claudemem效果实测
用了之后我就明白为什么这么多网友要找我搞这个 cloud 了，前两天我碰到了一个平时只有程序员碰到的问题，什么呢？通过 sax 五协议让国内的电脑连接我孟加拉的电脑， 我之前就一直用某宝，感觉某宝挺好用的，这次我用它干活的时候也很有信心，它一直有办法，一直有办法，我就顺它指点，一步一步的搞，万万没想到连着搞了三天也没有搞成，死活跑不通。有个程序员老哥给我建议，让我用一下 cloud， 甚至都没有用 max， 用的 pro， 当天就把联鲁给打通了， 用卡拉多。这两天我 ctrl c ctrl v， 熟练到飞起，甚至我感觉我自己都能当个程序员了。其实我到现在也很喜欢某宝，并且还在用，特别是情绪价值给的是人组，他溜了我三天我都没好意思骂他。我感觉某宝就像一个小姑娘，你可以让他干活，他也很活泼，但是真要紧的事你可真不能让他办啊。 美国鬼子搞的这个 cloud， 它有点理工男的意思，情绪价值给的是不多，但是在解决问题。国内其他碰到 cloud 这个问题的网友也不要着急，上帝给你关上一扇门，自然就会让你在刷抖音的时候刷到一个能解决问题的人。
粉丝4.4万获赞15.0万
相关视频
01:23查看AI文稿AI文稿当你用 cloud code 写了一天的代码，手滑不小心关了 cloud code， 之前聊的项目需求写的代码思路 b u g 全没了。今天使用 cloud mean 插件，在 github 中已经有了二十二 k 的 star， 它专为 cloud code 构建的持久内存压缩系统，并且获得了 github 趋势榜。它主要是通过自动捕捉工具使用观察无缝衔接保存了上下文，并 且在 cloud 中重新连接上下文，不需要 token。 接下来我们来操作如何使用 cloud main， 复制第一个指令，打开终端，进入 cloud 模式，粘贴刚才的指令， 回车即可安装成功。接下来我们出场这个插件，复制第二段指令，再次打开终端，粘贴回车，等待它出场完成就好了。兄弟们，安装完成需要关闭终端。接下来我们实际操作，使用新打开终端，进入 cloud 模式，进入 cloud 的 时候会比 平时加载的久一点，进入成功就可以打开浏览器访问 local stores。 第一次进入的是空白的我这里是因为我已经使 用过了。在使用 cloud 的 时候，这个网站信息会有什么变化呢？我们来实际操作一下，主要是开发一个网站，我提前准备好了一个指令，直接发送，发送完成右边的 cloud man 密码接收到了我们的指令 记录这一块的话，我们后续使用了它，哪怕关闭 cloud， 也不怕上下文丢失了。兄弟们，刚才的任务开发完了，我就新建了一个对话，问他我们开发到了哪里，不用整体熟悉，项目从头再来，大大地节约了我们的 token。 最后感兴趣的小伙伴们赶紧收藏，防止找不到。
1421蓉漂码农
01:15查看AI文稿AI文稿cloudco 有 一个非常好用但是被大家忽略的指令，就是这个 inside， 在 cloudco 的 任意界面输入 inside 的 指令，两三分钟你就可以得到一份非常有用的报告。这一份报告它主要是总结了我们在过去三十天内使用 cloudco 的 情况，相当于是不盘。我们主要是看下面的内容，这 这里它会显示你在过去三十天内用 cloud code 做了哪一些项目和工作。这里是你只用 cloud code 的 风格和习惯。继续往下看就是你做了哪一些比较好的地方，重点可以看这个就是我们在哪一些地方比 较容易出错，反复在哪一些地方浪费时间。下面就是它根据我们的使用习惯，给我们提供了一些优化的建议，可以直接复制到 cloud code 里面 发送给 cloudco， 它就会帮我们把这些优化的建议给设置好。这里是它给你推荐了一些 cloud， 现在已经有，而且适合你，但是你没有在用的一些功能，也是直接复制到 cloudco， 它就会帮我们自动地设置完成了。 下面就是他会告诉你后面我们用 cloud code 一个新的方法是怎么样，也是直接复制就可以了。这里是他告诉你我们现在手动做的一些事情，其实是已经可以自动化的完成了。我们大概一个月用一次这个指令，就可以看到我们这一个月内使用 cloud code 的 情况，哪一些做的好，哪一些做的不好，进行一个复盘。
113AI 日记
05:07查看AI文稿AI文稿哈喽，大家好， deepsea v 四 pro 我 深度体验了一周左右啊，今天我们不急于纸面的数据，拿真正的项目来对比，实测一下 deepsea v 四 pro 与 cloud oppo 四点七的全方位代码能力。 那首先先来说一下测试的规则，为了保证测试流程的公平和正确，我们让每一次任务单独去启动了一次 cloud code， 实现绘画的隔离运行模型，只读取对应的提示词和必要的项目文件。那并且我们做了这个防作弊的隔离禁止模型，去读 任何关于评分标准的记事词。模型运行完之后呢，我们指定他输出到一个单独的文件夹里，然后我们再根据评分标准去让 gpt 来进行评分，最终是由 gpt 五点五进行评分。 那这一次的测试内容主要分为三大块，第一大块是前端的生成，第二大块是后端的生成，第三是 bug 的 修复。并且在这三大块上又分了不同的小块，向前端和后端，我们分为了两个级别的，这个项目， 那个修复，我们也分为了小项目、中项目和大型项目三个不同规模的项目。我想这个应该是全方位去测评了所有的模型的能力，不管是他的工具调用也好，他的推理能力也好，他的这个上下文管理也好，基本上可以覆盖到所有的编程的场景啊。 那最终的结果是这样的，我们从这张雷达图其实可以很清楚的看到， deepsea v 四 pro 跟 oppo 的 四点七还是有一定的差距的。呃，我们看柱状图可以看到详细的一个差距评分啊，那接下来我们去逐个分析一下不同任务它的详细的对比， 那首先是前端的能力上，第一个级别的前端 deepsea v 四的评分要低于 oppo 四点七，但在第二个中，他却实现了反超，那在后端项目上，也是第一个 deepsea v 四 pro 更差一点，第二个他反而追上来了， 包括在 bug 修复上，也是 bug 修复上。在小型项目中， oppo 四点七比较强，但是在中型项目中，他就差的有点太多了， 但最终到了大型项目，他反而他们两个持平。其实从这不管是前端后还是后端，还是 bug 的 修复上，可以反映出一个东西，就是 keep safe v 四 pro， 它的上下文管理能力非常的强大。 他们在官方的宣传稿中有说到，他们引入了一个全新的上下文机制，可以看到这次的测试结果也正反映了这一个特点啊。 他们的推理能力，或者说他们的智商可能还不如 oppo 的 四点七，但是在大型项目上， oppo 的 四点七他的上下文管理能力不行，所以在大型的项目上，或者说大型的任务上， tips v 四 pro 反而追上一点分。 像在前端的这个 l 二级别的前端，他甚至实现了反超，包括后端上，他也得益于他的上下文管理，他也实现了一些评分的追赶。 那在 bug 修复上，也更是在小型的 bug 修复上，两个模型的智力可能都可以胜任。这个任务比较简单，但在中型的 bug 修复上，他们的差距就比较明显了。 最终到了大型项目，因为 oppo 四点七上下文的管理能力不行，所以他们两个能力最终又持平了。 那这一次的测试结果还是让我非常的 amazing 啊，因为 deepsea v 四 pro 是 一个开源的模型，而 oppo 四点七是一个商业级的闭源模型。那还有一个特别让我 amazing 的 地方，就是它的价格， 这两个价格的对比都是按照官方 api 的 计费去进行的，那 deepsea v 四 pro 总花费是十六人民币左右，而 oppo 的 四点七花费达到了三十八美金，也就是二百七十四人民币。 deepsea v 四 pro 的 成本仅为 cloud os 的 百分之五点八， 所以整体来说， deepsea v 四 pro 的 这个价格加上它的开源，那对比 oppo 四点七的这个差距，我觉得还是令我比较满意的，特别是在大型的项目中，它有一个比较好的优势啊，但当然它的短板也很明显啊，就是对于复杂任务的这个处理能力还是不够强。 当这个 deepsea v 四 pro 的 发布呢，我想更多的意义不在于它的 a 卷的能力有多强，它的编程能力有多强。呃，我觉得更多的意味着中国的 ai 大 模型提升到了一个全新的高度，不仅是在它的能力啊，更多的是在它的价格方面， 它的价格有如此高的优势，并且它的上下文能力又有如此的强大。整体对于模型选择的建议来说，如果你的预算充足，那毫无疑问肯定是使用 oppo 四点七的，但是 deepsea v 四 pro 真的 是太便宜了。 呃，如果各位有兴趣的话，可以自己去进行实测一下，看看 deepsea v 四 pro 的 能力到底是怎么样的。后续我也会把我的测试流程开源到此结束，感谢各位的观看。
187程序员_秃头哥
05:01查看AI文稿AI文稿cloudmem 是 为 cloud code 设计的持久记忆插件，它的核心思路自动帮 cloud 做笔记。你在编码过程中， cloud 做的每一件事，它都会记录下来，用 ai 压缩成粘贴存到本地数据库里。下次你开新绘画的时候，它自动把相关的历史注入进去， 括漏，一开口就知道你的项目，不用你重复解释，我用 open 快 快平台采集数据，整理出了这张时间线。去年十二月它刚开源的时候，基本没什么声量，就上了一次 github trending。 今年一月社交媒体上的数据几乎为零，但项目本身一直在迭代，从 v 七快速推到了 v 九，二月份出现了第一波小爆发，三月底是一个关键节点， 这刚好是 cloud code 被动开源事件的时间点，那次事件让大量开发者重新关注 cloud code 的 生态。 cloud memo 作为最知名的插件，吃到了这波溢出流量，然后到了四月十二号到十四号，直接引爆了。我总结了三个原因，第一，失忆痛点太精准，装完立刻有提感。第二， cloud code 用户基数大，工具需求大。三就是每人 c m e m 代币的流量注入加密社区的传播速度非常快， 直接把讨论量推向了峰值。这也是后面我们要聊的争议之一。它要解决的核心问题就三个，第一，对话结束等于完全失忆，这是 l l m 的 架构决定的，不是 bug， 每个绘画的上下文窗口都是独立的。第二，想让 cloud 记住东西，你得自己手动维护， cloud 对 d m d 项目越大，维护成本越高。第三，每次新绘画都要重新介绍项目，重复消耗 toc 和时间 cladem 的 方案，把这三件事全部自动化，那跟其他记忆方案比， cladem 的 差异化在哪？ 第一，零干预，安装完之后不需要你做任何事情，它在后台全自动运行。第二，双引擎解锁， 它同时用了 sq lite 的 f t s 五权威搜索和 chroma d b 的 向量语义搜索，你搜认证 bug， 它不光能找到包含这个关键词的记录，还能找到语义相关的，比如登录系统 tikken 刷新这些。第三，渐近式注入，默认只注入五十条记录的，所以 其中只有五条展开完整内容，其余都只是标题，夸赞自己判断哪条相关，在暗需获取详情。第四，隐私标签，你在代码里用 private 标签包裹的内容会在 hok 层直接跳过，不存库。 第五，跨工具支持，还支持 gemini、 c l i 等 a 正框架。它有一个 web viewer， 跑在 local host 三七七七上可以实时看到记忆流，这就是它的前端界面。你可以看到我提的两个问题都被记录，每个任务都会生成对应的 abs。 微信记录安装非常简单，两行命令 配置文件会自动创建。在 cloud mem 大 部分情况下，你不需要改任何配置架构部分，整个壁环就四步。第一步，采集，它有五个生命周期，勾子绘画开始，你提问蝌蚪用了工具中断绘画结束， 这五个时间点它都会自动触发。第二步，压缩，采集到的原始数据会发给一个后台 worker 服务， worker 调用 cloud agent sdk 生成结构化的加载，不是存原始数据，是存 ai 压缩后的精华。第三步，存储结构化数据存到 sq lite 里做权威锁影， 同时向量切入存到 comma db 里，用的是 omni 杠 l 六杠 v 二这个模型，方便后续做语义剪索。第四步，注入，下次你开新绘画的时候，他查最近十个 size， 取 top 五十条记录的缩影注入进去。可拉蒂看了缩影之后，自己决定要深入看哪几条，按需获取详情。 注意，向量语义注入这个功能在最新版本里默认是关闭的，也就是说默认只用 s q l 全文搜索来注入。 你需要手动开启科莫 d b 的 语义注入，原因是它会增加每次提问时的延迟。最后必须要聊一下这个项目的问题。社区有人做了一次完整的安全审计， 提了一个非常详细的一术，第一， api 密钥铭文暴露，它的 settings 接口会直接返回所有 api t 的 铭文，没有任何脱敏。第二，端口三七七七七项暴露了三十多个 http 端点， 其中绝大多数不需要任何认证，任何本地进城都可以访问你的全部绘画数据。第三，它的 m c p 工具没有做路径边界校验，理论上可以读取你系统上的任意文件。第四， host 可以 配置为零点零点零点零，一旦这样配了，所有无认证的 a p i 就 暴露到了整个网络。除了安全问题，还有一个社区争议，美元 c m e m 代币。这是一个第三方在搜了纳上发行的代币，创始人事后认可了一个开源项目，绑定加密代币 就在开源社区引发了不小的质疑。最后还有一个现实问题，它号称帮你省 token， 但它的四层架构本身每次绘画都会产生额外的 a p i 调用来做压缩摘药，实际能不能省到取决于你的使用场景和项目复杂度。总结一下， cloud mem 精准抓住了 cloud code 失忆这个痛点， 架构设计上的渐进式路由思路也很值得学习，但它目前有明确的安全隐患，如果你打算在生产环境使用，一定要先评估这些风险。同时带币绑定这件事也让项目的开源纯粹性打了折扣。以上就是 cloudm 的 完整拆解，希望对大家有帮助，如果觉得有用，点个赞，我们下期见！
604AGI_Ananas
00:57查看AI文稿AI文稿看大家都说 cloud code 和 vs code 特别好用，然后我脑子一热，装两个全装了。装完后打开一个黑框框，一个空白页，所以这两到底是干啥的？研究了一下午，我终于懂了， vs code 其实就是个编辑器，相当于写代码的 word。 cloud code 更离谱，你打字说需求，他自己就去改文件了。一个是你干活的地方，一个是替你干活的定义，我都懂了，但是我又不是程序员， 你说他能提效，提什么效呢？写代码的效率吗？可是我关心的是，他能不能帮我写标题，能不能帮我做店铺分析，能不能帮我生成图片视频？发了一堆文档都说可以， 但是我还没有找到入口。接下来，我先拿我真实的工作场景去试一下，写标题，分析，数据处理，图片，全给他跑一遍，好用的不好用的我都记下来。试完了，给大家一个普通人视角的实测报告，如果你也在纠结要不要装，等我帮你试完了再决定。
01:51查看AI文稿AI文稿开头先说个暴论啊， cloud 和 cloud code 和其他 ai 的 差距，那真是比人和狗还大， cloud 是 cloud， 然后 ai 是 ai， 真的， 我觉得是断层式的差距。讲一下具体这两天我在做什么，给大家举例子，就会比较生动了。简单来说呢，我在给我们的这个减肥 app 做体重管理的这个模块，然后大概有几个页面，我是一个非产 品经理出身的运营，但是我现在也能做一些产品开发和设计的东西吧，我大概花了两到三天时间，包括一开始的产品方案的规划和在 web 定这个方案和代码。 然后呢，第一个 jimmy 给我出的这个版本呢，那真的是太丑了，就是太太太丑了啊，后来最后高低给我出的这个版本，我们两个也就交互用了大半天时间，非常的好看，也非常的好用，非常多的页面做的非常贴心。好，这些都不是重点啊，就是他的能力，这我是知道的，我是被他的贴心程度和服务能力震撼到了，真的是顶级一方。 为什么呢？我这次在设计的时候呢，我想达成的一个功能点是，我希望你能够清晰直观的看出来你每天的体重变化和你前一天吃的这个热量 情况之间的直接的对应关系。如果他没有对应上，再让 ai 给你一些解释和反馈，让你能理解这个之间的因果。好，就这个功能是吧，我在最开始没太想清楚的地方就是我怎么能够让他展示出来，同时信息不涌杂。于是我在跟高老弟讨论之后，他说，要不这样吧，我直接给你出 demo 吧，你根据这个 demo 来看吧， 他直接用控制变量的方法给我出了一堆对照组 demo， 比如说深色浅色白底 demo， 比如说有颜色没颜色和带一个底边 demo， 比如说圆形、方形 小圆边带帽就是，还有就是这几个信息之间怎么组织，怎么配置，给我无数带帽，他简直就是一个完美的，以防你把你的目标描述清楚，细节组合哪个呈呈现更好，用多少种方案我来帮你选，具体怎么细拆全都是他给我给到位的方案。所以才能让我这样一个文科生没有做过产品开发的迅速，两天时间就能把这个一大堆页面开发出来。 感谢靠，我只想说，如果你还没有用靠，你一定要快速的用一下，如果你觉得 ai 不好用，那大概率是因为你还没用靠和靠靠。对了，如果你也是减肥用户，你也请你帮我看看这个页面设计的是否符合你的需求，可以再帮我提提意见和你的反馈啊，我会把它叠带进我们的产品的，谢谢。
6335Miss发行人（AI版
01:09查看AI文稿AI文稿终于又整合了 coco 啊跟 coco skill 的 国产 agent 了。别人用 coco 没号要订阅，我们用国产的 coco， 四个平台都可以用。你看，两个小时就完成了别人两个月的工作，整理桌面，还有整理几百个视频文件。 哎，做创意策略这条九十多万人看，直接就说看我跟 gpt 连一半效果都做不到。一样的效果， mini max a 整桌面端，轻轻松松帮我按照文件类型整理我下载文件夹的所有内容。 ok， 你 看看， 还可以用它来去收集 gucci 上排名前十的 calco skill。 我 想知道 calco skill 排名前十都是些什么？怎么安装？看一下吧， 上面已经有那么多专家了，视频生成、文档处理、 ai 编程等。如果还是不够你用，我还有一个绝招，直接把热门的跟他项目通通打包，成为专家。你看我这个吧。嗯嗯， 不用去了解什么是 api， 什么是环境配置，只需要把它当做一个什么都会的 ai 助理就可以了。学 ai 嘛，本来就应该那么简单。
254卡尔的AI沃茨
01:34查看AI文稿AI文稿柳志敏 maggala 这个妆造你们都看到了吗？和她平常的打嗝舞台完全不一样，非常之贵气，普通女孩没那个剑魔怎么敢挑战啊， 三分像她一世角色。像这种淡季生艳的妆容，对底妆的考验就特别高，为了打好这个底，在妆前叠加各种产品， 过夏天还没出门就已经脱妆斑驳，所以妆前一定要精简，并且防晒也一定要选择质地轻薄，成膜快的，就比如我最近用的这是柏莱雅，简直不要太全面。润润的精华乳，质地，抹开很丝滑水润， 有足够的保湿力度，成膜以后不会假白，脸上也是很水润的。这个基础上打出来的底妆都很明显，发的牢牢的，构成了第二层皮肤的样子，转头的时候还可以看到脸上微微有一些光泽感， 整个妆面和体感都有一种透气的感觉，外加它具有美白淡斑的特征，坚持涂以后，我的素颜皮肤也是透亮了很多，打出清透的底妆也是容易多了。其实这种一支多效的防晒霜特别适合通勤党，你没有时间他就给你一步搞定。而且涂了防晒后带妆一天不仅不暗沉， 晚上回家卸妆后就会发现比早上还要亮白，皮肤状态更好。底妆搞定后就可以狠狠的修容，毕竟刘姐的 ai 剑魔为这个妆容是加分不少。眼妆部分同样是用断光的眼影拉起眼部的皮肤 质感，所有的深色都是为了加深眼部的结构阴影就会有一种改变形状的效果。唇妆和腮红都用裸杏色，最后我们也点上这颗灵魂痣，整个妆面就搞定了。其实我们普通女孩也是超级适合留姐这种贵气温婉的妆，不必苛求自己见不得强，每个人都能化成自己的感觉。
143瘦不了了
06:13查看AI文稿AI文稿antipper 最近有多火就不用多说了， cologne 的 出圈， mitsui 强大到不敢发布 open 四零七的小翻车和 spacex 的 合作，当然还有最值得讨论的，他们的估值超过了 open 来。俗话说呢，一个人今天的状态是三年前所做的事情决定了。那今天我就带你们回看一下七个月前，在 a i d c。 的 一场访谈里头， antipper 的 两位创神 aryomond 和 jack clark 对 整个行业做出了预测，是否在今天被验证了整个访谈里呢？他们的核心的观点其实可以合并成一句话，就是 ai 不是 一个未来某天可能会突然改变世界的技术，而是一个已经在今天慢慢开始改变企业就业安全和国家竞争格局的技术。这 真正的问题呢，并不是他会不会变强，而是社会有没有足够早和认真的面对 ai 这次正在变强的事情。整场对话里头，他反复对一种看似正常的错觉，也就是今天大家的生活表面竟然和三年前差不多。所以很多人就以为 ai 没有那么快。 但在他们公司那一步，变化已经非常的剧烈了，而且这些变化会逐步扩散到所有的行业。 david 最刺耳最刻薄的观点就是对白领工作的判断，他说自己呢，之所以选择公开谈 white collar bloodbath， 是因为他发现科技圈、投资圈内部已经在疯狂讨论这件事情，但普通大众呢，并没有受到足够多的信号。很多公司私下已经开始在规划如何用 ai 去替代和重组大量的白领劳动了，而社会还没有真正理解这项技术会怎样的影响自己 担心未来的一到五年内， ai 很 可能会带来非常剧烈的白领岗位的冲击，甚至可能导致失业率明显的上升。它并不是在说一定会在哪一年发生，而认为这概率已经高到必须公开警告社会了。 darrel 对 于就业冲击的判断，不只基于 ai 今天能够做什么，而是基于 ai 正在以什么样的速度变强，也就是 加速度。他特别的强调，很多人反驳 ai 风险的时候，总是在拿今天 ai 举例说他还不会这个，他还做不好那个。但他认为呢，这是看错了问题真正危险的是技术能力的指数式提升，以这种能力向社会扩散后的连锁反应。他提到， and farby 内部的工程师的工作方式已经被彻底的改变，很多工程师现在已经完全不写代码， 而是在管理一群 ai 的 系统。但尽管他们自己不写代码，但他们的产出已经是过去了两到三倍了。工作本质已经彻底改变。然而呢，他并不认为 ai 写了百分之八十的代码，就意味着立刻裁掉百分之八十程序员。他说现实呢，往往比科幻相对的更普通一点。 很多预测实现的时候呢，不会长得像电影里的未来世界，而是看起来很正常，我们还在公司里，还在工作，这是角色从亲手做事变成了管理 ai 系统的人。这 其实它一个很关键的一个判断就是 ai 革命不会总是以戏剧化的方式出现，而是会在日常工作流里悄悄地完成。你不会突然感觉自己进了一个星球大战，你只会发现同样的一个团队突然能够做过去几倍的事情。 这个判断其实已经被验证了。就在上周， cloud code 的 创始人 boris journey 在 红杉线下的分享，他自己已经很久不写一行代码了，而是管理几千个 agent 在 同时工作，而更重要的是，支撑和设计下一代模型的大量代码已经由模型自己写出来， 也就是说， ai 已经开始参与到制造下一个 ai 里头了。那么对于社会应该怎么样去面对它提出了两个方向。第一个呢，是帮助人们赶紧去适应 ai 培训转型，让更多的非程序员也能够借助 ai 工具创造产品创业。 但他也很坦诚地说，这个不是万能药，过去很多的 retraining 项目都很有局限， ai 带来的冲击太广、太深、太快，单靠重新培训不可能完全地解决，更何况今天培训 ai 的 人，很多人自己都没怎么去用过 ai。 第二个呢，是政府最终可能必须要介入，尤其是在过渡期内，那些被受到冲击的人提供知识， 甚至提出了可能需要对 ai 公司征税，因为 ai 公司会创造前所未有的财富增长，而这部分的财富呢，应该被用来缓冲社会的结构性震荡。 这个点不用多说了吧？你们都看新闻了，二零二零年前四个月， claudia ronrey revenue 已经从二零二五年底的九十亿美元月升至三百亿美元，直接导致他们的估值超越了 open i， 坐稳 e i 圈的老大的位置。 另外一个很重要的观点就是透明度，他认为 ai 的 公司必须向社会公开更多的信息，包括能效的能力怎么样，评测系统是如何保护用户，使和使用模型。 ai 正在怎么样影响经济？因为如果没有这些的数据，经济学家跟政策的制定者就无法判断 ai 对 真实经济的影响，也无法制定有效的政策。 在安全的风险上， darrell 态度是，现在测试里看到的一些危险的行为，不一定代表今天的莫星马上会在现实世界里也这么去做，但他们呢，是在提前展示未来的风险。他用测试汽车来类比，如果你把车放在极端的冰面上，再故意破坏轮胎，他撞车不代表日常一定会撞，但他说明了这辆车在极端的条件下来韧性是有限的。 lebrink 呢，在测试里看到了模型出现勒索诈骗，为了不被关闭而撒谎，为了拿高分作弊等等这些行为。他认为呢，这些不是现在已经失控的证据，而是未来模型更强之后可能 真实出现的问题的预言。所以必须要提前研究，提前透命，提前缓解。 well， 七个月前这个采访的时候呢， open 四点六还是四点七还没出，但今天的 misos 导致网络安全风险的报告已经刷爆到全网，再次验证了他们当时应该已经在吹 misos 了。 那么在国家竞争的层面呢？戴尔的观点也非常强硬。他认为呢，美国不应该允许英伟达等公司向我们中国出售先进的 ai 芯片。他的理由是， ai 可能会成为未来国家力量的 核心基础设施，甚至像数据中心里面的天才国家。如果 ai 能完成大量的经济劳动、科研劳动、军事相关的能力，那么谁掌握最强的 ai， 谁就有可能掌握国家的命运。 他一直强调，中国在能源建设、数据中心、应用生态这些方面都有强大的优势，但芯片呢，是他们美国目前最重要，甚至可能是唯一关键的优势。如果把这个优势卖掉，就是在抵押美国未来的国家的安全。 我们确定是否这个原因导致 anthon 跟英伟达的决裂啊，至少今天他们选择了 google 和 x i 签约，不再直接使用英伟达的芯片。当然， n g 老黄的态度也很强硬，在 doorache 的 那个 podcast 上直接说世界上可不是只有 a g 一 家 ai 公司。 那么最后， darius 对 于 ai 未来的整体态度是强烈乐观，但高度紧张。他说自己并不喜欢 p 中 m 这个词，如果非要给一个数字，他认为大概会有百分之二十五的概率，事情会非常的糟。而百分之七十五的概率呢，事情会非常的好，而且中间地带并不多。 这个判断呢，很有意思。他不是温和地认为 ai 会慢慢地改善社会，也不是纯粹的末日论。他认为呢， ai 是 一种极端的技术，结果可能非常的好，也可能非常的坏，关键在于政策透明度，安全研究，社会准备和国家战略能不能够跟得上。
13aone
00:59查看AI文稿AI文稿修改完成，可以看到这里函数已经出来了，然后我们跳转到 ok， 非常好，还有注试都写上了，来调用一下，一程序从十加到五十，然后从五十减到十，是先加后减啊，这是一个左弧线，二号同学同样的左弧线加减速， 这是两个模块先加后减，右弧线加减速，本次消耗 per token 三十八万，然后 flash 是 四千五。总结，零点二元 cloud code 加 vs code 实战寻弧线的时候 加速或者减速，这是我写的函数，这是普通的寻线，还有寻弧线的这个基础模块，然后它添加了一个弧线的 smooth， 相当于把这两个结合了一根弧线，还有一个加减速，让它实现一下，试试 写出这个功能，然后并且写出日期允许，最后还验证了一把。
31番茄老师
00:40查看AI文稿AI文稿我让可乐扣的给我做设计，然后用扣带子给我做出来成品，这个是成品视频，大家可以看一下， 效果真的特别。 you think newton invented gravity the father of physics， but he left behind something else over one million words on alchemy more than his physics his theology was almost equal for thirty years he tried to turn lead into。
47方木
03:35查看AI文稿AI文稿两美元让 ai 养七只虫子，有的爬虫只能倒着爬，有的多足直接不会转向，还有一只点开就报错。 第十期冠军， g l m 这期能不能守猎六十分钟？一道多足生物题，模型的阵容是 deep sea v 四 flash， 上期第三。 kimi k， 二点六，绝对的中流砥柱。 g l m 五点一，第十期冠军，这期来守猎。 mimo v 二点五， pro 还是继续翻身仗？豆包 seed 二点零 co 的， 之前测试的 pro， 这次换成专门的 co 的， 看看效果。 cloud sony 的 四点六，评论区质疑是不是成本太高，才不上 opps 呢。 是的， mini max 依旧永远的标杆，永远的质检单文件 html 零依赖，双击就跑。要有多足生物或者爬虫跟随鼠标还能自主游荡， 脚不打滑，身体跟地形六个维度评分， i k， 数学状态机，二次运动，群体行为性能，视觉调优。七个窗口同一个 prompt， 六十分钟开始，不废话，逐个讲解。豆包 c 的 二点零， ko 的 一点三万 tokens， 跟随模式没问题，切换到自主游荡，所有的生物直接一起向左走，不是各走各的，是集体向左。评论区呼声最大的回归，回归一齐就翻车了。 kimi k， 二点六，五点五万 token， 三十美分，脚不抓地，一蹬就滑，打滑直接扣分。多足肢体偶尔会被拉长，身体还会穿地形。中流砥柱危险预警了。 mimo v 二点五， pro 四点一万 token， 十六美分。物理是全场最真实的，但多足一直在原地跺脚，脚停不下来，最要命的多足和爬虫都不会转向，只能朝一个方向走。 物理满分，转向丢分，翻身仗只翻了一半。 deepsea v 四 flash 全场最磨蹭，但价格也是全场最便宜四美分。四美分的虫子 fps 还能一百 多足，姿态偶尔浮空，爬虫向左只能倒退，完美继承 v 四 pro 慢但是便宜，还能用 g l m 五点一，五点七万 toc 六十一美分， 第十期的冠军。这期狩猎最强的一点是画了一个无尽头的地图，镜头能一直平移一直走，二十只虫子也不卡，爬虫和多足都能转向不倒退，没有 cloud 那 么细致，但稳。第十期冠军，第十一期狩猎成功，第一名 cloud sonata 四点六，十点，四万头啃， 全场最话痨，二点一四美元全场最贵，加几十个虫子上去， fps 还是稳定一百低， bug 也正常，转向关节肢体全过，基础和上限都拉满。两美元虽然贵，但买的是硬实力来看，数据对比， 价格上最贵的 cloud 二点一，四美元最便宜， deepsea 四美分，差了五十三倍， 速度上最快的是豆包，两分十秒，最慢的是 deepsea 十八分二十七秒，差了八倍。 token 消耗上最话痨的是 cloud 一 百零四点八 k， 最简洁的是豆包十三 k 差了八倍多。最贵的赢了拿第一，但最便宜的也守住了第三。 六个参赛者最终的排名第一 cloudsonnet 四点六，虽然贵，但质量也在线。第二 glm 五点一，在视觉要求不强的时候非常稳定。第三， deepsea v 四 flash 便宜但是慢。第四， miimo v 二点五 pro 物理最真实，但脚停不下来。第五， kimi k 二点六，脚不抓地打滑。 第六，豆包 seed 二点零 ko 的， 或许其他测试还能好转。 mini max 虽然有 bug 无法展示，但代码质量算中上等。下期的挑战者我会寻找其他开源模型。豆包 seed 二点零 ko 的是 ko 的 版本的问题还是题目不对口呢？下一道题想看 ai 做什么呢？欢迎在评论区讨论。
362寒冰巨魔
08:16查看AI文稿AI文稿夸刚刚发布了一款堪称王炸的工具，这是一个斜杠命令，叫做 go， 你 只需给他一个任务，他就会不达目的不罢休，全程无需你动手。本期视频我将手把手教你如何使用这个工具， 我将为你揭秘它为什么如此好用的玄机。我还会给你一个真实案例，看它如何实际运作。不过我们先搞清楚 go 到底是什么。在夸扣里，你只要输入斜杠， 就会弹出一个小菜单，列出一堆内置命令。注意，这些不是提示词，而是工具。每个命令都有自己独特的用途，而 splash go 就是 其中之一。这可是个新面孔，我跟你说它强得离谱， 过去四十八小时，我简直停不下来，一直在用它。那么 splash go 到底解决了什么痛点呢？比方说，你有一整年的银行流水，全是 pdf 文件，你想把每一笔交易都扒出来，你想把它们分门别类，比如餐饮、加油订阅，再生成一份阅读支出报告，最后汇总到表格里。这活儿可不小， 没有 slash go， car 也能搞定，而且效果相当不错。但他只会处理第一份流水，然后就罢工了，然后他就傻等着你输入继续之类的话。这种情况一而再再而三的出现，你就只能干坐着，像看小孩一样盯着电脑超过一个小时。以前就是这么个搞法，但斜杠目标 slash go 功能完全改变了这一切。 你输入斜杠目标，后面再写一句话，精确描述跨扣应该在什么时候停下来，然后跨就会一轮接一轮的自动运行，他自己跑着，直到任务全部搞定。好嘞，瞅瞅这个，你输入斜杠目标，再定义一个终点线，终点线就是跨能够核实的一个条件。你可以输入像这样的东西。 我收集文件，家里的每个文件都已经分类整理并总结好了，汇总到一个带总机的电子表格里，这就是终点线，然后跨就开跑了， 你会看到这边的那个小图标，这个图标表示目标已激活，还带个计时器。这就是靠自己在干活的证据，它没在等你，它没在等我，它自己一直跑着。但这里有个特别有意思的点，所以我想聊聊这玩意儿为什么，以及怎么就能这么好使。当你设一个目标的时候，其实是有两个 ai 代理在同时干活， 一个是主模型，也就是真正的干活的。他使用的是 opus 或 sanit， 他 才是真正干活的，他负责构建文件，编辑代码，整理资料，他就是你的员工。但真正的磨砺，真正的磨砺在于第二个工人，你可以把第二个工人看作是员工的老板。 在工人每完成一步后，老板就会进入检查，他会仔细审查刚才完成的所有工作，并且他会问一个简单的问题，目标达成了吗？如果老板说没完成， 那么他会明确告诉工人为什么工作还没完成。然后他会开启新一轮的工作，工人便回去继续工作。然后老板会反复检查，一次又一次，这个循环会不断继续，直到老板最终点头说好了，完成了，彻底完成了，这时 call 才会停下来。这就是勾指令背后的魔力所在。 如果你只输入 go， 后面不带任何内容，它会显示这个报告已经运行了多久？它会显示已经执行了多少轮迭代？它会显示消耗了多少 token。 它就像是你的控制面板，你可以随时查看你的员工的工作状态。 不过咱们先快速聊聊这个设置，因为我觉得这点超关键。如果你想彻底解放双手，真正做到甩手不管，回来时项目已经搞定。你需要搞定两件事， 第一是敲入 go， 这很简单，这我们刚才刚聊过，但还有第二点。第二点就是开启自动批准。默认情况下，每次 call 要运行命令或编辑文件时，他都会来征求你的同意。他会问我能干这个吗？或者我能跑那个吗？ 如果你不打开自动批准， call 就 会停下来等你点确认，每个操作都要等你点头。哪怕 go 正在跑，不过也没事，这是个安全措施。 但如果你想让它全自动跑，你就得打开自动批准。不过这里有些事你得琢磨琢磨，你这是在给下拳拳放手，让它自己搞定一切。好消息是， q r 自带了一些安全网。 q r 不 会擅自运行危险操作，它会先问你，它只在你给它的项目范围内活动，你随时可以限制它的操作范围。 我觉得自动模式算是比较进阶的功能，你在开启前得先完全弄明白 call 能访问哪些内容，以及你的数据是怎么被处理的。这期视频还有件特别重要的事得聊，因为一旦搞砸了，习到目标，要么永远跑下去白白烧钱，要么干脆不干活，或者把你所有的 token 都耗光。 相信我，我已经在一个任务上烧掉了一整天的偷啃，这可是我花钱买来的教训，我来就是告诉你那是啥，让你不用再走弯路。记住老板这个角色，老板只能看到工人向他汇报的内容，他不能自己去翻你的文件。 所以你的目标条件，也就是终点线，必须是老板能确认的东西，而且只能基于工人报告回来的信息，不能是模糊不清的条件，也不能说别出错或者干得漂亮这种话。这些都是我踩过的坑。真实案例，老板根本无法核实这些任务，因为指令太模糊了， 于是 kua 就 会像无头苍蝇一样原地打转，并且每次都白白消耗 token。 举个例子，你千万不要说把我的文件收拾干净，整理的妥妥当当的，老板怎么知道怎样才算井井有条？他根本不知道。因为太模糊了， 所以 kua 就 会一直循环，没完没了，根本停不下来，然后把你所有的 token 都消耗殆尽。如果你用的是 api， 那 烧的可就是真金白银了。相反，你应该像这样说， 我收据文件夹里的每个文件都已按日期和商家名称重新命名，文件已按月份归类到不同的文件夹里，并且生成了一份支出明细的 c、 s、 d 文件，每张收据对应一行数据，看出区别了吗？第二个指令，有一个老板能真正核实的终点线，他是一个必须存在的特定文件，一个必须被创建的特定文件夹。 总之是老板能在对话记录里看到的具体成果，然后说，没错，这事确实干完了。另外还有一点要补充，你永远可以加一顶安全帽，在你设定的条件末尾，你完全可以加上一句，比如三十轮对话后停止或四十五分钟后停止运行， 这是你的安全绳，万一出问题，矿会自动停止，而不是跑一整晚把你的积分全烧光。每次你都该这么做，相信我，加上这道保险准没错。好了，咱们来看点真家伙， 好。假设你开了一家披萨店，你知道你必须每天在社交媒体上更新，但你根本没时间搞这些。你没空去策划，没空去写，更没空每天想新点子。我觉得大多数小企业都这德行， 他们知道必须得做，但搞出这些东西实在太花时间了。那么如果我们用勾这个指令，我会输入斜杠勾，然后给他一个非常明确的最终目标。 大家看这个例子，这基本上就是让 core 去生成一整周的社交媒体内容，为这家披萨店配上文案、话题、标签和真实图片。这些图片会从我的 nano banana a p i 里调用，它会把这些全部整合到一个专业的 pdf 文件里，方便我直接用。 如果二十步之内搞不定，它就会自动停下来。当然，老板会确保全部十五个帖子都配上图片才确认通过。效果图如下，我们有一整周的内容，十五个帖子，三个平台，每条文案、话题、标签、图片全部安排妥当。 我除了输入那个提示词，啥也不用干，等我回来他就已经搞定了。就这种活，社交媒体经理一个月能收好几百美元。这还只是一个例子，你可以用斜道目标为宠物美容店设计一个会员忠诚计划，或者给咖啡店规划一整月的每日特价，或者给每一条评论都写个性化回复， 你可以给所有客户生成发票，只要是步骤多特费时的事，你都可以用斜杠目标来搞定。在开干之前，咱们先聊聊费用。首先你得有专业版或最高版套餐才行，所以你要是不注意用斜杠目标，可能会很烧钱。 就像我之前说的，老板会让克劳德一直干到完活为止，但你的条件要是设的不好，老板就永远干不完，他永远不会满足。 然后克劳德就会陷入死循环，不停地消耗你的令牌。这里有三个规则可以帮你避免这种情况。第一，永远记得用那个安全网。再说一遍，你可以设定在二十五轮对话后停止，或者四十五分钟后停止。 第二，走之前先查查用量，随时输入斜杠 us， 就 能看到你还有多少积分。第三，从小做起，别一上来就想着把整个业务都重新整对一遍，不，从一个文件夹开始就好。先处理一批收据或者一组评论 先上手，用熟了再慢慢扩大规模。做好这三步基本就晚了。这就是 splash go 的 功能。你设好终点线， con 就 会自主运行，这个老板会全程监督，直到任务完成。如果你觉得没问题，就开启自动批准。 如果心里没底，就先别开。你需要写一个带安全上线的特定条件，然后让 con 全权负责，咱们下期再见。
927大曼哒
10:39查看AI文稿AI文稿最近啊，我帮几个朋友看了下他们平时是怎么使用 cloud code 的， 结果发现大家踩的坑都差不多，比如说在 contacts 都快满的情况下，还在疯狂地向 cloud code 输出，甚至还问我他的 cloud code 怎么越用越笨，还有装了 skill 的 有没有用上都不知道。 那对于这种把 taco 用在刀背上的做法，我只能说一个字，绝。所以今天就给大家分享一下我自己使用 clotco 的 过程中的几个小技巧，听完包你满意，赶紧点赞收藏。当然，大家也可以在评论区分享一下自己的经验。 第一个，上下文管理这个道理啊，很多人都懂，但很少有人会注意到上下文污染的严重性。如果说你也有这样的毛病，我建议赶紧去看一下。前两周 cloud 发布的这篇关于绘画上下文管理的文章，里面讲的是非常详细的。 特别要注意的是啊，文章里面有提到，当上下文窗口开始占到百分之三十到百分之四十的时候，就会出现一定程度的上下文腐烂。这个其实对我自己也是有点启发的，你像我之前就是用到百分之六十可能才开始做一些上下文的管理，那现在可能百分之三十到四十就要开始做了。 那我平时做上下文管理无非是用到这三个命令，第一个， compact， 当任务跑了很长时间，进行过多轮的对话之后，使用这个命令，让他把前面的对话压缩成一个摘样，清掉容易的信息，只保留关键的，这样的话，你的 contacts 就 会变得很干净，他后续的表现也都会回归正常 我的使用习惯啊，同一个任务超过二十到三十轮对话，或者说我当前的上下文窗口已经占到了百分之五十以上，那我就会进行次压缩。 又或者说当我发现啊大模型开始回答一些奇奇怪怪的答案了，那我的第一反应也都会先去 compact 一下。第二个 clear， 那 这个相较于 compact 会更加的直接，把当前的对话直接清空掉，重新开始， 或者说你开一个新的对话窗口也是 ok 的， 这个适合一个任务已经完全跑偏，或者说你就想换一个新任务的场景。 对比的话， compact 就是 整理桌面， clear 的 话就是清空桌面重新来。那用哪个还是要看当前的任务有没有值得保留的上下文来决定呢？ 第三个命令 by the way。 这个命令一般会出现在你不想去侵入当前上下文窗口的情况下去使用。举个例子，比如说你现在正在 web coding， 但是你又想到一个产品的逻辑上面会有点问题，就可以使用 by the way 去跟它进行讨论， 这个是不会记录在上下文的，或者说你使用 by the way 把你这一次的需求让它记录在某个文档里面。当你手头的这个 web coding 的 任务结束之后啊，接下来的任务你可以再调用原来记录下来文档里面这个需求继续展开工作。 那说完了我常用的这三个命令之后啊，还有些关于上下文管理的我的个人的使用习惯。第一个，引用文件的时候，指定路径和文件名，不要让大模型自己去扫描文件，扫描整个仓库，他有的时候如果找不到的话，甚至还会去写一个脚本去帮你去找到这个文件， 所以说这样的托克消耗是得不偿失的。第二个，我相信大部分人都会知道，长任务或者复杂任务的时候，用 plm 的 模式可以大幅度的减少托克的一个消耗。 第三点，尽量让 cloud code 完成一整个工作流，而不是一步一步的告诉他去做什么。因为 cloud code 是 非常强大的一个 agent， 你 给他一个超级复杂的任务，他也能从第一步到最后一步完美的给你执行出来。如果说你每一步都拆开，那首先上下文会变得非常长，那上下文一长，你的大模型就会出现幻觉，你的上下文就会出现丢失，被污染。 那讲完了上下文管理之后，接下来这个 prom 的 缓存本质上和上下文也有一定的关系，那我为什么会单独拎出来讲呢？因为它会直接影响你用 cloud 的 速度和成本，也是大家特别容易忽视的一个问题。 c c 的 一个 prom 的 缓存机制啊，如果说你上一次请求里面的内容和这一次请求的前缀是一样的， cloud 的 就不会重新处理那段内容，直接用缓存速度更快，托克的消耗也会大幅度的降低。 在 cloud code 里， cloud 点 md 的 内容和项目文件的内容在同一个绘画里面是可以被缓存的，但缓存会失效。最常见的失效场景有以下两种。第一个， cloud 点 md 这个文件啊，在 cloud code 的 缓存架构中是被视为一个整体的模块的， 由于它位于缓存前缀的中间位置，一旦你改了文件中哪怕一个标点符号，系统也会判定从 cloud md 这个文件的模块开始，到后续所有的内容，包括历史对话的缓存都会全部失效。 第二个，对话的间隔太长， cloud 的 缓存默认有五分钟的超时时间，超过五分钟没有新的请求，缓存就失效了。 如果说你再做一个任务，保持对话的节奏要比长时间等待更好，所以说每次离开之前先 come back 一下是最好的。理解这个机制之后，你就会开始有意识的组织 cloud d m d 这个文件的结构，让 cloud code 的 能够持续的用到缓存，整体的速度就会明显快一些，托管的使用量也会少很多。 那接下来第三块的使用小技巧，就是我自己平时经常会使用到的一些 skill。 skill 是 cloud code 的 可安装能力包，把一套提示词和逻辑打包成一个命令以后就可以直接调用。那我现在用的最多的就是以下几个。第一个， planning with fire。 当你有一个复杂的任务，不想让 cloud code 直接开始乱动，那就先用这个，它会把任务拆解成结构化的计划写进一个文件里，当你 review 确认之后啊，它再按照文件里的计划一步步执行。这个是我目前使用频率最高的，甚至说我所有偏复杂的任务都会先用这个 planning with file 的 这个 skill。 那举个例子，比如说我现在做 webco 顶，那原本开发的流程，可能说花一天时间去想一下架构，然后再花几天的时间去开发，那现在就反过来，我会先花大概几天的时间去跟他去跟 cloud 的 去聊我会怎么样去设计，然后聊的过程中去把这些我的想法全部记录到文件， 那之后我再做 webco 顶，让他去生成代码的时候，那整个的代码的结构，包括代码的约束，代码的规范都是非常工整的。 那接下来第二个 skill， 那 其实是一整套啊，基本都是偏向前端界面设计的，像 fronten design， 还有像 ui ux pro 这两个 skill 啊，还有一个就是我现在做视频基本上都会用到的 remotion skill 啊，都是我自己高频在使用的。 那这种是专门为前端界面设计调优过的 skill， 我 觉得对于很多开发人员来说，因为对一些 ui 的 设计都不是很 make sense， 我 觉得用这些 skill 可以 帮到你们很多，并且他们的官网也是提供很多的素材和模板 啊。再结合像现在的，比如说 stitch 啊这种圆形的设计软件啊，那我觉得再配合这些 skill， 那 可以起到事半功倍的一个效果。 第三个 notebook lm skill 啊，那对于这个 skill 我 原本是不怎么开始用的，因为像原来的 gmail 可以 直接去连到这个 notebook lm， 因为都是谷歌的全家桶嘛，呃，都能够直接去输出我想要的结果。但后来大家也都知道 gmail 降至比较厉害， 我发现我的结果就我的要求他不太能满足到了啊。后面我就尝试着把 nosbook lm 生成的结果给到 cloud， 让他去帮我进行接下来的任务执行啊，效果也非常的好。然后到后面也发现现在是有这个 skill 的， 那我就直接拿过来用了。 第四个 everything cloud code， 那 这个 skill 汇总了 cloud code 的 目前所有功能的一个用法，相当于一个随时可查的内置的使用手册啊，不确定某个功能怎么用的时候，你就可以直接调用它，比翻原本的官方文档要快很多。 那这边有一点要说明啊，这个 skill 会比较消耗托肯啊，你一定要去关闭它的一些 mcp 啊，你哪怕关了的话，它的托肯消耗也是会比较大的。那如果说没有碰到一些复杂的任务，我觉得是用不上的，但是整体的质量还是非常好的。 第五个， superpowers， 那 这个也是老朋友了，我相信很多人都在使用这个 skill， 那 这个 skill 对 我来说最重要的一点就是它的脑爆啊，这一个技能。 呃，而且这个 skill 是 非常适合小白的，因为它是包含了一整个完整的软件工程的，一个生命周期的一个 skill 的 一个全集啊。所以说，如果你是小白，刚刚入手 web coding， 我 觉得你用这一个 skill 就 足够了。 第六个，卡帕西的这个 skill 啊，那这个 skill 我 觉得是相较于前面 superpower 和 everything， cloud code 的， 它更像是一个靠谱的资深工程师啊，它会强调先清楚再动手，不乱猜啊，能简单的就不要搞得太复杂啊，改动都是以最小的成本去改的，而且每一步都是尽可能的去做验证， 所以说啊，它特别适合去修 bug， 改老项目，做一些重构。那接下来第四块， hux 啊，那 hux 的 定义的话就是钩子啊，它允许你去自定义一些触发器啊，在卡拉扣的做完某件事情的时候，会自动的执行一段啊，你所定义的无论是脚本啊还是命令， 那我最常用的三个场景，第一个，我每次让卡拉扣的修改了代码之后，就会自动的去提醒，也不用担心它改完之后代码的格式会乱掉。 第二个，任务结束的时候自动发通知啊，比如说你在跑一个时间比较长的任务啊，那你可以去做别的事情，那任务完成的时候可以触发一条系统通知到你的手机上， 那为什么会举这个场景呢？啊？之前在用 open call 的 时候，因为像 open call 它本身可以去调用 call 的， 但是它怎么去监控 call 的， 它会一直去用轮询的这个方式去做，会非常的消耗 token。 那后来我就自定了一套我让 openclaw 去触发 claw 的 code， 之后我通过 claw 的 hook 去回调来通知 openclaw， 使用这样的方式之后啊，就可以减少掉不少的 token。 第三个场景，那像工具的调用前后会去自动的记日制啊，你想知道 claw 的 在一个任务里面到底做了什么，那 hux 就 可以帮你在每次工具调用的前后去协调日制，任务结束之后就能够看到完整的执行过程。 第五块， cloud code 的 插件，那说到插件啊，前面提到的像 skillbox， 包括没有提到的 mcp， 其实都可以揉在一块成为一个自己的插件 啊，所以我说我这边就分享我经常使用到的三个。第一个 cloud hard 啊，这个的话可以去实时的监控你自己套餐的一个使用量啊，包括你目前这个 session 的 上下文的一个情况啊，再配合前面上下文管理的一些方式组合起来，那效果是非常的好的。 第二个 figma 的 mcp 啊，那这个很适合前面讲的 fronten 的 design u i u x skill 啊，特别是如果你在工作中啊，你们的产品用的是 figma， 那 你直接可以通过 mcp 的 方式直接把设计搞给搞进来啊，从设计到实现会剩很多。 第三个三 tree， 那 这个也是 mcp 啊，这个比较适合去排查线上的 bug 报出错来以后啊， cc 能够更快地结合异常的信息对账和上下文去定位问题啊，可以省掉自己去翻半天的一个日记。 ok 啊，那以上就是关于本次我自己在使用 calco 的 过程中总结出来的小技巧的一个分享，希望能对大家有所帮助。如果说你看到了这边，证明你是一个非常求学的人，在此我也希望能够得到你的一箭三连和关注。那本期的视频就先到这，我是布鲁，我们下一期视频再见。
3.5万布鲁404
00:20查看AI文稿AI文稿今天的视频很短啊，我只说一点，一定一定一定要尽快的用上 cloud， 我 不管你用什么方法，因为我用了这么多 ai 工具以来，这是第一个让我感觉到 不像 ai 的 ai， 我 只能说这么多，好吧，如果说有用过的小伙伴，咱们可以在评论区里面聊一聊。
1322077范先声
04:20查看AI文稿AI文稿谷歌刚刚发布了 jimmy 三点五 plus， 同时还把他们的编程工具 antigravity 升级了二点零，那这次就很明显了，谷歌的话这次是要全面提升它的这个抠点能力。之前不管是在 coi 还是 ide 还有模型， 其实给我的感觉就表现很一般，那这一次的话，这个模型最大的亮点官方说就是它的这一个速度啊，是前模型的四倍， 所以这一期我们就测一个最关键的问题，这么快的速度，它整个的一个代码质量会不会缩水？那我直接会拿两道真实的一个编程任务，把它和 cloud op 四点七， gpt 五点五放到同样的项目里面，同样提示时看它大家的一个表现情况。那下面的话，我们大概去扫一下它官方改出来的一个奔驰 mark 评分哈， 在编程方面的话，主要就看这一个 terminal， 奔驰二点一，还有这一个 sw 一 奔驰 pro， 从这个评分看的话，这一个 jimmy 三点五 plus 这个评分还是可以的哈，但是基于我之前对于谷歌模型实测的结果来看，就是评分不代表一切，因为之前就感觉它在这个编程方面挺拉的，这次我们就看整个的一个三点五 plus 表现到底怎么样。那这一次的话，我们的整个测试题目哈，就是沿用之前测试 cloud of 四点七，还有就是 gpt 五点五的两道真实的一个编程任务。第一个的话就是我们这一个 skills agent 嘛，需要把它从一个 c o i 做成一个 web ui。 第二个的话是希望他从一个已有的比较复杂一个项目里面把这个认证登录给它迁移过来，这一块也比较复杂，需要支持啊， get 谷歌，然后还要做一个落地页。好，我们来看一下这两个实测项目哈，左边的话，就我刚刚说的这一个 skill is a 镜头嘛，第二个的话就我们图片生成 a 镜头，那这次的话，我们是用了这个 anti gravity 它的一个 c o i 终端工具， 整体这一块呢，它的交互的话是跟呃卡扣的很像，那我这边测试下来，他的速度是真的快，相当相当的快，他说四倍，一点都没夸张。 那大家看一下它这个交互的一个情况啊，其实还是感觉挺挺好的。这个交互，那至于整个模型的能力怎么样，那这两个任务我这边实测下来，它都没有一次性的去完成，它或多或少都有一些小问题。那同样的这个提示值，在同样的项目，我给到了 gpt 五点五 以及 calloff 四点七，它都是能够一次性完成的，不管这两边哪一个项目都可以完成。但是 gmail 三点五 plus 它除了快，但它其实还是会有一些或多或少的 bug 嘛。好，我们来看一下它整体的一个表现情况。 好，我们来看一下这个是 jimmy 三点五 plus 帮我们完成的 skus agent 的 一个 ui 界面嘛，它可以去执行一些操作，比如说我给他一篇文章，可以让他帮我们去总结，它就会去加载这个的 skus。 就 我之前有一期视频 专门讲了这个 skills 的 一个工作原理嘛，那这是它完成的一个效果，整体上 ui 这块还 ok， 那 这边的话是 g p d 五点五给我们完成的，左边也是有我们的一个的一些 skills 是 哪一些？那右边的话就是它整个的一个操作的一个过程嘛。怎么说它这个 ui 的 一个结果的话，我觉得就是呃 g p d 五点五的会好一些。 那关于图片生成这个项目，让它去做一个落地页，以及让它去做一个就是谷歌 get 五的认证登录嘛，那这块它也是完成的，但是不是一次对话完成的。 u i 这块的话就是谷歌还是可以的，就是相较于 g p t 五点五的话，我觉得还是会好一些，就 u i 这块的话，我们还是优先选择就是谷歌的模型嘛。 好，下面我们来看下整体这个评分结果哈，那这个评分的话，还是跟之前一样，我们是把所有的模型生成代码通敏之后，然后改到模型去做 review。 那 这边的话 g p t 五点五是要胜出的，它的分会高一些。 第二个的话就是 cloudoff 四点七会辞职，那 gpt 三点五 plus 的 话，它整体评分效果会低一些，也就是它除了快，那代码质量上的话是会差一些。那这边的话也有些解决方案，比如说你可以用 cloudoff 四点七做设计，或者 gpt 五点五做设计，然后再用呃 jimmy 三点五 plus 去做执行。 那这块儿它还不是还发布了这个 anti graphic 二点零嘛。那这个 id 的 话，你就把它等同于 codex 吧，跟 codex 一 模一样。那我这边的话 现在还登录不进去，不知道啥问题。好，下面我们来进行一个总结。那这次他的整个编码水平的话，就是速度上确实是领先很多，但是在交付的一个结果上来看的话，跟国外两家模型还是有差别，尤其是在一些复杂项目里面，他还是会有偷懒的情况。 如果你是需要去做一些原型啊，或者做一些 u i 啊，我觉得这个 jimmy 三点五 plus 真的 是有比较有吸引力，因为它整个速度比较快，而且它的价格也比较便宜。那如果你是需要一些复杂的项目啊，多文件呀，那阶阶段我还是更推荐大家使用 g p d 五点五，在 codex 里面 你运行起来也非常的快。扣袋子这个 app 我 强烈推荐给大家用，我已经最近用了一个多月了，真的非常非常的好用， card 的 话就是封号真的特别严重，我已经放弃了。 ok， 那 这就是这期视频所有内容了，如果大家觉得这期视频做的不错，可以跟我一箭双雕，我是阿江，我们下期见，拜拜。
