很多人要自动化制作 ppt 的 教程,现在它来了, harness anything 这个 skill 的 ppt 制作能力迎来史诗级加强。内置清华大学、北京大学、南方科技大学、华中科技大学等大学的 ppt 模板、代码和脚本都上传,可以一键出自己想要的 ppt, mac 和 windows 版本同时更新,以后会上传更多大学的模板和制作 ppt 的 代码,大家多多关注和点赞,是我更新的动力。
粉丝1.5万获赞25.6万

学会 harness engineering 之后,你尽管出门玩, ai 自己会在家里写代码。我在 codex 里输入这条指令之后, ai 连续工作了三个小时,最后开发出一个完整的游戏, 这就是 harness engineering 好 玩的地方。和需要跟 ai 来回改 bug 的 提示词工程不一样,它给 ai 套上了这三个码句,分别是地图、目标和验收标准。 有了这三个约束, ai 就 能一次把事情做对。具体怎么操作呢?接下来我用扣贷 app 给大家演示,大家可以先点个收藏哦。 第一步,给 ai 建一张地图,放在项目根目录下的 agent 点 m d 就是 这张地图,它的作用是让 ai 了解这个项目的整体情况。虽然现在的 ai 已经足够聪明,不给任何信息,他也能自己探索了解这个项目,但探索就会烧偷啃,注意力也会被分散。 所以关键信息一开始就要交出来。提供什么信息呢?最重要的两个,第一,这个项目是做什么的,用一句话说清楚。比如说我们这里写了用勾导开发一个二 d 的 小游戏。第二,项目仓库的结构,也就是说明清楚代码、资源、文件、文档对应的是哪些文件夹, 剩下其他的信息可以按需补充。比如说开发约束,也就是不能做什么,必须遵守哪些规则等等。注意不要把所有细节都塞进来,它只是目录,不是一份完整的说明书。 第二步,把目标写到规格文档,这份文档一般放到 spec 文件夹下面,要写非常详细。比如在这个游戏项目中,我写清楚了游戏的机制是什么,视觉风格是什么样的,以及这个版本具体要交付哪些内容。如果要写的东西很多,可以拆分成两层, 先写一个主规格文档,再从里面链接到其他字模块的文档。比如我这里就把规格文档拆分成了两个字文档分别是游戏机制和视觉校验。最后一步是写一份验收标准, 验收标准最重要的是具体能对照,比如能量化的地方直接给出具体数字,可能蒙混的地方一定要明确写出判定方法。 还有一点特别重要,一定要让 ai 提供测试通过的证据,在源头上杜绝 ai 偷懒。但到了这里,哈尼斯的基本框架就搭建好了,但不知道大家有没有发现不对劲的地方, 就是 ai 既写代码又当测试,最后还要验收开发成果,你就猜他会不会偷懒吧。这个时候如果直接让 ai 开干,你会发现不到十几分钟, ai 就 告诉你任务完成了,但产出质量却一塌糊涂。 说白了,不能让 ai 既当运动员又当裁判,必须让一群 ai 分 工合作。怎么做呢?手动创建子代理,然后编排他们的工作是一种方法,不过这有一点麻烦, 我们以后单独做一期视频来讲。这次我们就直接用 superpowers, 一个开源的工作流插件,它能自动帮创建多个子代理,并且安排好任务和分工。安装方法很简单,点插件,在搜索栏输入 superpowers, 然后点添加就可以了。装好之后点加号,接着点插件,然后选中 superpowers。 其他的跟刚才一样,直接让 ai 干活。不同的是,这次 ai 会自动创建很多个子代理, 每个子代理都会明确自己的职责,比如负责写测试用力的子代理,会根据验收标准设计详细的测试用力,而代码则会交给另外的子代理来开发。分工之后最明显的就是整个开发时长会拉到很长,最终出来的结果也会很完美。 好的,那最后来总结一下, harness engineering 的 关键就是清晰的定义目标和验收标准,再交给不同的子代理去执行。 如果 ai 的 产出结果不理想,我们应该先反思是不是没有跟 ai 交代清楚,而不是靠聊天来补救,这个就是驾驭工程和体式子工程最本质的区别。关注我,学习更多 ai 编程技巧,我是花子,我们下期再见!

今天啊,我跟大家分享一下 openstack 和 superpose 两个工具的融合的使用。首先我们来看一看,你是不是觉得 ai 写代码不太可供,就像拆盲盒一样,第一次生成代码总是有问题, 要反复跟 ai 沟通好几遍才能达到你想要的一个效果, 那么哈尼斯工程化就是你的救命稻草,而 s d d 就是 业类成熟成问的实践之一,大厂们都在用我之前的视频也有过介绍 s d d 的 常用的一些工具, 之前我有介绍过 spec kit, 还有 open spec, superpowers and lin spec 这种轻量级的。 那么网上有不少对这些工具的介绍的文章啊,我认为啊,大部分都是偏理论的,那么你看完之后啊,在实际的项目中依然可能不知道怎么选择,该怎么用, 那么今天我就用实际的项目跟大家做一个分享,怎么把 openstack 跟 superpose 两者结合起来。 我为什么介绍这两个工具啊?是因为我最近啊,我发现 openspec 跟 superpowers 两个配合起来是一个非常不错的一个组合。 openspec 它擅长于需求的这个定义与功能的一个定义, 通过这种描述这种结构化的项目需求,可以明确迭代目标和边界,同时把这个迭代完成之后,还可以通过文档与文档进行同步,让团队协助, 就不再是硬啃代码。而 superpose 他 比较擅长高质量的执行,就像一个高级的开发工程师,质量非常有保障, 它可以制定详细的这个开发执行计划,而且开发完成代码之后,还可以实现这种自动化的代码的测试与质量的保障。接下来我先跟大家介绍一个我自己用 web coding 做的一个小项目,叫做审批参谋, 这个项目呢,我把它定义为是一个一个初阶版的这个智能体的 demo 啊,用户群体是需要经常审批文件的管理者核心痛点就是 经常审批同一个文件或者同类型的文件,每次都要从头 阅读到尾,看这个文件有没有被改过,或者是条款跟之前的有什么出入啊,每次都要从头开始读,如果一篇文章或者一个文档有 好几十页,那么这个是非常耗时耗力的。我通过这个智能体结合大模型, 可以通过智能判定啊,自动判定是否已审批过这个同意个文件啊,如果审批过就直接同意。 那么第二个是可以差异的分析,如果是同类型的文件已经批过了,可以根据你的审批历史,自动的找到类似的文件的差异点,然后提示我们重点关注不同之处,并且结合大模型给出一些省略的意见。 最后啊,我想通过这个智能体记录这个每个用户的这个审评历史,还有我们平时的这个反馈,通过保持这种记忆,完善用户的画像,实现这个智智能体的自动化。 那目前这个项目还存在一些问题啊,这个项目的问题一是因为当时我是想快速的跑这个 demo, 就是 没有考虑这个存储,就是采用最简单的方式,就是本地的嵌入式的数据库 sqlite 三啊, 但采用这种数据库存在一个问题,就是因为它是本地就一个文件啊,容易进行误操作,删除之后数据就丢失了啊,而且它不利于后期的这个扩展和升级。那么第二是网络请求使用的是 这个 x i o s 啊,是没有得到封装的,这个是 ai 自动使用的这个这个内裤啊, 这问题是不便于对请求的拦截,比如或者是,嗯,服务器返回之后做一些拦截啊,比如超市的一些处理啊,都不便于进行统一的一个处理。 那么针对以上的这两个问题啊,我想通过这个 opensbag 和 superpowers 的 结合来对这个项目做一个小小的重构啊。 重构的两个方向是,第一是我们把数据库改成 my circle 啊,这个 my circle 先在我本地跑啊,然后那个 host 是 吧?然后第二是把这个 x i o s 这个原声的这个呃,请求的库改成封装成一个工具类啊, request js 啊,这样呢,便于后期的做圈权,做这个响应的统一处理,还有做一些重试重复的请求后期的一个升升级啊,比如我更想更换浏览器原生的这种飞起这种请求库都是可以的,不影响我的业务的代码的改造。 好,下面我通过项目的实践跟大家做一个呃,这种重构, 先介绍一下这个步骤啊啊,这个项目的一个整体的一个流程啊啊,如果要使用 openstack 呢,你首先要安装相应的插件,之后 对项目进行初步化啊啊,第二就是把重构的这个需求输入给 openstack 这个插件来来进行 嗯,需求的一个定义,那么第四第三是执行计划,这从执行计划开始的话,我们就会利用到这个 superpowers 的, 那么第四我们把这个计划啊执行好,嗯,编辑之后啊,就通过这个 exact plan 这个执行这个计划, 当然这一步的话也可以不用显示的调用,在前面一步 right bands 的 时候,它会提示你是否要开始执行,也是可以进行演示的这种调用的。 那么第五就是我们把这个代码实现之后,我们测试之后也没问题,之后我们就可以通过又回到 opensback 执行这个,那把相关的文档进行同步更改来通啊,进行归到。 那么最后啊,这些都没问题之后,我们可以把这个代码提交到我们的代码仓库,完成了本次的一个迭代的一个闭环。好,流程 大概就是这样,我先给你介绍完毕之后,我们就看一看通过代码层面是怎么实现的。首先启动 ctrl, 嗯,回到刚才那个介绍的这种流程啊,初步化项目,因为我之前已经初步化这个项目了,所以这部分省略了。然后我们进入第二步定语需求啊, o p s x 这个前缀的命令开始啊,就是调用的是 openstack 的 项目的 skill propose, 我 们把我们的需求描述输入给 cloud code, 为了节约时间,我这提前把这个已经敲好了,直接复制过去, 可以看到 openstack 它识别到了,我是要创建一个新的变更, 刚才我们敲了一个 propose, 把我们的需求输输给他,是吧?输给他,现在他进行了一些分析啊,创建了一个这个 propose 的 md 文件 提示,我是不是要创建啊?我这里写 yes, 因为我这里是做演示啊,所以把数据库账号,密码都写到这个 md 文件里面去了啊,正常情况下或者是深实际的工作中,大家不要这样干哦, 这会存在一个账号的一个泄露,然后现在它又提示我是否创建这个 design md 设计文档,是吧?我们选 yes。

当然其实整个这个 harness engineering 这个工程上面我们要去实现的东西呢非常多,多到大家可能现在想象不出来,就是要需要做哪些过程呢?做哪些步骤呢? 我们先通过这张图给大家演示一下啊,自然语言输入之后转成设计图,再通过设计图输出这个 jason, 这个 jason 呢,它会去做校验 啊,教验通过,那么就给编排引擎啊,等等去优化。然后呢再接入 m c p 协议,对接到你本地的编码引擎啊,就或者用编码工具,最后输出最终的代码,如果说教验不通过,他会去修正啊,这是我们完整这个链路的一个实现, 那所以呢,其实分三部分,第一个是整个 jason skay 来负责我当前设计图的结构,那可能是长这样,还有布局,有布局中间对于那些组建的使用,在这一块 还有包括样式啊,这是属于 json 的, 每个平台都可以有不同的 json, 但是我们的这个实战这一部分呢,设计的 json 大家可以参照,比如像这个样子, 这里设计好之后,那么我们所有的容器大家可以看到都是基于 flex 布局,那这样一来我们就要去实现一个标准的 flex 布局的 auto layout 引擎 来做啊,什么叫 auto layout 引擎呢?其实刚才给大家演示了,比如说我在这里我可以让它居上居中居下啊,居左,对吧?这样就是居左,然后呢我也可以居右,可以居右上居中间,中上左中下等等, 这个其实就是一个标准的 flex 布局,你看我现在是不是横向,我立马可以把它变成竖着或者横着,或者竖着,或者呢调成别的方式啊,那这里呢?我也可以把它 space between, 这样一来它们就直接分离开。 好,这就是 auto layout 编编排引擎的实现。怎么做呢?我们通过这个视例,通过有这样一个 json 嘛,提取到 flex 布局的规则,它就可以去做布局的处理了。 啊,那类似于我们这个实战也是一样,我其实现在只用去关心你这个容器是什么样的一个布局方式。这里布局方式有这样一个九宫格,好,我左中右,左上,左中左右左,呃,这个,这个右右右上啊,下面 下右下左,对吧?这是一个对齐的方式,我还可以摊开,那这样就摊开了。好,这是完整的这个实现。我们自己呢,通过势力来把它们创建出来。那有同学其实 就会有疑问了,这个 jason 数据哪里来的呢?就是通过大模型,根据我的描述,通过多轮循环帮我生成的这个 jason 数据。我先有个 jason 数据的标准,他在基于我这个 jason 数据的标准来生成我所想要的这套格式。那我给他举个非常简单的例子,比如说在我的 刚才这个模型这一块,我给大家定义的,这是我们属于我们当前的内容描述,对吧?那个 component layer, 好, 我打开一个,比如说我就用欧拉玛来给它试一下,我这里选择一个千问三点五九 b, 然后呢?就说我现在 dsl 呢,是这样的,哪样的?这样啊?那如果我现在需要,呃生成一个头部,然后呢?不是叫叫叫这个 header, header, 然后呢? body footer 的 官网页面,请按照 按照这个 json 给我返回啊,回去你看一下,待会儿看它生成的这个效果是什么样子的啊?你就相当于让它去描述基于你的这套 json 来给你生成啊,生成这一套标准的用来去描述你整个官网页面的 json, 所以其实在数据生成这一刻,这一侧要用 ai 工具,在 jason 的 这部分描述里面,布局引擎这一块不需要。为什么呢?我们自己去实现一套布局引擎,把这个 jason 能够渲染到视图工具里面就可以了,就比如像这个样子。好,那接下来呢,后面字实现一个 m c p 来去连接我们这里写的这个设计软件,让它自动的去转成最终的代码就 ok 了。好,那其实可以看到我刚才这里呢,转成的是 react 代码,对吧?你看这是 react 代码吧。那如果说啊,我现在假设来到这边,我把刚才这些体式词呢,我都复制一下啊,当然这个不要这步,我把它复制一下, 复制一下,然后再往下翻,把这个呢也复制一下。好,这个时候我直接全部清除掉,我或者说我到一个新的新的这个页面里面去啊, cd 出来,然后呢? cd 到 当前这个项目。嗯,我们比如初步化一个吧,像 make dear 一个 demoos 杠 view, 当然你用其他语言都没问题啊,我记得呢,最好还是给大家去用前端的语那个语言或者框架来实现的话,同学们看得更清楚一点。好,我直接 c d 点点到这儿啊, p m p m create wait, 这里呢,我们叫 demoos 杠 view。 好, 这里我选择 view, 选择 t s yes, 非自动布局的话可以啊, 自动布局,其实对于,呃一般的这个设计图而言其实会更好一点,就如果说是非自动自动布局的话呢,实现的话你不管是开发还是跟设计去,对啊,它其实会耗精力一点。好,这个时候我们这就是用 view 抽象出来的啊,我们来看一下,这是用 view 抽象的五幺七三,这是 react, 然后呢这个是一个版本的 view 的 版本。好,我们来试一下,在 view 的 这个版本里面,我们同样用 code 来帮我做一下刚才的我的这个工作, 我把提示词粘过来啊,一个是它,然后呢还一个是它。好,接下来我们来看它最后的输出是什么样子的就可以了,我们不等它啊,那这个时候呢,整个链路的实现,其实我们之前给大家讲的, 从 jason 啊到 flex 到最终接入之后,通过你提供的这个 m c p 来获得到你当前的 组建,获得到你当前设计图里面的整个结构,那比如说这结构是这个样子,那接下来呢,你就可以通过 codex 来基于你加载下来的这些数据来直接编码啊,就是最终逻辑代码生成的地方。

cloudcoat harness 核心要点解析指南第一张, cloudcoat 技术架构全景小白最近主导了一个 ai agent 的 项目,选用 cloudcoat 作为核心工具, 起初表现惊艳,代码迅速生成,但两周后问题集中爆发。每次新绘画, cloud 就 忘记技术战, 生成的代码风格混乱, black 格式时有失无,最严重的是一个涉及六个文件的任务,处理到第四个文件时, cloud 就 遗忘了前绪逻辑。 小白抱怨说,感觉像在带一个每天失忆的实习生,能力不错,但什么背景信息都记不住。华哥没有安慰,反而连问三个问题,你配置了 cloud md 吗? 为什么不用子智能体来拆解任务?为什么不配置 hux 来自动?首位,小白哑口无言。 华哥指出,问题根源不在于 cloud 模型不聪明,而在于小白仅挖掘了它百分之十的能力。 事实上, cloud code 是 一个完废的 agent 框架,内置了记忆系统 skills、 子智能体、 hooks 和 m c p。 你 遭遇的每一个痛点,在框架层面都有对应方案,只是你尚未知晓。 华哥用冰山来比喻 cloudcoat 像一座冰山,水面上仅是露出的一角,对应对话交互、代码生成、命令执行。水面下藏着庞大基座,这才是真正的技术纵深。 记忆系统四大组建集成机制, agent、 s、 d、 k 都在水面下,这些隐藏的能力才是解决问题的关键。 水面下有八个核心能力, cloud md 是 记忆系统 skills 承载领域知识,子智能体拆解复杂任务。 hooks 在 关键节点首位, mcp 连接外部系统 headless 模式,支持无人执手运行。 agent sdk 允许代码级编程, plugins 用来打包分发,每个能力都精准解决一类问题。 从低效到高效,需要范式转变。之前小白的做法,本质是手动写脚本, 每次要复述技术站,手动描述规范,靠个人记忆检查,这样既低效又容易出错。框架化的做法完全不同。把技术站写进 cloud md, 一 劳永逸。 把规范封装镜 still 自动加载,把检查配置为 hulk, 永不遗漏。这种转变的意义深远。配置一旦确定, cloud code 就 不会遗忘,不会懈怠,更不会因为疲劳而降低标准。 这正是工程思想的精髓,把个体智慧沉淀为制度规范,让机器按规范执行,消除人为错误。接下来,我们深入四层架构的内部结构。 cloudcoat 可以 抽象为四层架构。华哥用摩天大楼来比喻,记忆层是地基,若无地基,一切都无从谈起。 扩展层是主体楼层,承载四大组建。集成层是水电管网,连接外部世界。编程层是顶楼工作室,让你成为建筑师。四层递进,共同构成完整体系。 记忆层的核心是 cloud md, 它本质上是一份给 ai 的 员工手册,每次对话启动,自动加载到上下文,这样 cloud 就 不再无状态。能够理解项目背景。 cloud md 本身也分五个层级,企业级、用户级、项目级、规则级、本地级。层级越具体,优先级越高。这设计与 css 的 层叠优先级异曲同工。 扩展层有四大组件, comments 是 最直观的用户手动触发斜杠指令, skills 则不同。 cloud 自动判断是否需要按需加载此智能体解决。上下文一出,为特定任务开辟独立空间, hoax 充当首位,在工具调用前后进行检查拦截。四个组建,各有用途,互不重复,正交性很强。 我们用记忆口诀来记住四大组建, commands 是 你教他做,由用户指令驱动。 stills 是 他自己知道该做。 cloud 自主判断,自智能体是他安排别人做,委派任务给专项 agent。 hoox 是 不管谁做到了这一步,就检查,在关键节点自动触发。这四句口诀包含了触发机制的本质区别。 集成层是连接外部世界的桥梁, headless 模式让 cloud code 脱离交互终端,在无人值守环境自动运行, 可以无缝嵌入 c i c d 流水线, m c p 打开另一个维度,赋予 cloud 与外部系统深度交互的能力,通过配置轻松访问数据库,调用 api 操作。 github 是 集成层的两大支柱, 编程层就是 agent sdk, 这是一道分水岭。在下面三层,开发者主要通过配置文件拓展能力,一旦跨越 agent sdk 这条线,就进入构建者领地。可以用 python 或 type script 直接驱动 cloud code, 从零开始构建全新 ai agent agent sdk 让你从使用者升为为建筑师。 在理解四层架构之后,我们要探究更本质的概念。 harness 就是 马具 and phropik。 官方定义说, cloud code 是 包裹在 cloud 模型外层的 agent 编排框架, 原生模型只有生成文本的能力, harness 赋予它读取文件、编辑代码、执行命令的手脚。没有 harness, cloud 就是 各空有智力却寸步难行的大脑。 agent 等于 model 加 harness。 harness 是 围绕引擎的全部基础设施工具,系统权限控制、上下文管理、绘画持久化,还有驱动一切运转的核心循环叫 agentic loop。 这个循环深刻揭释了 cloud code 的 工作原理,不是简单看一眼猜答案,而是反复观察假设、验证、查阅日记、搜索代码、理解上下文,最后才修复问题。 agent loop 的 运作流程分五步,第一步,接收输入,包括用户 prompt、 系统设定、工具定义和对话历史。第二步,模型推理 cloud 分 析上下文,生成回复。第三步,执行工具 harness, 执行工具收集结果。 第四步,结果回注,把工具结果追加到对话历史。第五步,重复或结束循环核实终止模型认为任务完成或达到最大伦书限制。 有个关键洞察,同一个模型在不同 harness 下的表现差异远大于不同模型在同一 harness 下的表现差异。 terminal bench 测试证实了这一点,通过优化 harness, 同一模型从基线以下直接跃升到 top 五。 这说明 harness 比模型本身更重要。你学的四层架构中的每一环都是在精雕细琢。 harness 组建之间如何协调工作呢?让我们追踪一个真实请求的完整流程,用户输入,帮我审查代码,确保没有安全隐患。 cloud code 会自动编排, 先加载 cloud md, 了解项目背景,再自动加载安全审查 skill, 判断任务复杂度,创建至独自智能体,触发 hulk 自动格式化结果,最后返回审查报告,全程无需用户干预。 这就是可组合性的真谛。单个组建,像积木组合起来,形成自动化流水线,完美体现了软件工程的关注点分离原则。每个模块专注单一职责,通过接口协调工作。 cloud md 专注知道什么? skills 专注怎么做机制能体专注谁来做? hooks 专注能否做?职责清晰才能自由组合。 组建之间还有一种关系,就是打包与分发。 plugins 并非新能力,而是打包机制。比如你为团队构建了完整扩展体系, 包含 skill 子智能体 hook, 如果手动复制会很麻烦。 plugins 优雅解决这个问题,一个 plugin g s o n。 清单就能打包所有配置,新同事只需一条安装命令,所有配置自动部署到位。 初学者常误将 pladins 视为更高级的 skills, 实则二者维度完全不同。 skills 定义能力类型, pladins 定义分发形式。 pladins 就 像容器内部封装、 skills、 commands、 hooks 等多种。组建核心不是执行什么任务,而是如何打包分享。 个人开发者不必创建 plugins, 团队负责人则可用 plugins 实现最佳实践的标准化。 面对纷繁的组建,如何快速做出选择?我们提供了决策树和场景对比。 决策树从需求出发,问自己触发方式是什么?需要人触发吗?逻辑复杂吗?步骤固定就选 commands。 需要 cloud 判断就选 skills, 自动触发吗? 事件节点就选 hux c i c d, 流水线就选 headless。 再问运行环境,任务量大就加此智能体,需要外部系统就加 m c p。 需要代码控制就用 agent s d k。 我们通过六个具体场景来演示,选择每次发布执行固定检查,用 commands 讨论财务问题,自动指导,用 skills 审查大型代码,避免溢出,用子智能体 提交前自动拦截隐患,用 hooks p 二后自动审查用 headless 加 commands 操作 github issue 用 m c p。 记住一个原则,用最简单方案解决当前问题,不要过度工程化,也不要工程化不足。 本章小结, cloud code 不是 命令型版 check gpt, 而是可编程、可扩展、可组合的 agent 框架。 冰山水面之上是对话交互,水面之下是技术纵深。四层架构绘至清晰蓝图。记忆层是地基,赋予理解能力。扩展层是主体,提供四大组建 集成层连接外部编程层,让你成为构建者。掌握这些,就能从被动使用迈向主动编排。 第二章将深入记忆系统 cloud md, 这是实践的最佳起点,让 cloud 永远记得你的项目规范与偏好。感谢观看,关注我,获取更多 ai 实战内容,我们下一章见。

我现在最讨厌就是那些麦克的博主,天天吹 cloud, 还有酷狗 x 怎么怎么牛逼。我最早就一直没有用国外的模型,主要因为我懒得翻墙,太麻烦了,而且我是代码量比较大, 我现在的代码在那两百万,加上所有配置文件大概五百万,我不可能用国外大模型,酷狗 x 还有命令行那种格式, 所以我一开始用国内的。那我当初发现最好用的模型就是 kimi, 这个印证了我一个点,就是马圣马斯克 spacex, 它收购了那个 q sir, 它就是套壳 kimi 的。 你就想你就知道,大家说其实不知道模型能力的, 大部分人是感觉不出来的,所以国外为了卖课,他就是要推国外的模型,因为这里头可以设置到很多中转站的商业模式我就不说了。 所以现在的国产模型和国外模型是没什么太大的区别,尤其智普五点二出来之后,觉得这个模型是非常强的,我一般不舍得用。一般现在用的最便宜的 deepsea vs flash, 因为我的哈尼斯工程体系建立起来了, 就现在用什么模型,写写我这种框架代码基本上都不会差,所以我现在一个月大概两百美金的消耗,而且用的基本上都是最便宜的模型。 deepstack v 四 flash 和千万三点七 max 在 现在打五折, 那个消耗是非常低的。你想想我的代码量多大,因为我现在同时将近五百万行代码吧,工程量特别复杂, 但是哈尼斯建立起来之后,我心里特别爽,现在洗的代码基本上一次过,因为我有各种约束,各种规范, 这种花了半年时间去逐渐打磨,逐渐摸索出来的,我觉得这个非常有价值。如果你们觉得非常好了,我会做系列客人,我也在跟一个大厂官方的去合作,帮他出基于他们工具的一套哈尼斯实战, 你们不用去报这种课,没什么太多价值。 harness 本是最重要的是工程实践过程,不是理解它们里头的所谓的什么概念,什么 ruler agent, skill, 还有 command, 还有记忆,记忆管理,这些都不是价值。最关键的是你怎么根据你的工程搭建适合你自己的 harness。 现在我花了很长时间去摸索这个过程,特别痛苦。我最开始也是用最贵的大模型,是用智普的,我所理解的这就是智普。五点一,现在都用 deepsea vs flash, 全部搞定, 非常爽。现在我的模型成本全部下降下来了,我的 toky 成本消耗也下来了,只不过我要做的东西越来越多了,所以说还是每个月保持很大的一个图形消耗量。

今天我们把 ai 自动化抠定的哈尼斯是如何设计的这件事情给大家讲透,这是我昨天 ai 自动化抠定在跑的一个程序,然后一共跑了十八个小时,四十五分钟,然后效果呢是非常好的, 然后并且呢它的 top 销量消耗呢是花了三亿多个 top, 那 如何做做成这件事情呢?我今天想跟大家聊聊这个底层的逻辑啊。我们知道 ai 自动化抠定的话,它其实是一共分三大步骤的, 但第一大步骤呢就是你要让它自动化的话,你要做什么是非常重要的。你想要这个 ai 自动化去帮你做什么?老项目也好,新项目也好,你自己要有一个想法,你自己要去梳理这个需求,这个思考呢其实是不能省的,你要想你去要什么,这件事情其实是比怎么去做要关键很多,所以第一个事情呢是你要把这件事情想清楚。第二 事情呢就是如果你让 ai 可以 自动化拷定起来的话,那你要知道它的软件架构是什么样子的,然后它里边呢? 呃一些风险点和最佳实践,你自己要去理解。你比如说如果你直接去用 superpowers 里边的自己的最佳实践调研完了以后,直接去开发的话,你会发现开发到后边的话,其实还会有很多后力不足的情况。就比如说我们开发到一半的时候,他认为最佳实践其实是他在网上找到或者 或者是那个搜寻来的这些信息,其实不是说你认为最佳实践。所以如何去结合你的想要做的这个东西呢?如何去 把它做好,那这个整个软件结构呢,你需要去了解,如果你知道你要做什么,然后并且呢你也知道你的软件架构是怎么样的,那你就拥有了掌控感,你有这个掌控感之后呢,你可以去跟 ai 的 去聊,你要做这些东西,让他给你出一个技术型的,一个实施的一个 p r d 的 一个文档,那 这样呢,你的掌控感就会变得很强了,他在这两步的时候呢,他就会告诉你说数据库是如何去设计的,结合你的需求的话,页面中应该有哪些功能,哪些功能,它的用户旅程是什么呀?它这两块呢都会给你讲清楚。然 然后呢我们才说到了整个自动化拷定的第三步,就是你要去做它,那这个呢也是我们去聊的一件事情啊,就是我们 ai 自动化拷定二点零,其实讲的也是这样的一件事情,就是如何去做什么,但是前两步的话,还是需要你自己去提高你自己对软件理解也好,对你自己的需求或者场景痛点的理解也好。 结合前两步我们才说做第三步其实是有意义的,那也就是说自动化它,那自动化它就到了 ai 拷定里边的 harnis 的 方式是如何去设计,那什么是 harness 呢?其实我们可以理解成 harness 就是 让 ai 去往我们希望的正确的方向去运行,去执行的一个工具也好,一个流程也好,一个提示词也好,这些所有的约束的东西,我们都可以叫 harness。 所以呢我们说啊大的 harness 其实是有两层的一种呢, harness 呢是我们通过固定的编程的手段的话,我们把 ai 限制住,让它往这个固定的方向去走。然后第二种 harness 呢,是我们把它的路由的规则,比如说 agent 点这些规则,我们给它写清晰了,让它在做一件事情的时候,它有足够的上下文,然后把事情做对,那这个呢是非常关键的两个,两个 harness。 那所以我们先说第一个哈尼斯啊,第一个哈尼斯的话,我们说,哎,对于 ai 自动化抠定来讲的话,我们需要知道 ai 它自己的本身的限制有哪些,那这个呢是我放在星球上面一个文章那里边呢,其实就讲到了说, 呃,现有的模型呢,比如说上眼纹增大啊,它会有一些衰退的情况,然后包括它会有一些自我认知,还有概率性的一些问题,比如说我们就去解决模型的概率性问题的话,我们就知道我们如果让 ai 自动化抠定能运行起来的话, 那每一步骤的话尽量是让它最小的使用模型,让它尽量的可以把流程化 workflow 型的一个东西的话,固定下来的话,我们就使用这样固定下来的方式就可以解决它的概率性问题。 那所以呢,对于 ai 自动化拷定来讲的话,我们其实会分为我们前两步啊,就是需求一个收集,然后到真正的开发的时候呢,就会包括对 task 拆分,一个一个 task 去做,一个一个 task 去呃验证,去测试,那这个呢就是其中的一个哈尼斯工程,我们是固定的流程的话,把 ai 约束起来, 那固定流程去约束起来之后呢,其实还有一块呢是非常重要的一个哈尼斯,就是当他有了固定流程和固定 task, 他 去做的时候,每一个 task 的 话,他怎么去做?那这个其实是非常关键的,那也就是说呢,我们在项目里边呢,会有一个 agent 点 m d, 它其实是一个地图,那这个地图呢,会告诉你整个的项目,整个的框架上下文项目的结构是什么样子的,那他都会告诉你这些东西,当你做每一个 task 的 时候,你读取到这些东西的时候,你再去做的时候,你就准确度就会高很多。 那所以呢这是两部分。那第二部分呢,我们去讲一讲这个 agents md 呢是如何去做的?呃,之前给大家讲过 open i 这篇文章, open i 这篇文章呢,其实讲的就是路由或者说 agents 点 md 这个 harness 工程是怎么去做的? 他说你可以把整个的一个项目呢做成一个地图型的,一个 map 的 一个地图,那里边呢其实都是一个所以文件,比如说这有一个 agents, 然后这是你整个的项目的一个架构图, 下面呢是根据这些 agents 和里边架构的一些信息呢,呃去解锁不同的 docs 里边不同主题相关的一些内容,那这样它其实就是间接式加载的。就比如说如果呢我们去改变数据库相关的一些内容的话,我们就去看数据库相关的内容,就通过这个 agents 点 m d, 我 们就看到这个相关内容。 那如果呢是我们产品相关内容呢,我们就去看产品相关的内容,它呢就可以分配到不同的文章,就从而呢建成了一个项目级的一个 map, 也就是 structure 这样的一个方式,那表现形式呢?就是以 agents 为入口,然后其他文件呢作为缩影,形成渐进式加载这样的一个过程,从而呢把整个的一个一个的 task 呢 做好,那每一个 task 呢?他就有这些参参考文件,他去做的时候就有足够的善文就可以把事情做好。我给企业做了很多实验之后,我跟大家讲讲,我在企业里边再给他们去做啊 agents 点 m d 的 话,这种哈尼斯结构我是怎么去设计的?那这里边呢?其实我是分三层的,那第一层呢?其实 agents 点 m d 它是一个极其抽象的一个层次,它只是一个目录的一个缩影,然 然后包括呃一些简单的一些说明,然后呢下边一层呢有一个集成层,然后这个集成层呢会呃,会告诉我们不同的子项目和子项目之间是如何集成,如何去交互的,然后每一块子项目去 做什么?这层为什么很重要呢?因为企业级的项目他大多数都是子项目或者微服务形式去存在的,他并不是说一个项目的话,从零到一的一个开发,或者说有一个单体运行的一个项目就这样去跑着,他不管是因为数据的安全隔离也好,为了项目复杂度的拆分,或者为了高病发的拆分也好,他一定是不同的子项目会去隔离的。那 所以呢,我们中间呢就需要有一个一个基层层,那这个基层层说明了子项目和子项目之间的一个关系和负责的一个上下文,然后他负责的业务的一个 呃方向是什么?那最后呢?其实是第三层,第三层呢是子项目的一个事实层,那这里边呢,就会放每一个子项目,它的结构是什么呀?它的技术栈是什么啊?它的呃写法的约束是什么呀?它每一个子项目其实是不一样的,有可能你这个子项目用 python, 下一个项目就用 ts, 然后有的项目呢,你用的是 java, 这都是有可能的。 所以你有了这个三层子项目之后呢,你就会形成了一个这样的一个结构性的文档,那这样的文档呢?和他们 open i 的 文档呢?其实是这样的, maps 就是 相对应的,我们有了这个哈尼斯结构呢,再结合我们之前的 ai 自动化抠定本身的固定流程的哈尼斯结构呢,就形成了一个可以自动化研发运行起来的 ai 自动化抠定的一个一套程 序。那从而呢,这里边有一个关键点是后边我再跟大家去分享,就是说 ai 自动化抠定呢,它会有很多过程数据去留存下来,那这个过程数据的话就由呃 呃,很像我们之前跟大家去聊过的啊,可乐扣的泄露原版关于 session 记录的这部分内容,我们把这部分内容记录下来之后呢,其实你会发现啊,整个 ai 自动化扣定还差一个复利工程,这个复利工程就是说我们把这些 留存下的这个数据,我们怎么通过复利工程的方式呢?把这个 max 给它更新掉,那如果我们能把它更新掉的话,我们整个 ai 自动化扣定的话,这个整个地图呢,我们就建立完成了, 那也就说我们大量的工作呢,是在前边儿的思考和理解上边儿,然后后边儿的所有的东西都是 ai 自动化拷定的。那希望呢?今天内容呢?对大家有收获,关注雷哥,关注 ai 工程化落地。


三分钟讲清楚 harness 工程是什么? harness 是 评测 agent 的 关键工具,它记录任务环境、工具使用及结果,帮助分析问题所在。最小化 harness 包含 test, environment, truth, trace 和 greed。

欢迎来到 cloud code harness 核心要点解析指南,这是一门关于 ai 编程范式跃迁的实战课程,我们将一起从被动使用一个 ai 工具,升级为主动驾驭一套 ai 工作流。 几乎每一个用过 cloud code 的 人,都会遇到相似的五个痛点,每次新绘画, ai 都像诗意一样忘记你的技术战, 同一个任务两次生成代码风格飘忽不定,六个文件的工作做到第四个,前序逻辑就被他扔出窗口。上线两个月,账单从几百标到几万,团队协助时,每个人都各写一套规范,新人摸索两周还在踩坑。 这些问题本质上不是 cloud 能力不行,而是使用泛式没有跟上。你把它当聊天机器人用,自然只能得到聊天机器人级别的产出。当我们升级思维,把它视作一个可编排、可配置、可工程化的智能体平台,整个画面就完全不同了。 这门课围绕一个核心公式展开, agent 等于 model 加 harness, 模型只是引擎,决定上线的是套在引擎外面那套软件,也就是 harness。 它由记忆、扩展、集成、编程四层组成,共同支撑一个真正可控、可附用、可规模化的智能编程助手。 harness 的 四层架构可以想象成一栋摩天大楼。最底层是记忆层 cloud md 五层体系让 cloud 永远记住项目规范。向上是扩展层, skills 子智能体 hooks 让能力按需加载。再向上是集成层, m c p 协议把外部世界接入对话。最顶层是编程层, headless 和 agent s d k, 让 cloud 嵌进你自己的应用,跑进流水线。 围绕这四层,我们设计了完整的实讲体系。第一、第二章是基础架构,讲技术全景与记忆系统。 第三、第四、第五章是核心能力,深入 steels 子、智能体、 hux 三大扩展机制。第六章讲集成生态,也就是 m c p 协议。第七到第十章是工程实践,覆盖 headless agent sdk、 plugins 以及成本与团队治理的完整落地路径。 十章的学习路径遵循一条清晰的进阶轴线。第一站,认识工具,理解 cloud code 的 真正定位。第二站,扩展工具,把它的能力按你的需求重新组合。 第三站,连接世界,让它访问外部数据与服务。第四站,驾驭工具,把它工程化部署到团队与产品之中。每一章为下一章打地基。 这门课的四个特色,决定了它和市面上的 ai 编程教程很不一样。故事话画个与小白师徒两人对话,贯穿全程,工程话不停留在 demo, 给出 react、 node js、 python 三类真实项目的可附用配置, 可视化液态玻璃、 h u d 风格,加大量结构图与决策数,毕竟是从被动使用到主动编排,层层深入。 这门课是为三类人准备的。第一类是 ai 工具的使用者,天天用 cloud code 写代码,但总觉得差点意思,想炸出他真正的潜力。 第二类是团队的架构师,要把 cloud code 引入团队,卡在规范、成本、安全的工程化落地。第三类是产品的构建者,想用 agent sdk 把 cloud 嵌进自己的产品。 实讲学完,你将带走四件礼物,一套完整的 harness 思维模型,看懂任何 agent 类工具的本质。八种核心机制的工程级用法,覆盖记忆、扩展、集成、编程四层。一份可直接附用的实战清单,包括成本控制、安全防御、团队治理, 最关键的是从被动使用到主动驾驭的范氏跃迁。下一章,我们将从一个故事开始,跟随小白与花哥的视角,看清 cloud code 这座冰山在水面之下隐藏的真正力量。第一章见。 感谢观看,关注我,获取更多 ai 实战内容,我们第一章见。

外行人搞 ai, 前几期出了关于 harness engineering 主题的视频,深受大家欢迎,我决定自己从零开始写一个 harness。 我 找到一个 harness 学习资料,学一遍要十四天,深度刚好适合我这个工地佬,计划每天利用中午休息时间学一点。 今天第一期要写一个简单的 hello agent, 掌握调用工具的技术原理和最小的 agent loop。 按照教程的话,这是 ai agent 和聊天工具的分水岭。第一步,做个能回声的 agent, 这是他的要求,这是我实现的情况,就是一个简化版的 c l i。 第二步,把模型和 c l i 结合起来,这是他的要求,这是我实现的情况。 第三步,让模型调用工具,这是他的要求,这是我实现的情况,要求模型调用 iq 工具。说一句话, 最后加了一些 kle 的 命令级,模仿 cloud code 的 命令级, 这是今天写的代码。现在这个 harness 雏形出来了,按照教程做到最后,就是一个模仿 cloud code 的 ai agent。 今天是第一期,因为我白天工地搬砖的缘故,不一定每天晚上都有时间学,所以不要期待我每天出一集。需要交流的小伙伴评论区交流一下。

最近 ai 圈又在集体换口号了,一个叫 loop engineering 的 新词正在被越来越多人挂在嘴边,很多人连它到底指什么都还没弄明白,就已经开始说,我的项目就是 loop engineering。 但问题是,这到底是又一次概念炒作,还是 ai 工程真的进入了一个新阶段?先给你讲一个典型的工作流, 有个独立开发者用 cloud code 搭了一个自动化循环,每天早上九点, agent 自动启动,去读昨天 ci 失败的日记。新开的一是最近一周的提交记录,然后把发现写进一个偷的文件。 接着他挑出那些标注为 quick win 的 小问题,为每个问题创建一个独立的工作分支,派一个子 agent 去起草修复,修完之后,再派另一个子 agent 做代码审查,审查通过,自动开 pr, 审查不通过,把问题写回 to do, 等下一次循环再处理。这个开发者每天醒来,邮箱里躺着三个等他 review 的 pr, 他 说他感觉像有了一个不用发工资的同事,这个开发者在做的事情就是 loop engineering。 要理解 loop engineering 到底在解决什么,得先回到一个更基本的问题, 我们让 agent 干活到底有几种方式?第一种,你写一句 prompt, agent 回你一段话,这是最原始的叉 g p t 模式,你问一句,他答一句。第二种,你给 agent 一 堆上下文,让他读完再答,这是 context engineering, 你 不再只是问一句话, 你是把相关资料、历史记录、工具、说明都塞给他,让他看得更多,答得更准。第三种,你给 agent 套一层执行系统,有沙箱,有测试,有反馈,有回滚,他不再只是说,而是真的做,这是 harness engineering。 当然, prompt engineering 没有真的没用, context engineering 也没有真的过时,它们更像是被包进了一个更大的系统里。这三种方式有一个共同点,每一次都是你在启动它,你写 prompt, 你 按回车,你读结果,你判断质量,你再写下一句。整个过程中,你是那个在循环外面的人。但如果有一天,你不想再循环外面了呢? 如果你想让 agent 自己启动,自己找活,自己检查,自己收尾,连续跑一整天,甚至你睡觉的时候它也在跑,那你需要的就不再是 prompt, context, harness 这三层里的任何一层, 你需要第四层,这就是 loop engineering。 loop engineering 最准确的一句定义,我觉得是这个。把你这个手动写 prompt 的 人替换掉,转而设计一个系统来做这件事。换句话说,每个 agent 本来就有一个小循环,看上下文,想办法调用工具,观察结果,再继续调整。但 loop engineering 设计的不是这个小循环, 它设计的是外面那层大循环。什么时候启动? agent 给他什么任务?怎么判断他做完了,失败了?写到哪里?下一轮谁接着处理?你不再是司机, 你是交通调度系统,你不再是带一个工人,你是设计一座工厂。那这座工厂到底由什么构成?我先讲一个最基础的东西,触发器。一个 loop 要有起点,它不能靠你去按回车。它可以是定时器,每天早上九点,自动启动一个 agent 去检查昨天的 ci, 失败可以是事件。 github 上新建了一个 issue, 自动触发一个 agent 去分析, 也可以是一个持续成立的目标,让所有测试通过,并且 lint 干净。只要这个目标没达到, agent 就 一直跑。没有触发器, loop 就是 一潭死水。但一旦 loop 跑起来很快,你会遇到第二个问题,撞车。如果一个 agent 在 跑没问题,但如果三个 agent 同时跑,它们都在改同一个仓库,会怎样 灾难?所以 loop 系统需要一个关键的基础设施,工作树 work tree。 每个 agent 在 自己的分支上跑,互不干扰,最后再合并。这就像给每个工人一个独立的工位,而不是让三个人挤在同一张桌子前。没有隔离,多 agent 协助就是一场车祸。第三个问题,失忆。 agent 每次启动都是失忆的, 如果你每次都要重新告诉他,我们项目的代码规范是这样,我们不用 bug, 只用 const。 测试要写在 test 目录下,那你迟早会被累死。 所以成熟的 loop 系统会把项目知识固化下来,写成 skill 点 md 或者 cloud 点 md 这样的文件。 agent 每次启动先读这些文件,相当于上岗培训。这些文件就是 agent 的 技能库,没有技能库,每次循环都是一次,从零开始。第四个问题,够不着。 agent 不 能只访问代码, 它还要读 eshop, 查数据库,调 staging api, 发消息给团队。这些能力靠的是 mcp 这类标准协议。 mcp 就 像 agent 的 手,让它能伸到真实世界去。 没有连接器, agent 就是 一个被关在屋子里的天才,什么都会想,但什么都摸不到。第五个问题,也是最反直觉的一个,自我感觉良好。很多人以为让 agent 自己跑,那他跑完了自己检查一下不就行了?不行,因为 agent 给自己打分几乎永远是过于乐观,他会告诉自己,嗯, 应该是对的吧。就像学生自己改自己的考卷,分数永远比实际高。所以成熟的 look 系统一定要把生产者和验收者分开。一个 agent 有 时候甚至是另一个模型。负责审查 写代码的 agent 说,我搞定了。审查的 agent 要真的去跑测试,查 def。 对, 规范,只有独立的验收者说,通过这次循环才算完成。没有这一层 loop, 就 会高速地生产垃圾。最后还有一个贯穿始终的东西,记忆。 agent 每次跑完都会失忆,如果没有任何东西被记录下来,下一次循环又要从头开始,永远在原地打转。 所以,一个成熟的 loop, 必须把状态持久化到词盘上。哪些任务已经完成了,哪些还在进行,哪些尝试过但失败了,哪些需要交给人来处理?这些都要写下来。可以是一个 to do 文件,可以是一个 linear 看板, 可以是一个 github 应用列表。形式不重要,重要的是状态必须在词盘上,而不是在上下文窗口里,因为上下文窗口会清零,词盘不会好。现在你大概知道 loop engineering 是 什么了,但今天我最想讲的其实不是 loop 有 多厉害, 而是他有一个被严重低估的风险,我把它叫做认知投降。当循环跑了三个月,你的项目里有一半代码是 agent 写的,你会慢慢停止理解他,你不再质疑他的输出,你开始接受他返回的一切。这时候,你不是有了一个自动化的同事,你是把自己变成了一个观众。还有一个风险 比认知投降更隐蔽,责任没有消失,他只是转移了一个无人指手的循环,也是一个无人犯错的循环。因为没有人看着完成,是 agent 声明的,不是被证明的。所以我的判断是, loop engineering 可能会是今年最值得关注的工程犯事,但他也可能是第一个让工程师失业的犯事。不是失业在找不到工作,而是失业在不再理解自己写的代码。 那怎么办?我没有现成的答案,但我有三个提醒,第一,永远保留看得懂的能力。哪怕 loop 替你写了百分之九十的代码,你也要确保自己有能力读懂那百分之九十,否则,你不是在用他,是他在用你。第二,把验收和生产分开,不要让 agent 自己给自己打分。第三,定期从 loop 里抽身出来,手动做一遍他自动做的事情, 不是为了效率,是为了让你保持手感,保持判断,保持你作为工程师的那个内核。 loop engineering 不是 未来,它已经是现在。问题是,当你的工厂二十四小时不停运转的时候, 你是那个在控制室里看着仪表盘的人?还是那个已经忘了怎么亲手拧螺丝的人?这个问题没有标准答案,但我觉得每个用 ai 干活的人,都该认真想一想。

这一期,我们把 harness 放到 coding agent 的 真实现场里,任务很具体,给后台系统增加用户活跃度。报表导出功能,听起来不复杂,对吧?就是选日期范围,选用户角色,导出 csv 或 excel, 但只要它进入真实系统,问题马上变多。 哪些字段要导出,哪些角色有权限活跃度?口径怎么算?接口在哪里?导出文件怎么编码?审计记录要不要留?测试怎么证明通过。所以这不是一个改几行代码的任务, 它是一个完整的软件交付任务,而 coding agent 能不能交付,就看它背后的 harness 能不能把这些关口都接住。一个真正可交付的 coding agent, 需要的不是一个聊天框,而是一个工程控制台。这个控制台里要有任务卡,说明目标输入、输出和验收标准。 要有文件数,让 agent 知道项目结构和相关模块。要有权限控制,明确哪些目录可写,哪些命令要审批。 要有测试入口,让完成绑定。真实验证要有 trace, 记录每一次工具调用和关键决策。最后还要有 pr 交付包,把 diff 测试结果、风险说明和回滚方案一起交出来,这些东西合在一起,才构成 coding agent。 harness 没有它, agent 只是会改代码,有了它才可能交付代码。没有 harness 的 coding agent 通常是这样的, 他搜几段代码,改几个文件,加一个导出按钮,然后告诉你已完成。但你不知道他有没有理解权限模型,不知道活跃度口径是否正确,不知道大数据量会不会拖垮系统,也不知道测试到底跑没跑。这份代码也许能跑,但团队不敢直接合并。有哈尼斯时,流程会完全不同。 需求先变成任务单,计划先被审查,权限先被划定,执行发生在受控环境里,测试输出成为证据,最后交付的是一个 p r 证据包。所以代码写出来不等于代码能合并, 能不能合并取决于它能不能被证明可靠化。第一关叫任务规格化。原始需求只有一句话,增加用户活跃度,报表导出功能。但 harness 要把这句话拆成清晰契约 字段,到底导出哪些列角色,谁有权限导出口径?活跃度到底怎么算?格式是 csv 还是 excel? 编码和表头怎么处理?验收怎样才算通过?这些问题如果前面不问清楚, agent 写得越快,返工就越快。模糊需求只能产生模糊交付,清晰契约才可能产生清晰责任。 所以 coding agent 的 第一步不是写代码,而是把需求变成可验收的任务规格。第二关是上下文收集。 agent 不 能只靠当前聊天记录开干,他要先读懂项目现场,比如 a g e n t s 点 m d, 告诉他项目怎么运行,常用命令是什么,哪些文件不能改,完成后怎么验收。 redmon 告诉他项目背景 权限模块告诉他角色和授权逻辑。报表模块告诉他已有接口和数据结构,测试说明告诉他应该怎么验证。这里的重点不是把整个项目都塞给模型,而是把高信号上下文组织出来,让他看到该看的东西,少看会干扰判断的东西。否则他不是在做工程,而是在陌生项目里乱摸索。 第三关是 plan mode, 不要让 coding agent 一 上来就改代码,先让它把影视意图变成可审查计划。一个合格计划至少要说明目标是什么,涉及哪些文件,准备怎么改,风险在哪里,怎么验证,失败后怎么回退。 比如这个任务里,目标是新生活跃度导出,同时保留现有行为。涉及文件可能包括报表接口导出工具、全线模块和测试文件。风险包括全线绕过大文件性能导出格式错误验证包括全线测试格式测试集成测试回退方式包括独立分支和 checkpoint。 计划的价值不是漂亮,而是让人能在动手前揪篇。第四关是受控执行。 coding agent 当然要有动手能力,但它的动手范围必须被定义。它应该在独立分支 work tree 或容器沙箱里工作,让所有改动和主干隔离。哪些目录能写,哪些目录只能读,哪些命令可以直接跑,哪些命令必须审批都要说清楚。 比如生产配置不能改,密钥不能读,危险命令必须暂停确认。关键修改前要有 checkpoint。 这不是为了限制 agent 的 能力,而是为了让能力和责任匹配。真正可交付的 calling agent 不是 想改哪里就改哪里,而是在明确边界里行动。第五关是自动验证。 这句话非常重要,我完成了,不算证据,测试输出才算证据。对用户活跃度报表导出来说,至少要验证几件事,活跃度口径是否正确, 报表接口是否返回文件是否只有管理员能导出, csv 的 编码和表头是否正确, link 类型检查和代码风格是否通过大文件导出,是否有上限和性能保护。自动验证把 agent 的 对自己结果的主观陈述变成客观事实。从他说做完了,到测试证明做过了,中间隔着的就是交付责任。 最后交付时 agent 不 应该只给一句话,他应该交出一整套 p r 证据包。这里有代码 def, 说明改了哪些文件。这里有测试结果说明哪些验证通过。这里有权限检查,说明危险边界没有被绕过。这里有 trace 日制说明,工具调用和关键步骤可以复盘。 这里有回滚方案说明出了问题怎么退回来。这里还有验收说明,告诉 reviewer 应该重点看哪里。我很喜欢这样描述,这一步他把我完成了,变成了,这里是证据。这就是会写代码和能交付代码的分水岭。但现实里不需要一上来就做一个巨大的 agent 平台,真正务实的做法是先搭一个最小可行 harness。 第一,写 a g e n t s 点 m d, 让 agent 知道项目操作手册。第二,把命令清单固化下来,比如安装启动测试构建。第三,引入 plan mode, 让每次改动前先写计划。第四,把测试命令接进去,让完成绑定证据。 第五,加 checkpoint, 让失败可以回退。第六,引入 evaluater, 让执行和验收分离,避免 agent 自己给自己打高分。这六件事不豪华,但非常关键,它们能让一个能跑的 agent 开始变成一个可交付的工程执行体。企业落地 coding agent 最容易犯的错是一开始就追求全自动更稳的路线,是一步一步证明 demo 阶段先证明能跑,拍了阶段证明真的有用。 production 阶段证明足够可靠, skill 阶段证明可以复制到更多场景,最后才是 governed autonomy, 也就是治理化的自治。这条路不是从简单到复杂,而是从能跑到有用到可靠到可复制,再到可治理。 如果一个团队跳过前面这些阶段,直接追求自制,本质上是在用未知风险换表面效率。这一期我们看到一个真正可交付的 coding agent, 不是 写完代码就结束,它要靠任务规格、上下文、计划、权限测试、审计和回滚证明自己真的完成了。但系列走到这里,还剩最后几个问题,怎么判断一套 harness 好 不好? hannis, 是 不是越复杂越好?为什么同一个模型放进不同产品里,体验和可信会完全不同?企业又该从哪里开始?下一期,我们收束整个系列,我们不再继续加模块,而是谈评价产品竞争力和架构取舍。记得点赞关注哦!

那我今天争取把,呃,特别是现在比较火的像 cloud code 啊,包括 honey 是 a 工程化编程啊,结合企业级的实战项目给大伙讲明白啊,那我我相信很多同学在网上面也听过很多这种,呃, 一些博主啊,去讲什么?呃,我原来不是写代码的,我原来不是程序员,我用 ai 编程工具,比如 cloud code code 这些工具啊,轻轻松松就把程序员干掉了。 我不知道有多少同学是被这种言论搞焦虑了啊,对吧?就是我,我跟他去讲这种鬼话,千万不要信啊。啊,大伙,你就很简单啊,你让说这话的博主啊,你让他把他做的项目,比方说他原来是产品经理,或者说一点不懂技术的同学,你让他把他做的一些项目拿出来我们评估一下,看什么样的项目 啊,大多数我跟他去讲,大多数这种项目你只需看啊,都是些非常简单的项目。我不是说用 ai 编程对吧?不懂技术不能做项目肯定也能,但是他做的项目我我们 仔细去看一看啊,一般都是些小项目,从零快速从零到一的项目对吧?或者说一些非常小的创业级别的项目对吧?或者说一些 demo 是 没问题,但是你真的要做动企业级别的项目,什么叫企业级?比方说我给他举例啊,像拥有金碟这样的大型企业,做的大规模业务非常复杂的软件, 你觉得用 ai 编程,一个不一点不懂技术的人,他能搞定吗?肯定不能啊,对不对?如果搞定的话,你觉得像拥有金碟,国内这些软件公司还不大规模把程序全部裁了 对吧?程序员那么贵,对吧?我搞我就让产品经理去写代码好了,你觉得现实吗?肯定不现实,对吧?包括像做互联网公司的各大软件,比方说这技术含量比较高的高研发,对吧?要求满足高研发,分布式微服架构,对吧?对吧?海量数据架构的一些项目,你觉得不懂技术的程序员啊,不懂技术的非程序员,他能用 a、 b 能搞定吗? 肯定不可能,对吧?至少目前来说,我没有看到任何一例他能做。比方说像互联网大厂的这种企业级别的,这种项目我 到目前为止我没有看到盈利更多,都做一些小的项目,对吧?做一个什么跨境电商网站,对吧?做一个什么生图网站,做一个 ai 套壳软件,这谁不会啊,对吧?包括网上面,抖音上面经常有,那什么做数字人的一个软件,这种很简单,这种里面根本就没有什么太多技术含量,无非就是调一下 ap, 完事了。那这确实是可以用 ai 编程工具搞定的, 对不对?你不懂技术也没关系,也能帮你搞定。但是你真的做了那种复杂级别项目,比方说我们今天讲的企业级别项目,对吧?这种业务非常复杂,技术含量又比较难又比较高的,这种项目你让 ai 编程去搞,你搞得定吗?肯定搞不定, 对不对?好,那我今天顺便问一下,有多少同学是自己在工作中间用过 ai 编程的?有用过 ai 编程,比方说你自己也用一些工具,比如 q 啊, ctrl 或者 ctrl 这样的 ai 编程工具,自己在公司里面有用过?有用过打个一。 那我看有些同学打一啊,那我问一下同学们,待会你自己在用 ai 编程那些工具软件啊?在你们公司自己的项目比较稍微复杂一点项目,你在使用过程中啊,有碰到哪些问题?待会可以把你碰到的问题打到公屏上面, 对吧?今天我们来听课的同学应该以程序员为主,当然也有非程序员,对吧?程序员里面可能,呃有各种用各种语言开发,比如用 java 开发,用构员开发,用 python 语言都有,对不对?没关系啊,我们今天一起探讨探讨。 通用零码也算啊, ai 编程工具就大伙用 ai 编程工具,我不知道大伙有没有碰到什么问题。多应用编程是吧?我之前了解过,包括我们自己,在实践过程中,我们用 ai 编程工具已经用了很多年了,从叉二 gdp 出来我们就开始用了,就是我们自己碰到一些问题,包括我收集到很多同学反馈过来,问题大概有这么几条, 就,呃,做复杂的项目, ai 编程生成的代码越来越多之后,好,中间如果出现一些问题了, 哎,你再让 ai 编程工具,你死活让它改,改不好了,说白了已经死循环了,怎么办?这时候啊,你要人为,也就你这个项目里面大量的代码都是 ai 编程工具生成的,你之前也没有看太多的,对吧?那这时候就出问题了, 如果说你自己技术不是特别好, ai 编程工具又搞不定这个 bug, 你 自己也没办法去修复这个 bug, 完蛋了,这个项目就停滞不前了,就卡在这里了,对吧?这是一个问题二,一个很多朋友也会说到 ai 编程工具生成那些代码啊,感觉不符合我项目的规范, 对吧?生成的多了之后,最后我这个项目就变成大家经常说的死三代码的项目,对吧?这也是很多同学碰到问题,包括还有同学反馈到的,就用 ai 编程工具啊,很多时候他会有些幻觉, 对吧?幻觉问题导致我们,哎,明明我我这需求已经描述的很清楚了,为什么出问题,对不对啊?包括很多同学反馈让 ai 编程,对吧?全程做的项目, 心里是没底了,对吧?平时可能我测试也没有出现,突然到线上,有一天上线了,发现出巨大的问题, 心里每天都是非常忐忑,可能因为这一个问题导致公司支损,资金损失,可能我就要拜拜了,我就要卷铺盖走人了,程序员就要被拿去祭天了,但 ai 编程工具他是不负责的,对吧?得由你程序员来负责背这个锅,对吧?这也是很多同学的问题,对吧?包括还有很多同学说的,哎呀,用 ai 编程工具啊,偷啃有人用不起, 太费头梗了,我生成一个功能,对吧?给我花了几十上百甚至更贵的头梗,对吧?这也是很多同学遇到的问题,好,我不知道大伙还有没有什么其他问题,也可以打在公屏上,跑着跑着上下文丢失了是吧? ai 在 那里瞎说话,是的,这,这就是幻觉问题吗?对吧? ai, 反正他你问啥问题他居然不知道,他也给你圆的非常漂亮,也给你回一些结果, 对吧?你若不仔细看,还真以为他说对了,但其实很大的问题,很大的 bug, 对 不对?就各种各样的问题,对吧?好大,大伙儿不要急啊,那今天晚上我们讲的这个哈,也是 ai 工程化编程实战课堂,那就是帮大伙解决刚刚大伙提到的这些问题, 以及我刚刚讲的这个问题啊,那我们今天会会用 curl code 啊这样的一个工具去,大伙儿可以看一下啊,我这我这边开发环境啊,是 vs code 加上 curl code 对 吧?当然你用 code dash 啊,用 cursor 也都可以,没有什么太大的区别啊。我们今天不是说具体讲这个工具的细节的使用,我们今天更多的是讲 harness ai 工程化编程这么一套企业级在大厂都在用的这一套 技术,到底在企业里面怎么落低呢? ok, 这些工具的使用比较简单,我们待会也会提到啊,这些工具使用,如果说你之前完全没有一点经验的,大伙往这边来看啊,我这边有各种关于 ai 大 模型那些学习资料,包括 java, 呃,各种语言的,呃,跟 java 相关的一些资料,比方说像一些工具,你会用 cloud, code, docker 这些工具,从入门到精通的使用级别的东西,我们全部都会讲这些资料,回头大伙如果想要可以找一下我们助理老师要的 啊,这边你比方说 kolog 的 企业经营实战,我们会带大伙做几个项目,用 kolog 包 codas 包 koser 都有这种资料啊,一份资料做几百页的啊。如果说对这对这基本的 ai 工具,如果还不太熟的同学,可以找我们朱老师要一下这些资料,到时候回去可以补一补啊。而我们今天不会在那些工具的基础使用上面花太多时间,当然如果讲到了,我会提一下, 我们更多是讲这些工具在企业及项目中间落地的各种问题,以及怎么去解决。我们今天更多是项目实战的方式去讲基本工作的使用,留给大伙到时候看我们那个文档,或者说看我们文档配配套教程,那是比较基础的,到时候我不浪费这个直播的时间。好吧, 好,那这是我们今天要讲的内容,相信刚刚大伙儿,呃,题目肯定是看了,对不对?那内容点我相信很多同学刚课前应该也已经看了,那这一点我们尽量今天都给大家讲到位,对吧?比方说哈尼提议怎么回事儿?包括比较火的像是 back coding, 规范驱动开发, sdd, 对 吧?就是 specification, driven development, 也就规范驱动开发,到底怎么回事儿, 对吧?现在很多呃,稍微好一点的 it 公司或者大厂都在说这好东西,那到顶了,做了,对吧?那你这个东西我不知道,如果说现在出去面试,比方你 java 程序员或 python 程序员或构员程序员,对吧?现在出去面试中问到这套规范驱动开发到底怎么回事,你也不知道,对吧?你说我们公司没有用过,那,那说白了你对技术的 更新迭代啊,你是不太敏感的,做官的学习力比较一般,那很呢?在现在这么大的这么卷的话,你想不想可能也很难拿到最终的 offer, ok, 那 当然包括还有就是 skill 开发,对吧?现在大伙知道不管你是 java 程序还是 python 程序构员好,在 ai 大 模型领域里面最近 特别火的一个叫 agent 的 skill 的 开发特别特别火,甚至有一些话,有一些技术博主说到了未来,可能就是大伙不用写具体的代码,或者说不用开发具体的功能,我们就是开发一个一个的 skill。 ok, 那 我们今天也会给他去讲,在企业里面落在企业级项目开发中落地啊,我给大伙开发了大概有六个核心的指标,这是我待会去讲,从一个需求到编码实现,到项目评分,到测试,到持续级成,到最终上线部署,到底怎么做的,这指标怎么开发的,也是我们今天要去讲, ok, 总之啊,今天讲的内容特别多, ok 啊,就尽量都给他讲到,包括待会最后还会给他讲讲从 kol 的 原码,大家知道 kol 的 他,他非常火对不对?而且功能特别强大,那我可以告诉大伙,他后端其实就是一套标准的哈尼式工程, 我们也会给一会,如果时间富裕啊,我们给一会详细讲一讲他后端的哈里公式到底怎么设计的。我,我待会会打开 github, 上面有可拉扣的源码开源啊,我们到时候看一看,它里面有设计的,非常不错啊,所以今天认真听啊大伙,我们今天讲的这内容啊,对大家伙工作学习,包括面试啊,应该会有非常大的问题。 ok, 包括我刚讲的大伙经常碰到一个问题,就是 ai 编程写实参代码,我们待会给大家讲讲啊,我们怎么用 ai 编程写出可控的,可 就是包括长期可维护的,像编程代码写比较优秀的,可维护的代码到底怎么去写,这都是我们今天要去讲的内容。 ok, 好, 那就闲话不多扯啊,开始我们今天的内容啊,我们这节课配到一些资料,大伙自己找我们朱老师去要讲,包括笔记代码啊, 好,那我们来看一下啊。就是,呃,首先啊,网上面我相信大多同学应该已经看过,像一些个博主啊,讲过哈尼斯 angelina, 也就哈利士工程,对不对?到底怎么回事?网上很多博主讲的很多很多概念,对吧?大伙可以看啊,我这边大概有一百多页的关于哈利士使用,从入门到精通文档里面也有很多关于概念的讲解,大伙可以看很多很多概念啊,我知道很多同学在网上面已经看过很多这样的视频了,但是你看完之后你会发现哈利士你听了那么多概念,但是好像还是不知道 这个东西到底怎么用,对吧?我,我不知道大家有没有这样的同学可以打个一,有没有同感,有同感的同学可以打个一啊,就,我网上也看过很多关于哈利是 angelina 士那些视频,但是就感觉好像 我不知道怎么去用,对不对啊?我工作室会有这样的,同样没关系,我们今天啊,我会区别于其他一些博主。我,我这个珠宝说,我啊,不太喜欢讲一些理论概念,我最喜欢讲的就是实战。 ok, 当然理论概念也会去讲,但是我会以实战为主,让大伙更好理解理论性的东西,并且让你在实战项目中间能真正用起来,这是我讲出的风格。 ok, 所以 我今天不会对着这个文档给你念,对吧?念一两一两百页的文档没有意义对吧?那你肯定睡觉了对不对?那我们今天待会啊,就马上就会从一个企业级的项目,电商项目,对吧?来去讲讲哈士顿怎么在我们企业级的项目里面到底落地的这套技术方案到底怎么实现? ok, 那 当然,我们今天挑了电商项目。为什么挑电商项目?项目不一定是电商项目,所有项目都可以用哈尼斯 ai 工程化编程实现。 ok, 我 挑电商项目,因为大多对电商非常熟悉嘛,我不用解释太多的业务对吧?我要搞一个陌生的项目,还要跟你解释半天业务,没有意义,对不对?那我所以我要跟他去讲 这个哈尼斯 ai 工程化编程,他是不挑任何项目,也不挑任何语言,我们待会写的代码会以 java 语言为主,但是我要跟他去讲,他也是不挑语言的,所有语言的项目都是一样的, 虽然我用 java 语言,比方我们这个项目待会会用 java 语言,是因为我们今天这节课可能听课的同学 java 同学会多一点点,但我告诉你,也有 python 同学,也有构员同学,都一样的,方法是一样的。哈尼是这套 ai 工程化编程,不区分项目,不区分语言,都可以用,你学会方案了,学会方法,所有语言通用,没有任何区别 啊,所以大伙认真听,不管你现在什么语言,都可以认真听啊,都可以学到,你学完之后都可以运用在你公司的项目里去。 ok 啊,这是我要给大伙讲那些潜在的东西啊,当然在讲这个实战项目,具体看代码之前啊,我要稍微把哈尼斯概念花个两两三分钟给你,稍微让你有个印象,至少你大概知道他是一个什么样的东西。给你打一个比喻, 我们再讲实战,最后再给你回到概念上面再去讲,你就彻底理解了。好,那我们说 honey 是 engineering 这个名词翻译过来,大伙儿,你看,要叫做 honey, 叫做架。 honey 是 engineering 这个名词翻译过来,大伙儿,你看要叫做 honey, 叫做驾驭工程。 honey 实际上就用马句的意思, 或者说叫驾驭的意思。 ok, 那, 那顾名思义吗?驾驭,驾驭什么东西啊?我这边有张图,很好的,可以给他们解释一下什么意思。我们可以打一个比方啊,就是我这匹马,比方说这是有个人骑马去赛马,对不对?那这个马我们可以把它比作什么呢?比作一个大模型,也就 model, 也就我们做 a m n large number 模型,对不对?也就我们经常说 am 大 语言模型,对不对?那我们经常不是,比方说我们用 cloud, 用呃 cloud gpt, 对 不对?用用那个呃国内的像呃那个什么 gm, 对 吧?智普的大模型,阿里的大模型,智杰的豆包大模型都可以, 那这这匹马就相当于我们经常用到的大模型。 ok, 那 套在马身上的这种东西也就供人来操控这个马了,这些叫马具吧,对吧?包括什么?马鞍这些东西,也就是让人更好地指挥这匹马 去干活或者跑步或参加比赛的这些个工具马,我们叫马具吧,也就是那这些马具其实就是哈尼斯, 其实就我们说到哈尼斯,那这哈尼斯用来干嘛的呢?就是让我们人更好的驾驭马。那同样,对于如果这匹马是大模型,那说白了,这个哈尼斯是干嘛?是让我们这些人,比方说我们要用 a 编程开发项目,对不对?那这个哈尼斯实际上就是我们人更好的用哈尼斯的一些约束规范,驾驭我们的 ai 编程这件事,开发出更好的项目, ok, 驾驭我们用了大模型。来一句更好的做好 ai 编程这件事。好,讲到这里打止就让大伙先有个概念。我知道讲到这里大多数同学还是不知道哈尼斯到底怎么回事,没关系啊,我们待会通过实战,你就彻底一页。但是你现在先有个概念,这哈尼斯其实就是架在马身上面,也就让大模型更好的听人 使唤,听人指挥它做出更好的结果,对吧?网上有一个名,有一个公式叫 agent, 等于什么东西啊?等于我们刚说的 model, 也就大模型,对吧? model 加上我们的哈尼斯 码距,对不对?我鼠标写字不特别好看,也就是 a 件的,大家知道,就是说白了一个智能体了,可以帮我们做非常复杂的一个事情的智能体,对吧?那它有什么做的?它是由 一个大模型,它底层肯定是通过大模型来完成具体的事情,对不对?那大模型怎么做好,符合我们人们的预期,符合我想要的结果,最终 a 件得到的结果是我想要的,那就需要通过一系列哈尼是码距, 或者说叫约束规范来帮我们实现更好的 a 技能,是我们想要的 a 技能,你先理解而理解,而这里就行了。那当然,我这里还有几个过渡阶段,要稍微给大家讲讲,就是待会我对比的来给大家去讲讲。大家知道我们最早像 t g p t 二零二二年年底出来的时候干嘛?当时有一个职业非常火,叫提示词工程师, 说来干嘛?就是给大模型提问的,对吧?怎么把这问题描述的更好一点,对吧?怎么把话说清楚,对吧?你跟大模型一问一答,这是几年前的事情,对不对?那后来啊,随着我们问大模型的问题越来越复杂了,对吧?又出来了一个叫上下文工程, 这什么意思啊?比方说我现在让豆包,豆包大家都用过,我用豆包让他写一篇符合我诸葛老师个人风格的一篇技术文章,那大伙你思考他怎么写? 你是不是要给他一些上下文的参考信息啊?比方诸葛老师我的个人的写作风格什么样子?对,比方说我如果是一个技术博主,我之前写过几十篇,写过几百篇文章,我可不可以把里面挑一些我的精华文章,挑个几十篇出来,放到一个 pdf 里面,对不对?然后传给我们做的豆包母亲, 对吧?然后再告诉他,再给他一条指令,请写。呃,符合诸葛老师风格的这种技术文章的参考,在这个 pdf 里面,我已经上传给你了,请参考。 哎,那这个 pdf 是 什么东西啊?实际上就我问大模型之前问他问题之前给他的一些上下文的信息,对不对?那,那现在待会你如果问一些复杂一点的问题干嘛?那实际上就过渡到我们说问问题的第二个阶段,叫上下文工程, ok, 我 只会包括我们大伙写代码也是一样的,对吧?你,你也需要给 ai 大 模型一些上下文,你若不给他一点上下文,比方说我要,我要 ai 大 模型帮我写出实现一个功能,这个代码需要符合我们公司的项目的代码规范,那你是不是先应该把你们公司的代码规范告诉给他, 对不对?或者说你是阿里的,阿里巴巴的同学,对吧?你是不是把阿里巴巴那本开发者手册喂给他,对不对?这就我们说的上下文, ok, 现在大多同学所处的阶段都是在上下文工程阶段, ok, 我 相信今天来听课的百分之九十九的同学在公司里面是应该都是在这个阶段。那有的同学可能会说,朱老师,我公司也用 excel, 也用 excel, ok, 你 用这些工具跟你用这工具没有关系,跟你怎么用有关。就你像我刚说的比方,你写一个代码,对吧?你要你想让他写的符合你的要求,你会给他一些上下文的参考,对吧?给他丢一个小文件,对吧?一句话问他,然后最终生成 这个过程,这个这个阶段都还是处于上下文工程阶段, ok, 我 像今天同学,大多同学可能都属于这个阶段, ok, 那 我接下来要讲的是更高级的一个阶段,也就是最近一年多比较火的,最近 一年比较火的叫驾驭工程,他是干嘛呢?他其实本质上面啊,你可以理解,也是提升,是工程更进一步的一些事情,但是他是让我们,他主要是让我们把大模型指挥大模型做更进一步的事情,也就智能体级别的事情, ok, 你 做更复杂,比方,比方说我现在想要 ai 大 模型,对吧?帮我开发一个企业级别的电商项目,那他知道这个项目本身这个企业级就涉及到业务比较复杂,对,然后电商项目又有各种复杂的一些技术,对吧?然后又有大型企业的各种流程规范, 对吧?包括测试啊、开发持续集成啊、线上部署啊、预发布啊等等一系列流程,对吧?那我怎么让 ai 编程能帮我们把这些流程都能自动化来做, 对不对?那这就非常复杂了,那这里面就牵涉到我们要通过上驾驭功能,也就哈尼斯工程化编程来帮我们实现这一套更复杂的工程化的一些事情。 ok, 那 这里面就会要做大量的哈尼斯的约束,包括跟哈尼斯做一些反馈,做更多的些控制。 ok, 啊,那当然讲到这个地方来,待会有个概念就行了。我知道有的同学说啊,还是有的抽象,没关系,概念差不多,就讲这里不需要再来做更多的概念,其实他还有很多概念啊,但是这些概念你再再去看他没有意义,你看他会看睡着, 接下来就马上要进入实战了,通过实战再给你去讲这些概念就非常简单。 ok, 好, 那我们回到我们刚刚说的实战啊,那我首先我这边 打开了一个工程啊,那这个工程干嘛呢?大伙可以看啊,这是一个工程项目,是我们图林商城,也就图林课堂我们做了一个项目,我们是继续哈尼时整个工程化编程做的一套项目。那这个项目 我们现在大伙看到的代码是基于 java 来开发的,前端是用 cap script 来开发的,用 v u e 加。我这边有个技术站啊,大伙可以看一下,这是我的技术站,前端 v u e 后端,呃,是那个 spring boot 这样的一个项目,它是一个电商的一个项目, ok, 然后我整个这个项目都是基于 hany 工程做自动化开发,当然,你说我一点代码没写吗? 我可以跟大家去讲,里面百分之九十的代码是我让 cloud code 帮我去写的,按照哈尼斯整套工程化规范来去写的,不是我自己手写,当然有部分是我手写,但绝大多数都是让 ai 编程工具大模型帮我来写的。然后我后面用了什么大模型呢?首先这个工具我刚已经讲过了,用的是 vs code, vs code 的, 有有有,不清楚的吗? vs code, 然后后,呃,结合 code 的 一个插件,我把 code 插件插到我们微软的这个 vs code。 vs code 其实它就是微软开发的一个 ide 啊,开发代码的一 ide, 你 要动说,那我不用 vs code 可以 吗?都可以,没问题,你用 cursor, 你 用 cursor, 用其他的,比方说,呃,国产那些工具都可以用 try 啊,对吧?用腾讯的 word party, co party, co party 都可以,没问题, ok 啊,然后它这个 vs code, 它主要是用来待会我们要看代码, 主要功能就看代码, ok, 我 核心开发了是基于 kolod 来开发, ok, 然后后端用的大模型是智普的 glm, ok, 当有人说你怎么不用 kolod? 注意啊, kolod 你 要用的话,它是需要翻墙的, ok, 在 这种直播课上面我不敢去讲用需要翻墙用的技术啊,属于违法。所以,呃,我跟大家去把环境讲了, 那我这里讲的 kolod 讲的是 kolod 的 比较不错的,比较接近 kolod 的 一个大模型。那我待会课上会带大伙用 kolod, 基于这个大模型来来来去开发代码, 他会给我生成一系列的代码。结果。那我告诉你啊,有的同学我知道有的同学他会,他在公司里或者自己是用 cloud, 那 我告诉你,你用 cloud 得到了结果,按我们这个哈尼工程化编程来落地的话,得到了结果只会更好。所以我把环境呢去讲讲啊, 当然我我自己其实也是用 cloud 的 话去讲啊,因为确实很强啊,我自己在我另外一台电脑上面就是工作机啊,我用我我这是我公司那台讲课的机啊,我就,呃,没有没有去做更多网络的一些配置啊。 idl 可以 集成吗? idl 应该也有一个插件啊,你在 excel 上面可以搜一下。也有啊。 idl 上面也有那个可,应该也有可 code 的 插件,你可以看看啊。但是 ai 编程时代,其实说白了, idl 我 个人感觉会有点落后了啊,大伙可以更多的,比方说像 ms code 的 它,它会跟这 code code 的 结合的更加的集成的更好一点,包括 kirish 也都可以啊,没问题啊, 我开始以为是 hermeshermeshermeshermeshermeshermeshermes。 是 那个跟 open kirish 的 能力会强一样的,他有一个自我进化的能力,他跟的哈尼是两码事啊。 现在 ai 时代的话,各种技术名词层出不穷啊,大伙不要搞混啊。 hermes 也用说爱马仕这个技术?它实质上本质上面就是小龙虾的升级版本,就 openclaw 升级版本啊,跟我们今天讲的是两码事,完全不同的东西啊, 当然两者也可以结合起来,我可以指挥 hermes, 也就爱马仕或者说 openclaw 小 龙虾来更好地基于哈尼斯工程化啊,编程来做更好的项目啊,这个后面有时间再给他去讲。好,那我们来看一看啊, 我们这个项目,呃,我刚说了基于 java 来做的,对吧?那大概哪个技术手段?但是我平常去讲啊,不管你是用什么语言,比方你用 python 也可以做项目,用个语言也可以做项目,都没有区别。我们接下来讲哈尼斯这一套工程化编程的方法,技术方案, 不分语言,没有任何语言的区别啊,不分业务项目都可以用。 ok, 好, 那我们来看一下啊,我们这个项目,我,我待会会这样子啊,我待会会通过一行带一行命令, 让这个可绕扣子帮我实现一个功能。实现一个什么功能?大伙可以看啊,我,我这里写这么一条命令啊,就是干嘛呢?请严格按照我们图林炫普这个项目的哈尼斯规范,给我们这个项目干嘛?增加用户,比方说用户等级,用户积分,是我课程让他帮我开发一个功能,大伙可以看啊,这是我课程 让这个可绕扣子基于哈尼斯整个工程化规范帮我们开发了一个代码,大伙可以开发了,大概有好几分钟啊,最终大概生成后可以给 你看,这是整个过程,大伙可以看,这是我课前啊,写的很多代码啊,很多很多,我就不不往上不往上滚了,直接带你看一下,这是我课前的一条命令,你看他最多帮我生成了,大概就是用户积分,这个功能大概帮我后端生成有七八个类,然后啊不前端,前端帮我修改大概有七八个类, 新增了一些类,然后后端也修改了大概七八个类,对吧?然后前端还新增了一些文件, v o e 的 文件,也就我让可绕扣的这一条命令啊,帮我,你看一条命令写着这么多代码。 ok, 我 不知道待会你自己执行一条命令,比方说这是我待会要执行一条命令,对吧?就是让他帮我开发一个用户,用户用户等级啊,说字打错用户等级的一个功能。我相信很多同学啊, 你再用 qq 或者用扣代,就这么一句话,他可能就帮你,对吧?写写几个类,对吧,就完事了。你最终发现他写的那个类啊,开发的代码啊,跟你想的完全不一样,或者说写的代码规范了各种问题,或者说里面有很多 bug。 ok, 那 我可以跟他去讲我的这一行代,我的这一行命令啊,只会 ai 大 模型帮我写写的代码的这条命令啊,他中间的执行的流程会非常复杂, 大概有哪些流程呢?我拿去讲啊,待会儿这一行命令啊,底层的这个 cloud code, 它会调用我开发的 scale, 大 伙儿你看一下啊,在我这边哈尼斯这个目录下面啊,有我开发的一系列的 scale, 是 整个贯穿我们公司标准的一套开发流程的 scale。 有 哪些 scale 呢?这是我待会儿要给大家去看的啊,在这里我大概开发了有六个 scale, 当然这是开发级别 scale, 在 业务级别的架构级别 scale 大 概有几百个。 我们今天会待会先待会去讲开发级别的几个指标,大概有六大核心指标,哪哪六哪六个指标的几个指标大概有六大核心指标,哪哪六哪六个指标。一个是需求分析指标,什么意思?就是说白了,比方说我刚这一行指令给到 global code 干嘛?它实际上就是一个需求吧,对不对?我现在要开发这个需求啊,对不对?那我是不是这个 global code 干嘛? 他先要做需求分析啊,做完需求分析再去做项目设计,去写代码吧,对不对?那实质上我编了一个 style, 我 就我开发了一个 style, 叫需求分析的 style, 在 这里大伙可以看一下,这个 style 叫做 require or license, 是 style, 在 这里这有这么一个 style, 然后这个 style 做完之后,他会把我这一行需求干嘛拆成比较复杂的一个需求细节的需求,就把它展开细化成非常细节的需求,就用户等到底有哪些功能啊?常规有哪些功能? 然后他做完了之后干嘛?我可以确认,我也可以不确认,我可以让自动化去做,但一般来说啊,我是需要给他一些反馈,也他帮我猜出来的这一个细节需求到底符不符合我的要求, 对吧?符合要求就 ok, 继续往下走,如果不符合我要给他一些反馈。这就我们刚讲的,比方我们刚说格拉格的,对吧?他中间你要给他一些反馈的回路,这是其中一个点,对不对?如果说这些需求他帮我猜的没问题的时候,干嘛?我会调用我接下来写的一个叫 code, 就 编码实现的时候,大伙往这边来看啊,这是我写的另外一个设置, 这实料我待会待会都给他去讲,待会不用急啊,就这个实料,是我要求他怎么帮我开发代码, ok, 到底我们应该按照一个什么样流程?那很复杂,这个实料很复杂,有很多很细节的代码,包括指令啊,就是这是我的确定实料, 这里面会写明白了我们公司的一个整个开发流程什么样子,包括代码规范什么样子,你应该按照什么样规范流程来帮我很好的做架构的拆解,以及完成具体的代码,最终写出来代码一定是我想要的,符合我要求, 那这是跟大伙的本质取表,很可能很多朋友就这么一句话,但是你这么一句话,你执行过来之后,你会发现他根本写出来的代码不是你想要跟你们公司代码规范完全不符合的, ok, 或者说你们有很多 bug, 但是我这行代码他待会去我这行调指令,他待会会调用这个扣丁使用,写出符合我需求预期的代码, ok 啊,这是第二个词典。然后我写完代码之后干嘛?大家知道 ai 编程写代码或多或少肯定还是有问题的,因为它本来就是基于概率的大模型,基于概率来生成的代码的大模型肯定会,你即便大模型再强不强, cloud cloud 这样大模型它都会出问题啊, 对不对?更别提搭到很多可能还用的是国内大模式,那肯定会有问题,那写出来代码干嘛?要么你人工去审核,但人工审核你赶不上 ai 编程 ai 大 模型生成的代码库啊。那所以说我又开发了一个代码评选的一个指标,待会往这边看啊,就是我写完让 ai 编程,写完代码之后,我这边有一个叫做 呃 review, 就是 专家 expert 那 个什么 review? 有 专家评选代码的一个指标。 ok, 这是这也是我待会儿要点会儿去看的,就他会帮我们把写出来代码 到底是什么样的事项,有什么 bug, 有 什么问题帮我去审一下。也就说白了,他帮我来做代码 review 之前,我们可能要专门安排一个员工来做代码 review, 特别一些代大厂,但我现在可能不需要了,我只需要让他帮我来做一次审,帮我做代码的 code review 就 可以了, 对不对?那当然这是第三个指标,当然还有很几个指标,比方说这个指标他通过的时候干嘛?哎,我可能要做一些单元测试,就写一些单元测试的项目,对不对?来检查一下我们这个项目有没有 bug, 对不对?就是基础嘛,对不对?然后可能还要做一些测试,对不对?然后再做持续集成,对吧?然后包括做线上的一些测试。当然线上的人工的测试其实也可以写成实料,就模拟人工在网页里面访问,比方说这是我们那个电商项目,对吧?这是对应的键面,对吧?那 我们单元测试是我们自己写代码去做单元测试,那实质上我们还有一个什么?还有个冒烟测试,或者说人工测试,对,那这是靠人点来流程的,对,那当然这一步可以人工来做,也可以让 ai 大 模型,让 skill 来帮我们去做。当然一般来说人工肯定还是要需要介入的,或者说完全让 ai 自动化来做,那肯定,对吧? ai 现在全自动化做还是有问题的, 我们,但是你大多数的工作,比方说你的整个开发工作里百分之七八十让 ai 来做,让 ai 大 模型来做是没问题,但是你还是需要人工在某些关键核心的阶段要去做些介入。 ok, 那 当然还有就是上线部署验证也是可以通过实表来做。比方说啊,我们公司上线我们开发环境,我们那部署环境是用多克或者说用 k 八十这样技术。我告诉你啊,原来你可能需要一个运维 人工来做,我告诉你,你会写 style, 你 会用大模型,你可以把你整个原来运维做部署的那套上线发货流程全部开发成 style, 最终让 style 自动化来做,你人工做下检查就完事了。 ok, 这是我, 我们公司现在正在用的六个核心的 style, 在 开发级别的,这只是开发级别的,不涉及太多业务架构。其实你真的要把项目做的非常自动化,你还需要在功能细节的架构啊,业务上面还有很多 style 要去写我们公司项目,我们公司之前做了一个项目大概有几百个 style, ok, 支撑我们整个项目的百分之八九十的流程都是 ai 大 模型自动化来做,基于 scale 自动化来做。人工只要在一些关键环节做一些检查,做一些审核,做一些纠正,给大模型做一些反馈就就可以了。 ok, 这是我们,也就说白了,我这条命令跟大伙执行的命令指挥大模型做的流程完全不一样,它底层全部是基于 scale 来做。 ok, 啊,好,那当然,讲这个 style 之前啊,我要先把我这个项目的结构稍微改会讲讲, ok, 比方有同学说,朱老师,你这考勤是要到底怎么样就能够,对吧?写出符合你公司里面项目需求那些代码,或者符合你们公司代码规范。那我到底怎么做的嘞? 我之前还要干嘛?让,让 cloud 干嘛?学习一些上下文?我们公司代码规范,学习乱七八糟东西,注意,我都不需要让他去学习。 ok, 我 只需要这条命令线,他就能写出我脑瓜子里面想的那些代码 的格式规范和样子,我都可以让他去写生成出来。那有的人会问,那到底怎么做的呢?你好像也没有给什么上下文啊,不要急,这就我待会马上要去讲哈尼斯 n g l, 我 通过哈尼斯 n g l 它内部的一系列工程化的约束规范,让这条简单的指令就能达到我想要的效果。 ok, 好, 那到底怎么做的?我们来往出来看啊。首先我这个项目我写了一个跟目录的文件,对吧?因为我这边是用了 q 的, 我写的一个入口文件叫 cloud, 对 吧?你用呃 codex 的 话,它应该有一个,也有个入口文件,就是叫 agent a agent md 文件,对不对?那这个入口文件是干嘛呢?也就这个入入口文件啊,当你用 cloud code 或者用 cloud 去开发代码的时候,这个入口就是你这个项目的这个 cloud 这个入口文件啊,是你敲每一条给大模型的指令, 这个东西啊,都会作为这条指令上下文给到 cloud, ok, 也就说白了,我这个项目有这么一个入口的根目录的一个文件,这个文件大伙跟着我一起来看看有什么东西?这个文件非常核心啊?大伙来看,这个文件里面我写了几个东西,一个是我们腾讯商城编码的一些约束,比方说我用了什么什么技术站,对不对?然后这个项目有一些 绝对 ai 大 模型不可逾越的规范红线,对吧?我这里写的红线不可违犯,比方说价格之短,必须用硬件整形,对吧?啊?分为单位对吧?尽量不要用什么这种什么 big data 这种 double flow flow 这些东西,但这可能会有精度丢失的问题, 对不对?所以这是我给他做了一个红线,就是 ai 大 模型,看到我这个文件里面这些东西啊,他一定会遵循。当然有的人会说,那我有时候碰到 ai 大 模型出现幻觉时,他好像也没有遵循,那怎么办?不要急,我待会去讲,毕竟那是 小概率的事情,我待会也会去讲这种幻觉问题怎么解决。但是你写到这边的话,大多数情况下他都会遵循你这边的规范,包括 raise k 前缀什么样子,我要求他必须按照我们项目名称来作为前缀等等等。我这边大概写着有七八条核心的,我待会让这条命令执行的过程中间,你必须要遵守一些规范,不能违反规范。 ok, 这是我写的跟目录文件,呃,就跟入口文件 的一块,然后还有一块是非常核心的,大伙来看啊,这边我写了一系列的哈尼斯约束文件,大伙看啊,全是全是,在我们这个具体哈尼斯文件夹下面。 那这里面有哪些东西,有哪些文件呢?有这么几个核心的,比方说有个工程结构文件,有一个编码规范文件有一个开发流程规范文件。好,接下来有一系列辅,有一系列我们的刚说的 scale, 比方说需求分析, scale 那 个什么编码实现的技能,对吧?专家评审,哎,我先问一下,有多少同学 对 skill 还没有什么概念,或者说对 skill 开发,我们就是 agent, skill 开发一点没概念,有这种感觉应该没有吧。我我我,问一下大伙对 skill 了解过?了解过的打一没有了解过的打个二,我来了解一下大伙基础应该或多或少还是知道一点吧。 咳咳。啊,现在还有些打二的同学,好好,我待会讲的具体 style 稍微给它讲一讲。是这样,但是我今天没办法再把 style 完整的很细的帮你去讲一遍啊,那个肯定没时间啊,我之前专门讲 style 就 花了一节课有几个小时。 如果说你对 style 一 点不了解的就怎么去开发 style, 我 之前有专门讲过一节开详细的开发 style 的 课程,回头找我们朱老师要一下对应的一些课程。 ok, 到时候我讲到 style 也会稍微给你去讲一讲大概 style 怎么去开发。其实 style 开发非常简单, 他主要是你要把你原有那些流程,业务流程,你怎么做的要描述清楚。 ok, 比方说我们公司的整个开发流程,比方我们待会,待会我看这个确定 style, 他 其实这个 style 里面开发的一些细节就是我们公司落地做项目的整个流程。 ok, 我 通过几次时把它开发出来,最终告知给大模型,就这个东西他没有很复杂啊,当然你如果完全不知道的话,你第一次接触还会觉得有点抽象,没关系,回头我待会去讲的课程,回头可以找我们朱老师要讲啊,这边有几个 style, ok, 然后还有一些一些什么业务模型啊,业务模型啊,这些都是哈尼斯我们待会要给他去看的,我们写的哈尼斯约束规范,这些东西都是我待会这一条指令,让可尔克的文档开发代码,这条指令里面需要遵循的一系列东西,一系列的哈尼斯约束规范,更好的达到我想要的代码,就更好写出我想的代码, ok, 那 当然还有什么变更目录啊,这是我们细节的东西,我们待会讲到再去讲啊,然后我们逐一来看看啊,这些文件都怎么回事啊?这些文件其实都是属于哈尼斯工程化编程,里面的约束规范 就是我们真正在我们项目中间,我们回头要把哈尼斯工程要落地啊,这就是我们需要写的一些东西。好,那我们就来看看这都什么东西啊?来哈尼斯这个文件夹下面,大伙仔细看,在这里我展开看一下啊,就 我跟他去讲,我下面这是我的前端工,这是我们前端工程啊,这是我们前端工程,这是我们后端工程,待会看看啊,比如说你看,这是我后端工程,来,这是我的 java 代码,现在里面我用哈尼斯的规工程规范,我写了很多功能了,比方说地址功能啊,用户认证功能,购物车功能,然后那个,呃,这是 control, 我 待会看一下具体的实现,设备是 设备是接口这是,那这个 d l d l o 对 吧?数据操控的,然后那个啊,具体实现待会给你看,这比方地址功能对吧?认用户认证功能、购物车功能、优惠券功能、订单功能对吧?支付功能,那个用户积分功能,商品功能对吧?然后那个什么,呃,这就是那个搜索功能啊,用用户用户功能,但是我还没有开发用户等级啊,这是我待会开发的, 就是这些什么购物车啊,积分啊、优惠券,我之前都已经让,哎,这个让可乐扣的,基于我这个哈尼斯规范帮我开发好了。但是,呃,我待会会待会开发这么一个功能啊,就是基于哈尼斯规范帮我们开发用户等级功能,这个用户等级我还没有开发,待会待会开发啊,但是开发之前我们先看看这个哈尼斯规范 工程落地我到底是怎么来做的。对,先把规范看明白,我们再带你来实战啊。来,这是我们具体开发的,这是后端的,然后这边是稍等一下,卡,卡了,卡顿了, 这是我前端的前端,我是基于 view, view 和那个 type script 去开发很多代码。那因为很多朋友他不是搞前端的,我就不看细节了。你大概了解一下这个工程 项目的结构大概是什么样子的啊?然后这个文件夹下面就是我们整个哈尼斯工程化规范落地的一个文件夹。那具体怎么落地?其实我们刚说了有一个入口文件,这里面有我们哈尼斯工程里面的一些核心的约束规范文件,那到底怎么写的?我们逐一来看。先看一下这个工程结构文件啊。来,在这边儿 放到,我放到这个 word 文件, word 就是 规则嘛,归约嘛,对不对?然后我写的第一个文件叫做工程结构,大伙注意来看啊,看看这个工程结构大概怎么回事儿?它是个类似于提示词还是什么呢?比提示词更复杂。 ok, 早期的版本叫提示词,但现在肯定不止提示这么简单。 scale, 你 也可以理解为就 scale, 你 也可以理解为非常复杂的高级别的提示词。 ok, 你 也可以理解为它就是提示。 ok 啊,但是他会,他会比大伙理解的原来用的那道题时会复杂很多。 ok, 好, 那我们来看啊,我先写的哈尼斯,呃, ross, 就 规范约束里面第一个文件,第一个文件里面有什么东西?这个文件里面我写的是工程结构规范,对吧?里面比方前后端项目分离结构,前端代码规范是什么样子的? 后端代码规范什么样?你的工程的代码结构什么样子?比方 control 配置啊,那个什么 control service 啊,对吧? d i o 啊, model 模型啊, m q 啊,公共内裤啊等等。我把一些我们项目的放代码的结构写到这里, ok, 包括我们这项目的结构,四层架构,然后 control, service 到 reverb, 到模到那个 model 实体层,对不对?我写的每一层大概怎么回事?包括依赖方向什么要求过来,他大概是先到 control, 再到 service, 再到数据库 dio, 再到那个 model 模型层面,对不对?严谨反省,一旦我写清楚,包括一些我的项目的一些模块的一些划分,对吧?大概什么样子?包括前端那些文件,那些放置规则,对吧?代码这些命名规范,对吧?这边都写的非常清楚,当然还有很多你看啊,细节的回头,呃,回头大伙如果想了解到把,把这一个代码给到大家啊, 我们要给他去看看啊。那大伙想想,我写,我为什么写这么一个文件?大伙知道为什么吗?来问一下大伙,我为什么要写这么一个文件?大伙思考一下为什么? 大伙儿思考一下,就是我跟他去讲啊,待会儿我去这一条命令,让可可的代码再帮我在后端吭哧吭哧写代码。我刚说第一步干嘛?它是调用我们的 skill 吧,比方我们需求分析 skill, 我 们的 coding skill 吧,对不对?它假设它调用我们那个 qd, 就 code skill, 也就 qd 写代码 skill ok, 来去开发我们的想要的一些代码,那它开发出来这个代码到底怎么放?你觉得大模型知道吗? 他一开始肯定不知道的吧,那他怎么样能知道我想要他开发出来代码怎么放?比方说他开发出来这么多前端代码,对吧?这些后端代码对吧?包括新增的文件,对吧?那这些文件,这些代码到底怎么放?他能知道吗?你如果不告诉他知道吗?他肯定不知道啊, 对不对?就当然有的朋友可能说,哎, cloud 很 聪明啊,对吧?他自己读一下我这工程,他也应该知道啊,哎,没错,如果说你的工程结构非常规范,大多数比方说 cloud 这样出名的大模型,那肯定知道哦, java 无非就是什么 control service, 对 吧? dio repository 模型,他看你这个包名,他也大概知道怎么去放,对不对? 但是我告诉你,你如果告诉他,会让他放的更加的精确,你不告诉他,他是基于他的经验概率来推敲,很有可能放错。 ok, 而且我要跟他去讲,你告诉他还有个好处,也就我的实料,到时候我我的抠定实料,到时候会来读这个文件来告诉我这个大模型你生成这代码到底应该放到我哪个位置?怎么去放? ok, 那 我跟他去讲个,讲一个,呃,打一个比喻啊,如果说我不告诉他就没有这么一个文件来约束我抠定实料来写代码的话,如果说你们公司啊, 你,你们公司的代码干嘛?你的所有的代码干嘛?你可能都写了 seven 十年对吧?你就压根就没有数据过这一层,或说你们公司的代码结构或说代码包结构都非常奇葩, 跟大模型之前学习的项目那些经验完全不一样。你觉得大模型你如果没告诉他你们项目的规范,对吧?放代码文件怎么样子?怎么命名的?你觉得他生成出来的代码能能是你想要的或者符合你项目规范吗?基本上不太可能,会,大概率会出问题。 ok, 所以 说白了这个文件代码就是告诉我们大母亲到时候生成好的代码应该怎么去放,包括生成的代码文件代码怎么去命名, 说白了就是让他命名出来,生成出来我想要的代码。哎,这是第一步,这些东西待会会由我们 style 来调用。当怎么去调用了解啊?这,这些东西啊,我刚去讲 这些东西,待会这些弱势待会都会由我们的 style 固定 style, 需求 style 来去调用这些东西,那具体怎么调用待会后面会去讲。你先知道我们这是是什么东西,也就第一个是工程结构,大概描述了我们这个项目的代码结构啊,包,呃,内明啊,怎么去命名? ok, 包括一些其他的规则,还有很多规则,我就一去讲这些,到时候都是给大模型来去看的, 他看了之后才知道我们代码到底怎么放,怎么命名。 ok, 啊,好,那我们再看第二个文件,叫开发流程规范。好,那这个开发流程来我这边写了一些东西啊,什么流程呢?我这里写的是一套比较标准的流程,是现在很多大厂 包括我们公司正在用的一套开发流程,软件工软件工程开发流程,第一步,需求分析。第二步,方案设计,第三步,任务拆解,第四步, 代码编辑,第五步,单元测试。第六步,代码平审、集成测试、预预发、上线部署、线上观测,这是一套比较标准的工程工程。 ok, 我 跟他去讲啊,待会我们具体在我们这条命令啊,在具体在调用 skill 的 时候,他会读取我们这个东西,来看看我们的一套开发流程是什么样子的。 ok, 比方他看到第一步需要分析的时候,哦,他知道,哎,我们可能要去干嘛,哎,要通过这个 skill 来做具体的需求分析了,我这个 skill 里面就描述了我们这个需求分析到底怎么做的呢? ok, 那 也就说白了,你看我们写这些东西干嘛?就是说白了,让比方说我们待会他看到我这个开发工程里面有一个叫什么编码实现的,他又会调到我们的扣丁实调,让我们来做具体的扣丁实调,这个实调具体告诉我们扣丁大概怎么去做,细节怎么做, 也就说白了,这个东西干嘛告诉给我们这个大模型?你这一条指令我们整个软件工程开发的一个流程,我们公司大概流程是什么样子? ok, 先告诉他,那每个流程具体怎么做,他会找对应的 style 去完成他,他会去找对应的 style 去完成他。 ok, 那 当然有的人可能说,可能会说,朱老师,我们公司没有那么规范的,我们公司可能,呃,没有你们这么复杂,我们可能就是一个需求分析,然后就直接编码实现了,然后测试单元测试可能没有,直接干嘛?人工测试一下,然后就上线了, 没有关系啊,你看你们公司是什么样子,你们公司什么流程你就写成什么样子。 ok, 你 不用像我这一步,每每一步流程对应的其实都有 style 嘛, 对不对?那你没那个流程,你就没有那个时间了,他也不会去做,对不对啊?那这也是我们的这个关于也就说完了,这个文件就是我约束,我们刚说这些都是哈尼斯的约束。 驾驭,看到没有?慢慢你应该理解驾驭吧,什么驾驭?就是通过我就把我们公司具体开发代码流程代码规范写清楚了, ok, 然后我要求 ai 大 模型,到时候再开发具体功能的时候,干嘛要按照我这约束来做? 哎,慢慢的你应该对这些约束理解,哈尼是有点概念的对不对?不要急,这才是一个入门。待会儿后面我们看到 skill 你 就彻底理解了,那包括还有就是我们写代码,我们公司在开发代码,如果出问题了,我们怎么去回滚的?流程大概什么样子? 那这些东西都要有对应的 skill 去实现。哦,都要有对应的 skill 去实现,而不是说空这么一句话, ok, 这只是告诉了流程,到时候这些流程对应的都要有 skill 来去实现。 ok, scale 就是 告诉 ai 大 模型,我这个编码时间到底怎么编码,到底怎么拆分,代码写成什么样子?我,我待会看这个 q d 样式,你知道这个 q d 样式里面东西很多啊,待会别看很多很多东西,待会看完了你就知道了。好,那这种第二个文件就也就是描述我们公司整个的一个开发流程大概是什么样子? ok, 包括项目变更的流程是什么样子? ok, 包括一些约束, ok, 这些一些质量,质量约束啊,那这是第二个文件,当然还有很多细节,就细节没必要看太多啊。然后还有一个编码规范, 那是编码规范就就很好理解了,也写了很多。他这个比方说待会我看几个比方,通用规范,对吧?价格制段我再写了一次,对吧?就是证明这个东西非常重要,我告诉他几次,就,但我们要这个价格制段尽量用整形,对吧?我告诉他几次,然后包括禁止魔法值,魔法值干嘛?就是一些草料什么的干嘛?你要搞一个 那个变量,搞一个定义,对吧?不要搞这种魔法词,对吧?这同样一个名词,同样一个常量,你在很多地方都出现,那到时候维护起来非常麻烦,对不对?包括空值处理,对吧?你要做一些判空的一些处理等等的,包括异常的处理,什么样子啊?什么样规范?比方说 必须使用业务异常,对吧?你不要去搞那种什么单纯的什么。比方我这边有个事例规范,你抛异常,必须要抛这种 business exception, 不要抛这种。我这边写有个叫 wrong, 不要抛单纯的 wrong time exception, 对 吧?然后里面搞一个什么错误的提示,你把这个错误提示写上,比方说 product not found, 也是商品不存在, 大家知道商品不存在,这样的问题在很多代码地方都会出现,那你想你每个地方都都这么来写,你到时候维护。比方说我把这个报错,我要改一个名词, 对吧?比如我把这个单词改了,那你,那你想你几百个地方都要改,是不是很麻烦啊?对不对?很有,那这就不好维护嘛,对不对?那所以我们正确的方式应该大多数在公司里遵守规范,我们应该有一个自己的异常体系,搞个 business excel, 你 继承它,对不对?然后我们要做很多很多 error code, 不 同的业务代码或错误码,我要通过统一的 内来去定义常用内的,把它定义好,对,我到时候用这些错误编码,对吧?业务编码来去统一来做,更好维护,对不对?这是我们的一个规范,对吧?包括还有就 ctrl 怎么去写,对吧?我的 service 事务定义这些东西怎么去写,对吧?都通过解释以及代码有具体的代码的一些描述,告诉给 大模型,我应该怎么去标 m q 规范什么样子? release 规范又什么样子,对吧?前端的规范怎么样等等,还有很多很多规范。 ok, api 层前后端的 api 调用什么样规范,数据库规范什么样子, api 设计规范什么样等等等等,还有很多规范细节我们不看太多。好,那我问一下大伙,大伙你是不是慢慢理解啊?那这个规范,我们都说这个规范干嘛呢? 这规范也是我待会这一条命令,在开发具体写代码的时候,他需要遵从规范, ok, 也就我我我,他会调用 coding skill 吧? coding skill 在 调用的时候干嘛?他就会遵从这些规范,让 ai 大 模型按照我们的规范写代码,而不是乱写或者随意去写, 对吧?凭概率去写,那肯定不行了,那写错代码肯定不是我想要的。但是如果说按照我这些规范结构约束这些,我们就是,哈,这其实就是本,上面就是哈尼斯的一些约束规范,如果按照我写这道哈尼斯的约束规范来开发代码,大概率是符合我预期的。当然,刚有同学说,朱老师,那也有可能出现幻觉,他不按照我们这个规范, 对吧?有,有的代码可能也不一定按照我们的规范主办标题只是后面讲的深度一点,再给他去讲,我们先给他入门级别,对吧?先给他去讲整个流程是怎么实现的,最后再去讲。哎呀,这比方幻觉问题又怎么解决啊?对吧?明明我这个规范写的很清楚,他最终有没有, 对吧?按照我这个规范去写,那怎么办呢?不要急,待会儿给他去讲怎么去解决幻觉问题,包括还有很多人可能会说他,朱老师,哎,我看你这么来去写,那理论上面是不是意味着,哦,我这一行,我这条 mini 你 就给我搞了一大堆的上下文啊?比方说,你你你这条 mini 让可儿 code 帮我写代码,他会干嘛?遵从这些规范? 我刚刚就已经跟有有有有有同学说,朱老师,我你你这几个文上下文文件可能就已经,对吧?大几千的 call 可能对吧就没了,对吧?好, 可能有同学说,珠宝,这我我有点用不起啊,对吧?这 token 伤不起啊,不用急啊,就是这里面有优化手段,虽然我说了这这些约束,但并不是说每一条指令所有约束都要用不到,我们待会给他去讲这里面他可能会用用些 token, 那 用 token 的 过程中,我们会有些 token 优化的手段, 让他既能遵循我们的规范。 ok, 上下文有我们的规范,然后托管又能够极致的做到优化。这是我们待会儿后面讲完使用之后,再去讲一些稍微高级一点的话题,比如说托管优化、换取问题怎么解决等等的时候,我们再去讲细节的东西。 ok 啊,如果你如果有这样问题,先记下来,我这些问题标题都是我后面要去讲的内容。 ok, 好, 那我们就再再来看哦, 再把其他的几个文件我们再看一看。现在其实你就在跟我去看,我们这个项目中间我之前开发了一些约束规范,那这约束规范也不是我自己凭空捏造的,其实就是我们公司现在正在做的项目,比方说你手工,你人工用古法编程对吧?去具体开发代码过程中间需要遵循那些规范?我们公司的开发流程什么样子?我已经通过具体的这些 文字,包括编码规范已经写到这边了,这些东西就是哈尼斯的规范,就是我待会让 ai 编程大模型去写代码时,他需要遵循了一套哈尼斯的约束, 最终写出来就是我想要的。 ok, 好, 那我们再看啊。 sky, 我 们最后再看,再来看一下这个 wiki 文件,这个 wiki 文件其实说白了就 wiki 嘛,就是文档嘛。像这个 wiki 文件,这个 wiki 文件其实说白了就 wiki 嘛, 就是文档嘛。或者说你把这个文件叫 word 文件都可以,你怎么命名都可以啊。然后这里面有什么?业务模型,对吧?就我们看这个项目里面现在有哪些数据库的一些模型,业务模型呢?对吧?比方商品的 s k u 的, 对吧?收货地址的,购物车的,这是基础的一个模型对吧? order 包括接口协议,对吧?我们这里还定就是我们开发项目中间做需求分析之后,我们前后端做交互,是不是大家伙先要把接口定好啊?对,然后我这边也把接口定好,比方说 我们需要有哪些接口,对吧?比方商品模块需要有哪些接口,对吧?然后我们,呃购物车模块需要有哪些接口?然后这些接口的 交互的格式什么样子的?我这边也定好了。比方说大伙可以看啊,就是我这个接口的请求头大概什么样子,对吧?响应格式什么样子的,对吧?我的错误编码,响应码又有哪些东西,对吧?这是响应码对吧?就这些东西我一定要提前定好 这个东西,到时候也会给我这个指令来去做。比方说我我这个指令到时候开发给前端,开发一些后端的一些项目的业务接口,对吧?那这些接口你到底 对吧?要尊重什么样的一些响应格式对吧?返回体是什么样子?业务请求头是什么样子?接口规范什么样子你都得遵循的,那我是写到这里, ok, 然后包括还有一些数据模型,这就是具体的数据建建的一些表啊,这个就没必要多看了。然后还有个很关键的文件叫领域术语, 这也是哈尼斯规范约束里面,特别你做实际做具体项目的时候,你需要注意的一定要写的这个领域模型里面我写的什么东西,说白了就是我这个电商项目里面的一些具体的业务定义,比方说商品是什么东西? 我的规格是什么东西?我的购物车什么东西?购物车项目什么东西?我的订单项目什么东西?我的库存什么东西?我的什么什么?其他也有,包括什么?我的对吧?我的订单的状态有哪些对吧?我的一些技术名词、术语有哪些?比方说撸啊,脚本是什么东西?延迟、消息密等,这些东西包括包括一些细节的, 具体的列表, v、 o、 d、 t、 o、 e、 n 的, 对吧?你具体的表你有,有的公司里面你没有 v o 的, 你可以不写对不对?那我们公司里面可能有 v o, 也有 d、 t、 o, 还有基础的那种 n、 t、 t, 对 吧?基本的 model 都有,对吧?那这些东西你都要把它写清楚,到底怎么命名呢?对吧?这种命名到底对应什么文件,什么样子,你把它写清楚, ok, 这是我们的领域的一些术语, ok, 那 写这个东西有什么作用呢?大伙,你想一下,可能有同说,难道这些东西不知道吗?电商这些术语我觉得大明星都知道。没错, 电商这个项目大模型他肯定非常熟悉啊,对吧?待会我们,我们学学代码,学开发,可能学的比较多,就是电商这种业务的向,对吧?因为他比较典型,而且他可以贯穿很多很多技术啊,业务在你, 对吧?那大模型他肯定学过。那有人说我可以不写吗?对于电商这种大模型非常熟悉的项目,你也可以不写,这业务名字大概率知道对不对?但我个人建议还是写一写,特别是你这些,对吧?你这些领域名词对应的啊,你让他帮你生成代码,生成什么样的代码名词?比方说订单,我要求他生成 order, 对吧?别帮我生成一个其他的名词不太好看,对吧?那你最好这么去写,他帮你生成就更加是你想要的。 ok, 那 待会思考一下,如果说我不是电商项目,我是一个比较偏门的项目, 对吧?我是一个,比方说我们,我们,我们做了一个军事,对吧?就军工那个项目可能都保密的项目, ai 大 模型根本没有学过的,对吧?或者说一些政府的项目很偏门那些项目,那那里面有很多业务名词领域的一些术语, ai 大 模型根本不知道,你不给他解释清楚他写的代码或者说做的一些业务你根本看不懂。 所以对于一些偏门的业务, a, 大 母婴可能不知道的这些术语,你写的越详细越好。 ok, 你, 你写的越详细,大母婴到时候用到这些术语,比方看你需求的时候,做项目拆解的时候,生成对应代码的时候,他看到些业务名词的时候,他才能做的更好, 如果你不给他解释的话,看到需求文章里面业务名词从来没见过,他可能乱生成一些对应的代码,或者说一些命名,你根本不知道怎么回事,明白吗?所以这也是哈尼士的一个非常重要的一个领域,约束规范, 这些都是我们待会继续哈尼森落地的时候,让这个具体的编程指令来要把我们遵从遵从规范, ok, 好, 那这些规范我们看完了,那这些规范我们刚说这些规范实际上是我们待会用这个 skill 去调用用到的, ok, 那 接下来重头戏我们来看这 skill 到底怎么回事啊?首先我们来看第一个 skill, 是 我们的那个 request analysis, ok, 也就说白了,待会我执行这一条指令啊,他就会先调用我们这个 request analysis, 看看我们整个的需求分析 大概怎么去做。这个 style 里面描述的就是我们公司做需求分析的一个过程,流程是什么样的?好,我给大家伙看看大概怎么回事? 是这样子的,就这个 style 文件啊,这个需求分析的一个 style 大 概怎么回事呢?就是首先描,我说简单点,刚有的有的同学没有做过 style, style 没有那么复杂,其实很简单,说白了就是把一件具体的事情用提示词或者说加一些代码, ok, 他 有的复杂一点的里面去开发一些代码都有, 就是 scale, 其实就是把你要做的事情,这个事情是怎么做的,比方他的步骤是,比方我们做需求分析,对吧?他有哪些步骤?第一步是干嘛?第二步是干嘛?第三步是干嘛?第四步是干嘛?你要写清楚每一步什么样,你要描述清楚 每一步大概怎么做的过程要写清楚,当然简单的,简单的事情你直接用中文描述就行了,但是一些复杂的事情干嘛?你甚至还要开发代码, ok, 你 回头大伙可以去看看我之前讲过的一节 agent skill 的 一节开发的课程,我们里面就写了大量的代码,写了 python 呢?写了购物源的。呃,一般一般 java 可能会少一点点,因为 java 说白了开发 skill 的 话不是特别方便啊,因为 java 的 环境大致啊,比较复杂啊,不是说不可以啊,也可以开发啊,但一般来说开发 skill 的 话用的比较多的是这种。呃, python 啊,构员这种环境比较简单的一些语言会更方便一点。我之前讲的那节 agent skill 开发的底层使用的 python 语言来做的, ok, 但是我们今天我们讲这个需求分析的 style, 他 没有涉及太复杂,我们今天只是一个入门的哈尼课堂,我就没写那么太复杂的,到到到很细节的,但是我们后端的一些部署的里面是有代码,待会待会有时间再去看啊。我们先看一下这个 style, 其实 style 总结一句话,就是把你具体做那件事的流程,你们公司怎么做的,或你平时怎么做的,把它步骤写好,每一步做什么事情怎么做,写清楚就可以了。复杂的事情 我怎么做?我可能还需要调用到代码啊,那你要把代码也写好放到这边来,回头我们 ai 大 模型都会来调用你这个 skill, 调用你的代码来,具体按照你的步骤来完成你的事情。 ok, 那 我这个需求分析我们公司怎么做的?来,首先看一下这文件啊,首先我们描述这个 skill 要干嘛的,它实际上就是把模糊的需求转成清晰的任务, 技术任务对不对?并且识别我们的业务的影响,技术风险。好,注意看,我这边写了一个触发条件,这触发条件干嘛呢?当我们收到新功能需求或者变更请求时,自动激活此技能。当,当然,如果说你之前没有看过我讲那些 a 技能的时候,你都不知道是什么意思,写了一个触发条件, ai 大 模型就可以触发了,可以的, ok, 但是这个怎么去触发的?今天这节课你没办法去解释啊。回头看我讲的 a 点是要开发那节课详细的整个触发的念录怎么触发的,我讲的非常清楚,包括如果说我这个是要对应的,下面如果还有代码开发,怎么去调用代码的,我讲的非常非常清楚, ok, 但是我今天没办法再去讲那节课啊,你把那节课讲了三个小时没有, ok, 所以 我们今天重点是讲哈尼斯啊,所以你大概知道我通过这一句话,然后回头 执行这条指令的时候,他就干嘛激活我们这个技能。那这个技能干嘛嘞?来看一下这个技能执行步骤有这么几步啊?第一步,需求解析。第二步,业务影响分析。第三步,技术分析,第四步,操作检测,第五步,输出。好,我们来看逐每一步干嘛?第一步,需求需求解析干嘛呢?他其实就提取核心的功能点,哎,比如我们这个功能干嘛?是用户等级的功能对不对?他会提取出来,然后识别功能一些边界, 包括输出需求清单,然后干嘛?然后他会帮我们在把这个需求啊去做更细节的拆解。当然具体在拆解的过程中,你们公司怎么去拆解需求的时候,你可以把这个实料写得更详细一点。但我今天是一个哈尼斯入门课程,就没有讲那么细了,真真实实。我们在我们那个具体在做项目的时候,这个需求的 哈尼斯的细节的需求裁剪,还会写更加完善的石雕。啊,这个,这个我们今天先不展开啊,然后接下来干嘛?识别业务的影响,大家知道我们做完需求之后干嘛?实际上在我们公司内部我们还会评估一下这个需求对我们现有项目的影响。 ok, 他 影响哪些业务模块啊?对这个业务流程的变更有哪些啊?对吧?包括对用户的范围的影响有哪些啊?因为说白了有的需求不是说产品,你拍了我在想的需求我就要做的,如果这个需求跟我们原有的业务有冲突怎么办? 对吧?那我肯定我要通过 skill 描述出来,对吧?让大母细胞检测出来到底这个需求能不能做,我要把它的影响也要写清楚,对吧?包括技术的影响,对吧?你这个需求到做了之后,我们要评估一下他对我们数据库有哪些变更,对于我们的各种 api 有 哪些变更,对我们的各种技术架构有没有什么变更?我们在我们公司,至少我们可能有的公司他做需求不这么做,做比较简单,我们公司在做需求的时候,其实我们是在做需求分析。 ok, 把这个需求甚至有一点,有一些设计在里面了,已经有一些设计在里面了, 但还是以需求分析为主啊,就把需求那些影响,那些模块,一些东西都会分析,都会影响,都会提前规划好,都会分析好,那这样我们后面再去编码实现,再做设计,编码实现的时候就不容易出太多问题,前期做的工作越多,后续写的代码工作量就越少越快。 ok, 啊, 比方说我不知道大伙有没有待过的对日软件外包的开发公司,这种软件外包,特别是对日啊,他们这种需求分析啊,这种写文档阶段啊,我告诉你甚至占到整个项目的百分之七八十的时间,写的非常详细,你 写的越详细,你后续开发代码的工作量越小越快,而且不容易出错。 ok, 那 包括还有些冲突检测,比方说跟我们那些架构上面原有架构一些约束冲突等等,包括我们最后输出,输出是干嘛输出,我会让他输出一个详细的需求分析的文档,我会放到这个文件,哈尼神、嵌级神, 什么功能名称,以及你的需求分析的文档有哪些你们要涉及到,哎,需求描述、验收标准、业务一项范围、技术变格、冲突、风险任务、拆解建议等等等等。 ok, 好, 我待会开发这么一个功能,他其实就会在我们哈尼式这个文件夹下面嵌几次文件,下面加一个文件夹叫就是你的功能名。 ok, 比方说那就是就是一个功能名,这个这个业务功能名,再加上上面文件,这上面文件就是通过这个词调帮我, 我帮我开发出来的具体的需求分析细节文档。比方说我待会我看看我之前开发过的一个视频,叫用户的购物车 shopping cart 的 一个 feature, feature 是 功能意思吗?这是我让 ai 大 模型 ai 编程 code 的 帮我生成的一个代码 的一个需求分析文档,我待会看看长什么样的,当然待会我这条命令执行,它又会生成出来新的需求分析文档。比方说这是让我让 ai 编程基于我知道哈里斯流程规范帮我做的需求分析文档,对吧?就大概实现购物车有哪功能, 对吧?就是比方购物车添加修改数量啊,取消购物车啊,对吧?清空已购商品啊,包括对哪一模块有影响?比方对我们新增购物车模块有新增的影响?对我们原有商品模块,对吧?我可能要获取,他要查询他,对我们订单,他是依赖我们订单吗?你购物车肯定会依赖我们订单相关一些功能, 对吧?然后包括什么 m q 啊?我可能他这个购物车里面可能也用的 m q, 对 吧?他分析完了之后可能对我们 m q 有 些影响,对我们公共模块可能也有影响。对,包括涉及到一些 表的变,变更有哪些,对吧?表的变更的数据模型有哪些,对吧?包括我们的数据库的一些回滚的一些时段,对吧?包括我们 api 的 一些变更,对吧?就在需求分析阶段,我们公司是在需求分析阶段做的非常细的,已经做到这个程度了,模型出来,对吧? 包括那个 api 的 一些变更,对吧?前后端的接口要出来大概什么样子的,对吧?包括我们涉及到一些缓存,可能用会,这里面可能还会用到一些缓存。哦,其实这里面包含一些需求分析,包含一些架构设计的都在里面, ok, 然后包括一些变更,对吧?包括 consumer 一 些变更,包括一些关键的约束等等的,这里面很多 ok, 这也是我让 ai 编程通过我们这种哈尼斯约束规范通过。呃,那个什么,就是我们刚说 request or license 这个需求分线 skill 帮我们来去做的 ok 啊, 哈尼斯和 skill 有 什么区别?你可以理解为哈尼斯可以。

codex 不 只是写代码的工具,它还集成了联网调研、浏览器自动化、 computer use、 控制电脑 mcp、 外部服务集成等能力,但大部分人只用了不到百分之二十的功能。今天讲清楚 codex 最佳实践指南,话题管理工具调度与自动化任务全解析。 codex 的 session 之间上下文完全隔离,不存在跨话题的记忆共享。因此新任务应直接新建 session, 保持较短的上下文窗口, ai 的 指令执行质量会明显更高。 对于长期项目,点击左上角钉子图标将 session 片注, codex 会自动将历史对话压缩为精简的核心信息继续附用,省去每次重复说明项目背景的步骤。 codex 右下角有麦克风按钮,点击即可语音输入,也可以用本地工具闪电说或 whisper 转写后粘贴口述代码逻辑比竹字敲快得多,编程效率提升很显著。 在 codex 执行工具调用期间,你发送的新消息不会打断当前流程,而是进入队列等待。 stare 功能利用了这一点,允许你在上一轮工具调用结束后插入指令,实时纠正方向。比如, codex 在 浏览器走错了页面,你用 stare 发一句回到主页,它会在当前操作完成后立即响应。 你还可以提前把后续步骤排进队列,实现链式自动执行,减少手动触发。选择自动化工具时遵循成本最低原则。 同样,控制浏览器优先用 google chrome 插件,而非 computer use, 前者执行更快,消耗更少。联网查资料,只需在对话中直接说调研就能触发。内置的 search the web 无需启动浏览器, 只有当目标页面需要登录态才能访问时,才考虑用浏览器自动化,因为必须依赖以登录的浏览器环境来维持绘画状态。 mcp server 可在设置中配置 superbase、 mongodeb 等外部服务,实现数据库直接读写 skills 搭配飞书 c i、 l i 等工具,让 codex 执行发消息、写文档等操作。这两项机制将能力边界从代码编辑扩展到了外部服务与办公场景。 automation 支持创建定时任务,但默认模型不一定是当前最强的,比如可能分配 gpt。 五点四需要手动检查并切换 guess 目标功能,需在 config 文件中把 enable 设为 true, 然后用斜杠命令 go 来设定目标。它的核心机制是每轮 agent 对 话都会确认目标完成度,这样即使涨任务导致上下文压缩模型也不容易偷懒。使用时必须给出明确的评估标准和停止条件。 side panel 侧边栏可开独立对话,与主线呈共享上下文,但不污染主对话。适合临时提吻。可预览 html 和 markdown 报告,快速截图并添加标注。侧边对话可能过期丢失,不宜长期保留 跨话题记忆。推荐用文件管理,比如本地 mark 文档代码库本身,或通过非书 c l i 读写云文档,文件内容完全可控,便于审查和版本管理。不建议开启内置 memory 功能,它容易在对话中自动存入无关紧要的错误偏好,反而干扰后续话题的执行质量。 在 general 设置中降 walk mode 切为日常办公模式,会隐藏代码执行细节,让界面更清爽。同时开启防休眠设置,防止电脑在扣贷长时间运行任务时进入睡眠状态。 话题独立管理,避免上下文污染。选工具始终优先最低成本方案,用本地文件代替内置 memory 管理、跨话题记忆、长任务开启 cos, 防止上下文压缩后的偷懒。这四条理顺, codex 就 能成为你稳定可用的全站自动化助手。挑一个手头正在做的项目,今天就交给他。

deepsea t u i 又有一次重大的升级了,它现在叫 code wire。 这次升级主要的是通过 harness 增强,让它的能力得到大幅度提升,而这里面就有我们贡献的代码。 我们贡献的代码主要完成了两个功能,第一,改文件之前先让 a 阵知道这次补丁会影响哪些路径。第二, cargo 失败之后,把很长的报错日期整理成 a 阵能直接判断的失败摘要。这样一来, a 阵下一步该查哪里,该修哪里,就不会完全靠猜。 这次改动不是加一个新界面,也不是加一个新按钮,但对 agent 来说它很关键,因为真正的工程任务不只是生成一段代码,它还要知道自己刚才改了哪里。测试为什么失败,下一步应该验证什么。 harness 做的越清楚,模型需要猜的部分就越少, 这也是 code hell 官方为什么采纳我们的 pr 的 原因。这件事对你有什么帮助?如果你再用 agent 写代码,不要只盯着模型强不强, 要为他制定好合适的 harness, 能不能记录改了哪些文件,能不能把测试失败整理成清楚的信号,能不能让下一次修复有证据可以接着走。很多时候, a 准能力提升不是因为他突然变聪明了,而是因为我们把任务现场整理得更清楚了。 如果你也在用 agent 写代码,别只问模型够不够强,给他一套清楚的 harness, 让他知道改哪里,为什么失败,下一步查什么。你在 ai 编程的过程当中遇到过其他问题吗?我们评论区聊聊。

挑战,每天讲透一个 ai 知识点,今天是 harness 阶段,一信息层让 agent 看懂项目它在哪个位置的话,它找起来就很麻烦了,那这个 token 消耗就比较大,所以一上来我们就有一个 agent 点 m d 有 一个代码地图,是吧?那 agent 它就知道,欸, 我你如果问了一个问题,比如说我现在想了解代码的一个规范,他马上去阅读这个规范去写代码是吧?你让他参考我们当前项目这个规范,他就知道参考这个文件了啊,因为你告诉他位置包括一些 ci 是 吧?依赖方向,然后啊这个单文件代码数啊,这个就是具体的一个写代码的一个规范是吧?你说代码行, 然后整个的一个不能用的一些这个库是吧?然后还有一些规范啊,就提交的时候是 fit 还是 fix, 这是提交的一个规范,是不是都写得比较清楚了啊?所以说 agent md 里面要做一些我们系统架构的一些关键的一些设计啊, 但是这个的话也不要写的太多了啊,因为你写的太多的话,就相当于你在写一个百科全书了,这个里面的内容一定要非常之关键,非常之精简啊,尽量是控制在五十到一百行,也不要写一堆没用的啊,尽量写的都是关键内容,特别是我们作为开发人员经常去问的一些问题的话,这个大家可以重点去写一下啊, 就是比如说开发人员很容易去问,就是我现在想了解一下那个错误码在哪里是吧?当前的测试规范是什么?然后一些代码行超过多少道行违背了规范是吧?这个是我经常可能会问的一些问题。 呃,然后他解决第二个问题,就是你想做什么,去哪里看啊?就是我们这个代码地图啊,有一个清晰的一个描述,然后硬性规则单独列出啊,这些都是 ci 会强制验证的,不是建议啊,就这些东西都是 硬性的,必须按这个规范来做,不是说仅供参考啊,是一定要按这个去限制,如果你违背了规范,它就会报错啊。这个是我们需要关注的一个点, 所以说这个结构化的这个知识库这一块是比较关键的啊,就是我们要有个 docs 啊,我们要把所有的文档放到这个里面去方便查找, 并且的话最好是每一个文档这个头部的话都加上这个原始的一个信息,是吧?把这个信息写清楚,这样的话我们就可以自动去扫描一些过期的一些文件。比如说,哎,我们之前这个文档假设是 ai 生成的,它会自动带上这个日期,或者我们人尾写的话也会加一个日期。那我下一次做那个代码扫描的时候, 我们扫描发现这个文档,哎,代码就是离这个时间已经过时了,那我们要给他做一个任务标记啊,下次要给他 要做升级还是怎么样的啊?你看这里有几个状态是吧?是当前活跃的过期的还是一个草稿?这个里面我们要把这些原信息啊,原始的这个更新的信息给它描述清楚,这样主要是方便 a 证的去做自动化扫描啊。 然后是设计文档的一个模板,这个是 a 证的执行一些复杂功能前,我们要写的一些这个文档,是吧?就这个里面的话啊,一些设计文档的话,无非就是你现在比如说开发一个新需求了啊,比如说做一个用户管理模块, 那你的目标是什么啊?这个非目标啊,就是做什么跟不做什么,要说清楚技术方案是什么,设计的模块有哪些?数据库变更有哪些,验收的标准是什么?依赖是什么? 就是要你要把一个开发一个需求,把它做成一个标准的一个模板啊,我们开发需求无非就是改这些东西嘛,改模块、改数据库、改接口是吧?然后标准是验收标准是什么?依赖了是吗?无非就是这些东西你把这边界写清楚了,它生成代码质量的话肯定会高很多,并且的话这个验收的这个结果的话也会更好,是吧? 所以当 a 整数拿到这么一个功能需求之后,他就相当于先要去填写这个模板啊,他知道你这个模板之后啊,你有了这个模板,你再去让他去做代码生成的时候,他整个生成代码的这个意图就非常明确了,那么他生成的质量就会高很多啊。 那在这个里面,这里面我之前我就生成过这个 agent, md 啊,我给大家看一下这个市里这是我根据落一的这个项目啊,就是之前用这个 codex 生成的啊,这个很简单啊,就是大家你直接可以去这个提问啊,你可以提问,比如说 分析一下当前项目规范,帮我生成一个 agents 点, md 啊,你就这么跟他说,让他去分析一下当前项目的一个结构,然后让他去生成就完事了啊?这个就是我之前生成的一个 h、 c、 m、 d, 他 把会把所有的代码给它扫一遍,然后把一些项目结构啊、工程规范 啊、一些 hash 工作流,然后后端的一些命令啊、数据库配置啊,你看都给我生成好了,这个是比较方便的,是吧?

二零二六年三月三十一日的一个深夜, anthropolis 一 位程序员意外泄露了 clock code 的 全部源码,一千九百多个文件,五十一万行代码一夜之间全部曝光。发布后的短短八个小时内,这份源码在 github 上拿下了八万 star, 创下了 github 历史记录。而 随着这份源码一起爆火的还是一个全新的概念, harness engineering。 驾驭工程,一个让 clock code 成为最好的 coding agent 之一的关键。从此, harness 这个概念迅速普及。那他到底是个傻? 为什么?一个工程名词,对于所有开发 agent 的 甚至指挥 web coding 的 小白来说,都是一个必学的课题。那么今天这期视频,我就想用小学生都能听懂的方式来和你讲讲什么是 harness, 什么是 harness? 它的本意是马的江绳,而江绳的用途就是用来控制奔跑的马匹。假如我们把大禹模型当成一匹可以日行千里的马,而若是没有江绳,骑手就没有办法控制它的方向,掌握它的速度,马会乱跑,骑手也无法到达目的地。根据阿司匹特的描述, harness 的 定义就是 agent 兼 model。 在一个 agent 系统里面,除了模型之外都是 harness。 它的目的并不是让 ai 变得更聪明,而是用规矩加检查加边界把它拴在一个使用者的目标上,让它的每一步都不跑偏。 那么一套设计好的 harness 和一个设计不好的 harness, 可以 让同一个模型在执行同一个任务时呈现出巨大的差别。 那么为什么在执行任务的时候需要 harness 呢?这个事情就需要我们回到模型的本质来看,当我们和模型对话时,模型其实并不理解自己生成的答案,而是一个一个的预测下一个词, 它会根据前文计算下一个词的概率分布,然后从中彩样。所以你获得答案其实在限定概率下猜出来的。 那为了能让模型更好的预测,人们在二零二三年的拆报阶段提出了一个概念叫 prom engineering, 通过限定的提示词来激发模型的正确概率,本质上是通过上下文条件约束模型预测时的概率空间, 防止他漫无目的的发生彩样。那到了 a 战时代,情况又不一样,模型学会了用工具,那这意味着概率的战场从纯文本空间扩展到了决策空间。 模型不仅要猜下一个词是什么,还要猜现在该不该调用工具,调哪个工具参数怎么填。每一次工具调用的决策本身也是一次概率采纳,调对了概率被确定性工具锁死, 调错了,一步错,步步错,工具返回的结果反而把模型带进更深的沟,所以 harness 这个概念就出现了,而要更加深入地理解 harness。 至于 agent 的 e, 我 们还需要了解一个由康奈尔大学发布的这篇论文中提出的新概念,叫做开发流与技术债权衡。 那我相信看我视频的不少观众是纯粹使用 webcoding 来搭建 agent, 那 你或许会意识到,当 agent 真正落地的时候,效果并没有那么好。那这篇论文对 webcoding 引发的技术负面效应进行了深刻反省。 当开发者进入大模型,通过自然语言描述就可以立刻获得大段可运行代码时,就很容易跳过软件工程的关键步骤。 这些被跳过的原则并不会消失,而是转化为技术债,在代码库中无声堆积。当架构商增到一定程度,系统的可维护性、可理解性就会崩塌。那技术债在 agent 里面是怎么被放大的?答案就藏在 agent 的 执行过程中。 因为 agent 不是 一次性跑完任务,它会反复循环,调用工具,检查结果,再调用,再检查。技术债一旦被写进代码或规则里,就会在每一次循环中被反复执行,反复确认,甚至越滚越大。这个反复循环的结构其实就是 agent loop, 而 harness 的 核心正是通过这个 loop 来运转的。 你只要把 harness 拆开,看到的就是这一圈又一圈的循环。如果你只看到最终结果不对劲,却不懂这个路内部发生了什么,你就没有办法设计 harness 来拦住债务,纠正偏差。想要了解 harness, 就 让我们从一个用户发出一个问题开始。用户问起,模型思考,给出答案,交付用户。 这是一个模型在回答你问题时的限行工作流。如果我们把这个限行方式套用在 harness 上,那么它呈现出来的工作方式将会是用户输入问题,模型思考。调用工具一,完成 part 一、 调用工具二,完成 part, 交付给用户。这也是大部分用户在 web coding 时呈现出来的架构, 他能完美运行的前提是每一步都能完美执行,并且不需要回头。但实际情况是,不同层级的工具调用可能失败,中间结果可能偏离初衷。上下文越长,模型就会忘了最开始的问题,就 像在一条没有质检的传送带上,直到最后交给你一个报废品。那么真实的 agent 是 如何开始循环的?我们再从一个用户的问题开始, 第一步不是为给模型,而是给到 context, 目的是组装上下文,它包含了用户的任务,历史的对话, cloud 点 md, agent 点 md, 这些文件是项目给自己定的规矩,什么能碰,什么不能碰,代码风格是什么,以及什么样的结果才可以验收,把需求变成需求加边界。 第二步才是把这份组装好的上海文送进模型。模型拿到这份文档之后,第一个动作不是干活,而是确认计划。为了完成这个任务,我们需要拆分多少步,每步需要调用哪一种工具,清晰的列出来,还有什么样的标准才可以验收,当他想清楚之后, a 阵才正式开始工作。 第三步模型开始思考第一步需要哪些工具,然后向 agent 发出调用工具的指令。在调用工具之后,第四步是检查各项系统权限,判断这个工具能不能用,这个命令能不能跑,是否需要用户确认。当权限通过之后,第五步才是调用工具开始干。 当第一步工作执行完之后, agent 会把工具输出包装成一个 to result jason, 这就代表了工具调用是否成功。 这时候第一层的循环结束,就开始了第二层循环,第一次循环的 to result 等结果信息重新发给上下文进行组装,然后再发给大模型进行验收。那如果验证通过,就会执行下一步调用工具完成任务,然后再进入新的循环,如果验证不通过,就开始调用修补工具,进入修补循环, 填补那些未完成或者失败的漏洞,等完成后才会进入新循环模型,就在这样一步一步的循环中完成任务,这就是一个 agent, 这一圈就是大于模型,而 agent 减 model 等于 harness, 那 么把模型拿掉,外面这一圈就是 harness 了。 在这个循环里面包含了 s robbie 在 三月底发作技术解读中, harness 设计里面最重要的三个条件,一、规划器。二、生成器。三、检验器。 harness workflow 可以 简化为需求到规划到生成到验证。它的 info 包含了沙箱记忆、 skill、 绘画、状态、权限控制和 hook 的 模块,这就是一个完整的 age 路中 harness workflow 和 harness info。 相信上述描述中也让你对 harness 的 工作和 harness 所包含的元素有了清晰的认知。那虽然这次圆满的泄露是个意外,但意外的把一个最重要的工程思维推到了所有人面前。好了,本期视频就到这里,如果这期视频对你有帮助,麻烦意见三联,我们下期再见。

你有没有发现,你自己写的 ai agent 每次输出的结果都不太一样,有时很完美,有时莫名其妙把系统搞崩。今天带你看一个给 agent 上安全锁的神库。传统的前端后端代码,我们可以写绝对确定的单元测试,但 ai 的 输出是概率,模型是黑盒。 如果你只靠人眼一遍遍去看日制验证它有没有乱掉工具,那你的 agent 永远上不了生产环境。而拿到四千多 star 的 harness 彻底改变了这一点。 它其实是一个 meta skill 原技能。当你在终端输入你的项目需求时,它不仅会为你搭建一支多智能体团队,还会顺手帮你把测试沙盒和制品代码一并生成好。 其中最硬核的是它的对抗性测试,它能像真测试员一样,故意给你输入的指令掺杂矛盾信息。比如要求用 python 写 js 代码,看看你的 agent 是 直接崩溃 silent failure, 还是能智能地抛出警告拦截。 更爽的是,你不需要为他单独写一套晦涩的环境。无论是 cloud code 还是 github co pilot, 你 都可以直接通过 c i l 将 harness 接入你的终端开发流。不要把你的生产环境当成试验田, 优秀的 ai 工程不仅需要大模型的聪明材质,更需要工业级的测试架构来兜底拦截幻觉。在 ai 泡沫满天飞的时代,我们需要能真正落地的工业级方案。我是安迪,每天半小时看懂硬核前沿,我们下课!

大家好,我是老吴,今天给大家介绍动态工作流, dynamic workflow, 呃,它是最新的,呃, cloud code, 呃,二点一点一五四,它伴随着 up, 四四点八一起发布。然后呢?呃,这个版本 动态工作流它已经默认开启了,说明已经可以生产可用了。然后它是一个什么样的一个技术呢?呃,简单来讲就是它,它是让 card, 它自己写一段调度脚本, 然后呢在后台指挥,呃,很多个智能型来并发地进行工作,它只把核对勾的结果来交还给你。 要想使用这个功能的话,就是,呃,我们 cloud 的 版本必须是大于,呃,二点一点一五四的, ok, 我 们继续。那什么是 cloud workspace 呢?也就是我们刚才讲的它是一段 cloud, 这,呃,这里我们需要注意,它是现场编辑的 js 脚本 编排脚板,就这个脚板不是我们呃事先编排好的,而是 cloud, 它根据它的实际情况现场编写的。而且这个,呃,嗯有独立的运行时呢,在后台进行执行。 它的智能体也有它的智能体就是,呃 sub sub agent, 它,呃主要是负责一些就读文件,跑命令研究凭证这样的操作,它的脚本只负只是负责来协调 主绘画呢,只收到最终的答案。这样的一个设计呢,就和我们之前小龙虾的那个设计是比较类似的, 有一个主的 agent 来负责收集信息,一些子 agent 负责跑一些,呃负责干具体的任务,然后他这边比较好了,就是他,嗯, 用 js 来编排脚本,这样的话就保持保证了。呃,最大的一个灵活性, ok, 他 到底解决一个什么样的问题呢?他第一个解决问题就是,呃上下文比较长的这样的一个问题,就是单个任务上下文比较长 算不下去,然后虽然我们现在的模型上下文也比较大了,但是总会有爆炸的一天,然后呢他就把状态挪进一个脚板的变量里面, 这样就解决这样的一个问题。然后呢规模化,就是它可以一次开几十或者几百个智能体来并发的进行执行任务,这样的话 效率就是呃会呃更加的一个快。 他这边比较厉害的一个地方就是他加上了一个对抗式的验证,就是他的独立智能体,他会互相的进行反驳,他只会留下,就是最经得起考验的这样的一个结论。 还有一点呢,就是他的这个脚本是可附用的,就是这个工作呃工作流我们可以把它保存下来,下次呢可以一键进行重放, 它的卖点呢就是不是快,而是更可靠,更可信,更可附用 这样的一个设计的,呃一个思路呢,就和我们之前讲的 harness 是 比较类似的,它就是其实呢它也就是 harness 的 一个实现的一种方式吧。 那这一趴呢,我们主要讲讲它什么时候才能用呢?第一点呢就是上下纹比较长的时候, 然后第二一点就是呃我们的嗯切分切分策略就是,呃我们是未知的, 就是我们前面讲的它是它的脚本是动态生成的,这样呢是比较适合。然后第三一点呢就是我们对质量要求是比较高的,我们不在乎 talk 呃消耗多少, 符合这三个条件呢,我们就适合来用 workflows, 我 们看下具体的,就是比如说做一些大规模的文件的一些迁移,然后做一些全代码仓库的一些,呃架构的一些审计, 然后陌生代陌,呃陌生代码库的一些 bug 的 一些排查,然后做一些压力的测试。呃,最后一点呢,就是它的结论必须经得起呃对抗贫瘠这样的一些任务。 之前讲了一些 workflow, 那 它和 sub agent 的 skills 有 什么区别呢?我们一起来看一下。 sub agent 就是 本质上就是它是 cloud 派出去的一个工人, 然后呢这个它是由谁决定它的下一步做什么呢?它是由 cloud 就是 一个回合,一个回合你和它探讨它的中间结果,它存在一个上下文里面 啊, skill 呢,就是它正确的一些指令,就是呃最简单的讲就是一些提示词,它的结果也是保存在它的上下文里面。 workflow 呢,它的本质就是运行时执行的一些脚本,就是是 js 脚本,它的呃 脚本是 g s 现场写的,所以它是比较灵活,它的中间结果呢是存放在一些变量里面,这样就解决了一些上下文刚才我们讲的上下文呃不够的问题。 呃它的是整个编排本身是呃可附用的,就是我们把这 gs 绑下来可附用,然后呢它的并发症就是一次可以跑几十或者几百个这样的一个 agent, 然后在 sub agent 或者 skills 它会它如果被打断的时候,你必须要经过重新跑啊。 workflow 呢,就会发同一个会发绘画之内它是可以呃进行恢复的。 总总体来讲就是它是用脚本来实现它的灵活性,用一些大量的 agent 来实现它的一个并发症。 ok, 那 这个功能是怎么开启呢?嗯,一种方式就是通过 deep research, 这是一个,嗯, cloud 内置的一个 skills, 就是 它是联网搜索的搜索这样的一个功能。然后呢它还有一个第二种方式,就是有一个关键字,就 workflow, 第三个关键词就是呃,用 effort 等于 ultra code, 这样的话就是让 cloud code 去自己去判断到底使不使用。嗯, workflow, 嗯,正常来讲就是我们一般都是不用呃阿秋,阿秋,可这样的一个模式,这种模式就是更费更费 talk, 而且会比较慢。 ok, 待会我们和大家一起来再详细的演示。 然后这个 workflow 运行起来,我们怎么进行查看呢?它也是比较简单,就是斜杠 workflows 就 可以进行查看了,然后呢这是它的一些快捷键, 然后 s 就是 可以把这个 workflow 保存下来,我们待会和大家一起演示。 然后呢就是 workflow, 它的提示词,它是有一些规范的,比如说 scope 就是 它的一个一限定的一个范围,就是你要改的东西限制在哪里。 它的输出也是有一些约定,就是你必须说清楚输出的一个格式。 然后呢就是 verify, 这就是一些验证的规则,它主要是用于交叉,交叉验证的时候。然后呢就 edit 编辑的策略,有大的任务,它是先读,避免呃意外改一些,呃,就是 把一些不该改的文件把它改掉了。 workflow, 就是 这篇讲呢就是怎么进行保存,下次使用就是把那个 i s 把它保存起来,它的默认是保存在项目级,就是 就是像嗯,这个当前项目下点 cloud workflow。 然后呢还有一种情况,个人级的就是保存在当前用户下面的 cloud workflow, 呃,首先呢就是我们用 workflow 它的费用肯定是,嗯,更高的,因为它会消耗很多个 token。 然后呢第二一点就是我们这些智能体,我们要把它改成 accept edit 模式,呃,以避免就它一直呃问你要一些权限, 这边它我们嗯讲它有一些限制,就是它最多就是十六个病房,然后单是最多跑一千个智能体。在前面我们已经讲了, 这边讲了怎么把它关闭,就是 disable 对 to, 那 我们给大跟大家演示一下。 ok, 我 们接下来和大家做一个演示, 我们看到了我们最新的,我这边呃 cloud, 它已经是呃二点一点一五八这个版本,然后我们用的模型它最新的也支持到 up 是 四点八,然后它怎么开启呢?它 我们看下它四点八这个版本,它默认 downemik, 它是 true, 它已经默认把它开启了。好,我们直接用就可以了。 ok, 我们首先呢我们用那个 deep research 这种方式, 就让它在网上去查一下 node js, 呃,二十和二十二这样权限模块这样的一个差异, 看它已经提示你了,可以用 workflow 进行查看, 它分为以下的工,以下的一些流程就 scope, search, fetch, very far, very far 是 非常重要的。然后就是合并,我们看一下 workflow, 它就是刚才我们看到的分为五个阶段, 右右键,就是方向键,右右键,然后就可以看到它的一个详细的过程。 在下方我们也看到它的上下可以进行切换,然后杠 p 可以 把这个 a 镜头把它停下来,然后 e s a 返回, s 就是 把它保存下来,我们返回, 然后我们看一下第二个,第二个它已经完成了这期,这它已经完成了。然后呢这边写的它是用到的,中间显示的它是用到的模型,然后右边呢它显示的,呃,用到了一些 token。 ok, 我 们随便选一个看一下, 它已经结束了。 我们这边看到他一共有四五个 agent 在 并发在跑。好,我们看到他已经完成了,这是他的一些结果, 然后我们看到他用到了九十七个 agent。 好, 我们返回。 ok, 他 已经结束了,然后他现在把结果返回给我们。 ok, 这就是它的一个呃结果。然后我们看一下 这个就是我们刚才的 delete 这样的一个工作流,我们按 s 的 话就会它就可以把它保存下来,这就是保存的一个名字,唯一, ok 让你保存下来了,这是保存的一个位置。 ok, 刚才我们演示了 deep refresh, 然后我们再和大家看一下。呃,这个关键字, 它只要有 workflow 的 workflow 关键字的话,它就会那个,它就会用 workflow, 你 看到了没?这个 workflow 它是变成彩色的。 workflow 它是变成彩色的,但是我们如果不想它变成彩色的话,我们按一个 delete 键就可以了,看到没它就过去了,然后我按空格键重新让它变成彩色的。 ok, 它变成彩色的话,它接下来跑的话就是 用 workflow 的 这样的一种方式。 这 walkthrough 呢?它的主要的任务就是我们让它分析呃这样的一个项目, 然后我这边指定了,就分析用海库模型,然后呢用 opus 四点八模型进行一个汇总,然后生成嗯,这样的一个分析报告。 那首先呢,就把项目,它把它呃克隆下来,然后它这边还在跑, 这个克隆的项目我觉得还是蛮叫,呃,还是比较不错的。它把 open spec 和 super power, 呃,把它结合在一起,然后用它们 就是一个优势,用它们各自的一个优势, open open spec 它主要负责设计。然后呢,这个 power 是 它是基于滴滴 tdd 的 一个开发。 ok, 它已经跑完了,因为我们之前已经跑过一次,所以它现在跑起来现在还是比较快。 ok, 它已经结束了啊,还没结束,还在跑。 ok, 这个我们让他等着吧,然后我们回来,然后我们再和大家演这个,就让他跑着,然后我们再和大家演示一个另外一个叫做 effort otood, otood, 这样,嗯,来开启 workflow 的 一种方式。 ok, 看到没?它开启以后,它会这个颜色会变成一个一个。呃,彩色啊,等几秒钟它就回去了,然后我们把它切换回来,就是用 hi, ok, 看到了吗?我们再和大家演示一下,它变成一个彩色,跟那个 workflow 的 刚才的颜色是一样的。 ok, 行,今天这个视频呢,我们就和大家介绍了一个 color code 的, 呃,四点八 这样的一个新的一个功能, workflow, 呃,在有些场景下用这个还是比较方便的。 ok, 嗯,今天这个视频就和大家讲到这里,如果喜欢的话可以点赞、收藏、关注,谢谢大家。