qoder学生优惠条件
最近阿里旗下的 a i d e q 的 更新到了一点零正式版，相较于之前零点几的版本呢，这次更新增加了很多实用的功能，而且体验十分优雅，今天大家一块来品尝一下。 我们打开 q 的 你会看到一个非常熟悉的 id 页面，可能有朋友说了，哎呀，这也没有变化呀，一点都不酷，甚至有点平庸，你看你又急， a i d e 不 都长这样吗？但是当我们点击右上角的这个快捷按钮，打开任务模式， 你会看到一个全新的页面，全新的设计。在之前的版本呢，快捷的只是一个模式，它跟这个编辑模式呢是互斥的，你要么使用编辑模式，要么就是任务模式。但是这次更新的 qd 一 点零版本，它做成了一个独立的窗口，你可以同时打开你的编辑器，和快捷的模式 并行的去操作。这个设计风格呢，有点像 codex， 简约刻制，你可以注意一下， 稍微有点难崩，但是它的功能更加的丰富。左右两边呢是各有一个侧边栏，中间是一个对话框，我们可以在左侧新建任务，或者直接打开本地的工作区。当然你也可以直接在对话框的上方，在这块去直接切换。 如果你愿意的话，甚至可以用 s s h 去连接远程服务器，让 ai 直接在服务器上去进行开发，对于一些把项目跑在云服务器上的朋友呢，比较友好。 剧情模式这里呢有两个选项，一个是本地模式，一个是 walkthrough 模式。本地模式呢就是 ai 直接在当前的机器上去进行更改代码跟传统的 ai 定义是一样的，代码都是实时修改的，那这个 walkthrough 模式呢，就是 ai 在 一个独立的 get walkthrough 工作目录中 去认真的工作，改完之后呢，再通过合并的方式回到我们的主分支里，那它到底有什么用呢？为什么要这样去做呢？最大的好处呢？其实它可以并行的去开发任务，更方便团队协助，每个任务都是在自己的隔离目录里去跑，主分支永远是干净的。在选择模式这里呢，我们注意到有一个 agent 和这个专家团模式，就是一直由多个专家组成的团队进行分工协助，这也是目前 a 业编程主流的一个做法。那值得一提的是呢，当我们选择 agent 的 时候，可以自由的去切换模型，包括去使用自定义的 api key。 当我们选择这个专家团模式，后面的模型就不再能选择了，是 auto 和极致这两个选项。 这个极致模式呢，就是有更加深度的推理思考，效果呢会更好一些，但是额度消耗呢也是更高的。那接下来我们就在这个目录下以本地模式开启一个新的任务，打开规划模式， 然后我们直接在输入框里去输入提示词，懒打字的话也可以直接用语音制作一个 ai 导航网站，风格参考苹果公司官网。这个时候如果我们觉得自己的提示词实在是过于简单，过于潦草，那么可以试一下这个优化输入。 ai 呢会简单看一下我们本地的代码，然后呢给我们规范化提示词，毕竟 ai 更懂 ai。 ok， 我 们发送我们的任务发出去之后呢， ai 会先派出一个调研员，专家先来调研我们的项目，然后他会问我们几个关键的问题， 比如说你想要使用什么技术站，想要什么设计风格，等我们填写完毕之后呢，他会再次开始规划，给我们一个全新的清单，根据这个任务的具体需求呢，去动态的分配出一只专家团来执行这个任务。在工具的设置里呢，我们可以看到有五个内置的专家， 但很明显他不是那种死板的配置。比如说我跑的这个任务，因为模块比较多，他直接梳理划出了五个全站，工程师并行的开始工作，加上调研员测试、 u i 操作、代码审核，一共是九个任务，他可能就派个两到三个。这个呢应该就是所谓的弹性团队的设计 啊，班位非常好。我们回到当前的项目，点击这个概要，那在这一块呢，我们就能看到他的任务的实时进展，以及每个专家现在都在干什么。那如果你觉得这个还是不够清晰，那点击这个在专家团全景图中查看，这个时候呢，又切换到了一个格式化的看板式图，就可以更加方便的去查看每个专家他在干什么， 写到了哪一步。那相信各位也注意到了，他分配的任务呢，实在是过于详细，我们实在是等不了这么长时间，没有耐心去盯着这个项目，直到他完成， 那现在其实是完全没有问题的。快速的现在支持多个工作区，或者是多个项目并行的操作，比如说现在我进入了一个新的工作区里，然后我们输入一下斜杠，这个就可以快速调出命令， 可以使用浏览器执行，或者是进行代码审查，也可以让业帮我们创建技能，创建智能体，用在专家团里。那我个人觉得这个代码审查还是比较好的， 你写完代码在提交之前呢，让他先审一遍 ai， 帮你过滤一下，他会指出潜在的问题，给出改进的建议。你可以注意到他的审查呢还是比较详细的，每个代码呢，他都看过了，只不过他好像有点小脾气，意识到我在耍他了。 如果以后你把这项目真的用 get 管起来，再来让我对具体的提交挑刺，我会更开心。现在这种全量审查还真是对你有点太宽容了。我靠，我心里一紧，怎么感觉像领导审我的代码似的。 好消息，代码审核员把你这套视频管理系统从头到尾扒了一遍，结论是没发现什么立即需要修的致命问题，逻辑错误、安全漏洞、灾难性一个没捞着。 不过话说回来，菜，不管我们在做什么其他的项目，原本的那个项目呢，仍然在运行，他没有停止，这个呢就是真正意义上的并行开发，就是多个任务呢去同步的进行。这个专家团队呢，一共分配了十二个专家，每一个呢只专注自己的任务， 然后最后呢来进行合并。里边呢内置了一个浏览器，当它运行之后呢，我们可以直接在这里去进行查看啊，比如说我们的这个一页导航网站， 如果哪个地方觉得不对劲，我们直接用这个选择工具选择一下这个元素，它会自动添加到输入框里，这个时候也可以非常精准，非常快速的帮我们来进行更改，同时这一块呢也是非常严谨，他依然会询问我们确认之后呢再开始工作，避免一些不必要的投更消耗。那下面我们打开设置， 可以在这里更加详细的配置我们前面提到的一些功能。智能体。这里呢除了内置的五个专家之外，你还可以自由的创建或者导入本地的智能体， 而且呢可以选择是把它创建给整个用户层用，还是说只在某个项目里去用，那这个分层其实还是挺好的，把你自己的工作习惯放到用户级里，团队的规划呢直接放在项目里，跟着 get 走，技能和指令呢，也是支持这样去配置，它是一样的逻辑 模型。这里呢如果你有其他厂商的 a p i 或者是头根 plan， 可以 直接在这里去进行接入。不过我不确定的是扣的这个海内外版本是否有差异，我这里呢是没有发现有自定义端点的入口，只有一些内置的渠道， 那如果你有这个需求的话，可以自己下去去确认一下。最后呢我们来说一下这个知识中心和这个插件市场。在知识中心里呢，我们可以选择已经导入的项目，一键快速的帮我们生成一个项目的说明书， ai 直接从我们的代码里去读出来。 大家这个微信呢是自动导入到我们项目的目录里的，也就是团队里的所有人呢，都可以共享这套知识，跟着代码一块 get 提交。旁边呢还有一个记忆功能， 默认的是开启的，他呢会对你以往的对话或者是项目的操作做智能的持久化记忆，理论上来说你用的越久，他越懂你。那至于这个插件市场，目前的话只是一个雏形， 里边打包了 skill 和 mcp， 可以 一键安装，比如说这里边就有这个烧饼饭， mango db 以及这个 contact 七这些内容呢，基本上就是给我们的 ai 智能装垂直端能力包生态确实看起来不是太丰富，但后续应该会越来越多。我们现在回到刚才这个任务，可以在右侧看到有变更文件以及一些产物。 那其实最有意思的就是这个测试工程师在任务的最后呢，跑完了另一个检查和 bug 构建，不管是通过了还是失败了，会告诉你具体的原因，然后去查相关的源文件。说实话，这套自动验证的机制呢，我觉得应该每个 ai 第一里都标配一下，一页写完代码不应该直接交付，而是自己先跑一遍验证，总不能让我们用户一个一个去试吧。 最后呢，简单做一个总结。那说实话，以前的 qq 的 我感觉他在对标 qq， 现在这版感觉走的是 qq 代码的内容，简约克制，但功能又丰富了一些。我好像看到了很多身影。高情商，一点集百家之所长， 低情商，跟之前的零点几版本相比，这个一点零的更新力度确实是大太多了，完成度也非常高。如果各位感兴趣的话，可以到 qq 的 官网去下载体验一下， 至少目前我个人是比较喜欢这个设计和功能的。那以上就是本期视频的全部内容了，如果对你有所帮助，或者觉得视频做的还不错的话，欢迎给个一箭三连。有什么想看内容呢，也可以在评论区留下你的足迹。最后祝各位玩的愉快，我是段峰，我们下期再见，拜拜！
粉丝4.3万获赞37.9万
相关视频
03:49查看AI文稿AI文稿我上一个视频说编程的下一步不是辅助编程，而是可托管执行单元。比较有意思的是，视频发出去没几天，这条线突然变得非常明显， codex、 cloud code 以及 agent 都相继上了一个名叫 go 的 功能，用来跑长任务。它们功能上的差异，我给你汇总了一张表格， 不过我发现阿里最近发布的 code 一 零才是把长任务的省略与介入做到了一个新的高度。总体感觉非常适合安排 a 证的团队干活，而且交互体验做得非常好，这可能是目前最好的国产 ai id。 一。 我对扩展一零进行了长时间的实践，两天消耗了一个 pro 账号所有的积分。下面会有四个测试。我使用的是 glm 五点一模型或扩展 auto 模式，每个任务少则二十分钟，多则四十分钟，都有完整从零到一的记录，交互不错， agent 也能力很强。用上扩展一点零的这套 agent harness， 让国产的这些模型也表现出了不俗的效果。 一个 quest 左侧栏是一个任务单元，可并行。 下面我标注了他的整体页面，左蓝导航管理，中蓝绘画流，右蓝产物区，左边能看到任务列表，中间能看他怎么推进，右边能看到知识记忆产物。 第一件我让他做的是 readme 最佳实践研究，因为如果你要做开源项目，要做产品，要把自己的工具发布出去， readme 怎么写，官网怎么写，第一评怎么让人信任，都是需要考虑的。 我们前面是使用 export 专家团队模式来完成这个任务，并且起用了 spec， 这相当于一个任务计划书， agent 会组织团队成员按照这个计划书来做这个长任务。点击 spec 运行，你会看到多个子 agent 的 创建并开始运行， 而且右边有可缩化的画布卡片。在专家全景图可以看到每个子 agent 的 状态。专家团总共有四个成员，有三个调研员，一个全站工程师。三个调研员的角色很有考究， 一个是分析 github 高薪瑞米进行对标采样，一个是搜索行业文章及指南收集，另外一个更厉害，直接去找社交平台经验帖，都是实打实的实践。这三个人组合起来，对同一维度的研究会更加深入且有价值。最后一人负责整合输出 右边子 agent 的 画布，每个上下文都相当于一个聊天窗口，可以实时看到它们的滚动。另外，你还可以切换不同的仕图，可以看到文件最终成果。这些都可以帮助我们审查整个任务执行的中间过程以及产物。 值得注意的是，左侧栏的 quest 可以 同时并行多个任务。 最终的研究报告怎么样呢？我可以很负责任的告诉你，它比任何模型的 deep research 都好得多。如果你不相信的话，可以仔细看一下这个文档， 这与大语言模型直接生成或使用一些搜索引擎生成有明显的区别。当然，能做出这样一份研究报告也并非仅靠这个 quarter agent harness， 这完全是我们最开始提示词中有一份我自己过往做各种主题研究的 md 文档， 那其实是我的一个 skills 里面抽出来的，所以我做这个 readme 研究也完全是我有这个需求。这个文档可以替我省下许多时间。 酷的，还有知识引擎，这玩意如果真的能持续积累，会很适合长线工作。打开 knowledge 面板，自动生成的知识架构规范技术栈，你知道的，写代码是长线工作，做产品是长线工作，做内容也是长线工作。 redmi 任务总共耗费了三四十分钟，后面我们还有三个任务，由于时间原因不再一一演示，因为我把这些任务包含文字和视频，从零到一的写在了一篇文章里，感兴趣的可以去看看。好了，既然看到这了，这里觉得有帮助的话，随手点赞支持一下。想继续看到更多有价值的 ai 实践更新，可以给我个关注，感谢你。看到最后， 对于这个主题有想法的，欢迎评论区交流。
01:48查看AI文稿AI文稿如何抓住阿里科的一点零带来的技术红利？看完视频直接上路！就在今天，五月十五日，阿里正式发布科的一点零，直接把 ai 写代码 从辅助进化成了能够自动驾驶的智能体。工作台大白话就是，从现在开始，你只需要把需求说清楚，它就能自动帮你完成从写代码、测试到最终交付的全流程。一、 这对我们普通人来说又意味着什么呢？二、我们又该如何借助他搞钱？一个视频给你解个透，在开始前先放个深水炸弹，我们推出了请户 o p c 社区，只在聚集更多艺人、公司、创业者，感兴趣的朋友留下 o p c 三个字母，现在开始。 一、这对我们普通人来说又意味着什么呢？这意味着以后你只需要专注于更有价值的创意和架构设计就行，真正实现一人成军。哪怕你完全不懂技术，只要你能把想法清晰的表达出来，扣的一点零就能帮你把创意变成现实，这意味着个人创业的门槛更低了。二、我们又该如何借助他搞钱？ 在这里给大家指三条业务路径，一、极速开发微型产品变现。利用蝌蚪一点零快速搭建一些解决特定痛点的小工具、浏览器、插件或者行业小程序。因为开发成本几乎为零，哪怕只做给一个小众群体用，靠订阅费或买断费也能实现盈利。 二、做高效的艺人外包团队。市面上有海量的中小企业、大学生，甚至传统老板，有软件开发需求，但预算有限，你可以利用蝌蚪帮助他们开发，收取外包费即可。 三、卖铲子做知识付费。现在 ai 编程就是最新的风口，绝大多数非技术背景的人根本不知道怎么向 ai 描述需求。你可以整理实战技巧、提示词模板， 开设付费社群或提供代搭建服务，教别人怎么用 ai 提效，稳稳的吃到这波红利！点赞收藏加关注，请护前沿，管世界前沿在线带你抓住时代红利！
158顷互前沿馆
00:36查看AI文稿AI文稿所有人停止购买 ipad 十一，因为五月二十号晚八点是六幺八的开门红，也是 ipad 十一活动力度最大的时候。购买 ipad 会有两百到五百大额的惊喜券，百分之十五的国补、学生优惠，以旧换新等多重补贴， ipad 到手的话一千五左右就能拿下。今天十秒教大家如何领取我们的优惠。首先我们是点击视频下方的分享按钮，复制链接，打开东子 就可以领取我们六幺八的一个大包子，这个红包每天可以领三次，可以叠加使用。然后我们再返回首页，输入苹果一二三，进入苹果的主会场，领取我们 ipad 的 惊喜券以及百分之十五的国补，领取完了之后，再把 ipad 十一加入到购物车去下单，如果有旧设备的话，选择以旧换新还可以更低。家人们定好闹钟，五月二十号晚八点赶紧去充。
21羊羊来电
20:06查看AI文稿AI文稿呃，大家好，我是吉利，是粤云科技的前端负责人。今天很高兴能在这里跟大家来来聊一个我近半年以来一直在思考的问题，就是 ai 时代，我们要怎么从个人梯校走到组织进化。 呃，接下来这十几分钟呢，我会，呃跟大家来分享我的一些思考和实践。我们我们团队大概是半年之前开始使用这个，大规模的使用这个 ai 拷钉工具。当时呢，我有一个比较朴素的假设，就是咱们的编码效率是飞速提升了嘛，那团队效率是不是很快也会跟上来呢？ 呃，而后就发现一个比较扎心的事实，会用工具并不等于个人提效，个人提效也并不代表组织提效。那么我个人的效率虽然是上去了，但整体的这个团队的产出有加速，但是没有达到那个质变的效果。 后来我看到 bgc 有 一个法则，就十二十七是法则。他说的是，任何重大的技术驱动改革， 只有百分之十取决于算法本身，百分之二十依靠的是技术的基础设施，百分之七十取决于人、流程和文化的变更。这个数字给我一些启发，他就是说， 呃，或许说明工具只是本身只占一小一小部分，嗯，而真正的胜负手可能是在组织层面。呃，在展开我的故事之前呢，也跟大家同步一个共识，就是 air cooling 现在已经不是要不要用的问题了，而是怎么把它用好的问题。 呃，这里展示了一些行业内的数据。呃呃，我相信，呃，都能够向我们明确到，就是这个 ai 特定普及的一个事实吧。那么下一个问题就是，呃，我们使用了之后有没有遇到过哪些意想不到的问题？ 我们团队呢，整体是把它规划成这个四类。首先第一个代码维护成本的激增，说白了就是使山代码堆得更快了。呃，因为 ai 可能会给 呃不同的人生成这种完风格完全不同的代码，然后也可能在这种不同的地方写这种相似的实现方法，那这就很影响我们一个整体的一个代码维护。第二个坑，呃，高手请假，项目停板。 呃，个别同事可能基于他对这个业务的熟悉，呃，对 ai 工具的熟悉，他可能很可以又快又好的完成这些需求，但是他一请假呢，别人根本接不上来，明明是一样的工具，一样的模型，效率就是跟不上 原。原来呢，不是 ai 厉害，而是这个人会用 ai 比较厉害。这就是一个很典型的问题，就是关键能力我们锁在了个人身上，团队就会有这种单点的风险。 第三个上线，像开盲盒， ai 生成的一些代码看着能跑，测试也过了，结果一上线就出问题，回顾发现可能都是一些边界情况没有考虑到，那么但这种波动呢，又会对呃客户对我们的信任就会有一个极大的伤害嘛。 第四个坑就是最扎心的，我自己写代码变快了，但团队整体的这个上线速度没有变，甚至还变慢了，为什么呢？每个人产出都翻倍了，但我们审查代码就堆成了山，嗯，看别人用 ai 写的代码，工作量是之前的好多倍， 因为我们不知道 ai 有 没有彻底理解我们这个业务意图，所以，嗯，行业里有个说法来描述这个事情叫生产力备论， 他就说这种个人提效，但组织没变，甚至组织变得更慢。这个事情，这里也例举了一些。呃，数据给大家看，就是个人代码，嗯，个人编码效率提升了，看起来很好，但实际我们线上的这个权限率也在上升， 代码合并量在翻倍的增加，我们代码的审查耗时也在翻倍增加等等等等。核心结论是什么呢？就是 ai 确实降低了我们编码的一个编辑成本，呃，写代码变快了，但它没有降低我们，我们理解审查和测试这种协同环节的成本，研发的瓶颈逐渐从编码转移到了协同。 呃，这也就意味着我们如果只是呃盯着给团队买工具，而不去解决这一这个层面的问题，我觉得我们大概率这个投入可能是看不到一个预期的回报的。那究竟怎么去解决这些问题呢？我们就先做拆分，我们组织是把这个，呃， 我，我们是把这个 ai 组织使用 f 分 为这四个阶段。零阶段就是个人试用，团队里总有几个好奇心特别强的同事嘛，他会自发的去使用这种 ai 的 工具，但是公司这个时候公司层面可能还没有任何的动作。 一阶段就是开始加速了，个别使用的好的同学，他可能效率已经翻倍了，但其他人要么在观望，要么是刚刚开始使用啊，整体的这个速度和质量都是参差不齐的。 二阶段就是组织卡点，也就是我前面所说的那些问题的一个集中爆发，代码审查堆积，呃，质量波动、关键人才依赖等等。 第三阶段就是真正开始组织加速的阶段，规范建立起来了，能力共享了，安全网铺好了，这个时候我们团队才能够真真正正的开始加速。明确了我们当前所处的这个阶段之后，我们就快速的找到核心问题，进而开始寻找我们的一个解决方案。 我们呃核心，后来核心发现就是呃三个方面的问题，然然后三个方面的解法。首先第一个是规范体系，我们要解决乱的问题， ai 是 不知道你们团队的规矩的， 得有人去告诉他。第二个能力共享的问题，就是解决断的问题，一个人会用肯定是不够的，得让所有人都能够用起来。第三个就是安全治理，我们要把解决险的问题，不能让 ai 生成的代码变成我们的一个风险敞口，让客户不信任。 这三个方向看起来是技术问题啊，但是我觉得本质上还是一个管理问题啊，我们从头开。呃，一个个来说，先说乱的问题， ai 有 一个嗯特征，他很单纯啊，就是你个，你不告诉他规矩呢，他就自由发挥 啊，不同的人可能问同样的问题啊， ai 也会给出这种风格完全不同的答案，反映到代码里呢，就是这种代码混乱，呃，维护成本就急剧上升。我们遇到个什么事呢？就是之前有个项目，老项目嘛， 呃，数据请求的封装方式都有三套，这三套方方案呢，又各有各的一个错误处理逻辑，为什么呢？这个这个项目非常老了，之前已经不知道有多少人接过手， 可能最开始的时候 a 模块留下一个规范，然后后续又并入了 c 模块、 b 模块，然后他们又有各自的一个处理方式，然后我们后期接入 ai 扣顶工具来继续迭代的时候，就发现 ai 也搞不清楚应该用哪套方案了， 这个时候肯定不行，我们得想办法来规避这个问题。最后找到的一个解决思路也是很朴素的，就是像我们之前古法编程一样 呃，团队需要有人把这个规矩定下来，区别只是以前规矩是给人看的，那现在是把它转化成 ai 能够读懂的这些配置文件，让 ai 自动去遵循。 后来我们怎么解决的呢？我直接把三个模块分给了三个人，让他们单独去对应这个模块的一个技术规范，然后放到项目的个这个规则文件 ross 文件里面，然后和我们的代码一起上传到 git。 后续的开发呢，就是我们只要跟 ai 说明确这个需求是属于哪个模块的，然后 code 就 能够自动地去遵循这个内容去开发了。 可能有朋友还是不知道这个具体要怎么做吧，然后我就自己做了一个 demo， 然后我觉得还是比较简单的，就是这个项目呢，也是一个实际的项目啊，就是我 我们最开始接触 code 之后呢，我们就直接让 code 去分析了这个项目的一个当前的一个项目规范，然后我发现他一个文件分很长吗？我就让他按模块的去拆，分成了很多个文件，这里还没有截全。 拆分成这些文件之后呢，它，嗯，第二步就是让 code 帮我们自动地把这些呃文件归类生成 ross， 放到这个这个 呃规则里面去。然后第三步也是比较重要的一步，让 code 帮我们把这个规则设置成由模型决策触发的形式，然后并且根据我们这个呃 raw 的 内容去编写好它的一个触发场景，最后用 get 提交一起上去就 ok 了后。呃 呃 ok。 以上就是我们对于乱的这个问题的一个解法和一个案例。然后接下来就是一个断的问题。我们 我们前面也提到过，就是有同学可能对于 ai 使用的得心应手，别人复杂需求可能要好几轮，他一把就能够搞定，那他这些高质量的方法呢？可能都在自己脑海里没有沉淀下来，他休假团队的效率就立刻打折扣了。 呃，我相信这也是一个比较经典的难题啊，就是隐性知识如何显性化的问题。后来我们拆解了一下，这个同学用的好，他好在哪？ 说到底其实就是两个事，首先他描述问题的能力非常好，他知道怎么把这个需求拆解成 ai 能够理解的指令。 第二，他自己沉淀了一些标准化的工作流，呃，帮助他在很多重复场景是不用每次从零开始的。明确了这个原因之后呢，解决方案也就非常直接了。 呃，把描述问题的技巧我们把它提炼成模板，然后个人累积的这些工作流规范化之后呢，我们直接放到这个团队的目录里面，让所有人都能够一键附用。 我们公司现在做法就是强制在这个题测的节点上要求大家上传技能。呃，因为跟代码一起上交嘛，所以统一审查的时候去检查就好了，呃，也没有做一些那种 强制的，强制的限制就是一定要达到什么体量才行，我们就先放开让大家呃先做，只要符合我们现行的这个开发需求，呃就是合格的。 这边也准备了一个案例给大家来看，就是，呃，我们搭建一个新项目，呃，搭建一个 h 五的新项目，这个事情大家肯定不陌生， 那我们怎么借助这个 code 的 能力来完成这个事情呢？首先我们就找了一个现有成熟的项目，让 code 去提炼分析呃这个项目的一些基础架构， 然后拆分，当按照当前的规范去生成它所需要的技能，呃，包括一些搭建空项目，搭建服务层这种技能，然后再把这些技能整合到一个指令或者一个智能体之中之中去。 第二种图呢，就是这个智能体的一个使用方法，就是我们在编写好这个指令和智能体之后，在下次对话的时候直接一个斜杠就可以使用了，然后这个东西也是直接上我们上传到了我们的一个代码仓库，然后有同事需要就直接下下来，然后让扣头用就好了。 ok， 说完断的问题呢，我们下一个就来说险的问题，也是也就是安全治理嘛。 ai 生成代码有个共性， 他只管把啊，把你的需求满足啊，他只管把功能跑通，他不会主动去考虑这种安全合规的问题。我们之前就遇到过 ai 直接把一些 api key 的 啊铭文写到了代码里面啊，还有呢就是生成的接口没有做参数校验，导致恶意请求直接打到数据库这种事情 本质上都是一些非常低级的错误嘛，然后所以团队就有人觉得这种 ai 写的代码是不是不靠谱？还 有人说这个 ai 一个 bug 要改半天的，还不如自己手改来的快啊。所以我就意识到不能让大家这么这么快的就失去心形，所以必须要给大家建立一张安全网，让让大家从不敢用变成放心用。 呃，我们尝试做了三层防护开发，之前呢，在规范里明确禁止了一些高风险的操作， 呃，限制了 a a i 的 一个操作边界。然后开发中呢，我们加了一些自动化的安全扫描，每次生成的代码都呃进行检测，然后开发之后，呃让所有的代码都通过一个 呃自动化的质量门禁高峰，实在高风险的一些变更还是要求人工去确认的，效果也还可以。就是以前我们生成的那个代码，每行都要逐行审查嘛，因为不放心。但现在只要自动化的检查过了之后， 呃，我们的核心就只需要呃关注那个业务逻辑对不对就可以了。安全，安全网没有限制我们的一个效率，而是解放了一部分审查精力，让我们团队可以把这个注意力放到真正重要的事情上。 ok， 前面讲的这三个路径，其实解决的都是怎么让 ai 在 现有的流程跑得更好这个问题。但我觉得其实 ai 给我们带来的最大的机会不是让呃，不是在现有的流程跑得更快，而是它有可能可以重构我们整个的一个写作链路。 呃，我们传统的开发流程，我大大体把它归成这个，就是呃产品写需求文档，然后再出一个原型，设计师做 u i 前端开发了，然后最后测试连调交付。 但是我们之前遇到一个麻烦的事情，是什么呢？一个小项目，但需求返工了两三次，客户还是不满意， 那肯定不是客户的问题嘛，我们就找原因嘛。最后我去进入了解情况，发现一圈上那应该不是技术上的问题，本质上还是一个沟通的问题。就是因为，呃我们从客户描述啊，到产品转述，最后到 研发测试那边的时候，难免会有这种信息损耗和偏差，所以我相信所有的这个项目都会有，只是刚好我那个项目被放大了。那我就想怎么解决这个问题呢？我就提了个建议，呃，给我们这位产品也开一个扣的账号。 为什么呢？首先我们把那个呃客户产品研发测试拉到一起开会，这是一个基础嘛，我们尽可能把这个信息差磨平，但光靠开会一定是不够的。所以我们就让产品开会的时候呢，就直接把这些东西都记下来，然后使用 codewalk 去做它的需求文档，再用 code 做它的原型。 这个原型是什么呢？是一个 html 文件，呃是包含我们现有的这些样式规范，然后交互操作的。你你可以理解为这个呃东西除了里面的数据是假的，但其他的和最终成品是相差不大的。 那呃用这个原型去跟客户沟通了之后呢？呃基本上就可以上午有问题，下午就能改出来，这么两三轮沟。两三轮沟通之后呢，就需求基基本上定稿了，客户也很满意嘛，因为我们很快的就让他看到一个东西了，实际的东西了，他就认为我们有效率了嘛， 所以基于这个事情，我们就尝试在这种呃小的项目组开始推进我们的一个新的写作流程， 效果也还比较好。然后分享给大家，在模 ai 的 模式之下呢，我们把这个研发流程直接压缩成了三个环节。首先第一步，让产品经理直接用 ai 生成结构化的一个需求说明，同时生成一个可以交互的原型，这个原型直接给到客户确认 光呃，有问题快速调整。好处是什么呢？就是需求最终到研发手里的时候，大概率不会要反复变更了，光是这一步其实就砍掉了我们研发同学最头疼的两个事情，一个就是沟通成本太高，还有一个就是需求变更导致的反反攻， ok， 第二步呢，我们研发人员就可以专心的开始写代码了，对吧？因为需求已经经过确认了，本身就节省了非常多的时间，然后我们在快速迭代的基础上， 可以啊，全心全意的去关注你的一个代码实现，然后还可以呃，有时间去做完善规范和制作通用技能这种这种事情，方便后续的项目去使用。 第三步啊，也是我突发奇想啊，呃，做的这个事情就是让让我们的测试啊，用 ai 直接辅助来修 bug， 研发帮忙把环境打好之后，通过自然语言描述问题，让 ai 直接来改打码。在我们前面所说的那些强约束模式之下呢？呃，我们的这种浅层的， ui 类的，交互类的这种基本的 bug 都可以在这个测试环节给消化掉，然后我拿到的数据是 bug 消化率可以达到百分之七十到百分之八十。我不知道它有没有吹牛啊，但好像是这么一回事，整套流程跑下来呢，整体效率应该是提升了三到五倍。呃，所以我们会在后续更复杂的项目中逐步地去推进，去试点。 这个事情呢，我觉得他不只是让我们的工程师写代码变快的一个故事，而是整个在产研测、写作、炼录都可以被重新设计的一个机会啊。这才是这个 ai 在 组织层面真正的一个想象空间吧。可能 结合我最开始提到这个十二式七式法则呢。呃，总结下了，我最大的感悟就是一句话，工具买回来只是一个起点。 呃，我们花钱买了扣的是吧？最开始我都是以为只要装上了用起来就可以了，但是后来发现， 真正让 ai 在 团队里跑起来的还不是工具本身，而是围绕这个工具建立的那些东西。呃，规范让 ai 知道要怎么写啊。共享机制让每个人都能够用好，然后安全，安全底线让大家都能够放心的使用。 前面的行业数据其实也印证了这一点嘛，就是个人效率可以提升达到百分之五十五，这个没问题。呃，百分，但百分之七十的企业 ai 转型没有达到那个预期。差距在哪里？我想肯定不是工具的问题啊，应该是组织配套没有跟上。 嗯，所以我们想在团队里去推 code。 呃，推 ai coding 这种工具。嗯，其实也应该去考虑这个组织配套的问题。 呃，这一页是我考虑推 iqoo 顶第一天就应该干的事啊，但这个部分关于研研发团队具体该怎么做，其实我前面讲的很多了，这个模块我就不展开去展开赘述了， 相信大家也有一些自己的思路和方法吧，我这里就再往前迈一步。呃，分享一个我最近的思考，就是我们现在在面对的一个现实，就是呃企业原有的一个生意场景在收缩，尤其是我我所在这种中小微型企业， 但 ai 相关的生意场景其实是在快速涌现的。呃，我相信这就不是一个研发团队的事情，而是呃公司里的各个业务模块未来都一定会需要我们的 ai 能力，也完全可以像我们在团呃研发团队做的这样， 让 ai 逐步去渗透到完整的一个业务流程里面来。呃，所以我们可能忽略了一个事情，就是怎么主动去承接我们的公司在 ai 上的一个诉求，让我们我们的企业真正的把这个 ai 用起来。 这个用起来一定不是一个知识库，一个问答助手或者一个审批助手这种这种简单的场景就完事了，而是一个要在真正的业务过程中能够切实解决问题的核心场景， 不管是小龙虾、 hermes 还是咱们的 codewalk， 都是非常好的工具。呃，关键是这类型的场景我相信是可以借助这些工具去跑通、去放大的。 所以我们如果能够在 ai 的 探索过程中和公司一起把这个量级的场景找出来，跑出来，那就不只是解决了我们企业眼前的某个痛点，而是真真正正的帮我们的企业一步步完成这个 ai 化的转型，所以我觉得这样才是我们去推代推动这个 ai 落地的一个真实的价值。 ok， 以上就是我今天的一个嗯，分享，然后大家有什么研发相关的问题或者是想交流的话题，欢迎加我的个人微信，也感谢大家的时间，感谢扣的官方给我这个分享的机会，谢谢。
5381Qoder
00:30查看AI文稿AI文稿这阿里也是大方起来了， ai 编程工具 qoder 现在可以支持自定义模型了，并且我不是会员啊，我就是普通的一个注册会员，没有交任何的费用。看，点开它，它现在有个自定义模型，原来这个只能是收费守护的，那现在呢？它有了添加模型，你看添加模型这儿，它还可以添加国内的 coding pla， 可以 加阿里云的，可以加智普的， 可以加这 mini max， 还可以加最新的 ipikey 啊，它整体来说用起来非常的流畅，现在也可以不需要买它官网的套餐了，用起来更划算了，大家可以拿过来试一试。
89互联网老实人
01:02:15
00:48查看AI文稿AI文稿五月十八号还没入手 oppo find 九的家人们，先稳住别下单！年入六幺八大促提前炸裂的鞋数码补贴全面加码，福利成价直接拉满！就在今晚八点，六百二十亿的家人们，国外来了六幺八超强福利，多重底价，以旧换新、学生教育优惠、数码大额神券通通可用，价格直通底价！标准版 oppo find 九到家只需要两千四百块， pro 版本到家只需要三千三百块就能直接带回家，手把手教你低价入手！首先我们点击右下角的分享按钮，复制链接打动歌，系统会自动弹出活动会场界面完成。 点击立即查看今日置换，领取最高两万六千六百四十八的大额红包。领完之后先别着急，返回首页，输入五幺大红包六八六，一键领取页面显示的所有大额消费券， 首页再输入国补优惠八五六，保证自己的国补资格。选到这款手机，然后下单的时候自动添加优惠，再自动添加购物车，自动享受优惠一幺八，前置捡漏机会难得错过啊！再等半年，快喊你的朋友们一起冲吧！
28老虎讲国补
01:18:16查看AI文稿AI文稿呃，大家好，主持人好。呃，非常高兴能收到可乐官方的一个邀请，呃，我是富有致富的恶建。 呃，今天呢来给大家做一次就是关于 ai coding 的 一个，呃，简单聊一聊，就是关于 ai coding 我 们是怎么去落地的，然后关于有哪些地方我们需要去配置， 然后让我们融从费用 ai 到用好 ai， 怎么去让 ai 能够更稳更更好的一个节奏？帮我们去做那个编程编码， 我们需要通过哪些配置，例如 scale 啊， mcp 啊，还有规则或者提词优化，还有就是怎么去节省我们那个可疑地址啊，嗯，让 ai 能够更好更稳的，然后在工作中真的能够帮助我们。 首先今天呢分享，呃，分享的主题的话就两个，两个章节，一个是我们一个基础篇，嗯，从我们的一个上下文， 呃，上下文管理怎么去写题字词，然后怎么去选模型，怎么去，嗯，写指令，然后还有就是我们关于我们的一个最佳的一个实践，然后可理解是一个怎么去用一个用了一个好的一个总结这种，然后 主要是这就是注重我们的一个基础能力的一个构建，让我们先熟悉 ai， 然后才能说去用好 ai。 第二篇的话就是我们从进阶篇，然后讲就从怎么从啊， skill mcp 啊，或者 hok 指令啊，或者是规则，还有就是我们的一个嗯嗯，规则为怎么去配置，从这些角度，然后不同的角度去，嗯，让 am 能够更好地去服务我们。 第一篇的话就先把，就是先把基础功练扎实，就就是我们的一个上下文，首先如果没有，呃，打个比方就是我把 ai 的 上下文，呃，就是如果没有刻的，那我们直接在官网对话的时候，我们需要写哪些东西？ 第一步我们先把我们的一个项目的一个引路写进去，对吧？我们项目的已知条件，还有我们一个项目目录，然后包括我们的一个系统题词，就你是一个资深的编程官，编编程专家，然后还有就是我们的一个，嗯， 还有就是我们一个规则啊，我们的一个约束条件，然后就是我们一个目标要求我们 ai 能达到什么，就是我们想让 ai 帮我们做什么目，做什么，写什么代码，就我们需要去引入哪些地方，你需要参考哪些代码去帮我去实现这个逻辑， 然后这是整一整套的 ai 的 一个上下文。当然现在有了有了 ai 的 这个 ai 的 一个工具，像刻的，我们用刻的的话，就我们只需要在对话框里面只需要输入输入一句提示词，然后 ai 就 能帮我们去把这一整套的呃上下文全部理清楚。 嗯，像我们那个科乐内置的一个系统题词，然后用 m c p scale， 还有就我们一个记忆，然后项目结构，包括我们那个项目约束，像规则文件什么之类的这些东西全部帮我们整理好，我们只需要一具体，只需要写我们的一个目标，然后 ai 就 能自动帮我们去完成这些。嗯，输入输出。 之所以把 ai， 我 把 ai 叫做一一次对话，因为我们所有的内容，包括就是我们在输入框输入一句话的时候，并不说只是输了一句话，它会把所有的信息全部当成一个完整的上下文扔给 ai， 然后我们在下一次跟 ai 对 话的时候，它会把所有的历史对话，包括我们之前说的一些输入输出 啊，历史的一些啊，输入输出信息，包括我们那个最开始提的一些系统题词啊、规则啊，什么后壳文件啊，就是 style、 mcp 啊，这些东西一一次性在下一次对话里面也是完整的一次性全部扔过去， 所以说每次基本上都是全新的全完整的数据，这叫一次性就是。嗯，完整的上下文， 它只有 ai， 只有说读了我们的三下文就是完整的三下文，知道我们需要写哪些东西，有哪些信息，它才能参照我们的一个目标要求，然后参照我们那个代码去帮我们去，嗯，更好地去实践这个写好我们的一个编程，做好我们的编程， 然后完整上下文是第一铁律，你像左边这个错误的一个视力啊，这部分代码有问题，你帮我改一改。但是你这这句话，你说实话，你说给其他的技术开发人员的话，他可能也不懂你要做什么，对吧？也不知道你要改什么，你，但何况扔个 ai， 对 吧？ 你我们肯定要说给，就是哪一块，哪一行代码有问题，哪一行报了空子在，然后是因为什么原因导致的， 这个才是一个完整的一个题词词的一个内容，你要告诉他原因，告诉他结果，告诉他出现什么问题，然后才能帮你去解决，对吧？我们那个输出了一个 ai 的 一个输出质量，也跟我们那个完整度也是成一个正相关的， 所以说题词写的时候我们肯定也要注意一下，嗯，文件引用了一个正确知识， 像打我之前的话就是写题词词，因为在那个对话框，哎呀，刻在的一个对话框里面，可能是直接去写题词词的话，因为这个框是有一个限制的，对吧？和上下宽度是有个限制，有时候写很长的一个需求的话，就写个一两百字的时候，可能就来回去看，可能就不太方便。所以我习惯的话就是打开一个记事本， 然后在记事本里面先把我的一个嗯，需要这一次本次需要实现的一个目标先描述清楚，然后中间的话，如果需要嗯，用一些， 嗯，引用一些文项目中的一些内容的话，我会使用一些占位符的方式，然后把我们那个需求，嗯，先占位，把我那个文件先占位住，然后再接着描述我们那个许完整的一个需求描述， 然后最后描述完之后把我们那个，嗯，然后加上一个参考的你就是你参考哪个文件帮我实现这个需求，然后最后把所有的写完之后，然后拷贝到我们一个对话框里面去，然后最后再挨挨个去艾特我们的一个文件，然后让 ai 去帮我们去做很好的一个输出。 如果就是现在的话，我看刻到了，刻到了一个插件，在 id 二里面有个插件，它这个插件右下角其实也内置了这个功能，也应该也最近上新了一个功能，这功能其实挺好用的，它是点了，就是右下角有一个 啊，有一个这个方框小箭头，对吧？你点一下之后，它会在你那个嗯 id 的 那个打开一个新的一个文本对话框，然后在这里面我们去描述我们的需求，就避免我们在外面去打开一个记事本去写，这这个点还是其实挺好的。 然后也可以就写完之后我们让 ai 帮我们去做一下提示值优化，提示值增强，我们点一下这个右下角一个小四角星，让 ai 去帮我们做一下提示值的一个增强提示优化，帮我们组织好我们这个语言 结构化的输出的话， ai 可能会输出的质量会更好一点，如果我们写的内容就是输入的内容质量会更好一点，如果我们写的内容写出来的质量可能也不是特别好。 嗯，这是要分享一个，就是简单举个例子，分享一个就是我们在探索行一个，探索一个新那个项目的时候，嗯，我加了一个提示词， 就请用给习晓成大爷讲明白的一个方式，假设这个项目最终失败，然后回答最早是什么时候出现问题，然后哪一个关键决策走错了方向，对哪个风险应该最早应该能识别，为什么被忽略了？ 当时是如果时间能倒回，项目刚开始的时候只允许做一件事情，那你们会，你会做什么？你会先改什么？ 为什么要用给习晓成大爷讲明白这个，嗯，习晓成大爷来举这个例子呢？因为我们跟 ai 对 话的时候，他不知道你那个就是他不知道你的一个水平什么样的，也不知道你的一个技技能什么样的，但是他知道习晓成大爷是什么样的，对吧？ 他的一个水平是什么样的，所以说他写的时候就是给你输出的时候就会用一些大白话，或是你能很很清晰很明白去理解的一个方式去给你输出， 然后这个提示词，嗯，的一个目的的话，就是让 ai 用事后护盘的一个方式，先提前帮我们预料我们这个项目实际在落地过程中可能会有一些一些风险，然后提前帮我们发现这些风险，然后识别一些潜在的一个问题， 然后上下文管理。就我们在对话框里面经常可能会遇到，嗯，有一种情况，就我们在对话框里面跟 ai 去对话，然后第一次我们让 ai 去帮我们改个控制帧，然后 ai 输出了之后，然后输出了一个错误的话， 然后继续在上面去改，然后我们指出问题之后 ai 继续调整，但调了之后还是按照这个错的话，错误的话继续去，嗯，去调就多多轮纠缠还是没有用。 这种情况下 ai 的 上下文其实已经被污染掉了，因为它因为每次跟 ai 对 话，它都会把我们那个去完整的上下文，就是我们包括我们的历史，包括我们最开始扔给它的一个规则，系统题词啊，还有 scale、 mcp 等这些东西全部都一次性扔给 ai， 帮我们历史 ai 回复，回复的一个历史内容，输出的一个内容，对吧？这些东西其实已经在 ai 的 内存里面已经被污染掉了，他已经觉得这个方案是对的，所以说你多次再再跟他纠缠也是没什么用，不如新开一个窗口， 嗯，避免在原对话里面跟他反复进行就是纠缠，因为这样的话可能改到最后不但浪费了我们可疑历史，而且还效果还不特别好。 而且不要在一个逗号框里面去愤怒多个无关的话题。嗯，尽量在一个窗口里面，我们就聊当前这这一这一个需求， 因为聊聊得太份乱的话，可能 ai 也不太明白你当前要表达什么，对吧？还有一个就是我们不要在一个逗号框里面去艾特，艾特，艾特七八个文件，我们打个比方，一个文件大概有六百行或者一千行，那么七八个文件大概有接近于上万行的 三万行的代码， a a 的 上下上下文其实实际是有限的，两百 k 三万行三万行的代码其实扔进去就已经占了很多了。 这样的话，我们可能一个代码框里面 a a 还没改完就已经需要压缩，但是压缩的话就会带来一个问题，就压缩的话 ai 不知道它的重点，不知道你的一个重点是什么，它可能会就是给你自动去做一些压缩，但这个压缩可能不是你想要的，所以它会有一些问题，就是它可能在压缩之后你跟它原来说的话，然后后面它给你跑偏了，就是输出的内容可能更不合适， 所以建议就是在对话过程中不要触发压缩。嗯？重开窗口，我们什么时候重开窗口？ 第一次就是我们在迭代超过三次之后， ai 的 输出结果并没有什么改善，就是还是有一些问题的时候，我们去重开一下窗口，然后如果我们的话题更换了，就我们想去本来想修个控制针，然后后面想修一个缩水键，对吧？我们需要就是换一个窗口去让他去修，不要在一个窗口里面去跟他对话， 这样的话他不单可疑是占用的比较多，因为上下文占用的也多嘛，对吧？而且他的一个，嗯，因为当前之前聊的话题跟现在话题犯了，然后他可能会理解的时候还会按照第一个话题去给你输出，可能会改了，越越改越乱， 然后就是模型重复，重复之前的内容，或者是模型跑偏了，然后话题没有关系，所以我们就建议重开一个新的窗口来去，嗯，做这个新的一个对话，来保证我们的一个 ai 的 一个输出质量。 然后模型的选择的话，我们现在，嗯， qq 里面有有很多种选择，不同的选择。 嗯，我总结的话，因为我常用的话也就这四个总结了一下，现在就是用了一些情况，用了一些场景 极致模式的话，就擅长在架构设计，十八个文档整理，还就是代码重构，然后复杂逻辑的一个编写，从零一到一个，一的一个文档的一个编写设计，就他的一个架构思维比较比较好，写文档或是梳理梳理整个计划用它是比较合适的。 还有个性能模式，性能模式的话用就是改 bug， 嗯，一些紧急问题修护，你排查问题可以用一些性能模式。 嗯， iot 模式， iot 的 话就是在我们通用编码，日常编码的时候，我们可以去用一下，就它简单的需求编辑，日常的话，日常的一个需求编编码都可以用用 iot 啊， grm 五点一的话也可以，就在它是一个常识，我们利用我们做测试啊，我们做，呃自动编啊，或者是做一些，嗯， 不是特别重要的一些。嗯，代码的一个编辑，不是逻辑特别深的一个代码，编辑时候我们可以用一下 gm， 五点一，它的效果也是挺不错的。或者是套件不足的时候，我们也可以用一下 gm 五点一就选不同的模型，选对不同的模型，不但节省可递式，而且我们的一个效果也会更好一点。 嗯，关于编码的选择， code 是 提供了三种，一个是默认的话是 editor， 就 我们 agent 人工交互的一个方式，嗯，还有一个就是 quest， 它有先且计划，然后再去，嗯，动工。 最后一个是按专家，专家团的一个模式，就它会给你招一个开发团队，对吧？ id， 它的话是你相对你开车， ai 帮你看路，就你你，我跟 ai 是 协助的一个方式，适合于在你去主要是写编码的时，写代码的时候你就常用的一个功能， 然后觉得 ai 有 时候不是特别靠谱的时候，也可以用 id 它，因为这个时候它会跟你去写作，一起去看，一起看问题，一起去写代码，有问题我们可以及时纠正。 然后 quest 的 话是类似于它是，嗯，先给你做计划，计划你确认，先给你确认，确认完之后你觉得没问题，然后给你输出一个计划文档，然后文档里面，嗯，输出完之后最后你再去 嗯，让他去按照这个文档去做，然后后面你就不用去管，他会做完之后先先给你做规划，规划完之后然后给你执行这个文档，执行编码，编码完之后给你自动跑测试，跑变异，然后最后给你一个结果验证，这种话就比较省心一点， 然后增加团的话是就是类似于你招了一个开发团队，嗯，有人帮你干，对吧？然后适合多智能体去并行写作的一个方式， 但是呢不同的选择，编码选择的话，它的一个 crease 的 一个消耗量也是不同的，我们嗯，大概就是用了一段时间实测了一下，嗯，专家团或是 quest 模式的话，它它的消耗量大概是 edit 一个 n 倍很多倍，可以去去试一下。然后那个智能问答的话，有时候我们去做一些就是嗯，不是编码任务，我们可以去用一下智能问答，它那个消耗量其实很小。 嗯，指令，指令这一块，我把指令分成两部分，一部分是叫做交互性指令，一部分是开发指令。 什么叫交互指令？就是你你问一句，他答一句，然后你就是 ai 问一句，你去执，你去执行一下，然后把执行结果切给 ai， 然后 ai 再去问一句，就我们我们协助去交，协助去排查问题的一个场景，用交互性指令， 就我告诉 ai， 我 当前嗯有个环境问题或者部署问题，有个问题你帮我去排查一下这个问题怎么去解决，然后让 ai 去就是一 嗯一次输出一个命令，然后我去执行，然后把执行结果贴给你，你看到有你看的话之后，然后你帮我去嗯去分析一下这个问题出现在哪里，然后或者是嗯如果找不到，你可以继续在多人交互，对吧？ 还一个就是除了交互性指令的话，就另外一个就是开发指令，就我们把一段常用的一个快捷的一个命令，你在输入框里面就直接通过斜杠去调用， 把一些任务的一个标准化的一个写法，就可以直接在这里面去通过斜杠就能调动，而不用说每次都会都会写一遍。 例如某个需求，我们需要加载某个，加载某个 scale， 或者加载某个 m、 c、 p， 或者是用，嗯，用某一个，用某一个规则，然后我们就可以把这些东西整合到一个指令里面去，然后每次在写这个需求的时候，我们就可以用直接用这个指令去执行就行了，就很方便很便捷。 嗯，还有一个就斜杠指令的话，还有一个就是 play 模式， play 模式，然后它是先做规划，然后再去执行，就先给你写计划，写完计划之后，然后再去做实际的落地， 然后什么时候去用它就是你你的需求可能不是特别明确的时候，或者你的任务描述，然后超过一句话， 嗯，超过超过很多就超过一句话，然后我们可能是要拆分，拆分出很多个小任务，子任务的时候我们可以用一下 plan 模式，那先去规划，规划过程中有问题可以是随时提问，对吧？我们去补充，补充没问题之后，然后最后确认之后，然后让 a h 直接 b o 的 去执行就行了。 它跟快速的模式有一点区别，就是快速的是也是先做计划，最后它是自动执行，这个跑单模式的话需要你去先做计划，需要你手动去执行，手动去点 bu 的。 我一般就是单文件的一个小修改，或者是简单的 bug， 我 也不一般不用，就直接去在 a 帧里面直接去对话就行了。 嗯，这个就是考勤的一个占用优化，嗯，最近的一个总结就怎么去省我们一个考勤， 怎么去让我们那个，嗯，考勤能用的时间更久，对吧？因为我们默认的话是有两千考勤的，但是如果用专家团模式，可能一天或者两天可能就用完了。 嗯，第一条就是 add in， add in 点 md， 它是导航地图，尽量不要超过一百行。这个 add in 点 md 的 话是放在项目的根目录下面去的， 嗯，它跟我们那个规则文件是有一点区别，因为它，嗯，例如，例如我们打比方，就我们的一个项目下面会放一个 readymessage md， 一个瑞德明， m d 的 话是给人看的，给同事看的，对吧？嗯，介绍这个项目的一个框架，然后项目是有哪些东西，呃，怎么去就怎么去起的，因为项目这个架构是怎么样的？ 然后 ipad， 嗯， a 镜是点 m d 的 话，它是给 ai 去看，让 ai 去熟悉整个项目的一个架构，熟悉整个项目的一个文件文件的一个分布。你告诉他我们那个 vk 在 某个地方，在哪个文件夹下面，我们的一个 doc 文档在哪个文件下面？我们括就建表语句，我们在哪个文档下面去， 嗯，包括我们那个规则，什么时候用，什么规则，对吧？我们都可以写在 a g 四点 m d 里面，它只是做地图导航，尽量的话不要超过一百行，因为太多的话可能会影响到我们一个，呃，上下文的一个占用，而且还不一定遵守。 嗯，第二个是细划规则，我们请分类放到我们的 control row 下面去，就我们 control row 下面是放我们的一个实际的一个规则规则内容的，我们根据编码规则，我们架构规则， circle， 呃， circle 规则，或者些部署测试规则什么之类的，我们把这些规则然后全部写到我们一个 row 下面去， 然后按照不同的类型去分类好，然后把规则的一个生肖，生肖的一个设置改成模型角色，然后他在实际去执行的过程中发现我们这个这段代码需要去测试，然后他会去根据关键词的缩影，然后找到这个规则去执行。 之所以要改成模型决策，是因为那你如果改成始终生效的方方式的话，就会在每一次提示词它都会就你用到，用不到它都会把它把规则内容加载进去，这样的话会也会占用我们的一个上下文内容。 第三个是记忆配置，我们增加记忆这个延时策略在用到的时候再去加载，不要每次就是提示词一写进去，然后我一提交，然后 ai 就 把我们那个项目的一个记忆全部加载过去了，那这样也是占用了一个上下文内容， 然后就生成了 repowerk， 嗯，刻的有一个，有一个比较好的一个地方，就是它一个 repowerk 可以 去点一下，然后去整帮我们的一个整个项目架构去整理成，嗯，最佳最佳的一个 md 文档， 这个文档的话我们自己自己可以去读一读，它里面是帮我们规划好，总结好了，就是每一个文，每一个流程的一个调动电路是怎么去用的， 然后这个文档也是可以也可以去看的，他在实际在编码过程中也可以根据一些关键字搜索去读到这个文档，然后去找一下里面的一个最佳实 践，省得再去每次去根据编码的一个嗯，相关性，然后去缩影对应那个文件，这样的话效率会更快一点，而且效率更更好一点。 但是呢生成的 v vape， vape 它也有一个问题，就是它会生成有一些就是我们用不到的，有的话它会把部署的一些 啊，部署的一些方案最佳实践，然后生成的 v k 放到里面去。但是这些东西我们可能部署方式不一定是按它的规，按它的生成的来走的，然后就是我们那个测试， 嗯，自动化测试什么之类的，然后这些文档的话实际放在就生成出来，我们也不一定需要，需要，所以在这种文档我们建议就是生成完之后，我们把整个 api 仓库去检查一下，如果有没用的，我们可以直接删掉，或者是把内容直接调整一下。 然后就是项目的一个根目录下面加一个那个刻的一个 excel 文件，然后用来排除一些无用的一些目录。你像我们这个 together 和一个 build 文件，然后这种的话不用去扫描到项目里面去， 然后在规则的要求，要求 ai 输出的总结，然后在一百字以内。因为有时候我们在对话过程中可能会有一个问题，就我们跟他说完之后，他可能对话给你，最后给你回复了很长的一段总结，然后包括就是 我要按遵守某某规则，然后实现了某某需求，然后我的一二三四，然后一堆的总结。但这个总结呢，我们大部分情况下是不看的，所以建议就把 ai 的 输出一个总结内容控制在一百字以内， 这样的话我们让他精简一下，只输出出来你当前改了哪些需求，改了哪些问题问题，然后加上你就是改了哪些文件，这样的话我们看起来也更方便一点，对吧？ 第七个就是重开窗口，重开的话就是重置嘛。然后第八个就是按照我们那个需求选择模型那个等级以及编码那个模式，它不同的编码模式占用那个消耗量也是不一样的，包括模型等级也是 啊，对话框里面明确你的需求，明确你的输出，然后减少自动化跑测试，然后写总结文档，嗯，等占用过量的一个头看， 就对话框里面我们去描嗯，去描述好你的输出，他应该输出什么改什么哪些地方，然后不让他去自动跑测试，因为他跑起来可能跟我们那个项目不一定合适，不一定切合，有可能跑的时候还会报错，然后最后编辑，编辑时候也可能也可能会有问题， 所以他尽量就不让他去跑，这些东西你尽量疏明确一下，我们要让写完就完，写完就为止就行了。 然后第十个就是 ai 跑偏了，我们就要立即终止一下，重新描述一下，然后再新开个窗口，重新去纠正一下方向， 然后就是全局替换。我们在嗯，实际编码过程中肯定会有一些，就是可能哪些地方用到一个场量，然后这个场量或者是有一些地方用到一些变量，这个变量的话可能要全局去改一下， 然后这种的话或者是有些搜需要全剧搜索一下，从这种情况下呢，就避免我们直接用 ai 模型，可以用一些传统的方式，对吧？直接去 ctrl f 或 ctrl r， 直接去搜索替换就行了，也避免用杀鸡用牛刀。 然后呢， mcp 的 话也不是越来越多，越多越好，因为超过太多的话，它 mcp 跟 sky 不 一样， mcp 的 话它是每次会把所有的内容全部加载到嗯，你的上下文里面去扔给 ai， 嗯，太多的话它会占用你的上下文会很长，所以说不建议，因为 m c p 它是有工具嘛，工具调用就每个指令它这个工具怎么用的，它都会跟它描述清楚，嗯，不，不建议，就是太多，尽量不要超过八个， 你可以按照我们实际的一个对话的一个实际情况我们去呃做开启和关闭。 然后就是合理利用好我们一个大模型那个官网，你像我们一个千万的千万那个官网，你可以在这上面去把我们的一个已知条件或者什么一个规则，或我们一个要求目标，我们都可以组织好，然后扔到官网里面，让他去写代码也是没问题的。 然后而且它还是免费的，而且还不限量，而且输出的效果可能比磕到一根还要快。 还有就是我们刻到底下有一个语音模式好的思路，不应该被手速限制，对吧？ 我们可能想的很多，然后说的很快，然后最后呢？说完之后我们可以用那个梯子词优化，帮我们去组织成嗯，好的一个梯子词，分结构的一个梯子词，然后再去整个 ai， 这样的话我们就也能节省一部分效率，输出更快一点。 然后境界篇的话就是主要是讲我们的就是通过 scale、 mcp 啊，或者 hulk， 嗯，然后定规矩，让 ai 去遵守，然后让它从一个就是通用了一个大模型，通用了 ai， 然后变成了一个私人的开发助手 m c p。 m c p 的 话，嗯，应该大部分人应该都清楚 m c p 是 什么，就我们经常会用就它让 ai 能够去访问外部的一些接口，去访问一些，上网去搜一些资料，对吧？然后 可以做一些浏览器的自动化，然后 m c p 的 话，配置这个数量的话建议就是不要太多，嗯，可以小于八个。 然后下面推荐两个 m c p 啊，比较好用一点的。嗯，因为经常也在用，一个是 ctrl 七，就他会搜索一些最新的一些文档，就我们在用一些， 嗯，打比方就是用阿云的一些文档去去做 o s s 的 时候，你可以去直接用在对话框里面，然后用 ctrl 七帮我们搜一下，然后他会找一下最新的一个文档，然后就帮我们实践 比我们直接贴文档地址，然后直接贴贴片段代码片段要更合适一点，更好一点，更系统一点。第二个是做复杂推理的时候，有让 ai 能够按照深入思考的一个方式，第一步一步，第一步先做什么，第二步先做什么， 那最后一步先做在做什么？然后按照步骤的方式帮我们一步步去梳理这个问题，帮我们拆解问题，让它仔细思考我们这个需求，然后再帮我们去实现， 然后 scale， 就 scale 的 话是跟 m c p 啊，什么提字词啊，我们是一相辅相辅，相辅相成的，每一个都有不同的作用。 scale 的 话，它就是类似于一个操作手册， 我告诉你，我应该就是在里面，我们，我把一系列的工具啊，把一系列的，嗯，就是我们一个操作方式，我们把它给封装好，告诉你怎么去用， 然后打个比方，就做个 ppt 吧，我们用题词告诉一下我们先需要，需要做什么， 然后 ai 知道之后，然后 ai 去掉我们这个 style， 嗯，调我们一个 ppt style， 然后它去看里面内容，然后去知道了，知道我应该调哪个 gs， 去整理文档，调哪个 python， 去把 gs 把 html 转成某一个 ppt 格式，然后怎么去排版， 那怎么去？呃，如果我需要一些图片，我怎么去？通过 m c p 去连接文档去获取一些图片，然后插入到合适的位置，那这样就这样一个流程，它们是相辅相成的， 然后网页访问的话，推荐这边也有，也有三个 skill， 一个是第一个是网页做网页访问的，然后一个是 notbook， 你经常用的话应该知道这个是做知识库还是比较合适的。你写需求可以把需求文档传进去，然后直接在代码里面让他去连连接这个知识库，然后去根据知识库内容去帮我们去生成专业的、合适的，就比较精准的一个分析， 分析结果， ai 输出结果最后一个 pua 嘛，就是让 ai 去 pua， ai 让它输出的效果更好一点，就不让它说我做完了，我变异通过了，实际我一群一运营全部都报错，对吧？ 让 ai 自己去检查自己。嗯， openstack， openstack 的 话也类似一个，嗯，也是一个 scale， 它类似一个就是一个工作流的一个方，它以一个工作流的一个方式去帮我们实现我们的一个需求。它跟 plm 模式的一个区别， 就 play 模式，还有一个 quest 模式，对吧？我们刚刚讲了一个 quest 模式， quest 模式的话它也是先建 spec， 然后最后再嗯，执行我们这个 spec， 它跟 quest 模式也很像， 就我们先去探索，我们先用这个指令，然后嗯，加上我们的一个提示词，让 ai 先去先去探索我们的一个需求， 去分析调用一些技能，然后去分析去去探索我们一个需求，探索完之后他觉得没有问题了，然后再去。嗯，通过这个指令，然后听通过提案这个指令去帮我们去发布提案。我们生成对应的一个落地的一个 m d 文档， 包括我们那个任务，还有个提案内容，包括我们那个设计，还有整体的一个嗯，拆解的一个需求，怎么去拆的，怎么去实现的，包括风、风险和标注，包括我们中间一些澄清的，就他在探索的过程中也会跟我们进行交互，就怎么去澄清这个文档， 澄清完之后，然后他觉得没问题了，然后会我们可以去执行这个提案，去让他去只根据提案里面的内容去帮我们实际去落地，去编码。 对，然后这个编码写完之后没问题，测试的话他不会自动帮我们执行，然后需要我们自己手动去执行，就测试没问题之后，然后我们觉得验收通过了， 让他再去进行规档。他一个好处就是你提案发发布完之后，你可以新开窗口，或是今天写完写个提案，我明天再再开，再开一个窗口重新去做，他可以持久化到你的一个项目仓库里面去，就不会说你开个窗口你就废话就断了，就刚刚说过的东西，我就忘记了， 它不会，这样就会有个持久化的一个过程，会好一点，就适合我们做，在平常日常编码过程中适合做一些，就是一些小需求啊，多个任务的一个拆解，多个任务的一个开花。 嗯， at database， at database 这个是我们那个 idea 一个插件的一个功能，我们可以在嗯电话框里面通过艾特艾特符类方式把我们那个数据库嗯引入链接，直接 skimmer 直接链接嗯艾特出来， 然后它艾特这个字链，拿到这个数据库链接之后，它也可以去连接你的数据库，然后访问你的一个表，访问你的一个字段，嗯，还有你的一个数据都可以帮你查，对吧？ 然后生，然后你可以在多少框里面告诉一下，然后你连到这个税库，然后帮我读一下，像我的加，加上我们的一个项目架构，然后一个项目规则，然后去帮我直接生成对应的一个实体类啊， 还有就是每个 control 还有帮我们实现加上再加上我们一个 notbook 知识库里边，我们可以直接让需求从需求到数据库，然后到我们的一个到落地，直接帮我们把整个代码全部生成。 但是效果的话可能要跟你的根据你的一个需求的一个内容，一个实现的一个细节来的。 然后第二个就是我们可以通过就是做 bug 排查，嗯，在测试过程中，然后遇到了一些问题，然后可以通过让 ai 去帮我们去找一下这个接口，它的一个实际的一个实现，一个路实现的一个路径，对吧？ 先就找到这个逻辑之后，然后他会去读一下我们那个 circle， 读完之后，然后直接把这个 circle 拿到数据库去执行，然后把你的参数也塞进去直接执行，执行结果看还是数据问题还是我们的业务逻辑问题，就全流程自动化去去排查了， 咳咳，还有一个就是，嗯，比较实用的一个就是 s s 去远程一个排查一个功能，就我们传统的一个流程的话，我们是先登到 s s 去服务器，对吧？然后先去嗯，根据命令去搜索一些搜索， 搜索网址，查一些服务器的一个配置，查一下当前的一个运行环境，然后查到之后我们把网址内容切回来，然后扔给 ai 对 到框里面去聊，然后让 ai 去给结果，给结果之后 ai 拆出来一个结果，然后我们去执行，然后再扔给 ai 再去拆，这样来回反复去服务器验证， 这样的话效率却很低，有可能排查一个小问题一两个小时就过去了。现在的话我们可以直接通过 s o 去连接， 嗯，就在我们那个嗯 ide 工具里面，它有一个叫做远程资源连接的一个一个图标，你通过这个去连接到我们一个 s 去，直接在我们那个服务器端去去访问 ai， 让 ai 可以 实时去读我们的一个服务器的一个配置，读我们的一个日，读我们的一个日子，包括我们。嗯，他在遇到问题他排查的过程中有哪些？就是执行的一个结果，他可以自己实时去看，对吧？看到有问题他就去改，减少很多的一个排排查问题的一个时间。 但是 s 去呢？嗯，用的时候我们也要注意一下，就是尽量是用最小的一个权限账号去登录，因为 ar 的 话毕竟是不可控的嘛， 它有可能会给给我们执行一些比较不安全的一些命令，然后可能会把我们这个服务器环境搞坏，所以说尽量就是用最小权限的一个账号给他一个止读了，然后去帮我们排查问题就行了， 然后操作的话就便于最终一下，然后有些高风险面临的话，不要让它就不要改成自动执行。嗯，改成手动执行，人工确认之后再去执行，生长环境的话就慎用。 嗯， hock 就是 让 ai 去守规矩的，守规矩怎么就在我们的一个 cut 里面去有一个 hock 文件夹就可以去配置这个东西， 让 ai 去，就是他就配了后壳，之后我们可以让 ai 在 我们输入提示词之后发送给 ai， 然后 ai 的 话就会检，就是首先它会触发我们一个后壳命令，检测到我们这个提示词里面有没有敏感信息啊，有没有什么，就是不需要执行那些指令啊？ 嗯，这些东，这些东西，然后我们就嗯让 ai， ai 就 就会自动帮我们连接掉，就不会说把这些内容发给大模型。你记得最开始的时候我们可能之前也遇到过， 就是有些人在有些用户在大模型里面去问 ai 要一个什么，嗯，微软的一个 windows 的 一个秘密要，然后 ai 大 模型发出来了，然后结果还是真能激活的， 因为这种可能就是别人扔，扔到大模型里面，然后当成了个语料，然后又被另外别的人获取到。也会有这种问题， 我们的一个代码里面的一个 k 啊代码一个密钥是不连接的一个方式啊什么之类的，这种你可以通过后壳来去拦截掉，不用就是让直接发给发给大模型， 然后一些敏感的一个敏感的一个操作啊，删除数据的一个操作，尽量也也可以通过后壳然后去拦截掉，自动拦截。还有就是还有就是我们就是有时候 ai 说它已经写完了，代码 它写完了，但是我们实际在跑的过程中，我们去测试的过程中去翻译的时候，然后全是报错。这种的话也可以在那个后壳里面去配一下， 然后去配一下编辑的一个指令，让 ai 在 写完之后它去自动去执行这个指令，然后编辑有问题，然后也可以自己继续去改，还不需要我们人工去介入， 然后也可以去配一下，就是嗯，配一些就是外部的一个服务，我们可以把嗯，我们当前的一个 当前 ai 执行的一个内容全部配进去。 ai 的 一个输出内容，包括包括 ai 的 一个什么 sky 技能、 mcp 啊这些东西全部执行了一个， 执行了一个结果，执行了一个过程，包括最最终输出的一个内容。总结，我们可以通过服务发给另外一个平台，然后去做一些就是知乎的总结，经验总结，对吧？也可以去做这些控制。 ai 那 个后壳的话，它就类似于我们在 java 里面，类似于我们那个漆面，还有个前置增强，后增强 这种。然后在提提交题词的时候，它可以去做一些敏感拦截，密钥提示，增强密钥拦截啊，调用工之工具之前呢，它可以去做一些就是命令的一个拦截，哪些命令不应该执行，哪些命令是危险命令，然后调用工具之后呢？然后就可以去， 嗯，去跟踪一下我们哪些文件做了变更，哪些文件做了调整，然后我们改了哪些文件，改到哪些地方？工具调动了一个结果都可以做一些输出，对吧？ 然后还有就是 aint 完成，最后完成那个响应的时候，我们做了哪些技能啊？然后经验了一个总结沉淀。输出到文件里面去，可以输出到一个外部的文件，或是输出到外部系统里面去。 它的一个配置的优先级，一个是首先从用户个人配置开始，然后到我们那个项目配置，然后最后到我们那个，嗯，本地的一个个人那个配置，你可以通过附件文件去配置，这个就它的优先级是从低到高开始的， 如果是项目级的或者用户级的，我们就放在用户目录下面去，这样的话就每个项目都会通用的 啊，就然后剩下的就是我们一个规则的一个配置，规则的话应该都知道我们扔给 ai， 让 ai 去写好代码，怎么去写好代码肯定要有规则，有陷阱，对吧？我们陷阱它去怎么去输出，然后 写的代码一个语法加我代码的一个语法怎么去实现？哪些是最就我们一个编码规范，嗯，都要扔，都让它按照这个去遵守，对吧？然后我们目前的话大概就有这几种项目，一个是新项目， 嗯，新项目的话，新新项目的话我们就直接通配一个规则就行了，像编码规则啊什么之类的，我们可以从其他项目直接拿过来去用就行了。那迭代项目的话，我们是先生成一个 replay， 根据 replay 的 生成的一个结果， 然后我们再去让 ah 帮我们总结一下当前这个规则。我们项目那个编码规则，因为它根根据我们当前项目里面那个编码，那个风格代码的一个写法，然后就很轻易帮我们识别出来，然后先帮我们整理一版，就是最初的一个规则， 整理完之后我们自己再去检查一下，有问题我们再去调整，对吧？还有一个就是我们一个多个项目子项目的这种情况，作为一个大项目里面，我们可能有呃多个弧去调用的， a 调用 b， b 调用 c 这种多个弧的，我们可以把这些大的项目就多个子项目放在一个大的项目里面去， 然后大项目里面我们放一个地图导航，就 a 进四点 m d， 对 吧？然后在 a 进四点 m d 里面我们可以指定， 我们可以指定，嗯，嗯，就是我们可以指定，嗯，每个，嗯，每个每一个项目子项目，它的一个对应的一个文档的目录啊，嗯，一个子项目的一个规则的一个位置啊之类的，你可以把这些指定好，就把地图的一个路径做好，目录的一个路径做好， 然后让 ai 自动去识别，去找到对应的位置，然后就帮我们去处理，然后它在写多个项目的时候，也会根据这个规则的要求，然后找到对应的一个项目里面去，然后再根据这个项目再去实际帮我们去改对应的代码，然后尽量保证我们的一个风格统一，对吧？ 但是规则的话有，嗯，规则的话是有几种生效方式的，一个是使用生效所有的就是每一次废话都会自动加载的。 还有个就是手动引入的方式，然后它会通过就是拍摄录的一个方式去手动去引入进去，就有些特定的就针对某个 g s 的 一个文件编码，我们需要通过这种方式去引，对吧？ 还有始终生效了，你就所有的当前这个加号项目，我们所有的编码规则都要遵守，每次写代码都要遵守的，你可以去按照这个来，也可以就是指定文件生效，指定某一种就是 python 文件啊，或者是 js 文件。这个写这种文件的时候我们去生效或是配置模型决策， 让 ai 的 话根据我们那个在实际，嗯，就是在输出过程中，在实际调用过程中，根据关键字，然后看它是在写文件的时候，还是在去查文件的时候，你可以去去决定它要不要调用这个规则。 规则的话配置有几个原则，第一个我们是 a 印字做地图导航，嗯，这是在项目根部下面， 然后我们那个刻到点 zero 下面有一个，就每一个细具体的一个项目规则，我们可以再添加，先添加一些核心必要的一个规则， 先把规则添完善好，先添加进去，添加完之后根据对话的反馈，我们在对话框里面就跟 ai 进行对话的时候，根据它一个反馈的一个结果，输出的一个结果，让我们再持续去更新， 有问题我们去调整，对吧？然后单文件的话，单个规则，规则文件的话建议是小于两百行，因为太多， 你规则文件太多，你相当于你就打个比方，规则太多相当于是没有规则，对吧？你立立的规则太多的话，就相当于没有立足之地，他就没法去给你写，所以规则太多可能就相当于没有规则，尽量不要写太多太长、太容易的规则， 容易的时候我们就，我们就大胆的去删除一些，然后每隔一段时间呢会进行一次重构，把规则重新整理一下， 然后 color 也有一个记忆系统，让 ai 越用越懂。你的这个我们可以在记忆里面去配一些，就是相片号啊，或者是我们让在实际对话过程中，它会每次会帮我们整理更新的， 你可以，嗯，记录一些相片哈，嗯。然后沟通了一个风格，例如我们连接数据库需要用哪些数据源，嗯，需要去查哪些哪个哪个数据库的，哪个 scanmail 的， 对吧？我们编码的一个风格，我们用命令的时候， python 命令的时候，我们是用 py 还是用 python 三这种， 那我们可以把这些记到我们那个记忆里面去，在实际使用的时候记得项目规则，实际使用的时候他会去根据自动加载的时候，自动去输出的时候，会去自动帮我们缩影这个规则，缩影到规则，然后缩影到这个记忆，然后帮我们去加载，然后里面的一个就是调用的方式， 但是记忆呢？嗯，也不要配太多了，一个全局记忆，因为全局记忆的话，他是嗯每次对话你跟他聊天的时候，他都会去加载进去，所以会会影响我们的一个上下文的一个占用。 而且我们在配的时候也尽量配一些，就是记忆加载延迟的一个策略，就是在按需使用，在我们实际用到的时候再去去缩影，去加载，不要每次都去直接就把所有的规则全部所有的记忆全部扔过去， 核心价值的话是用的越久它也就越懂你，对吧？然后嗯，我们一个进阶的一个总结，规则文件的话，尽尽可能的话简洁一点，然后一切都重要的时候换，一切都不重要，因为规则太多，反而就相当于是没有规则，也可能就不一定遵守。 然后知识内嵌我们看不到的 a 就是 ai 看不到的一些东西，它可能就不存在，你尽量把我们那些知识啊，我们些啊，文档那个 circle 啊，是建表 circle 什么之类的，我们扔到一个项目项目里面去， 而不是说放到一个其他的一个目录，它看不到这些东西，它就没法去帮你写好代码，对吧？它不知道你表结构什么样的，它就没法跟你去实修项目的一个逻辑， 然后机械验证，而会人工验证就尽量配一些，就是工程化的一些检查， 而不是说让人人工去一个去扫，这样的话写更有效一点，让 ai 去。在嗯，写完之后，我们可以用工程化的一个检查方式进行一些命令，然后去帮我们自动编页，自动去检查，检查通过之后，然后再，嗯，再提交，对吧？不，不通过的话让 ai 继续改 那多工具备用。嗯，尽量我们可以用一下。就是，呃，千万弄一下官网，弄一下领马，对吧？每个工具他都有自己一个特长，一个领域，然后可能刻的解决不了的，我们在领马里面能解决，然后刻的解决，我们在千万里面也能解决，对吧？ 然后频繁提交啊，不要批量啊，就是一次性提交，你写完就，嗯，立马就去验证，然后没有问， ai 写完之后立马就去验证，没有问题的话我们直接提交，提交可以查，然后降低我们的一个回滚的一个成本， 然后多开废话工资的，就我们每就可以多开几个废话，因为每个废话它上下文是独立的，我们可以在每个废话里面去聊，不同的废话里面去聊， 然后使用 hock， 有 时候我们这些敏感信息啊就可以。嗯，通过 hock 去拦截，对吧？然后最后一个就是我们新工具如果不会用的话就是先用，用熟了之后再慢慢配，对吧。大概就是这样一个情况 啊。然后最后呢？最后的话我们再做一个，就是我们的一个简单的一个 case 的 一个演示，包括我们分享里面提到的一些啊， is data base 啊，或者是 s h 啊，或者是我们的一个 hook 的 一个拦截， 我切一下屏幕啊。 呃，主持人那边有什么问题吗？呃，您可以先进行项目演示，然后之后有问题的话，然后我再给您进行反馈。嗯，好的好的。 嗯，我们先演示一个基最基础的一个 hook 的 一个配置，对吧？嗯，我做了两个，就是敏感文件拦截的，一个是敏感文件拦截的，嗯，随便演示一个，就做了一个小 demo 啊。配置 hock 的 话，就是在我们的一个 color 点下面， color 点 color 下面，我们配置一个 hock 文件夹，然后加一个 setting， 点 jason 文件，然后在文件里面我们把 嗯，对提，每次提交的时候我们去拦截，然后就会执行我们的这个规则，就我们这个敏感提示词的一个教验文件，然后遇到我们这个遇到拦截的，遇到我们的一个就是敏感信息了，它就会自动拦截掉，然后帮我们直接退出，就不再发给 ai 了。 打个比方啊， 啊，随便说一段密钥是吧？说一段密钥，然后让 ai 帮我加到我们的配置里面去 啊。调动被 hok 阻止，如需解除，需要在 hok 中文件中调用啊调整，就我们在有一些敏感信息的话，我们就可以在这边去配置，配置一个 hok， 你 可以把这个提交到 git 里边，每个团队都可以去用。 然后遇到一些敏感的一些制服啊，敏感的信息，身份证号或者这些密钥什么之类的，你在提示里面去说的时候，它立马就可以，就不会传到大模型里面去，直接就阻止掉了。 还有一个就是我们那个 as database， as database， 嗯，简单做个演示， 它是我们在那个 id 里面一个插件里面一个功能，因为在 id 里面它是在我们那个 id 里面是没有这个功能的，它的 id 里面是没有这个功能的，因为后续官方应该会去加。然后现在在那个插件里面是有这个功能，可以直接通过插件去对话的一个方式 有这个我们通过 id 啊，然后 data base， 呃，把我们的一个数据库的一个连接，嗯，就直接去艾特出来，我们直接在这里面去对话，让他帮我查一下有哪些表，对吧？帮我们新建一个， 我这边就随便写了一个，然后我们根据实际的情况我们自己去调整。就是在用的时候可以去调整 啊，他已经查到我有一个商品表了，然后就不不用帮我们建了，让他帮我们建一个订单详情表， 因为连接数据库随时是有很多好处的。第一个在排查问题的时候，我们可以直接把接口路径贴给他，然后把入参贴给他，那么这些东西我们都可以从网页上去获取，对吧？获取完之后我们直接把这些内容贴给他之后， 然后让他自己去找对应的接口文档，找找对应的接口接口的一个逻辑，然后自己去梳理，梳理过程中如果发现哪些地方需要连接数据库去查看数据的，然后他也可以自己去查，查完之后然后告诉我们到帮我们分析具体是我们的业务代码有问题啊？还是我们的一个数据问题。 然后他是先帮我们新增了一个，在我们的一个嗯， circle ddl 文件里面帮我们新增了这个表，先加了一个建表的一个 circle， 加完之后，然后帮我们实现了我们那个实体类，对吧？然后单子表有没有执行到数据库呢？应该去查一下直接问嘛。 呃，我这个电脑可能配置还不一定能执行这个命令，你买售后连接这个命令，它要执行通过之后才能进去， 可能我装的那个需要脚板不？不太不太合适， 我们可以试一下，就是用我们的 ide 的 方式，然后去帮我们去处理，看能不能行 啊。命令好像执行不了，可能是我这个 id 二版本不太合适啊，可能不支持这个执行这个命令，但实际工作实际功能是可用的 啊，在我们的 id 里面还是很强大的。帮再帮我们直接执行了，然后数据库连接成功，然后没有这张表，然后帮我们直接执行命令，帮我们新建了，然后建完之后，然后告诉我一个结构是这样的， 我们去查一下 啊，确实有这张表， 然后让我帮我们往数据库里面插一些数据， 现在表是空的，它直接插入三条模拟数据， 速度还是很快的，一会儿就抄完啊。确实数据也在， 然后我们在实际排查过程中或者照数据啊，也可以通过这种方式让他直接帮我们执行，他会写一些脚本帮我们照数据，然后跑一些数据，就是代码排查的时候，也可以让他去帮我们连数据过去查数据，对吧？是代码问题还是数据问题？都挺好用的。这两个， 然后就我们刚 ppt 里面分享了一个，嗯， s h 去连接，就是在这个这个图标， 这个图标点开之后的话，它里面是有一个就是你需要配置，配置一下你的就是主机，还有你的用户名，对吧？配完之后，然后你去通过这个图标去连接，连接完之后它会让你去输密码， 因为我这个配的是因为有些地址不太方便演示，所以这里没配啊。还有 配完之后他会打开，就是在我们那个新窗口打开，打开完之后我们这个对话框也是也是可以在里面在服务器上直接去这边这侧边去打开这个对话框的，可以在服务器上直接去问他，让他帮我们去交互，查一些那个服务器配置或查一些问题。 然后就是我们那个 scale 的 一个 scale， 我 们刚刚 p e d 分享里面有一个 open spike， open spike 的 这个 open spike 这个技能，你演示一下这个技能怎么去用的？ 你可以直接通过斜杠指令把它给艾特出来，艾特出来之后你可以再告，直接告诉他那个我们写一个简单的需求，帮我开发一个。 嗯，订单退款，呃，需求，那直接告诉他我们的目标就好了，然后他会先帮我们做澄清，先帮我们梳理， 先解锁我们这个项目结构，解锁完之后然后再帮我们去编辑， 先探索，探索过程中可能会用到很多，查到很多文件，很多实体类，很多表， 那订单状态现在已经完成了，有没有退款的？没有退款的借口，他帮我们去梳理一下，然后先问几个问题，就是退款场景触发，谁能退？然后什么时候能退？ 只要有订单进格是吧？都能退。退款方式先退到哪度 就原路返回就好。直接退到余额 啊，需要记录的退款记录表 订单的一个状态，你可以加一下扩展，就他在实际帮我们探索过程中会先去帮我们审视整个搜索整个项目， 然后需要我们澄清的，他会先就会告去问我们，然后澄清完之后他再去帮我们再继续澄清，继续探索，这款是我需要审核，暂时不需要吧？ 哎，何老师，您当前的这个画面还是在刚刚的那个插入那个数据表的那个画面？是不是需要切个图，切个屏 我看一下啊？啊？我当前还在 idea 里面啊，不好意思 啊，对，这个是正确啊，对， 然后最开始我是通过这个指令的方式，然后去让他先帮我们去探索这个需求，对吧？探索完之后他会问了我几个问题，然后这几个问题呢？我确认确认回复之后， 然后下面他又帮我重新梳理了一下，整个一个探索流探退款的一个流程，然后帮我们就设计了哪些表啊，退款设计表啊，还有一些对应的接口啊，然后怎么去做？包括我们一个项目，一个架构，然后怎么去，在哪一层怎么去写，对吧？帮我们梳理清楚，然后最后再跟我再去澄清几个问题， 就是确认所有问题都澄清完之后，然后才去帮我们编辑退款，是扩展到订单给我们还是新建？ 是我需要退款查询接口审核人制段 使用 c 档吧。 然后再次澄清完毕之后，它会再告给我们一个最终的一个总结， 然后总结生成完之后是问我还有有没有必要继续探索，要么就是直接发布题案，对吧？发布题案就直接到生成那个 spot 文档那个地步了， 你直接发布题案，等它提交变更到我们的一个落实到我们的一个文档， 他在写的过程中也会去先去看一下我们现有的一个题啊，就有哪些十八个文档，嗯，需要去没有没有完善的，或是没有没有规章的，也可以帮我们去检查、 添加订单、退款，帮我们新建了一个情节， 然后他会创建三个，三个文档，一个是题案变更文档，还有一个开发任务文档， 然后记录它那个文档，那个时间创建时间， 这就我们一个提案内容，为什么要做这个接口，对吧？然后哪些地方需要改，然后新的变更，有哪些东西，然后修改哪些地方来帮我们就是一步步记录清楚， 有这个，有这个题案，有这个文档之后，你就可以再直接掀开窗口，或者是明天再来写，都可以，因为他没有规章之前都会这个清洁下面去，然后明天再去，接着让他去查到我们当前未完成的一个规章文件，然后让他接着去写，都是没问题的。 这个是我们一个设计文档， 就会澄清了几个问题，他也会在这里面去记录啊，最终要怎么去做，然后包括我们那个项目的一个规则怎么去，在这里面也会去遵守 啊。这个就是我们那个实际的一个任务文档，就是我们开花第一第一天应该做啥，第二天应该做什么，对吧？他也帮我们细节到非常小的一个颗粒度啊。第一步先先改哪些？第二步先改哪些，帮我们非常细化， 这样的话就保证 ai 去在实际落地的时候不会不会跑偏，对吧？ 就很细，每个时段，然后在哪个对象里面新建，哪个时段新建哪些东西？第一步、第二步、第三步哪一层新的 app 跟一层，然后另一层每一层需要建哪些东西， 然后写完之后我们可以就是退出我们的一个嗯探索模式，但现在应该是就到我们的一个嗯应用模式了，因为刚才的题案已经发布了，现在到我们一个应用模式，直接让它应用当前这个 嗯题案去帮我们去实现这个逻辑，开发逻辑 可以先查看我们有哪些已经存在的一些文件，然后再接着这些文件进行进行，帮我们去编写去改。那创建了十几个很小的一个突突任务， 因为它的突突的任务它都都是颗粒度很小的，具体到很很细的一个点，这样的话就是 ai 的 话，它肯定不会跑偏，对吧？你大的方向肯定会容易有问题，但是越细的点它越容易自信。 一个退款结构他写了很多，写了十几个，嗯，十几个就代办思想，二十二十三个， 在很细的点上帮你去做开发。 二点几时间效率还是很很快的啊，一会就帮我们写到二点多， 生成了这么多退款，退款的一个，然后基础的一个 resource map， 然后搜索， 然后查询退款查询，然后订单查询，根据条件点查询插入，还更新的，后面生成了很多一些基础的基础的一些那个代码文件， 而且用到了我们一个就是实体类转换的一个一个工具并转换的一个工具也是比较好的一个时间， 然后生成了实体类，生成了 map， 七到三点五了， 然后帮我们新建了一个返回程的一个对象，还有入仓的一个对象， 你帮我们加新加了五个接口啊。申请退款的审批退款，审批通过退款，还有个审批拒绝退款。嗯，长信订单详情，那个长信订单列表的，长信退款列表 新帮我们新建了一张表，嗯，退款单号关联订单号用户 u i d 退款金额 退款了。一个整体的一个逻辑帮我们完成了 整个退款流程还是很长的，我们实现了接口，实现了五个逻辑，一个退款查询、 退款列表，退款详情， 这边也有一个进度，一直在加载中 变更了二十四个文件， 我们在写的过程中也可以去看一下这个上下文的占用量， 如果用如果是用嗯，这个 openstack 的 一个方式去写的时候，它虽然压缩了，但是不影响 ai 的 一个输出， 因为他的一个实际的一个计划编码的一个流程，他已经是落实到我们的一个文档中去了，他就按步骤去完成就行了。做完他就会更新，然后下次再检查从哪些没做完，哪些做了 啊，最后是帮我们跑翻译，翻译我们就不让他跑了，因为有可能是跑跑不通过了。我就是做了一个单冒型项目，可能环境不一定能跑的通啊。我们先直接终止掉， 然后让他帮我们去做规档， 规档完之后的话，当前这个嗯需求就开始写完了，然后下一次的话他会去检查，再去写的时候他会检查有没有没规档的，如果没规档他会继续帮你填写，如果有规档的话，就不用不会再去检查了，就直接跳过了。 我们一般是在写完之后就是确认检查没有问题之后，我们再去归档，因为他在写的过程中，没归档之前，我们可以去调的，就可以跟他继续对话，让他去更新文档， 尽量保持我们那个文档的一个最终，是最终的一个正确的一个决定决策，然后在正确的决策上去归导，因为我们他这个文档是做了增量的，增量的更新增量的文档，下一次再改同一个地方的时候，他会在里面去做一些小的变动， 每次都是增量的 啊。归导完成的这个编辑有问题，你环境问题吗？ check。
94Qoder
33:14查看AI文稿AI文稿那个大家好，我是那个 code 这边做 agent 的 一个同学，然后今天主要是跟大家聊一聊，就是怎么把 code 给用好，然后然后现现现场应该有很多朋友可能是刚开始用这种 ai 编程，也有可能是 呃用了比较久的时间，然后我会尽可能的然后把初期一些用法，还有一些进进阶的一些用法，然后都跟大家聊一聊，然后大家可能也可以就发到群里或者成为我们的大使，跟我们一起去呃交流，然后 ai coding， 反正也是 啊，这两年开始刚火起来，我们相信他也是一个比较星辰大海的一个过程，然后我们可以一起去把这个事情呃就是用的更久，然后用的更大一点。对 啊，第一，第一个其实就是说呃 ai ai 编程的一个简介，其实呃之前说大家很多同学可能会用过这种辅助式编程，就说他可能会去帮你去做一个代码补全，就你敲入几个字母或补充几个函数，这样子，就是就是 之前的辅助式编程啊，然后其实在里面大部分还是靠自己去嗯写各种各样的代码，其实我们现在呃更多是在第二个阶段到第三个阶段，然后这样一个阶段就第二个阶段是什么？就是说我把我的意图呃 描写描述给这个 ai， 然后让他来跟我一起写作，然后去把你整个的需求给给完成在这个阶段。然后其实啊我自己当前阶段还是用这个比较多，我可能现在有百分之九十几代码都是通过这种方式跟 ai 去写作，去帮我，帮我把我的需求给 做完，然后未来我们在逐步的向第三个阶段引进，就是说呃不断的呃去委派我们真正的可以把一个需求完整的交交给一个呃我们的一个 agent， 他 可以不仅帮我们把需求做完，他甚至可以帮我们把呃验收的一部分工作也帮我们做掉，确保我们的整个的需求是完整的交付给我们。 对，然后我先跟大家简单说一下，就是大家 ai 编程的呃三个眼镜的一个呃方向，对，然后第第二怕就说我跟大家介绍一下，就是我们抠的整个系列的产品，就是为了方便大家呃更好使用 ai coding， 其实我们在呃 几个主流的呃编程软件上都都有这个给大家提供一个比较好的 ai 编程的形态。第一个其实就是我们主要的一个 呃入口，就是我们 q 的， 我们自己研发一个 q 的 id， 它是一个基于上下文驱动 id， 就是 我们自己会呃帮你内置我们的上下文引擎，然后理解你的需求，结合你整个的代码仓库去完成你的这个这个需求。这里我看看能不能放放一个视频哈， 哦，好像这个视频放不了，一会我一会我给大家演示一下吧。对，第二种形态就是说我们也给大家对于很多高级的用户哈，然后他其实喜欢呃 c l i 这种形式，然后今年 c l i 也比较也比较火嘛，就是有一部分比较资深用户，其实他喜欢在 mini 行里做。另外另外一方面就是说 c l i 这种形态 其实可以很方便地集成在你的工作流里面，比如说你在 github 上，你可以去啊把我们 c i i 集成进去，自动帮你做代码审查，或者做一些软件研发工作流的一些东西。对， 然后我们呃其实很多后端开发者他还是比较喜欢用 jedi bronzes 嘛，其实我们也推出了呃 jedi bronzes 这样子一个插件，大家可以在 jedi 所有的产品里，包括 idea 呀、 android studio 啊啊拍叉嘛、 go long 这样的系列产品里都可以安装我们的 code 插件， 也可以去使用我们完整的一整套的 agent 的 能力。对，然后我们在这里面产品里我介绍几个主要的产品功能，哈，第一个就是我们的这个 agent 的 目的就是说我们这个 id 右侧大家可以看到有个对话面板，就是你在这里输入你的需求， 呃，然后你把需求告诉他，就比如说你请你帮我编辑一个网站，你告诉他就行了，然后他会结合你整个的代码去帮你把这个需求给完成。 然后我们内置的一个呃代码解锁引擎，就是，呃，我们可以解锁十万个代码，代码文件就自动化，帮你把这些里面的锁影啊、项链啊都给你处理好。然后根据你的需求，我们会动态的去把你的 呃这个呃相最相关的代码自动的放到你的上下文里面，让模型知道你这个仓库是干什么，比如说你可能是一个前端仓库，一个后端仓库，或者说是你里面有些健全的逻辑，这样子的一些东西，我们都会自动把你解锁出来，放到啊放到大模型里面，然后给给模型去用。 然后我们也呃也推出了 quest mode， quest mode， 其实我们我们其实面向未来的一种模式，第一它是提供就是 speck drive 这种研发模式，就是你呃呃去先可以先去跟 ai 先去探讨，就说我这个 呃归曰是什么，然后，然后我的详细的需求，然后我的验收标准是什么，然后等你跟 ai 讨论清楚之后，你再去让 ai 去执行。我们在这个模式下，因为我们追求 追求的是一个啊，长城的翼步的尾拍的一个模式，我们也提供啊，就你可以选择在本地执行，你也可以说我们也给你自动打通一个云端容器，你可以你可以提交几个任务，说到我远程一个容器去执行， 对，然后我们在这个模式下会不断去引进 ai 自主编程，就是我们最开始提到的第三个阶段的这样一个产品的能力。 啊。啊，我们其实呃呃在所有的竞品里面哈，我们提供一个非常差异化的能力，就是 rapper vicky， 就是 我们可以为大家所有的仓库去生成自动化，去生成文档，自动化去更新文档， 嗯，在在大部分的企业里啊，其实呃这个文档维护都是一个比较大的问题，就是很多人写的代码其实不太乐意去更新文档， 然后或者说是经过很多年的流转，其实很多信息都缺失了，我们会我们可以自动的去根据你的仓库去帮你生成一个结构化的文档，然后呢，当你有一些代码变更的时候，我们也可以去自动化的去帮你去更新这个文档，然后极大的减少了这个维护的成本。 对，然后值得一提的是，除了这个，大家看代码的时候可以用用这个功能哈，在你写需求的时候，我们有时候会需要把一些文档也注入到模型里面，我们会自动的解锁这个微 k 里面的知识，自动的帮你放到这个呃呃 a 阵的上下文引擎里面。 对，这个是我们新一代的这个技术架构。对，然后我们上面给大家提供的几种，嗯比较啊，就给大家提供的产品能力嘛，就是啊代码不全，就是我们刚才说的第一个阶段，第一个阶段就是 ai 编程的提供能力，然后包括我们现在的对话式编程， 还有还有长城任务，就我们这种 spec drive 啊，或者异步尾拍式任务啊这种编程模式。对，然后下面是我们的一些呃核心的技术吧，大家可以了解一下， 我们可以针对每个场景去看一下。对，针对于补全这个场景，我们其实呃大家在敲出来代码字，就就是大家补全那个时刻嘛。你， 你，其实你敲出来几个字符，我们是要非常实时的，根据你这个敲出来的字符，结合你整个的呃相前后呀左右啊或者相关的代码去帮你补出来这个能力，其实这个要做出毫秒级的这个精准的推荐， 需要花很大的功夫的。对，然后在对话式编程这一块，然后我们需要啊给你的每个仓库都自动化，去快速的去建立整个的 啊全量的缩影，然后我们去帮你去自动化的生成这个啊， rapper vicky， 另外我们还要把成本降到一个非常低的程度，让大家就花净非常少的钱，就可能想到享受到这样的一个 呃呃技术的一个红利吧。在长征任务这一块呢，其实呃大家不知道有没有发现，就不管你用各种呃 ai 对 话类的还是 ai 编程类的软件吧，都会有个问题，就是说呃你其实呃之前提的一些需求，或者你个人的一些偏好，他都会忘，你每次打开都是一个新的窗口嘛？ 比如说我这个应用，它明明是拍成三点七的，对吧？然后 ai 可能呃用错了，用了一个三点六或什么之类的，然后这次你你教它了，它能不能记住，下一次就不问你了。其实我们完全内置的这样的一个引擎， 就是呃 ai 犯过了错误，或者说是你之前的一些个人的偏好，一些项目的知识，我们都会自动帮你记下来，在以后的时候 ai 就 不不会再犯了，我们所有的这些流程全部都是自动化的。 对我们整个产品其实啊有一个比较核心的理念，就是说尽可能的把所有的东西都自动化掉，因为我们发现在 很多场景下，如果让你让用户去管理很多东西，就会产生就是说维护不及时，或者说他懒得做，或者上手门槛比较高的事情。所以对于呃像刚才我提到这种记忆的这种东西，我全部都是自动化的去会帮用户给 哎做掉。在长征任务这一块，我们其实呃在大家可以认为我们在云上给大家提供了这种非常安全的远程的杀伤技术，然后让 ai 可以 在里面如果你有个非常复杂的任务，它可以在里面甚至可以干几个小时，对 对，最底层的话就是我们自己，呃，有自己专门训练的一个顶级的大模型，还有全球最好的大模型。如果大家用我们这个 code 可以 看到有几个模型分析选项嘛？对， 大家可以按照自己的需求去选择不同的模型，然后可以选全球最好的，也可以选择啊，一些性价比比较高的模型，一会我也会给大家啊，详细介绍一下啊。那一块 接下来就是先先先简单讲一个 code， 这样这则这个可能是面向一些就是刚用 ai coding 的 一些用户，这是我自己一个实战啊，就是说 我们先回答，就 coco 能帮你做什么？就是我的一些呃，理解啊，第一就是说它能让你的开发效率就是可能极大的，可能就是真的是十倍。就之前的时候我想要做一个原型验证或技术的验证，我可能说我要去 啊什么 github 上查查资料，或者说是百度上查查，或者谷歌查查，查很久，然后再去做什么，我现在找 ai 快 速帮我去把这个东西就可以，就我如果我知道怎么做，我可以快速把它实现出来，可能真的需要几分钟就可以做出来。还有就是说 每个人的技术能力的边界都会得到非常大的一个提升。其实我是一个纯后端的同学，但是我自从用了我们扣的然后这样的 ai 编程工具之后，我其实也可以选前端了，我也可以去写 l s 的 小程序了， 所以就引出我们第三个，其实每个人都会变成都可以成为一个非常超级的个体，就一个人其实可以可以干很多事情，你可以去做前端的研发，后端的研发，上千的部署其实都可以做了。 第四个我觉得很重要一点，就是说自定义化的需求就会得到极大的满足。就之前的时候大家拿到呃，就是可能拿到软件，比如说你的微信，就是微信可能他每年迭代，迭代很慢啊，他呃他一年就迭代那个几个小功能，你，你很不满足。未来大家可能自己就可以自己做一个 自己的聊天软件，或者说自己做一个自己的生活管家这样子的，然后只可能只需要花几个小时时间就可以做出来，所以我觉得自定义化的需求在 ai coding 这个时代会得到极大的满足。 对，我可以介绍一个一个我自己在家给家人用的一个例子啊，因为我养猫嘛，就是呃猫嘛，然后有很多需求，其实有很多要记录，比如说我什么时候给它买，买了猫粮要驱虫嘛，然后有时候可能要带它洗澡，各种各样的东西。然后呢家人就希望我给他做一个软件，能不能把它 他的需求都给记起来，因为市面上有很多软件不符合他要求，有些功能都没有。然后他不可能是呃，就是人家的软件也不会，也不一定听我的需求嘛。那我就呃帮我的家人做一个，就只花了呃，周末就花几个小时，时间很快。 而且我是一个之前完全不会写 ios， 不 会写前端的一个用户，然后我真的实现了，就是真的不改一行代码，就把这个呃呃这个 ios 软件做出来，然后给了我的一个页面，其实就是说 在这个里面我们可以让 ai 帮我们做几件，第一个是就是说希望他帮我做设计方案，就是我就是呃我，我可能我最开始只有一个大胆，呃，就是一个非常大概的一个印象嘛，比如说， 呃我可能只需要一个养猫软件，我需要呃有记账、库存、日程管理、日记这样的功能嘛，但是呃这几个之间要不要有些联动？然后我的一些日程，我的库存和我日程管理， 比如说我的猫粮快消耗完了，它要不要自动去帮我去建一个日常之类的，帮我提示出来。这些东西我可能一开始没有那么 呃想好，就整个的产品方案和东西，我没有那么想好，我们可以去找 code 帮我们去做一个方案，就跟它说我想要为家人去做这样的一个软件， 请你帮我设计一下，他就会帮我去设计设计出来，然后里面你可以去看一下他设计的方案，如果你发现他设计的不太好，你可以再去跟他讨论。其实在这一步大家有没有发现其实我在做一个产品经理的角色，我和抠的一起去成为这个产品。 对，我接下来就是说如果跟他讨论好了，那你就跟他说啊，其实就跟他说一句很简单的话，就说我左上角大家不知道能不能看清，就实现功能，你写到代码库就行了，然后我跟他说他其实就可以去实现了，就很简单，你用自然语言跟他对话就可以了。 然后其实大家呃我，我当我实现这个代码之后，可能会有些报错啊，就是呃我们用我们用那个 x code 打开之后或者调试的时候，它可能会有些编辑报错啊，或者说是有些大家觉得页面不合理啊，该怎么办呢？其实呃在 ai 这个时代，就是你也可以不用自己去看那个错误，也不用去谷歌，你直接把它把报错丢给 code， code 就 会自动帮你去分析这个，这个报错是由什么原因 呃造成的。我其实不太会那个 swift 这样的语言，我之前就是遇到就是 ios 软件启动报错了，我直接去把整个的报错就直接丢给 q 的， q 的 就会自动去帮我查，哦，它可能是某个主键，然后依赖的包有问题，它就自动去分析出来帮我修掉了。其实在调试这方面也可以交给我们的 q 的， 对，就是调试报错解决，就是刚才那个就如果你有些方案什么不知道的话，你也可以跟我们扣的聊对，接下来就是说一些进比较进阶的一些呃用法吧，就是呃 怎么样才能用更好的呃效果，然后更耐用。然后我们可以从一些基本的概念讲起。第一个就是说呃长上下文对模型效果影响，其实我呃我们 给把一个需求给到模型的时候，不止你呃把需求给他，其实我们会联动的去把呃你当前所处的一个代码的环境，比如说你是怎么操作系统的，然后你仓库里相关的代码其实我们都会给到模型，然后这些其实都构成了整个的呃上下文 啊，可以看到其实业界上现所懂模型哈当当这个上下文的长度啊，变长之后，它的呃它的效果其实都会出现比较大的下降， 就是其实大家模型现在的有效上下文程度可能只有一百多 k， 大家虽然可能有些公号称可能有啊 one million 或 two million， 那 其实有效上下文可能就是一百多 k， 所以 我们呃在这里我们有一个观点，就是说其实在这个有限的上下文窗口中，其实呃大家尽可能只给模型非常非常必要的上下文 就无关的，或者说是跟本次就没有关系的，就不要给他，不然他的效果会受到比较大的影响。我们可以来看一下我们整个 code 里面这个上下文里有什么， 最上面其实是大家作为一个用户可以调控的，就你可以去呃选择你这个模式是什么？我们退，我们有好几种模式啊，就你可以选择 agent， ask， 对， 然后你也可以有呃 quest， 各种各样的模式， 然后啊第二种是第二个是模型选择，大家可以选择啊不同不样的模型，我们会根据不同各种各样的模行动态的为大家适配最好的效果的提示词，让大家能得到最好的效果。第三个就是需求，需求就是说你想让 ai 帮你做什么？对， 第四个就是附带一些文件和目录啊，就比如说你你，你已经知道哪几个文件要改了，或者说你啊让给 ai 传了几个图，说你要帮我去根据这个图来做什么东西，就是上面这四个，上面这四个其实是大家可以去调控的，就是通过调控大家的输入， 然后可以获得更好的效果成本。下面那个上下文引擎全部都是自动化的，我们扣的全部帮你做好的，就比如说第一个是啊，你的环境信息，你的操作系统是什么，然后你的工作目录在哪里？然后如果你上下文多了，我们会自动的去有最好的压缩策略去帮你压缩。 嗯，就是，然后在大家在一个窗口内可能会进行多轮的追问嘛，就第一步你可能说让我帮我干一个前端的一个呃功能，接下来第二步可能是说帮我去做一个呃后端的需求嘛，那你前端的前端后端可能是有关系的，那我们会自动帮你把前端的历史上下文也会给带上去。 对，然后记忆就是你过去的一些偏好，比如你的风格呀，啊，你怎么用这个软件啊？然后你们项目的项目内可能有些规范啊，对，我们也都是会自动把你给带上了。 嗯，还有规则，规则就是说，比如说你的老板要求你啊，给每个函数你写的时候都都，比如说函数尽可能简洁，每个函数都要加注式，就是一些规则，然后你，你写一个规则，我们都会自动帮你带上来，还有代码仓库相关的 呃东西，对，然后其实，呃我们这时候我们把所有东西给模型之后，模型就会产生一个工具调用， 所以我自己写了一个循环执行啊，循环执行意思就是说啊，我，我把这些所有需求给模型，模型可能是说，哦，那我这时候我要先看看你的 readme 是 什么，它就会发起一次工具调用，发起一次工具调用，然后它就去读了一下 readme， 然后其实这时候这个 readme 就 会夹到它的上下文里面，所以它上下文就会变长一点，那读了 readme 之后，它可能又会说，那我需要看一下你的 doc view， 它就会不断地循环调用，直到它觉得它现在获取的信息能满足你的需求了， 才会停止这个。呃，工具调用。对，这是整个上下文里面有什么？就整体来说就是上面是大家可以调控的，下面就是我们 code 会自动的，就会帮大家啊，做最好的方案，自动的话去帮大家去获取最优最高质量的上下文。 对，哎，刚才大家举手的时候，我看到还是有挺多同学其实用过 code 的， 包括，嗯， 有很多同学啊，可能也在啊，可能想知道 credit 和上下文的关系，其实简单一点，就是大家可以这个 credit 就 可以和 tucker 消耗的成本是正正相关的。刚才其实我们聊的上下文其实就是说他可能在在在整个模型执行过程中消耗了哪些的上下文， 所以其实就在上面。呃，就整个上下文，就你，你给模型多少的 token 啊？然后不同的模型价格可能也不一样，所以它就会影响你的 credits。 对， 那接下来是我的一些实践的一些经验啊，就是说，呃，那那那既然，既然大家选择的东西就是不管选择的模式啊，选择的模型啊，其实都会影响你的效果啊，成本，那我们应该怎么去用呢？ 嗯，这里是。呃，在我们 qq 上讲，我是推荐就说，比如说你阅读这个代码仓库的时候，其实你可以用我们的 reaper wiki 去了解你的代码仓库，你可以通过 reaper wiki 去跳转到你的代码，然后去看看呃，怎么实现的。 然后如果 reaper wiki 里面可能一些没有的知识，你就通过我们的这个 ask 模式去问，让 ai 去找。然后这个 ask 模式是一个止读的模式，它不会编辑你的代码的， 可以跟跟我们的这个 code 进行不断的探索讨论，最终得到你想要的这个模式啊。如果你是一个比较明确小需求，比如说我就是要增加一个什么，把，把这个图片保存到啊本地文件的这样一个函数，你已经非常明确了， 或者说我要就是要写一个一步并发的东西，你就，你就切到我们这个 a 键的模式，直接写就好了，它其实 a 的 模式是一个快速执行，是一个非常高效编码的一个场景。 如果再复杂一点任务，大家怎么办呢？我是推荐先切到我们的这个 ask 模式，先跟他聊，多聊几轮，直到你觉得他产出这个方案，你觉得是非常一个呃，你想要的合理的这个方案，然后你再切回到 aj 的 模式去让它实现代码。 当你有非更复杂，就比如说我就是要做一个啊，非常庞大的，比如说大家要做一个淘宝，或者做一个什么啊自己的软啊那个小程序出来非常大的需求。然后大家就可以去体验一下我们这个 quest 的 模式，我们在这个模式下支持你这个零到一的需求， 也支持你有一个 spec 之后这种长任务，然后根据你的规范去去去去执行这样研发一个任务。对，这是我们的几种模式啊，我推荐的几种场景， 对，然后每一分钱花到刀刃上，就是大家其实选的模型背后的价格的系数其实是不一样的，那如果用我抠的，我们其实是分了几个等级， 就是说我们最下面可以看到就是一个呃，免费的一个模型的等级，就是说用 light 模型的话，其实你所有的东西都是免费的。你一些非常简单的任务，比如说我想知道这个函数干啥的，或者说你我，你帮我加一个什么小循环什么之类的，大家可以用这种。然后有些常规的任务，你可以用 eiffany， 它的系数是零点三，就比较便宜。 如果大家日常开发就 daily use， 就是 说我我我。其实觉得有些同学可能觉得这种各种模式很复杂，也不相管，那就用我们的这个 auto 模式就行了，我们会根据你的意图，你的场景，你的仓库，你的情况，自动化，帮智能路由帮你录一道最合适的模型，让你的效果最好。 然后在这个情况下就是综合下来是一个最划算的模式。其实最推荐大家使用这个 auto 模式，就是又划算，效果又好 啊大家。当然大家有可能会有些稍微复杂一点的任务，我就是要用更强的模型，可以切到我们的这个复合文字，它的系数是一点一，其实也没有很贵，就是比我们的这个 auto 可能只贵了零点一对。 然后我们还有一个就极限挑战有些的 bug 的 场景啊，有些非常复杂的场景，就可能你觉得，呃， 嗯，就普通模型都搞不定，或者你自己搞了半天都搞不定，其实可以切到我们这个，呃， altru 模式全球最强，我们真的是全球最强，就是如果这个搞不定，就是没有其他能搞定，就是这个是呃，就是呃可以解决到现在 ai 能解决最强的任务，可以切到我们这个 altru。 对， 但这个成本也会更高一点， 我们会倾向于你在一些极限挑战的时候会用这个模型，这样大家的成本会控制到一个比较合理的水平。嗯 啊，接下来是一些简单的一些小小的一些经验。就是就是第一个就是说给模型尽可能多的有用的信息。 其实我在研发的时候就如果我知道，比如说改哪个模块啊，改哪个文件文件夹，或者说改哪几个文档， 然后你可以去呃通过我们这个呃加号或者艾特的东西把把相关新闻给模型，这样子的话，其实模型会 呃尽量的减少探索就就是模型啊，一般完成你需要进行几轮的工具调用吧，一般他的逻辑是说我先跟你的需求去探索一下仓库探索，探索一会之后他再确定他的方案，再去写这个代码吧。如果你最开始已经给了他，那他就减少探索了吗？那他花的钱就更少了。 然后有时候他看探索的时候可能也有些幻觉，如果你给了他精准的上下文，那他可能效果也会更好。对， 但如果他探索可能有问题的话，你可能后面还要给他追问，让模型啊，就是跟他聊好几次，这样其实也会消耗你的这个呃 talk。 其实我我比较推荐大家在第一次的时候，就是当你知道有些东西可以给模型的时候，你就给模型。 对啊， m c p 的 话，因为它其实现在的很多 m c p， 它的工具其实又呃有非常多，有些 m c p 可能有好几十个工具，其实工具的定义我们都是会给模型的啊，这时候其实也会占非常多的上下文，嗯，就 m c p 吧，大家推荐它就是按需开启，我们扣我们扣的这里面， 呃呃在设置里面有个 m c p 服务，大家可以在这里点击起用或禁用，可以在只在一些指定的场景下去把这个 m c p p 开启 啊，控制上下文的长度。其实我们发现很多用户其实就在这一个菜单的 window 里哈，一直问一直问一直问啊，其实呃呃当你的整个的叉，呃呃这个左边聊天这个 window 啊变长之后， 你你的那个就是整个上下文就会非非常长，你的你的成本是很高的，然后如果你超过了，呃，比如说快到两百 k 的 时候，其实它的效果也是会下降的。其实我非常推荐大家，如果呃两个需求啊，就两个需求没有什么关系，就尽可能多开，多开就点右上角这个加号， 然后我们在下面这个用量表，大家可以看到这个十三点六，其实我们给大家也也也也提供用量了，就是我当前这个模型最大支持的窗口是多少，这个两百 k 呢，就是代表就是说我这个模型最大的窗口是两百 k 十，那个二十七点二就代表是说我们你现在的这个需求啊，已经消耗了这么多，当当这个很大的时候，然后我一方面我们会自动帮你去压缩啊，当然当然你也可以去选择那个 compeg， 你 也可以去主动压缩，当然我我最推荐的是就是你，你如果需求没有关系了， 你就新开一个，如果你觉得需求还有关系，你就点这个啊，压缩上下文就好了。对， 我们可以有个例子啊，就做一个对比，就刚才是说我们要不要去新开这个窗口，我们做一个对比，就是说如果你，你这个就是你，你追一次追问请求啊，如果你是一百 k 的 上下文开始，对最最终的话，你可能消耗了。我们这里有个公式啊，就是说你假设你进行了 啊十四的这个工具调用，它里面有一部分，比如说我们百分之九十用了缓存，然后乘以这个价格，然后加上没有缓存的地方乘以价格，最终算出来可能是一个一美金的额度。但如果你是一个新开的绘画，是从二十 k 的 这个上架文开始，最终你可能只花了啊零点二二美金这样一个东西。 通过通过新开一个绘画其实是能大幅有效的帮你节省这个 credits， 可以 看到在这个场景下其实可以，呃，能帮你节省百分之七十八的一个成本。 呃，我们抠的其实内置的这个 rules 就是 rules 的 话，呃，其实在企业级开发，在生产级开发其实有很多很多规范，比如说你部门的一些要求，或者你自己有些要求，其实有些价编码的规范，架构设计，还有一些安全又合规的东西， 呃，都可以去新建。 rose， 我 们，呃可以看到我们这里有个 rose tab， 呃，在左上角的第二行哈，呃，第三行那里你可以去选择啊几种模式，我们是支持你去选这种模式，就一方面你可以去， 呃，在需要的时候就手动艾特这个 rose 在 生效，有时候你也可以让模型决定这个东西要不要生效，然后你也可以让它一直生效。对，就是让 ai 一 次性的帮你去产生这样符合编码规范的，一个就是代码其实也是能帮你省掉很多很多的成本。 还有一个就是说让模型记住历史的经验啊，一般来说我们会自动去帮你去更新记忆，就是说你之前模型犯过的一些错， 我们其实是会帮你自动的啊，记入到我们的这个记忆里面，那有时候可能啊，模型觉得不重要，你觉得重要，那怎么办呢？你可以去添加，手动添加到我们的 rose 里面或 a j 的 里面，你也可以主动触发啊，让我们扣的。记住，你可以就在右边跟他说，请你记住刚才你犯了一个错， 然后你要记住你以后不要再犯这个错了，我们就会自动把你记住。对，可以看到右右上角，我会跟他说，请记住，然后你， 嗯，每次你 python 其实都要用三点一一的版本，如果没有的话，没有安装依赖，请你自行安装。就我经常会遇到 python 的 项目，他用错版本，我就跟他说你这个项目一定要用三点一，跟他说一声就好了，然后他就会记住，对，就记住。呃，就如果之前的错误他不再犯了，你就不，后面的时候你 你其实就少了几次，追问就少了几次，要解决这种错误，其实也能减少很多的成本。 我们。呃，其实 coco 给大家提供了非常多可可适 credits 可适化的工具，就大家用量，就是左边其实是一个任务的参考啊，就是说在 ask 模式， agent 的 quest 和 rapper vicky， 呃，你出发不同不同的任务，你大概会，嗯消耗消耗多少的 credits， 大家可以有一个，就是大概心里有一个大概的一个尺度，对，然后方便你去根据你不同的任务去选择不同的 credits， 然后右边这个就是说我们不同的模型，其实啊有不同的系数，大家可以按照自己的这样的一个 呃需求去不断地选，就是日常开发的可以用 auto， 然后在极致性能的时候，你可以去选择一点六系数的这样子全球最强的模型，对， 好在下面有个链接，就是说你在 cold 的 官网，你是可以看到你每一次每每一个需求的消耗了多少，大家可以也可以去啊这里看看，就是说哪里消耗多了，哪里消耗少了，其实都可以有一个追踪，然后你也可以感受一下就是什么样的任务，然后你应该怎么去合理的控制这个 credits？ 人来说我们扣的在，其实我们在成本啊，效果啊，速度，我们一直在做一个呃呃平衡，就是我们自己内部花了非常多时间，然后不断的让让大家去呃呃 在同样一个任务啊，即使呃就是呃，就是你用户，用户选择之后，我们通过各样的缓存机制和压缩机制，让让大家一个需求的成本不断的降低，就是我们从发布到现在，然后其实大家单个需求的任务是其实是降了很多的， 对，然后效果我们也是在不断不断的优化，就是不断提升我们整个上下文的感知能力，对仓库的这个啊理解，对关键信息的召回，然后然后大家的这个体验的速度，我们也是不断地去帮大家自动地做好。对， 然后其实我今天分享的这个内容就这么多了，我可以给大家简单看几个产品啊，就我们扣的就是这，其实这个就是我们的扣的 id 哈，就是大家打开之后， 呃这个就是我们的对画面板，你可以在这里去切，就是我们刚才说的一个是 a 阵的模式，这个这个模式就是帮大家去做事情的，它是有写代码的能力的，也可以有执行命令行的能力的。就是如果你有些 任务要写或要哦因为任务要实现，代码要实现，再用这个。如果大家只是现在想跟呃那个 a 阵多聊几轮，要要要问一问一些东西，大家可以切到这个问答的一个模式 啊，这个就是我们选模型等级，就是一般的话推荐大家就用 auto 啊，如果你在一些非常非常难、非常难的场景的话，可以切到一些更好的模型，去去去试一试。这个就是我们的那个用量表， 对，大家可以在这里看到我啊当前绘画的一个用量表。然后如果大家有些需求，比如说呃呃你，你如果其实就是说呃你，你描述可能没有那么清楚，或者你自己没想好，也可以点我们这个功能去一键的去帮你去优化这个提示词， 对，就是你输入一个框后，这里就会点这里就可以帮你去优化这个提示词。对，然后左边的话，我，我刚才随便敲了几个字母啊，大家真实的时候可以写，就比如说帮我，帮我加一个权限或什么之类的，它就会帮你，你再点一下这个，它自动会帮你去优化好你的提示词。 左边大家可以通过这个点开我们的一个 rap， ok， 就是 我们会自动帮你整个仓库生成文档，大家可以看一下，其实我们生成的非常的详细，就有整个项目它是一个呃呃什么样子的，然后每个模块是怎么样子的，然后每个里面呃它的一个逻辑还 然后怎么调用的，其实我们都有帮大家详细生成好，而且我们其实和代码做了一个非常好的联动，就说如果你看到这块逻辑啊，你不确定，或者你想详细研究一下，我们下面都会给你就这个逻辑来源于哪或来源于哪哪几个。就有些逻辑，比如说，呃，你要登录逻辑可能来自己多个文件嘛， 就之前之前说大家可能要一层层的的找，要找很久，我们这里直接给了你我们这些逻辑在哪，你可以去点开这个，它自动会去帮你跳到对应的代码。对，大家可以看到这个联动做的是非常好的，可以看到，对， 大家可以试用一下我们这个呃 ripper vk， 然后右上角其实就是我们的这个设置， 设置里面啊，刚才就啊就这边有我们的 quest 和刚才我提到一些啊 mcp 服务规则记忆，然后我们自定义指令，其实都可以在这里看到，对，这个就是我们整个呃，那个 code 这边 啊，我们这是我们的 quest 的 模式，就是我们的啊异步尾派，然后面向下一代的一个产品模式，我们马上就会发新版，到时候大家可以来体验一下。对， 然后接下来就是说，呃，对于后端用户哈，呃，就是有这个，呃呃， jadbroons 系列嘛，大家就就插进市场，直接搜我们，搜我们的这个，呃， 搜我们在在这个我这里网看看，就搜我们的这个 code 插件，一键安装就可以了。然后你再用这里打开 code 就 可以在有很多用户不是很很其实很依赖于整个 java prince ide 嘛。然后就可以在这里使用我们的所有的 agent 的 能力，大家在这里也可以去切 agent， 也可以去切 ask， 也可以去切模型， 这些东西都有啊，添加上下文这些都是可以的。对，然后还有一个产品就是我们的 c l i 有 code， c l i 大家安装之后就是说在你的命令行直接敲 code c l i 就 可以进到里面，然后你可以在终端里用，也可以在你任何一个喜欢的 id 里面用， 就比如说在我在就我比较喜欢这本书的 id 嘛，大家可以在这本书的 id 里面用。对，然后这里面也可以享受到我们全部的这个，呃， ag 的 能力，嗯，我今天的分享就到这里，好，谢谢大家，嗯。
687Qoder
