qoder能开发winfom应用吗？

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！

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。

ai 速报局今日速报， ai 编程迎来真正的范式革命，阿里云重磅发布全球首个智能体自主开发工作台 q 的 一点零，彻底颠覆传统 ai id 模式，标志着行业从 ai 辅助编程正式迈入 ai 自主开发新时代。 它推出全新 quest 独立任务指挥台，用户只需用自然语言说清需求， ai 就 会自动拆解任务、编辑代码、运行测试、修复 bug， 全程无需人工干预。 目前， qd 一 点零已向 windows、 mac os、 linux 全平台用户开放下载，未来将彻底重构软件开发工作流程，让开发者专注于创意，而非重复编码。

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。

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。

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。

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。

今天把阿里百炼的 api 诶调同了，然后让 api 让大模型， 这是阿里百炼的 api 自定义，然后今天用百炼重新分析了一下，这是百炼的 阿里百炼的模型还可以，跟上次分析的差不多， 然后他一下检查出了几个问题， 然后让他根据这个他提供的优化建议又重新优化了一下， 然后显示效果没有本该还是原来的样子， 这是阿里百炼上的大模型用量用量的显示， 然后这是百炼了 api api k， 然后是模型。

昨天给大家推荐的 code 是 国内最好的 ai 编程工具，可能很多人还理解不了，那么我再讲透一点， code 是 国内大家能够合法合规地使用全球最顶尖大模型的工具，这下大家能够理解了。我在长沙，如果要交流 ai， 欢迎来阿里中心。

还在为写代码加班加点吗？听说有个工具，你只要说句话，它就能帮你把整个项目搞定。听起来是不是有点像科幻片？但今天我们就来聊聊这个可能真的要改变游戏规则的东西。 这抠的一点零到底有多神？它不是简单的帮你补完几行代码，而是组建了一个 ai ai 阵团队，你只需要告诉他你的想法。比如我要一个电商后台，它就能自动拆解任务、 编辑代码、测试验证一条龙服务，全程无需人工干预。更厉害的是，它有个全景格式化窗口，项目进展清清楚楚，还有跨项目并行开发能力，一个团队能同时处理好几个项目，效率直接起飞。 甚至你还能根据自己的行业特点，比如金融风控或者物流调度，定制专属的 ai 专家。这玩意儿从二零二五年八月上线到现在，全球用户已经突破五百万了，看来大家是真香啊！ 当然啦，阿里这么一搞，其他大佬们能坐得住吗？那可不，你看字节跳动的 t i a e， 据说他们内部九成以上的工程师都在用，而且个人版还是免费的，够狠吧？ 谷歌那边也没闲着，杰迷你奥田五 pro 直接在编程评测里拿了第一，更绝的是，它能直接用文字提示生成安卓应用。还有 emfloppy， the dot code master， the dot build。 这 ai 编程的赛道现在是真真正正的卷起来了，简直是神仙打架，凡人遭殃，哦不，是凡人受益啊！大家都在拼命往前冲，想看看谁能跑得更快，飞得更高。 面对这么多选择，企业到底该怎么选呢？说实话，没有绝对的答案，但有一点非常重要，特别是对中国企业来说，那就是数据安全和合规。 ttc 是 阿里云在国内运营的，基于国内主流大模型和部署， 对于那些有严格数据要求的行业，比如金融、政务，这点非常关键。价格方面，官方 tips 版是三百块一个月一个席位， 如果团队规模大，成本确实不低。不过这里有个小秘密，我们是 q 的 授权代理渠道，通过我们采购，价格更灵活， 还有专属服务支持，能帮你省不少税。选对工具，才能让你的研发效率真正起飞。所以你看，二零二六年的 ai 编程正在经历一场深刻的变更，它不再仅仅是帮你敲代码的工具， 而是逐渐演变成能够管理整个项目的智能助手。未来的核心可能不再是你会不会写代码，而是你能不能清晰地定义需求。 这对所有企业来说，都是一个重新审视和提升研发效率的巨大机会。工具迭代的速度越来越快，谁能更快地拥抱这些变化，谁就能在下一轮竞争中抢占先机。今天的分享就到这里，希望能给大家带来一些启发。

什么样的一个编程工具？三个月的时间里帮我写了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 ai 编程工具，这个就是我这个 ai 编程工具库德，大家可以看到这边是他的所有的文件，阿尔法亨特系统的所有的文件，这边是某一个文件，其中的这个代码， 下边就是他的一个展示的终端，执行命令的一个终端，包括我日常运行这个阿尔法亨特的这套系统就是通过这个终端输入十一，然后全自动运行的。这边呢就是聊天内容的一个窗口，上面显示的一个你跟 n i r 对 话，包括解决问题显示的一些内容。下边就是一个对话窗口， 这块其实是最重要的一个区域，大家可以看到这里边有智能体，专家团，还有智能问答，我用的比较多的就是智能体或者是专家团，这边是大模型的显示，目前大家可以看到我正在用 deepsea v 四的 pro 版本，因为它现在打折，哈哈哈， ok。 那 么我平常用的比较多的是极致， 还有什么凹凸，最早期用凹凸比较多，现在主要还是用极致用的更多一些。最近 deepsea 微视刚刚发布，所以说我也再来测试它的效果，目前来看效果还是不错的，跟极致比我觉得也不相上下。 那么这个就是一个酷的简单的界面啊，大家可以去自己熟悉一下，你可以随便跟他聊一聊。还有一个酷的工具叫酷的 work， 给大家打开看一看。那我把我们阿尔法亨的这个项目给大家打开，我给大家 讲一个小小的案例啊，我前一段时间因为做阿尔法亨的这个项目，并且我又还做了一个其他的项目， 两个项目并行在操作，去写这个代码的时候还得运行测试，就发生了一个问题，就是我的电脑的内存不够， 占的很满，导致这个机器非常的热，我就考虑让酷狗的 ide 去帮我解决这个问题，结果 ide 说的不行，我解决不了，没有这个权限， 哎，我把这个问题丢给了酷狗，大家看酷狗里边我特意强调了一下，我说用酷狗编辑修改优化阿尔法亨特系统时，电脑很热，怎么回事？ 他就问我，你问的是很卡吗？还是什么的，这样他很聪明的，他去帮我去调研这些东西，结果他把我的事给我解决了，他发现了一些占用内存的文件，运行的一些程序啊，他把一个一个都立出来，他告诉我哪个可以 q 掉，哪个可以关掉，这样一来， 他一弄完，他再帮我操作一部分，电脑马上就凉快了，就不那么热了，非常的厉害。这是我应用这两个工具当中遇到最明显的一个区别。还有一个就是他可以为你生产出来 word、 excel 和 ppt。 举个例子，我想给他做一个教程，弄完我就让他去帮我写这个课件就可以了。就这样写一个股票数据分析系统，当然不局限于这个 酷狗这套工具，酷狗的 ide， 酷的 work， 当然也会有很多种，像什么 cloud 呀，还是酷 sir 这种很多。 这套工具我用了能有小半年了，我的感触还是很深的，它无论从中文的理解能力，包括常温文的理解能力，包括一些深入的这个很严重的一些 bug 和问题，修复能力都是非常强的，所以说我还是比较推荐大家去使用这套工具的。

你有没有过这种体验，老板跟你说，小王帮我做一个报表系统，就是能录数据，能导出 excel 那 种， 下周一呢，给我，你只用说好的。老板心里在骂，又要加班了。然后你打开电脑啊，建项目，搭框架，写前端，写后端，写数据库，改 bug， 写文档，周末没了。现在呢，我跟你说一件事，你可能觉得我在吹牛啊， 但我一个字都没夸张，五月十五号，也就是本周的五月十五号呢，阿里呢，发布了一个东西，叫 qq 的 一点零。你不需要去懂技术，你只需要知道他干了件什么事，你用大牌话告诉他你要什么，他自己 就能把代码写完，测试完，部署完，然后把成品呢交到你的手里，全程不用你碰一行代码，这不是 ai 帮你补两句代码的工具啊，这玩意是 提需求，他带一整个 ai 团队帮你干完。我给你讲个真实的场景，你代入一下，你是产品经理，从来没写过代码，大学学的 person 呢，早还给老师了。但你有个想法， 能不能把公司客服的聊天记录自动的分类，然后导出成 excel。 放在以前啊，你只能写需求文档，然后排队呢，等开发，排期，短则一周，长则一个月。现在呢， 打开 quarter， 敲一行字，帮我把这个文件夹里的客服聊天记录按主题分类，导出 excel， 用 ai 打标签，然后你起身去倒 咖啡，回来的时候啊，电脑屏幕上啊，是一个跑通的完整程序，还生成了一个可以双击运行的 app 图标，你点开，然后选文件，按开始六十秒后 要出现在桌面上。全程你没看过一行代码，你甚至不知道他用了什么编程的语言，但你做出来东西，运营部第二天就能用上。很多人以为 ai 编程啊，只是帮程序员写代码更快，关我什么事？我又不写代码啊。但你仔细想一想， 如果你突然拥有了不写代码也能做软件的能力，你的价值会发生什么变化？你从一个 提需求、等排期的等待者，变成了有想法直接干的执行者。你从一个被技术瓶颈卡住的业务人员，变成了一个能自己落地想法的超级个体。这不是升职，这是降维打击， 这还不是真正狠的，更狠的是这个功能，划项目，多任务并行，什么意思呢？你不需要干完一件事再干下一件，你可以同时跑五个项目，每个项目都有 agent 在 帮你干活， 一个在做数据报表，一个在改官网界面，一个在写后台接口，一个在跑测试，一个在给代码写注。是五件事 同时干，你只需要坐在那等他们干完挨个的检查。你想想，你公司里的技术主管再厉害，也不可能同时开五个会，同时审五份代码，他只能一个一个的来 ai。 可以， 他不是一个人，他是一支队伍。 o 的 呢？让我后背发凉的设计啊，叫专家团模式， 他内置了五种 ai 专家，一个负责规划，一个负责调研，一个负责写代码，一个负责审查，一个负责测试。这五个 ai 专家会自己开流水线会议，一个干完交给下一个。不，就像一个 ceo， 不 需要参加每一个部门的会议，你只需要在接吻问一句，搞定了吗？更绝的是啊， 你还可以自己培养这只专家团，把你这几年积累的业务逻辑，然后行业经验、操作规范喂给他，他就变成了一个深爱你公司业务的专属技术团队，以后再有新想法，他不用从头学。还有一个东西啊，叫团队知识引擎。 过去一个程序员离职，他脑子里的东西全带走了，接手的同事呢，一脸懵。现在所有知识留在系统里， ai 替你记住所有的决策，所有的规范，所有踩过的坑，个人的经验啊，变成了组织的资产。这句话呢，听起来像企业管理课，但它背后的意思是， 以后你换人，团队扩张、业务交接，再也不用从零开始给新人讲一遍了，你见的东西会一直在哪？好，我知道你听到这里啊，会有一个问题，程序员是不是要失业了？我告诉你啊，不是，但这个答案比你想象的更扎心。 程序员不会失业，但程序员这个工种会被彻底的重写过去呢。程序员百分之八十的时间呢，是在打字、查文档、改 bug， 这些都是机械的劳动，只有百分之二十呢，在做真正的设计和决策。 ai 接管那百分之八十之后啊，程序员的工作重心 会上移，从我能写多少行代码，变成我能设计多好的架构，我能多快在 ai 产出一百个方案里挑出合适的那个。你能做到这些，你就不是马龙了，你是带 ai 团队的技术负责人，你做不到，只会照着需求文档敲键盘。那你确定要开始焦虑了啊？ 更值得深思的是另一场景，现在有一帮创业者啊，在干什么？三个人配一百个 ai agent， 那 三个人负责定方向，审结果、做决策，一百个 ai 负责写代码， 好测试、修 bug。 一个月烧掉一百多万美元的 token 费用，但干出了一个中型技术公司的产出。你算一笔账，一百个 ai 程序员，就算每个抵半个初级的程序员，也是五十个人的工作量。三个活人干出了五十个人的活。而这个门槛，正在以肉眼可见的速度往下降。 今天是一百三十万美元一个月，等模型再降一轮价十三万，再降一轮一万三。到那一天，随便三个普通人就能拉起一只看不见的军队。所以，阿里库德隆这种产品出现的意是什么 呢？它不是给技术大牛做的玩具，它是把 a i t 你 干活这件事做成了开箱即用的产品，全球五百多万用户已经在用了。未来的竞争不是你 会不会写代码，而是你能不能说清楚要做什么，然后只会 ai 帮你做出来。你是那个能说清楚我要什么的人吗？你是那个对行业有深刻理解，能把行业判断翻译成指令的人吗？如果是 ai， 就是 你既忠诚又高效，而且还不知疲倦的部队。如果不是，那你现在干的活， purdue 可能已经在帮你老板省了这一步。所以，别再问我要不要学编程了，你该问的是，我脑子里有没有一个想法，值得我试着用 ai 做出来？有的话，今晚就去试试，没有的话，从今晚开始去想。

我一行代码也不会写，但是我用 ai 搭建出一个每天全自动分析五千多只 a 股股票数据的量化系统， 十万行代码，八十九个功能模块，十二大类，一百八十五个因子精选，三十五个白名单，全都是由 ai 帮我写。数据同步、因子分析、 ai 辩论决策、三级漏斗筛选、自动生成报告模拟交易跟踪， 每天十二步全自动运行。三个月前，我连拍身试什么都不知道。我用了一个叫 coder 的 ai 编程工具，加上 deepseek 的 大模型，用对话的方式一步一步的完成这套系统。 整个过程不需要你会写任何代码，只要你有想法会打字就行。从下载安装到系统的全自动运行，整个过程我做成了一套完整的视频教程，大家想学的关注我，在评论区扣教程两个字，我会教大家从零开始。

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。

hello， 各位开发小伙伴们，大家好，大家在开发的过程中有用到什么样的工具来提高效率呢？我们知道现在市面上有很多的 ai 编程工具， 那么哪些工具能够真正给我们带来更好的效果呢？今天我们非常荣幸的有请到我们架构师王老师来为大家一起分享一下吧。 ok， 好， 是的，我们都知道市面上有很多的 ai 开发工具，比如说国外的一些顶尖的 color code 的 啊，酷的叉，酷 sir， 有 我们国内的 tree， 还有腾讯的酷的芭蕾，还有我们阿里的一个 code， 那 这些开发工具呢？哪一种会比较好呢？我们的应用过程中，我们都知道我们要用国外的开发工具，我们肯定要有一些科学上网的动作吧，而且他们的这些都是按调色进行来的， 那我们用国内的这些怎么去用呢？我们国内的你比如说吹一波是扣的八里，那这些呢？我们要访问国外的模型就很就会很难，那如果去做呢？这块只能用我们的扣，那我们扣的具体有什么功能呢？比如说和其他的有什么样的不一样，能给我们带来哪些可以提高效率的东西呢？ 嗯，对，这是个好问题。那首先呢，我们的扣子我们在开发过程中遇到比较大的项目会遇到这些问题， 你比如说我们的大项目，有新同学进来，有新人进来的时候，他可能对这个项目不太了解，那这个时候我们要投入更大的人力去给他去讲解，是的，对吧？这个盈利成本非常高，那么我们用 ko 的 了就可以对我们整个项目进行分析，用比较自然化的语言能够呈现出来，让他们一目了然的去看， 对新人的信用的项目非常友好啊，这一点我们节省了人力成本，提高了我们的效率，对吧？第二点是我们在整个的运维的过程中，我们在业务运营过程中，我们要和互端的开发商沟通， 比如我们的运营人员或者一些销售同学，或是我们一些营销同学，他直面的我们的客户， 那客户提出了很多需求的话，通过这个销售或运维同学和我们互端开发店沟通的时候，他的沟通成本会非常高， 因为开发同学可能是一些代码员或者码农，可以说是码农，他们对这个理解的话，和我们的销售员理解的思路可能又不一样。那这个时候呢？我们的销售，甚至说运营同学都会用我们的 code 来制作一个相当完善的 demo， 你 只需要用自然的语言给他说，你比如说，呃，在我购物车里面啊，给我加一个 点不点，点不点按钮，让我们的购物车显得更丰富起来。那我们的运营同学只需要在 cold 里面给他说，那这个 cold 这个词都能跟我们去实践的功能啊，也能呈现出来页面，让我们去开放面去看，那这样起来沟通起来是不是更方便了，对不对？ 是的是的，哎，好，那么除了运维和新人方面的一些优势，那么在具体的一个开发上还能有哪些提效呢？好，对，这是很多开发小伙伴具体关心的一些内容。那我们在具体开发之中，对一些比较重复的工作，比如说我们要写一个购物车或者订单链接， 那这些很重复的大部分工作都可以交给我们的 code ai 编程工具来进行，帮助我们进开发呢。其实我们可能要当时要开发要用一个月，那通过我们的这些工具呢？ 可能是十分钟，甚至说不到十分钟就可以搞定了，这么高效啊？对，非常快。而且我们扣的这一块比其他的产品啊，他一个能力就是能识别上下文的非常高，达到万级。 嗯，其他的可能就是比如说万级，或者所以说他能够把我们整体的项目内容，从刚开始的我们只用代码股权问答给他提问题，让他给你补一下代码，从这种基础的能力达到我们的全都练成的交付啊，这个能力性是非常高的。 可以。那么还有一些小伙伴们非常关心的一个问题，首先是在安全合规上有哪些能力啊？安全合规这一块大家可以放心，我们做了很多这种，比如说国企、央企，还有其他的一些对安全合规比较高的企业。 那这个 code 能够提供哪些安全能力呢？第一它是部署在我们的 c 化本地的，那通过我们这些本地代码去访问，它不会去把我们代码提交到云上，不让别人看到，那这点在我们自己电脑上去部署去开发，别人看不到，这点安全性非常高的， 也可以知道。还有合作这方面，这一块是我们阿里自己去研发的，那属于我们国产化的一些内容，那比如我们用海外的 cloud code， 还有我们的 custom， 那 对于我们这些国内的这些国产化的内容，安全上做的一些方面 得到很大的提升。我们有，如果有国外的我们都知道啊，现在这个国际形势非常紧张啊。嗯，那可能说，呃，比如说之前的 open ai， 他 们公司就，就是他们宣布了，他们刚开始时候 ai 不 会介入这个国家的政治战争，那项目他们已经退出了， 可能说我们他们会做一些植物内容，我们也不知道，我们都用他们的开发工具去做，这开发的时候很有可能啊，我们的开发代码接项目代码就被他们接通了，那这是非常不安全的。而我们用本地的、国内的国产化去做，那是安全性 这么顶级的，安全上有很大的一个提高。对，嗯，那么我们的 content 里面都有哪一些模型能力啊？这是也是我们经常去给大家说的一个话题。 那么我们 hold 呢，应用的很大的这个，比如说国产化的啊，我们这个 v 四，甚至是我们的啊，制图五点一，以及我们的阿里斯研的前文啊，这些都是有的，国产化的是这些大部分的模型都是有的。那国际化的是怎么去参考的？当然呢，我们的国际化有何贵的问题啊？ 因为他们要求要进国内，会有一个合规的敏感的政策问题，所以说我们阿里会在国外设立我们的一个注册一个公司，我们看空的这个官网，他就在国外啊，不是在阿里上直接去买的， 这是在国外出的公。通过国外的合规性，我引进一些大冒险进来，但是大冒险是不能在上面展示的，我们可以选择不同的这个应用，来个利用一些这些国际大冒险。 嗯，那听过王老师讲的，我们这个扣的的功能还是非常全面的。好，这一个非常关心的问题，这个扣的他的积分是如何消耗的呢？ 嗯，扣的积分啊，咱们可以分，刚才咱们聊过了，他包括很多种模型，每个模型消耗积分的程度是不一样的。比如说我们买一个三千块钱的积分啊，我们如果用国产的模型可能消耗比较少，那我们可以看一下我们上面这个截图，看下我们具体消耗的 积分的形式。每个模型是不一样的啊，大家可以去近距离看一下。嗯，然后这时候我们小伙伴还有一个问题要问，就是我们的个人版和我们的团队版他们有哪些区别啊？ 哦，这个也是很多开发者去问的，比如我们在有一定的团队规模，我们开发人员比较多，那就适合用团队版，团队版带来的价值呢？第一是我们可以看到每个人的每个开发人员他是什么样。 那可能说我作为一个 ceo， 我 一个管理者，开发管理者，我能够把这个每个人的用量我分给你三千积分，那看你今天用多少。还有我们的小王同学，我分到三千积分，他可能用了四千，他可能你可能只用一千，那我们知道你这个 是吧？开发的效率可能就跟不上，那么智能挖掘机的分析就是更方便，我们老板来看一下谁在摸鱼，谁在认真。对对对对对，这点是能够帮助老板去进行提高这个员工的效率的。 第二呢，我们团队版这一块还能分个，还能进入基本性分配，比如我买了一个基本加资源包，嗯，能把这个分配基本分给我们使用的更多的人，把这个资源能够去合理的规划，那资源的分配效率高了，那我们的利用效率自然就提升了啊，不会说把我们买的基本性控制到期了之后就浪费了 啊，不会说这种情况。嗯，第三个我们个人版的话就适合我们个人开发者，可能有一些，哎，自由职业，自由职业者他可能自己去做一些接接活，或者自己做一些外包工开发，那其实适合做我们个人版，如果是团队比较小或者只有一个人的话，嗯，他适合做个人版。 嗯，听完我们王老师的介绍，感觉我都想要下一个扣带去测试一下了。那么我们这个扣带有免费测试的这个东西吗？有啊，有免费测试，免费测试的话通过我们的官网链接你看一看， 直接去下载去用就行了，而且这个免费的时候会有送我们三百个积分，到时候我们直接去拿来去用，体验比较好的话，可以找我们一些扣的的服务商去购买一些更更高的一些。嗯，更高的一些级别吧，比如说 pro 版或者什么团队版， 有各种的席位，让我们可以详细去了解介绍一下。嗯，看样子等他们下班了，我来下一个 color 的 测试吧，我自己先为小伙伴们测试一下好不好用。好，那么今天也是非常感谢王老师的分享，那我们下期再见吧。好，拜拜。

大家在日常用 deepsea 这种 ai 工具做什么？聊天、做 ppt？ 写周报、做图？ 我呢，用 ai 工具写了一个十万行代码的股票数据量化分析系统，系统每天会全自动运行两个小时，通过数据采集三级漏斗的核心模块， 逐层的去筛选 a 股权市场的五千多只股票，最终筛选出来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。 这套系统我给它起了个名字叫阿尔法亨特，是我用 ko 的 这种 ai 编程工具，用三个月的时间独自完成。大家对这套系统比较感兴趣的话可以关注我，我会在后边的视频当中逐步的为大家展示这套系统的制作过程。

各位技术负责人，你们有没有算过一笔账，企业自建 ai agent 应用，三到五个人干几个月，光人力成本就烧掉多少钱，最后还可能踩坑重来？今天这条视频直接帮你省钱！阿里云库德 c l i 一 点零重磅上线五大实用强势功能，一、百万级超大上下文，吃透全量代码库。二、 目标驱动长城任务， ai 自主高效推进。三、语音直书编程，洞口就能写代码。四、一键生成团队知识库，数据安全不外泄。五、云端离线运行，提交任务做等成果， 帮你跳过沙箱，调度模型、路由等重复工作，直接附用阿里成熟生产级技术，省去繁杂搭建流程。想要完整资料、部署教程与专属报价，欢迎来聊！