qoder怎么使用mimo
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。
粉丝4.0万获赞9.1万
相关视频
04:03查看AI文稿AI文稿最近 openroot 被一个名叫亨特阿尔法的神秘模型给霸榜了啊，很多人都在猜测这玩意到底是谁家模型，那么直到十九号上午终于被小米给认领了， 这个神秘的模型就是小米最新的 miimo vr pro 模型。小米接连发布了三款大模型，并且开启了一段时间的免费试用。可能有很多平常不关注大模型的朋友感到非常的好奇，想知道这个玩意到底该怎么样去使用，那么今天这期视频我将教会大家怎么用上小米的大模型。 好，那我们废话不多说，直接开始。先说最简单的用法，就是把它当成普通的聊天大模型来使用。如果你使用的是小米手机，可以直接打开小米自带的浏览器，点击中间的 ai 图标，就能够直接使用小米的 mini 大 模型。当然不是小米的手机也没关系，我们可以直接来到小米 mini 的 官方网站， 然后点击 web demo， 可以 看到左边有一个侧边栏叫做 memo chat， 我 们点击就可以和大模型进行聊天了，然后左上角还有可以切换模型。如果你只是把大模型当成聊天工具，那么网页端就差不多够用了，但是如果你想让他帮你处理文件，调用工具，接入工作流的话，那就要把它接入智能体了。 接下来我会教大家怎么把它接入智能体上面。智能体这个词可能听起来有点复杂，但大家不要被吓住了。智能体也就是 agent， 它是一个以大语言模型 l l m 为大脑，能够自主规划、记忆并使用工具来完成目标的一个智能系统。 传统的 l l m 本质上还是你问一句，他答一句，比如豆包千问菜的 g p t 这一类，你给他一个问题，他就返回一段内容，基本上也就结束了。但是 a 卷的不一样，他不只是负责回答，他还会接着往下做。 你给他一个目标之后，他会自己理解任务规划步骤，然后一边执行一边根据结果继续调整，直到把这件事情做完。 比如你让他帮你整理一个文件夹里面的资料，顺便提炼重点，再写成一份总结，他就不只是简单的给你一句建议，而是真的会一步一步的把这件事情往下做。所以简单来说，普通的 ai 更像是在跟你聊天，而 a 检测它是真正的在帮助你干活。 像 open code codex 以及 cloud code， 还有前段时间爆火的 open clone， 都属于智能体，目前 open code 提供了免费的密膜大模型的使用，我们以 open code 为例，演示一下怎么把大模型接入智能体。在安装 open code 之前，我们首先需要安装一下 node js， 我们来到 loggs 的 官网，根据对应的系统下载安装包，把 loggs 安装好之后，接着我们打开终端，输入下面这串命令，这样我们就完成了安装，再输入 open code 就 能够直接进行启动，我们跟它对话试一下，可以看到它已经开始回应我们了。 那么接下来我们把模型切换到 m 模模型，按住 ctrl 加 p， 或者使用斜杠 model s 命令切换使用模型。 这里我们直接搜索 mimo， 可以 看到 opencode 为我们提供了两个免费的模型，选中之后就可以看到这里的模型已经发生了改变，这样我们就可以开始对话了。 这里我让他帮我生成一个小霸王游戏的 svg 动画，放在我的桌面上可以看到他已经在接受命令之后开始工作了，我们看看效果如何。 前面我们使用的是 open code 为我们提供的免费大模型，通常他会以降低速度或者是一些其他的方式来限制你的使用，并且免费期一过就不能够再继续使用了。所以接下来再给大家演示一下怎么接入小米的 api key 来进行使用。在 open code 里面输入斜杠 connect， 我们这里可以搜索模型提供商，这里可以接入各种各样的大模型，像亲爱的 g p g gmail 等等，我们直接搜索小米。然后我们来到小米官网，点击 api access， 然后点击申请 api key， 我 们创建一个 api key， 把 api key 复制回到终端回车，这样我们就能够选择模型来跟它进行对话了。 这里必须要保证你的账户余额充足，不然是不能够进行对话的。 ok， 以上就是使用小米密墨大模型的全流程啊，感谢您的收看，如果你喜欢这期视频，记得给我点亮收藏，后续我也会分享更多跟 ai 相关的知识，我们下期视频再见！拜拜！
1968Zen
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。
07:53查看AI文稿AI文稿最近阿里旗下的 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！
774神烦老狗
36:17
04:38查看AI文稿AI文稿嘿，大家好，今天阿里发布了 coder 一 点零。这可不是一个小更新，它从以前的 ai ide 直接升级成了一个智能体自主开发工作台。 简单说，你只要告诉他想要什么，一个 a 阵团队就能自己开车完成执行验证和交付。可现在 windows、 mac 和 linux 都能下载了。 第一个大变化是 quest。 以前它只是 i d e 里的一个模式，现在变成了一个独立窗口，集成了任务管理、状态追踪、产物审查和知识调用。开发者定好目标后， agent 就 在这个工作 台里自动执行、验证和交互，你几乎不用动手。 quest 和 editor 现在是两个独立窗口，可以并行运行。 开发者可以在委派任务和协同编程两种模式之间自由切换，上下文完全无缝衔接。比如你让 a 阵改一个模块，同时自己还在写另一部分代码，互不干扰 code 一 点零最牛的是可以跨项目、跨代码库并行执行任务。你可以在多个 workspace 里同时跑不同项目。一个统一面板就能看到所有任务的实时动态，每个任务都有独立的状态标签，运行中等待确认已完成，一目了然。 任务完成后，系统会自动生成一份三维交付清单，里面有任务进展、产物文档和代码变更，方便快速审查，你不需要手动整理，直接看就行。 这次升级还带来了全球首次团队知识共享机制。 co 的 一点零把之前分散的记忆、 vpo、 微企和知识卡片整合成了一个统一的团队级知识引擎。记忆系统会记录你的表达习惯、技术偏好、团队规范和历史学册。而 vpo、 微企和知识卡片会自动从代码仓库里构建架构、知识模块关系。 这样三类知识统一管理。 agent 在 执行任务时能随时调用时刻数据显示知识远行。上线后，代码保留率提升了百分之十一， 输入 token 消耗降低了百分之四十，对话轮次减少了百分之三十三。简单说， agent 更懂你的项目，代码更准确，沟通成本也大大降低。基于代码仓库，每个团队成员都可以贡献知识、修正知识， 智能体还会持续优化这些知识。知识统一存储在云端，企业可以统一维护，并且所有的操作都可审计。这样一来，个人的经验就变成了组织的持续成长能力。 之前用户反馈很积极的 expert 专家团模式，这次正式引入到 quest 窗口中，开发者可以在单 a 诊的模式和专家团模式之间自由选择。专家团由规划、调研、编码、审查、测试五类专家组成， 他们像流水线一样携同工作自动完成任务。更厉害的是，一点零版本新增了自定义专家能力，你可以创建属于自己的 agent 团队，配置他们的领域知识、 任务技能和外部工具接口，打造完全贴合你业务场景的专属团队。所有这些升级背后，是底层 agent harness 的 系统性重构 模型提供智能，但智能能不能变成可用的交付，全靠 hard 抠着。一点零在这里做了两件事，把传统聊天对话升级为结构化的任务，运行时把分散的上下文供给收敛成贯穿运行时的知识工程。 coder 不 仅仅是 i d e， 他 面向全球开发者，旗下有 coder i d e coder i d e coderwork、 coderwork coderwork coderwork 等产品，自二零二五年八月上线以来，已经服务全球超过五百万用户。 今天一点零版本的发布，标志着智能体编程进入了一个新的时代。好了，如果你也是开发者，今天就可以去官网下载扣的一点零，支持 windows、 mac 和 linux 试试，让 a 阵团队帮你自动驾驶完成代码任务。感受一下什么是真正的智能自主开发，我们下期再见。
1人生旅途
01:51查看AI文稿AI文稿用 ai 变成助手，大家肯定或多或少遇到这样一个问题，每过一会， ai 就 会找我要权限，或者问我这个事情能不能做，所以我们推出了 auto mode。 我 们的核心思路很简单，用一个轻量的 ai 去审批主 ai 的 操作，对安全的我们自动放行， 对危险的我们自动拒绝，全程都不会弹框，那么怎么去启动它呢？其实很简单，大家看到只要我按 shift 加 tab 就 可以切换到 auto mode。 现在我来给他一个任务， 你看他这边就先先读文件，他接下来会再去改代码，最后得跑跑测试，四三步全都是自动完成，不会有任何一个确认框弹出来。这背后有三层确认机制，第一层，读文件，这种只读操作，在白名单上我直接放行。第二层，对于一些编辑工作工作区内的文件，它是安全的路径， 我们会让他走快速路路，路径也是直接过第三层，嗯，有一些稍微有一些风险的命令，我们给一个清零的分类器，如果这个操作和我的请求一致，那我们就会放弃他。 那么可能就会有人问，如果我换成很危险操作呢？比如说这个，嗯，这样子呢？嗯，我想把整个代码库全都删掉，我直接删库跑路啊。大家看到其实他这个逻辑就会在在这边被拦住， 而且我们不仅如此，在此基础之上，我们还有垄断机制，如果我连续多次被拒绝系统，它的模型可能卡住了，或者是遇到什么解决不了的问题，于是我会自动垄断整个 os， 防止它无限的重试，浪费我们的资源。 那么总结一下， default 模式，可能每步都要做做确认， accept 编辑它是自动过的，但是命令还是要手动 p 的 优漏全放，但是缺少了一些安全的网，那么 auto 是 中间地带 安全的，自动过危险的会自动拦住，全程零弹框，我们可以说它就是在效率和安全之间的最优解。
49Qoder
02:46查看AI文稿AI文稿是用阿里那个最新出的那个 ai 工具识别的单片级项目，能够正确识别出单片级的型号编解器 以及程序当中的广角定义啊。程序的框架。 然后需求的话，我是把一些需求都给了它，包括 管脚定义、显示屏的驱动方式、驱动芯片、电流采集芯片。 框架，让它写一个程序的状态机。框架分别是驱动程序和应用程序要分开，包括显示的内容，它，然后它自己生成了一些整个的过程， 然后在这个罐汤当中第一次生成的，算是比较 框架没问题。但是显示内容有点乱吧， oled 显示是乱码，汉字显示不出来， 它在思考了很多，但是一直没有成功。哦，它显示的效果是这个样子的， 然后我的理想的状态应该是这种样子的。 最后没有办法了，我将我原来写的一些正确的程序驱动程序喂给了他， 他解决这个问题通过新程序解决了，更新以后就解决了， 然后这是他写的一个过程， 最终显示的效果是这个样子的，效果还不错， 是还是有待提高，底层定义的话还是理解不了，需要提供给他书记员。
19醒困💤
02:31查看AI文稿AI文稿我没有任何代码基础，用抠的这种 ai 编程工具写了一个十万行代码的股票数据分析系统，今天我给大家展示一下这套系统长什么样子啊。在这个终端输入一个命令，回车之后就进入一件菜单，所有的功能的命令都在这个菜单里边 给大家展示一下。大家可以看到这个阿尔法亨特。第一部分是一个核心投资的分析系统，其中包括三级漏斗，根据扫描器，一级火箭，二级火箭， 情感分析因子回测，还有我们最重要的每天全自动运行的这个命令，这个是全自动的，也可以手动的。第二部分就是系统工具啊，查看审核区的一些状态，最近的分析结果，数据库的一些状态，包括同步数据的一个管理，邮件的一个预览，推荐股票至同花顺因子发现隐形 这个历史数据，还有一个查看说明，这是第二部分。第三部分呢是词盘的一些追踪和币款的验证，通过模拟交易模拟的买入卖出 时差的一个状况，生成皱爆的一个对比。下一部分呢是一个统计检验因子，记录审核业绩，查看防过礼盒，还有一个因子的一个白名单。防过礼盒是因为过多的因子或者过多的策略，它有重复会拉低分数，这样我们就会去精简一些这样的策略和因子，所以说需要防过礼盒的去 验证啊，都是全自动的。在下一部分的智能监控，其中包括首付条件，包括 a c n 的 模拟的一个效果文件的规档。最后一部分增强运维工具，其中包括查看日历，快速的一个配置，系统的一个健康程度，包括我们 deepsea api 所使用的还有多少余额， 模拟教育的一个概览，历史推荐的一个回顾，还系统一个备份的功能，因为每次运行嘛担心出问题，我们会把数据啊，还有整个系统的一个运行的过程进行备份， 再有一个网络的一个诊断因子 i c 报告，还有历史的回放的一个隐形，还有一个 a h 二百的智能监控仪表盘啊，这个也是很厉害的一个东西啊。然后再有一个这个配置的回馈， 基本上就是这么多功能，这是我一个配置的菜单，那么每天我现在正在一个就是测试修 bug 的 一个过程，那么我们怎么样每天去运行呢？我们在这个命令里边输入十一全自动运行，点击回车，然后他会问你是否开始点击 y 啊，开始一直回车，到下一步他就全自动运行了啊，就这样的 阿尔法亨特系统这个一键菜单的目录呢，我已经发送到我的评论区了，大家如果感兴趣的可以去评论区点开这个图片去详细的看一看，了解了解， 感兴趣的朋友可以在里边留下你的评论，也希望大家能够帮助我去增强优化我这套阿尔法亨特股票数据分析系统，感谢大家支持。
181AlphaHunter
00:36查看AI文稿AI文稿钢铁侠二的使用非常的方便，看一下我们的积分，三百，杠三百已经用完，接着我们打开钢铁侠，呼叫钢铁侠二，点击一下，有一个漂亮的动画等待科技感十足的进度条， 让他将那个进度走完，非常快，已经成功了。接着会自动重启 ai 软件，按 uzi， 这里马上就变为了零杠三百 是一个 pro 的 状态，然后看上面的记忆完全没有丢失。选择 ultimate 极致模型，我们就可以将开发的外部项目一些报错的问题发给极致模型。
42达文西
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。
103互联网老实人
00:57查看AI文稿AI文稿大家好，今天来给大家讲讲 coder 的 基础使用流程，让你快速上手这款开发工具。首先咱们得做好环境准备，就像做饭前要先把厨房收拾干净一样，安装好必要的运行环境， coder 才能顺利工作。 接着是项目导入，把你需要处理的项目文件导入进去，这一步就像把食材放进锅里，准备开始烹饪了。然后 coder 会进行信息解析，它会自动分析项目的结构和关键信息，帮你理清思路， 就像厨师会先了解食材的特性一样。完成这些初步步骤后，你就可以使用 coder 的 各种辅助功能了， 比如代码提示、错误检查等等，让开发过程更顺畅。总的来说， code 的 使用流程就是安装、导入、解析、使用这几个常规步骤是不是很简单？大家平时开发时会用到哪些辅助工具呢？欢迎在评论区交流讨论。
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
01:02:15
00:38查看AI文稿AI文稿百分之九十九的程序员不知道阿里刚刚发布可的一点零写代码竟被全面接管了。他不只是写代码，从生成、验证到交付，一条龙全包，连找 bug 都不用。人 熬最晚的夜，掉最多的头发，现在连代码都替你写了，打工人的饭碗还稳吗？别慌， ai 不是 替代，你是淘汰不会用 ai 的 人。未来程序员只负责想， ai 负责干， 以为 ai 只会补全代码？错，它是全流程闭环反常识。真相，你成了 ai 的 审核员，你的饭碗还稳吗？评论区聊聊，觉得有用，点赞、收藏，关注我，看透科技真相！
40:37
27:50查看AI文稿AI文稿啊，大家好，我是这个解决方案架构师，也是咱河南区域的，在座应该有很多人咱们都认识，实际上我没有做过开发啊，我觉得领导让我上场一定是说，呃，那个即便你没有做过开发，只要你是，你是这个 it 行业出身的，你也可以用 q 的 把这个东西做的很好 啊。就在那个今天上午我们阿里云内部其实有一个那个全员大赛，然后我我我也看到了那个就我 我们全员是用 qd 来做即刻开发的大赛啊，然后我们也看到了有很多让我感觉很震惊的案例啊，我们也看到有销售人员，或者有一些完全没有做过代码开发的人员，比如说他，他可以做一个 真的可以拿出去去商业化的那种那种 idea 或者是网站。还有一个我看到我很感兴趣的，就是他买了一个那个拨通的 ai 的 那个开发套件，帮他家孩子开发了一个就是类似于那种 呃桌面智能助理的这样的一个机器人。就是其实现在不管是 qq， 在 这个呃我们常见的这些语言，包括那个 java， 还有 go 啊，包括我们那个嵌龙式开发，现在也有很多企业也在去尝试。 好，本来我们那个今天我也写了一个材料，但是时间原因啊，这个材料我就迅速的过一下，凡是跟咱开发写代码无关的，我们就不待多聊了啊，然后重点呢，让大家看一看，就我一个没有做过开发的人员到底是怎么呃，寄予一个想法，然后呃把这个实现了。刚才我记得有一个同学提到了，说这个 ui 还有什么设计，怎么和自己的 qq 结合在一起的？在我这个我的效果中也有一个步骤啊，我先大概说一下我做的事情，就是 这个事情 idea 是 什么呢？是我在，呃，是，是我们这个 qd 济南站的那样一个延续啊，就我们同样看到了一个在抖音上有一个比较比较火的老师，他给全班的学生都养了一个电子宠物，哎，反正你每天来交作业，然后你表现好，我就给你加分， 如果，如果你你这个分数不够了，你的宠物会慢慢的变得越来越小，然后可能会死掉，然后其实我不太推荐那个对小孩子这么卷，但是，呃，有了这个 idea 呢，然后我们的团队呢，就看到有一个， 有一个那个开源的这个项目叫 habit 卡，我不知道怎么念啊，就大概就是一个习惯养成。本来它这个项目呢是有一个 app， 这个 app 呢是说你在上面可以提一些你每天的健身的需求，你每天的那个， 你每天想要实现的一些堆类的那个那个想做的事情，哎，我一想，哎，那现在他本来就有他的积分制，就有他那个去实现，嗯，比如说我完成任务，我完成挑战，甚至说我我要他，他其实背后还有强大的购买， 购买那些，比如说武器、物品补给的那些那些平台，那我能不能把那个老师的那个想法在这个平台上来实现呢？就是大家看到了这个按钮，实际上是原来这个开源的项目没有的，那我我现在就，呃，基本上来讲就是我在这个开源的网站上截了几张图， 然后呢？然后我就把我的这个需求呢，呃，刚才给到了我们 qd 的 快速的模式，让它生成了一个 plan， 然后我就在我的这个，在这个 stich 上，我把这三张截图还有这个 plan 给他，然后我就给他说了一句话，帮我我那个按照这个 班主任想要完成教室的电子宠物管理的这样的需求，帮我生成这个前端的页面，然后我就会发现，哎，他帮我生成了怎么来创建班级，然后班级怎么来管理这样的一个宠物大厅，以及这个每个人员的这个宠物的这个特别展示，以及我这个 呃，可能我未来我的学生要去组建队伍，然后就会有这样的一个几个看板的这个前端设计，实际上我更不懂前端啊，我都不知道这个设计到底是什么东西，但是，但是我我一看那个，呃，当我点这个导出的时候呢， 它它其实可以让我去啊，因因为我这个可能网络断掉了，我刷新一下它可以让我去导出这个 figma 的 这个格式，然后我就把它这个页面用 ctrl a ctrl c 把它复制到我这个 figma 里面，然后正好 figma 呢又可以通过那个呃 m c p 的 方式对外提供服务，然后我就我就把那个 这个这个 figma 的 m c p 配置到了我 q d 的 这个设置里面的这个 m c p 服务里面，然后这里有一个啊 frame link m c p for figma。 然后这个时候其实对我来说我完我其实完全不懂前端的，我觉得那些修边边角角挑颜色是一个非常 作为一个男生很难去去去这个做的工作吧。然后，呃，但是在我接下来的开发过程中，那我可能呃刚才前面的老师也都讲到了，我先用我的需求生成我的 prd， 再去生成生成我的 user story， 然后根据我的 user story 呢再去做这个专家团的接待开发。然后这个过程我会发现当他需要去呃去拿到前端元素的代码的时候，他会自动调用这个 m c p 工具，然后把他的前端代码拿到最后 和我的这个后端啊，和我的数据库啊去联动起来，最后把这个项目呈现给我。好，那个，呃，我还是把这个材料简单我写的几页跟大家这个呃讲一下啊，这前端的这些我们就就不说了啊。 然后 spacy， 其实刚才很多老师已经讲过了，现在在开发开发的过程中，我们现在都在说这个哈尼斯，我就直接到达这个 呃，哈里斯设计的这样的一个想法，就是我们一般来说认为他要满足这样的一个试性原则，就是可组合性、可观测性、可控性以及可持续性。 这个呃也是前边有一些人在说，就，呃现在 ai 公司或者是云公司在招 ai 人才的时候，不一定是光招这个计算机行业的了，他可能会招那个英语 语言学、心理学，就这样的一个人才。那我觉得可能未来这些人才，或者说这些文科生， 他们的对于工程，对于信，对于这个怎么去驾驭，这个怎么说呢？驾驭大模型这样的一个这样的人才，他可能更好的能去设计，好，比如说现在我们比较流行的哈里斯，哈里斯未来肯定还是要再去进步，再去什么，那他的理念，他的思想可能是 那个，可能是我们马农不太那个擅长去去迭代或者去去优化的。那其实哈里斯里面有很多东西啊，就是比如说，呃，他 首先呃上一个时代我们有有模型，然后模型又生长出来了上下文，上下文呢？又又有什么 m c p， 现在又有什么 skills？ 又有什么 memory？ 有 很多东西。那其实来讲呢，呃，我觉得就像是一个婴儿啊，就是呃大模，呃呃大语言时代是这个孩子他学会了说话，他能听得懂这个世界上的语言。那后来他慢慢长大以后呢，他能够把他的思想去调用工具，比如说他 呃他想去那个呃做一个什么手工，那么他可以去呃去调用工具了。那现在呢？就是说这个原来我们叫工具，现在呢我们又又叫 m c p 和 skill skill。 实实际上这些东西我也和底层逻辑都差不多。比如说一个 skill， 它大概率就是一套提示词模板 啊，就是我描述一下这个事情应该怎么去设计。当然还有一种，另外一种是扣子，就是去调用命令行。刚才很多人提到了命令行啊，就命令行，它是一个什么东西呢？就是我我们举个很简单的例子，比如说可能有些企业用企业微信和 你的你的那个用户去进行交互，那原来企业微信你想拉个群，你想发点什么内容？你总得是打开那个企业微信，把你的那个用户添加进去。那实际上这些呃 回到一个最早的这个概念，就是计算机有中断的概念，为什么计算机存在中断？就是他在等延迟的人类，他在等 那个行动缓慢的人类，如果他不用去等缓慢这个我们人类的这个手工操作的时候，他其实完全可以自主把这个事情很快的去完成了。这也是为什么当年 windows 出来的时候他也没有见面，他就是纯道士的这种命令行吗？那现在我觉得这个，这个， 这个又又在回归那个时代啊，就是任何一个软件，任何一个，包括我们 q 的 本身，我们也是未来它的生产力，它的流程肯定是以颗粒的这种模式对外提供的，这种，这种，这种能力比较多。呃，那回到哈尼斯，它有上下文，有规则、有记忆、有执行、有调度。那其实刚才我们的 呃老师也都演示过很多了，我就不再说了。啊，那接下来我就把我之前怎么来完成这个场景实操的。呃，这个过程给大家演示一遍，就是 我的 idea 刚才已经说好了，就是我，我，我想为某个班主任开发一个全班的这样的一个宠物的 rpg 的 这个游戏应用。然后呢？这个项目的背景，我 这个开源了这个代码规模大概有八百万行，有八万个文件左右。然后之前在我们济南站的我的一位同事已经实现的，是他已经实现了。 呃，针对个人的电子宠物的领养，就你可以领养一个电子宠物，然后我现在是在它的基础上再实现一个，就是构建一个班级的电子宠物的。呃，这个群养啊，然后我大概说一下这个过程，那第一步呢，就还是我拿到了那个开源的代码，然后我把这个代码生成了一个我们的这个 ripo key， 然后基于这个 riper vicky 呢？然后我又生成了一个规则。为什么要生成规则？这个其实刚才很多老师已经提到了，呃，因为 riper vicky 太复杂了，如果你用 riper vicky 来作为模型的上下文， 一是 token 是 消耗太快，二是他很难去那个，呃，搞清楚你到底要干嘛，所以我就给了一些提示，请通过 reaper wiki 生成我这个项目的开发规范。其实这个开发规范也很简单，就是告诉你我这个项目它的前端后端模块大概是怎么组成的，以及它的这个设计规范啊， 这个其实都是通过一句话让它生成的，那然后拿到这个开发规范和设计规范以及。呃，对，还有一个点没有说，就是我的这个需求，其实就是一句话嘛，它到底怎么生成的这个 spacy 呢？那也很简单，就是在我们的 quest 的 模式下， 在我已有我的 repake， 然后有我的那个。刚才说了这个项目生成了这样一个开发规范以后，我其实大概就说了一句话， 就是这么啊，不是一句话，是一段话啊，呃，就是，呃，帮我生成一个稍微放大一点， 帮我生成一个什么什么作业打卡挑战模块，要求登录者可以切换为老师身份，创建一个队伍，为五十六个学生生成一个宠物，然后怎么样怎么样，然后可以通过不同的任务作业挑战来进行完成等级。那这个其实很像我们的业务前端的团队向我提的一个需求，那我拿到这个需求以后呢？ 我就让我这个十八岁帮我生成了这个项目的这个呃开发文档了，然后拿到这个开发文档以后，接下来也比较简单。当然了，呃，实际上在我们真正企业落地的过程中啊，可能这个事情还不能这么简单。就呃刚才我们那个 呃老师也讲过，就你可能要去，因为一般来说我们现在基于微服务的话，你可能要有你的接口设计规范，你的接口实现规范，你的那个数据库层的实现规范，你的后端接口的实现规范，你的测试规范。呃，那这些可能后续我刚才我的领导齐伟说要给大家分享那个 最佳时间的那个那些提示词啊，那些东西可能大家可以从那里面找到灵感，修改为自己企业适适当的地方，那为了体现这个整个的流程呢？那些过程我们就忽略了。 然后我就直接把我的这个呃这个需求的这个文档呢交给了这个提示，交给了我这个专家团。我说呃这个这个这个大家可以看一下，就是我交给专家团说的这个话也比较简单，现在我这个项目已经有了开发规范，在哪个目录下， 实际上我可以不用写的，他他自己知道这个规范在弱势下，然后参考那个什么什么设计规范以及什么什么需求帮我生成这个相关的这样一个一个一个逻辑。大家可以看到最终我我给他提的这个需求，他就会委派了很多这个有做这个前端设计的专家，就是 这个就是像这个这个专家，这个就是 ui 设计师了啊，他是负责从那个飞格玛来提取我的这个前端的这个页面的啊， 然后后面还会有很多，比如说，呃，比如说这个，呃有一些调研员他是要研究研究现在的代码结构，以及他怎么样把这个结构分发给其他人。比如说有有做国际化的，因为他发现我这个项目有国际化，因为他是一个国际开源项目嘛，然后 有做这个后端业务逻辑的，有做后端 api 的， 有做前端的，那这些我们就不再一一的去进行赘述了。当然是不是说这个项目一次性就成功了呢？没有，就我发现这个运行完以后呢界面我也不是很满意，然后功能有些时候它也没有实现，这个就是 我的过程控制没有做好，这也是大家真正未来再去落地的时候呢，你可能要从你的前端的需求怎么生成详细的需求文档，怎么和你企业已有的这个开发规范去进行结合 啊？这这这可能是呃大家要去思考和做好的地方，那，那当然了，就是如果说他做的不够好，那接下来其实我也就继续去提需求就行了吗？那你比如说我一开始发现这个前端页面长得不好看，嗯，那个， 呃这个页面他设计成了一个长条，一行只有四个，那我就画一个截图，然后我就我就给到他，然后我就在后面说，然后我到底哪里不满意，你给我改，然后他就他就基本上就就帮我来改了啊？ 然后呃，当然了，这个是第一步，就是他帮我开发完成了，那接下来呢？就是我，我还要求他帮我构建这个刀客的这种这种环境，像现在大家都是为服务了嘛？那基本上来讲，呃我的数据除了说这个数据持久成，除了说我的数据库，我的 radis， 基本上可能我们选用云上的这些数据持久化的工具，那我的后端，我的前端可能都是会基于我们 ecs 的 刀客，或者说我们阿里云上面也有一些微服务啊， ack 啊、 se 啊这些刀客去进行部署。那我接下来就要求他帮我生成这个刀客的这个相关的打包的这个环境，然后让他 让他帮我传到我的 a c r 镜像上去，然后我还会在我的这个服务器，比如说我的 a c k 或者我的服务器上 啊会放置一个呃钩子，就是当比如说我在这个页面点更新的时候，他会自动的到这个页上去拉相关的镜像，去实现这样的一个后端逻辑和前端页面的一个代码的一个发布啊。但是实际原因呢，我们可能没有办法把这个所有的流程都都演示完成， 呃，这个到了这一步就是相当于我已经呃生成了我的需求，然后让那个专家团把我这个所有的这个代码都已经开发完成了 啊，我们就呃就着刚才的这个演示啊把，呃把我们这个流程再再这个简单过一下。就是第一步我生成了项目这个 ripper vicky， 这个大家都已经知道了，然后我通过 ripper vicky 生成了项目的这个规范。然后呢我，我通过呃那个 呃我的这个快速的模式生成了那个针对我前端业务的一段话，或者说一张纸的需求，生成我这个这个开发文档，然后这个开发文档呢，又根据我这个系统已有的一些截图或者已有的一些设计规范，生成了我本次需求中需要用到的 这个页面的集锦。嗯，可以立成是一个在 steam 上生成的这样的一个页面的前端。然后呢，我又把这个页面的前端导入了我的 figma， 通过 figma 的 这个 m c p 和我的这个呃这个代码工程去进行了一个联动。然后呢？呃最终， 呃呃那个在呃出最终这个设计元素的时候，他直接会从菲克玛捞取相关的前端的这个元素和数据，帮我这个去进行生成。啊，刚才那个我听咱们现场同学也提到了很多比 较好的 skills 啊，我觉得这个也是大家要关注的一个点，比如说我们有基于前端框架的，有据平台集成的，有通用工具集成的，那刚才这个同学已经提到了叫 everything cloud code， 这也是确实是一个很好的那个 那个 skills 啊，那我也给大家再说一个。还有一个叫 superpower 的， 这个也也也很好，就是 superpower， 它其实是一个叫 ai 智能体的，这个叫超能力， 呃，它是一个一组，这个怎么说呢？ skills 的 集合。但是呢，这个我我稍微截了一个图，看起来不太这个融洽，但是这个 skills 里面它包含了 帮你来做需求澄清，帮你来做分支准备，就是比如说我要构建我的这个 work tree， 然后帮你来制定计划，帮你去分发多个智能体病发之型，帮你做测试验证，做 bug 修复，做 最后的这样的一个分支收尾，这这这其实这样的这些一些超能力类都能够拿到，而且这些超能力其实本质上它也就是一种那种写好的 skills 嘛，大家拿到以后呢更高级的玩法就是依据人们这个企业的实际情况去修改为适合我们企业的。那 回到一些抽象来的话，就是不管我们是从前端设计到那个我们的，呃，从我们的设计生成那个 user story， 就 我们在很多企业观察以后的有一个最佳的建议和实践，就是因为现在基本上咱们都是前后端分离和微浮雾化了嘛， 就你尽量不要说让你的一个拆解的 user story 跨太多，这个这个叫微服务模块，尽可能就是一个微服务，尽可能就是说我一个 user story 就 在我一个微服务模块，或者说一到两个微服务模块能够闭环，这样的话我这一次迭代，这一次开发， 呃，不管是从时间还是消耗还是万一我做砸了他回退的这样的一个代价都是非常可控的啊。这样也也是呃给给大家来做这样一个建议，你不能指望大模型一次性把你所有的需求，把你所有的模块都修改到位，就是我们 本着这个比较小的这这样的一个一个能力，把我们的的解偶去拆解，然后再让我们的这大模型去进行一个实现啊， 然后呃，这个回到刚才来，就是我可能，呃就是刚才我走的是阿里云的呃，我们 q 的 这个专家团模式，当然它其实也有另外一种模式啊，就是假设你不想用专家团，刚才有人已经提到了专家团非常贵，那那另外一种替代模式应该怎么走呢？那就是走这种 walker tree 的 这种 小功能迭代，那就是说你拿到这样一个开发文档以后，你让它来生成你们的 user story， 然后呢？通过，呃，通过我们这个 get 的 这种相关环境来构建小的这样的一个相互隔离的 word tree 环境，然后让每个 word tree 来去实现你的一个 user story， 让它们来来。怎么说呢？来实现这种小功能的迭代，最终再实现一个大功能的一种一种叠加，这样的话就是你可以我我，我可以理解成就是变相实现了一种 可能，不是，不能说是专家团吧，就至少说是变相实现了并行能力去开发的一种一种一种一种迭代的这种能力啊。这个是接下来的一个一个动作。那这个其实刚才已经提到了吗？我们工具严谨的模式已经慢慢的嗯 走向了，呃，有命令行模式，有 a p i 模式和 m c p 模式，这三种模式可能短期还是要共存的，那未来也可能就就会被大一统了啊。呃，那那未来就是不管我们的呃我们的接口也好，还是我们已经成型的一个杀食软件也好，还是我们桌面上的一个程序也好，它被大模型来调用的 那个机制都可能会被统一掉啊。比如说我们不管他未来会叫会叫 m c p 也好，或者叫现在又流行一个叫 asp 也好，它那那都是可以被 呃同化掉以后，呃，也就是说我们整个软件和外部交互的模形态都会进行改变啊，那这个专家团模式刚才因为我们的同事已经演示过了，这里我就，我就不再这个呃继续地去进行演示了啊。 呃，后面那两个场景，我就不在我的环境上具体演示，我就简单跟大家说一说，就就那个呃达到了一种效果，就是，呃，有很多人说，哎，现在你只是讲到了代码开发阶段，那我，那我还有 c i、 c d， 还有测试，还有那个我的 bug 修复后续的那些流程，怎么样 能够和它结合在一起呢？那你比如说像我们的这个 qd 颗粒里面，我们天然就配置了和这种 github 啊，和我们的这种代码仓库进行一个联动的这种状态。只要你说你把这个密钥给到它，那我们基本上可以做到说 你的那个 github 的 事件可以被我们的 qd 颗粒来感知。呃，刚才我记得有一位老师提到了，说未来我们的软件一定是能够实现自动进化的。那我也想到一个场景啊，那你比如说 我，我我自己做了一个开源软件，那未来有很多人在 gethelp 上向我提交，比如说提交一宿，或者提交他们不满意的地方，那我其实是可以感知到说有人给我提交这些东西了，我，我让我的这个命令行或者我的工具自动抓取到有人给我提的这些意见，然后回到我的这个 呃 q 袋，或者说我的这种编码工具里面去。呃，然后呃让他来先做一个判定他们提的这些 bug 到底是不是真实的，是不是优先级比较高的，然后自动做修复，自动再去生成这样的一个代码的迭代。那实际上 如果说这个这些自动化我全做好了，那，那你的这个开源项目的维护，可能你你只需要呃，在他每次提交的时候去做一个决策，去做一个这个回顾，可能也也就能够实现那个呃这个代码的自动的一个更新了。那再往长远上来讲，那未来的代码，未来的程序，未来的系统，一定是能够 呃，总有一天能够实现自我闭环、自我来迭代、自我来更新啊，不再需要我们人类的参与。 当然比如说像现在我们支持很多这种呃，可能大家不管是叫勾子呀，还是叫哎那个 ide 的 事件啊，我们都是支持的。这个可能就需要咱们那个研发里面比较那个资深的这些专家呀，还有我们的 团队负责人啊，把这些事情和我们的日常的自动化流程去结合在一起，来实现这样的一个一个一个过程啊。这个比如说就是我们整个 github 的 这个 workflow 的 一个定义 啊。当然到了部署阶段，其实这个也也也也还是可以的啊，就是比如说我们现在的 c i c d 流程，假设我们的一个系统是不管是想是需要往阿里云的服务器上去部署，还是说需要去往那个 呃我们的 a、 c k 上去部署，因为本来服务器和我们的 a、 c k， 或者说我们的 i、 c e， 我 们的容器都提供了这种命令行模式，这天然就是适合被我们的这种 q d、 k l 的 这种形态去 去学习并且去执行的。那我们只要说这个测试通过了，然后发版的通知给了我们，也可以让这些流程，让这些我们的这个平台的这种能力和工具自动地把这个拉取代码，然后那个呃 build 代码，然后去发布这个镜像，然后拉取镜像去更新，我们程序 的这个动作也自动化掉，那整个能够实现我们从前端设计到最后发布给用户的一个闭环。 然后呃，最后再提一下这个所谓的叫呃 a c p 协议啊，它是一个什么？它是呃就是为什么大家要说养龙虾养什么东西呢？就是其实我个人认为啊，就是养龙虾的过程，实际上就是呃根据你个人的工作习惯， 把你日常工作需要调用的工具，需要去执行的命令，需要去联通的外界的聊天啊什么的，能够全部都自动化的放到你的龙虾里面去。这个我觉得就是一个一个人他的龙虾养的够不够好，够不够智能，一个一个一个需要去做的事情吧。那现在， 呃我我们也都知道就是 openclaw， 它这个作为一个开源的这种龙虾形态，它内部是调用了这种所谓的 sapang 的 去并行处理这种工作吗？那实际上他现在也呃也支持一个叫 a c p 协议，那为什么我要提到 a c p 协议呢？那也就是说我们可以在我们的龙虾上，或者未来我们使用这种类龙虾的这种平台上，把我们的 q d k 啊，把我们的 那个呃这种命令行工具也集成，呃，把我们的编码智能体的这种命令行工具也集成进去，这样你就会得到一个什么东西呢？就是 就是说你会，你，你可以理解成就是你的龙虾就多了一个，我可以自动通过 i m 或者通过什么去接受前端的聊天请求，然后呢把这个聊天请求转化为我后端的各种 需求文档，按照刚才我们既定的那些流程，把这个流，把这个文档从前走走到尾，然后让我的专家团完成开发，然后去交付我这一部分代码。那，那就可以说 通过咱们的这个龙虾，或者说龙虾外面的那些聊天平台，把这个事情来集成到我们阿里云内部。有一个帖子我认真的看了看，就是我们有一个研发团队，现在他，他每天白天要做的事情其实就是去做各种 需求的 review， 然后以及去判定这个代，呃，这个分支要不要去提交和上线，然后它的代码都是由它的这个聊天工具收集完以后呢自动触发了各种自动化的流程，然后呢由它的那个， 呃，由他的这个比如说 qd 或者什么东西晚上去工作的，那他第二天早晨过来呢，他买一杯咖啡，他就会坐在那里审视各种 qd 帮他完成的任务，决定要不要来提交这个这个这个内容到到这个分支分支里面去。 当然了实现这个东西并不是一蹴而就的。呃，我我们也看到有有很多企业呃，他说，哎，我买了你的 qd， 呃， 我今天我提了一个需求，开了专家团，好像半天就没有了。实际上呢，这个我理解，他是一个在我们这个一个团队中，一个组织中要慢慢去磨合，要慢慢去找到一个最佳这个 最佳那个形态的，就 q 的。 确实他的这个 q 的 消耗有点快啊，但我刚刚才上来之前，我，我发现我们的那个有一个公众号发了一个通知，他应该现在我们有一个叫， 哎，是原来叫 coding plan， 是 吧？现在有一个新的名词，我忘了叫什么了，叫叫 token plan 啊，应该是叫阿里云一个 token plan， 嗯，发布了，就是你可以理解成它可以是按这个 token 数或者是按次数向你们收费的，就原来的那种那种模式，呃，刚才就是我们的产品也提到我们有这个 b y o k 的 这种形态，我们也可以呃在在这个企业中把这个 tokens plan 的 那种 那种 k 也放上来，呃，综合来说呢，就我们不同的需求，不同的逻辑，呃，然后用不同的这种这种代码，然后包括我们自由的这种 api 来实现我们最终的这个这个需求。呃，最后做一个总结呢，就是 不要太追求完美的这个 spic， 呃，你要，呃我们的建议是呢，要把一是要把这个需求做得相对小， 不要让他一次性把你的所有的这个需求都完成，要追求有效的这个闭环。我们现在这个 q 段不管是还是说其他的这种不是来这个替代开发者的，而是要去放大我们开发者的这种能力啊。然后，呃不能，呃强制统一模式，要那个按需选择最优的方案，就是 有些人习惯，嗯，呃，用那种命令行，有些人习惯用那个 m c p， 有 些人习惯，那个刚才说了和自己的龙虾进行集成，就是我们这个底座可以是一个比较统一的这样的一个 呃研发形态，但是具体和它交付的形式和它去去这个产出的这种这种结果可以大家在不同的这种界面中去进行输入。呃，还有一个建议就是不要忽视人工叫验，就是 刚才有很多人提到了大模型可能会偷懒，大模型做这个那个前端测试的时候，他可能会自己搞一些这个后客数据，自己去进行测试，而不是实际去测试。那么我们要要，就像刚才那个悠悠跑腿的这个呃，袁总说的就是关键的系统， 我们一定要呃，在这个关键的系统，关键的决策节点上，我们要 呃增加比原来人工介入更加严格，更加这个审视和谨慎的这样的一个态度啊。但对，当然对于这种不那么关键的这种系统，我们可以去减少这个呃，比如说在人工教研之前增加 ai 教研的这个环节。但是呢，你也不能忽视人工教研的这种环节， 不要追求一步到位，我们要找到自己这个企业合适的这样的一个迭代节奏和持续改进的这样的一个一个一个一个方案啊。好，今天我的那个 workshop 就 到这啊，大家看一看有什么其他问题。
57Qoder
00:50查看AI文稿AI文稿大家是如何通过 deepsea 来进行分析股票的？是不是像这个样子？这只股票怎么样？帮我全面的分析一下。 我不是，我是把 deepsea 的 api 接入到我自己研发设计的 alpha hunt 股票数据分析系统当中， 每天这套系统会通过策略初选因子扫描，最终交给 deepsea 进行全面的分析评分，筛选出十到五十只优质的股票，以邮件的形式发送到我的邮箱里边。 阿尔法亨特系统是我用 coder 的 ai 编程工具，三个月时间自主研发设计完成的十万行代码的股票数据分析系统。大家对我这套系统感兴趣吗？请持续的关注我，我会在后边的视频当中指导大家如何从零开始搭建。
545AlphaHunter
