Qoder 1.0收费标准
我上一个视频说编程的下一步不是辅助编程，而是可托管执行单元。比较有意思的是，视频发出去没几天，这条线突然变得非常明显， codex、 cloud code 以及 agent 都相继上了一个名叫 go 的 功能，用来跑长任务。它们功能上的差异，我给你汇总了一张表格， 不过我发现阿里最近发布的 code 一 零才是把长任务的省略与介入做到了一个新的高度。总体感觉非常适合安排 a 证的团队干活，而且交互体验做得非常好，这可能是目前最好的国产 ai id。 一。 我对扩展一零进行了长时间的实践，两天消耗了一个 pro 账号所有的积分。下面会有四个测试。我使用的是 glm 五点一模型或扩展 auto 模式，每个任务少则二十分钟，多则四十分钟，都有完整从零到一的记录，交互不错， agent 也能力很强。用上扩展一点零的这套 agent harness， 让国产的这些模型也表现出了不俗的效果。 一个 quest 左侧栏是一个任务单元，可并行。 下面我标注了他的整体页面，左蓝导航管理，中蓝绘画流，右蓝产物区，左边能看到任务列表，中间能看他怎么推进，右边能看到知识记忆产物。 第一件我让他做的是 readme 最佳实践研究，因为如果你要做开源项目，要做产品，要把自己的工具发布出去， readme 怎么写，官网怎么写，第一评怎么让人信任，都是需要考虑的。 我们前面是使用 export 专家团队模式来完成这个任务，并且起用了 spec， 这相当于一个任务计划书， agent 会组织团队成员按照这个计划书来做这个长任务。点击 spec 运行，你会看到多个子 agent 的 创建并开始运行， 而且右边有可缩化的画布卡片。在专家全景图可以看到每个子 agent 的 状态。专家团总共有四个成员，有三个调研员，一个全站工程师。三个调研员的角色很有考究， 一个是分析 github 高薪瑞米进行对标采样，一个是搜索行业文章及指南收集，另外一个更厉害，直接去找社交平台经验帖，都是实打实的实践。这三个人组合起来，对同一维度的研究会更加深入且有价值。最后一人负责整合输出 右边子 agent 的 画布，每个上下文都相当于一个聊天窗口，可以实时看到它们的滚动。另外，你还可以切换不同的仕图，可以看到文件最终成果。这些都可以帮助我们审查整个任务执行的中间过程以及产物。 值得注意的是，左侧栏的 quest 可以 同时并行多个任务。 最终的研究报告怎么样呢？我可以很负责任的告诉你，它比任何模型的 deep research 都好得多。如果你不相信的话，可以仔细看一下这个文档， 这与大语言模型直接生成或使用一些搜索引擎生成有明显的区别。当然，能做出这样一份研究报告也并非仅靠这个 quarter agent harness， 这完全是我们最开始提示词中有一份我自己过往做各种主题研究的 md 文档， 那其实是我的一个 skills 里面抽出来的，所以我做这个 readme 研究也完全是我有这个需求。这个文档可以替我省下许多时间。 酷的，还有知识引擎，这玩意如果真的能持续积累，会很适合长线工作。打开 knowledge 面板，自动生成的知识架构规范技术栈，你知道的，写代码是长线工作，做产品是长线工作，做内容也是长线工作。 redmi 任务总共耗费了三四十分钟，后面我们还有三个任务，由于时间原因不再一一演示，因为我把这些任务包含文字和视频，从零到一的写在了一篇文章里，感兴趣的可以去看看。好了，既然看到这了，这里觉得有帮助的话，随手点赞支持一下。想继续看到更多有价值的 ai 实践更新，可以给我个关注，感谢你。看到最后， 对于这个主题有想法的，欢迎评论区交流。
粉丝2077获赞1.8万
相关视频
01:04查看AI文稿AI文稿大家好，我是 code 老猫，最近很多朋友私信我，国产 ai 编程工具 tree q 的 code body 到底谁最强？今天咱们不玩虚的，从实际体验出发，聊聊这三款工具的核心差异，观点仅供参考，适合自己的才是王道。首先是自嚼的 tree， 它主打快和多模态，你可以直接把 ui 设计稿扔给它，立马生成前端代码， 简直是前端开发和快速搭圆型的效率神器，而且目前对个人开发者免费，性价比极高。接着是阿里的 qidder， 它就像一位资深的技术架构师，最厉害的是能读懂整个项目仓库，自动生成项目百科。如果你正在维护大型复杂的项目，或者需要 ai 帮你梳理复杂的业务逻辑，选它准没错。最后是腾讯的 code body， 妥妥的企业级全能管家，它深度绑定了腾讯云生态，从写代码测试到一键部署上云，实现了全流程闭环，特别适合对数据安全要求高，或者主攻微信小程序开发的企业团队。总结一下，个人搞原型，冲刺大厂，修项目，用 q 的 企业中不少选 codeback， 你 更想翻谁的牌子呢？对于刚入门的同学或是普通人，国内的工具更加便宜方便，推荐使用。我是 code 老猫，咱们下期见！
104CODE老猫
07:53查看AI文稿AI文稿最近阿里旗下的 a i d e q 的 更新到了一点零正式版，相较于之前零点几的版本呢，这次更新增加了很多实用的功能，而且体验十分优雅，今天大家一块来品尝一下。 我们打开 q 的 你会看到一个非常熟悉的 id 页面，可能有朋友说了，哎呀，这也没有变化呀，一点都不酷，甚至有点平庸，你看你又急， a i d e 不 都长这样吗？但是当我们点击右上角的这个快捷按钮，打开任务模式， 你会看到一个全新的页面，全新的设计。在之前的版本呢，快捷的只是一个模式，它跟这个编辑模式呢是互斥的，你要么使用编辑模式，要么就是任务模式。但是这次更新的 qd 一 点零版本，它做成了一个独立的窗口，你可以同时打开你的编辑器，和快捷的模式 并行的去操作。这个设计风格呢，有点像 codex， 简约刻制，你可以注意一下， 稍微有点难崩，但是它的功能更加的丰富。左右两边呢是各有一个侧边栏，中间是一个对话框，我们可以在左侧新建任务，或者直接打开本地的工作区。当然你也可以直接在对话框的上方，在这块去直接切换。 如果你愿意的话，甚至可以用 s s h 去连接远程服务器，让 ai 直接在服务器上去进行开发，对于一些把项目跑在云服务器上的朋友呢，比较友好。 剧情模式这里呢有两个选项，一个是本地模式，一个是 walkthrough 模式。本地模式呢就是 ai 直接在当前的机器上去进行更改代码跟传统的 ai 定义是一样的，代码都是实时修改的，那这个 walkthrough 模式呢，就是 ai 在 一个独立的 get walkthrough 工作目录中 去认真的工作，改完之后呢，再通过合并的方式回到我们的主分支里，那它到底有什么用呢？为什么要这样去做呢？最大的好处呢？其实它可以并行的去开发任务，更方便团队协助，每个任务都是在自己的隔离目录里去跑，主分支永远是干净的。在选择模式这里呢，我们注意到有一个 agent 和这个专家团模式，就是一直由多个专家组成的团队进行分工协助，这也是目前 a 业编程主流的一个做法。那值得一提的是呢，当我们选择 agent 的 时候，可以自由的去切换模型，包括去使用自定义的 api key。 当我们选择这个专家团模式，后面的模型就不再能选择了，是 auto 和极致这两个选项。 这个极致模式呢，就是有更加深度的推理思考，效果呢会更好一些，但是额度消耗呢也是更高的。那接下来我们就在这个目录下以本地模式开启一个新的任务，打开规划模式， 然后我们直接在输入框里去输入提示词，懒打字的话也可以直接用语音制作一个 ai 导航网站，风格参考苹果公司官网。这个时候如果我们觉得自己的提示词实在是过于简单，过于潦草，那么可以试一下这个优化输入。 ai 呢会简单看一下我们本地的代码，然后呢给我们规范化提示词，毕竟 ai 更懂 ai。 ok， 我 们发送我们的任务发出去之后呢， ai 会先派出一个调研员，专家先来调研我们的项目，然后他会问我们几个关键的问题， 比如说你想要使用什么技术站，想要什么设计风格，等我们填写完毕之后呢，他会再次开始规划，给我们一个全新的清单，根据这个任务的具体需求呢，去动态的分配出一只专家团来执行这个任务。在工具的设置里呢，我们可以看到有五个内置的专家， 但很明显他不是那种死板的配置。比如说我跑的这个任务，因为模块比较多，他直接梳理划出了五个全站，工程师并行的开始工作，加上调研员测试、 u i 操作、代码审核，一共是九个任务，他可能就派个两到三个。这个呢应该就是所谓的弹性团队的设计 啊，班位非常好。我们回到当前的项目，点击这个概要，那在这一块呢，我们就能看到他的任务的实时进展，以及每个专家现在都在干什么。那如果你觉得这个还是不够清晰，那点击这个在专家团全景图中查看，这个时候呢，又切换到了一个格式化的看板式图，就可以更加方便的去查看每个专家他在干什么， 写到了哪一步。那相信各位也注意到了，他分配的任务呢，实在是过于详细，我们实在是等不了这么长时间，没有耐心去盯着这个项目，直到他完成， 那现在其实是完全没有问题的。快速的现在支持多个工作区，或者是多个项目并行的操作，比如说现在我进入了一个新的工作区里，然后我们输入一下斜杠，这个就可以快速调出命令， 可以使用浏览器执行，或者是进行代码审查，也可以让业帮我们创建技能，创建智能体，用在专家团里。那我个人觉得这个代码审查还是比较好的， 你写完代码在提交之前呢，让他先审一遍 ai， 帮你过滤一下，他会指出潜在的问题，给出改进的建议。你可以注意到他的审查呢还是比较详细的，每个代码呢，他都看过了，只不过他好像有点小脾气，意识到我在耍他了。 如果以后你把这项目真的用 get 管起来，再来让我对具体的提交挑刺，我会更开心。现在这种全量审查还真是对你有点太宽容了。我靠，我心里一紧，怎么感觉像领导审我的代码似的。 好消息，代码审核员把你这套视频管理系统从头到尾扒了一遍，结论是没发现什么立即需要修的致命问题，逻辑错误、安全漏洞、灾难性一个没捞着。 不过话说回来，菜，不管我们在做什么其他的项目，原本的那个项目呢，仍然在运行，他没有停止，这个呢就是真正意义上的并行开发，就是多个任务呢去同步的进行。这个专家团队呢，一共分配了十二个专家，每一个呢只专注自己的任务， 然后最后呢来进行合并。里边呢内置了一个浏览器，当它运行之后呢，我们可以直接在这里去进行查看啊，比如说我们的这个一页导航网站， 如果哪个地方觉得不对劲，我们直接用这个选择工具选择一下这个元素，它会自动添加到输入框里，这个时候也可以非常精准，非常快速的帮我们来进行更改，同时这一块呢也是非常严谨，他依然会询问我们确认之后呢再开始工作，避免一些不必要的投更消耗。那下面我们打开设置， 可以在这里更加详细的配置我们前面提到的一些功能。智能体。这里呢除了内置的五个专家之外，你还可以自由的创建或者导入本地的智能体， 而且呢可以选择是把它创建给整个用户层用，还是说只在某个项目里去用，那这个分层其实还是挺好的，把你自己的工作习惯放到用户级里，团队的规划呢直接放在项目里，跟着 get 走，技能和指令呢，也是支持这样去配置，它是一样的逻辑 模型。这里呢如果你有其他厂商的 a p i 或者是头根 plan， 可以 直接在这里去进行接入。不过我不确定的是扣的这个海内外版本是否有差异，我这里呢是没有发现有自定义端点的入口，只有一些内置的渠道， 那如果你有这个需求的话，可以自己下去去确认一下。最后呢我们来说一下这个知识中心和这个插件市场。在知识中心里呢，我们可以选择已经导入的项目，一键快速的帮我们生成一个项目的说明书， ai 直接从我们的代码里去读出来。 大家这个微信呢是自动导入到我们项目的目录里的，也就是团队里的所有人呢，都可以共享这套知识，跟着代码一块 get 提交。旁边呢还有一个记忆功能， 默认的是开启的，他呢会对你以往的对话或者是项目的操作做智能的持久化记忆，理论上来说你用的越久，他越懂你。那至于这个插件市场，目前的话只是一个雏形， 里边打包了 skill 和 mcp， 可以 一键安装，比如说这里边就有这个烧饼饭， mango db 以及这个 contact 七这些内容呢，基本上就是给我们的 ai 智能装垂直端能力包生态确实看起来不是太丰富，但后续应该会越来越多。我们现在回到刚才这个任务，可以在右侧看到有变更文件以及一些产物。 那其实最有意思的就是这个测试工程师在任务的最后呢，跑完了另一个检查和 bug 构建，不管是通过了还是失败了，会告诉你具体的原因，然后去查相关的源文件。说实话，这套自动验证的机制呢，我觉得应该每个 ai 第一里都标配一下，一页写完代码不应该直接交付，而是自己先跑一遍验证，总不能让我们用户一个一个去试吧。 最后呢，简单做一个总结。那说实话，以前的 qq 的 我感觉他在对标 qq， 现在这版感觉走的是 qq 代码的内容，简约克制，但功能又丰富了一些。我好像看到了很多身影。高情商，一点集百家之所长， 低情商，跟之前的零点几版本相比，这个一点零的更新力度确实是大太多了，完成度也非常高。如果各位感兴趣的话，可以到 qq 的 官网去下载体验一下， 至少目前我个人是比较喜欢这个设计和功能的。那以上就是本期视频的全部内容了，如果对你有所帮助，或者觉得视频做的还不错的话，欢迎给个一箭三连。有什么想看内容呢，也可以在评论区留下你的足迹。最后祝各位玩的愉快，我是段峰，我们下期再见，拜拜！
721神烦老狗
00:33查看AI文稿AI文稿五月十五日，阿里发布 ai 编程工具 coder 一 点零，支持 windows、 macos 和 linux 平台，号称从 ai ide 升级为智能体自主开发工作台，开发者定义目标后， 执行、验证和交付均由 agent 在 工作台内完成。同日，阿里云宣布上调大模型服务平台部分模型单元服务价格， ai 商业化加速。
5唯谈科技
05:391943旗先森
01:48查看AI文稿AI文稿如何抓住阿里科的一点零带来的技术红利？看完视频直接上路！就在今天，五月十五日，阿里正式发布科的一点零，直接把 ai 写代码 从辅助进化成了能够自动驾驶的智能体。工作台大白话就是，从现在开始，你只需要把需求说清楚，它就能自动帮你完成从写代码、测试到最终交付的全流程。一、 这对我们普通人来说又意味着什么呢？二、我们又该如何借助他搞钱？一个视频给你解个透，在开始前先放个深水炸弹，我们推出了请户 o p c 社区，只在聚集更多艺人、公司、创业者，感兴趣的朋友留下 o p c 三个字母，现在开始。 一、这对我们普通人来说又意味着什么呢？这意味着以后你只需要专注于更有价值的创意和架构设计就行，真正实现一人成军。哪怕你完全不懂技术，只要你能把想法清晰的表达出来，扣的一点零就能帮你把创意变成现实，这意味着个人创业的门槛更低了。二、我们又该如何借助他搞钱？ 在这里给大家指三条业务路径，一、极速开发微型产品变现。利用蝌蚪一点零快速搭建一些解决特定痛点的小工具、浏览器、插件或者行业小程序。因为开发成本几乎为零，哪怕只做给一个小众群体用，靠订阅费或买断费也能实现盈利。 二、做高效的艺人外包团队。市面上有海量的中小企业、大学生，甚至传统老板，有软件开发需求，但预算有限，你可以利用蝌蚪帮助他们开发，收取外包费即可。 三、卖铲子做知识付费。现在 ai 编程就是最新的风口，绝大多数非技术背景的人根本不知道怎么向 ai 描述需求。你可以整理实战技巧、提示词模板， 开设付费社群或提供代搭建服务，教别人怎么用 ai 提效，稳稳的吃到这波红利！点赞收藏加关注，请护前沿，管世界前沿在线带你抓住时代红利！
158顷互前沿馆
04:38查看AI文稿AI文稿嘿，大家好，今天阿里发布了 coder 一 点零。这可不是一个小更新，它从以前的 ai ide 直接升级成了一个智能体自主开发工作台。 简单说，你只要告诉他想要什么，一个 a 阵团队就能自己开车完成执行验证和交付。可现在 windows、 mac 和 linux 都能下载了。 第一个大变化是 quest。 以前它只是 i d e 里的一个模式，现在变成了一个独立窗口，集成了任务管理、状态追踪、产物审查和知识调用。开发者定好目标后， agent 就 在这个工作 台里自动执行、验证和交互，你几乎不用动手。 quest 和 editor 现在是两个独立窗口，可以并行运行。 开发者可以在委派任务和协同编程两种模式之间自由切换，上下文完全无缝衔接。比如你让 a 阵改一个模块，同时自己还在写另一部分代码，互不干扰 code 一 点零最牛的是可以跨项目、跨代码库并行执行任务。你可以在多个 workspace 里同时跑不同项目。一个统一面板就能看到所有任务的实时动态，每个任务都有独立的状态标签，运行中等待确认已完成，一目了然。 任务完成后，系统会自动生成一份三维交付清单，里面有任务进展、产物文档和代码变更，方便快速审查，你不需要手动整理，直接看就行。 这次升级还带来了全球首次团队知识共享机制。 co 的 一点零把之前分散的记忆、 vpo、 微企和知识卡片整合成了一个统一的团队级知识引擎。记忆系统会记录你的表达习惯、技术偏好、团队规范和历史学册。而 vpo、 微企和知识卡片会自动从代码仓库里构建架构、知识模块关系。 这样三类知识统一管理。 agent 在 执行任务时能随时调用时刻数据显示知识远行。上线后，代码保留率提升了百分之十一， 输入 token 消耗降低了百分之四十，对话轮次减少了百分之三十三。简单说， agent 更懂你的项目，代码更准确，沟通成本也大大降低。基于代码仓库，每个团队成员都可以贡献知识、修正知识， 智能体还会持续优化这些知识。知识统一存储在云端，企业可以统一维护，并且所有的操作都可审计。这样一来，个人的经验就变成了组织的持续成长能力。 之前用户反馈很积极的 expert 专家团模式，这次正式引入到 quest 窗口中，开发者可以在单 a 诊的模式和专家团模式之间自由选择。专家团由规划、调研、编码、审查、测试五类专家组成， 他们像流水线一样携同工作自动完成任务。更厉害的是，一点零版本新增了自定义专家能力，你可以创建属于自己的 agent 团队，配置他们的领域知识、 任务技能和外部工具接口，打造完全贴合你业务场景的专属团队。所有这些升级背后，是底层 agent harness 的 系统性重构 模型提供智能，但智能能不能变成可用的交付，全靠 hard 抠着。一点零在这里做了两件事，把传统聊天对话升级为结构化的任务，运行时把分散的上下文供给收敛成贯穿运行时的知识工程。 coder 不 仅仅是 i d e， 他 面向全球开发者，旗下有 coder i d e coder i d e coderwork、 coderwork coderwork coderwork 等产品，自二零二五年八月上线以来，已经服务全球超过五百万用户。 今天一点零版本的发布，标志着智能体编程进入了一个新的时代。好了，如果你也是开发者，今天就可以去官网下载扣的一点零，支持 windows、 mac 和 linux 试试，让 a 阵团队帮你自动驾驶完成代码任务。感受一下什么是真正的智能自主开发，我们下期再见。
1人在旅途
00:49查看AI文稿AI文稿q d， 一 点零正式发布， a i i d 直接升级成智能体自主开发工作台，以后写代码你只管提需求， agent 团队全自动搞定，自主执行，自动验证，直接交付，下载就能上手。四大硬核升级， 独立 quest 视窗，任务管理、进度追踪、产物审查一站式搞定，不用切来切去，跨项目多任务并行，一屏管，所有项目进度一目了然，效率直接翻倍。 团队共享知识引擎，自动沉淀项目知识，编码规范，代码准度拉满，实测代码保留率涨百分之十一， token 省百分之四十。 专家团加自定义 agent， 规划编码测试，全流程协调，还能定制贴合你业务的数字开发团队。不管是个人开发者、程序员，还是企业技术团队，用 qd 一 点零，少加班，少改 bug， 快 速交付，有需要评论扣开发即刻体验！
3乘云科技
00:38查看AI文稿AI文稿还在九九六苦写代码？阿里 code 一 点零重磅来袭，只需提出需求， a 八 agent 团队全自动开发，自动验证，成品直接交付，下载即用！四大硬核升级，跨死独立视窗，一站式管控任务进度，跨项目多任务并行 办公效率翻倍。共享知识引擎沉淀编码规范，代码保留率提升百分之十一， token 节省百分之四十。专家团家自定义 agent， 全流程携手打造专属开发团队，助力个人少加班，程序员少改 bug， 企业快速交付。告别埋头马农，轻松变身项目指挥官，需要可留言！
00:38查看AI文稿AI文稿百分之九十九的程序员不知道阿里刚刚发布可的一点零写代码竟被全面接管了。他不只是写代码，从生成、验证到交付，一条龙全包，连找 bug 都不用。人 熬最晚的夜，掉最多的头发，现在连代码都替你写了，打工人的饭碗还稳吗？别慌， ai 不是 替代，你是淘汰不会用 ai 的 人。未来程序员只负责想， ai 负责干， 以为 ai 只会补全代码？错，它是全流程闭环反常识。真相，你成了 ai 的 审核员，你的饭碗还稳吗？评论区聊聊，觉得有用，点赞、收藏，关注我，看透科技真相！
02:09查看AI文稿AI文稿每天都有很多劳动者在后台问我们说收费标准是什么？会不会很贵？说实话我们其实也没有什么太多的标准，不是百分比，不是案件的标的额多少就收多少。 但是可以确定的是，劳动仲裁最低收费就是六千元，陪跑是两个月幺六九九元。话说回来，如果说一定要说一个标准出来的话， 我觉得第一个标准就是我们衡量我们用心去办你这个案子的时候，我们拿的这些钱有没有动力用心去办，这就不是钱多钱少的问题。是我们接了你这个案子之后，我们晚上能不能睡得着觉，或者说这个费用让我们睡不着觉，我们愿不愿意这样做？ 这个就是很真实，也是很现实的。为什么有时候很多同行收费都特别特别低，我们也在一个正常水平线上，因为我们每一个案子都要亲自去盯 仲裁协议书，我们律师是一个字一个字的去写，去改，证据目录也是一张一张的过，那真的是在办案子。如果说我们收的钱，但是没有这种烧起来的感觉，那这个案子其实我们就不用去接了，没有什么意义。 第二个标准就是我们拿了你这笔律师费，跟你的利益最大化之间的平衡。就像我今天上午接待一个当事人，他过来委托我们就谈这个律师费用，就是通过这个标准去谈的，他的标题也很低，我又不可能收很高很高的律师费，所以我们就要去算一笔账， 他拿到的赔偿金再减去律师费，到底还值得他去做这个案子吗？那这个当事人是什么情况呢？他是要以没有缴纳社保 v o t 被迫离职，拿四个月的经济补偿金，他的月工资在四千左右，那经济补偿金也就是两点八万左右嘛，再加上年假等费用， 其实标的人还是非常非常低的，他现在还在职，那我们就需要有陪跑老师，先给他陪跑一段时间去规划被迫离职，这个是非常非常重要的，所以我们要做的就是陪跑，再加上劳动仲裁 要做不少工作，那这个时候收费标准就不可能是不变的，也没有什么太多的标准，就是只能找到一个双方的利益平衡点，最终谈了一个律师费，大家都觉得还可以接受，所以其实大家记住一句话，就是一分钱一分货， 越贴近这个市场行情，这个律师就会越正常，因为就是正常人嘛，正常收费嘛，如果说收费真的非常非常低，你能相信我们会好好办案子吗？
300上海王律（劳动版）
01:18:16查看AI文稿AI文稿呃，大家好，主持人好。呃，非常高兴能收到可乐官方的一个邀请，呃，我是富有致富的恶建。 呃，今天呢来给大家做一次就是关于 ai coding 的 一个，呃，简单聊一聊，就是关于 ai coding 我 们是怎么去落地的，然后关于有哪些地方我们需要去配置， 然后让我们融从费用 ai 到用好 ai， 怎么去让 ai 能够更稳更更好的一个节奏？帮我们去做那个编程编码， 我们需要通过哪些配置，例如 scale 啊， mcp 啊，还有规则或者提词优化，还有就是怎么去节省我们那个可疑地址啊，嗯，让 ai 能够更好更稳的，然后在工作中真的能够帮助我们。 首先今天呢分享，呃，分享的主题的话就两个，两个章节，一个是我们一个基础篇，嗯，从我们的一个上下文， 呃，上下文管理怎么去写题字词，然后怎么去选模型，怎么去，嗯，写指令，然后还有就是我们关于我们的一个最佳的一个实践，然后可理解是一个怎么去用一个用了一个好的一个总结这种，然后 主要是这就是注重我们的一个基础能力的一个构建，让我们先熟悉 ai， 然后才能说去用好 ai。 第二篇的话就是我们从进阶篇，然后讲就从怎么从啊， skill mcp 啊，或者 hok 指令啊，或者是规则，还有就是我们的一个嗯嗯，规则为怎么去配置，从这些角度，然后不同的角度去，嗯，让 am 能够更好地去服务我们。 第一篇的话就先把，就是先把基础功练扎实，就就是我们的一个上下文，首先如果没有，呃，打个比方就是我把 ai 的 上下文，呃，就是如果没有刻的，那我们直接在官网对话的时候，我们需要写哪些东西？ 第一步我们先把我们的一个项目的一个引路写进去，对吧？我们项目的已知条件，还有我们一个项目目录，然后包括我们的一个系统题词，就你是一个资深的编程官，编编程专家，然后还有就是我们的一个，嗯， 还有就是我们一个规则啊，我们的一个约束条件，然后就是我们一个目标要求我们 ai 能达到什么，就是我们想让 ai 帮我们做什么目，做什么，写什么代码，就我们需要去引入哪些地方，你需要参考哪些代码去帮我去实现这个逻辑， 然后这是整一整套的 ai 的 一个上下文。当然现在有了有了 ai 的 这个 ai 的 一个工具，像刻的，我们用刻的的话，就我们只需要在对话框里面只需要输入输入一句提示词，然后 ai 就 能帮我们去把这一整套的呃上下文全部理清楚。 嗯，像我们那个科乐内置的一个系统题词，然后用 m c p scale， 还有就我们一个记忆，然后项目结构，包括我们那个项目约束，像规则文件什么之类的这些东西全部帮我们整理好，我们只需要一具体，只需要写我们的一个目标，然后 ai 就 能自动帮我们去完成这些。嗯，输入输出。 之所以把 ai， 我 把 ai 叫做一一次对话，因为我们所有的内容，包括就是我们在输入框输入一句话的时候，并不说只是输了一句话，它会把所有的信息全部当成一个完整的上下文扔给 ai， 然后我们在下一次跟 ai 对 话的时候，它会把所有的历史对话，包括我们之前说的一些输入输出 啊，历史的一些啊，输入输出信息，包括我们那个最开始提的一些系统题词啊、规则啊，什么后壳文件啊，就是 style、 mcp 啊，这些东西一一次性在下一次对话里面也是完整的一次性全部扔过去， 所以说每次基本上都是全新的全完整的数据，这叫一次性就是。嗯，完整的上下文， 它只有 ai， 只有说读了我们的三下文就是完整的三下文，知道我们需要写哪些东西，有哪些信息，它才能参照我们的一个目标要求，然后参照我们那个代码去帮我们去，嗯，更好地去实践这个写好我们的一个编程，做好我们的编程， 然后完整上下文是第一铁律，你像左边这个错误的一个视力啊，这部分代码有问题，你帮我改一改。但是你这这句话，你说实话，你说给其他的技术开发人员的话，他可能也不懂你要做什么，对吧？也不知道你要改什么，你，但何况扔个 ai， 对 吧？ 你我们肯定要说给，就是哪一块，哪一行代码有问题，哪一行报了空子在，然后是因为什么原因导致的， 这个才是一个完整的一个题词词的一个内容，你要告诉他原因，告诉他结果，告诉他出现什么问题，然后才能帮你去解决，对吧？我们那个输出了一个 ai 的 一个输出质量，也跟我们那个完整度也是成一个正相关的， 所以说题词写的时候我们肯定也要注意一下，嗯，文件引用了一个正确知识， 像打我之前的话就是写题词词，因为在那个对话框，哎呀，刻在的一个对话框里面，可能是直接去写题词词的话，因为这个框是有一个限制的，对吧？和上下宽度是有个限制，有时候写很长的一个需求的话，就写个一两百字的时候，可能就来回去看，可能就不太方便。所以我习惯的话就是打开一个记事本， 然后在记事本里面先把我的一个嗯，需要这一次本次需要实现的一个目标先描述清楚，然后中间的话，如果需要嗯，用一些， 嗯，引用一些文项目中的一些内容的话，我会使用一些占位符的方式，然后把我们那个需求，嗯，先占位，把我那个文件先占位住，然后再接着描述我们那个许完整的一个需求描述， 然后最后描述完之后把我们那个，嗯，然后加上一个参考的你就是你参考哪个文件帮我实现这个需求，然后最后把所有的写完之后，然后拷贝到我们一个对话框里面去，然后最后再挨挨个去艾特我们的一个文件，然后让 ai 去帮我们去做很好的一个输出。 如果就是现在的话，我看刻到了，刻到了一个插件，在 id 二里面有个插件，它这个插件右下角其实也内置了这个功能，也应该也最近上新了一个功能，这功能其实挺好用的，它是点了，就是右下角有一个 啊，有一个这个方框小箭头，对吧？你点一下之后，它会在你那个嗯 id 的 那个打开一个新的一个文本对话框，然后在这里面我们去描述我们的需求，就避免我们在外面去打开一个记事本去写，这这个点还是其实挺好的。 然后也可以就写完之后我们让 ai 帮我们去做一下提示值优化，提示值增强，我们点一下这个右下角一个小四角星，让 ai 去帮我们做一下提示值的一个增强提示优化，帮我们组织好我们这个语言 结构化的输出的话， ai 可能会输出的质量会更好一点，如果我们写的内容就是输入的内容质量会更好一点，如果我们写的内容写出来的质量可能也不是特别好。 嗯，这是要分享一个，就是简单举个例子，分享一个就是我们在探索行一个，探索一个新那个项目的时候，嗯，我加了一个提示词， 就请用给习晓成大爷讲明白的一个方式，假设这个项目最终失败，然后回答最早是什么时候出现问题，然后哪一个关键决策走错了方向，对哪个风险应该最早应该能识别，为什么被忽略了？ 当时是如果时间能倒回，项目刚开始的时候只允许做一件事情，那你们会，你会做什么？你会先改什么？ 为什么要用给习晓成大爷讲明白这个，嗯，习晓成大爷来举这个例子呢？因为我们跟 ai 对 话的时候，他不知道你那个就是他不知道你的一个水平什么样的，也不知道你的一个技技能什么样的，但是他知道习晓成大爷是什么样的，对吧？ 他的一个水平是什么样的，所以说他写的时候就是给你输出的时候就会用一些大白话，或是你能很很清晰很明白去理解的一个方式去给你输出， 然后这个提示词，嗯，的一个目的的话，就是让 ai 用事后护盘的一个方式，先提前帮我们预料我们这个项目实际在落地过程中可能会有一些一些风险，然后提前帮我们发现这些风险，然后识别一些潜在的一个问题， 然后上下文管理。就我们在对话框里面经常可能会遇到，嗯，有一种情况，就我们在对话框里面跟 ai 去对话，然后第一次我们让 ai 去帮我们改个控制帧，然后 ai 输出了之后，然后输出了一个错误的话， 然后继续在上面去改，然后我们指出问题之后 ai 继续调整，但调了之后还是按照这个错的话，错误的话继续去，嗯，去调就多多轮纠缠还是没有用。 这种情况下 ai 的 上下文其实已经被污染掉了，因为它因为每次跟 ai 对 话，它都会把我们那个去完整的上下文，就是我们包括我们的历史，包括我们最开始扔给它的一个规则，系统题词啊，还有 scale、 mcp 等这些东西全部都一次性扔给 ai， 帮我们历史 ai 回复，回复的一个历史内容，输出的一个内容，对吧？这些东西其实已经在 ai 的 内存里面已经被污染掉了，他已经觉得这个方案是对的，所以说你多次再再跟他纠缠也是没什么用，不如新开一个窗口， 嗯，避免在原对话里面跟他反复进行就是纠缠，因为这样的话可能改到最后不但浪费了我们可疑历史，而且还效果还不特别好。 而且不要在一个逗号框里面去愤怒多个无关的话题。嗯，尽量在一个窗口里面，我们就聊当前这这一这一个需求， 因为聊聊得太份乱的话，可能 ai 也不太明白你当前要表达什么，对吧？还有一个就是我们不要在一个逗号框里面去艾特，艾特，艾特七八个文件，我们打个比方，一个文件大概有六百行或者一千行，那么七八个文件大概有接近于上万行的 三万行的代码， a a 的 上下上下文其实实际是有限的，两百 k 三万行三万行的代码其实扔进去就已经占了很多了。 这样的话，我们可能一个代码框里面 a a 还没改完就已经需要压缩，但是压缩的话就会带来一个问题，就压缩的话 ai 不知道它的重点，不知道你的一个重点是什么，它可能会就是给你自动去做一些压缩，但这个压缩可能不是你想要的，所以它会有一些问题，就是它可能在压缩之后你跟它原来说的话，然后后面它给你跑偏了，就是输出的内容可能更不合适， 所以建议就是在对话过程中不要触发压缩。嗯？重开窗口，我们什么时候重开窗口？ 第一次就是我们在迭代超过三次之后， ai 的 输出结果并没有什么改善，就是还是有一些问题的时候，我们去重开一下窗口，然后如果我们的话题更换了，就我们想去本来想修个控制针，然后后面想修一个缩水键，对吧？我们需要就是换一个窗口去让他去修，不要在一个窗口里面去跟他对话， 这样的话他不单可疑是占用的比较多，因为上下文占用的也多嘛，对吧？而且他的一个，嗯，因为当前之前聊的话题跟现在话题犯了，然后他可能会理解的时候还会按照第一个话题去给你输出，可能会改了，越越改越乱， 然后就是模型重复，重复之前的内容，或者是模型跑偏了，然后话题没有关系，所以我们就建议重开一个新的窗口来去，嗯，做这个新的一个对话，来保证我们的一个 ai 的 一个输出质量。 然后模型的选择的话，我们现在，嗯， qq 里面有有很多种选择，不同的选择。 嗯，我总结的话，因为我常用的话也就这四个总结了一下，现在就是用了一些情况，用了一些场景 极致模式的话，就擅长在架构设计，十八个文档整理，还就是代码重构，然后复杂逻辑的一个编写，从零一到一个，一的一个文档的一个编写设计，就他的一个架构思维比较比较好，写文档或是梳理梳理整个计划用它是比较合适的。 还有个性能模式，性能模式的话用就是改 bug， 嗯，一些紧急问题修护，你排查问题可以用一些性能模式。 嗯， iot 模式， iot 的 话就是在我们通用编码，日常编码的时候，我们可以去用一下，就它简单的需求编辑，日常的话，日常的一个需求编编码都可以用用 iot 啊， grm 五点一的话也可以，就在它是一个常识，我们利用我们做测试啊，我们做，呃自动编啊，或者是做一些，嗯， 不是特别重要的一些。嗯，代码的一个编辑，不是逻辑特别深的一个代码，编辑时候我们可以用一下 gm， 五点一，它的效果也是挺不错的。或者是套件不足的时候，我们也可以用一下 gm 五点一就选不同的模型，选对不同的模型，不但节省可递式，而且我们的一个效果也会更好一点。 嗯，关于编码的选择， code 是 提供了三种，一个是默认的话是 editor， 就 我们 agent 人工交互的一个方式，嗯，还有一个就是 quest， 它有先且计划，然后再去，嗯，动工。 最后一个是按专家，专家团的一个模式，就它会给你招一个开发团队，对吧？ id， 它的话是你相对你开车， ai 帮你看路，就你你，我跟 ai 是 协助的一个方式，适合于在你去主要是写编码的时，写代码的时候你就常用的一个功能， 然后觉得 ai 有 时候不是特别靠谱的时候，也可以用 id 它，因为这个时候它会跟你去写作，一起去看，一起看问题，一起去写代码，有问题我们可以及时纠正。 然后 quest 的 话是类似于它是，嗯，先给你做计划，计划你确认，先给你确认，确认完之后你觉得没问题，然后给你输出一个计划文档，然后文档里面，嗯，输出完之后最后你再去 嗯，让他去按照这个文档去做，然后后面你就不用去管，他会做完之后先先给你做规划，规划完之后然后给你执行这个文档，执行编码，编码完之后给你自动跑测试，跑变异，然后最后给你一个结果验证，这种话就比较省心一点， 然后增加团的话是就是类似于你招了一个开发团队，嗯，有人帮你干，对吧？然后适合多智能体去并行写作的一个方式， 但是呢不同的选择，编码选择的话，它的一个 crease 的 一个消耗量也是不同的，我们嗯，大概就是用了一段时间实测了一下，嗯，专家团或是 quest 模式的话，它它的消耗量大概是 edit 一个 n 倍很多倍，可以去去试一下。然后那个智能问答的话，有时候我们去做一些就是嗯，不是编码任务，我们可以去用一下智能问答，它那个消耗量其实很小。 嗯，指令，指令这一块，我把指令分成两部分，一部分是叫做交互性指令，一部分是开发指令。 什么叫交互指令？就是你你问一句，他答一句，然后你就是 ai 问一句，你去执，你去执行一下，然后把执行结果切给 ai， 然后 ai 再去问一句，就我们我们协助去交，协助去排查问题的一个场景，用交互性指令， 就我告诉 ai， 我 当前嗯有个环境问题或者部署问题，有个问题你帮我去排查一下这个问题怎么去解决，然后让 ai 去就是一 嗯一次输出一个命令，然后我去执行，然后把执行结果贴给你，你看到有你看的话之后，然后你帮我去嗯去分析一下这个问题出现在哪里，然后或者是嗯如果找不到，你可以继续在多人交互，对吧？ 还一个就是除了交互性指令的话，就另外一个就是开发指令，就我们把一段常用的一个快捷的一个命令，你在输入框里面就直接通过斜杠去调用， 把一些任务的一个标准化的一个写法，就可以直接在这里面去通过斜杠就能调动，而不用说每次都会都会写一遍。 例如某个需求，我们需要加载某个，加载某个 scale， 或者加载某个 m、 c、 p， 或者是用，嗯，用某一个，用某一个规则，然后我们就可以把这些东西整合到一个指令里面去，然后每次在写这个需求的时候，我们就可以用直接用这个指令去执行就行了，就很方便很便捷。 嗯，还有一个就斜杠指令的话，还有一个就是 play 模式， play 模式，然后它是先做规划，然后再去执行，就先给你写计划，写完计划之后，然后再去做实际的落地， 然后什么时候去用它就是你你的需求可能不是特别明确的时候，或者你的任务描述，然后超过一句话， 嗯，超过超过很多就超过一句话，然后我们可能是要拆分，拆分出很多个小任务，子任务的时候我们可以用一下 plan 模式，那先去规划，规划过程中有问题可以是随时提问，对吧？我们去补充，补充没问题之后，然后最后确认之后，然后让 a h 直接 b o 的 去执行就行了。 它跟快速的模式有一点区别，就是快速的是也是先做计划，最后它是自动执行，这个跑单模式的话需要你去先做计划，需要你手动去执行，手动去点 bu 的。 我一般就是单文件的一个小修改，或者是简单的 bug， 我 也不一般不用，就直接去在 a 帧里面直接去对话就行了。 嗯，这个就是考勤的一个占用优化，嗯，最近的一个总结就怎么去省我们一个考勤， 怎么去让我们那个，嗯，考勤能用的时间更久，对吧？因为我们默认的话是有两千考勤的，但是如果用专家团模式，可能一天或者两天可能就用完了。 嗯，第一条就是 add in， add in 点 md， 它是导航地图，尽量不要超过一百行。这个 add in 点 md 的 话是放在项目的根目录下面去的， 嗯，它跟我们那个规则文件是有一点区别，因为它，嗯，例如，例如我们打比方，就我们的一个项目下面会放一个 readymessage md， 一个瑞德明， m d 的 话是给人看的，给同事看的，对吧？嗯，介绍这个项目的一个框架，然后项目是有哪些东西，呃，怎么去就怎么去起的，因为项目这个架构是怎么样的？ 然后 ipad， 嗯， a 镜是点 m d 的 话，它是给 ai 去看，让 ai 去熟悉整个项目的一个架构，熟悉整个项目的一个文件文件的一个分布。你告诉他我们那个 vk 在 某个地方，在哪个文件夹下面，我们的一个 doc 文档在哪个文件下面？我们括就建表语句，我们在哪个文档下面去， 嗯，包括我们那个规则，什么时候用，什么规则，对吧？我们都可以写在 a g 四点 m d 里面，它只是做地图导航，尽量的话不要超过一百行，因为太多的话可能会影响到我们一个，呃，上下文的一个占用，而且还不一定遵守。 嗯，第二个是细划规则，我们请分类放到我们的 control row 下面去，就我们 control row 下面是放我们的一个实际的一个规则规则内容的，我们根据编码规则，我们架构规则， circle， 呃， circle 规则，或者些部署测试规则什么之类的，我们把这些规则然后全部写到我们一个 row 下面去， 然后按照不同的类型去分类好，然后把规则的一个生肖，生肖的一个设置改成模型角色，然后他在实际去执行的过程中发现我们这个这段代码需要去测试，然后他会去根据关键词的缩影，然后找到这个规则去执行。 之所以要改成模型决策，是因为那你如果改成始终生效的方方式的话，就会在每一次提示词它都会就你用到，用不到它都会把它把规则内容加载进去，这样的话会也会占用我们的一个上下文内容。 第三个是记忆配置，我们增加记忆这个延时策略在用到的时候再去加载，不要每次就是提示词一写进去，然后我一提交，然后 ai 就 把我们那个项目的一个记忆全部加载过去了，那这样也是占用了一个上下文内容， 然后就生成了 repowerk， 嗯，刻的有一个，有一个比较好的一个地方，就是它一个 repowerk 可以 去点一下，然后去整帮我们的一个整个项目架构去整理成，嗯，最佳最佳的一个 md 文档， 这个文档的话我们自己自己可以去读一读，它里面是帮我们规划好，总结好了，就是每一个文，每一个流程的一个调动电路是怎么去用的， 然后这个文档也是可以也可以去看的，他在实际在编码过程中也可以根据一些关键字搜索去读到这个文档，然后去找一下里面的一个最佳实 践，省得再去每次去根据编码的一个嗯，相关性，然后去缩影对应那个文件，这样的话效率会更快一点，而且效率更更好一点。 但是呢生成的 v vape， vape 它也有一个问题，就是它会生成有一些就是我们用不到的，有的话它会把部署的一些 啊，部署的一些方案最佳实践，然后生成的 v k 放到里面去。但是这些东西我们可能部署方式不一定是按它的规，按它的生成的来走的，然后就是我们那个测试， 嗯，自动化测试什么之类的，然后这些文档的话实际放在就生成出来，我们也不一定需要，需要，所以在这种文档我们建议就是生成完之后，我们把整个 api 仓库去检查一下，如果有没用的，我们可以直接删掉，或者是把内容直接调整一下。 然后就是项目的一个根目录下面加一个那个刻的一个 excel 文件，然后用来排除一些无用的一些目录。你像我们这个 together 和一个 build 文件，然后这种的话不用去扫描到项目里面去， 然后在规则的要求，要求 ai 输出的总结，然后在一百字以内。因为有时候我们在对话过程中可能会有一个问题，就我们跟他说完之后，他可能对话给你，最后给你回复了很长的一段总结，然后包括就是 我要按遵守某某规则，然后实现了某某需求，然后我的一二三四，然后一堆的总结。但这个总结呢，我们大部分情况下是不看的，所以建议就把 ai 的 输出一个总结内容控制在一百字以内， 这样的话我们让他精简一下，只输出出来你当前改了哪些需求，改了哪些问题问题，然后加上你就是改了哪些文件，这样的话我们看起来也更方便一点，对吧？ 第七个就是重开窗口，重开的话就是重置嘛。然后第八个就是按照我们那个需求选择模型那个等级以及编码那个模式，它不同的编码模式占用那个消耗量也是不一样的，包括模型等级也是 啊，对话框里面明确你的需求，明确你的输出，然后减少自动化跑测试，然后写总结文档，嗯，等占用过量的一个头看， 就对话框里面我们去描嗯，去描述好你的输出，他应该输出什么改什么哪些地方，然后不让他去自动跑测试，因为他跑起来可能跟我们那个项目不一定合适，不一定切合，有可能跑的时候还会报错，然后最后编辑，编辑时候也可能也可能会有问题， 所以他尽量就不让他去跑，这些东西你尽量疏明确一下，我们要让写完就完，写完就为止就行了。 然后第十个就是 ai 跑偏了，我们就要立即终止一下，重新描述一下，然后再新开个窗口，重新去纠正一下方向， 然后就是全局替换。我们在嗯，实际编码过程中肯定会有一些，就是可能哪些地方用到一个场量，然后这个场量或者是有一些地方用到一些变量，这个变量的话可能要全局去改一下， 然后这种的话或者是有些搜需要全剧搜索一下，从这种情况下呢，就避免我们直接用 ai 模型，可以用一些传统的方式，对吧？直接去 ctrl f 或 ctrl r， 直接去搜索替换就行了，也避免用杀鸡用牛刀。 然后呢， mcp 的 话也不是越来越多，越多越好，因为超过太多的话，它 mcp 跟 sky 不 一样， mcp 的 话它是每次会把所有的内容全部加载到嗯，你的上下文里面去扔给 ai， 嗯，太多的话它会占用你的上下文会很长，所以说不建议，因为 m c p 它是有工具嘛，工具调用就每个指令它这个工具怎么用的，它都会跟它描述清楚，嗯，不，不建议，就是太多，尽量不要超过八个， 你可以按照我们实际的一个对话的一个实际情况我们去呃做开启和关闭。 然后就是合理利用好我们一个大模型那个官网，你像我们一个千万的千万那个官网，你可以在这上面去把我们的一个已知条件或者什么一个规则，或我们一个要求目标，我们都可以组织好，然后扔到官网里面，让他去写代码也是没问题的。 然后而且它还是免费的，而且还不限量，而且输出的效果可能比磕到一根还要快。 还有就是我们刻到底下有一个语音模式好的思路，不应该被手速限制，对吧？ 我们可能想的很多，然后说的很快，然后最后呢？说完之后我们可以用那个梯子词优化，帮我们去组织成嗯，好的一个梯子词，分结构的一个梯子词，然后再去整个 ai， 这样的话我们就也能节省一部分效率，输出更快一点。 然后境界篇的话就是主要是讲我们的就是通过 scale、 mcp 啊，或者 hulk， 嗯，然后定规矩，让 ai 去遵守，然后让它从一个就是通用了一个大模型，通用了 ai， 然后变成了一个私人的开发助手 m c p。 m c p 的 话，嗯，应该大部分人应该都清楚 m c p 是 什么，就我们经常会用就它让 ai 能够去访问外部的一些接口，去访问一些，上网去搜一些资料，对吧？然后 可以做一些浏览器的自动化，然后 m c p 的 话，配置这个数量的话建议就是不要太多，嗯，可以小于八个。 然后下面推荐两个 m c p 啊，比较好用一点的。嗯，因为经常也在用，一个是 ctrl 七，就他会搜索一些最新的一些文档，就我们在用一些， 嗯，打比方就是用阿云的一些文档去去做 o s s 的 时候，你可以去直接用在对话框里面，然后用 ctrl 七帮我们搜一下，然后他会找一下最新的一个文档，然后就帮我们实践 比我们直接贴文档地址，然后直接贴贴片段代码片段要更合适一点，更好一点，更系统一点。第二个是做复杂推理的时候，有让 ai 能够按照深入思考的一个方式，第一步一步，第一步先做什么，第二步先做什么， 那最后一步先做在做什么？然后按照步骤的方式帮我们一步步去梳理这个问题，帮我们拆解问题，让它仔细思考我们这个需求，然后再帮我们去实现， 然后 scale， 就 scale 的 话是跟 m c p 啊，什么提字词啊，我们是一相辅相辅，相辅相成的，每一个都有不同的作用。 scale 的 话，它就是类似于一个操作手册， 我告诉你，我应该就是在里面，我们，我把一系列的工具啊，把一系列的，嗯，就是我们一个操作方式，我们把它给封装好，告诉你怎么去用， 然后打个比方，就做个 ppt 吧，我们用题词告诉一下我们先需要，需要做什么， 然后 ai 知道之后，然后 ai 去掉我们这个 style， 嗯，调我们一个 ppt style， 然后它去看里面内容，然后去知道了，知道我应该调哪个 gs， 去整理文档，调哪个 python， 去把 gs 把 html 转成某一个 ppt 格式，然后怎么去排版， 那怎么去？呃，如果我需要一些图片，我怎么去？通过 m c p 去连接文档去获取一些图片，然后插入到合适的位置，那这样就这样一个流程，它们是相辅相成的， 然后网页访问的话，推荐这边也有，也有三个 skill， 一个是第一个是网页做网页访问的，然后一个是 notbook， 你经常用的话应该知道这个是做知识库还是比较合适的。你写需求可以把需求文档传进去，然后直接在代码里面让他去连连接这个知识库，然后去根据知识库内容去帮我们去生成专业的、合适的，就比较精准的一个分析， 分析结果， ai 输出结果最后一个 pua 嘛，就是让 ai 去 pua， ai 让它输出的效果更好一点，就不让它说我做完了，我变异通过了，实际我一群一运营全部都报错，对吧？ 让 ai 自己去检查自己。嗯， openstack， openstack 的 话也类似一个，嗯，也是一个 scale， 它类似一个就是一个工作流的一个方，它以一个工作流的一个方式去帮我们实现我们的一个需求。它跟 plm 模式的一个区别， 就 play 模式，还有一个 quest 模式，对吧？我们刚刚讲了一个 quest 模式， quest 模式的话它也是先建 spec， 然后最后再嗯，执行我们这个 spec， 它跟 quest 模式也很像， 就我们先去探索，我们先用这个指令，然后嗯，加上我们的一个提示词，让 ai 先去先去探索我们的一个需求， 去分析调用一些技能，然后去分析去去探索我们一个需求，探索完之后他觉得没有问题了，然后再去。嗯，通过这个指令，然后听通过提案这个指令去帮我们去发布提案。我们生成对应的一个落地的一个 m d 文档， 包括我们那个任务，还有个提案内容，包括我们那个设计，还有整体的一个嗯，拆解的一个需求，怎么去拆的，怎么去实现的，包括风、风险和标注，包括我们中间一些澄清的，就他在探索的过程中也会跟我们进行交互，就怎么去澄清这个文档， 澄清完之后，然后他觉得没问题了，然后会我们可以去执行这个提案，去让他去只根据提案里面的内容去帮我们实际去落地，去编码。 对，然后这个编码写完之后没问题，测试的话他不会自动帮我们执行，然后需要我们自己手动去执行，就测试没问题之后，然后我们觉得验收通过了， 让他再去进行规档。他一个好处就是你提案发发布完之后，你可以新开窗口，或是今天写完写个提案，我明天再再开，再开一个窗口重新去做，他可以持久化到你的一个项目仓库里面去，就不会说你开个窗口你就废话就断了，就刚刚说过的东西，我就忘记了， 它不会，这样就会有个持久化的一个过程，会好一点，就适合我们做，在平常日常编码过程中适合做一些，就是一些小需求啊，多个任务的一个拆解，多个任务的一个开花。 嗯， at database， at database 这个是我们那个 idea 一个插件的一个功能，我们可以在嗯电话框里面通过艾特艾特符类方式把我们那个数据库嗯引入链接，直接 skimmer 直接链接嗯艾特出来， 然后它艾特这个字链，拿到这个数据库链接之后，它也可以去连接你的数据库，然后访问你的一个表，访问你的一个字段，嗯，还有你的一个数据都可以帮你查，对吧？ 然后生，然后你可以在多少框里面告诉一下，然后你连到这个税库，然后帮我读一下，像我的加，加上我们的一个项目架构，然后一个项目规则，然后去帮我直接生成对应的一个实体类啊， 还有就是每个 control 还有帮我们实现加上再加上我们一个 notbook 知识库里边，我们可以直接让需求从需求到数据库，然后到我们的一个到落地，直接帮我们把整个代码全部生成。 但是效果的话可能要跟你的根据你的一个需求的一个内容，一个实现的一个细节来的。 然后第二个就是我们可以通过就是做 bug 排查，嗯，在测试过程中，然后遇到了一些问题，然后可以通过让 ai 去帮我们去找一下这个接口，它的一个实际的一个实现，一个路实现的一个路径，对吧？ 先就找到这个逻辑之后，然后他会去读一下我们那个 circle， 读完之后，然后直接把这个 circle 拿到数据库去执行，然后把你的参数也塞进去直接执行，执行结果看还是数据问题还是我们的业务逻辑问题，就全流程自动化去去排查了， 咳咳，还有一个就是，嗯，比较实用的一个就是 s s 去远程一个排查一个功能，就我们传统的一个流程的话，我们是先登到 s s 去服务器，对吧？然后先去嗯，根据命令去搜索一些搜索， 搜索网址，查一些服务器的一个配置，查一下当前的一个运行环境，然后查到之后我们把网址内容切回来，然后扔给 ai 对 到框里面去聊，然后让 ai 去给结果，给结果之后 ai 拆出来一个结果，然后我们去执行，然后再扔给 ai 再去拆，这样来回反复去服务器验证， 这样的话效率却很低，有可能排查一个小问题一两个小时就过去了。现在的话我们可以直接通过 s o 去连接， 嗯，就在我们那个嗯 ide 工具里面，它有一个叫做远程资源连接的一个一个图标，你通过这个去连接到我们一个 s 去，直接在我们那个服务器端去去访问 ai， 让 ai 可以 实时去读我们的一个服务器的一个配置，读我们的一个日，读我们的一个日子，包括我们。嗯，他在遇到问题他排查的过程中有哪些？就是执行的一个结果，他可以自己实时去看，对吧？看到有问题他就去改，减少很多的一个排排查问题的一个时间。 但是 s 去呢？嗯，用的时候我们也要注意一下，就是尽量是用最小的一个权限账号去登录，因为 ar 的 话毕竟是不可控的嘛， 它有可能会给给我们执行一些比较不安全的一些命令，然后可能会把我们这个服务器环境搞坏，所以说尽量就是用最小权限的一个账号给他一个止读了，然后去帮我们排查问题就行了， 然后操作的话就便于最终一下，然后有些高风险面临的话，不要让它就不要改成自动执行。嗯，改成手动执行，人工确认之后再去执行，生长环境的话就慎用。 嗯， hock 就是 让 ai 去守规矩的，守规矩怎么就在我们的一个 cut 里面去有一个 hock 文件夹就可以去配置这个东西， 让 ai 去，就是他就配了后壳，之后我们可以让 ai 在 我们输入提示词之后发送给 ai， 然后 ai 的 话就会检，就是首先它会触发我们一个后壳命令，检测到我们这个提示词里面有没有敏感信息啊，有没有什么，就是不需要执行那些指令啊？ 嗯，这些东，这些东西，然后我们就嗯让 ai， ai 就 就会自动帮我们连接掉，就不会说把这些内容发给大模型。你记得最开始的时候我们可能之前也遇到过， 就是有些人在有些用户在大模型里面去问 ai 要一个什么，嗯，微软的一个 windows 的 一个秘密要，然后 ai 大 模型发出来了，然后结果还是真能激活的， 因为这种可能就是别人扔，扔到大模型里面，然后当成了个语料，然后又被另外别的人获取到。也会有这种问题， 我们的一个代码里面的一个 k 啊代码一个密钥是不连接的一个方式啊什么之类的，这种你可以通过后壳来去拦截掉，不用就是让直接发给发给大模型， 然后一些敏感的一个敏感的一个操作啊，删除数据的一个操作，尽量也也可以通过后壳然后去拦截掉，自动拦截。还有就是还有就是我们就是有时候 ai 说它已经写完了，代码 它写完了，但是我们实际在跑的过程中，我们去测试的过程中去翻译的时候，然后全是报错。这种的话也可以在那个后壳里面去配一下， 然后去配一下编辑的一个指令，让 ai 在 写完之后它去自动去执行这个指令，然后编辑有问题，然后也可以自己继续去改，还不需要我们人工去介入， 然后也可以去配一下，就是嗯，配一些就是外部的一个服务，我们可以把嗯，我们当前的一个 当前 ai 执行的一个内容全部配进去。 ai 的 一个输出内容，包括包括 ai 的 一个什么 sky 技能、 mcp 啊这些东西全部执行了一个， 执行了一个结果，执行了一个过程，包括最最终输出的一个内容。总结，我们可以通过服务发给另外一个平台，然后去做一些就是知乎的总结，经验总结，对吧？也可以去做这些控制。 ai 那 个后壳的话，它就类似于我们在 java 里面，类似于我们那个漆面，还有个前置增强，后增强 这种。然后在提提交题词的时候，它可以去做一些敏感拦截，密钥提示，增强密钥拦截啊，调用工之工具之前呢，它可以去做一些就是命令的一个拦截，哪些命令不应该执行，哪些命令是危险命令，然后调用工具之后呢？然后就可以去， 嗯，去跟踪一下我们哪些文件做了变更，哪些文件做了调整，然后我们改了哪些文件，改到哪些地方？工具调动了一个结果都可以做一些输出，对吧？ 然后还有就是 aint 完成，最后完成那个响应的时候，我们做了哪些技能啊？然后经验了一个总结沉淀。输出到文件里面去，可以输出到一个外部的文件，或是输出到外部系统里面去。 它的一个配置的优先级，一个是首先从用户个人配置开始，然后到我们那个项目配置，然后最后到我们那个，嗯，本地的一个个人那个配置，你可以通过附件文件去配置，这个就它的优先级是从低到高开始的， 如果是项目级的或者用户级的，我们就放在用户目录下面去，这样的话就每个项目都会通用的 啊，就然后剩下的就是我们一个规则的一个配置，规则的话应该都知道我们扔给 ai， 让 ai 去写好代码，怎么去写好代码肯定要有规则，有陷阱，对吧？我们陷阱它去怎么去输出，然后 写的代码一个语法加我代码的一个语法怎么去实现？哪些是最就我们一个编码规范，嗯，都要扔，都让它按照这个去遵守，对吧？然后我们目前的话大概就有这几种项目，一个是新项目， 嗯，新项目的话，新新项目的话我们就直接通配一个规则就行了，像编码规则啊什么之类的，我们可以从其他项目直接拿过来去用就行了。那迭代项目的话，我们是先生成一个 replay， 根据 replay 的 生成的一个结果， 然后我们再去让 ah 帮我们总结一下当前这个规则。我们项目那个编码规则，因为它根根据我们当前项目里面那个编码，那个风格代码的一个写法，然后就很轻易帮我们识别出来，然后先帮我们整理一版，就是最初的一个规则， 整理完之后我们自己再去检查一下，有问题我们再去调整，对吧？还有一个就是我们一个多个项目子项目的这种情况，作为一个大项目里面，我们可能有呃多个弧去调用的， a 调用 b， b 调用 c 这种多个弧的，我们可以把这些大的项目就多个子项目放在一个大的项目里面去， 然后大项目里面我们放一个地图导航，就 a 进四点 m d， 对 吧？然后在 a 进四点 m d 里面我们可以指定， 我们可以指定，嗯，嗯，就是我们可以指定，嗯，每个，嗯，每个每一个项目子项目，它的一个对应的一个文档的目录啊，嗯，一个子项目的一个规则的一个位置啊之类的，你可以把这些指定好，就把地图的一个路径做好，目录的一个路径做好， 然后让 ai 自动去识别，去找到对应的位置，然后就帮我们去处理，然后它在写多个项目的时候，也会根据这个规则的要求，然后找到对应的一个项目里面去，然后再根据这个项目再去实际帮我们去改对应的代码，然后尽量保证我们的一个风格统一，对吧？ 但是规则的话有，嗯，规则的话是有几种生效方式的，一个是使用生效所有的就是每一次废话都会自动加载的。 还有个就是手动引入的方式，然后它会通过就是拍摄录的一个方式去手动去引入进去，就有些特定的就针对某个 g s 的 一个文件编码，我们需要通过这种方式去引，对吧？ 还有始终生效了，你就所有的当前这个加号项目，我们所有的编码规则都要遵守，每次写代码都要遵守的，你可以去按照这个来，也可以就是指定文件生效，指定某一种就是 python 文件啊，或者是 js 文件。这个写这种文件的时候我们去生效或是配置模型决策， 让 ai 的 话根据我们那个在实际，嗯，就是在输出过程中，在实际调用过程中，根据关键字，然后看它是在写文件的时候，还是在去查文件的时候，你可以去去决定它要不要调用这个规则。 规则的话配置有几个原则，第一个我们是 a 印字做地图导航，嗯，这是在项目根部下面， 然后我们那个刻到点 zero 下面有一个，就每一个细具体的一个项目规则，我们可以再添加，先添加一些核心必要的一个规则， 先把规则添完善好，先添加进去，添加完之后根据对话的反馈，我们在对话框里面就跟 ai 进行对话的时候，根据它一个反馈的一个结果，输出的一个结果，让我们再持续去更新， 有问题我们去调整，对吧？然后单文件的话，单个规则，规则文件的话建议是小于两百行，因为太多， 你规则文件太多，你相当于你就打个比方，规则太多相当于是没有规则，对吧？你立立的规则太多的话，就相当于没有立足之地，他就没法去给你写，所以规则太多可能就相当于没有规则，尽量不要写太多太长、太容易的规则， 容易的时候我们就，我们就大胆的去删除一些，然后每隔一段时间呢会进行一次重构，把规则重新整理一下， 然后 color 也有一个记忆系统，让 ai 越用越懂。你的这个我们可以在记忆里面去配一些，就是相片号啊，或者是我们让在实际对话过程中，它会每次会帮我们整理更新的， 你可以，嗯，记录一些相片哈，嗯。然后沟通了一个风格，例如我们连接数据库需要用哪些数据源，嗯，需要去查哪些哪个哪个数据库的，哪个 scanmail 的， 对吧？我们编码的一个风格，我们用命令的时候， python 命令的时候，我们是用 py 还是用 python 三这种， 那我们可以把这些记到我们那个记忆里面去，在实际使用的时候记得项目规则，实际使用的时候他会去根据自动加载的时候，自动去输出的时候，会去自动帮我们缩影这个规则，缩影到规则，然后缩影到这个记忆，然后帮我们去加载，然后里面的一个就是调用的方式， 但是记忆呢？嗯，也不要配太多了，一个全局记忆，因为全局记忆的话，他是嗯每次对话你跟他聊天的时候，他都会去加载进去，所以会会影响我们的一个上下文的一个占用。 而且我们在配的时候也尽量配一些，就是记忆加载延迟的一个策略，就是在按需使用，在我们实际用到的时候再去去缩影，去加载，不要每次都去直接就把所有的规则全部所有的记忆全部扔过去， 核心价值的话是用的越久它也就越懂你，对吧？然后嗯，我们一个进阶的一个总结，规则文件的话，尽尽可能的话简洁一点，然后一切都重要的时候换，一切都不重要，因为规则太多，反而就相当于是没有规则，也可能就不一定遵守。 然后知识内嵌我们看不到的 a 就是 ai 看不到的一些东西，它可能就不存在，你尽量把我们那些知识啊，我们些啊，文档那个 circle 啊，是建表 circle 什么之类的，我们扔到一个项目项目里面去， 而不是说放到一个其他的一个目录，它看不到这些东西，它就没法去帮你写好代码，对吧？它不知道你表结构什么样的，它就没法跟你去实修项目的一个逻辑， 然后机械验证，而会人工验证就尽量配一些，就是工程化的一些检查， 而不是说让人人工去一个去扫，这样的话写更有效一点，让 ai 去。在嗯，写完之后，我们可以用工程化的一个检查方式进行一些命令，然后去帮我们自动编页，自动去检查，检查通过之后，然后再，嗯，再提交，对吧？不，不通过的话让 ai 继续改 那多工具备用。嗯，尽量我们可以用一下。就是，呃，千万弄一下官网，弄一下领马，对吧？每个工具他都有自己一个特长，一个领域，然后可能刻的解决不了的，我们在领马里面能解决，然后刻的解决，我们在千万里面也能解决，对吧？ 然后频繁提交啊，不要批量啊，就是一次性提交，你写完就，嗯，立马就去验证，然后没有问， ai 写完之后立马就去验证，没有问题的话我们直接提交，提交可以查，然后降低我们的一个回滚的一个成本， 然后多开废话工资的，就我们每就可以多开几个废话，因为每个废话它上下文是独立的，我们可以在每个废话里面去聊，不同的废话里面去聊， 然后使用 hock， 有 时候我们这些敏感信息啊就可以。嗯，通过 hock 去拦截，对吧？然后最后一个就是我们新工具如果不会用的话就是先用，用熟了之后再慢慢配，对吧。大概就是这样一个情况 啊。然后最后呢？最后的话我们再做一个，就是我们的一个简单的一个 case 的 一个演示，包括我们分享里面提到的一些啊， is data base 啊，或者是 s h 啊，或者是我们的一个 hook 的 一个拦截， 我切一下屏幕啊。 呃，主持人那边有什么问题吗？呃，您可以先进行项目演示，然后之后有问题的话，然后我再给您进行反馈。嗯，好的好的。 嗯，我们先演示一个基最基础的一个 hook 的 一个配置，对吧？嗯，我做了两个，就是敏感文件拦截的，一个是敏感文件拦截的，嗯，随便演示一个，就做了一个小 demo 啊。配置 hock 的 话，就是在我们的一个 color 点下面， color 点 color 下面，我们配置一个 hock 文件夹，然后加一个 setting， 点 jason 文件，然后在文件里面我们把 嗯，对提，每次提交的时候我们去拦截，然后就会执行我们的这个规则，就我们这个敏感提示词的一个教验文件，然后遇到我们这个遇到拦截的，遇到我们的一个就是敏感信息了，它就会自动拦截掉，然后帮我们直接退出，就不再发给 ai 了。 打个比方啊， 啊，随便说一段密钥是吧？说一段密钥，然后让 ai 帮我加到我们的配置里面去 啊。调动被 hok 阻止，如需解除，需要在 hok 中文件中调用啊调整，就我们在有一些敏感信息的话，我们就可以在这边去配置，配置一个 hok， 你 可以把这个提交到 git 里边，每个团队都可以去用。 然后遇到一些敏感的一些制服啊，敏感的信息，身份证号或者这些密钥什么之类的，你在提示里面去说的时候，它立马就可以，就不会传到大模型里面去，直接就阻止掉了。 还有一个就是我们那个 as database， as database， 嗯，简单做个演示， 它是我们在那个 id 里面一个插件里面一个功能，因为在 id 里面它是在我们那个 id 里面是没有这个功能的，它的 id 里面是没有这个功能的，因为后续官方应该会去加。然后现在在那个插件里面是有这个功能，可以直接通过插件去对话的一个方式 有这个我们通过 id 啊，然后 data base， 呃，把我们的一个数据库的一个连接，嗯，就直接去艾特出来，我们直接在这里面去对话，让他帮我查一下有哪些表，对吧？帮我们新建一个， 我这边就随便写了一个，然后我们根据实际的情况我们自己去调整。就是在用的时候可以去调整 啊，他已经查到我有一个商品表了，然后就不不用帮我们建了，让他帮我们建一个订单详情表， 因为连接数据库随时是有很多好处的。第一个在排查问题的时候，我们可以直接把接口路径贴给他，然后把入参贴给他，那么这些东西我们都可以从网页上去获取，对吧？获取完之后我们直接把这些内容贴给他之后， 然后让他自己去找对应的接口文档，找找对应的接口接口的一个逻辑，然后自己去梳理，梳理过程中如果发现哪些地方需要连接数据库去查看数据的，然后他也可以自己去查，查完之后然后告诉我们到帮我们分析具体是我们的业务代码有问题啊？还是我们的一个数据问题。 然后他是先帮我们新增了一个，在我们的一个嗯， circle ddl 文件里面帮我们新增了这个表，先加了一个建表的一个 circle， 加完之后，然后帮我们实现了我们那个实体类，对吧？然后单子表有没有执行到数据库呢？应该去查一下直接问嘛。 呃，我这个电脑可能配置还不一定能执行这个命令，你买售后连接这个命令，它要执行通过之后才能进去， 可能我装的那个需要脚板不？不太不太合适， 我们可以试一下，就是用我们的 ide 的 方式，然后去帮我们去处理，看能不能行 啊。命令好像执行不了，可能是我这个 id 二版本不太合适啊，可能不支持这个执行这个命令，但实际工作实际功能是可用的 啊，在我们的 id 里面还是很强大的。帮再帮我们直接执行了，然后数据库连接成功，然后没有这张表，然后帮我们直接执行命令，帮我们新建了，然后建完之后，然后告诉我一个结构是这样的， 我们去查一下 啊，确实有这张表， 然后让我帮我们往数据库里面插一些数据， 现在表是空的，它直接插入三条模拟数据， 速度还是很快的，一会儿就抄完啊。确实数据也在， 然后我们在实际排查过程中或者照数据啊，也可以通过这种方式让他直接帮我们执行，他会写一些脚本帮我们照数据，然后跑一些数据，就是代码排查的时候，也可以让他去帮我们连数据过去查数据，对吧？是代码问题还是数据问题？都挺好用的。这两个， 然后就我们刚 ppt 里面分享了一个，嗯， s h 去连接，就是在这个这个图标， 这个图标点开之后的话，它里面是有一个就是你需要配置，配置一下你的就是主机，还有你的用户名，对吧？配完之后，然后你去通过这个图标去连接，连接完之后它会让你去输密码， 因为我这个配的是因为有些地址不太方便演示，所以这里没配啊。还有 配完之后他会打开，就是在我们那个新窗口打开，打开完之后我们这个对话框也是也是可以在里面在服务器上直接去这边这侧边去打开这个对话框的，可以在服务器上直接去问他，让他帮我们去交互，查一些那个服务器配置或查一些问题。 然后就是我们那个 scale 的 一个 scale， 我 们刚刚 p e d 分享里面有一个 open spike， open spike 的 这个 open spike 这个技能，你演示一下这个技能怎么去用的？ 你可以直接通过斜杠指令把它给艾特出来，艾特出来之后你可以再告，直接告诉他那个我们写一个简单的需求，帮我开发一个。 嗯，订单退款，呃，需求，那直接告诉他我们的目标就好了，然后他会先帮我们做澄清，先帮我们梳理， 先解锁我们这个项目结构，解锁完之后然后再帮我们去编辑， 先探索，探索过程中可能会用到很多，查到很多文件，很多实体类，很多表， 那订单状态现在已经完成了，有没有退款的？没有退款的借口，他帮我们去梳理一下，然后先问几个问题，就是退款场景触发，谁能退？然后什么时候能退？ 只要有订单进格是吧？都能退。退款方式先退到哪度 就原路返回就好。直接退到余额 啊，需要记录的退款记录表 订单的一个状态，你可以加一下扩展，就他在实际帮我们探索过程中会先去帮我们审视整个搜索整个项目， 然后需要我们澄清的，他会先就会告去问我们，然后澄清完之后他再去帮我们再继续澄清，继续探索，这款是我需要审核，暂时不需要吧？ 哎，何老师，您当前的这个画面还是在刚刚的那个插入那个数据表的那个画面？是不是需要切个图，切个屏 我看一下啊？啊？我当前还在 idea 里面啊，不好意思 啊，对，这个是正确啊，对， 然后最开始我是通过这个指令的方式，然后去让他先帮我们去探索这个需求，对吧？探索完之后他会问了我几个问题，然后这几个问题呢？我确认确认回复之后， 然后下面他又帮我重新梳理了一下，整个一个探索流探退款的一个流程，然后帮我们就设计了哪些表啊，退款设计表啊，还有一些对应的接口啊，然后怎么去做？包括我们一个项目，一个架构，然后怎么去，在哪一层怎么去写，对吧？帮我们梳理清楚，然后最后再跟我再去澄清几个问题， 就是确认所有问题都澄清完之后，然后才去帮我们编辑退款，是扩展到订单给我们还是新建？ 是我需要退款查询接口审核人制段 使用 c 档吧。 然后再次澄清完毕之后，它会再告给我们一个最终的一个总结， 然后总结生成完之后是问我还有有没有必要继续探索，要么就是直接发布题案，对吧？发布题案就直接到生成那个 spot 文档那个地步了， 你直接发布题案，等它提交变更到我们的一个落实到我们的一个文档， 他在写的过程中也会去先去看一下我们现有的一个题啊，就有哪些十八个文档，嗯，需要去没有没有完善的，或是没有没有规章的，也可以帮我们去检查、 添加订单、退款，帮我们新建了一个情节， 然后他会创建三个，三个文档，一个是题案变更文档，还有一个开发任务文档， 然后记录它那个文档，那个时间创建时间， 这就我们一个提案内容，为什么要做这个接口，对吧？然后哪些地方需要改，然后新的变更，有哪些东西，然后修改哪些地方来帮我们就是一步步记录清楚， 有这个，有这个题案，有这个文档之后，你就可以再直接掀开窗口，或者是明天再来写，都可以，因为他没有规章之前都会这个清洁下面去，然后明天再去，接着让他去查到我们当前未完成的一个规章文件，然后让他接着去写，都是没问题的。 这个是我们一个设计文档， 就会澄清了几个问题，他也会在这里面去记录啊，最终要怎么去做，然后包括我们那个项目的一个规则怎么去，在这里面也会去遵守 啊。这个就是我们那个实际的一个任务文档，就是我们开花第一第一天应该做啥，第二天应该做什么，对吧？他也帮我们细节到非常小的一个颗粒度啊。第一步先先改哪些？第二步先改哪些，帮我们非常细化， 这样的话就保证 ai 去在实际落地的时候不会不会跑偏，对吧？ 就很细，每个时段，然后在哪个对象里面新建，哪个时段新建哪些东西？第一步、第二步、第三步哪一层新的 app 跟一层，然后另一层每一层需要建哪些东西， 然后写完之后我们可以就是退出我们的一个嗯探索模式，但现在应该是就到我们的一个嗯应用模式了，因为刚才的题案已经发布了，现在到我们一个应用模式，直接让它应用当前这个 嗯题案去帮我们去实现这个逻辑，开发逻辑 可以先查看我们有哪些已经存在的一些文件，然后再接着这些文件进行进行，帮我们去编写去改。那创建了十几个很小的一个突突任务， 因为它的突突的任务它都都是颗粒度很小的，具体到很很细的一个点，这样的话就是 ai 的 话，它肯定不会跑偏，对吧？你大的方向肯定会容易有问题，但是越细的点它越容易自信。 一个退款结构他写了很多，写了十几个，嗯，十几个就代办思想，二十二十三个， 在很细的点上帮你去做开发。 二点几时间效率还是很很快的啊，一会就帮我们写到二点多， 生成了这么多退款，退款的一个，然后基础的一个 resource map， 然后搜索， 然后查询退款查询，然后订单查询，根据条件点查询插入，还更新的，后面生成了很多一些基础的基础的一些那个代码文件， 而且用到了我们一个就是实体类转换的一个一个工具并转换的一个工具也是比较好的一个时间， 然后生成了实体类，生成了 map， 七到三点五了， 然后帮我们新建了一个返回程的一个对象，还有入仓的一个对象， 你帮我们加新加了五个接口啊。申请退款的审批退款，审批通过退款，还有个审批拒绝退款。嗯，长信订单详情，那个长信订单列表的，长信退款列表 新帮我们新建了一张表，嗯，退款单号关联订单号用户 u i d 退款金额 退款了。一个整体的一个逻辑帮我们完成了 整个退款流程还是很长的，我们实现了接口，实现了五个逻辑，一个退款查询、 退款列表，退款详情， 这边也有一个进度，一直在加载中 变更了二十四个文件， 我们在写的过程中也可以去看一下这个上下文的占用量， 如果用如果是用嗯，这个 openstack 的 一个方式去写的时候，它虽然压缩了，但是不影响 ai 的 一个输出， 因为他的一个实际的一个计划编码的一个流程，他已经是落实到我们的一个文档中去了，他就按步骤去完成就行了。做完他就会更新，然后下次再检查从哪些没做完，哪些做了 啊，最后是帮我们跑翻译，翻译我们就不让他跑了，因为有可能是跑跑不通过了。我就是做了一个单冒型项目，可能环境不一定能跑的通啊。我们先直接终止掉， 然后让他帮我们去做规档， 规档完之后的话，当前这个嗯需求就开始写完了，然后下一次的话他会去检查，再去写的时候他会检查有没有没规档的，如果没规档他会继续帮你填写，如果有规档的话，就不用不会再去检查了，就直接跳过了。 我们一般是在写完之后就是确认检查没有问题之后，我们再去归档，因为他在写的过程中，没归档之前，我们可以去调的，就可以跟他继续对话，让他去更新文档， 尽量保持我们那个文档的一个最终，是最终的一个正确的一个决定决策，然后在正确的决策上去归导，因为我们他这个文档是做了增量的，增量的更新增量的文档，下一次再改同一个地方的时候，他会在里面去做一些小的变动， 每次都是增量的 啊。归导完成的这个编辑有问题，你环境问题吗？ check。
94Qoder
01:08查看AI文稿AI文稿开发者只需定义目标 ai 智能体就能完成编码任务。五月十五日，阿里巴巴正式发布 coder 一 点零，标志着其从 ai ide 升级为智能体自主开发工作台。该平台支持 windows、 mac os 和 linux 系统，用户只需专注定义需求目标，后续的代码执行、验证乃至交付全流程均可由内置的 agent 团队在工作台内自动完成，实现了开发过程的自动驾驶。 coder 一 点零推出了全新的 quest 立式窗，集成了任务管理、状态追踪等功能。它支持跨项目、跨代码库的多任务并行处理，开发者在一个屏幕内就能掌握所有任务的大局，进展显著提升了复杂项目的开发效率。 此外，平台新增了自定义专家能力，允许开发者配置专属的 agent 团队，以贴合特定业务场景。阿里表示， coder 产品家族已服务全球超过五百万用户。
3环球智联
00:19查看AI文稿AI文稿五月十五日，据阿里云消息，阿里发布 carter 一 点零从 ai ad 升级为智能体自主开发工作台，用户只需专注需求定义 agent 团队，即可自主完成执行、验证和交付全流程任务。目前 windows、 mac os 和 linux 系统用户均可下载使用。
1每经电讯
03:34
01:18查看AI文稿AI文稿货拉拉是非常受欢迎的搬家拉货软件，大街小巷都可以看到他的身影，尤其是小面包车，非常适合搬运少量的货物。 那么货拉拉面包车怎么收费？一、起步价三十到三百五十元不等，起步公里数五到十五。 二、小面包车载重五百公斤，长宽高一点八，乘一点三，乘一点一，载货体积二点六方三十元五公里，六公里及以上按三元每公里收费。三、 中面包车载重一吨，长宽高二点七，乘一点四，乘一点二，载货体积四点五方五十元五公里，六公里级以上按四元每公里收费。货拉拉使用小贴士，一、在货物少的时候，用户可以选择小面包车，这是货拉拉便宜的车， 车型三十元五公里起步，超过五公里加三元一公里，如果东西少却叫了一个大车，肯定不实惠。二、如果货物稍微多一点的话，建议选择比较适合室内短途运货的车型中面包车，不过价格会比小面包车贵一些。 三、如果是厂家发送批量货物，可以中货车，这个车型就比较适合货物较多的情况，大家了解了吗？
2854物流解忧站-曹先生
08:43
