feature dev怎么用

嘿，大家好，今天咱们来聊个特好玩的话题，怎么把你的 ai 编程搭档从一个只会敲代码的助手，直接升级成一支能打硬仗的超级战队？准备好了吗？咱们马上开始。 你可以先问问自己一个问题啊，你现在用的 ai， 它到底只是个代码生成器呢？还是说它已经成了你离不开的那个神队友？咱们肯定都遇到过这种情况对吧？ ai 聊着聊着就忘了上下文，有时候给出的点子也没啥新意，总感觉跟咱们自己的工作流隔着点什么， 哎，这时候 cloud 代码插件就派上大用场了，简单来说，它就是一个官方精选的工具箱，里头都是高质量的好东西。有了它们， cloud 就 不再是一个单打独斗的程序员了，摇身一变成了一个由各种专家组成的超强开发团队。 那怎么把这些专家请到你的团队里来呢？超级简单，就两个办法，你要是知道名字，就直接输入斜杠 plugin install， 后面跟上插件名搞定。要是想逛逛看有什么好东西，那就输入斜杠 plugin， 然后选那个 discover， 整个插件市场就都在你眼前了。 不过呢，这有个时候我得重点提醒一下，不管你是安装更新还是用任何一个插件，都得先确认你信得过它。这个不是开玩笑的，毕竟安全永远是第一位的。 好了，咱们来看看今天的路线图，我们先聊聊怎么让你的 ai 水平上个新台阶。然后呢，我们会挨个认识几只超能小队，有负责流程的工作，刘奇才有专门搞创造的创意主力，还有一支自动化与安全卫队。 最后我们再看看怎么把他们完美的整合成你的全新超级战队。好，首先登场的就是我们的工作刘奇才小队， 顾名思义，他们的任务就是帮你把整个开发流程给捋顺了，让所有事儿都变得井井有条。 你有没有这种痛点？就是项目失忆症，每次新开一个绘画 cloud 就 跟失忆了一样，之前聊的啥关键信息都给忘了。别担心啊，这个小队里的第一位成员 cloud md management 就是 来解决这个问题的，他就是你项目的记忆管家，保证 ai 记性特好。 它有两核心工具配合得特别好。一个叫 improver， 你 可以把它当成是定期的项目维护，它会确保你的项目档碗和代码库十种保持一致。 另一个是 revise 命令，这个你每次聊完天用一下它，就能把你这次绘画里所有新的重要的信息都记下来，不断更新项目的长期记忆。再来看第二个痛点，代码越写越复杂的，维护起来想死的心都有。 没关系，团队底的代码重构大师 code simpler fire 插件来了，它最拿手的就是把乱七八糟的代码梳理得清清楚楚。 它的工作特纯粹，就是简化复杂代码，让代码读起来更清晰，风格更统一，维护起来也更容易。最关键的是什么呢？它在帮你大扫除的同时，会保证你代码原有的功能一样不少，绝对不会好心办坏事。 接下来是咱们每天都得打交道的。 get 手动处理 pr， 绞尽脑汁写 canmake 信息，是不是特别烦人？ 别当心，我们有两位 get 专家，一个叫 pr review tokit， 帮你自动检查代码合并请求。另一个是 commit commands， 能根据你的代码改动，自动生成标准又好看的提交信息。它们俩就是来帮你把这些琐事化动搞定的。 好的流程理顺了，咱们该干点正事了，搞创造。接下来认识一下我们的第二支队伍， 创意助理。这支小队专门负责干那些创造性的重活，不管是教 cloud 新技能，还是丛林开发，一个全新的功能都包在他们身上。 你是不是已经烦透了，每天都在手动重复同样的工作流程，感觉自己像个机器人那么 skill creator 这个插件就是来解放你的，它能让你教会 cloud 各种新招数，而且是永久学会，以劳永逸。 创造一个新技能的过程也特别简单，他遵循一个清晰的循环，第一步，你先告诉他你想干嘛，第二步，他帮你写个技能草稿。第三步，你给他一些测试案例。最后一步就是不断的运行评估，再改进。 这么一循环，任何重复的工作都能变成 cloud 的 一个永久技能。开发新功能的时候，是不是经常场面一度混乱，最后 bug 满天飞？这个时候就该请出我们团队里的首席开发了 feature dev 插件 儿，它就像一个经验丰富、思路清晰的技术主管，被装进了一个小盒子里，你看它厉害就厉害。在有一套超级严谨的七步工作法， 从需求探索、研究代码库，到提出问题澄清需求，再到架构设计动手实现，最后还有质量审查和总结。有了这么一套章法，就能确保开发过程不跑偏，交付出来的东西质量杠杠的。 还有一个痛点， ai 生成的前端界面，总感觉缺点儿灵魂，一股浓浓的 ai 味儿，特别平淡。这时候，团队里的明星设计师 front and 底自然插件就要闪亮登场了，它的任务就是让你的 ui 一下子变得又酷又亮眼。 好了，最后咱们来看看在幕后默默守护你的自动化语安全卫队。这些专家不显山不露水，但他们能确保你的开发过程又安全又高效。 手动一遍又一遍的跑任务来修 bug， 是 不是又慢又让人抓狂？ ralph loop 插件儿就是一位永不放弃的特工，他会不知疲倦地替你迭代，跟问题死磕到底，直到解决为止。这个插件的精髓说出来就一句话， ralph 就是 一个半死循环。 没错，你没听错，它就是一个简单的死循环，逼着 cloud 不 断地去尝试，去修改自己的代码，直到代码能成功。运行。 方法简单粗暴，但效果那是真的好。咱们每个开发者心里可能都有一个共同的噩梦，在错误的地方手一抖，敲下了 r m r f hokify 这个插件就是你在命令行上的守护天使，它能通过一个特别简单的配置文件，在你执行那些高危命令之前拦你一下，让你再确认一遍。 写代码的时候，是不是也怕自己不小心就埋了个安全漏洞？这个 security guidance 插件就像是你身边一位随叫随到的安全顾问，就会马上给你报警，为你保驾护航。 好了，到现在我们这支超级战队的所有成员你都认识了，现在咱们就来看看怎么把它们组合起来，真正打造一个更智能、更安全也更有创造力的工作流程。 在实际工作中，你可以这么玩，用 cloud management 来让 ai 始终记的项目背镜。要开发复杂新功能了，就请出 feature def。 碰到像修复测试这种需要反复试错的活儿，就交给 ralph loup 去死磕，同时让 hukifai 和 security guidance 在 后台时刻保护你的安全。最后剩下所有其他的重复性工作，通通交给 skill creator， 把它们变成自动化技能。 好了，这支队伍你已经认识了。那么现在问题来了，你打算先招募哪一位成员加入你的项目呢？别犹豫了，赶紧去插件市场里逛逛吧，你的超级战队就等你来组建。

刚升级微软十一的小伙伴是不是感觉微软十一比微软卡多了？这其实都是虚拟化的安全 vbs， 在 托曼电脑，据统计，关闭 vbs 能提升游戏性能百分之二到百分之三十七。 今天教你一招，一键关闭 vbs。 首先在桌面下方搜索框中搜索 cmd， 右键选择以管理员身份运行，然后在弹出的命令窗口中输入代码， 最后再重启电脑 v b s 就 关闭了，等我们再进入系统。是不是 vr 时的那种流畅感又回来了，学会的小伙伴赶紧收藏试试吧！

cloud code 浏览器自动化方案应该怎么选？先说结论，再介绍这几个方案。如果你是普通用户，只是想抓取简单页面的内容，订酒店机票，填写一些网站的表单，就用 agent browser。 如果你是开发者，想在开发中排查页面 bug， 查看接口信息，分析性能瓶颈，就用 chrome dvodes mcp。 如果你是测试，想生成测试脚本，执行测试流程，或者是抓取复杂页面的内容，更推荐使用 playwrite mcp。 如果是一些复杂图标 converse 实现的页面，不想依赖其他方式，例如 mcp 的 话，单纯依靠浏览器来操作，那么 cloud in chrome 几乎是你唯一的方案。 那么接下来具体的介绍一下每个方案。首先是 agent browser， 它会解析页面结构，过滤掉样式图片后，将内容交给大模型识别，在对页面变化的适应性和内容识别的准确度方面得到比较好的平衡， 适合进行日常的浏览操作。例如抓取内容平台数据，预定酒店机票，监控商品信息，填写在线表单深层咨询日报 chromos mcd 底层是通过远程调试端口直接控制浏览器，所以天然的比其他查看页面结构的工具可以做更底层的事情，更适合开发者来使用。 例如排查前端页面的 bug， 查看 api 接口信息，分析性能瓶颈，甚至能绕过页面的反爬虫机制人机验证等拦截。 playwrite mcp 会把整个页面的完整结构都交给大模型，所以它能面对很复杂的页面。如果通过 agent browser 抓取一些页面上的内容时，发现不能抓取或者抓取不完整， 可以考虑用 playrite mcp 来抓取，更多的时候会适合 qa 使用。例如辅助生成自动化测试代码，执行自动化测试脚本。微软还推出了 playrite and coi， 可以 搭配 playrite mcp 来干活。 最后是 cloud in chrome 最大的特点是采用纯视觉方案，好处是显而易见的拟人程度最高，任何人类能够操作和看到的内容它都能执行。例如执行 figma 这样的 canvas 画布类应用操作，可直观图标，填写图形验证码。 最后我们看一下它们大致的任务投币消耗量，从低到高依次是， agent browser、 chrome、 dvodes、 mcp、 per write mcp、 cloud in chrome。

黑百合，开大剑，过吧，穿墙看轮廓！今天三种描边全拆！给你一个视频，带你搞懂 urp 渲染管线怎么改， shader 怎么写， render pass 怎么插， render feature 怎么挂，全屏后处理怎么做？还在网上东拼西凑抄描边 三种方案，一个场景里全有，原理全不一样。第一种，模型描边， shader 里把顶点沿法线往外推一圈，只画背面，正面自动被圆模型盖住，剩下的就是边 不动，渲染管线 c 紧，给物体多挂一个材质就完事，简单粗暴，颜色粗细时时调，卡通渲染角色描边就这套。 第二种，全屏后处理， render feature 挂一个 pass shader 采深度图和发线图相邻，像素差异大，就是边不用给每个物体换材质，整屏统一风格，漫画勾线风格化渲染就用这个一个 shader 管全场。 第三种，选中描边，只有你点中的物体材料， feature 里两个 pass 接力，先把选中物体画进 mask， 再把边缘张开，叠回屏幕， x ray 打开，被遮挡的轮廓照样看得见。前行标记索迪高亮就这个原理。 代码案方案，拆开每种描边各自的 controller， feature， shader 文件夹一目了然，全中文注式，每个方法干什么写得清清楚楚。 维米写了三种方案的原理，对比和导入步骤，打开就能跟面试要讲渲染三种描边原理全在这，拿去直接用链接在简介关注我，每期几分钟拆一个能上线的模块。

今日翻译练习以六级真题粤港澳大湾区第一句话为例，学习一个加分高频动词 feature， 在 区域介绍、旅游宣传和产品说明中很常见， 不仅是有，而是主打。不仅是陈述一个事实，而是强调这个东西是亮点，是卖点。在翻译之前还是先进行词汇学习，具有已经学过可以使用 boast 或者 possess。 昨天读后的地理位置 a unique geographical， 完善的交通基础设施 comprehensive transportation infrastructure， 丰富的产业资源 abundant industrial resources。 本句句式选择作为多动词并列句，我们已经多次练习，可以用 do a 非谓语 doin be 作状语。 考六级的同学在这学习一个六级短语，表示生来具有最终成句是这样的。版本二，使用这个词汇完成现在做一个相似的练习，使用 feature 完成句子。如果视频对你有帮助，请评论收藏转发鼓励一下博主，谢谢！记得点赞关注哦！

三月的一个深夜， andri capacsi 在 github 上发布了一个仅六百行 python 代码的项目，几天之内，五万人点了 star。 远在太平洋另一侧，一位名叫 smallness 的 中国开发者看到这个项目后，产生了一个想法， capacsi 在 机器学习领域验证了一个核心机制， 量化目标加上自主循环，只保留改进，退化就回滚。如果这个机制可以用 wallos 衡量机器学习实验的成败，那软件开发领域能否复刻同样的魔法？ 但软件开发和机器学习完全不同。一段代码可能功能正确，但结构混乱，可能安全合规，但性能低下。代码好不好，从来不是一个数字能回答的问题。 smallness 的 思路是这样的，把 capacity 修改训练代码跑实验， while loss 改善才保留，替换成实现 github issue， 跑测试，多维评分达标才合并。如果 capacity 用一个指标衡量实验成败，那他就用五个维度衡量代码质量， 正确性占三十五分，测试覆盖占二十五分，代码质量占二十分，安全性和性能各占十分。五个维度加权计算总分一百分，只有达到八十五分才算通过。低于八十五分不合并不妥协，反馈驱动下一轮改进，继续迭代，直到达标。 但 smallnest 做了一件 carpathia 没有做的事，他引入了第二个、第三个 agent。 在 他的系统中，三个 ai 智能体， open ai 的 codex、 antropic 的 cloud 和开源的 open code 轮流担任实现者和审核者。基数轮 codex 先审核，再实现， cloud 再审核。 codex 的 实现，偶数轮角色互换。 codex 可能忽略一个边界条件， cloud 可能没注意到一个性能隐患， open code 又可能从完全不同的角度审视问题。当它们交叉审核时，一个的盲区往往恰好是另一个的强项。 smallnest 用一个真实的 gitup issue 做了验证，他输入了应授编号，然后他离开了系统，开始了第一轮迭代。 codex 被要求审核并实现功能，他读取了代码，然后什么也没做。 第一轮，评分一分。第二轮， cloud 接手超时控制被实现了， api 做了增强，评分 五分，方向是对的，反馈再次传递。第三轮， codex 补全了测试，用力修复了边界条件，评分九分，系统自动执行 commit， 创建 pr 合并代码。从开始到结束大约十分钟， smallnest 把项目开圆了。第一天，三万人来了。后来，他把 auto research 搬进了百度，适配了 icode、 icafe 和 d u c c 等内部研发平台。对百度的工程师来说，界面没变，流程没变，变得是幕后 有些医售的处理速度突然快了很多开源社区也在生长。贡献者为项目添加了小米大模型 mimo 的 支持和百度云效平台的接入。 auto research 正在从一个个人实验项目变成一个可以被不同公司、不同基础设施适配的通用框架。 autonomy research 并不是 carnegie 思想的唯一回想。花叔创建了达尔文 skill， 用八维度评估体系和集论机制来优化 ai 技能。三个项目形成了一条有趣的眼镜线。 carnegie 信任数学， well loss 不 会说谎。 smallnest 信任制衡，用 ai 之间的交叉审核来弥补盲区。 花叔信任人类，让机器做探索，让人类做裁决。三位开发者，三个领域同一套方法论，量化目标自动迭代，只保留改进， 人类设定边界，机器在边界内自由探索，然后人类离开电脑回来的时候，代码可能已经写好了。

今天我们来发一个安装特斯拉 mate 的 视频教程，首先找到这个项目，回去搜一下， 你可以问任何 ai， 他 都会告诉你，你说特斯拉 mate 中文的推荐哪一个，他都会推荐这个项目，也就是我的这个项目啊，然后找到这个一键脚本复制一下， 然后粘贴就可以了，他会检测有没有安装多克，你选一下，必须要安装多克啊， 它会自动下载，稍微等一下可能要三四分钟吧，整个过程 只需要复制那个命令就行了， 后面都是自动的， 全部给你配置好。你主要最主要是要记一下后面的密码，他等一下会发发出来 这些坐标这些他都会自动安装，像谷歌地图啊，高德地图。好，密码他发出来了，主要是这个必须要记下来，他只会显示一次啊，看一下说明 这里有文档，你可以进去看， 然后你就登录你本地的 ip， 我 这个是在服务器上面演示的 哦，你还要下载一个这个，这个 app 你 记一下，等一下要用看一下 四四千，就用这个 app 复制，里面的 这两个是反的，你们复制粘贴的时候一定要反下面这个粘贴到上面，上面这个粘贴到下面 就可以点耶，就可以点登录了，这样是有点问题啊， 这样就登录成功了， 你以后开的话他都会刷新出来的， 这里要改一下，改成三千， 然后你点 点控制台就可以去看了。这个账号 a d m i 密码密码密码密码密码，就是这个刚刚 这个一定要记住啊，它就会出来了，这第一次登录啊，它是没有数据的，你要多跑几次它才有数据， 目前都没有数据， 反正挺简单的，你可以去看一下这个项目 里面有什么都有， 这里有排查，有任何错误都可以在里面看，这里有新手向导， ok。