件前面贴一张标签，写清楚内容和大小。 cloud 看一眼标签就够了，不用真的打开文件，同一个文件重复读，直接拦掉。大项目实测三点四兆语言成省元原理，强制 cloud 用原始语言回复， 砍掉所有。让我解释一下希望这有帮助的废话，只保留代码和核心数据。六十九个 token 压到十九个技术信息，一个字都没少。平均省百分之六十五，最高百分之八十七。第三个，八 k， 从命令输出成省 token， 它坐在终端和 ai 之间，拦截命令输出，再压缩四招，过滤噪音，分组聚合截断笼鱼，折叠重复。 cargo test 从一百五十五行压到三行。 it push 从十五行压到一行， cloud 根本不知道输出，被压缩过三十分钟，绘画一百一十八 k 降到二十四 k。 第四个 router， 从模型路由成省 token， 在 cloud 和 api 之间加一层代理，根据任务自动选模型，简单编辑，交给 deepseek， 后台任务用本地模型免费跑，只有真正需要才动用 clod， 花费直接砍百分之七十。第五个 token evisions， 从 prompt 乘省 token 原理写几条规则，放到项目的 c l a u d e m d 里， clod 每次启动自动读取， 比如不要说 sure 和 great question， 不要复出问题再回答，不要过度设计，先读文件再动手，零依赖零配置，复制一个文件就行。省百分之二十到三十五个工具，五个角度。 openwolf 砍文件，砍输出废话 r t k 砍命令噪音， router 砍模型花费 token efficient 砍 front 笼鱼按需选，不要全装黄金组合， r t k 加 pavemett 直接砍掉百分之八十五选对工具才是真正会用 ai 的 人。
1162土木AI提效大古
