claude.md，cc怎么用
粉丝6.3万获赞34.3万
相关视频
05:34查看AI文稿AI文稿我敢说，百分之九十九的人刚刚安装好的 call 扣，第一步就做错了。就是很多人会着急让 call 扣直接开始干活，然后会发现，哎，为什么好像有些时候还挺难用的呢？ 但实际上并不是说模型不会做，而是他根本不知道你的规则。 ok？ 大家好，我是 fred， 专注从普通小白的视角分享怎么从零到一，用 ai 和 web 扣领提升自己的生活和工作效率。 我建议安装好 cloud 后的呢，第一步不要着急让他直接开始写，而是把 cloud md 配置好。你把规则讲的越清楚，他在后面才会更懂，你也不太容易反攻， 就很多时候很多重复的工作啊，其实问题都差不多，就要么是你讲太多，要么是你改太多，要么就是你每次都会觉得他风风格都不太稳定，对吧？ 你本来只想让他改一个点，他却顺手改了一大片。你本来想让他按照项目的习惯来，他却给你一套看起来通用但正确的，但是又不太符合你要求的一些答案。 这些问题的背后，很多时候不是说模型不行，而是你没有把这个默认的规则交给他。那怎么样才能让他按照你的默认规则来呢？也就是很重要的一个点就是 cloud md。 什么是 cloud md 呢？你可以把它理解为 cloud code 的 一个默认的规则文件写进去之后呢，它不是一个一次性的聊天备注，而是 cloud 开工前就会先读的一个写作的边界。所以说它的真正的价值不是说 多一个文件，而是你终于不用每次再重新去解释。同样的话，一次写好之后就后面会默认去生效。 但这里面还有一个很关键的点啊，就是很多人一上来就在想，我要往 cloud md 里面去写什么，其实第一步不应该想怎么写，而是先想， 呃它有哪些层级？就是正常 cloud md 会有一个全局的层级，一个是项目的层级，也就是通用层和项目层。通用层就是写，写到你在每个项目都不会变的一些长期的习惯和规则。项目层就是写，写到你在每个项目这个仓库它独有的一些规则， 你把这两层分清楚之后，后面写起来才不会乱。 ok， 大家可能会问，哎，那你应该怎么写呢？对吧？通用层应该写什么？呃，像我自己的话，一般会有一些语言的规范、安全红线、工作流程和用户偏好。 我可以给大家看一下我整体的一个配置的一个情况，就比如说语言会要求他用中文跟我沟通，但是代码还是用英文，然后会有一些安全红线的问题， 不要去提交一些我自己的一些 api， key 啊，或者一些密钥。工作流程呢？就是一定要强调， 呃，完成报告之后，然后有报错就得报错。然后且修 bug 之前需要先写一些失败的测试用力，包括说代码标准不能够写得太大，如果写得过多大过长，如果后面要修改，那包括一些用户偏好的一些问题， 包括说其实像我的 cloud md 和我的 codex 所用的 agent md 其实完全是一样的，也就是我在切不同模型之间，它实际上的效果也是很不错的。然后面还会有一些上下文管理的一些问题， 所以说你会发现这些都不是某个项目特有的一些细节，而是我希望 cloud 在 任何项目里面都默认遵守的一些写作习惯，所以说如果在这种我在哪都一样的这样的一些规则，就应该写到通用层里面， ok， 那 项目城里面应该写什么呢？就比如说拿我先 free talk 这个剪辑视频的项目来说，项目城最应该典型的就是，哎，比如说每一层级你的唯一的入口， 你的输入输出怎么放，你的内容生产怎么交接，包括你的一些发布和一些安全的规则，其实这些规则离开这个项目其实就不一定成立了，但是如果只是在这个项目在成立的规则，那就应该写在项目城里面， ok， 如果你也想要开始配，我建议大家理解完这三层的东西之后，然后就够用了。然后如果怎么配置呢？其实很简单，一是我呃在视频后面会分享到相关的一些配置到呃我的粉丝群里面， 然后如果大家呃不感兴趣，也可以去搜索一些，比如说像 tiktok 上面一些高新的一些配置，比如说像 everything cloud code 啊，然后把你这种当做下来的一些规则文件发给 cloud code， 然后它可以根据你的通用层和项目层帮你去抄一份属于你自己的 cloud md。 但是呢，呃，你可以在后面跟它按照你的一些项目细节去补充 啊。写完之后他会有什么变化呢？就最直接的变化，不是说他会马上帮你把这个页面做的好看，或者说帮你把这个项目做的很很厉害，对吧？而是说他会让你的写作更顺，也就是写之前你可能反复在解释，然后他可能会给你一些泛泛的建议。 写之后呢，他会更更容易按照你的项目节奏直接去开干，以及按照你定义好的边界和风格来做，所以他 不会变得完美，他会更像一个更懂你的一个项目的写作者。所以说，总结下来， cloud md 的 本质就是把你反复叮嘱 cloud 的 话一次性写清楚，先分先分成，再定规则，再让 cloud 干活， 然后他才会越来越懂你。 ok， 我是 fred， 后面我会持续用真实的案例告诉大家怎么把 ai 用进自己的工作流里面，我们下期再见。
4475FredTalk
06:51查看AI文稿AI文稿本期视频分享 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！
1323小陈同学c_z
02:51查看AI文稿AI文稿今天这期视频以 deepsafe 为例，因为收到群友以及评论区的反馈，说我上一期出的视频零四期有很多朋友用了之后，模型方面还是存在一些问题，比如说虽然设置的是 deepsafe v 四 pro， 但是实际上返回的是 flash 模型， 就因为我上一篇文章写的是以智普模型为例子的解决方案，那么视频就换成 deepsafe 为例。第一步我们需要下载 cc switch 这个软件，具体的下载方案呢，你可以在我的抖音群内找到，或者说你自己直接用浏览器搜索一下就可以了。我们下载之后点击右上角的这个黄色的加号，我们以 deepsafe 为例，点击这个 deepsafe， 然后我们往下滑， 在 api k 这里我们填入密钥名称，这里随便填，我们点一个测试吧请求地址，它是默认填写的，如果说官方有要求的话，以官方要求为准。然后我们再往下划看这块的模型选择，如果说官方准备好的话，我们直接点这个获取模型列表就可以了，如果发现获取不了，那我们就手动输入就可以了。 比如说我们想用的模型是 deepsea v 四 pro， 那 我们就直接输入 deepsea v 四 pro 就 可以，要注意一般都是小写。然后我们全都换成 deepsea v 四 pro， 默认是这个是最高级的，然后这个是中级，这个是低级， 以此类推，把这个选择最高级的模型，这个次一等，这个再次一级，这个名称要注意看一下，因为后面我们是要一一对应的，比如说这个模型的话，它是 deepsea v 四 pro， 之后在 cloud code 桌面端的话就是要对应这个模型的，我们点击保存 这里就可以发现有了这个测试用的模型。接下来我们来配置路由功能，点击左上角的设置，点击路由，点击本地路由，点击路由总开关，勾选 cloud 这个服务地址，需要记住我们后面会用到，那我们 c c switch 的 方面就配置完成了。 那我们来配置 cloud code 的 桌面端，点击左上角三条横杠，点击 developer， 点击 configure party inference， 进入 connection， 我 们点击右上角新建一个模型，比如是 deepsafe 测试用，点击 confirm， 在 base url 这里填写的就是我们刚刚说的那个服务地址，我们粘贴一下，然后 api k 照例填写我们的 deepsafe v 四 pro 的 api k 继续往下滑，在 model list 这里我们点击添加，我们在这里填写 cloud o p u s， 注意都是小写，如果支持一照上下文的话，我们就点击打开再添加第二个模型。 如果说你只用两个模型，那基本上到这就够了。这里的 cloud o p u s 模型与这里的 deepsea v 四 pro 模型对应这里的 cloud s o n n e t 模型与这里的 deepsea v 四 flash 模型对应。如果说你还有其他需要使用的模型，那你就继续点击添加，如果没有的话两个就可以了。然后我们点击 apply locally 重启，打开 cc switch， 点击启动。然后我们问一下你好， 测试模型发现可以使用，那我们就解决了这个问题了。好了，希望能帮助大家，祝大家用的愉快。
1124🍍Loading.ai
03:27查看AI文稿AI文稿用 cloud code 做项目，如果你只装两个插件，装这两个就够了。 g stack 和 superpowers， 一个管方向，一个管质量，两个搭在一起，就是一套完整的 ai 增强开发闭环。这期我们讲这两个如何结合使用，有点一加一大于二的感觉。先说 g stack， 这是 y c 总裁 gary tham 开源的一套虚拟工程团队二十三个斜杠命令，每个命令对应一个专业角色。 office hours 是 y c 合伙人，帮你诊断产品方向。 u a 是 测试主管，用真实浏览器帮你验收， ship 是 发布工程师帮你推代码上线。一句话总结， g stack 管的是方向、验证和交付。再说 superpowers， 这是一套强制工程纪律框架，十四个技能覆盖编码全流程。它有几个铁律，写代码前必须 bring storming， 不 写测试，不准写实现代码找不到根音就不许修 bug。 背后是一个百分之九十四 pr 拒绝率的开源项目，对代码质量极其严格。 一句话总结， superpowers 管的是思考质量和纪律，一个管方向和交付，一个管思考和质量能力边界几乎没有重叠。这就是为什么他们搭在一起效果这么好，为什么说这两个搭配好。三个层面看，互补。第一，能力不重叠。 g stack 解决的是做什么，做成什么样，怎么上线的问题。 superpowers 解决的是怎么把代码写好的问题，一个是产品视角，一个是工程视角。第二，触发机制互补。 g stack 是 你主动输入斜杠命令来触发，比如你输入 q a， 它就启动测试。 superpowers 是 自动触发的， agent 检测到适用场景就会启动， 你不需要手动调用，一个主动，一个自动，不会抢同一个出发点。第三，覆盖范围互补， stack 覆盖产品全生命周期，从需求诊断到上线监控， superpowers 覆盖编码全流程，从需求经验到代码审查，两个拼在一起，就是一个完整的从想法到上线的闭环。但在讲具体怎么用之前，先说一个核心观点。 用这套工具链，我发现一个规律，前期花时间把想法想清楚，把方案审清楚，把任务拆清楚，比后面花时间写代码更重要。简单说就是百分之二十的思考，决定百分之八十的结果。 好，接下来告诉你具体怎么搭配用。第一个，再想清楚。这一步，你用 brainstorming 把需求理清楚之后，别急着动手写代码，先丢给 auto plan， 让它从产品、设计、工程三个角度帮你挑毛病。很多时候你自己觉得想清楚了，一审查才发现漏了东西。第二个，再拆任务这一步， writing plans 把大需求拆成小任务之后，我习惯再跑一遍 plan review。 因为拆任务的时候容易只看表面，忽略底层的价格问题，数据怎么流转，状态怎么切换，异常怎么处理，这些细节不提前想清楚，后面一定会反攻。第三个，再验证。这一步也是我踩坑最多的地方， t d d 跑通了，单元测试全率你以为没问题了？但一打开浏览器看真实页面布局歪了，接口超时了，手机端溢出了。所以 t d d 之后一定要接 q a， 让真实浏览器帮你跑一遍完整流程， 光看测试报告是不够的。第四个，在排查问题这一步， superpowers 的 调试能帮你定位到大概哪里出了问题。但如果涉及到页面渲染、网络请求这些，你就需要 g stack investigate 了，它能打开浏览器，看到真实的 do m 结构和控制台报错比光看代码猜问题靠谱的多。第五个，在收尾发布这一步， superpowers 帮你把分支整理好，测试跑完，代码审查通过，然后 shift 接手，自动同步主干推代码，创建 pr， 你 只管确认剩下的它来。当然不是每个任务都要走完整流程，实际开发中我一般是这么判断的，如果就是改个小 bug， 调个配置，直接改就行， 改完看一眼效果就够了。不用 brainstorming， 也不用 plan review， 杀鸡不用牛刀。如果是新功能或者比较明确的重构，我会在动手之前先 brainstorming 想清楚，写个短 plan， 做完之后跑一遍 q a 验证。只有跨模块的大改动，新架构，这种才走完整闭环。 从头到尾全套流程，该审查审查，该测试测试不审任何一。核心原则就是按需组合，不要过度流程化，该严格的时候严格，该快速的时候快速。最后一个实操要点， c l a u d e m d 配置不配，这个等于装了白装。在项目的 c l a u d m d 里，要用分区来管理两个插件的分工，比如浏览器操作全部走 g stack 的 browse， 编码流程全部走 superpowers 的 自动触发，把模糊的指令映射到确定的技能行为就变得可预测。具体怎么配置，我觉得应该你把这两个的仓库给到 ai， 跟他一起交流，最后写出这一个文档才是最适合你的，因为每个人的情况不一样， 跟 ai 交流之后，把你的情况给到 ai， 这样他才能给你指导出最适合你的这个文档。最后分享一个我自己的心得， gustak 和 superpowers 这套搭配用下来，最大的体会是，你作为人的核心价值不在于写代码，而在于前期的思考、审查和规划。用 brainstorming 把模糊想法变清晰，用 auto plan 从多个视角审查方案，用 writing plans 拆成可执行的微任务。这些前期工作做好之后，后面的编码测试部署，设好流程，让 ai 自己跑就行。花时间思考比花时间写代码更值。
2.2万土木AI提效大古
02:49查看AI文稿AI文稿使用 c c switch 进行 cloudbox 的 使用，好多朋友不会用啊，这个 c c switch 大家入悉一下，首先在这个网站里面搜索一下这个 c c switch， 把 c c switch 下载下来，对应的安装包在这里面点 windows 这个 msi 就 可以了，安装下一步就可以， 我现在是安装完的之后的效果，第一次进入是这样，要进入这个 c c switch 的 设置，在设置里面呢，如果你没有安装 cloudbox 呢？你要把这个 应用这个插件可以点，把这个跳过，初次安装这个一定要点开，这个非常有用，好多朋友因为他没有格式的账号，所以每次要登录时候需要登录账号，这个跳过了，只用咱们国内的 ai 就 可以了。 到这里面这里面，比如说像我的这个，我其实用的 dipstick 和这个 gim， 还有 mini max 它其实国外这个我也没有使用啊，太贵了，大家可以直接点加号加号，比如说你要有一下，比如说你用小米的这个 mini 吧，小米这个 mini 呢？你去把这个 key 添加这里面把，这个一般都不会用。改啊，如果你是 tiktok 的 话，你要去搜索一下 tiktok， 在这里面补充一下，有的朋友使用的是 tokenplay 或者是 codingplay， 这里以小米为例，他的 tokenplay 或者 codingplay 里面的兼容协议是这个名称，但是 c c switch 这个作者呢？他说他自己忘写了，他写的是这个，这个是错误的啊。大家一定要把这个 play 复制一下，复制之后把这个放到这里改一下， 改下之后再把你的 api 复制里面，这才是对的。之前有朋友是写错了，他默认是有问题的，这个一定要看一下，把你的模型需要用的模型改一下，一般都是小写啊，很少有大写的。这个大家自己添一下，点击添加就过来了。 过来之后呢，想像我这样的点试这个余额，这个余额比如说你看我这个 deepsea 的 余额，呃，使用用量查询，官方把这个设为零， 你刷新一下，像我这个还剩二百七十块钱。智普的这个呢？它是我 tiktok plan 吗？我是用 tiktok plan 就 不一样，这个也是在这地方配置前用量查询就可以了，其他的注意的事项没有，因为其他我也没怎么用啊。 注意一下小龙虾，这个好像有点有一点点问题，我不建议小龙虾和爱马仕在这个 cc switch 里配置可能有这两个不太建议在这里面配置，就这个 clod， 再用这个配置就可以了，其他的不要配置 这个 skill。 点击这个像扳手一样的图标，点击之后呢，你就可以直接在这里面去安装 skill， 非常方便啊。比如说你想找一个 skill， 那 点击这个发行技能啊，要保持你的网络通畅啊，你的网络要好， 这里面才能显示你想要安装的 skill。 这个 skill 是 这样，它这个 skill 里面有个 top 上总结上的，在仓库，但是有一些特殊的，比如说我安装的我安装的 canvas 赛，这个 canvas 赛其实没有，你就要去他的网站上，他教你怎么去安装，你就搜索安装，按照他的方法就可以了， 其他的大部分都能搜到，如果搜不到的，很可能他改了名了。这个不要着急，你就去那个 github 上去搜索一下，是这样，你也可以从这个 ip 上去安装导入已有。都可以啊，发现技能就可以直接点击安装，这就安装出来了。这个比较方便，我建议新手小白直接在这里面去找能下载的就可以。
949爱玩的极客
04:21查看AI文稿AI文稿就在前两天， 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。
3200布鲁歇一歇
02:20查看AI文稿AI文稿昨天向大家介绍了 cloud 加载三方模型，一般 up 主就教你到这儿，但是我不一般，仅仅配置了第三方 l l m 模型是不够的，尤其是 windows 用户。在 win 系统下， c c 其实是运行在一个 linux 的 vm 上，在沙盒之中。 现在的 c c 是 受限的，尤其是联网功能，比如我们现在让 c c 来访问下外网网站， 可以看到 c c 自己测试了一些工具，但是还是无法访问，我们需要进一步配置来解放 c c 的 生产力。 还是在左上角点开三道杠，选择 developer 紫菜单，选择 configurater party， 打开后左侧选择第二个 sandbox and workspace， 找到下 allied egress hosts， 这里默认是没有配置的，也就是 c c 客户端是默认只能访问内置白名单，无法访问外部网络的。你这里可以选择 l o o 或是指定你需要访问的网站。比如我们测试下，先允许 c c 访问百度， 然后我们让 c c 器抓取并 ok， 结果返回仅允许访问 l l m 接口和我们指定的百度域名。那么回到配置，我们将这里设置为 o， 再来测试下。 好了，成功 cc 就 可以访问全部外网了，以后有需求他就会自己去搜索了。 继续还是在这个 sandbox and workspace 配置页面最下方有个 lagu workspace folders， 这里是你可以限制 cc 的 工作目录，默认是空，就是 cc 可以 访问任何文件夹，我们现在指定一个文件夹应用一下， 然后我们来问下 c c 能不能访问其他文件夹。 ok， 这里可以看到 c c 向我要了授权，但还是无法访问，因为要访问的文件夹不在 c c 被允许的 workspace 中。 这里说明下， windows 系统下不管你怎么配置 c c 访问文件夹以及异界工具都需要你授权。无法 bypass， 因为 windows cc 是 绘画机制，无法适应全职配置这点等 a 稍看看有没有更新吧。这个就是一班 up 主不会教你，而我这个二班的会教你的 cc 基础配置之网络与工作区限制。 我是 eric， 关注我，下节课教你怎么配置 cc 的 skill 和 mcp， 让你越用越离不开 cc。
4410对对十十
04:25查看AI文稿AI文稿你让 ai 帮你写代码，他写了，但跑偏了。不是模型不行，是你根本没告诉他规矩。 jango 创始人 simon wilson 说得很直白， coding agent 不是 魔法，就是 a i l m。 外面套了一层叫 harness 的 壳，今天我把这个壳拆给你看，拆完你就知道该在哪里使劲了。 很多人以为 ai 编程效果差，是模型不够聪明，其实不是。你想想看，同一个 cloud， 有 人一天交付一整个功能模块，有人连改个按钮颜色都出 bug， 差距在哪？在 harness， 就是 模型外面那层包装。 simon wilson 的 定义非常精确， coding agent 等于 lolm 加 harness， lolm 是 大脑， harness 是 手脚和规矩。没有 harness， 它就是一个只会说话的大脑。你让它改文件，它不知道文件在哪，让它跑，测试，它不知道命令怎么敲。 那 cloud code 的 harness 长什么样？三根柱子，第一根，系统提示你在项目根目录放一个 cloud 点 md 文件启动的时候自动读进去， 这就是你给 ai 定的规矩，技术栈、代码风格，哪些文件不能碰，全写在里面。第二根，工具定义，读文件，写文件，执行命令，搜索代码。 harness 给了 l i m 一 套标准化的手脚。第三根，上下文管理，聊天记录太长怎么办？自动压缩早期对话，保留关键信息，确保窗口不爆。这三根柱子加在一起， l i m。 才从聊天机器人变成了能干活的 agent。 我们再深挖一层，工具调用是怎么跑的？你跟 cloud code 说帮我修个 bug， 它不会直接给你一段代码， 它会先用搜索工具在你项目里找到相关文件，然后用读文件工具看具体内容，想好怎么改之后，用写文件工具精确修改。不是整个文件重写， 是只改你要改的那几行，改完它还会自己跑命令，确认能不能通过翻译和测试。整个过程就是一个循环思考，调用工具观察结果再思考。这个循环就是 agnetic loop， 也是 harness 最核心的机制。 那 cloud code 和 codex 有 什么不同？很多人以为它们都是写代码的 ai， 其实设计思路完全不一样。 cloud code 侧重单仓库深度，它会深入你的项目，读懂上下文，一步一步帮你解决问题。你可以把它想象成一个坐在你旁边的结队程序员。 codex 侧重的是并行隔离， 它会给每个任务开一个独立的沙河环境，多个任务同时跑，互不干扰。你可以把它想象成一个任务分发中心，你扔十个医兽进去，他同时派十个人去做，选谁看你的场景。单仓库深度改动，架构重构复杂， debug 选 cloud code， 批量小任务多仓库并行选 codex， 最聪明的做法是两个一起用。 说了这么多架构，你可能想问，我作为用户到底能控制什么？三个抓手，第一个， cloud md 文件，你在里面写技术栈编码规范测试要求禁止操作。 ai 启动的时候会先读这个文件，就向新员工入职，先读员工手册。第二个， houx， 配置 ai， 每次写完代码之后，自动触发脚本自动跑， link 自动跑测试。第三个，权限控制，能读哪些文件，能执行哪些命令，不能碰哪些目录，你都可以精确设定。这三个抓手加在一起，你就从被动的使用者变成了 harness 的 设计者。 最后给你一个我每天都在用的实战技巧，让 cloud code 写代码，让 code 去审查。你在 cloud code 里写完一个功能，提交到分支， 然后在 codex 里说帮我审查这个分支，找出潜在问题。 codex 会在独立沙盒里拉下代码，逐文件审查，给你一份详细的问题清单。为什么双 ai 比你自己代码审查更好？ cloud code 偏局部视角， codex 在 干净环境里大局审视。这件事我每天都在做，效果非常明显，两个 ai 互相盯着，你反而漏更少。 总结一下， coding agent 不是 魔法，是 l l m 加 harness， 你 能控制的就是 clode、 md， hooks 和权限这三个抓手，把它们写好， ai 就 不会跑偏。 如果你也在用 clode code 或者 codex 评论区聊聊你的如何配置的，关注我，每天分享前沿 ai 工具的真实体验。
1203大力AI
02:02查看AI文稿AI文稿百分之四十一、百分之十一、百分之三。一个 cloud 点 m d 文件，把 ai 写代码的错误率打下来了。 一月， carparty 吐槽 ai 写代码的四大毛病，瞎猜、过度设计、乱改代码、没有目标。开发者 forrest chong 把吐槽变成了四条规则。 github 首日近六千 star， 加上这四条，错误率就从百分之四十一降到百分之十一。 但问题来了，百分之十一的错误率，剩下的百分之六十失败模式是 car party 那 四条管不了的，多部 agent、 hook 吉连跨代码库协助，这些一月根本不存在。 四条规则，不是错了，是不够了。五月九号，开发者 amnilex 发布了十二条规则完整版， 在 karlty 四条基础上新增八条，六周三十个代码库实测，关键发现合规律几乎没变，百分之七十八到百分之七十六，但错误率又砍了八个百分点，降到百分之三，哪几条最值？第五条模型只做判断，不做决策， 让 cloud 判断五零三，要不要重试？他读了请求体，当上下文重试策略变成随机的路由，重试状态码，这种确定性逻辑就该用代码写。第六条硬性 token 预算， 没有预算的 cloud 点 m d 就是 空白，支票循环一开就往五万 token 充，模型不会自己踩刹车。 这两条，一个是认知边界，一个是资源边界。最重要的心智模型来了， cloud 点 md， 不是 许愿清单，是行为合约。每条规则只回答一个问题，它防止什么错误？ 有人在四百九十二个公开 cloud 点 md 上跑评分中位数只有三分，百分之九十八缺，先读后写，百分之九十一缺，显性失败， 不是大家不想写好，是不知道该写什么。十二条规则复制粘贴到你的 cloud 点 m d 今晚就能用， cloud code、 cursor、 winsole 都通用。想看完整规则文件，关注我，下一条发出来。
1796叶哥说AI
01:33查看AI文稿AI文稿哈喽啊各位精神股东，你们是不是也碰到这个报错的问题，那现在给一个方案，就现在我已经是能够正常的跑起来，而且模型他自己自认为是 sonnet 四的模型，我直接给大家看设置啊，大家自己处理，先打开 c switch， 通过设置点进来，然后点击这里，把这里两个开关都打开，把这个开关也打开，然后复制，把这个复制到替换掉这个 u r l， 然后 api key 你 随便填，我这里填的 test， 随便填都可以的。然后下面这里啊 model list， 把这两个填上，勾选上来，然后运行就可以了。运行之后呢啊他就能够正常的访问， 而且啊客户的这里虽然还是会弹这个啊，不能到达，但是其实他能够正常使用，试一下 好了，看到可以正常返回的。好了，这个就是为了解决有些朋友想用 dipstick 的 国产大模型，想用 v 四 pro， 不 能解决，你只需要在 啊 cc switch 设置里面把模型替换成 dipstick v 四 pro 或者 dipstick v 四的 plus 就 可以了。希望对你有帮助，如果有帮助的话， 有请你一键相连，我同时也在做 cloud code 插件说明系列，也希望你的支持。好了， see you next time。
195Addy张无为
02:37查看AI文稿AI文稿百分之九十写了 cloud md 的 人，其实不知道他是怎么加载。今天我用官方文档加上实际验证，带你彻底搞懂。 cloud md 就是 个纯文本文件，你在里面写的指令 cloud 每次对话都会自动读一遍，本质就是你不想每次重复说的话写进去就行。但有个很重要的点， cloud md 不是 系统提示词， 它是作为用户消息注入的，也别把它当强制配置。 cloud 会尽量遵循，但不保证百分百什么时候该往里写。官方给了四个触发场景，第一， cloud 第二次犯同样的错。第二， code review 发现他应该知道的事。 第三，你第二次输入，同样的纠正。第四，新同事需要的上下文。记住一点，每次绘画都需要的事实才放这里，那种多步骤流程或者只对某部分代码有意义的放到 skill 或者 rules 里。接下来是今天的重点 加载机制。 clod code 启动的时候做两件事，向上便利和全部拼接。向上便利就是从你当前工作目录开始，逐级往上找 clod md 和 clod local md 全部拼接，就是找到的所有文件全部拼接到上下文中。别搞混了，是拼接，不是覆盖。给大家看我的实际案例， 我在一三一 sq 净化这个目录下工作， cloud 启动时从下往上找，先找到当前目录的 cloud md， 然后是负一级一三零净化实验室的，再到负二级个人仓库的，最后是全局用户目录的，一共加载了四个文件，全部拼在一起，冲突怎么处理？后说覆盖，先说更深层级的文件排在后面，因为 l l m 的 特点就是后输入的权重大于先输入的同一层级内 cloud 的 入口 md 追加在 cloud md 后面， 所以你的个人笔记是那个层级最后读到的优先级最高。还有一个细节，子目录里的 cloud md 不 会在启动时加载，只有 cloud 读取那个子目录时才触发。这设计很聪明，省上下文空间。搞懂了加载机制， 来看文件该放哪一共三个层级。第一，用户全局级，在点 cloud 目录下的 cloud md， 对 你所有项目生效，适合放个人偏好和工具配置。第二，项目级，在项目跟目录下 cloud md， 或者点 cloud 目录下的 cloud md， 这俩是等价的，选一个就行，通过 get 跟团队共享，放架构，工作流命名规范这些。第三，项目本地级 cloud 的 local md 只对你自己，只对当前项目生效。加到 git ignore 里，适合放 api 地址，测试数据，不想提交到 get 的 东西。第一个高级功能， add 导入，在 cloud md 里写 add lmd， 就 能把 lmd 内容也导进来，支持相对和绝对路径，最多五层地归。但注意，导入的文件也会在启动时加载，不能用来省 token。 第二个点 cloud 斜杠 rules 规则，系统 大项目可以把指定拆成多个文件放在目录下，没有 pass 配置的无条件加载，有 pass 的 只在操作匹配文件时才加载。比如你设一个规则，只在编辑 type script 文件时才加载 a p i 规范很灵活，怎么写好 cloud md 四个字，具体可验证。写，用二空格缩进，别写格式化代码 写，提交前跑 m p m test 别写，测试你的改动写 a p i 在 s r c 斜杠 a p i 斜杠 handles 别写，保持文件有序，关键限制每个文件两百行以内抄了 cloud， 遵从度会下降。隐藏技巧 html 注会自动被过滤，不消耗 token。 常见问题， cloud md 写了但不生效。 跑斜杠 memory 确认文件有没有被加载，检查位置对不对，指令够不够，具体有没有冲突。第二，斜杠 compact 之后指令丢了，跟目录的 clod md 会存活。 compact 后 clod 会重新从词盘读取，指目录的不会自动重新注入，对话里的指令会被清除。 所以重要的东西一定要写进 clod md 怎么快速开始？最简单的方式，在项目跟目录创建 clod md 写入构建命令和基本规范，或者直接跑斜杠 in it， 自动分析代码库生成像交互式配置的设 clod code new in it 等于一再跑斜杠 in it。
318土木AI提效大古
02:00查看AI文稿AI文稿我跟你们说，我之前用 cloud code 简直就是在受刑，每次我让他帮我更新周会表格，我都会像个老妈子一样跟他反复交代， 你还记得吗？上次我跟你说的那个链接，帮我再更新一遍，然后他就开始漫长的回忆，加载，找数据，一通操作下来，每次生成的格式还都不一样，真的超级崩溃，感觉自己像花钱雇了一个每天都在失忆的实习生。但是最近我打通了他的两个隐藏技能，简直是打开了新世界的大门，真的太爽了！ 第一个就是 m d 文档，说白了就是你给 ai 做的一份专属的入职手册，你是谁，你喜欢什么样的风格，你的任务有什么样的规矩，全都写在里面。 ai 每次开工前都会强制的先去翻一翻这个手册，你再也不需要跟他废话去交代背景了。 第二个就是 skill， 这个更牛，相当于你给 ai 定制的一件 s o p。 比如我们经常要搞封面和视频的爆款拆解，以前每次都得先输一大段咒语啊，风格是什么样儿的，用什么字体等等，都需要去跟他交代很多内容。 现在我写了一个 skill， 我 只需要一句话，封面生成，它就全都自动搞定，生成封面了，真的太省心了！给你们看一下我的文件目录，这里就建了几个专门的 md 周会更新封面生成视频分析，我给你们演示一下现在有多夸张。以前我让它更新一个周会表格，我交代加等待的时间可能要十几分钟， 现在我只需要输入杠周会更新，哎，他就开始自动更新了，看分毫不差的更新好了，一句废话都不用多说，你牛不牛？当然，肯定会有人说啊啊，我不会写这种规则文档啊什么的。 别慌，我教你一招，你不用一开始就自己写，你先跟 cloud code 进行正常的一个聊天。呃，你告诉他你平时是怎么干这个活的，你反复的跟他沟通、打磨，等他能生成一个正常的结果，就说明他已经能完全理解你的流程了。这个时候你直接跟他说， 把我们刚才沟通的内容生成一个 skill， 它就会乖乖地自动帮你生成。好了，压根儿不需要你自己写。用魔法打败魔法，真的太绝了！姐妹们，听我的，今天赶紧跟着搞一遍，明天你就会有惊喜哦！
149Eva酱（AI版）
07:22查看AI文稿AI文稿之前呢，我们分享了一期 cloud code 接入 deepseek， 但其实没过多久啊， cloud 就 有过一次版本更新，新版本的模型名称就会出现一些问题， 那这一次就正好我们把桌面版 codex 和 cloud code 都通过 c c switch 来接入 deepseek， 我 们出 three two one。 我 这里啊，把前置环境和 c c switch 都准备好了，同时呢也写了文字版的安装教程。呃，大家可以参考一下，我就不展开了，我们直接开始。 那先说 codex 吧。首先呢，我们需要做一个 cc switch deep seek 的 通道，这个呢，我已经准备好了。呃，文字版里面大家可以自己找一下。首先我们打开这个文件夹，找到这个文件， 复制一下再黏贴。然后呢重命名，文件名是点 env， 注意啊，这个点不能忘记。然后呢，这个文件呢，我已经有了，所以呢我就不确认了，我把这个删掉。 我现在打开这个点 env 给大家看一下，这里面啊就是一条 apikey， 你 们打开的话就把自己的 apikey 写上去就可以了。然后呢，我们双击一下这个 start 点 back 的 文件， 出现这样子的界面，这就算成功了。那如果中间哪里有报错啊，就要重新回去验证一下自己在前面的环境这里有没有什么没有安装好或者遗漏的地方。 好，那我们接着打开安装好的 cc switch， 这个是 codex 的 界面啊，它是 gpt 的 图标。 进来我们看到这个，我们点击右上角的加号，可以看到的是添加供应商，呃，我们下滑，这里填供应商名称， deepseek v 四 pro。 备注呢，我们就随便写写一个 test 官网的链接，这里是可以不填的， api key 就 填自己的 deep seek 的 api key 就 可以。 这里注意啊， api 请求地址填的不是 deep seek 的 接口，因为前面我们已经做过 cc switch 的 转接了，所以填的是本地的地址， 然后下面到模型名称这里就填 deepseek v 四 pro， 然后我们拉到最下面，这里直接就是点添加， 然后它会自动回到上页。这里啊，已经多了一条 v 四 pro。 看一下啊，这里我们直接点一下它就可以切换到使用中了。现在我们来打开 codex 看一下 这里，它其实已经绕开登录环节了，原本打开呢是需要 gpt 的 账号了，现在呢，呃，都是需要验证手机号的。那我们现在通过 cc switch 就 可以直接接入 dbic， 跳过登录直接进到 codex 的 界面了。 这里我们根据他的提示啊，先初步一下，然后这个 set up 好 快速就完成。现在我们发消息来问他一下，你当前使用的是什么模型，有回复了啊，他这里回复呢，他是 deepsea 了。好，我们现在再来验证一下 这里呢啊，使用之前他会向你申请一下电脑的权限。没关系啊，我的 codex 工作区也在桌面上面，我们现在直接打开看一下。 好的，这里呢，他是已经在工作区里面建立文件夹了，速度啊，我觉得是很快的，根本没什么毛病。那其实到这里为止呢， codex 接入 dbic 就 完成了 啊，如果没有账号没法注册或者说登录需要验证的朋友们啊，我们就先把 dbic 可以 这样耍起来了。 然后接下来呢，我们直接再来试一下 cloud code， 这里同时也是一样的啊，我们首先先要打开 cc switch， 我 先把我刚才的配置都删掉， 注意啊，这里是 cloud 的 配置页，也同样啊，直接点击加号进来，直接就是选择 deepsea， 这里的供应商链接，官方名称都已经直接有了备注。我们也先随便写一个测试 a p r key， 这里也同样是写 deep seek 的 key 请求地址，这里也不需要动了。 好，接下来我们就到了模型这里，模型这里呢，我们都填 deep seek v 四，然后这个 e m 呢？呃，之前的视频也说过，其实就是百万上下文使用的意思，如果不加的话呢，不用做大项目的话也是够用的。 然后这里其实还是可以换一个 flash 模式的，也不用全部都是 pro， 然后随便找一个改一下啊，这几个模型名字等会都有用的，是一个对应的关系。然后这里我们就直接先添加， 回到这里就有这个选项了，我们这里就直接点起用。之后呢，我们再开通一下本地路由，在这个设置路由本地路由里面，本地路由打开 cloud 打开， 然后同样这个本地的服务器地址是要记一下，后面要用的。好，我们返回上一集测试一下，看到他是正常运行的。接下来呢，就是打开 qq 的 第一次 打开登录界面，不用登录啊，左上角 help 这里啊，点击这个 troubleshooting， 然后进到这个 enable develop mode， 然后点击 enable， 然后这里其实就是进入它的开发者模式， 然后重启，重启之后你会发现这里多了一个 develop 的 入口，然后我们选择 configure party info， 然后进来。进来之后，首先第一个 provider， 我 们这里直接就选 getaway， 然后 getaway 这里的 base url 就 写刚才我们 cc switch 这里出现复制下来的地址，这一个 key， 这里呢，当然还是 deep seek 的 key， 然后 bear 这里是不用动的。好，到模型 list 这里怎么填啊？这里就是填我们前面在 c c switch 里面配置过的对应模型，前面呢，加一个 cloud。 好， 这里两个模型够了，直接我们拉到最下面 apply locally。 好， 然后直接重启。 看啊，这里就是直接不用登录，我们就进到 cloud 的 界面了，然后 solo party 的 模式到 code 这里试一下。首先呢，我们随便设置一个工作区，然后测试一下，帮我建个文件夹。好，我们看一下它的这个速度还是很快的啊。 ok， 那 到这里呢， codex 和 cloud 都已经接入完成了。我最后补充一点啊， mac 系统呢，相对比较稳定，但是 windows 的 话呢，会经常会出现这样子的报错， 但这种报错啊，其实没有什么关系，通常都是安装有问题。呃，因为网络原因，组建安装可能会有丢失，最好呢是可以调整一下自己的网络环境，重新安装一下就 ok 了。 顶级的 a g 呢，配上我们的国产大模型，就再也不用为无法登录烦恼了。好，那这次的内容就到这里，希望对你有所帮助。我是阿月，我们下期再见。
1983阿悦很严格
05:45236Luke的AI沙盒
16:27查看AI文稿AI文稿大家好，今天给大家分享十五条我经常使用的 clockcode 技巧，那这十五个技巧有些是我自己总结出来的，那有些也是学习别人学到的，那每一个技巧我都会讲解一下。第一个呢，就是设置这个 clockcode 的 别名啊，那当我们要启动一个绕过权限的这个 clockcode 的 十一的时候，我们要敲 这么一大串 mini， 那 有时候可能是会经常忘记的，这个时候你就可以设置一个别名，那么你就可以使用这种 c 杠 d 的 方式来启动，那是非常非常方便的。比如说我已经配置好了我的别名，那我就输入 c 杠 d， 那么它就会帮我启动一个最高权限的 curlcode 的 实力。除了上面这种方式啊，你也可以在 curlcode 的 配置文件里面去配置这个 skip dangerous， 然后把它设置成 true， 那 么你也可以是绕过权限的。那第二个就是 any 命令去重构或者初步化 cloud md 文档。 那 cloud md 文档呢？是 curlcode 的 非常重要的记忆文件，在我们跟 curlcode 的 进行对话的每一次 过程中， cloud md 都会加入到这个上下文里面，所以说非常非常重要。那么如果你不知道怎么写，或者说这是一个老的项目，那么你就可以使用 edit 命令，让它去了解你的代码库，然后去编写一个最初的 cloud md 文档。那么你拿到这个文档之后呢，我是非常建议你去做一些手动的调整， 那么你可以按照这个结构来进行调整啊，比如说第一个是对这个项目的一个简短的描述，那第二个呢，就是代码的规范，就是你的编码规范是什么，这里不要写的太多，如果写的太多的话，你可以在这里直接引用，通过艾特符号，引用文件的方式把它引到外面去，让他写代码的时候去遵守这样的编码规范。 那第三个就是常用的命令，比如说你的启动的命令，你的测试的命令，这边写上去就方便 call 去执行，这样命令的时候不用去猜想你的项目是什么，你的启动的命令是什么， 那第五个是你的文件的主要的结构，那第六个就是非常非常重要的，就是你要让 ai 记住最重要的事情是什么，那么怎么去碰， 那么怎么去分辨哪些信息该留下来的，哪些信息给去掉了，你就记住这一句话，你把这条信息删掉之后，大模型返回的代码质量就会很差，有可能就会报错，那么你就把这条内容给留下来就行了。所以呢，我们的 curl md 文档一定要尽量的简洁，留下最重要的信息，不要留下 太多的信息，这样的话反而是起不到更好的效果的。那么在最新版本的这个 int 命令已经更加的智能了，当你执行这个 int 命令之后啊，它会 它会去搜索你代码库的信息，也会来帮你配置对应的技能插件和钩子，那么这个是非常非常重要的。那么在最新版本里面，你需要在 settings 点接收 开启这个 cloud code new edit， 然后输入一，那么你再重新打开输入这个命令，它就会按照新的方式流程来执行了，可以大家可以去尝试一下。 那第三个就是有些人是不喜欢使用这种 curl 的 终端，其实输入字母啊，或者说对话起来非常费劲，那么你也可以使用带有 ui 的， 然后并且具备 curl 的 能力的这种啊，客户端或者说终端， 那 vs code 呢？加上 curl code 的 官方插件也是可以的。那这里有一个项目叫 web 看版了，也是非常有意思的，它是一个网页，那么它是连接了 curl code 的， 这些能力全部都有，比如说你用技能啊，用命令啊，全部都可以直接调用， 那它是可以把你的项目分成不同的阶段，比如说你现在开启一个任务，然后这个任务在进行中，已完成或者 review， 每一个阶段你都可以拖到对应的这阶段里面去开启，然后它也是可以多开 多个这样的 worktree 的 实力啊，是非常非常有意思的一个一个项目。那当然除了这两个之外，还有非常非常多像这种 cloud code 的 管理的工具。第四个就是个小技巧了，当你按 一次 esc 键的时候是停止输入，那么你连续按两次的话，会直接进入 word 模式来进行回滚，你也可以直接使用这个命令来进行一个回滚，那当你关闭 curl 的 实体的时候，它会出现下面一段的符，就是用来进行一个恢复的。那比如说我们现在把它关掉之后，这边就会出现一个这样的重启， 那么你就可以直接下一次输入这样命令去重启了。那么你也可以把这个命令啊设置一个快捷键，然后的话这边输入一个特定的参数，也是可以使用刚刚我说的这种别名的方式来重启的， 那这样敲命令重启之后，他就会回到你的这条对话的这个最后的一次记录里面去，是非常的方便的。第五个就是我最近经常在用的，就说跟 clock 的 对话的时候啊，你最好提供一个详细的反馈列录。 那什么是详细的反馈链路？我们可以从下面这个例子来体会一下。如果没有反馈链路的这种方法，那么没有反馈链路的方法，这样比如帮我做一个邮箱密码登录的功能， 那么 ai 在 接收到你的需求的时候会开始去写代码，写完之后他就会告诉你已经完成了，那么实际上真正的完成了吗？我觉得是肯定是不够的。那么提供反馈链路的方法是什么样子呢？就是你要让他做完代码之后进行一套流程，比如说进行编辑， 然后进行代码测试，进行页面的测试，然后一些还有一些流程的测试，那么你呢给他定义 完成这些链路之后才叫成功，那这样的话是可以极大的提高这样准确率的。那如果说这条链路哪个地方没有完成 测试失败了，让他继续修复，这样的话，他所谓的成功就不是那么简简单单把代码写完就成功了，所以呢，这是一个非常好的优化的方法。那其实除除了你自己去写这样的一个啊电路的话，那么很多 spag 工具，就规范驱动的工具啊，它会生成对应的场景， 场景的测试用力，那么基本上也是含盖这些链路的。但是当然如果不用规范驱动的话，那么你可以自己去手写这样的链路，这是一个非，这是一个很好的一个提升效率的办法。那第六个呢，就是安装一个针对于语言的代码，这种插件啊，就是 lsp， 那 么 lsp 的 作用就是每次文件编辑完之后，自动会给拷入或者缺少返回类型啊，语法错误啊，那拷拷扣的都可以去提前发现， 那么如果没有 a s p 的 话，很可能需要在翻译的阶段才能发现这个问题，那安装也是非常方便的。在这边输入 print 插件，然后你要找到 在 marketplace 里面你是不是安装这个官方推荐的插件，如果没有的话，你需要先把这个插件安装好，安装好之后呢，你就在这个 discover 里面去搜索，你说回到这个搜索框里面搜 l s p， 那 么这里面就会出现它目前支持的 l s p 了，那么你就可以选中，呃， 然后这边按 ctrl 键，然后去选择是安装到你的这个用户级别的还是工程级别的，然后你就点确定就安装完了，那你就可以去使用了。第七个就是老生常谈的问题啊，尽可能多的去使用技能，或者自己去创造技能，因为技能真的是非常非常有用， 你可以用简单的理解就是技能是等于把一套流程封装好，并且是让大模型给出一个确定的结果，比如说我们我们用到了前端设计的技能，那么大模型看到这个技能之后， 会按照技能里面描述的流程来进行设计描述规范来进行设计，那么它一定得出来的结果是符合这个技能要求的，这个就是减少了 ai 返回代码的不确定性或者功能的不确定，所以说非常非常重要，那么在你的整个 ai 编程的每个环节 都可以去思考怎么去使用技能来提效，那比如说头脑风暴、需求拆解、 ui 设计、技术设计、 plan task、 开发测试流程上线复盘，那么其实每一个流程，每一个节点 都有一些比较好用的这个技能可以去使用，那这边的话是可以听通过这个网站去搜索你需要的技能，那么你也可以安装一个 查找技能的技能，所以说他是有是非常这么就是这么强大，可以输入你的需求去查找你要的这个技能啊，安装好 也非常推荐啊，使用这个命令去安装技能啊，不需要自己去下载这样的包，去放到你的目录里面去，因为我们不同的 ai 编程工具，它的这个技能的目录还不一样了，比如说 css 啊， cloud code 啊， codex 啊，它们的技能的目录是不太一样的，那么用这个命令的话是可以去安装，可以去适配到不同的 ai 编程工具，非常非常方便。第八个就是当你不确定如何处理这个需求和事件的时候，使用计划模式吧，就 prime 模式， 那么这个是非常非常有效率的。那 plan 这个模式呢？是 cloud code 的 内置的一个代码里，它是会去搜索你的代码，搜索你所有可以看到的文件文字，然后去跟你去沟通这个需求，最终确定一个这样的需求文档，然后再去执行代码，这样的话你 跟 ai 之间呢需求这块的逻辑就对齐了，就不会有任何的问题，那么使用也是非常方便的，那么你只要连续按切换这样的 cf 的 tab 键，你就可以看到这里 pre 默的 on， 那 么你就可以去对话了。那第九个就是我相信大家都是这么做的，就是不要用自己的话去转述 bug， 那 直接把报错的日期相关的资料，第一手的资料直接发给 cloud code 就 行了。比如说你如果自己去解释这样的信息的话， 很有可能漏掉这个原始的信息，那不是比比如说这举个例子啊，登录跳转有问题，应该是 tiktok 没存上，你帮我修一下，那么 coco 接受你的需求之后，他就会往这个坑，往这个 token 没存上，这个问题去排查去解决了。 如果你自己的怀疑是有问题的，那么就错失一个非常好的一个修复的机会啊。所以最好的方式是什么呢？你可以加上自己怀疑的方向，但是最最重要的是把日制给贴上， 把原始资料给贴上， ai 就 会去参考你的意见，同同时也会分析拿到的这个日制啊，去排查所有的可能性。所以呢，你要去 二次加工这样的错误信息，除非你有很明确的这个问题是什么，那么你可以去这样去调试。第十个就是这个 clear 操作，就当你在进行下一个任务的时候，你这个任务跟上一个任务是完全没有关联线的， 你不需要用到上一次对话的这个上下文，那么你就可以使用 clear 去清除这样上下文。因为我们在跟 ai 对 话的时候，上下文是不断增加的，那增加到一定量的时候，它就会进行压缩， 那进行压缩是会损失整个代码对话的质量的，那会影响到所有 ai 的 返回的结果，所以呢我们可以去及时去做，进行 clear 去清除，那这样会保持一个代码上下稳的一个干净啊。 还有一种情况是什么呢？是就是说你在跟 ai 讨论某个问题， ai 一 直修复不了，兜兜转转的解决不了的时候啊，这个时候非常建议用 clear 一下，重新开始，你会发现 新的世界。那么我之前碰到过好几次这样的，可能是模型的问题，他就一直解决不到点上，这个时候我就把他颗粒了一下，让他重新再来分析，再来排查，那么就他就完全清醒了，所以这个也是在可以在适当的时候可以救急，可以使用一下。 第十一个就是使用子代理来保持这个上下文的清晰，那这个也是对于上下文的一个管理的一个方式啊，因为为什么呢？因为子代理他是个独立的上下文，他跟 ai 对 话产生上下文是不占用主上下文的，相当于开了一个异步县城，自己去做自己的事情。 那么系统也是自带了一些子弹，比如说搜索代码生成计划，还有处理一些复杂任务。那 cork 在 处理复杂任务的时候，会自动委托给这个子代理去分析，去执行，去完成， 那么你也可以去使用自定义的子代理，那这个是我们经常用到的，那什么情况下要去使用子代理呢？那我的理解就是有很多种情况啊。第一种呢就是你马上要进行这个任务，是一个非常耗时间的任务，而且你的主代理 对这个子代理执行的这个过程是不关注的，你需要的是他的一个结果，那非常典型的就是 code review， 那 么主代理需要的是 code review 的 结果，比如这个代码到底哪里出现了问题，对吧？然后给到我，拿给我，我去修复。那么还有一些是什么？就专家型的，比如说你需要一些 支付漏洞的扫描专家，那么这一类的可以作为是 code review 类型的，让他们去扫描漏洞，找到漏洞，然后反馈到主代理这边去，让他去进行修复，那么这一类是非常适合使用这种子代理的。还有一种就是说你这种 运行测试啊，获取文档这些大量输出的任务，也就是会占用大量上下文的，也可以使用这种子代理的方式。 那么这里还有一种是什么呢？就是你可以你想要把这个任务分拆给多个子任务，同时并行执行，那么也是可以用子代理，但是呢这种的话就比较强调怎么去把子代理建立的非常的独立，互不影响，因为你操作的是同一个代码库，如果说每个子代理之间是相互交叉影响了， 可能导致代码就混乱了。那第十二个就是啊，非常有意思的一个命令叫斜杠。 btw， 那 这个命令有什么意思呢？就是你在 curl code 在 运行过程中，你可以使用这个命令额外的去对话，它是不占用上下文的。那比如说我们现在举个例子啊，我们随便让它去做点事情， 好，他现在正在开始去进行这样的一个代码搜索了，那么你可以使用 b t w， 然后呢输入你的问题就是你现在对这个项目或者对哪里有问题，比如说 他这边就会开启一个这样的一个窗口啊，去对话，但是你的你的这个前面这个任务是在进行的，然后他这边呢也是在进行，而且他这个的对话的记录产生的结果是不会占用你的上下文的，相当于开一个小差， 所以这个还是非常有意思的，可以在你这个过程中去了解一些你想要了解的额外的信息啊。那第十三个就是使用 worktree 去并行开发， 那第三个呢，就是使用 worktree 并行开发，那咱们 color code 里面你使用这个命令， color code 杠杠 worktree， 那 后面这个是一个分支的名称，那这个命令你就会启动一个 worktree， 并且开启一个新的分支， 如果你执行多个的话，相当于多个这样的分支，而且多个这样的一个副本，那么你就可以去并行开发，而且不会相互影响。 那么你也可以使用一些第三方的工具，比如像 conduct， 或者说刚刚对刚刚的这个看板，你可以更加方便界面化的去管理，这样的我可以这样， 那么我使用沃克翠吧，用的比较少，因为我感觉自己脑子弄不过来啊，就是如果开启多个沃克翠的话，那我会我需要关注多个这样的 coco 的 代理去完成这样的任务，我感觉我自己管用不过来。如果你可以 搞定多个同时进行的，那么沃克翠是一个非常非常大的一个效率的提升啊，四个就是选择合适的 m c p 来提升效率，那么现在呢？因为有了技能啊， m c p 的 这个作用范围是进一步压缩了，所以呢，我们只需要安装一两个 m c p 来 做我们的这个很多事情，比如说 pro rite 的 这个 ui 的 测试，它可以自动的去打开浏览器，那么你也可以使用这个 my circle 的 这种 m c p 啊，那么就可以直连去查里面数据，因为有时候我们要测试的时候，我们要让它去查询我们的数据是不是插入成功啦，或者是不是这个查询的数据是不是有问题啊，这个都可以使用 m c p 的 方式，比它去执行脚本要高效的多。那第五十五个呢，就告诉 curl code 要看哪些文件， 那虽然说 coco 有 搜索代码的能力非常强啊，那随着版本的提升，他搜索的能力也在逐步的提升，但是如果你是个技术，你懂代码，那我也非常建议你通过艾特符号去告诉 coco 的 哪些文件的代码 是有相关的，让他去更加快速的去找到这样的代码，因为你如果不告诉他，他去搜索其实也是消费你的 talking 的， 所以呢，我使用自己的加 qq 的 命名方式，那我这边也能看到代码具体情况，那么如果我觉得是哪些文件有问题，我可以直接拖过去，这样的话就能很方便让他去 定位到具体的文件了，这样是极大的提升了这样的一个搜索的效率。那么以上就是这十五个技巧了，那这十五个可能远远不止啊，可能很多人有其他的些技巧，那么这些是我最近整理出来的，里面没有涉及到一些复杂的技能啊，插件啊，我觉得那些是， 那些也是，我觉得那些也是非常重要，但是用好 qq 也是个非常重要的事情。 ok， 那 本期视频就到这，希望这个视频能帮助到你，祝你生活愉快。
8771AI随风
07:45查看AI文稿AI文稿我把可乐扣的变成了黑心老板，专门压大扣单词写代码，结果效率翻了，成本还降了。如果你想彻底解放双手，那么我这一套工作流的方案一定可以帮到你。使用可乐扣的扣单词这类工具久了， 慢慢的就想让他们自己长久运行，但又怕写偏或上下文爆了。针对这个需求，我设计了一道可乐扣的监督扣单词的工作流，今天就把这套工作流以及设计思路分享给大家， 不仅仅是个方案，更是一种思路，大家完全可以拿去改成适合自己的方案。我先讲解一下这个思路，大家如果不想听这部分，可以跳到这个时间点直接抄作业。 我自己的情况是有切尔克 ppt plus 可以 使用扣带子，同时还有质朴的扣领 part 会员可以被摄到可乐扣的中使用。 gmail 我 也有，但是 gmail 的 c u i 我 个人感觉体验不太好，所以这里就使用卡拉扣的以及扣带子。 总结一下就是智普的扣令牌栏额度非常多，我基本上没有碰到过限额的情况。可乐扣的功能非常多，非常齐全，但有时会出现过着完成任务的情况。扣袋子则相对稳定一点，但模型对我来说相对较贵，所以要省着点用。 我这里的策略是让可乐扣的来充当监督者，让扣袋子去干活。关于扣袋子模型，我建议使用切的 gpt 五点二 mini， 但 扣袋子后缀官方说法是专门针对边层和代理任务优化，但我实际拆下来干活效果不太理想。 medium 类似于 auto， 你 也可以选择 high， 但是最好不要选择 x high 我 之前试过，效果是真的很好， 但是一天就跑完了，一周的额度，钱包真的收不住。最近出的五点三扣袋子也可以试试看，速度是真的很快，但多多少少也存的 爱的、偷懒的情况。决策分工是可乐扣的充当监督者。扣代词则是工人，这里使用两个 a 级的进行工作，最大程度上防止某些作弊。一个只负责写，一个只负责验收。整个流程开始于我使用扣代词生成的一份 open spark 偏更题案，这些题案会被转化为 test m d 中的具体代码是将列表。每当需要执行一项新任务时，可拉库尔就会启动一个 sub agent， 使用 codex e x e c 调用 codex， 然后使用自按语言调用 open spark。 open spark 最好是 零点二一点零版本，因为在新的版本， open spark 的 工作流就重构了，也支持自按语言调用，但使用的是 skills。 出发后续我研究一下怎么配合到这个工作流里。 托马斯在写完代码后，他必须制作一个可复现的测试方案作为完工凭证。 c u i 任务他必须提供一个智能化的测试脚本。 g u i 任务则提供一份 m c p 的 操作方案，可劳克勒会亲自运行脚本并进行验收。对于 g u i 任务，他会严格按照流程调用 payload m c p 辅 物，驱动浏览器并抓取截图作为证据，确保代码不仅写了，而且真实可用。只有当可拉库的亲自确认测试方案运行通过，且手中的证据链完整无误时，他才会执行一系列的确凿操作。在 tasks md 中勾选任务，更新 feature list， 点最省的 pass 状态，直接 get 提交存档，将日期写进 progress 点 t s t。 如果遇到技术卡点卡拉扣的，会利用 ctrl 七或浏览器搜索工具自主寻找解决方案，便知道 ctrl 进行重试。 我最在意的就是防止 ai 跑偏以及 ai 假装完成的任务。为了解决这个问题，我设计了一个双保险机制，分别是用 tasks m t 记录过程， 可使用 finisherlist 点击率记录结果。我们先说 tasks m d， 它是给人类以及 ai 件的文件，包含具体的任务以及详细的需求和实施步骤。我们先使用 codex 进行一个完整的体验， 可靠的会在这里记录具体的验证命令、截图路径和报错日期。如果有阻碍， codex 只能在这里写。具体的问题是什么？ 是由当可拉扣的执行验证后，由可拉扣的写通过，确保我们知道代码是怎么出来的，而不是凭空变出来的。 有的过程还不够，我们还需要一个绝对理性的验收机制，就是 file list 检测这个解释给 ai 的 使用的。这里不记录任何过程，请关注任务是否通过完成了。它是一个结构化的交付清单，所有任务默认状态全是 false， 只有到某个任务真正被验证无了，它才会变成出。那么这两个文件是怎么配合，以此来防止 ai 作弊的呢？核心就在于标签印刷和单向流程。首先是标签印刷，我们在 tasks m d 里的具体任务后，会打算像简号 r e 这样的标签会对应 for list 点击层里 id 为 r e 的 功能条目。其次是单向的流程，可拉克的必须先在 task 四 m d 里跑通代码，拿到缺少的 pass 证据，然后才会去 for list 里面去更改状态。 首先是安装可拉克的和 code， 这个就不列据了，安装奥巴斯 bug 这里要说一下，最好是零点二一点零的版本 使用这个命令安装 open spark。 然后回到项目目录，使用 open spark 抽象化加项目，然后再把它的这些提示给复制到扩展词里面。 首先是 palette m c p， 可以 让可乐扣的去检验 g o i 界面，选自动化确认浏览器并收集证据，再配一个 control 器，遇到卡点时能查资料，浏览器搜索 m c p。 我 这里使用的是这幅的档案，你也可以换成其他的。大家可以去我的簿客或 知乎 app 上，也可以去云盘上进行下载复制，下载后就是这些内容了。 skills 大家可以配置到它们的根目录或者是项目目录，配置到项目目录的话直接粘贴过来就可以了。 skills 这里一共有三个，两个是给 cosys 用的，第一个是 使用采访式反问，把我们的需求和 ai 界的对齐。第二个是生成 fairlist 点 jason， 最后一个则是给可拉克的一道卡点石使用的。为了让这道流程跑起来，我们需要覆盖和新建几个配置文件。首先是 windows 八 pro pro 点 o d 需要添加的 windows 的 位置在这里， ios 的 就是这个，直接在这个 step 六后面添加内容。下面则就在项目目录里面的 openstack 文件夹下的 project dmd 的 末尾添加这个。它和上一个的目的都是为了让 openstack 生成的 test dmd 符合我们的要求。 这里需要着重说一下更改 open spark 端口， 点 m d， 则需要在输入 open spark int， 也就是说实话命令后再更改，否则会重置掉。下面则是在项目目录下完全覆盖 colocode， 点 m d， 目的则是为了明确 colocode 的 身份以及任务流。最后则需要新建一个自定义命令，位置则是在这个 新建一个昂迪脚本，这是我们自动化的核心，它定义了克拉克的如何自动循环调用 codex， 同时也避免了我们重复输入。下面则是重复流程了，先打开 codex， 使用自然语言作为一个变更体验，例如为我这个项目添加一个支持夜间模式自动切换的 openstack 体验。然后再使用 skills openstack 劝解 interviewer id， 让模型通过采访的方式引起我们的需求对其需求。这里的 id 是项目目录下的 open spark 文件夹劝诫词文件夹下的当前提案的文件夹名称。再用 open spark future list id 这个 skills 让模型创建一个 future list addition。 最后就是打开查找 code， 输入斜杠 monitor open spark codes id 就 可以开始工作了。本期视频到这里就结束了，视频创作不易，还请您点赞、关注、支持。如果您有任何问题，欢迎在评论区交流讨论。
6939她笑中藏泪花
00:45查看AI文稿AI文稿这十二条规范能让 cloud code 的 错误率暴跌！卡帕西之前发过一份规范，让 cloud code 别过度设计，简洁回答，先想清楚再执行等等等等。这些规则呢，都很实用，但是放在今天可能有点不够用，因为现在的 c c 要经常处理，更复杂的 agent 流 带来了一些致命的坑。比如托盘烧完了以后， a 卷的线在循环里出不来，或者是看到报错了以后依然继续写，把 a 项目的风格又带到了 b 项目等等。于是有个开发者就在卡帕西的规范上又补了一些新的规则，比如加了硬性的托盘预算，给单次任务设置上限，接近了就强制停下来总结，重新开始一轮。 剩下的几条也是同样的逻辑，报错了就必须停，不能继续跑，不同的项目风格也要隔开这一套加紧靠的文档错误率直接从百分之四十一降到了百分之三。好了，找不到文档的来找我呦！
131AI红发魔女
01:03查看AI文稿AI文稿分享几个 cloud code 好 用的小技巧，因为我一句代码都不懂，有时候写提示词的时候就很容易陷入死循环，后来用了这几个技巧，体验就顺畅了很多。第一个是安装 skills， 原生的 ai 有 时候输出的并不是很准确，但是装上了之后，它的思考能力和输出的质量都会变得更好。第二个是让它开启 plan mode 模式，让 ai 干活之前先思考好清楚，规划好更详细的解决路径再开始干活，这样解决问题的成功率就会大大提高。 第三个是及时使用 complex 来压缩上下文的内容，就是在你提出一个无关的问题的时候，或者是上下文快板的时候，就要及时清理，这样一来就可以减少 ai 在 思考的时候受到的干扰。第四个是调整提问的方式， 就是尽量不要给他直接下达指令，就当你不知道的时候，可以先把问题的现象描述给他，让 ai 来根据现象来排查问题和思考解决的方法，这样就可以避免下达错误指令的情况。第五个是优先找报错的日制， 就是当你的产品报错的时候，一般浏览器的后台都会出现小红叉，把它下面的内容发给 ai， 解决问题的成功率就会大大提高。
02:54查看AI文稿AI文稿大家好，欢迎来到本期技术教学，今天要分享的是如何用 c c connect 把路由连接到飞速。这是一套全平台的完整配置方案， 无论你用什么系统都能轻松搞定。话不多说，我们开始吧。先简单介绍一下 c c connect 是 什么，它是一个桥接工具，能把本地的 ai 编码代理连接到你常用的消息平台。最关键的是，大多数平台不需要公网 ip， 只要有网络就能用。它支持路由到路由、 codex、 gemini、 cursor 等十多种 ai 工具，覆盖飞书、钉钉、 telegram、 slack 等十一个平台。简单来说就是让你在哪都能用上 ai 助手。整个配置流程分为六步，如下所示，稍后我们会详细演示每一步的操作， 至于为什么要用非书，如下所示。除此之外很重要的一点，微信 cloud bot 只能连接一个工具，相信很多朋友已经连接了 opencloud 或者 harmys agent， 理论部分就到这里，准备好开始了吗？接下来我会一步步演示如何完成 c c connect 配置，记得点赞收藏。运行 n p m 安装命令 a few moments later 安装完毕，运行 c c connect， 再运行 c c connect web 这时候会启动九千八百二十端口，打开网页，加载不出来，不用管，重新 c c connect 启动服务， 这就进入到 web 管理段了。点击侧边栏服务商， 我这里选择了从 c c switch 导入。当然如果你没有 c c switch， 也可以添加服务商。 点击侧边栏项目，点击默认的这个 my project， 点击服务商添加提供方，选中刚才的服务商并点击使用。 点击设置，把工作目录设置为你项目的工作区下面的权限设置可以设置为 user， 这里我没有演示。点击保存，回到上方的概览， 添加平台，选择飞书，打开你的手机 app， 扫二维码， 创建机器人成功后点击立即重启，再次点击立即重启。 这时候在你的飞书上给 cloud code 发消息吧。 c c connect 服务通过紫禁城启动了一个 coding agent 的 c i 用 s t， d l 和 jason 来通信。 悟空开镜。
662MIP耀的技术分享
04:26查看AI文稿AI文稿如何让 cloud 高效的设计出有质量的需求说明书啊？今天给大家分享一个干货，可以关注和收藏一下。 第一点就是在你写一个说明书的时候，首先你要对这个需求有基本的了解，比如说需求的背景，需求涉及到哪些功能点，有哪些接口，或者说哪些地方需要考虑性能的， 然后有大致的一个呃表明，就有可能会涉及哪些表，可能字段你不需要出，但是你表明要出来，出出来。然后这个写一个小型的一个 microsoft 文件，然后把这个微 microsoft 文件扔给大模型，比如是 kol kolld， 那可乐就会给你出一个出版的需求说明书，然后你寄入这个出版的需求说明书，然后比如说那明显有问题的，前后逻辑有问题的，或者说有些字段设计用于的，或者有些接口设计的不规范的，然后你给他做一个呃修改，让他让他直直接进行修改， 然后来到第二点。第二点就是比如说你基于某一个功能，你说啊某某某功能，你给我以人类的自然语言给我描述一下这个需求的功能点， 他的业务逻辑是什么样子，然后看他说的是不是符不符合你的需求，然后在这个把整个的所有的功能点啊需求功能点再修改一下啊。第三点 这个斜修的地方就来了，因为你让一个大模型给你设计一个模型，它可能呃它有自己的训练的那种范式啊，然后它就会给你出出一定的那个 呃需求说明书，呃和或者是功能点或者一些文字，但这个是可能有偏差的，比如说我用 kol 的 设计，底层用的是 deepsea， 那 你就把这个需求说明书放在，比如说那个 kimi， 大家说我基于这个需求说明书，看看你是否有优化的点，然后他大概率会吐给你呃三到五个点，然后你再根据这三个五点再来一个修复， 修复完了之后，然后就来到第四个点，就是你把这个需求说明书，你说基于这个需求说明书给我写完整的测试案例，并根据这些测试案例对需求说明书进行测试。 然后这个这个点他真的会像我今天做了一个数据说明，他会给我出七十多个案例，并且会把这个七十多个案例全部都跑完，跑完之后他真的会给我出一个 呃，非常符合逻辑的测试啊。举个例子，比如说呃，我给他设计 呃出两个叫板，然后叫板来跑任务，而其中一个叫板说是要把这个呃某一个固定时间延长十分钟，然后再来呃，再来获取一些数据，然后对这个数据进行冲阵。但是呢， 你可能另外一个叫板是当到某一个时间点之后，直接把这个任务给关了，那这个时候他就会有一个时间冲突的一个点，那这个时候这个测试案例就会把它给测出来， 是不是？如果说你写一个文档是不是测不出来？就是你有有些点是忽略掉啊，直接让直接让这个大母熊给你跑一遍这个测试案例，对，你这个需求说明书啊。完成这个四点之后，然后你再把这个需求说明书放到你 准备用呃来编码的大模型里边，比如说我用 clark， clark code 给我设计书需要说明书，然后我用 ctrl 给我编辑代码。那你在放进这个 ctrl 之前， 你也让科索进入科勒科索的培养模式，让他说看一下这个需要说明书有没有什么问题，然后是否符合编码习惯，是否遵循现在的技术站等等这些问题啊，他可能也会有这么一到三点给你优化，而基本上你这个 需求的详细说明书就完成了。那那众所周知的代码已经完成了，就标志着代码已经完成了， 起码百分之九十五的代码已经完成了。然后续你可能呃和，比如说你和其他系统呃连调呀，或者说有一些小 bug 呀，然后你就可以自己不断的来给他迭代迭代修复，基本上代码就完成了。 所以这个就是我给大家分享的如何做一个有质量的需求说明书的一个点，大概这么五点，你觉得有有是否对你有帮助呢？欢迎评论留言。
41飞向蓝天的8鸟