claude除了编码还有哪些能力
粉丝2163获赞9.2万
相关视频
15:29查看AI文稿AI文稿今天这期视频啊，我们只讲一件事情，就是普通人怎么用 cloud code 把自己需要的工具直接做出来。很多人听到 code 这个单词啊，写代码觉得跟自己完全就没有关系，但其实 cloud code 除了超强的这种写代码能力之外， 它还能做很多日常的任务，比如说数据分析啊，比如说这个每日资讯的爬虫啊，比如说文件管理等等，甚至连修图 p 视频这种活啊，它也能帮你把流程搭起来， 因为他啊，不是某一个具体的工具，他是一个圆工具。什么叫做圆工具呢？就是可以搭建其他工具的工具，你用大白话讲清楚自己的需求，比如说我想做一个网站，我想搭建一个自动化的工作流，我想有一个小助手，每天帮我整理资料，他就能帮你一步一步把这些东西搭出来，能跑能用，最后呢，还能帮你去点 现在每天的新工具啊，越来越多，更新的也越来越快，反而呢，会让我们更容易掉进这种效率陷阱里面，学一堆的零碎的工具，越学越忙，效率越学越低。所以我觉得普通人更应该去学这种顶级的通用的工具，学会一次之后啊，以后想要啥就可以做啥。这期视频啊，是 cloud code 的 入门视频，我 会带你从零上手，先用五分钟时间呢，先讲清楚怎么去安装配置 cloud， 当然已经安装好的同学呢，可以直接跳过这五分钟。第二部分呢，我会教大家第一次启动 cloud 怎么用，怎么去提需求，然后会带大家去做几个案例，比如说从零开始，构建一个精美的笔记软件，一些除了写代码之外的其他的生活当中的使用场景。最后呢，再补充一些我自己总结的使用经验，使用建议帮你少踩坑，用的更加顺畅，就算你完全没有写过代码，完全没有用过 cloud code 的 类似软件 也能跟得上。重要的不是用的好不好，重要的是先用起来。好，我们开始啊，首先呢，我们要来安装 cloud code， 那 基本上呢，至少有三到四种方法可以使用 cloud code， 我 们今天只讲最适合新手最省心的一种方法，就是在像 vs code 或者像 cursor 这样的 ai 编程软件当中去使用 cloud code。 这个呢有两个原因啊， 一个呢就是因为现在这些编程软件的进步速度非常快，不断地推出非常有趣的这些新功能，我们可以在使用 cloud code 的 同时呢，能结合这些编程软件推出的新功能。第二点呢就是 cloud code 啊，原声其实是在终端里面跑的，终端大概就是长这样子，就是一堆文字的这样的窗口，新手一上来呢，其实对着这些窗口啊， 很容易直接劝退，但像 vs code 和 ctrl 这样的编程软件呢，其实界面就更加友好，在这个界面上面点点鼠标就可以操作。我们这个视频里面以 vs code 为例啊，你可以直接去这个 scode 的 官网，然后去下载这个 vs code 的 安装包，然后一键安装，完全免费的。安装好之后啊，就可以直接打开 vs code， 可以 点击这里的 open project 新建一个文件夹，名字叫做 cloud code test 创建让这个文件夹信任这个 vs code 的 里面的工具。好了，你看我们刚才建的这个 cloud code test， 这个文件夹已经打开了。安装完这个 vs code 的 软件之后呢，接下来第二步就是我们要来正式开始安装 cloud code。 cloud code 安装呢，其实也不难啊，我们先去这个 node js 的 官网去 去下载安装这个 node js， 然后你可以用比较简单的下载程序包安装的方式去安装。安装完 node js 之后呢，我们再回到 vs code， 打开这里的 terminal 终端，接着呢，我们把这条命令直接复制进终端，直接按回车，确定输入一下密码，然后系统呢就会自动开始安装 cloud code 了。因为我这里已经安装过了，所以呢就不再去演示了，这个视频里面用到的所有命令，所有提示词呢，我都会放在黑猩猩基地里面， 我真心觉得呢，大家不必害怕这样的终端界面，或者是像类似于这样的终端界面，看起来很专业，很复杂，全是文字，但你刚才看到了我们的操作， 只是一些简单的复制粘贴的操作而已。然后再给大家分享一个比较实用的技巧，就是我一般会在 webcoing 的 时候呢，在旁边开一个其他的 ai 聊天窗口，比如说 jimmy 叉 gpt， 都有包前吻，哪个熟悉的你都可以在安装过程当中有任何的报错，任何按钮找不到了，哪一步卡住了，你都可以截图或者复制错误的信息， 然后直接黏贴过来，它基本上都能帮你瞬间解决掉这个问题。到这一步为止呢，其实 cloud code 已经安装好了，我们可以直接在这个终端里面输入 cloud 的 这个单词， 然后新人这个目录，当你看到这个 cloud code 的 logo 的 时候，说明你这个 cloud code 已经安装成功了，我们先退出。但对于小白来说啊，我觉得其实最好再安装一个 cloud code 的 插件，可以提供一个更好的交互界面。我们在这里插件，这里搜索 cloud code， 然后看到这个 cloud code for vs code 之后呢，这里这里有个按钮，直接一键安装就可以了。然后安装完成之后啊，你会在这里发现有一个 cloud code 的 这个小图标，我们直接点击打开，然后我们最终就得到了一个在 vs code 的 编程软件里面的 带插件的 cloud code。 到这一步的时候呢，你 cloud code 的 整个安装流程就完成了。好安装完成之后呢，还有最后一个关键的问题就是 cloud code 的 里面用什么模型， 这个搞定之后啊，你就可以真正的开始使用 cloud code。 cloud code 的 本质上呢，是一个终端里面的这个智能开发工具，所以它自己啊不产生智能，背后必须接一个大模型的服务。官方默认的呢是走这个 elastic 的 cloud 模型，但因为海外服务，大家都知道这个众所周知的原因， 很多人都会遇到网络啊，支付啊，账号啊，稳定型一堆的这个限制问题。但如果你这些自己都能轻松搞定，那你可能也不需要我这期的入门视频了，所以更常见也更适合大多数人的方案呢，是 直接接国内的大模型接口，价格更便宜，稳定性更好，能力也完全够用，比如说智普的 g l m， 比如说 mini max， kimi 等等。为了让整个这个大模型接口的配置过程也更适合小白更友好，我推荐一个接口的管理工具，叫做 cc switch， 大家可以去搜一下这个 cc switch 的 这个下载和使用教程， 它的作用也很直接啊，就是你可以购买多个服务商的不同的模型，比如说有时候这个模型比较便宜啦，有时候那个模型可以有一些优惠的政策啦。 c c switch 可以 帮助你去管理所有的这些不同的模型， 如果你想切换哪个模型，就直接点一下这个启动按钮就好了，非常方便。顺便说一嘴啊，它除了可以管理 cloud code 的 这个接口以外，它还可以管理 codex 和 和 gemina 的 这开发工具的背后的接口。具体怎么使用呢？第一步啊，你要先去这些大模型的官方网站他们的购买页面去购买他们的 coding plan， 买完之后呢，然后去可以去到他们的这个 apikey 的 管理页面去创建一个新的 apikey， 然后把这个 apikey 复制出来，先放好，因为等一下要用一般都是在用户中心的 apikey 管理页，或者是类似的这样的页面里面。第二步啊，打开刚刚的这个 c switch， 然后这里有一个 添加服务商的按钮，然后先选择你的品牌，然后把你刚刚复制的这个 api key 复制进来，然后添加就行了。添加好之后呢，你就可以在这个首页，然后用这个启用按钮启用你刚才新添加的这个考勤 plan 的 这个接口，这些都完成之后呢，就重启你的 cloud code， 然后你的 这个整个 cloud code 以及它后端的这个模型接口都可以生效了。好了，到这里为止啊，就 cloud code 的 所有安装配置流程都已经全部用完了，我们回到 vs code 的 这个软件里面，打 打开这个 cloud code， 接下来我们就来体验一下，为什么很多人说它是二零二五年，甚至到现二零二六年还是最强的 ai 工具。 先介绍一下这个看起来酷酷的这个界面的主要功能，左边呢是项目文件夹，这个就是我们刚开始建议的这个项目文件夹 c c test， 然后中间呢是编辑器，到时候如果有文件生成，你想看某一个具体的文件内容，就会在这个中间显示。右边呢是 cloud 的 核心的聊天窗口，也是你主要跟 cloud 的 交互的地方。正好我们刚刚添加了我们自己的这个大模型接口，所以呢，我们可以在这里直接问他，你现在使用 的是什么模型？他回答呢就是我们刚刚添加的这个新的模型。从刚刚这个这么小的例子当中啊，你可以体会到我们在使用 cloud 的 过程当中啊，不 管你有什么样的问题，你都可以直接问 cloud code。 然后这里呢还有一种更帅的方式，因为 cloud code 里面它自带了很多实用的功能，这些功能呢都可以用斜杠加一些这个英文单词来调取，比如说 输入斜杠，然后后面加上这个 model， 它就会显示你现在正在使用的模型和其他可选的这个模型选项。当然还有很多其他的这个斜杠功能，但我的建议呢是，你完全不需要在现在这个阶段去死记硬背，慢慢用起来，你自然就会记住了我们的思路呢，也是后面用到什么，我们再会去讲什么 好，我们接下来呢来试着用 curl code 做我们的第一个应用。在开始做应用之前啊，我最后再讲一个关键，关键的功能叫做 plan mode， 你 可以在这里看到，现在呢，这个模式叫做 ask before edit， 就是 每次这个 cloud code 想要编辑的文件呢，它都会问你一下同不同意，你按一下它就会变成这个 cloud code 自动去编辑的模式，你再按一下呢，就会出现这个 plan mode。 plan mode 呢，是整个 cloud code 里面极其重要的一个知识点，它的核心价值呢是它不让 ai 立刻帮你去写代码， 而是让你和 ai 来回的去讨论这个方案。把方案定下来之后呢，再去写代码。很多时候，你想让 cloud code 去真正改代码之前，你希望它真正理解你的需求，真正理解你想要去做什么。这就是 plan model 的 这个用途， 先确定它的计划是否符合你的预期，再去执行。很多人抱怨说这个 ai 智能体 ai agent 不 可靠，然后会乱改东西，也实现不了我的需求。但大部分时候啊，都是这个 plan 不 够好的问题。 如果你能正确的合理的使用这个 play mode 智能机啊，大部分时候都会按照你的要求来做事情。还有一点啊，就是如果你不知道什么时候要选 play mode， 什么时候不选 play mode， 那 我的建议啊，就是你所有时候所有场景都把 play mode 给勾选上。好，接下来我们就开始我们的第一个案例。我的提示词是这样子的， 我想开发一款高级的笔记应用，用户能够在一个强大的编辑当中去记录笔记，能够将笔记保存到这个文件夹中，并按照自己的意愿进行整理，甚至还能结合一些 ai 的 功能。 请你为这款应用赚写一份 prg 的 产品文档。然后 cloud code 呢，会反向来问你这个具体笔记软件的一些这个具体的需求，它有了我们的这个回答之后呢，它可以更具体更准确的去编写这个产品文档。好，需求文档写完了，我们先选择我们手动去看看这个需求文档。 需求文档如我们所想一样，就是写的非常全面，包括了产品概述，技术的架构，然后功能的需求。 主要来看一下这个核心的功能点。第一个呢，就是一个笔记的编辑器，然后是笔记的管理。第三点呢，是 ai 智能写作辅助的功能，它还帮我们设想了一些拓展功能，在后续版本当中可以再添加。但说实话，这种 p r d 呢，当然写得很好，但对于小白或非技术人员来说呢， 真的是太完整，太大太全了。对我们来说呢，最稳的方式就是一次只做一个小版本，然后测试，再确认，再加入下一个功能。所以呢，我跟他说，第一个版本啊，让我们先完成这个前端的部分，做一个本地能运行的 demo， 然后把这个模式改成 play mode 发送。 在 clockcode 执行的过程当中啊，它经常会向你问一些问题，以及申请一些权限。然后呢，如果你想一步步每次都确认一下，你就每次都点 yes， 因为我已经用过 clock 很多次了，所以我一般都直接让它默认帮我执行。因为我觉得一步步去 确认比较麻烦，所以我就选择 yes， 在 这个项目当中都会给你这个权限。 clockcode 大 概花了十分钟的时间帮我们实现了这个第一个版本， 看一下它这个历史的聊天记录啊，最后还去确认一下一开始设计的这功能表当中，是不是把这些所有功能没有遗漏的去完成了。最后呢帮我们在本地运行了一个服 务，让我们打开这个网址，去看一下最终的效果。打开之后这个效果呢，我觉得就非常好了，因为我正好要跟大家去讲怎么样在这个 webcoing 当中去 debug， 因为 debug 是 webcoing 当中非常非常重要的一部分， 本来还想说要自己设计一个这个错误，然后来教大家怎么去这个第八个方式，然后正好这里给了我们一个错误。好，我们现在看到了我们打不开这个网站了，那怎么办呢？根本就不用慌，我们可以直接把这里的错误信息全部复制给 cloud code， 当然有时候呢也可以截图，他这直接提供了这个复制按钮， 点击复制，然后直接把这个错误信息复制给 cloud code， 让他帮我们去修复好，他说修复完成了，我们再回到这个网页。哦， 果然修复完成了，你把错误信息直接复制给 cloud code， 在 百分之九十情况下， cloud code 都能帮你去直接修复。我们来具体看一下 cloud code 的 为我们生成的这个笔记软件，光从页面上来看呢，这个第一个版本已经非常像样了，中间应该是这个核心的主要的编辑区域，然后左边呢是这个 文件夹的管理，文件的管理区，我们来新建一个笔记，随便试一下 markdown 格式，标题序列号 也没问题，虽然有一个小 bug 呢，但是这么复杂的一个笔记软件，这么高级的一个笔记软件，能在十分钟之内完成，还是让人感觉到很爽很爽。这里啊，我再给了一个我自己日常使用的一个小建议，前面也顺带提到过，就是在使用 cloud code， 或者是在这个使用 webcoding 的 时候啊， 旁边一定要开一个这个独立的 ai 聊天助手，你随便选一个主流的大模型都行。这样做呢，其实有两个很现实的好处，第一个呢，就是随时救火， 遇到不明白的按钮啊，报错啊流程可以直接把问题丢给他问。 geocode 是 这两年最强的代码智能体之一，主流的大模型啊，基本上都能知道它的常见的用法跟常见的一些坑，所以呢，能给你立即的解释清楚。第二点就是提高复杂任务的这个成功率，有时候一个项目做不成， 一开始方案就不够稳定，在 cloud code 给出它的方案之后啊，我们再用另外一个模型做一次交叉的验证，往往能补出你没想到一些风险点，一些边界的条件，甚至给出更简单的这些替代的路径。具体来说呢，你可以把 cloud code 的 刚刚生成的这个计划直接复制捏切进来，然后问它这么两个问题，一个呢，就是这份计划当中最大的风险跟缺点是什么？ 另外一个啊，就是有没有更稳妥，更简单，成功率更高的实现路径，然后把杰米呢生成的这个方案再黏贴回给 cloud code， 让 cloud code 基于新的建议更新计划，并且继续执行。我们开头的时候说了，这个 cloud code 呢，是一个顶级的通用 ai 工具， 之所以叫通用工具呢，是因为它除了写代码之外，还可以做很多其他的日常任务。我给大家演示几个例子，比如说呢，我打开一个新的文件夹，然后呢，这个文件夹里面有之前我的三个视频， 我现在呢想把它们转换一下格式，并且提取视频里面的音频。这对普通小白来说呢，其实是一个蛮复杂的一个技术性的工作。但我现在可以直接在这个文件夹里面打开 cloud code， 我 可以直接跟 cloud code 说，帮我检查一下当前目录下所有的 mp 四文件， 把它们转化一个格式，并且提取它们的音频，单独存到一个 audio 文件夹里面，保留原来的原文件。我们直接发送给 cloud code， 我们看到因为我们缺少一些视频转换的工具， carlo 会发现这个问题，然后自动帮我们去下载安装这个视频转换的工具。好，任务全都完成了，我们来看一下，它给我们新建了两个文件夹，一个是 odo 文件夹，里面有三个对应的音频， 然后是一个 m o v 文件夹，里面有三个 m o v 的 视频，你们看啊，这样一个视频转换跟音频提取的任务就轻轻松松的搞定了。再来一个案例啊，再比如说，我有一个，比如说这样的一个文件夹 面全是杂乱的这个图片跟视频，然后呢，我想让 carlo corder 帮我去整理一下这个文件夹，直接跟 carlo corder 说，根据文件的类型跟日期，帮我把文件夹里的杂乱文件分别对应到文件夹里发送给 carlo corder， 反而会来问，你说按什么方式去组织这样的文件？呃，比如说，我就选一个按类型跟日期。 好，任务完成了，我们来看一下，有三张图片呢，好像没有被整理进去，但没关系啊，我们先不管他，我们来看一下他帮我们整理的结构，在这个图片文件夹下呢， 这个二四年三月份有一个文件，二五年四月份有十一个文件，二五年一月份有一个文件，然后等等等等，我们来看一下真实的这个文件 家里。 ok， 没有问题啊，他整理的还挺好的，然后速度也挺快的，基本上就花了二十秒钟时间嘛。但是他有时候也会有些小问题啊，比如说这三张图片没有整理进去，但如果你让他再去整理一遍的话，他应该也会帮你把三张图片进去分类。当然这样的场景呢，有很多，我不在这里一一举例了， 大家可以自己去体验一下，自己去探索一下。好了，视频到这里为止啊，我们已经完成了一整套的 clock 的 最关键的入门，我们一开始装好了 clock 的， 接好了模型， 在 vs code 里面跑起来用 play 模式啊，从零开始，做出了一个高级的笔记软件应用，然后正好在录制的过程中啊，我们还碰到了一个 bug， 所以 我们还学了一下怎么用这个 curl code 去 de bug。 最后呢，我们还展示两个日常生活当中会碰到的这个任务， curl code 呢，其实还有很多其他的高阶的玩法，大家应该也听说过，比如说 m c p 啊，比如说 skill 啊，比如说 sub agent 啊，这些呢，我们之后也会介绍，但我想说的是啊，这些其实都不重要，重要的就是你自己先玩起来，先用起来。好了，今天的视频就到这里了，我是李超，我们下次见。
12.9万第四种黑猩猩
01:47查看AI文稿AI文稿还在只会用 cloud code 简单写代码改 bug？ 其实它生态圈里有超多热门必装神级 skill， 百分之九十新手都不知道白白浪费大半功能。 今天盘点五个圈内爆火高手人手必备的 cloud code 热门技能，全部给官方技能原名，直接搜就能装！第一个， doc reader， 全能文档阅读解析技能，可以直接本地提取 pdf word 解析参考资料，看文档读技术资料直接开挂。 第二个， coldrefactor， 全剧代码重构专属技能，专治老旧烂代码，逻辑臃肿，风格混乱，一键统一编码规范精简，融于逻辑，优化签到结构，只整理格式，补改原有业务功能，老项目瞬间变整洁。 第三个， get smart commit get 智能规范提交技能，再也不用手写。 get 备注，只会写 fix bug， 自动识别你代码改动内容，生成大厂风格，标准化提交文案，分类清晰，规范专业，不用自己动脑写注置。第四个， api， docs generator 接口，文档一键生成技能， 写完后端接口，不用手动写文档，自动扫描项目所有路由和参数，一键生成完整 api 文档参数说明调用视力直接能用，省掉大把写文档时间。第五个， dependency audit， 依赖安全检测技能，自动扫描项目所有第三方依赖检测版本老旧漏洞风险版本冲突，自动给出升级建议和修复方案， 提前避开线上隐患和兼容爆错大坑。以上这五个都是目前 cloud code 的 生态热度最高，实用性最强的热门技能， 直接在技能商店搜名字就能安装覆盖文档重构 get 提交接口文档依赖安全全场景，新手不用瞎找插件，就装这五个，直接把你的 ai 开发效率拉满一个档次，收藏起来，慢慢挨个解锁！关注我，带你吃透更多 cloud code 高阶技能！
6463阿森编程日记（AI自动化）
10:15查看AI文稿AI文稿家好，今天咱们来聊点特别实用的东西，我们会把 cloud code 官方发布的那些最佳实践掰开了，揉碎了，变成一份你马上就能用起来的行动指南。目的很简单，就是看看怎么才能把这个 ai 编程搭档的潜力给它完完全全的发挥出来。 好，那咱们就直接开始吧。首先咱们得先搞清楚一个最核心的概念，就是 cloud code 它到底是个啥？ 他可不是一个你问我答的那种聊天机器人，完全不是一回事，他是一个代理式的编码环境。这话听着有点专业，但说白了他就是一个能自己干活的伙伴，他能自己去读你的文件，自己去跑命令，甚至在你没开着他的时候，独立的帮你解决问题。 在我们开始讲任何具体技巧之前，有一个东西你必须得记在心里，上下文窗， 这可是你最重要的资源，没有之一。你想想你跟他的整个对话，他读过的每一个文件，每一个命令返回的结果，所有这些东西都会塞进这个窗口里，那当这个窗口快被塞满的时候，他的表现就会开始下降。 所以啊，你会发现，我们后面讲的几乎所有最佳实践，说到底都是为了更聪明、更高效地管理好这个宝贵的资源。这就是咱们今天的升级路线图。 你看，咱们会先从打地基开始，也就是配置好环境，然后呢，学学怎么跟它高效沟通，接着再掌握怎么控制整个绘画的流程和节奏， 再往后就是玩点儿高级的，搞搞自动化。最后也是最高境界，就是培养出一种跟它配合的直觉，一步一步来。 好的，那咱们就从第一部分开始，打好基础，配置你的环境，真的从一开始就花那么几分钟做好准备，后面的体验会顺滑很多，绝对事半功倍。 你要做的第一件事，可能也是最重要的一件事，就是在你的项目跟目录里创建一个叫 cloud 点 md 的 文件， 你可以把它想象成是给这个项目立下的一个规矩或者说宪法。这个文件很特别，它能给 cloud 提供一些它自己不可能从代码里猜出来的长期有效的指令。 那么这个文件里到底该写啥，不该写啥呢？这张表就说得很清楚了，关键原则就一条，只写那些 cloud 靠自己猜不到或者没法从代码里看出来的信息。比方说这个项目特有的测试命令，或者你们团队内部的代码风格， 但千万别写那些他本来就知道的东西，比如某个语言的标准用法，或者更别提像你要写干净的代码这种正确的废话了。记住，让它保持简洁高效是关键。 ok！ 除了 cloud md 文件之外呢，还有几个能让你马上感觉不一样的小设置， 比如说用杠 permissions 命令，可以减少那些烦人的安沉提示打扰你。还有你可以教 cloud 用像 g h 这种命令行工具，这样它跟各种 api 交互起来就利索多了。 你还可以创建自己的 skills， 把一些能重复用的工作流程封装起来。最后还能设置 hux， 让它自动帮你做一些事儿，比如每次你一改完文件，它就自动帮你跑一遍。代码检查 好了，环境配置好了，接下来咱们就进入核心环节了。第二部分，智能互动，也就是到底该怎么跟你的 ai 伙伴说话，才能让他发挥出最好的水平。这部分讲的可都是日常使用里的精髓。 记住这句话，这可能是今天所有技巧里最有用的一个了。你能做的杠杆效应最高的一件事，就是给 cloud 一 种方法，让它能自己验证自己干的活对不对。 这可以是一段单元测试，一个预期的输出结果，甚至是一张设计稿的截图。你只要让 cloud 清楚地知道什么样才算是成功，它的表现马上就会有一个质的飞跃。 咱们来看个活生生的例子感受一下。你看啊，左边这个就很模糊对吧？实现一个验证邮箱的函数，他可能会给你一个看起来还行，但其实根本处理不了各种边界情况的代码。但你看右边这个就完全不一样了， 他不仅具体，而且是可验证的。他明确给出了测试用力，还要求他写完之后自己去跑测试，这样一来，结果的可能性就高多了，你也不用再当那个人肉测试机了。 那要是遇到个大点的复杂点的人物怎么办呢？别慌，千万别想着一口吃个胖子。你可以试试这个四步工作法。第一步，先用计划模式，让他先去探索一下，读读代码，回答你点问题，但先别动手改。 第二步，让他给你出个详细的实施计划。第三步，等计划你觉得 ok 了，再切回正常模式，让他去执行这个计划。最后一步，收尾工作也交给他，让他帮你写好，提交信息，再开个 pr， 这样一步一步来，就能有效避免一开始就走偏了。 这又是一个超级实用的小技巧，别让他从零开始瞎猜，你要给他具体的参考， 就像这里说的，直接告诉他，你去参考一下现有的模式，别自己瞎搞。那个 holddog widget 点儿 php 就是 个很好的例子。照着那个来你看，这样一来，他写出来的东西就能更好地跟你现有的代码风格和架构融为一体了。 第三部分，咱们来聊聊怎么掌握流程，也就是管理你的绘画。这不就不是简单地给指令了，而是要你主动去控制整个对话的走向和工作的流程。 最直接最立竿见影的控制方法就是尽早引导，频繁引导。当你发现 cloud 的 思路或者操作有点跑偏的时候，别犹豫，马上按下键盘上的 escape 键， 这一下会立刻打断他当前正在做的事，但又会保留所有的上下文，让你能马上给他一个新的正确的方向。 你有没有遇到过这种情况，就是聊着聊着整个对话就乱了，上下文也变得一团糟。别担心，遇到这种情况，你手里是有工具来解决的。 这就是你的绘画控制面板，几个非常有用的命令。比如，当你要开始一个完全不相干的新任务时，就用杠 clear 把上下文清空，重新开始。 如果不小心走错了一步，没关系，用杠 rewind， 就 像时光倒流一样，回到之前的某个监差点。 要是遇到那种需要大量调查研究的复杂任务，你可以派子代理出马，这样就不会污染你主对话的上下文。最后，别忘了用 gmail 给你的绘画起个好记的名字，以后想接着干的时候，随时用 gmail resume 就 能找回来。 第四部分，咱们来点儿高级的规模化，也就是自动化和工作流。现在咱们的眼光要从单个的对话里跳出来，看看怎么才能成倍地提高你的产出。 这里的关键点就是让它进入无头模式。什么意思呢？就是通过在命令行里用杠 p 这个参数，你可以把 c i c d 流程或者 get 的 pre commit 钩子里， 这就打开了自动化新世界的大门。这种工作流就非常强大了，叫做编辑者审查者模式。你可以同时开两个绘画， 让绘画 a 扮演编辑者，负责吭哧吭哧写代码。然后呢，让绘画 b 扮演一个独立的审查者，用一个全新的没有任何偏见的视角去检查 a 写的代码。 这简直就像是请了一个免费的代码审查专家，能极大地提升你最终产出的代码质量哦。好了，终于到了最后一部分，也是最重要的一部分，终极心法，也就是培养直觉。 到了这个阶段，就不再是简单地遵守规则了，而是要真正地学会怎么跟你的 ai 伙伴一起思考。在咱们练成绝世高手之前，先来看看有哪些常见的坑，以及怎么爬出来。这张表总结得特别好， 比如那种厨房水槽式的绘画，就是在一个对话里塞了太多不相干的任务。解决方法很简单，用杠克粒儿把它们分开。 还有，如果你发现自己反反复复的在纠正它，试了两次还不行，那八成是你的指令有问题了，不如直接杠 clear， 换个更好的问法， 记住，永远要给他一个验证自己工作的方法，避免那种信任但没法验证的尴尬。最后，如果他探索的范围太广，天马行空的，记得帮他收一收范围，或者干脆派个子代理去干这个活儿。 最终啊，随着你用的越来越多，你会慢慢培养出一种直觉，这种感觉是任何指南都没法完全写明白的。 你会本能的知道什么时候该给他非常具体的指令，什么时候又该放手让他自由发挥，什么时候需要一步一步的详细规划，什么时候又应该大胆的去探索。 那这种直觉很简单，就是多留意那些行之有效的方法。 当你得到一个让你特别满意的结果时，别光顾着高兴，停下来花一分钟复盘一下你当时是怎么提问的，你给了他哪些上下文，你当时用的是什么模式？ 通过这种刻意练习，你会发现自己进步的非常快。好了，听了咱们这次的全面解析，你现在最想满上上手实施的是哪个最佳实践呢？ 是立刻就去项目里写一个 call dot md 文件？还是想体验一下那个强大的编辑者审查者模式？别犹豫了，现在就开始你的精通之旅吧！
2392老王Bingo
00:36查看AI文稿AI文稿二零二六年，你们一定一定要学会使用可劳克的，毫不夸张的说，用好它至少能让你的生产率翻二十倍，因为它的功能不仅仅是写代码，开发应用，我一直都把它当成通用 agent 在 用， 你可以用来写文章，做数据分析，甚至上整理报销发票，这样的繁琐需求都能用它一句话搞定。那么究竟该如何安装并熟练使用可劳克的？除了官方的文档，我最推荐的就是这份完全免费开源的可劳克的中文教程。 可以看到，从安装环境配置、如何使用国产大模型、平替基础使用指南到进阶实战技巧，写的非常详细，而且是全中文。我真的建议你们每个人都可以把它收藏起来，用起来，找不到的话可以跟我说。
3675艾克ai分享
06:59查看AI文稿AI文稿你用 ai 写代码花的钱，百分之九十都被浪费了，而且越贵的 ai 浪费得越严重。今天这个工具，能让你用 cloud code 做代码审查的 token 直接减少六点八倍，同时审查质量还能从七点二分涨到八点八分， 日常编码任务更是能省四十九倍的 token， 平均下来所有场景能省八点二倍。这不是什么理论数据，是六个真实开源仓库十三次提交实测出来的结果。这个工具叫 code review graph， 现在 github 已经六五 k 星了，刚更新到二 一点零版本，专门解决 ai 编码助手最大的痛点。先给大家算一笔证，假设你用 cloud 三点五 sonnet 输入 token 时三美元，每百万 一个中等规模的项目，每次代码审查要一万三千两百零五个 token， 差不多四美分一次，一天审十次就是四十美分，一个月下来就是十二美元。 这还只是代码审查，加上写代码改 bug 调试，一个月花几十美元很正常。但你知道吗？这一万三千两百零五个 token 里，有一万一千多个，都是完全没用的。因为现在所有的 ai 编码助手，不管是 q 的 code 还是 qsr， 每次任务都会重新读取整个代码库。就像你让助理改一个文件，他非要把公司所有档案都搬出来看一遍，不仅慢还贵，而且看的东西太多， 反而容易抓不住重点。 code review graph 做的事情很简单，就是给你的代码库画一张结构化的地图，它用 tree sitter 把代码解析成一个个节点，比如函数类导入语句，然后用边把它们连起来， 记录谁调用了谁，谁继承了谁，哪些测试覆盖了哪些代码，这就是第一个顿悟时刻。 ai 不 需要知道整个代码库，它只需要知道和当前任务相关的那一小部分。 就像你去一个陌生的城市，不需要记住所有街道，只要有一张地铁图，知道从哪站到哪站就行。当你改了一个文件，它会自动计算爆炸半径，也就是所有可能受影响的调用者依赖项和测试，然后只把这些文件传给 ai， 而不是整个项目。 实测下来，原来要读一万三千两百零五个 token， 现在只要一千九百二十八个，直接少了六点八倍。更重要的是，因为 ai 不 用看无关的噪音，审查质量反而更高了。说到这里，可能有人会说，我用的是免费的 qc token， 不 花钱，我需要这个吗？ 把你的答案打在评论区。其实免费的用户更需要，因为免费版的上下文长度是有限的，超过了就会失忆。答非所问。 这工具能让 ai 在 有限的上下文里装下最多的有用信息。比如一个两万七千多个文件的大型单体仓库，它能直接排除掉两万七千多个无关文件， 这把真正相关的十五个文件传给 ai。 这时候 ai 的 回答质量和你给他整个代码库的质量完全不是一个级别。第二个动物时刻，他的增量更新速度快到离谱。很多人担心第一次构建图谱要花很久，以后每次改代码还要重新构建，反而更麻烦。 但实际上，五百个文件的项目，第一次构建只要十秒之后，每次文件保存或者 git 提交，它会自动触发钩子，只重新解析变更的文件， 两千九百个文件的项目增量更新不到两秒，你根本感觉不到延迟。它用 sha 二五六哈希检查依赖项，只要文件没改就不会重新解析。而且所有数据都存在本地的 c 库 light 文件里， 在项目跟目录的 code review graph 文件夹下，不需要任何外部数据库。第三个端午时刻，它不是只能省头坑，它能让 ai 做很多以前做不到的事情，比如自动生成整个项目的架构图，还会标出藕合度高的地方，提醒你哪里需要重构。 比如自动生成项目的 wiki 文档，根据代码的社区结构，把相关的模块整理成 markdown 文件，比如死代码检测，找出那些从来没被调用过的函数和类。还有人会问，这个工具会不会把我的代码上传到云端，毕竟代码安全是底线。把你的顾虑打在评论区， 完全不会，所有的解析、计算、存储都是在本地完成的，它不会向任何服务器上传你的代码， 而且它是 mit 协议开源的，所有代码都在 github 上，你可以自己选寄。它只是通过 m c p 协议把本地的图谱信息传给你的 ai 助手，整个过程数据都在你的电脑里。 现在支持几乎所有主流的 ai 编码工具，包括 cursor、 cloud， corebin， service at continue 等等。安装也特别简单，只要一条命令， pip install cob review graph， 然后运行 code review graph install， 它会自动检测你电脑上的 ai 工具，自动写入 m c p 配置，自动注入图谱感知指令，全程不用你手动盖任何配置文件。安装完成后，打开你的项目， 对 ai 说一句， build code review graph for this project 等十秒左右图谱就建好了。之后你再让 ai 写代码、改 bug、 做审查，它会自动调用图谱工具，只读取需要的内容。 它还提供了二十二个 m c p 工具和五个现成的工作流模板。比如 review changes 模板，专门用来做代码审查，会自动计算变更的风险评分， 标出受影响的流和测试缺口。比如 debug 一 许模板，会自动追踪执行流，帮你定位 bug 的 根源。比如 on board developer 模板，会自动生成项目的架构概览和核心模块介绍。 新同事入职只要看这个就行。当然它也不是完美的。比如对于小型包中的单文件变更图谱的上下文可能会比原始文件还大一点， 就像 express 仓库的测试结果只有零点七倍的减少。但只要是多文件变更，它的优势就非常明显。而且它的影响分析是百分之一百召回率，宁可多标记几个文件，也绝对不会错过真正受影响的依赖， 这对于代码审查来说是最重要的。总结一下，这个工具解决了 ai 编码助手最核心的两个问题，偷看浪费和上下文噪音。 它能让你花更少的钱，得到更高质量的 ai 输出，而且完全本地安全开源。对于每天都要用 ai 写代码的开发者来说，这绝对是一个能显著提升效率的工具。不 过这个工具目前还在快速迭代中，还有很多功能正在开发，比如支持更多的语言，更好的向量嵌入，还有团队协助功能。 下一期我会实测它在十万行代码的企业级项目里的表现，还有怎么用它配合扣 sir 实践零配置的智能代码审查，以及分享我整理的最佳配置脚本和常用 prompt 模板。记得点赞关注我！
436AI大白话
00:58查看AI文稿AI文稿兄弟们，就在刚刚啊， android capacity 官宣加入了 astropics。 其实 capacity 除了是 open i 联合创始人特斯拉，前 ai 总监，还有他喜欢拍科普视频之外，他有一个很容易被我们忽略的标签啊，就是他的项目 auto research。 auto research 是 一个能让 ai 自己修改自己的代码，自己训练自己，然后二十四小时不眠不休不断地自己把自己变得更强的项目啊。 而且就在今年三月，卡帕萨斯自己在推特公布啊， research 是 取得了重大进展， shopify 的 ceo 用自己公司一个八亿参数的模型，当天晚上跑了一下凹透 research， 然后立刻就战胜了一个十六亿参数的模型。 所以现在 osropik 他 一手是有全球最强的模型 missus。 另外他拥有了这个世界上最懂得如何让 ai 自己把自己变得更强的人。卡帕斯基很难想象接下来会发生什么。
270王壮壮
03:32查看AI文稿AI文稿本周榜单关键词就两个字，生态 ai 编码代理和 kyle ko 技能级几乎淹没了整个榜，新上榜的六个项目个个带着杀招杀进来，这期没有客套，全是干货。第二十名， generic agent， 一个极简可自我净化的自主 agent 框架， 赋予任意大模型操控计算机的能力。第十九名， world monitor， 实时全球情报屏， ai 聚合新闻加地缘政治追踪，持续刷存在感。第十八名， voice box， 开源 ai 语音工作室 克隆听写创作全包老项目，但功能扎实。第十七名， cc switch， 跨平台桌面一体化助手，同时切换管理 cloud code、 codex 等终端，开发着省心利器。 第十六名， career apps ai 求助系统，十四种技能模式批量生成，简利用 cloud code 把找工作自动化了。第十五名， free cloud code， 免费在终端 vs code 甚至 discord 里用 cloud code 直接打价格战。第十四名， cloud code game studios， 四十九个代理，模拟游戏工作室层级，把 cloud code 变成完整开发流水线。第十三名， r t k rush 写的 c o i 代理，硬生生砍掉百分之六十到百分之九十的 token 消耗，零依赖，效率恐怖。 第十二名， multi k， 开源托管代理平台，把临时编码助手变成长期协助队友。第十一名， graphify， 把任意代码文档文件夹转成可查询知识图谱，解锁效率翻倍。好了，接下去要讲本期排行前十的项目了。第十名， agent skills， 生产级工程技能级，来自 adiso 本人 ai 编码代理的标准教科书。第九名， p l f m rida， 开源相控阵雷达系统，十点五千兆赫兹频率，低成本的硬核硬件项目和软件版画风迥异，但含金量极高。第八名， clubman 酷扣绘画自动捕获，压缩未来，注入上下文，类似你的 ai 回忆录。第七名， awesome design md 经典品牌设计文件集合 一行第三点 m d 就 能让代理生成匹配 ui 设计资源标准化。第六名， gistac georgetown cloud code 配置二十三个工具模拟 ceo， 设计师、工程经理一人团队标配。第五名， caveman 原始人说话风格减少百分之六十五 toc 肯 这思路在沈透根的道路上挺有意思。第四名， c r 四 r e t 四 s 新上榜的黑马直接泄露切 g p t gemini、 grak 等模型的系统提示词， 透明度拉满，堪称 ai 界的有马变无马。还剩下最后三席，每一个都是信像级，要么是新晋王者，要么是霸榜常青树。 第三名， fenep terminal 新上榜的金融终端，市场分析、投资研究、经济数据全集成交互式数字决策工具，把蓬勃终端的气势搬到了开元社区。第二名， hermes agent 与你共同成长的代理连续霸榜，这周退居第二，但依然是智能体领域的标杆。 第一名， android cpus skills 一 份 cpus 配置文件，基于 cpus 对 大模型编程痛点的观察，只在防止 ai 在 编程时产生过度假设、过度复杂化代码以及无效修改等问题。 总结，这周主流项目还是围绕 ai 展开的一系列工具集合，尤其是 cult co 生态，这个趋势已经持续相当长一段时间了，不知道大家是否思考过，这些长期热门的项目实际应用中到底能发挥多少作用呢？期待大家评论区发表发表意见。好了，本周内容就到这，我是赛博笔记，我们下期见。
357赛博笔记
00:51查看AI文稿AI文稿anthropic 刚发布 cloud opus 四点七，这次重点不是一次小修补，而是编码 agent 和视觉三条线一起增强编码能力提升百分之三十的意义不只是多写几行代码，而是更能理解项目上下文处理复杂重构和架构拆分。 agent 能力提升百分之四十。 以前复杂任务做到一半容易掉目标，现在更能稳定执行十步以上的长链条流程，视觉理解提升百分之二十五。图表截图 ui 草图这些输入现在更容易被直接转成结构化的前端结果。 这次体验变化的底层原因在于任务规划错误恢复和上下文管理这三件事做了系统性增强。所以最直观的体感不是他某个单项分数又高了一点，而是你会更明显感到他开始理解你的真实目标。
20AI酋长Andy
01:20查看AI文稿AI文稿用 cloud code 做开发的人，应该都有一个特别烦的痛点，每次关掉会话，重新打开窗口，都要反反复复介绍一遍项目架构，用的什么技术栈、代码、命名规范，还有自己的开发习惯，一遍又一遍重复交代，既浪费时间，还特别影响开发效率。其实根本没必要这么麻烦， cloud code 自带一个超强隐藏功能，项目记忆 cloud md， 而且重点是不用你手动建文件，不用自己手写配置，你只需要直接跟他口述指令，把我这个项目的技术栈、目录、规范、代码风格、开发习惯全部写入项目记忆，它就会自动在项目根目录生成并更新 cloud md 专属记忆档案， 全程不用你动手写一个字， ai 全自动帮你整理存档，里面会自动记录好项目整体架构、所用技术栈、文件夹、命名规则、 代码、书写风格、注视习惯，还有你平时的开发要求，也都会记录进去。只要设置一次，永久生效，以后不管新开多少次绘画换多少个窗口， cloud code 都会自动读取这份项目记忆。不用你再重复介绍任何背景信息， 它会完全按照你的编码习惯、你的项目规则去写代码、改 bug、 做功能、重构，写出来的风格跟你完全契合，不用反复磨合。 新手也可以直接输入斜杠命令 init， 一 键自动生成标准 cloud md 模板，稍微微调一下就能直接用。学会用好项目记忆， cloud md 彻底告别重复交代项目的麻烦，让 cloud code 越用越懂你，开发效率直接拉满！关注我，带你了解更多 ai 知识！
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。
1793叶哥说AI
05:45237Luke的AI沙盒
07:25查看AI文稿AI文稿上一集咱们把 skills 层拆透了，一百八十二个技能卡片，每个都是一个知识工作包，但 skills 只定义了做什么，谁来执行呢？这就引出了 e c c 架构的第三层 agent 编排。 e c c 里有近五十个专业代理， 架构设计用 opus， 日常编码用 sonnet， 搜索文档用 haiku， 五十个代理怎么分工，怎么协助，怎么根据任务复杂度，自动路由到最合适的模型。今天咱们就把这个机制拆开来看。先说个类比， 你见过好的工程团队怎么运作吗？架构师负责设计，前端写界面，后端做接口测试，工程师跑测试，每个人都有自己的领域，不是什么活都一个人干，而是根据任务的类型分配给最合适的人。 e c c 的 agent 编排就是这个思路，不是让一个万能 ai 硬扛所有任务，而是根据任务的复杂度和类型，自动路由到最合适的 agent 和模型。 理解了这个分工思路，咱们来看 e c c 里最核心的六种 agent。 第一种叫 planner 规划者，他的任务是把一个复杂需求拆解成可执行的步骤。比如你说帮我重构一下这个模块， planner 不 会直接动手写代码，而是先做一份执行计划， 第一步做什么，第二步做什么，每部的依赖关系是什么，都给你安排好。第二种叫 architect 架构师，他专门处理系统设计和技术决策。 比如你在两个架构方案之间纠结， architect 会从性能、可维护性、扩展性三个维度做结构化对比，帮你做出决策。第三种叫 t d d guide 测试驱动教练， 他的工作方式是先写测试，再写实现，不是先写完代码再补测试，而是测试先行，让测试来定义你期望的行为， 然后再写代码，让测试通过。第四种叫 code reviewer， 代码审查员，他负责质量把关，检查逻辑错误、性能问题和代码风格。第五种叫 security reviewer 安全审查员， 专门检测安全漏洞和合规问题，这两种审查角色是分开的，因为代码质量和安全是两个完全不同的专业领域。第六种叫 refactor cleaner， 重构清理者，它负责消除死代码，优化结构，提高可读性。 这里有个设计细节值得说一下，每个 agent 都有独立的 skill 点， md 和 references 目录，它不是通用模型硬套所有任务，而是带着专业知识来干活。 六种 agent 分 工讲完了，接下来聊聊这些 agent 到底用什么模型在跑。 e c c 的 策略叫模型分层，简单说就是三个档位，根据任务复杂度选最合适的模型。第一档是 opus， 能力最强，成本也最高， 它专门处理架构设计、复杂调试、重大技术决策这类高难度任务。这类任务在一天的工作中可能只占百分之十，但消耗的预算可能超过百分之六十。原因很简单， opus 的 推理能力最强，能处理最深层的逻辑问题。 第二档是 sonnet， 日常编码的主力，日常编码代码审查功能实现百分之九十的编码任务都用 sonnet， 它的速度比 opus 快 两到三倍，成本只有 opus 的 十分之一，但对大多数编码任务来说，质量已经足够好了。第三档是嗨酷轻量任务的优选，文件搜索简单查询格式化。这类轻量任务都用嗨酷， 它的成本大约是 opus 的 三十分之一。响应速度快的 e c c 会根据任务特征动态判断。 能用嗨酷的绝不用 sonit， 能用 sonit 的 绝不用 opus。 这就像一个合理的团队分工，不会让架构师去修 bug， 也不会让实习生去做系统设计。分工和模型都讲完了，接下来讲 agent 之间的合作机制。 e c c 用了两种编排模式，一种叫 sequential phase 顺序阶段模式，另一种叫 iterative retrieval 迭代解锁模式。 先说 sequential phase， 它是一个五阶段流水线， research plan， implement， review， verify， 每个阶段由专门的 agent 负责，上一个阶段的输出是下一个阶段的输入。 research agent 收集上下文信息，理解你的代码库。 plan agent 基于这些信息拆解任务，制定执行计划。 implement agent 按计划写代码， review agent 审查代码质量，最后 verify agent 跑测试验证结果。这个模式的好处是不允许跳步，每个阶段都有明确的完成标准，只有通过了才能进入下一阶段。 就像工厂流水线上的质检环节，每一道工序都有质检员把关。再说 iterative retrieval 这个模式解决的是一个实际的问题， 就是 agent 不 确定自己还需要了解哪些信息。什么意思呢？有时候你给 agent 提个任务，他需要先理解上下文，但他不知道自己还需要了解哪些信息，如果只搜索一次，很可能漏掉关键信息。 iterative retrieval 的 做法是多轮追问，最多三轮，第一轮广撒网，把所有可能相关的信息都收集过来。 第二轮聚焦基于第一轮的结果，缩小搜索范围。第三轮确认，确保没有遗漏关键信息。每轮追问都基于上一轮的结果，逐步收敛到最终答案。两种模式不是互斥的， sequential phase 负责整体流程的推进， iterative retrieval 负责每个阶段内部的信息收集，它们组合在一起，就形成了一个既能有序推进，又能深度理解上下文的完整编排体系。好了， 咱们来回顾一下今天讲的重点。第一， e、 c c 用六种核心 agent 做专业化分工， planner 做规划， architect 做设计， t d d guide 做测试驱动， code reviewer 做质量审查， security reviewer 做安全检查， refactor cleaner 做代码清理。每个 agent 都有自己的专业领域和独立的技能库。第二，模型分层策略，根据任务复杂度动态选模型。 opus 做架构， sonet 做日常编码， haiku 做清量查询，能用便宜的绝不用贵的。 第三，两种编排模式各有分工， sequential face 用五阶段流水线保证流程不跳步。 iterative retrieval 用最多三轮追问解决信息遗漏问题。如果你已经装好了 e c c， 下次让它帮你做代码审查的时候， 可以注意观察它是怎么自动选择 agent 和模型的。你会看到一个精心设计的路由策略在背后运作。下一集咱们聊 agent 的 调度的幕后推手。 hux 系统 a 阵的什么时候该启动，什么时候该切换，什么时候该停止，这些都靠 hook 来控制。 e c c 里有十五个以上的生产级 hook， 覆盖了从工具调用到绘画结束的完整生命周期。其中最实用的 stop hook， 能让你每次停下工作的时候 自动跑完格式化类型检查和经验记录。下次启动直接接上之前的上下文，咱们下期接着聊。点赞收藏追更系列不错过，咱们下期再见！
545全栈观察员
01:48查看AI文稿AI文稿大家看一下什么叫离谱，他在烧克拉的四点七，一个方案大概是一万个 token， 一个需求大概是十五个方案，也就是十五万的 token 码的话，完成一个十五，再把这十五个文件的需求建表做后端，前端 调试，然后做好整个交互用力，大概要花五千万左右的透坑。用好一点的模型，比如说五块钱一百万透坑，那大概是不到三百块， 咱们算七千万左右透坑能把它实现，那就是三百块左右实现一个需求大一点的需求。三百块钱 算下来还是比较便宜的，因为你找外面帮你做一个，那，那很小的需求他们都敢报一两一两千，所以整体算下来的话，价格还算优惠。 而且它这个功能一定是能跑通 s o p 的， 所以用 ai 看起来也不便宜，只能说用的好还行，用的不好的可能做这个功能到处翻车漏水，也要花那么多偷看， 前提是花这么大量的头肯把它做出来了，那还是挺划算的。比如说你一天花 两百块钱做这个功能，你一个功能要做三天，其实就附加一个月大概花四五千块的头肯，但是你的这个交付能力，交付质量上提升，也就是说强行上了一个档次， 这样的变相呢，也是解决了一个交付问题，但成本还是挺贵的。算了一下。
392记录晚年程序员的AI生活
08:26查看AI文稿AI文稿今天我们要聊的是 cloud code 的 最佳实践。 cloud code 不 仅仅是一个聊天机器人，它还是一个代理式编码环境，能读取文件，运行命令，做出更改，甚至可以自主解决问题。 但像所有强大的工具一样，要真正用好它，需要我们理解它的工作方式和一些经过验证的模式。我们进入正题，所有最佳实践都建立在一个核心约束上， cloud context window， 它保存着整个对话，每条消息，每个读取的文件，每个命令的输出。当这些内容填满时， cloud 的 性能就会下降，可能开始遗忘早期的指令或者犯更多错误。 所以 context window 是 你最需要管理的资源。右侧列出了四个主要的消耗者，读取的文件、历史消息、命令输出和 cloud 的 回复。频繁使用 clear 在 不相关的任务之间重置，用 safari 隔离探索任务，以及使用 compact 进行智能压缩。 记住，把 context 当做有限的内存，而不是无限的硬盘空间。接下来这个实践可能是今天最高杠杆的一个给 cloud 验证自己工作的方式。什么意思呢？就是不要只告诉 cloud 你 要什么，还要给它判断成功或失败的标准。比如 与其说实现一个验证邮箱的函数，然后运行这些测试，用力看看结果对不对。有了明确的标准， cloud 可以 自我检查和迭代，而不需要你做唯一的反馈回路。验证方式有很多，测试套件，截图对比、 link 检查，或者简单的 bash 命令做输出校验。这一页讲的是工作流的节奏， 很多时候我们会忍不住直接让 cloud 开始编码，但这可能解决的是错误的问题。正确的节奏分四步，第一步，用 plan mode 探索代码库，只读不改。第二步， 让 cloud 创建一个详细的实现计划，你还可以按 ctrl 加 g 直接编辑。第三步，切回 normal mode， 让 cloud 蛋计划实现。最后一步，提交并创建 pr。 对于修复拼写错误加日制这些简单任务，直接上就行。核心原则，如果拿不准怎么改或者要改多个文件，就花时间规划。一句话能说清的 diff 直接开干。这一页是关于如何给 cloud 更精确的指令。我把四种策略放在左侧。 第一，限定任务范围，说清楚哪个文件，什么场景怎么测。第二，指向来源，让 cloud 去看 get 历史或相关文档，而不只是凭猜测。 第三，参考现有模式，代码库里已有的实现就是最好的规范。第四，描述症状，给到错误信息位置和修复目标。右侧是提供丰富内容的四种方式，用 at 引用文件粘贴截图，提供 url 或者直接管道传数据。 你越精确，需要改正的次数就越少。当然，在探索阶段，模糊一点的提示反而可能有意外收获。 cloud md 文件是灵魂配置文件，每次对话开始时自动读取运行 inate， 就 能根据项目结构自动生成一个基础版本， 然后你可以持续优化它。左侧是具体什么该写，什么不该写，应该包含 cloud 猜不出来的 bash 命令、代码风格、规则、测试偏好、分支命名、约定架构决策，不要写 cloud 能从代码里读出来的东西。标准语言、约定长文档、 cloud md 文件可以放多个位置局的、 cloud cloud md 项目共享的以及个人的本地文件。关键原则是保持简洁，每加一行就问自己 删掉这行 cloud 会犯错吗？如果不会就删掉。这一页展示的是扩展能力的全景图，有五个主要扩展点， skills 放在 cloud skills 目录下，按需加载领域知识和工作流，不会像 cloud md 那 样每次对话都加载。比如你定义一个 fix issue skill， 直接传 issue 号就能调用。 subbots 是 最强大的工具之一，它们在独立的 context 中运行， 可以用来做安全审查，代码审查这类消耗大量 context 的 任务，不影响主绘画。 m c p servers 连接外部生态系统，数据库， figma， notion 都可以集成。还有 hooks 确定性的脚本，比如每次编辑后自动跑 lint plugins， 把前面几个打包成一个可安装单元，以及 cli 工具 gh os， 这些是跟外部服务交互最高效的方式。这一页是关于怎么和 cloud 有 效沟通以及管理你的绘画。左侧是沟通技巧， 第一，像问资深工程师一样提问日制怎么工作的，为什么用夫而不是 bar。 第二，对于大功能，让 claud 先采访你，他会用 escuircass 整挖出你没考虑到的边界情况， 然后写一份完整的规范。第三，尽早改正方向，发现偏了就用 s 停下两次，改正不行就 clear 重新开始。右侧是对话管理，自动压缩，在 context 快 满时帮你总结 b t w 做清量查询，不占历史 检查点，让你能回到任何之前的状态。还有跨绘画恢复功能，让任务可以跨越多个终端绘画。对于自动化和扩展， cloud code 可以 水平扩展，不再是一个人一个绘画的模式。首先是非交互模式，用 cloud 杠屁命令加提示， 可以集成到 c i pre commit hooks 或脚本中，输出格式支持纯文本 j s o n 和流式 j s o n。 其次是多绘画并行，你可以同时跑多个 cloud。 用 writer review 模式，让一个写代码，另一个在干净的 context 里审查，这样审查质量更高。 第三个是跨文件删出，先让 cloud 列出所有需要迁移的文件，然后写个脚本循环调用 cloud p 并行处理。 别忘了用 ltooth 限制权限，安全第一。最后是 auto mode 分 类器，自动审查命令，只阻止有风险的操作，日常工作无提示执行。 这一页列出了五个最常见的坑，以及怎么避开它们。第一个是厨房水槽绘画，从一个任务开始，中途又差了不相关的问题，再回来时 context 已经脏了，用 clear。 第二个是重复改正， cloud 做错了，你改它还是错再改。这时候 context 已经被失败的方法污染了两次，改正不行就 clear 重来。 第三个是 cloud mb 写太长，重要规则淹没在噪音里， cloud 直接忽略了一半，需要无情修剪。第四个是没有提供验证标准，实现看起来没问题， 但实际上不处理边界情况。记住那句话，你不能验证的东西就别发布。第五个是无限探索，让 cloud 调查什么东西，但不限定范围。结果他读了上百个文件， 用 safetent 或者严格限定范围。最后来总结一下，以上这些最佳实践不是一成不变的规则，而是经过验证的起点。 随着你使用 cloud code 越来越多，你会形成自己的直觉，知道什么时候该具体，什么时候该开放，什么时候该规划，什么时候该直接上。但作为起点，还需记住四个核心原则， 第一，管理好你的 context window clear 隔离任务， compact 压缩， btw 清量查询。第二，给 cloud 电政工作的方式，没有标准就没有质量。第三，先探索，再编码 plan mode， 让你的研究和实现分离。 第四，善用扩展能力，多绘画 auto mode， 让你的产出倍增。建议今天就开始运行 init， 创建你的第一个 cloud md 文件，然后给 cloud 一个可以自检的任务，感受一下差异。
141村头的猫
