claude code有什么工作流

如果你现在用 cloud code 只会一句一句发需求，那我建议你先别急着让它写代码，因为你可能不是不会用 ai， 而是根本没把它的隐藏能力打开。这期直接讲六个很多新手没打开的核心能力。开完以后， cloud code 才不是一个临时帮你写代码的聊天框，而是一个能长期配合你的开发搭档。 第一个项目，记忆入口名叫 innit， 很多人每次开新绘画都要重新解释技术栈、目录结构和代码风格。 innit 的 价值 就是让 cloud code 生成 cloud md 这种项目，说明先认识你的项目，再开始干活。第二个， play mode。 新手最容易犯的错就是还没想清楚就让 ai 直接改代码。 play mode 的 意义是先让它读项目，拆方案，判断风险，再进入执行。第三个 compact， 压缩上下文，绘画异常， ai 很 容易被前面的信息冲淡，越聊越散。 compact 就 像给对话做一次整理，把真正重要的方案接口和未完成任务留下来。 第四个，自定义命令，官方叫 custom slash commands。 很多人每天都在重复输入同一类提示词，比如代码审查、提交总结、性能检查。它的价值 是把常用提示词沉淀成自己的自定义命令，命令以后随时赋用成工作流。第五个， sub agents。 复杂项目不要总让一个 ai 绘画硬扛所有事情，它的关键是分工，主绘画统统方向， the agent 分 别负责审查、排错、测试和文档。第六个 hoops， 这个能力很多新手完全没碰过，但它决定了 cloud code 能不能守流程。你可以把它理解成自动质检员，改完代码以后提醒检查 结束任务前提醒验证结果。所以真正拉开差距的不是会不会问一句帮我写代码，而是你有没有把 cloud code 配成稳定工作流，项目记忆解决重复沟通 play mode 解决乱改压缩上下文解决跑偏自定义命令解决重复提示词 sub agents 解决分工 hooks 解决交付质量这六个能力建议收藏起来慢慢吃透。关注我，后面继续把 cloud code 的 高阶玩法拆给你看。

为什么我认为国内普通人使用 cloudco 的 推荐组合方式就是 westco 加 cloudco， 再加 cc switch？ 对 大多数 mac windows 用户来说，这套方案的门槛相对较低，即使不用官方的 cloud 模型，也可以接入合规可用的模型服务。 但我知道，每次一提 cloudco 评论区，一定会有人说，国内连 cloud 都用不上，学这个有什么用？今天我就想认真聊聊这个误区，因为这种想法是把厨师的名气和做菜这件事本身混淆了。 打个比方，模型不管是 cloud， 还是国内的 minimax、 dixie、 g l m、 kimi 这些，它们其实都是厨师。厨师当然有高下之分，米青大厨做出来的红烧肉，味道确实更地道 高扣它是厨房，这里面有灶台，有刀具，有流水线，是真正干活的地方。而 skill 是 它的菜谱，它是告诉厨师先做什么，后做什么，做成怎么样才是合格的。所以讲到这里，关键的问题来了，厨房其实不是绑定某一类厨师的，你想做一道红烧肉，可以请米其林的大厨来做，也可以请国产的厨师来做。 口味可能有点差别，但红烧肉这道菜照样能端上桌。可现在很多人听到请不到米其林大厨，转头就把厨房封了，菜谱也扔了。那最后的结果就是永远只能去餐厅点菜， 也就是在网页上跟 check gpt 聊聊天，问问问题，复制粘贴，拿走答案。而别人已经在家开了私厨，让 ai 自己开火切菜，直到做完为止，端到你的面前。 所以我想说，用不上 cloud 的 官方模型，不是放弃 cloudco 的 理由，模型只是厨师，厨房和菜谱还在，换个厨师照样能开饭，放弃这类 a 准工具可能就会错过了让 ai 在 你确认授权的情况下面去执行具体任务的能力。 那明白了这个道理，我们再来看一下这三个工具。为什么说这是国内普通人用上 cloudco 的 推荐组合方式。第一个就是这个 vsco， 它是你的开放式厨房，你可以理解成这是一个能让你和 ai 一 起站着干活的工作台， 左边能看见所有的食材，你的文件夹中间是切菜台，下面还有个对讲机，也就是你的终端面板。你跟 ai 说一句，开始做菜，它就会在你面前动手，它不是给程序员用的，它就是一个有窗户的能看得见的厨房，比那种黑漆漆的命令行的窗口对新手友好太多了。 第二个就是 coloco， 它就你的专业厨房系统，它是整套方案的核心，聊天 ai 只能告诉你菜怎么做，而 coloco 能自己去做，最后把成品交给你。 这个就是 ai agent 跟聊天机器人最大的区别，一个动嘴，一个动手。那第三个就是 cc switch， 它是你的厨师调度台 clarkco， 这个厨房原本默认只能联系 frotty 官方的厨师，那 cc switch 就是 一个图形化的调度台，你点几下鼠标，它就会让厨房可以接到任意一家国产的模型。今天用智普的 glm， 明天换成 mini max， 它可以让你降低切换配置的麻烦。所以三个工具合在一起的化学反应就是 c c 思维去解决厨师从哪来的问题。 cloudco 提供专业的厨房 vsco， 就是 给你一个看得见的工作台。 那讲到这，把基本的环境和工作都搭建好之后，大家就要掌握对应的 skill， 才能做出各种精美的菜式，也就是让 ai 帮你干活的说明文档。 skill 是 cloudco 最厉害的地方，它本质上就是别人沉淀好的工作流， 把做某件事的完整方法打包好。而更进一步，你完全可以让 colco 帮你写一个属于你自己的 skill。 所以 再回到开头那个问题，为什么我说 vsco 加 colco 再加 cc？ switch 是 国内普通人用上 ai ai 的 推荐组合，因为它把那道门槛踢开了，它不挑系统，不挑模型，第三方的 api 服务、订阅套餐都能接它。不管你是程序员 懂不懂代码，它都可以让你从在网页上面跟 ai 聊天，升级到让 ai 帮你自动处理任务。听到这，不知道你对这些概念是否有了一个更清晰的了解，如果这些内容对你有帮助，欢迎一键三连，我们下期再见！

本期视频分享 obfuscate 加 cryptic v 四来搭建 obfuscate 加 ai 的 本地之库。而在上期视频介绍了将 cryptic v 四接入 cryptic 的 详细步骤，那这期视频我们把这套组合打包放进 obfuscate 中，让 ai 完成内容总结完、赚写等工作， 并且还可以让它画出我屏幕上展示的这些手绘风格的画板。视频内容主要分为四个部分，第一，安装 colorcode 和购买 deepsafe api 并完成配置。第二，介绍两款 obsidian 插件，能够实现 ai 接入。第三，演示 ai 加 obsidian webclip 来获取网页内容并总结。 第四，来安装 external 和 skill， 一 键完成白板的画布绘制。第一步，安装 cloud code 和购买 deepsafe api。 在 我的上一期视频有非常完整的介绍，你可以直接去看上一期视频， 不过在这里我可以快速的过一下。首先，到 cloud code 项目官网复制你电脑类型的一键安装指令，支持 microsoft linux， windows windows 用户需要安装一下 get， 直接到 get 的 官网下载安装包安装即可。 第二步，打开电脑终端应用，粘贴命令执行，执行完毕之后你就可以使用 colocode， 可以 通过 colocode 命令启动它，但是它还需要接入第三方的 api 模型。 第三步，我们来安装一个 cc switch 的 开源工具，它可以帮你把第三方的大模型接入 colocode。 在 项目的首页有下载安装包的地址，找到对应的安装包下载安装。 第四步，到 deepsea api 官网购买十块钱额度的 api， 然后创建一个 api k， 点击复制。最后打开 cc switch 这个软件，点击右上角的加号找到 deepsea 供应商，下滑粘贴 api k 模型，这里复制我填写的模型名称，点击保存，然后点击测试模型按钮，显示运行正常，之后点击使用就可以了，然后在终端应用输入可导的 code 了。 视频第二部分介绍两款 obsidian 插件，都能够实现调用 ai 的 功能，分别是 terminal 和 cloud 点，根据个人的需求来选择。先来介绍 terminal， 它可以在 obsidian 内部直接打开一个终端窗口来执行命令行的操作，比如调用 cloud code， 而且不离开 obsidian， 我 们直接在第三方的插件市场搜索这个名称安装即可。安装好之后，左侧会出现 open terminal 这个 logo， 点击一下 就会有三种使用方式可以选择，这三种模式对应三种不同的场景。外部模式它是在 obsit 之外启动一个终端应用，所以会脱离 obsit 的 环境，所以不太需要。 整合式，它是在 obsit 内部启动一个终端应用，所以推荐使用这个第三种。开发者控制台主要是给开发者调试插件使用，所以也不推荐。 我们在这里点击整合式，右侧的侧边栏就会出现一个终端程序，这个终端所在文件夹的位置就是当前知识库的位置，输 入 code 的 指令就能够直接调用 code。 比如我提问统计一下当前知识库一共有多少文章，多少个字，那它在侧边栏就会执行任务指令，如果需要权限许可的话，也会提醒 它可以在这里阅读文章内容，写文案，安装 skill 等等。操作和终端的使用体验是一样的，区别就是不需要额外单独的开一个终端窗口。 另一个插件是 cloud 点，在我准备视频的时候，它还没有上线第三方插件市场，但现在好像已经上架了，可以直接在这里安装。如果你搜索不到，这里也介绍另一种安装方式。我们直接打开 cloud 点的 github 仓库， 点击 release， 来到发布页面，需要下载这三个文件，分别是 g s， jason 和 c s s。 然后回到 obc 点第三方插件这里，点击打开插件文件夹，那这里呢？都是你在 obc 点中安装的插件，在这里新建一个文件夹，名称就叫做 ko 点。比如我这个， 直接把刚刚那三个文件都移动过来，然后重启一下 ko 点，在第三方插件里启动 ko 点， 左侧应该会有一个 open cloudian 的 图标，点击一下，右侧就会出现 cloudian 的 对话框，不需要进行任何的设置，只要本地安装了 cloud code 就 可以使用。我这里已经有了一些历史对话，它的界面相比于 terminal 是 比较美观的，对话时会默认选中当前正在看的 microsoft 文件。 右下角有三个按钮，分别是开启新的 type 页面、开启新对话以及查看历史的对话。我推荐使用考点，它比特米诺的适配度更高，也更方便。 cloud code 在 每一个工作的项目文件夹都会有一个 cloud 点 markdown 文件，用来指导 ai 如何在这个项目里面工作。一个完整的 cloud 点 md 文件可能需要包含这些内容，但这个是给开发用的，个人简单使用的话，只需要制定规范，明确输出要求和输出格式就行了， 不需要写得很复杂。我的 cloud 点 macdunk 里面就包括了简单的仓位定位、目录结构、输出规范等等。因为我可能会获取到一些英文的内容，所以会有翻译的规范。每个人的 cloud 点 md 根据个人的需求来不断修改。 在看一些扑克网站的时候，可以通过官方的 obsidian webcliff 这个拓展插件来将网页的内容保存成 macdunk 格式，并存储在 obsidian 中，并且是保留了章节的信息、配图等主要内容。 我之前的视频里会用到一个白板工具，用来展示整个视频的章节信息或者某个功能对比。 这个白板叫做 excel， 是 一个主打手绘风格的在线白板，它有单独的网页版，但是在 opc 店里面也是可以使用的，并且我觉得在 opc 店里面可能会更加方便，因为可以直接使用 ai 来生成内容。 我们首先需要安装一个 offset 插件，名称就叫做 extracutor。 然后我们可以在文件里面新建一个白板，在这里面进行内容的编排，可以直接插入图片或者输出这种手绘风格的文字。 但是想要让 ai 帮我们直接生成的话，就需要安装一个 skill。 我 安装了这个 skill 叫做 extracutor diagram， 安装方式也非常简单，直接复制这个 skill 的 仓库地址给到 cloud code， 然后说请帮我安装这个 skill 就 可以了。 安装好之后可以通过斜杠命令来险性的调用这个 skill， 比如让它把以下内容生成一个画布，具 体的内容是我刚刚从网页上获取到的，是关于 deepsea v 四的任务表现情况，那等待一会，它就会生成一个内容，一个简单的 deepsea v 四使用场景分析就做好了，如果需要修改的话，直接在这里编辑就可以了。 在之前的一期分享 obsidian 获取视频内容的教程里，有人让我分享我的 cloud 点 macdunk 文件，我会把我的配置保存成一个在线文档，包含这期视频提及到的所有内容， 一键三连，然后私信我， obsidian 自动获取。 ok， 那 以上就是本期视频的全部内容了，我们下期再见！拜拜！

今天的目标是手把手教大家在没有魔法、没有 cloud 账号的情况下，如何安装 cloud code， 不 需要任何代码基础。纯小白友好，我从 cloud code 的 内侧就开始用，到现在已经一年多了，每天工作都在用。但我并不是程序员，也没有任何技术背景，所以我想从我的视角做一个系列视频， 结合我实际的工作场景，从安装开始，一步一步带大家上手。先快速回答几个大家在安装前可能有的问题，第一， cloud code 和前段时间很火的小龙虾是一个东西吗？都是顶尖的 ai agent， 但路线不同， 小龙虾走的是广度路线，他活在聊天软件里，覆盖几十个平台，帮你处理跨平台的消息、日常邮件、 qq 了，走的是深度路线，他的规划模式、上下文管理这些设计，都是为了把一件复杂的事从头做到尾。我们在工作中要做的调研分析、小工具、工作流，本质上都是造一个完整的东西， 这是 ko 擅长的。第二，有那么厉害吗？能用来干啥？我是零技术背景的产品经理。举个例子，一份行业调研报告，以前我要花一周，现在跟他说一句话，十分钟出来做一个内部投票工具，以前要找开发排期，现在我自己半小时就做好了。我甚至还自己搭了一套广告物料投放生产的工作流，一天可以做十几组物料图。 第三，没魔法，没 ko 账号，还有必要装吗？市面上大多数 ai 编程产品，本质是 ai 辅助你写代码，前提你得懂代码， code 是 你说目标 ai， 自己从头做到尾，全程不用空代码。对零技术背景的人，这才是真正的用的形态，而且国产扣顶模型这一年做的特别快，接近 qq 里使用，可以满足大部分场景。我用 mac 来演示 windows 的 安装命令，我截图放在视频最后了，大部分步骤是一样的。第一步，装 homebrew， homebrew 是 mac 上的一个软件管理器，可以通过它来安装 qq 的。 打开终端，复制这行命令，粘贴发送。这个时候要输入密码，看到这个提示的时候回车就行。装好之后，这里会提示我们加一个路径，照着他给的命令我们复制粘贴跑一下， 我们可以输入这个命令验证一下。好，这个时候我们可以看到 homebrew 的 版本号了，说明已经安装成功。接下来就是安装 curl code， 同样是复制这一行命令，粘贴到终端里发送。 当我们看到这个 successfully installed， 说明 curl code 已经安装成功了，我们可以复制这一行命令验证一下。 看到最新的版本号是二点一点一四三，说明安装成功。同时我们可以输入 cloud， 当我们看到这个橙色的小螃蟹的时候，就说明已经安装成功，但这个时候还没有接入模型，它只是一个壳，我们可以先退出，连按两下 ctrl 加 c 退出。第三步是安装 cc switch， 我 们把这一行命令复制下来，然后在终端内发送 c c switch 是 一个模型管理工具，装好之后可以一键切换不同的国产模型，不用手动去改配置文件提示 c c switch 已经成功安装了。第四步，拿 api key。 我 今天用的是小米 miimo， 选小米纯粹是我自己用，觉得效果不错，性价比也高。浏览器搜索小米 api， 小米的话，因为我是订阅了它的一个月度套餐，所以 api key 和 base url 都跟 api 这边呢是不一样的。进到 cc switch， 点击右上角的加号，然后选择自定义配置。这里我们需要手动填写相关信息，把小米的 key 填进来，然后把兼容 andropic 接口协议的这一个 base url 复制粘贴过来。 点击获取模型列表，在列表当中选择 mimo v 二点五 pro 默认兜底模型。选择 mimo v 二点五 pro 添加仅用刚刚添加的这个。回到 terminal， 输入 cloud， 可以 选择一个自己喜欢的配色。看到安全提示继续按回车就好。选择使用推荐的设置，确认信任这个文件夹目录。 这里已经出现了 mimo v 二点五 pro 的 模型名，我们尝试对话试试。看到这里，恭喜你在没有魔法且没有 qq 账号的情况下成功安装了 qq， 可以 开始开 coding 了。可以尝试让它做一个小网站试试看。 除了小米， mimo c c switch 里还可以接其他的国产模型， g l m， deepsea， kimi， mini max 都行。配置方式是一样的，在 c c switch 里加一个供应商就行。 qq 很 快就把这个 excel 文件写好了，打开这个看一下效果。 到这里，我们已经成功地用 color code 写了第一个 web coding 的 小应用。 windows 的 同学安装逻辑完全一样，只是命令不同。 第一步用 winget 装 git， 第二步用 winget 装 color code， 第三步到第五步跟 mac 完全一样。装好只是第一步。下一期我会讲安装后的必要设置，不同的模式以及 skill 体系。大家有什么想要了解的，也欢迎评论区留言。这是 color code 从零到实战系列的第一期，如果你觉得这个视频有用的话，可以给我一个一线三连催更，我们下期见。

最近半年使用 cologod 安装了近百个 skr， 最后发现真正能提升工作效率的其实只有三个技能，今天免费分享给大家。第一个， superpowers， 这个 skr 改变了我用 cologod 的 方式。以前我是直接把需求交给 cologod 的， 让他来写代码，写出来虽然能跑，但是经常跑偏，改来改去浪费大量时间。 装了 superpowers 之后，我养成了一个新习惯，每次开弓前先跑一遍，不认英斯德尔敏。这个技能能让可洛的反过来问我问题，你打算怎么处理并发数据库选什么 等等等等。问完一圈，他会把讨论结果写成设计文档存到本地。听起来多了一步，但这一步帮我拦住了无数次的反攻。有些问题你自己都想不到，但是可洛替你想到了。 注意， superpowers 包含了二十多个紫技能，千万别全开，我只用 breamstorming， 头脑风暴， 其他的按需加载，要不然会浪费大量上下文。第二个技能， playing with fails， 这个技能解决了我被坑过无数次的问题。 cloud 有 个问题，它做到一半就失忆。不知道你们有没有遇到过 一个复杂的任务，聊了半个小时，可乐突然说，好的，让我们开始吧，然后就把之前做过的事情又重来一遍。根本原因是对话太长了，上下文被压缩，之前的计划全丢了。普莱因维的 flow 的 做法很聪明，就是别把计划写在脑子里，它是存在纸上 克拉的扣的。每次动手前会先建一个计划文件，每完成一步就在这个文件里打勾，就算上下文清空了，重新读一下文件就能接着干。 这个思路跟 minnes 很 像， minnes 做常任务为什么玩？因为它所有的中间状态都存在本地了。第三个技能， roughlop， 我 给这个技能起了个外号，监工 sky， 你一定体验过 cloud 的 摸鱼模式。写到一半突然说基础框架已经搭好了，你可以在此基础上继续完善。 翻译过来就是活我没干完，我先下班了。 raflopp 通过一个或可拦截 cloud 的 退出动作，他退出的时候或可会检查。你说的完成标准达标了吗？没达到，回去继续写。 我用它写过，完成过一个 c r u d 模块，设了条件，所有接口测试通过加 redmi 写完才算结束。 kloth 中间响停了三次，但都被塞回去了，最后确实把活干完了。但要注意的是，完成条件一定要写写具体做完用户模块这种话等于没说， kloth 分 分钟说服自己已经完成了写成。完成登录接口可用 单元测试，覆盖率百分之八十。加 redmi 包含 api 文档，它才没法浑水摸鱼。以上就是我常用的三个技能，今天希望能够对大家有所帮助，感谢观看，拜拜，下期见！

大家好，今天给大家分享一个我改造的仓库啊，我是基于之前分享的 trading agents 这个六十五 k star 的 仓库进行了改造啊，改造完之后它就能够适配我们大 a 的 投研的分析， 这个是全称 trading agents a stock， 有 七位分析师，有多空的辩论，还有风控的决策。开始之前我再说一下，本内容仅为 ai 编程技术分享，不构成任何投资建议，不是有风险，投资需谨慎。 呃，原版的框架有三个不太适合的问题，首先是数据是不通的，他走的是雅虎 finance， a 股的数据是拿不到的。第二个是规则，呃，他还是 t 加零，没有我们大 a 的 规则。 然后第三个是角色的缺失，就是他只有四个角色，他缺乏我们，呃，大 a 对 这个政策面，还有这个油资啊之类的这些解读， 所以我对这三个维度进行了呃，深入的改造。首先是角色层面，就是它原版的这个 agent， 呃，确定 agents， 它有四个角色，技术与情，呃，与情分析，新闻还有基本面 啊，我增加了政策分析，就是我们大 a 的 一些产业政策，监管政策，然后还有油资的追踪，就是龙虎榜大单这些，然后还有解禁的监控，就大股东解禁，就是做了一些 a 股特色化的一些 a 卷的新增，增加了这三个， 然后决策的炼炉，我没有进行改造啊，就是还是七个分析师，呃，出报告， 然后但是我加了一个要质量门控的自动检查，就是对其一个分析师的报告进行一个质量的检查，因为他原版的这个产品，他出了四个报告之后就没有人检查的，然后就直接就到辩论了，但我觉得报告的质量是下面辩论的这个基础， 所以我就加了一个质量门控，会有一个这个质量检查的环节，如果质量不过关，要打回去让他们重新写。呃，第一层是分析报告，第二层是投研的辩论，第三个是风控的一个辩论，最后是最终的决策 啊。我对这个数据源也进行了更新，大家都知道我的那个 a stock data 啊的数据源，我都把它给接进去了，就是数据都是直连的，包括这个 k 线啊，这个适应率这些，还有新闻、现场，财经这些都连进去了。 呃，能力方面就是开开箱即用，大家把这个确定 ags stock 给到你的 ag， 他 就会用了啊。七个分析师，有七个数据员，还有五档的评分，然后我还加了一个外部 ui， 就是 原版式的 ui， 可能比 较简陋一些吧。我也给自己做了一个 ui 给大家用啊，有输入代码之后，它就能进行十二个阶段的进度的推演，然后最后导出一个 pdf 模型，都是支持的，接 api 就 可以了。 ok， 最后做个总结，就是这个仓库就叫这个名字啊，大家去记下来就好了。然后分析师有七个分析师 啊，数据员有这么多，就我都整合完了，都是指点 a p i 的， 然后辩论环节有这个，多空有这个，最终这个激进保守中立的风控啊。第三角色这个就不说了，特色呢是全开源的，全免费的。呃， tapp 上有个 cn 版本，他们这个前端那些不是全开源的，然后我这个，我这个改造的版本是基于原版改造，而且是全开源全免费的啊，也是没有 apikey 的 啊。这个写错了，这个可能跑不了，但大家去把那个仓库交给你的 a 卷就可以了。 ok， 今天的分享到这，谢谢大家。

大家好，今天给大家分享用 cloudcode 搭建大而稳定的数据源啊。这个仓库叫 a stock data， 他 上线七天，拿了一千一百个 star， 一 共有七层架构，二十八个端点，还有十三个数据源。开始之前我强调一下，本内容仅为 ai 编程技术分享，不构成任何投资建议，股市有风险，投资需谨慎。 呃，数据源其实一共有三个坑啊，一个是嗯 money 的 问题，就是有积分墙，像 to share， 它需要付钱才能用 啊，免费的它也能，但是就端口很少，没不咋好用啊。然后还有个封 ip， 就是 aikir， 百分之四十五的请求是指向东财，它会封 ip。 然后第三还有停更，有一些数据员他已经停更了。呃，这个 a stock data， 它的解法是把这些数据库都给拆解了，植圆了，植连了源头的 api， 就 没有这些 aikir 这些的中间依赖 a stock data 呢，它一共分为七层的数据，行情、研报、信号、资金、新闻、基础数据公告啊，公告就是巨潮，这个就不用提了。然后还有这个通达讯，行情层是通达讯加腾讯财经，加百度 k 线 啊，还有一个这个信号信号，这个大家可能会比较关心题材的归音，就是为什么强势的题材归音，这个大家应该懂啊。然后还有这个龙虎榜，还有解禁，还有行业。然后这个研报层是东财，东财的一些研报，然后艾文才这个也能有研报的搜索， 所以总的加起来，这七个层面的数据是应该是够肯定够大家用了啊。这财报在这个基础的数据层，这都是免费的，全部都是免费的。 信号城呢，刚才也讲了一下，它不只有涨跌浮榜，就是还有好多东西，就题材的归因，涨跌的这个，这个涨封封顶的归因，然后各股的资金呢，还有这个龙虎榜的席位，全市场的龙虎榜， 然后还有行业排名啊这些，呃，资金层面呢，还有一些筹码层面的数据，都是有接口可以接的。 呃，总结一下呢，就是这个 skill a stock data， 它 excel 搞定了七层架构，二十八个端点，还有十三个数据员， 嗯，总的来说它其实只需要一个 api key， 就是 爱问财那个也是呃，免米的。然后总结一下最终的方案，就是行情层用 通大讯、腾讯财经、百度 k 线研报用这几个，然后信号用这些，就这这些其实语言大家也都能找得到，大家也能自己去封装，但是这个 skill 就 它已经都封装好了， 所以大家就可以去研究一下，可以使用七天一千一百个 star， 还是挺快的。好，我的分享到这，谢谢大家。

四月份的时候，如果你问任何一个高阶开发者，桌面端该用什么？答案百分之一百是 cloud。 但是为什么到了五月份，大量原本始终的 cloud 的 用户开始疯狂逃离？ 答案是令人窒息的账单。表面上看， cloud 更新到四点七之后，解决模糊任务的能力确实变强了，甚至还学会了点儿 gpt 那 种我要稳稳接住你的黑化。但在这背后，他悄悄修改了 tokenizer 的 计费逻辑，不再由用户控制思考深度，而是默认强制思考。 很多用户发现，更新之后的 token 消耗量至少比以前飙升了百分之二十到百分之三十。在传统的对话模式里，这或许还能忍，但在桌面端， agent 需要不断地读取本地文件，检查报错，无限循环执行测试。 一个晚上的全自动 bug 修复跑下来可能什么事都没干成，一觉醒来，几百美金的 token 额度就已经灰飞烟灭，甚至账户直接被刷成负数封禁。 cloud 狂飙的代价是，它正在把桌面 ai 变成一种连中产阶级都用不起的奢侈品。如果说 cloud 是 傲慢，那谷歌的 jammer 在 桌面端的表现只能用惊慌失措来形容。 在很长一段时间里， google 的 动作迟缓得让人难以置信。在这个谁先占领本地桌面谁就赢的关键节点， deepmind 内部似乎陷入了极大的混乱。 jimmy 的 模型表现极度不稳定，上下线差距极大，用很多开发者的话说，感觉就像是对牛弹琴，直接废了。但不可否认，谷歌的底子依然在。为了阻击竞争对手，他们成立了专门的 strike team 死磕 anthropic， 并在违背了多年不碰本地客户端原则的情况下，准备赶在五月二十日 google i o 大 会前极限发布了 mac 版的桌面应用。 谷歌的算盘很清晰，模型层面我暂时没拉开代差，但我要用我手里庞大的 g suite 浏览器和系统级生态强行捆绑你。 而整个五月最让人意外的反转，其实还是 codex 的 反杀。几个月前， codex 在 圈子里的名声并不好，他天天操着一口奇怪的黑话，犹如我不跟你绕，你就是太清醒了。 这种略带江湖气的 ai 语言，让很多严肃的程序员觉得他很不专业。但就是这个像街头混混一样的 codex， 在 五月份彻底掀翻了桌子。他凭什么？ 第一，极其暴力的原声计算机控制。它不仅支持浏览器自动化控制，还能直接接管你的电脑操作系统。 很多人戏称它才是真正进化版的太空小龙虾，它会在每天早上你刚睡醒时像个真正的助理一样主动弹出来，告诉你昨天哪些代码跑通了，今天建议怎么改。第二，也是最致命的一击，廉价算力。 这也是为什么大量中国开发者和海外羊毛党集体抛弃 cloud， 转向 codex 的 根本原因。 codex 最聪明的地方在于，它本质上是一个路由器，或者说超级壳子， 它允许用户在后台极度自由地配置第三方 api 接口。在二零二六年的今天，国产大模型在代码生成和多模态理解上的能力已经逼近了美国的一线水平， 更重要的是，它们的价格只有美国巨头的几十分之一。 codex 实际上是借着中国模型的极致供应链优势，在全世界打了一场降维打击的消耗战。你 cloud 确实聪明，但我 codex 挂着国产模型，用只有你十分之一的价格，干成了你百分之九十的活。 在算力成本面前，什么高贵的设计感，什么灭绝师太般的统治力，全都不堪一击。那既然桌面端开打了，既然 agent 这么烧钱，那我到底该怎么用呢？记住一个死理，在桌面自动化时代，永远不要把所有的任务无脑扔给单一的重型模型， 你需要像管理公司财务一样管理你的桌面。 a p i 走向下面，我直接把这套目前硅谷极客圈都在用的三网融合工作流抄给你，建议直接截图或收藏，这能帮你每个月省下至少几百美金的冤枉钱。第一步，零门槛，底层部署， 不要去下载那些花里胡哨的第三方套壳，直接用命令行复制下面三行代码。 jimmy 只要有个公众账号就能白嫖。 codex 需要叉 gpt plus 或 open ai api key， cloud 则最贵，需要 pro 订阅或绑信用卡的 api。 第二步，正确分配工具，装好之后千万别瞎用， 你要学会给它们分配不同的工种。 jammy 去当免费的探路炮灰，他的核心优势是一百万 token 的 免费超大上下文，让他把项目吃透，给出方案，你点头了再动手。 cloud code 可以 当架构师，在多文件的一致性、对边界条件的考虑上， cloud 依然是目前地表最强。 codex 可以 当流水线工人，那些明确的、重复性的需要局换的脏活累活都可以丢给他。但也给个提醒， codex 的 浏览器自动化功能是一个极其危险的吞金兽，一旦它在测试网页时遇到浏览器崩溃，陷入无限重启的死循环，它一个晚上就能烧掉你两百美金，让你的 a p i 账户直接变负数。 所以凡是涉及浏览器的任务，必须一定绝对要设置超时熔断时间。第三步， 把这些工具组合成工作流。早晨掏出 gemini， 把长篇大论的需求文档和乱七八糟的旧代码丢给他，利用免费大模型把思路理清。下午掏出 cloud code， 针对核心模块进行重构，多文件同步修改，确保逻辑严密。下班前就可以让 codex 上场做 review 了。在这场桌面端的大战中，巨头们希望你变成那个无脑续费、任由 agent 烧钱的傻白甜。 但真正的超级个体，是懂得在不同的底层算力之间搭建属于自己的防火墙与调度器。这才是我们今天聊桌面 a p i 的 最终目的。记得关注这里是 ai 商业慢谈，每周分享最新的 ai 资讯和商业理解。

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。

就在前两天， cloud 扣的刚刚发布了 agent 视频有功能，如果你平时需要同时打开四个、五个甚至更多的终端窗口，处理不同的项目，那这个功能简直就是你的救星。它能将所有的绘画合并到一个窗口中，让你实时查看每个绘画的状态，并且统一的进行响应。 那今天我们就来看一下 agent view 这个功能。它的使用方式很简单，我们先要确认一下 cloud code 的 版本是否大于等于二点一点一三九，然后在终端中输入 cloud agents， 就 可以打开它的仕图。 这个 agent view 啊，解决了开发者最头疼的看不见就容易忘的问题。它将任务自动化分为三个逻辑清晰的区域，有效地降低了多线城开发的焦虑感。第一部分，待输入的任务，那些卡在决策点，正等着你批准方案或者给出进一步指令的任务。 第二部分，那些正在后台滚动推进的任务，实时显示运行时长。第三部分，就是已完成的需要你收工确认的任务， 并且这一次 cloud code 还升级了它们的视觉反馈系统，增加了颜色和图标，分别代表了不同的含义。五种颜色，绿色代表任务圆满完成。黄色代表任务处于离子 in post 状态，需要你的反馈。红色代表运行报错，需要立即的介入。 灰色代表你手动停止的任务。白色的动态旋转，代表任务正在后台高速运转。三种图标的形状，第一种，小圆点，表示程序已经结束，你可以随时从 cloud 上一次中断中进行回滚。第二种，实心花，代表后台的进程非常的活跃，正在处于执行的阶段。 第三种，空心花，这个代表任务正处于两次尝试之间的休息间隔。然后是关于交互操作， cloud code agent view 现在可以直接点击某一个绘画，就可以进入到完整的终端模式进行操作，然后再使用左箭头就可以随时返回原来的仕图。 那如果你想快速的预览和回复，你就可以将鼠标悬停在某个绘画上，并且按下空格键，这时候会弹出一个小窗口，用来查看该绘画已运行的时间和当前的进展，并且能够直接的进行简单的回复删除绘画也很简单， 把鼠标悬停在灰化上，并且连按两下 ctrl 加 x 就 可以快速的删除不需要的灰化。那介绍完了前面的基础功能之后啊，这一次 agentview 最具革命性的特点是筛选与终端进程的彻底分离。在以前使用 cloudco 的 开发过程中，关闭终端往往意味着任务的停止， 但是在最新的版本中，你可以使用杠 b 机这个指令将任务推入后台，然后放心的关闭他们的终端，甚至是重启电脑。 当你再次输入 cloud agents， 你 的任务仍然会在执行，并且现在多目录管理 agents view 支持跨项目的追踪， 你可以在 project a 目录下启动一个 ai 任务，放入后台，然后 cd 到 project b 启动另一个任务。这些分布啊，在不同路径下的 agent 都会集中呈现在同一个 cloud agents， 试图中让你实现真正的痊愈管理。 这个时候如果再配合 agent view 的 杀手锏杠 go 这个指令的功能，你就不再需要一步步教 ai 怎么写，只需要设定一个客观的指标， 比如说用 go 这个指令帮我做一个三 d 的 怪物对战游戏， cloud 就 会进入自主实验，尝试优化的闭环，直到达成目标。在 agent view 中，你可以看到它运行数小时，或者说通宵都在运行。 这里需要注意的是，由于 go 这个指令目前仍然处于 research preview 阶段，如果同时启动过多的 agent， 可能会导致系统资源的消耗剧增，导致电脑变慢，所以一定要量力而行。最后我想说， agentview 的 出现标志着 cloud code 正在从一个对话式的插件进化为开发者的 ai 操作系统。 过去我们使用 ai 编程工具更多的是单线程，你提一个需求，他给一段代码，你遇到一个问题，他帮你分析一下，整个过程仍然是人盯着 ai 干活。但 agent will 带来的变化是，你可以同时管理多个 agent， 让它们分别承担不同的任务，有的负责改功能，有的负责测试，有的负责理解项目的结构。 这就像从我有一个 ai 助手变成了我有一只 ai 工程小队。所以 agent will 不 只是一次界面的升级，它 背后代表的是一种新的开发范式。这种范式的转移啊，正在把我们从大量琐碎、重复、低价值的编码细节中解放出来，让开发者把更多的精力放在产品的判断、架构设计、复杂问题的拆解和最终质量的把控上。 ok， 那 本期关于 coco 的 分享就先到这，我是布鲁，你的 ai 好 搭子，我们下一期视频再见。

上期分享的这个内容被超过二十万的小伙伴看过，但是评论区里面各种声音都有，今天就针对评论区里面讨论的最多的问题来做一期解答，然后让大家更快更好的用上这个提高生产力的工具。本期内容主要分为以下三部分展开， clolo 和 clolo 有 什么区别？我不会编程， clolo 能拿来干嘛？要想用上 clolo， 有 没有更快更简单的方法？ 首先 cloudco 和 cloud 是 两个东西， cloudco 是 编程工具， cloud 是 angelpop 家的大模型，就像 jamie 是 google 家的， g p d 是 open ai 家的。我们国内的就有字节家的豆包、月之暗面家的 kimi， 阿里家的千问。另外大家还知道哪些？欢迎评论区留言。 所以不是 cloud 不 能用，是国内要用上 cloud 这个模型确实是有点麻烦，所以不要搞错了，一个只是编程工具，一个是调用的模型。编程工具其实是可以接入多种模型的，如果能用上头部三家的大模型，当然最好现在用不了。其实咱们国内的模型也发展的不错， 现在国内的 g l n 五点一、 kimi 家的 k 二点五、 mini max 这些头部的模型在编程能力上面也已经逼近 cloud ops 这些顶级的闭源模型了，日常的工作基本够用。另外大家也可以看到我们国内的一些 coding plan， 比如字谱家的 g l n 都会支持 cloud code 这些编程工具，还有火山引擎的方舟、 coding plan 这种集成式的厂商一般都会囊括市面上出来的最新模型，比如你看这里的 g l n 五点一，还有 kimi 的 k 二点五， 这个就看个人的需求了，是只买某一家的，还是多种模型都想尝试的，就可以看自己的选择。那第二就是 coloco 是 编程工具，我又不写代码，我拿来干嘛？大家不要被这个编程两个字吓到了， coloco 表面上是一个编程工具，但底层逻辑它是一个 ai 编程 agent， 它真正强大的不是写代码，而是能自主规划任务，调用工具，操作文件，帮你把活干完。 举一个例子，无论是国内还是国外的 ai 聊天工具，你只能问他回答你，他无法帮你干活，给你一个具体的结果，有了 chloe， 接上 a p i t 之后，他就可以帮你干活。简单层面，你可以直接把任务给他。 举一个例子，之前我让他帮我配置小龙虾，也就是最近大火的开源 a 准框架 openclaw 的 api key， 它可以直接操作我电脑上的配置文件，直接帮我完成。再给大家举一个例子，就是 cc switch， 因为我知道 openroot 有 一些免费的模型可以调用，但是我自己配置太麻烦了， 于是我就丢了 openroot 的 官网给他，我让他帮我查看在这个官网上面有哪些可以免费调用的模型，让他帮我配置。你看这个就是他最后帮我配置完成的一个结果。 还有就是 ai 聊天工具无法帮你做到浏览网页，帮你整理数据，那这个时候就可以用到 app 上面各种开源的工具了，你只需要丢个链接给他，让他给你分析这个工具能干嘛，你评估过没有问题之后让他帮你安装，后续你就可以直接在 call 上面调用这个工具帮你干活了， 以及我之前的这些视频都是用 call 调用 app 上面各种开源的工具或者 skill 帮我做的。比如我之前分享了一些自动剪辑视频的工具，还有各种做 ppt 的 工具， 所以用上 call， 你 用 ai 工具的大门才刚刚打开。那最后一个问题就是嫌安装太麻烦，有没有其他更快更简单的方式？如果你已经安装上了 ctrl 或者 shift 这样的一些 ai 编程 ide， 你就可以直接把 kloc 的 安装文档丢给他们，让他们帮你安装。另外就有一种更加简单的方式，就是可以直接打开我们国内任意一个接入了 kloc 的 模型服务商，比如智普， 你看这里就有对应的安装文档，就是智普家的这个模型如何接入 kloc， 跟着一步步操作就行了，再不行之前我分享过的文章也有非常详细的步骤，大家也可以看一看。 所以用上 call 才是刚刚开始，后面能做的事情还有很多，希望这次分享能让大家真正用上这个帮你提效的工具。如果这些内容对你有帮助，欢迎大家一箭三连，我们下期见。

这期视频呢，将会教会你使用 cloud code， cloud code 呢，和只会聊天的对话式 ai 不 同，它可以在你本地的电脑上自主运行。那为什么 cloud code 很 强呢？因为它拥有很强的 highness， 可以 理解为各种工具的集成。 cloud code 虽然有 code 这个词，但是它做的好的不仅仅是编程。我们直接进入安装环节。首先呢，我们打开浏览器搜索 vs code， 我 们找到官网， 在这里呢有一个其他安装包，之后根据你的系统下载对应的安装包即可打开安装包，我们同意协议下一步 完成安装之后呢，打开 vs code， 如果你是第一次使用，那么你的 vs code 应该是英文的。这时候呢，我们去左边点开四个小方块组成的那个图标，在里面搜索， 找到下载量最多的那一个，下载完成之后，右下角会让你重启，我们直接重启。嗯，这时候我们就可以安装 cloud code 了，我们 ctrl alt 加 i， 打开它自带的 agent， 我 们可以直接用这个 agent 来帮我们安装 cloud code， 告诉他帮我安装 n o d e， 并且用 n p m 安装最新版本的 cloud code。 如果这样说呢，他会默认把 cloud code 安装在 c 盘。 安装完成之后呢，我们创建一个文件夹，将这个文件夹用 vs code 打开， 选择信任作者，在最上边的菜单栏选择终端，新建终端，第一次下载使用默认终端就出现在 vs code 的 下边， 我们在终端里面输入 cloud， 就 可以启动 cloud 了，我们点信任作者，这时候的 cloud 是 使用不了的，因为我们安装的 cloud 就是 一个工具包，还没有给它接入大模型， 我们给它接入 deepsea 微四大模型，如果想把图奥的 code 和 deepsea 组装到一起，我们需要一个链接软件，这个软件呢就是 cc switch， 如果你们下载的很慢的话，可以去评论区拿我的百度网盘的链接下载。 下载完成之后呢，我们在上边选择 cloud， 在 右边点击加号。供应商呢，我们选择 deepsea， 点进去之后，我们只需要填写 apikey， apikey 从哪获得呢？我们在我们打开浏览器搜索 deepsea， 进入 deepsea 的 官网， 找到 deepsea， 找到 api 开放平台， 我们只需要在这里创建一个新的 apikey 就 可以了。 之后呢，将 a p i k 复制到 c c switch 里边。这时候呢，我们就可以让 cloud 帮我们做小项目了， 我让他帮我做一个视频项目管理网站吧。值得注意的是，我们的对话框下边有一个 plan mode on， 在 这个模式下呢，他会倾向于跟你讨论方案，哎，出来了，我们随便选一下。 而 cloud code 实际上有三种模式，第一种呢就是我们刚刚说的 plan 模式。第二种就是默认模式，这时候呢，它会自己衡量哪些能做，哪些不能做，也会自动的切换模式。第三种呢就是编辑模式，这个模式下它有权进行文件修改，但是有些命令还是需要经过你的审核。 这三种模式呢，按 shift 加 tab 可以 切换，但这三种模式都有点麻烦，它总是会找你确认。 所以 c c 呢？还有一种模式，我称它为无视风险模式，它需要在打开 c c 的 时候加上这样一句话，因为绝大部分情况下我也不会管 c c 要什么权限，我都是直接同意的，这时候会多出来一种模式，当然这四种模式依然可以自动切换。完全做好了我们可以看一看。 嗯，还是不错的，之后大家就可以出几期视频，把我觉得常用的功能分享给大家。

我在陕西，今天收到了来自景德镇的老伙计寄给我的手工炒米炒生姜。我不是畏寒吗？这一切呢，就是因为我比大家接触 ai 接触的早，所以说正好呢，大家在学习 ai 的 时候呢，我可以分享一些经验给大家。 普通人呢，我建议小白从 call 代斯入手或者 cloud code， 我 用 call 代斯，它可以帮我自动抓取信息啊，这个可以帮我去写作，而且是用我的口气，呃，写作像我的风格像这个啊，就是普通人不懂技术也可以， 对吧？也可以靠 ai 啊，开一人公司，这些都是咱们呃中国年轻人一些真实的案例啊，现在的话就是像这个也可以，除了说帮我们写作呀，帮我们抓取信息呀，呃，帮我们打开思维呀， 呃，也可以帮我们去调研市场，实际中跑通的案例已经非常多了。呃，其实像我们今年的话可以说是 it 元年，但是呢，呃，真正的市场上的话，呃， ai 应用已经跑了七到八年了 啊，只是说今年面对普通人，他开放了，爆发了。所以说现在还等什么，赶紧上车呀，朋友们，不要再说你不懂英语，或者说啊，呃，你不会用 ai 就是国内的像，呃，豆包呀，千问呀，当然豆包的话就是说你日常生活中是问一些问题比较方便啊，真正的严谨一点的问题的话就是 kimi， 呃，千问好一些对吧？然后的话，像 j p t jimmy rock， 这这个就不用说了，公认的。再然后的话，我建议普通人一定要用 cloud code， code desk， 我 用 code desk 用的是最多的，你想让干什么你告诉他就行啊，就非常的方便。就是 就是，现在开始吗？你看我这么普通人，对吧？我对电脑原来也不擅长，对英文也不熟悉，但是呢，现在已经非常使用起来就非常的习惯了啊。所以说代表着像我这样的普通人，我们都是可以学会用用的起来的。 就像现在人人开始用智能手机一样，以后的话 ai 就 两种情况，一种是你被动使用，你愿意选哪一种？

cloud code 真正缺的不是更多 skill， 而是这三个工作流补丁。很多人一上来就装一堆 skill， 但真正影响效率的其实就三个问题。第一个需求没问清楚，代码直接开写，最后返工。所以第一个我会放一个 brainstorming 类 skill， 它的作用不是马上写代码，而是让 cloud 先反过来问你问题，比如病发怎么处理、数据库选什么权限边界是什么，失败情况怎么兜底这些问题问清楚之后，再把讨论结果整理成设计文档存到本地， 这样后面写代码不是边写边拆，而是按设计文档执行。第二个问题是，上下文一长，计划就丢了， cloud 很 强，但对话太长之后，上下文压缩，前面的计划很容易被冲掉。所以第二个我会用 planning with files 这类 skill， 它会把任务计划写进本地文件， 每完成一步就在文件里打勾，哪怕上下文清空了，只要重新读取这个计划文件，任务还能接着往下做。这有点像给 cloud 加了一个本地任务进度条。第三个问题是， cloud 很 容易提前说自己做完了， 尤其是复杂任务，它可能代码写了一半就开始总结已经完成，但你一测，接口没跑通， rough mage 没写，测试也没补。所以第三个我会用 rough loop 这种监工类 skill， 它的作用是拦住 cloud 的 退出动作，只有达到你提前设定的完成条件，它才算真的结束。 比如登录接口，可用所有接口测试，通过浏览器，包含 api 文档单元，测试覆盖率达到百分之八十。注意，这个完成条件一定要具体，不能写完成用户模块，你要写清楚哪些接口可用，哪些测试通过，哪些文档要有。 所以我现在判断一个 skill 值不值得装，不看他名字有多炫，我只看他能不能解决这三个问题。开工前问清楚，执行中不丢，计划结束前不假装完成。如果一个 skill 能做到这三件事，他才是真正提升。

别再问 codex、 cloud code、 cursor 谁更强？真正的问题是，你现在是在编辑器里改代码，在终端里调项目，还是想把任务交给代理自己跑？ 这三个工具不是同一个物种。 cursor 更像 ai 编辑器， cloud code 更像终端里的工程搭档， codex 更像可以接任务、跑验证交付结果的编码代理。 如果你每天大部分时间都在 id 一 里，先用 cursor， 它适合补全局部重写，选中一段代码直接改，也适合边看文件边问这里为什么这么写。 如果你习惯命令行或者任务离不开日制测试脚本， get 命令， cloud code 很 顺手。它的优势是贴着终端工作，边查项目，边跑命令，边改多文件。 如果你想说清楚目标以后，让代理自己读仓库，改代码，跑测试，总结 diff， 甚至开 pr， 那 codex 更合适。尤其是多任务并行、代码审查、重构和迁移。 所以选择口诀是，人在编辑器里先 cursor， 人在终端里先 cloud code， 任务要交出去跑先 codex。 不是 谁替代谁，而是谁在当前场景摩擦最小。 常见错误是把所有需求都扔给同一个工具，小改动用重型代理会慢，复杂迁移只靠编辑器补全会碎。先判断任务半径，再选工具。 如果你想要一张 ai 编程工具，选择清单，评论区打选型，觉得有用先收藏，关注我，下一条继续拆，真实开发工作流。

先看这个游戏，两个玩家输入同一个房间号就能实时进入同一局，攻击会同步，血量会变化，最后还能结算胜负。重点来了，这是由 ai 简编一份完整的需求文档一次性生成完成的。 但这次真正想说的不是 ai 又能写游戏了。真正让我感到意外的是，我专门做了一套 ai 长城任务工作流，结果发现不用它，强模型也能把这个游戏做出来。 我原来以为复杂的 ai 编程任务必须靠工作流才能稳。这套工作流不是随便几句提示词，它会让 ai 先补需求契约、技术方案、边界约束、验收标准，然后自动开发测试修罢，最后还要 交付测试的截图证据。自动化测试环节里面有一句很重要的话，页面能打开，只能叫开始，关键链路跑通才叫交付。 听起来很完整，对吧？但这次测的是同一个任务一次性做出一个网页在线对战游戏，不是静态的 demo， 它有前端服务端、房间号、双人实时同步攻击和血量的结算，规则也相当的严格。 提前写好需求文档，一次性丢给 ai， 中间不能补需求，不手工改代码，最后只看交付结果。反常识的地方来了，用工作流能做出来，不用工作流，只给清晰的需求文档也能做出来。虽然这不代表工作流没用， 但它能说明一件事，当模型能力足够强，需求文档足够清晰的时候，工作流不一定能决定能不能做出来，它更可能决定的是另一件事，过程能不能被验证，结果能不能复盘，后续能不能交付。所以我现在不会一上来就问 要不要给 ai 加一套复杂的工作流，我会先问这个模型和 a 准的上限在哪， 先写清楚需求文档，让墙模型跑一次，如果他已经能够做得出来，再去验证工作流能不能提升质量失败修复效率和交接成本， 这才是墙模型时代更合理的顺序。一句话，墙模型不怕提示尺短，怕需求模糊墙 a 准的不缺流程，缺清晰的目标。

朋友，我求你别去碰 cologold， 真的 碰了这辈子就完了。你会不想睡觉？不想出门，不想搭理？朋友？一睁眼就是 web coding， 玩三角桌，玩计算机，有意思吧？ cologold 这个劲比他们上瘾多了，你下班回家只想打开 cologold， 更可怕是什么？是有些人压根没工作就天天宅在家里，从早到晚的 web coding， 凭着一股劲瞎敲代码，一敲就是一整天。 所以我先把丑话撂这。要是脑子里有那么一丁点想法，有那么一点点创造力，千万别喷他，你一旦上手，你脑子里想要啥，他就能给你做出来啥。 想要个 app 做，想要个网站，没问题，想做个工具，轻轻松松，他没有任何边界。 而且我跟你讲，它还不贵。你要是不想了解 clockcode， 行，划走，别关注我。你要是不想知道怎么把 ai 工具榨到最后一滴价时也行，划走，我给不了你任何东西。别说我没提醒你哦。

你敢信吗？ cloudcoat 的 启动速度比这个工具慢了整整二百四十五倍！ jcoat 手帧只要十四毫秒，而 cloudcoat 要三点四秒， openai codex 也要八百八十三毫秒， cursor 将近两秒。 jcoat 的 渲染帧率超过一千 fps， 你 看不到任何闪烁。 它是一个用 rest 丛林打造的 coding agent， 性能碾压所有主流竞品，内存差距更离谱， j code 单绘画只占二十八兆， cloud code 要三百八十七兆，差了将近十四倍。当你开十个绘画并行工作， j code 总共才二百六十一兆， cloud code 要吃掉二点三 g。 open code 更夸张，直接干到三点二 g。 j code 每多开一个绘画，只增加不到十兆内存，限性增长完全可控。这是最让我兴奋的功能。 swarm 多 agent 协助你同时开多个 agent， 在 同一个仓库工作，它们会自动发现彼此 agent。 a， 编辑了一个文件 agent b， 马上收到通知，自动检查有没有冲突。每个 agent 还能自己 spawn 新的队友并行干活，一个变三个 消息，支持私聊、广播、仓库内群聊三种方式，团队管理全自动。传统 ai agent 每次开心绘画就像失忆了一样，什么都要重新说。 j code 不 一样，它有完整的语义记忆系统， 每轮对话自动生成向量嵌入，通过鱼弦相似度自动匹配相关记忆。你不用主动去调什么记忆工具，它自己就想起来了。而且它会自动提取、存储、整合记忆，还有 m b n mode 在 后台自动帮你整理，这才是真正像人类的记忆方式，这个概念太疯狂了。 j code 的 agent 可以 进入自我开发模式，直接修改自己的原代码，编辑编辑测试重载，二进置全部自动完成，不需要写插件，不需要做扩展能力，完全没有上线 改完之后自动重载，所有活跃绘画无缝切换。开发者建议用最前沿的模型来做这件事，因为 j code 的 代码库可不简单。 j code 是 rust 丛林打造的，不是套壳，它自研了 mermaid 渲染库，比 python 版快了一千八百倍。 还有自研终端 handterm 实现原声滚动， agent graph 会返回文件结构信息， agent 不 用读整个文件就知道里面有什么。最实用的是跨 agent 绘画恢复， cloud code 崩了，直接在 j code 里 resume 继续。 三十多个 ai provider 全支持，包括 deep seek， ala ma brock 等等，还有内置的浏览器自动化， firefox agent bridge 一 型命令就能用。 j code 现在有超过一千二百克 star， 每天还在快速增长。 mit 开源协议完全免费，支持 linux， macos 和 windows 全平台， 快二百四十五倍轻十四倍，渲染超一千帧，这就是 rest 丛林打造的优势。关注我，下期继续带你发现 deephop 上的宝藏项目！

电商运营全流程，一套 ai 工作流全搞定，从采集上架作图到仓储发货，工作流缩短百分之八十， ai 把重复的活都干了，你只管做判断， 新的电商效率应该这么跑！手机拍照录入商品， ai 自动推荐标题侧算价格算保本 roi sku 组合一键排好。白底图、场景图、卖点图、规格图， ai 批量出图，又快又稳。五层防盗水印自动打好 多店订单推广数据自动汇总，利润到账和预估两笔账清清楚楚，哪个品该加码，哪个品该下架，一眼看明白。 打完快递单自动生成捡货单，按库位排序，走一圈全捡完。这套系统我用 cloud code 写的，一个多月，每天都在帮我省钱省时间。你的电商运营哪个环节最费时间？评论区聊聊。

我使用 cloud 开发十几个项目后，第三条工作流经验是让 cloud 按小步改代码。前两期讲的是准备项目和拆需求，到了第三期才真正进入改代码。这里最重要的不是让 cloud code 一 口气写完，而是让它小步推进，每一步都能看懂，能验证、能停下来调整，结果才会稳定。一次只让它改一个点， 不要把页面、接口、样式、测试文档全塞进一个回合。先让他处理最核心的逻辑，再处理边缘状态。比如先修登录失败的问题，再补提示文案，再跑测试。每次只推进一个明确点，出问题时才知道是哪一步引起。小步改动是控制 ai 编程风险最实用的办法。让他边改边解释取舍。 cloud code 改代码时不要只看最终结果，让他说明为什么改这个文件，为什么不改另一个文件。如果他要新增依赖改公共方法用配置文件， 一定要先梳理原因，这能帮你提前发现过度设计和无关改动。你不是要他写的最多，而是要他改的准确。 每一步都看 diff， 改完一轮后先看 diff， 看他有没有动到无关文件，有没有把简单问题改复杂。如果 diff 里出现你没要求的重构，要及时叫停， 不要等全部写完再一起检查，那时候问题已经混在一起了。小步看 deep 比最后大审查更稳。跑测试不要等最后。很多人习惯全部改完再跑测试和 cloud code 协助时，更建议改一段就跑一次。关键检查，哪怕不是全量测试，也要跑和当前任务相关的那部分。 比如登录逻辑改完就先跑，登录相关测试或手动验证，越早发现问题，修复成本越低。报错要原样交给他。如果测试或构陷失败，不要只说报错，把关键报错、失败文件操作步骤原样交给 top， 它需要看到上下文才能判断是代码问题、环境问题还是测试本身有问题。 信息给的越完整，还越不容易下猜。这里的重点不是多说话，而是把错误说具体。第三期收在可逆行状态， 这一期结束时不追求所有细节都完美，但至少要做到核心功能能跑，关键错误已处理，相关测试能过。如果还有遗留问题，要让 cloud 能列出来，能跑起来，再进入第四期做验收和收尾，不要把没验证过的代码直接当成完成。