claude存储到哪里
粉丝1.3万获赞13.6万
相关视频
01:34查看AI文稿AI文稿昨天我电脑的 c 盘又被塞满了九 g， 就 windows 电脑怎么就用着用着它就会被塞满，会变红？就是相信很多人也遇到过这种问题，明明我在安装各类软件，然后保存各类数据的时候呢，我会特殊的指定这些东西都保存到 d 盘，但是呢，不知道为什么 c 盘总是会爆满， 然后昨天呢，我也没找到原因，我通过杀毒软件用了 c 盘的此盘清理去排查，但是都没找到原因。然后今天呢，我突发奇想，能不能用 ai， 让 cloud code 帮我去本地查一下到底什么原因？ 今天呢，让我大吃一惊，大家可以看到他自己在跑命令，然后呢翻系统，然后呢精准定位，全程呢？我没有用代码，现在不单帮我生成了存储变动的比较大文件的 top 十的清单，还帮我分析了原因，甚至还帮我复原了一下当时我大概应该是做了什么样的动作，导致这些 c 盘的呃文件被存储下来。 最后我还是用了一句话，让他帮我直接去清理相关的数据，直接帮我通摩出了五点二 g 的 内存。就是这个这个案例，让我突然想到，我们对 ai 的 想象力可能还是太平寂了，他们不用以为现在的 ai 是 帮我们写什么视频的文案，帮我们拆视频的脚本，然后呢帮我们拍视频，做图片，这种跟我们的日常生活跟工作没有那么大的关系。 但实际上通过这个事呢，其实我想表达的事是，咱们不要把 ai 想的太局限，就是以前我们不敢想，懒得想，想不出来，做不出来，很复杂的一些事，现在我们大胆交给 ai， 可能会有一个非常好的效果， 它甚至会给我们一个我们自己从来没有想过的解决方案，然后呢它的效率，它的准确率会让我们大吃一惊，所以呢，就是咱们大胆想，大胆用 ai 的 效率会比我们想的会更加夸张，去试试吧，我相信所有人会重新的逐步的深入 ai 时代进步。
300罗伯特牛仔
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。
1129🍍Loading.ai
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！
1367小陈同学c_z
04:17查看AI文稿AI文稿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。
5930嗨妮好
05:59查看AI文稿AI文稿四月份的时候，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。
5763Ai商业慢谈
02:23查看AI文稿AI文稿所谓的无货源电商自动化，是不是就是这个意思？这个是我手搓出来的啊，比如说找一个小重点的商品吧，就吉他变调夹，就这玩意，对吧？然后我这里面呢，这个先是从幺六八八上抓货源，然后这个东西是我手搓出来的软件哈，然后一点搜索， 然后他自动上这个幺六八八上了，哎，然后他读完了这些信息之后，读完了这些产品之后回来了，你看他抓出来这么多，然后呢？按照销量啊什么的看看，咱们就把这个销量高的，然后评价好的，对吧？然后这个 给他抓出来，咱也上线，好回头率高的，对吧？抓出来，然后抓详情，下图入库好就开始抓详情了，这是第一个产品，第一个产品瞬间就抓完了， 这应该是第二个吧，这是不是第二个？第二个产品全程不用动手，对吧？所谓的搞无货源电商的，不就这么点事吗？对不对？第二个装完了， 但是这个有可能弹出真人验证啊，真人验证还是得拿手过一下的，你要是用技术跳过去的话，这是违法的，你知道吧？ 所以还是需要有一点点小麻烦好，哎，抓完了之后，抓完了之后 你抓过的所有的产品都会在这个产品信息库里看到了吧？哎，这边料加刚才也都抓出来了，然后呢？在铺货中心这块，你看这么多个，这么多个品啊，这么多都可以一键铺货， 对吧？然后，哎，这个，这个，这个产品选项有点那个体验不好， 体验不好，体验不好，我要改一下，改一下也就一句话的事，好吧？改一下就一句话的事，然后这拼多多 这些拼多多的那个上架流程，我之前的视频给大家展示过，对吧？这些东西 timel、 天猫、淘宝、京东、抖店，这都是大同小异的东西，对吧？啊？然后把这些东西直接做成日常的自动化也是没有问题的， 等于说就是你有了，可的你就有了自由，明白吧？这个叫自由的感觉，自由的气息。
878虾笔刀刀
03:45查看AI文稿AI文稿最近这几个月，我把百分之九十的 ai 工具使用时间全部从 chat、 gpt 转移到了 cloud 上。为什么？因为最近 cloud 实在更新了太多神仙功能。 如果说以前的 ai 只是一个陪你聊天的机器人，那现在的 cloud 已经彻底进化成了一个能帮你处理本地文件、写代码、做图标的全能数字同事。 如果你是刚接触 ai 的 新人，小白别划走。今天这期视频就是我希望自己在半年前刚用 qq 时就能看到的保姆级避坑指南，带你解锁 qq 最核心的几个隐藏玩法，让你的效率直接起飞！第一部分，万能提示词公式别再随便提问了， 很多人觉得 ai 不好用，其实是因为你的指令没写对。大佬们在用的完美提示词通常包含五个部分，一、设定角色，比如你是一个资深的自媒体爆款文案高手。 二、明确任务，比如帮我写一篇关于时间管理的干货笔记。三、目标受众，比如写给刚入职场经常焦虑的新人看。 四、限定格式规则，比如要求语言轻松幽默，多用短句，以小标题形式输出。 五、最核心的必杀技在开始输出之前，请先问我几个问题，以便你更好的了解我的具体情况和需求。 加上最后这一句，你会发现 ai 的 回答质量会有质的飞跃，因为它不再是盲目瞎猜，而是针对你的具体情况对症下药。第二部分， projects 打造你的专属外挂大脑如果你在使用付费版的 cloud， 千万不要错过 projects 这个王炸功能。 简单来说，它就像是为你不同的工作设立的专属文件夹。以前我们用 ai 每次开新对话，都要把背景资料重新发一遍，非常心累。但在 projects 里，你可以 上传背景资料，比如把你公司的产品手册或者你个人的简历、工作篇号写成一个文档传进去设定权局指令，告诉他在这个项目里，你是我的私人助理。这样一来，只要在这个项目库里新建对话， cloud 就 会永远带着这些记忆跟你交流。 你可以建一个自媒体运营库，一个英语学习库，一个私人生活管家库，数据互不干扰，越用越懂你。第三部分， artifacts 小白也能敲代码这是我彻底爱上 clogs 的 最大原因。传统的 ai 只能给你返回一堆枯燥的文字，但在 clogs 里，它拥有强大的 artifax 功能。 什么是 artifax？ 就是 它能把复杂的信息直接变成可视化的图标、网页甚至小工具。比如，你直接对他说，我今年有十万块存款，帮我做一份可视化的图标、网页甚至小工具。比如你直接对他说，我今年有十万块存款，帮我做一份可视化的图标、网页甚至小工具。比如，你直接对他说，我直接对他说，我今年有十万块存款，帮我用丙图展示投资分布 只需要十秒钟。 cloud 不 仅会给你理财建议，还会直接在右边窗口生成一个精美的可以交互的财务看板。 你不需要懂任何编程知识，只要会说话，就能让 ai 帮你把脑子里的想法变成真实可见的网页和应用，这绝对是小白的福音。第四部分，未来的工作方式 co work 如果你想稍微进阶一点，可捞的最近还推出了 co work 等极其硬核的功能，它可以直接读取你电脑里的本地文件夹，帮你自动整理截图、分析几十份商业报告，甚至直接在你的电脑上写代码改文件。当然，对于新人来说，这部分可以慢慢探索， 只要先用好前面提到的万能提示词和项目库，你在这个 ai 时代的起跑线就已经领先百分之九十的人。
48祎洺聊AI![教你最大化Claude Code缓存命中来节省token 之前两期讲了Prompt Cache怎么省token、breakpoint怎么命中。这期反过来讲：什么动作会让cache直接报废，怎么用才能最大化命中率。
先给一个心法。
把每个请求想成一根从左到右的链条：tools → system → CLAUDE.md/skills → messages。改哪一段都会让cache失效，区别只在影响范围：改左边的从这段往右全部跟着废，改右边的只伤自己那一段。所以越靠左越要锁死。官方三级失效层级表（tools/system/messages）就是这个原则的精简版（CLAUDE.md严格来说在messages层，单独抽出来是因为它最常被改）。
4个日常杀手，按它们出现在链条上的位置从左到右排：
1. 切 /model —— 最左。每个模型独立的KV cache，跨模型完全隔离。Opus跑了10万token再切Sonnet，反而比继续用Opus更贵。非要切？正解是用subagent隔出去跑（Claude Code的Explore agent就是这么干，用的Haiku）
2. 装新MCP —— tools层。装一个新MCP，tools数组就多几个工具，链条最左边一动，下面system+messages连锁失效（三层全废）。但MCP只在Claude Code启动时读一次，session内装新MCP不影响当前session——真正的杀手是 /resume 或 /reload-plugins，触发重读后tools数组重组，之前cache全丢
3. 改CLAUDE.md 或装新 skill —— messages层。CLAUDE.md 是 user 消息（052已实证），skill 列表也注入在 messages[0]——都只在启动时读一次：改完文件或装完 skill 别 /resume，否则 messages 整段重建
4. idle超过5分钟 —— TTL过期，服务器直接删条目
每个杀手都给出怎么避免：MCP/hook 启动前一次配好；长任务前 `export ENABLE_PROMPT_CACHING_1H=1` 把 TTL 延到 1 小时。
#claude #AI工具 #张司机 #个人开发者 #命令行](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/4c2093cebb91654dd10cf078b747d4ba~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2099797200&x-signature=Os5oYYuj2DCu4bPLja%2Fvhf0nEAM%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202607191339378802AFC1D27EE11D8ABD)
04:17查看AI文稿AI文稿前面两集视频我们详细介绍了 prompt cache 的 工作原理，那我们今天讲点实用的干货，你每天用 curl code 敲代码， 你知道到底有哪些动作会影响缓存的利用率吗？要怎样才能最大化地帮你提高缓存的命中来节省 token 呢？我们把每一个请求发送的上下文扒开来，最左边是工具定义 tools， 然后是系统提示词 system， 然后是 cloud 点 m d skills 列表这些注的上下文最右边是 messages 对 话的历史。改哪一段都会让 catch 失效，区别只是在影响范围改。如果左边的，那么从左到右全部都跟着废掉了，改右边那么只伤自己那一段，所以越靠左越要锁死。 今天讲了四个缓存杀手，就按他这么出现的位置从左往右讲，第一名最狠的是切模型，因为缓存是按模型隔离的，为什么呢？因为缓存存的不是文字本身，而是 transformer 架构里 attention 层计算出来的 kb cache， 也就是每一层的 key 和 value 的 张量。 opus 和 sonnet 模型架构不一样，所以权重也不一样。同样提示词算出来的 k v 两个模型完全不同，所以 sonnet 没法附用 opus 的 k v cash。 跟 opus 聊了十万 token， 再切回 sonnet， sonnet 这边 cash 完全是空的，所有的 token 都要重新算 k v cash， 所以重新写入账单，瞬间从零点一倍基础价飙回一点二五倍。原来便宜十多倍的 token 要重新当全价算，那如果你有情况必须要切模型怎么办？那么正确的做法是用 sub agent 的 格力出去主对话，继续用 opus， 然后科微 cash 就 可以一动不动开一个 sub agent 跑另外一个模型，让他把活干完，输出一段交接消息给主对话 cologold 自己就这么干的，像 explore tool， web search tool agent 就是 用的海库。第二个大杀器就是装新的 m c p， 新装的 m c p 会添加到拓子数组的末尾， 哈希一变，下面 system 和 messages 全部跟着失效。但是 m c p 只在 clock code 启动时读一次，启动后整个 session 都是用启动时读的版本，所以当前的这个 session 是 不受影响的。真正的杀手是 resume 和 reload 的 plugging， 一旦触发重载，那么 call code 会重新组装托斯数据库。新的托斯和之前的 cash 对 不上，那么之前积累的 cash 就 全部白付了。所以开始一个任务之前，先把 m c p 一 次性都装好，不要把等活干了一半发现少了一工具再装，这时候前面积累的缓存就全没用了。 第三个杀手是改 cloud md 或者装新的 skills， 两个都是 message 层的注入上下文。 cloud md 本身就是一条 user message 排在 message 组里面的 block 三里面，然后 skills 列表是在 block 二， 跟 m c p 一 样，他们也只是在 cloud 启动时读一次，然后中途改 cloud md 或者装新的 skills。 当前 session 是 看不到的，真正的杀手还是在 slash resume 的 时候装完 skill， 你 想 resume 回来，那么 cloud code 会重新组装这个 message。 宿主 内容变了，跟之前的 cash 对 不上，那么 matches 整段都要重建。所以和 m c p 那 条一样，一开始一个任务先要想好需要哪些 skills， 或者当前的这个 cloud md 还有什么对于当前任务很重要的上下文没有添加一次性，我们把它准备好，不要在任务中途去修改这些东西对缓存的伤害很大。 第四个缓存杀手就是活干到一半去喝杯咖啡再回来。官方默认 t t l 过期时间是五分钟，超过五分钟没有新请求，那么 cash 就 直接清空了，并不是哈西不对，是福气。主动删条目回来，即便发一样的请求，那么所有的上下文都必须重新计算。 有时候 coco 的 返回结果，我们检查成果，然后想下一步都不止五分钟了，而且 coco 自己思考的时间有时候都不止五分钟。所以长任务如果想保住 cash， 我 个人无脑建议使用一小时的 ttl， 只需要在任务开始之前先 export enable prompt cashing 一 小时等于一， 那么启动这个环境变量就把 ttl 延长到一小时了。写入会比五分钟稍微贵一点点，五分钟是一点二五倍，然后一小时是两倍。但是复杂任务里，一小时的缓存绝对比五分钟缓存失效更划算。所以我们总结一下四个缓存杀手，按照伤害值从大到小排序， 第一个是中途切模型，那么第二个呢？是中途装新的 m c p， 三是改 cloud md 或者装新的 skills， 四是活干到一半中途中断超过五分钟。 它们的共同原则就是开启一个任务之前一次性把东西都配好。那么 session 里就不要用 slash resume 了。复杂的任务一定记得开一小时的 ttl。
624张司机在路上
00:36查看AI文稿AI文稿很多朋友都知道 cloud 非常的强，但是还不知道如何去使用到今天来给分享一个非常简单的方法，这个里面都能使用到官网的最新的 o p 四点七，三万四点六等等这些模型啊，我们来看一下， 这个里面我放了多个官网的 max 和 team 账号，都可以去任意的选择使用，并且上面还为你贴心了选择了 samsung 每三小时有三十五次， o p s 每三小时是十次啊，都可以去任意的选择使用的，如果大家也想使用的话，都可以点击我主页的置顶作品找到我直接使用。
32阿坦说Ai
03:19查看AI文稿AI文稿大家好，今天给大家分享 a k share， 它是 desktop 上目前大 a 最全的数据员，一共拿了一点九万的 star。 呃，接下来我们开始 安装呢，很简单，就是一行代码就可以了，然后它的接口有一千个模块呢，三十八个，底层数据员大概有五十多个。 呃，它大概覆盖了，就基本上全全品类都覆盖了，股票，期货，基金追劵、外汇、宏观经济，指数期权这些全都覆盖了。但关键的一点就是，它其实不是数据源的本身，它只是这些数据源的搬运工，只是把这些数据全部整合到了一起。 呃，它的模块啊，一共有三十八个模块。然后第一档的模块呢，都有五十个接口以上的接口，包括宏观经济啊，这个 stock feature 啊，股票特色，可能就股票数据吧，然后股票的核心指指数，基金，期货、基本面。然后第二档的接口就是齐全在券源，现货这这些电影票好像还有 第三档我就不念了，反正这个第三档也不是很重要。呃，五十加五十多个数据员呢，到底谁是比较核心的？然后第一个第一大的就是东财，但是东财有一个比较麻烦的，就是 他的占的数据员比较多，如果你高频调用的话，会封 ip 的 啊，就有些有些小伙伴反馈， ace 被封了，不是 ace 本身被封了， ace， ace 其他的这些板块在东财被封的情况下也是能用的。 这个是信用财经，同华顺，然后期货这些，然后这边还有这个权威的一些来源，统计局啊，外管局啊，这些一些数据都是有的。 这是几个强烈推荐的接口，就是你用 ak 血去接这些数据是低风险的啊，安全的，他不会反爬虫的，所以就这这些大家可以看一下。 呃，然后这几个是能用的，这个是基金的，然后指数基本面齐全 啊，宏观估值这几个就是用的稍微温柔一点就可以了，跟跟你的 agent 讲清楚，稍微聪明的 agent 他 自己会控制的不太聪明，你要跟他讲讲清楚，不要那么高频的去接 啊，这些场景就不要用 ak 屑了，有也有可能是大家用的最多的，因为这些确实是最比较重要的数据，就是实时行情，高清数据，还有日 k， 你 要把要导的多的话也也会有问题。然后这些指标也是 啊，就包括这个，你要利变五千个股票，那他分分钟就把调用占太占他资源，他就把你给封了，然后这个龙虎榜这些也是一样的。 那测评下来的建议呢？做一个小小的总结，就是宏观经济啊，证券利率这些绿色的就可以选选他们啊，然后这两个黄色的 就稍微温柔一点用就好了。然后这个实时行情啊，还包括你去扒全量的数据啊， p e、 p b 设置这些就先不要用 a k、 c r， 因为它会封 ip 的 啊。最后做一个小的总结，就是低频的你用 a、 k、 c、 r 就 行了，它的仓库还是会比较全的，接口也很多，高频的就需要找替代，然后高频的替代，我在接下来的几期中会进行详细的分享。 ok， 今天的分享到这里，谢谢大家。
3564Simon林的日常
01:38查看AI文稿AI文稿家人们是不是申请到骚咪咪猫免费抽坑后不知道怎么部署到终端和 vsco 的？ 今天一个视频教会你。首先，咱们得打开官方文档，找到 cloud code 的 配置部分。注意哦，咱们免费申请的得用第二种 tocon plan。 第一步，先验证 cloud code 里有没有装，按 win 加二，打开运行，输入 cmd 回车，在命令行里敲 cloud ver， 能看到版本号就说明装好了。 第二步，复制以下配置，粘贴到用户目录 cloud settings 文件里，配置 u r l 和自己的 api key 后保存。第三步，更简单，复制配置，粘贴到用户目录 cloud 文件里。 第四步，在命令行里输入 cloud 回车，选择第一项 yes i trust this folder， 输入你是什么模型，回车返回，我是 mi mode v。 二点五 pro 就 部署成功了。 接下来咱们搞 vsco 的 接入。重点来了，只要你已经装了 cloud， cloud 就 不需要再单独配置啦！ 打开 vsco 的， 先下载 cloud 插件，插件会自动附用 cle 的 配置，在 cloud 插件新建对话发送 hello， 能收到回复就说明 vsco 的 部署成功了。 对了， vsco 的 理心键终端也能直接输入 cloud 用哦！家人们部署时遇到什么问题，随时在评论区交流呀！
56王哇噻
09:24查看AI文稿AI文稿大家都在谈 scale， 好 像万物都可以 scale， 但是 scale 到底是要解决什么问题，很多人是没有搞清楚的。 fold 作为一个通用的大模型是非常强大的， 但是小蓝是个产品经理，小红是个内容创作者，小绿是个研发。你们都使用 cloud， 但是你们使用的场景和流程肯定是不一样的。怎么才能把 cloud 打造成一个跟自己专业领域匹配的工具？ astropica 给到的答案是 scale。 通过 scale 可以 让一个通用的模型稳定地处理专业的任务。那这个视频我会带着你从零搞懂 scale 是 什么，去哪里找靠谱的 scale， 怎么安装，以及怎么创建一个适合你的 skill。 那 skill 是 什么呢？最简单的 skill 就是 一个 skill 点 md 的 文件，它主要分成两部分，第一部分是压冒格式的头部，主要定义名称和描述。第二部分就是具体的任务说明，也就是提示词。 比如说我现在要写一个产品经理的周报， skill 大 概是长这样子的名字是 pm weekly report。 description 是 当产品经理说我要写周报或者总结本周工作内容时，将产品经理一周零散的工作内容整理成周报。 下面具体的描述是包括你的输出格式。巴拉巴拉，你的数据来源，巴拉巴拉，禁止出现什么样的内容，巴拉巴拉，这就是一个完整的 skill。 那这里面最重要的就是 description 这一行，因为 cloud 会根据你当前的任务和每个 skill 的 description 去做语义匹配，匹配上了才会加载这个 skill。 你 的 description 如果这样写，用于总结每周工作内容，它很有可能就出发不了。 所以 description 不 只是介绍，它实际上决定了 skill 什么时候处罚。写得越贴近你真实的说话方式，处罚就越准。复杂一点的 skill 不 止一个文件，而是一个文件夹的结构。 skill 点 md 是 说明书告诉 plu 的 这个 skill 是 做什么的，什么时候用，基本流程是什么？ script 是 工具箱 放一些可执行的脚本，比如说你要做一些数据的转化，需要靠程序代码来实现就可以用 script。 reference 是 放资料参考资料的，比如说你项目的背景， p r d 的 说明你的 api 文档等等。 ss 是 放一些静态的资源，比如说你周报的格式、实体文档、配置文件等等。 scale 主要有两个来源，第一个是 isropic 官方的 scale 仓库，这里面的 scale 质量都非常高， 也非常适合新手先去学习人家是怎么写的，我自己有几个比较常用的。一个是 frontend design scale， 它是专门用于前端设计的， 装了之后， clog 在 做页面和组建的时候，就会更加关注审美、布局、交互以及视觉的完成度，而不是只给你一个功能能跑通的东西。 另外还有比较常用的是办公套件、 ppt、 pdf、 excel、 doc 等，适合处理日常的文件编辑、格式转化、内容提取和文档生成。 还有一个比较常用的是 web app testing， 它的底层是 play white， 主要是做浏览器的自动化，是可以让 cloud 去调用浏览器的。 第二个来源是 word excel 推出的 scale 市场里面有不少公司和团队官方发布的 scale 整体的质量都非常高，也适合参考大型的团队是怎么去设计 scale 的。 嗯， scale pub 更像是一个聚合的目录，它收入了很多个人开发者发布的 scale， 它的好处是数量，数量多，覆盖面广，但是质量也会参差不齐。这里有一个安全提醒，一定要说 scale 不是 只有文字说明，它可能还会带着 script 的 脚本，而脚本是可以读文件执行命令访问网络的。比如说你下载了一个帮你整理文件的 scale， 但是如果这个脚本里悄悄加了 一些往外发送你文件的信息命令，那你的信息就会被泄露。所以第三方的 scale 尽量下载官方或者是高 star 的， 或者是安，安装之前看看 script 写的是什么。怎么安装 scale。 安装 scale 的 方式有两种，如果你是用的 cloud 点 ai 的 桌面版 astropic 官方的一些 scale 已经内置好了，点击 add scale， 直接在设置里添加就可以了。注意， chat 模式和 code 模式能用的 scale 是 不完全一样的。 如果你是在 vs code 或者终端里使用 cloud code， 要先运行这个命令。这个命令是把 astropica 官方 scale 的 仓库注册成 cloud code 的 插件市场，注册完成之后，你就可以在 cloud code 里直接 使用 plug in 选择需要的 skill 进行安装。如果是第三方的 skill， 最简单的方式就是直接把 github 的 链接丢给 cloud code， 让他帮你安装这个 skill。 安装的位置主要有两种，一个是个人的 skill， 是 放在这个目录下的，只对你个人生效，所有的项目都能用。比如说你自己的周报 skill， p r d 写作的 skill 这类只属于你的工作习惯。 还有一个是项目的 scale， 是 想放在项目的根目录下的，可以提交到 get 仓库，团队成员拉代码后就能一起使用。比如说团队统一的需求评选标准， p r d 的 模板规范、文档发布说明流程等，适合放在项目的 scale 里。那 scale 要怎么创建呢？ cloud 有 一个专门写 scale 的 scale， 叫做 scale creator， 创建之前呢，你要想清楚这四件事，这个 scale 是 解决什么任务，应该在什么时候出发，跳出来帮你，它的输出长什么样子，有哪些规矩是不能破的？ 这四个问题想清楚了之后，生成出来的 scale 才会真的好用。 cloud code 会帮你生成 scale 文件，但是生成完了之后，还有一个被很多人忽略，但是非常重要的事情就是一定要做测试。 scale 的 测试呢，主要测两件事，第一是能不能触发，用你平时真实说话的方式去描述一下任务，看看这个 scale 会不会被自动的调用，如果没有被触发，那就说明你的 description 写的不够贴近你的真实表达，去改 description。 第二是触发了之后，它的输出对不对， 如果输出的不符合预期，那就说明你的 scale 点 m d 的 论文里的流程约束和事例写的是不够清楚的，需要改论文。当然了，也不是所有的任务都适合做成 scale 的， 主要看这四个问题，第一是它会不会重复的出现一次性的任务，是不值得封装的。 第二是他有没有固定的流程，每次都得临场发挥的封装也没有用。第三是他有没有明确的输出标准，如果你都说不清楚他输出应该是什么样的，那你的 skill 写的也不会清楚。 第四是是不是在特定的场景下才需要，如果这个场景太宽泛也不适合，场景太窄就没有必要。有人也会问， skill 里面也有提示词，可能还会调用工具，甚至还会用到大模型的能力。那它跟 prompt， 跟 mcp， 跟 sub agent 到底有什么区别呢？它的区别不在于内容，在于它解决的是哪个维度的问题， prompt 解决的是这次怎么做的问题。你写了一段提示词，告诉 cloud 这次任务的要求，格式规则，用完了就没了，下次还得重新写。那 prompt 只是一一次性的口头提示，而 skill 解决的是这类任务永远这么做。 skill 里面确实也有提示词，但它是被持久化封装的，你配置一次以后， cloud 遇到同类的任务就会自动加载，不需要你每次都重新说。 mcp 解决的是 cloud 能接触到什么， mcp 是 工具的连接层，没有 mcp， cloud 就 只能看你粘进来的内容。有了 mcp， 他 才能主动地去读 jara chanel 连数据库。 mcp 扩展的是 cloud 的 信息边界，回答的是你能拿到什么样的数据。 那 scale 扩展的是 cloud 的 行为方式，回答的是我拿到了这个数据之后该怎么处理。这两者正好是非常好的配合关系， m c p 负责取数， scale 负责处理。那我们最后再说一下 sub agent， 有 的 scale 也会调用大模型。 你的面试官如果问你在这个情况下为什么不用 sub agent， 而是用 skill 呢？这么问你可能会蒙我换个问法，是不是接入了大模型就是 agent 呢？这个问题是不是就会更简单明确？ 是否需要 sub agent 的 关键不是在于调用了大模型，而是这个调用了大模型之后，它是否有独立的目标和自主决策权。 比如说我写 p r d， 我 调用了生图的大模型去生成架构图，这种就适合做成 skill， 因为它的本质还是在做能力的封装。 如果某个问题需要根据目标自主决策，那你就适合交给 sub agent 去做，它是一个具有局部自制能力的小 agent， 用了一段时间之后，你的 cloud 会开始积累越来越多的 skill， 它可以进行 p r d。 的 写作，进行需求的审，进行用户反馈的分析，它就不再是一个聊天工具，它就开始像一个真正懂你的工作节奏的协助系统。
130AI产品千媚
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。
3204布鲁歇一歇
01:26查看AI文稿AI文稿deepsafe 接入 claw 的 桌面板并打开联网搜索全流程操作过程，打开开发者模式， 进入 config 设置， 进入 deepsafe 接口文档， 复制 urao 生成 api， 填入 ura 二和 api， 填入模型名称，打开 em 上下文， 进入 sandbox 设置，点击 allow 打开联网应用修改重启软件测试联网 回复是美国时间，重新发问 正确。
5027袁润OPC
00:25查看AI文稿AI文稿发现很多朋友还不知道如何的去使用到 cloud， 今天来给分享一个非常简单的方法，这个里面放了多个 max 和团队账号，我们任意点击一个都能直接的进去使用到，并且能使用到官网 原版的模型，就比如说我们最新的 o p 四点七也能使用到，三到四点六，海阔四点五等等，都是能直接的去使用到的。如果大家也想使用到的话，都可以点击我主页的置顶作品找到我。
67阿坦说Ai
06:03查看AI文稿AI文稿大家好， ansulate cloud 昨天出了一篇文章，讲解到现在在大型的企业中，如何将 cloud code 运用到现在的比较复杂的超级长的这种代码仓当中。这篇文章非常值得一读， 如果你有一个非常大的非常复杂的代码 cloud code， 去看代码的方式跟一个工程师是一样的，它会首先看这个代码里面的最上一层文件结构，不断地去进行拓展和探索。 而一些其他的 ai 工具其实是用这种 rgg 的 这种锁影的方式来去做。但 rgg 的 锁影方式的很大问题就是你的代码仓每当变动的时候，这个 index 锁影都需要更新才行，如果你不更新，你去召回的这些代码片段其实都是旧的。 所以 cologne 完全的摒弃了这种 rag 的 embedding 的 方法，直接是通过像人一样的 agintic search 来去了解和探索你的代码仓。这也就意味着你的代码仓怎么样组合起来，你的文件夹如何编排，你的文件名和文件目录如何说明，以及你的 cloud md 的 文件怎么写。 这些指导对于 cloud 正确的理解的代码是非常重要的，这就跟你把家里面收拾的非常干净是一样的。 cloud 一 上来不是看到这样这样那样的各种工具和各种用品，而是说看到一个非常整洁的家，每一扇柜子打开都有自己里面的内容，再去柜子里面的盒子去找到自己想要的信息。 所以把代码整合好就跟把家收拾好道理是互通的。那 cloud code 在 cloud 这个大模型之上还有几项非常重要的能力，第一个就是 cloud dmd 这个文件，第二个是 hooks， 第三个是 skills， 第四是 plug in， 第五个就是 mcp server 还有两个额外的能力，分别是 lsp， integrations 以及这个 subagent。 怎么理解 cloud code 的 这七项不同的能力？我们举个很简单的例子，如果你是一个去办公室上班的员工，那么这个 cloud md file 就是 你每一次读取的信息都会要加载 cloud md， 就 跟你戴的这个眼镜上面跟你有说明是一样的，你每次在办公室看到信息，都会先读一下上面的说明，再结合你真正看到的内容，然后输入你的这个大脑， 所以 cloud md file 它使用频次是最高的，每次交互都要看。这就是为什么你需要把 cloud md file 写得非常清晰，并且它的内容的长度要可控，否则它就会占用你大量的上下文。第二个就是 hooks， hooks 是 你在某些事件的时候，它一定会触发的一个动作， 比如说你早上去办公室打卡的这一下，你每次经过这个门，它就会自动的给你刷脸打卡，这个其实就是一个 hooks。 在 clock code 当中呢，你每次去靠一个函数，每次 clock code 完成一个回答，都可以通过 hooks 来去触发一个指定的事件。 那么 hooks 的 好处呢？就是它会百分之百的依据你的条件来去执行，而且 hooks 能够去帮助你的 clock code 越来越聪明。比如说你在成功的解决了一段代码片段的时候，可以通过 stop hooks 的 方式， 在结束的时候让它自动地去总结成经验，更新到你的 cloud md 文件里面，这样就会让它越用越好用。第三就是 skills， skills 现在也是被很多人谈到的一个工具能力，简单来去理解 skill， 就 好比你在办公室里面放在你桌面上的不同使用的这些手册和这些使用的 tips， 你 在做不同任务的时候，来翻阅该任务对应的手册，来帮你更好地完成任务。 而且这个手册里面是先有目录再有内容的，所以它是一个 progressive disclosure 的 意思，也就是说它不会去占用你一次注意力的太多，上下文按需去加载。 而且一个代码仓里面不需要有一个全局的 skill， 你 可以在代码仓里面的某些模块里面有它特定的 skill。 比如说你在代码仓有前端有后端，那么前端有它固定的 skill， 和后端也有对应自己的 skill， 是 一样 在完成不同任务的时候加载自己需要的能力。第四个是 plug in， plug in 可以 看成是一个不同的 skill， 不 同的 hooks 以及不同的 mcp 做成的一个组合。比如说一个公司里面自己打造了一个数据分析的 plug in， 这个 plug in 可能就会包含一个获取内部数据的 mcp， 在 获取数据之后再加载数据清洗以及数据分析的 skill。 最后任务完成之后，再触发一个 hook 来去帮你写成一个固定的报告等等。 最后让我们快速理解一下 callback 的 两个额外的能力。第一个就是 lsp， 也就是 language server protocol， 这个意思就是说现在企业有非常多的代码仓，它是用比较古老的 ai， 不是 那么熟悉的编程语言去写的， 那么这个时候 coco 在 搜索这些代码库的时候，它的这种只按字母串匹配的方式可能就失效了。因为同样一个函数，它在不同的语言当中的字母串的表示可能是不一样的，所以这个时候就需要发挥 lsp 的 作用。它的作用就好比是你在公司里面跟不同口音的人去对话，需要的一个翻译器是一样的， 大家把意思传递的非常清楚，即使你的发音的方式和说话方式不一样。所以有非常多的大型企业在真正去 roll out clock code 之前，是花了很大时间把 lsp 这个部分先搭建好的，然后就是 mcp 的 概念。 mcp 就 好比你在办公室里面通过不同的工具来去 让你的大脑接触到不同的信息和不同的任务，每一个工具给到 cloud code 就是 它的一项额外的一只手。很多公司把 cloud code 接在自己的内部的这种公单系统，包括内部的文档系统以及一些数据分析平台等等。最后一项能力就是 subagent， subagent 的 意思就好比是你过了一个你的实习生， 你可以交给他一堆任务，让他去理解一堆文档，但是你却不需要管他理解每个文档每个步骤的细节。当他做完这个事情之后，直接给你一个非常精简的总结，你用他的结果来带入你现在主要的主流的工作当中。 这个萨菲是真正帮你去节省了你的上下文和注意力。所以不得不说，现在使用像 cloudco 这种 co d a 阵，跟把你的家里清理干净和管理一个小团队，他所需要的能力其实是很类似的。 如果你的组织架构非常有条有理，你的说明文档你的沟通够清楚，在其中不会有任何歧义，你又能够去灵活的使用各种工具，或者你的实习生或者外包人人员帮你完成一些独立完成的任务。相信你去使用 calling agent 也会越用越顺手。
336宽哥琢磨AI
01:26查看AI文稿AI文稿我发现这个 obsidian 真的 太好用了， obsidian 就 叫 cloud code， 我 现在基本上把我一些总结到的知识，包括自己生活中的一些 记录，工作上的一些知识总结，以及一些通用性的文档都分类放在 obsidian 里面，就构建了一个自己的知识库，然后慢慢去扩充它。就用的过程中我发现就是 我是把它放在这个 icloud 的 云盘里面的，相当于我在我的笔记本上，我做完东西它同步到 icloud 里面，我打开我的手机也可以同步看到我之前存储的这些信息，在我的电脑和我手机上是统一的，这突然我感觉到就是 苹果的 iqoo 的 真的以后可能大有空间啊，在这种应用场景上真的很方便。另一个方面就是我觉得那个谷歌现在在 ai 生态方面做的也真的非常好，包括它对于谷歌疫苗日程日历、 谷歌云等等，它这个生态我觉得构建的也非常的全面，就是在平时的工作中，它这种 非常完整的一个生态就很流畅，用他的东西不管你在哪一个 ai 平台上使用 ai， 你 都能够链接到玩谷歌的 这个各种服务都和你的工作相关，相当于是他在以后的这个工作场景中会变得更加重要，所以我觉得我特别看好苹果和谷歌的未来。
