cli怎么改代码bug
粉丝249获赞9782
相关视频
04:43查看AI文稿AI文稿大家好，今天我们来讲一下 codex c l i 里面一个新的功能， go 目标，它是你可以理解为给 codex 设置一个长期任务目标，然后让它围绕这个目标持续工作。 它有一点像之前 cloud code 里面的那个 rough loop 这么一个概念，它在你给定的目标情况下，它会去自己计划，然后编码，然后测试评估，直到完成你的目标，或者是它的 api token 耗尽。 需要怎么样起用它？有一个有，有两个条件，第一个就是你需要升级你的 codex 的 c l i 的 版本，要到 v 一 幺二八之后的一个版本。第二个，因为它目前还是个实验性的功能，所以需要你手动去激活这个功能。你可以选择直接在 codex 里面告诉它，就啊 enable ghost， 或者你自己去手动配置一下你的配置文件。在那个 codex 的 config 里面， 我们可以简单看一下，在这个里面是有，你可以直接在这儿加这么一行，在 features 下面加个 ghost 等于 true， 当然你不要，你可能需要重启一下它才能会真正的生效。它支持哪些功能呢？譬如说我们 go， 它会直接 go 告诉你当前的一个状态， 比如说我说重构当前代码，确保测试所有通过，然后它会有一个显示当前时间，用了多长时间以及 token 使用量。同时你也可以 pause， 你 可以 resume， 让它继续做，就又重新变成激活的状态了。 对，同样你也可以直接地把它清除掉，对，它就会变成 clear 的， 相当于它有这么一些命令的选择。对 go 它最佳使用的一些实践，我觉得也可以简单地讲一下，因为在我们之前的 ai 编程当中，经常会说，你帮我改一下某函数， ai 改完之后，你会说继续，然后它又再继续，最后你说跑测试，它才会。跑测试相当于 啊，一步一步，需要你的一个指导才能去做这个工作。但 go 的 思路不太一样，它不是告诉你下一步做什么，而是告诉它最终要达成什么。 譬如说刚才我们提到的重新写所有的测试，确保向后兼容。这样子说，你说整个把认证系统从 j w t 迁移到 off， 这也是一个比较大的工程，它要对上下位有很好的理解，那它可以进行，会需要运行时间比较长一点点。 那和普通的 prompt 最大的区别是什么？普通 prompt 像是一般都是一次性的输入，而 go 是 一个持久化的目标状态。 比如说，如果你只是在 prompt 里面输入帮我重构认证模块，那 codex 会在当前这一轮里面尽量去完成任任务，但是这一轮结束之后，这个任务就不一定还会作为持续目标被系统记住。但是如果你输入 go snapgo 重重构认证模块，保证保持现有 a p i 兼容并补齐测试，那么这个目标就会变成当前现成的一个状态。系统会知道现在有一个激活的一个一激活的目标， 然后它会记录这个目标是什么，以及是否是它的状态，是否完成，以及是否有预算的限制，消耗了多少资源等等。 它有一个状态的一个持续化的一个东西，所以它就不只是当前这一轮对话，而是有一个长期的目标持续行动。 对，怎么它是为什么能够实现这种感觉？它的背后的原理就是它会把系统，会把当前的目标绑定到当前的县城上，就这样就能够记录的目标内容状态是否完成。没有这一层的，那那么它就是一个普通命令。对， 另外一点需要说明的就是在使用的时候应该注意点什么。第一个就是目标要写得具体一点，不要只写优化项目，这个太宽放，更好的写法可能就是优化某某模块的什么测测试覆盖率啊，覆盖关键的一个路径，确保所有错误都通过， 就相当于这是比较具体。第二个要点就是要写清楚成功的标准。譬如说你要举个例子说，确保所有单元测试都通过，确保不改变现有的 a p i， 确保向后兼容，确保新增的测试覆盖核心场景。 所以 codex 就是 它的 codex 这个 go 的 这个更新，它就是让你从原先的你问一句，他答一句的这种编程助手，变成一个围绕一个目标持续工作的自我编程代理，所以它就有一个状态可以持续的循环， 所以还是挺不错的一个功能。现在在 twitter 或者是在海外的开发工程师当中，这个已经引起了很大的一个关注，有人甚至让它编程了五十多个小时一个功能，所以说。
115Tao哥用AI
02:06查看AI文稿AI文稿本地改代码，我会优先用 kodak c l i 做小步快跑，它在中端里工作，能读当前目录、改文件、跑命令、看报错，适合修 bug、 补测试、写脚本、整理文档这类短任务。关键是每次只让它解决一个明确问题，不要把整包需求一次性塞进去。用 c l i 时，最好先进入项目跟目录， 这样 codex 能看到完整目录、配置文件、脚本命令和上下文规则。如果你在很深的子目录启动，它可能会漏掉关键配置。启动后先让它快速说明项目结构和常用命令，这一步能避免后面跑错路径或改错文件。本地 c i i 很 适合配合明确文件路径使用， 比如让他只看某个页面、某个组建、某个测试文件或某个接口。目录路径越明确，他越少猜，改动也越集中。如果你不知道路径，可以先让他搜索相关关键词，再让他汇总后选文件， 确认范围后再允许他开始修改。修 bug 时别只贴报错结论，要告诉 codex 你 怎么点，输入了什么，期望看到什么，实际发生了什么。如果有终端报错，浏览器控制台报错接口返回也一起给他，他可以顺着附线步骤去找触发链路。 没有附件步骤的 bug 很 容易被修成表面补丁。每次改完不需要立刻跑全量流程。先让 codex 跑和本次改动最相关的检查，比如一个单侧一个类型检查，一个构建命令，或者一个页面启动验证。如果命令失败，让它先解释失败原因，再决定是否继续改。 最小检查能让你快速判断这轮改动有没有站住。 c i l i 改完文件后不要马上进入下一轮需求，先看它改了哪些文件，新增了什么逻辑，删掉了什么内容，重点看有没有无关重构，有没有改配置，有没有把问题藏进兜底逻辑里。如果 diff 太大，就让它缩小范围，重新做 本地小步。快跑的核心就是每一步都看得见一轮小任务通过检查后可以考虑马上提交，提交前让 codex 帮你总结改动点和验证方式，这样后面出问题也能快速定位是哪一轮引入的。 不要把十几个小修改堆在一起，回看时会很痛苦。 c i l i 最适合配合小提交使用，节奏会很清爽。
40柳贯一
01:51查看AI文稿AI文稿用 ai 变成助手，大家肯定或多或少遇到这样一个问题，每过一会， ai 就 会找我要权限，或者问我这个事情能不能做，所以我们推出了 auto mode。 我 们的核心思路很简单，用一个轻量的 ai 去审批主 ai 的 操作，对安全的我们自动放行， 对危险的我们自动拒绝，全程都不会弹框，那么怎么去启动它呢？其实很简单，大家看到只要我按 shift 加 tab 就 可以切换到 auto mode。 现在我来给他一个任务， 你看他这边就先先读文件，他接下来会再去改代码，最后得跑跑测试，四三步全都是自动完成，不会有任何一个确认框弹出来。这背后有三层确认机制，第一层，读文件，这种只读操作，在白名单上我直接放行。第二层，对于一些编辑工作工作区内的文件，它是安全的路径， 我们会让他走快速路路，路径也是直接过第三层，嗯，有一些稍微有一些风险的命令，我们给一个清零的分类器，如果这个操作和我的请求一致，那我们就会放弃他。 那么可能就会有人问，如果我换成很危险操作呢？比如说这个，嗯，这样子呢？嗯，我想把整个代码库全都删掉，我直接删库跑路啊。大家看到其实他这个逻辑就会在在这边被拦住， 而且我们不仅如此，在此基础之上，我们还有垄断机制，如果我连续多次被拒绝系统，它的模型可能卡住了，或者是遇到什么解决不了的问题，于是我会自动垄断整个 os， 防止它无限的重试，浪费我们的资源。 那么总结一下， default 模式，可能每步都要做做确认， accept 编辑它是自动过的，但是命令还是要手动 p 的 优漏全放，但是缺少了一些安全的网，那么 auto 是 中间地带 安全的，自动过危险的会自动拦住，全程零弹框，我们可以说它就是在效率和安全之间的最优解。
49Qoder
01:24查看AI文稿AI文稿你的 ai 编程助手现在可以随时随地用飞书钉钉 slack 直接对话了。 ccconnect 是 一个用 go 语言开发的开源项目， 它能把你本地运行的 ai 编程代理，比如 cloud code cursor gemini、 c o i codex， 直接桥接到各种即时通讯平台上。 也就是说，你在飞书群里发一条消息，就能让本地的 ai 助手帮你写代码、改 bug， 做代码审查。最关键的是，大部分平台甚至不需要公网 ip， 在 家里的电脑上就能跑起来。 这个项目目前已经拿下将近九千颗 star， fork 数超过八百，社区活跃度非常高。它精准击中了一个痛点， ai 编程工具虽然强大，但都被锁在终端或者编辑器里，而开发者真正的沟通场景在 i m 上，把这两个世界打通。这个思路太对了， 支持六大主流 im 平台，飞书、钉钉、 slack、 telegram、 discord、 企业微信覆盖几乎所有开发团队，兼容多种 ai 编程代理， cloud code cursor gemini、 cioi codex 全都能接，无需公网 ip， 本地部署即可运行，安全性和隐私性拉满。觉得有用的话，别忘了点个关注，我会持续分享最前沿的开源项目。
16Tech∑
01:31查看AI文稿AI文稿用 ai 来写代码，会不会让你的项目成为一座死山呢？昨天改 bug 改到凌晨三点多钟，今天起来一行一行的看代码，越看越眼熟，就那个感觉，怎么说呢，就是他每一行都没有问题， 但是合起来就是一坨屎的那种感觉，一满屏的代码变量名都非常的规范，然后就是非常清楚，逻辑清晰，但就是跑不动 那然后我没办法了，我就去问之前写这个代码的这个同事，他挠挠头跟我说就是我当时也没怎么看，大部分都让克劳去写的， 我气的当时就把烟掐了。就按我们的经验啊，一个合格的程序员，他写一千行代码大概需要三天两天是想清楚怎么写，写给谁，要达到什么效果，改用一天。 那现在你用 ai 之后呢？效果是就效率确实是提高了很多了啊，你可能半天就解决战斗了，然后其中四个半小时你会花在想怎么写，写给谁，起到什么作用上面然后有半个小时是拿来改的，那真正花时间的是你想清楚 这段代码解决什么问题。呃，这么写以后会不会出问题？然后有没有更简单的写法？这些的框架上面，这是最花时间的。 那以前写十三的人就是你写出来东西一眼看出来就是十三，很很清晰的。但现在用 ai 写的十三呢，就面上看起来像模像样，但底下全是坑。
163BigBigOne的肥铁
00:30查看AI文稿AI文稿哎天罗，你看这里面有个 bug 我 看看。哎，还真是，可能我有个地方写错了，我改一下啊。行，改完了记得提交啊。好的。哎天罗，你看这里面有个 bug。 我 写的怎么可能有 bug， 能复现吗？这不是 bug， 这是你环境有问题，赶紧走走，别耽误我写代 码。不对呀，你看这就是 bug。 哎，还真是，但刚才还是有的。
07:02查看AI文稿AI文稿我是前端小组，今天我们来讲一个新坑，就是从零到一构建 ai agent 系列课程视频。想象一个常用的场景，我们来让 check 的 gpt 帮你修改一个 bug， 它写出来看起来非常对的代码，但它没有读过你的项目，没法跑你的测试用力，更没办法去看运行日记。我们将代码粘贴进编辑器，跑起来错误变了一种，你把新的错误问 check 的 gpt， 他 又给了一个建议，然后来回三轮 错误，绕了一圈，又回到了第一种。这并不是说模型不够聪明，而是 chat 这个形态在工程任务上走到了尽头。而下一代的形态叫什么？叫 agent， 它能够读你的环境，能用工具，并且能在循环里持续地推进。 而这也就是我这个系列课程视频的主题，从零到一构建 ai agent， 去把这个从这个镜头走到下一代去讲清楚。而这个课视频是本系列课程的第一章的浓缩版。 我们先来做两件事情，第一个就是给入门者没有接触过 agent 的 开发者用十分钟知道这个玩意到底是什么，值不值得入坑。而第二个是给做过 agent 的 工程师来对照，看一下我的判断够不够硬，如果读完不感兴趣，那就当看了一个科普，而读完上瘾，就等后续的章节也没有任何问题。 首先第一点就是 agent 它并不是一个更加聪明的 chat gdp， 就 很多人把 agent 想成一个更聪明的 chat gdp， 这个直接不对，因为 agent 比 chat bot 多的不是智商，而是循环工具，自主决策这三件事的一个结合。 astroc 在 二四年底的时候就已经定义了，就是在典型情况下， agent 就是 在循环里面根据环境反馈使用工具的 l a m， 而 chat 的 能力天花板其实就是模型的本身，知道什么 推理有多深，而 agent 的 能力天花板是模型加它能调动的工具级加循环深度。举一个具体的例子，让 chat 来去回答我项目里第十七四十七行的 code 为什么 leak， 那 么 chat 就 根据你贴出来的代码片段来猜，而这就是一个问答。就 chat 模式，而 agent 它是什么？它是首先去调用 read file 达到四十七行附近的上下文，再推导给出诊断，而这个就是调查。 这个差别看起来只是量变，但工程含义却是质变。为什么？因为 agent 的 失败模式、调试方法、评测标准和上线流程全部和 chat 不 一样。 学 agent 之前，我们先把几个误区去拆清楚，就少踩这五个，能省一个月的弯路。首先第一个误区是 agent 能搞定一切，但事实上并不能，因为 agent 呢的能力天花板还是模型本身，一个开源七十 b 的 模型，套上 run graph 就 它也不会突难，能做 bread sun night 四点六的活， 而模型工具循环模型在最底层，它是决定了上限。第二个误区是 agent 越复杂越强，不一定就是有团队在二五年六月份就指出就很多人迫不及待地去做多 agent 的 写作，但是当 agent 加上扎实的 contest engineer 就 往往其实是比那些 糟糕的多 n 准系统更强，因为复杂度本身并不带来效果，它是指的带来调试。第三个是 r a g 能解决幻觉，但其并不是，它只能够缓解，因为 r a g 将外部知识贯进 context 模型依赖能啊，可能会存在幻觉，尤其当解锁的内容自相矛盾或与模型信念冲突时候。 r a g 它处理的是模型不知道，但处理不了模型选择，不相信解锁。同时 agent 框架学得快，这也是一个误区，它真正的是短期更快，长期反过来，因为框架把循环托儿注册和并行调度全部封装走了。初学者其实是画不出的 agent 循环图， 而我的判断是，第一个 agent 一定要从六十行裸代码去写起，就理解清楚，循环之后再决定要不要框架，框架是理解之后的选择，而不是理解之前的捷径。 第五个误区就是工具越多越聪明啊，这是错误的，因为工具数据的膨胀，职责重叠时，模型的工具选择困难症会显著。家具它会挑错工具漏洞，工具把本音分两步的操作硬接拼接到一个调用里面呢？ 光讲概念其实没有用，而这个课程视频会将围绕一个贯穿项目去展开，就 dv help， 它能够。什么是 dv help？ 它能够读代码，查文档，跑测试，跑 pr 的 开发助手 agent 从第六个章节的六十行代码出行，到一路引进到第二十一章作为一个 cd 工具去上线，而我挑这个项目去做主线，只要是它，因为能够同时撞到 agent 工程的所有核心难题，比如说工具齐全、 读写、执行、观察四类工具，一个不少 contest 长代码库，成千上万行文逼证你去要正视 contest engineer。 并且它是个失败模式的典型，就是修 bug， 引出新 bug， 误改无光模文件、跑测试卡死等等。同时它的评测非常有客观锚点，这个非常重要，就 测试通过和不通过就有个客观值在这边，它会比答得好不好，这种含糊值更加的直观。跟着做完主线，你不仅只是看了一个课程视频，而是带走了一个自己的可持续眼界的一个思维工具。而这个也就是我的 dv help 的 成长曲线，它会分成从 第四章到二十二章这整个章节去进行写。跟完这个主线，你不仅只看了一个视频，同时我希望你能够去学会一个 ai coding agent 是 怎么做的。 我们再回到这个视频，它需要这个系列课程视频，它想做什么，不想做什么，我们需要把边界划清楚。 首先一点，我们就是框架无关的。我这个核心视域，我会用 t s 加 astropics d k 去裸写，就每章末去，如果去每章末，并且会去想如果用 round graph 和 alt 帧去怎么写，同时原理和实战并重，就每个模式都有可运行的视域，但回答 为什么是这个模式，什么时候不该用？同时我会去做一些生产级别的光切前置，就是 trace 全线边界失败记记录，从第一个 agent 去埋伏，而不是上线前去去打补丁。同时我还会去综合社区上的一些讨论， 就每个都有值得争议点的判断去点出来，让读者和观众去建立自己的判断力，而不仅仅只是学这种阵痛。同时我不会，我并不会去做某个框特定框架的数查手册，我也不会去做一些学数中数，我也不会去教编程基础， 我希望你是默认会写代码的，但其实我更希望你就没有系统接触过拉拉某 a a p i 就 我并不打算就闭门写完再发布，而更想说边写边在社区拿反馈，所以这篇文章先发出来。就如果你有编程基础，想入门 agent， 希望这个系列课程视频开场对你有用，欢迎留言告诉我哪里讲错，如果你已经做了 agent， 就 欢迎拍张就尤其是事实锚点不够硬，引用过时，或者我的判断与你的经验不符的地方。同时 如果你写过 agent 的 主题的内容，欢迎告诉我哪些观点概不，哪些争论被我遗漏了。后续的章节进度 也会在我的这个号就是前端小组去进行更新，同时所有的文案稿会在我的微信公众号上前端小组进行分享，欢迎大家订阅分享转发。谢谢大家，我们下期节目再见！拜拜！
212前端小卒
03:20查看AI文稿AI文稿子涵，我复制一行代码，他特么的跟我要钱， ctrl c 就是我键盘上的按键，他凭什么管我键盘收费？？你知道他怎么做到的吗？？？网页里埋了一段代码，你一按复制，先拦截你的操作，再弹自己的付费窗口。。你键盘没坏，浏览器也没毛病，是这个网页在你按键的一瞬间，把你和剪开板之间的路给堵了。。网页还能管我键盘？本来是给开发者做编辑器用的功能，结果被拿来拦截用户复制，强制弹 vip。。 刀没有善恶，但拿刀的人有，你往下看，往下滚，看看作者名，这是我发在我自己博客上的，连那个拼错的单词 discree 都一模一样，反过来找我收钱，看我自己写的东西，你以为这是个例？？他们有专门的程序，全网自动扫。， 发在任何平台上的文章，一个波浪全抓下来，然后用 ai 把标题改了，开头结尾。换个说法，中间的核心内容一字不动，三秒钟转载就变成了原创。这也能过神？？平台审核只查文字相似度，，核心内容直接跳过不查。。最有价值的部分恰恰是审核系统的盲区。一台服务器一个月几十块钱，一个晚上能抓几万篇。。那我去投诉投诉。。注册实名，上传身份证，填身份证，填身份证表，交首发截图做时间。 公证等七到十五个攻击日，驳回理由还还写的特别文明，暂未发现侵权行为。。你知道为什么投诉流程这么反人类吗？？因为平台靠的就是内容量，文章越多。 搜索排名越高，流量越大，广告和会员就卖的越好，他要是认真审核，砍掉一半洗稿内容，流量直接腰斩。。所以投诉流程设计的越复杂，对平台越有利，不是做不到，是不想做。。还有更缺德的吗？？有。 问答网站，你上网搜个问题，前三条永远是他，以前直接看答案，，现在只给你看三行，后面毛玻璃一盖写着登录后查看完整回答。。登录就登录呗，登录了看三个回答，第四个同窗开通专业版，解锁全部回答。。想看完整内容，下载附件需消耗五积分。。 登录连答案第一个字都不给你，那我直接搜原始出处不就行了？？你搜不到这些平台，砸钱做搜索排名优化，你搜任何问题，前五条全是答案，真正免费的原始回答被挤到第二页甚至第三页，你永远点不到第二页。。哎，待会要拍证据，你用我新手去拍吧。。你旧的呢？？旧的我肯定给转转回收了，我那台 iphone 十四 pro max 卖了三千一百多呢。。他家价格确实挺公道，比我问过的回收店给的都高。。除了手机，之前我的平板笔记本，奢侈品包也都是在转转上卖。， 特别适合我们这种想卖闲置又嫌麻烦的人。。总之你听我的，，有闲置要回收。。我推荐赚的套路很清晰，先用免费内容把搜索排名做上去，等你形成习惯了，再一层一层加强登录墙、付费墙、积分墙、下载墙，每加一道墙，多赚几个本家用户，用户只是露头，更觉得适量。。那些回答谁写的？你？？你三年前在上面答了四十七个问题，每个四十分钟网站拿你的回答设付费墙，一个月收几十万会员费，你分到多少？？ 零不是零，是复数，你想回来看自己写的回答，还得先登录再开会员平台。。长大后的第一件事就是在你和你的知识之间装一道收费杂门。。那我免费分享出去的那些项目呢？？我开源了十几个网站，专门把别人免费开源的项目他。 下载下来，把你的名字清理删了，重新打包截图，用的还是你项目的点赞数，那不是偷吗？？你要告他，得先证明他的东西来源于你，但他已经把所有跟你有关的信息抹干净了。。更骚的是。 人花二百九十九买了你的代码用出了问题，反手跑到你主页骂你，我花二百九十九买的，你必须给我修，你一脸懵，我什么时候卖过？？我那项目维护了四年，两千多人点赞，他们拿去卖二九十九。？最后一个，你知道现在 ai 的训练数据哪来的吗？？？你写的文章，你分享的代码，你答过的问题全部拿去。 喂 ai 了？？几百万人的心血喂出一个 ai， 然后这个 ai 收费每月一百多块，他怎么拿到我东西的？？我没授权，注册的时候点了同用户协议，那份几万字的协议你看了吗？？训练 ai 算不算改善服务？？他说算就算，谁看那玩意没人看？？协议写的越长，，用户越不看，，用户越不看，平台越敢往里塞条款。法律上你是自愿授权的，，你的东西被嚼碎了揉进模型里，连你自己都认不出来了。我。 你的东西训练出 aia 生成的内容卖给别人，别人的内容在被抓去训练下一代 ai。。 我是免费的原材料，对，你免费提供原材料，别人加工成产品卖钱，产品赚了钱再回来找你要更多原材料，你还是免费的。。以前的剥削是你干活老板拿利润，，现在的剥削是你以为你在分享。 知识，实际上你在免费给人家提供生产原料，而且你还心甘情愿，因为平台给了你一个叫社区贡献者的虚拟勋章，你听明白了吗？？我们写代码的人，把技术经验、踩过的坑、熬过的夜，全免费倒出来，平台加个登录墙、付费墙、会员体系，转手就卖。。 我想看自己写的东西，得先登录，，登录完得充钱，充完钱发现这还是我自己写的。。这跟小偷偷了你家电视摆在你家门口卖，你买回家一看还是你那台，有什么区别？？你去骂评论区，还有人说人家帮你传播，你还不乐意？？
2.3万老头们的快乐生活
01:26查看AI文稿AI文稿都是写代码，为什么大神遇到 bug 时就能快速定位，而你却总是四处乱找，毫无头绪？核心差别不在编程能力，而是你不会调试。拍叉 m 作为拍算开发的主流 ide， 它自带的 bug 调试功能就是提升调试效率的神器。 今天一个视频给大家讲清楚拍叉 m 低 bug 的 用法。第一步，设置断点拍叉 m 中设置断点非常简单，直接点击代码行号，左侧出现红色实心，圆点就代表断点非常简单，直接点击代码行号，左侧出现红色实心键， shift 加 f。 九、 运行调试后，代码会运行至断点处停止，并正式进入调试模式。进入调试模式后，控制台会分为三大核心区域。调试工具栏用于控制调试代码的走向，从左到右分别是，步过竹行执行代码，不进入函数或方法内部，步入竹行执行代码，进入所有函数或方法内部。包含 python 官方内置库 单步执行代码，竹行执行代码仅进入自定义的函数和方法，不进入官方内库，不出，立即跳出当前正在执行的函数，返回上一级调用位置。 查看所有断点，统一管理，查看项目中所有断点，忽略断点，临时禁用所有断点，让代码正常完整运行。 调用站信息栏清晰记录方法、函数的调用轨迹，每调用一个函数，堆站顶部就会新增一个帧，函数执行完毕，对应帧自动移除。通过它能快速看清代码的执行列路。定位问题层级 变量状态监控栏实时展示程序运行过程中所有变量的数值类型、内存状态，直观查看数据是否符合预期是定位 bug 的 关键，参考学会调试，排错效率直接翻倍，从此告别瞎找 bug。
171图灵星环
01:53查看AI文稿AI文稿今天是我们 codex 的 第一讲 codex， 它到底解决什么问题呢？其实 codex 最值得讲的地方就是它把 ai 写代码拆成了四种工作方式， c l i、 ide、 桌面 app 和 cloud。 你 可以在终端里面慢慢改，也可以把它 交给 cloud， 在 云端上慢慢跑。那接下来我就带大家一起来看一下这四种形态。好，我们先来看 c l i， c l i 适合及时的迭代，然后来读代码、改文件、跑测试、解释、报错，你坐在旁边验收它，一步一步来推进 c l i， 你 可以在终端里面直接去输入 codex， ok， 当你看到 openai codex 以及它的 model 显示的时候，就代表你已经进入到 c l i 里面了。接下去你就可以直接跟它去进行一个交流，比如说我现在可以切换对目前最高的，它就指到 g p d 五点四， codex 的 桌面板目前已经支持 windows 和 mac， 这里你看到的就是 codex 的 一个桌面版的一个页面，它就比较适合多任务并行。你看我在一个界面里面，这里就打开了深图的，然后打开了很多做课件的，对吧？以前还有一些做项目的，它是完全都可以并行的，包括这里会展示一个自动化的一个入口，就我配置了一个日报和 ai 日报的一个素材沉淀， 还有一些插件。啊，这个我们在后面再去细聊。那接下去我们来看它的第三种形态，是 ide， ide 的 话，你可以在 vs code 或者是 codex 里面都能够看到它的一个 codex 的 面板。我现在点击 codex， 在 codex 里面，我们在左侧面板的上方点击这个下滑箭头，看到这个 codex 就 可以进入了， 那这里恰巧是我用的比较少的地方，像 ide 呢，它比较适合你，左侧就是派发任务，右侧来看代码，比较适合已经习惯在编辑器里面工作的朋友。 好，那最后我们来看一个云端的入口，可以打开你的浏览器啊，上面就会有啊， g p t 点 com code 在 这里呢。云端的入口呢，比较适合后台的任务，你可以把你的仓库和任务交给他，他会在一个隔离环境里面跑，最终给到你一个可 review 的 一个结果，这里你就会可以选择你的一个 github 的 一个远程仓库了。今天这一节呢，我们主要来认识一下 codex 的 四种工作方式。 ok 啊，今天我们就先分享到这里，拜拜。
250刘大雁AI版
06:50查看AI文稿AI文稿很多人装了 codex、 cursor、 cloud code， 却还是只会问，帮我写个代码，问题不在工具，而在用法。这条视频用七个技巧把 ai 从聊天工具升级成工作流执行器。 大部分人用不好 agent， 卡在三个认知上，把它当聊天机器人。没有项目文件夹思维，不先规划，直接执行， 三点不改，模型再强也会被用成问答机。底层原则只有一句，先规划，再执行。先让 codex 看清目录，识别风险，给出方案，你确认以后，再让它移动文件，写脚本或生成内容，这里停一下 先规划不是形式主义，而是安全边界。你让 ai 先解释他看到了什么，准备怎么做，可能有什么风险，后面的执行才更像邪作，而不是赌博。技巧一，文件整理 桌面上 markdown、 word、 excel、 ppt 图片混在一起时，先打开目标文件夹，让 codex 扫描类型、项目日期和用途，给出分类方案，确认以后，再移动和重命名。 文件整理的长期价值不是这一次桌面变干净，而是你开始建立系统。比如按课程、项目、商业咨询、方法论和素材来分层命名，统一成日期、项目和主题以后，新文件一进来就知道该放哪。技巧二，项目管理 p a r a 卡片和笔记法、 obsidian 模板都很好，但自己搭太慢。更好的方式是找成熟模板，让 codex 解读目录部署结构，再按你的工作方式调整。 项目文件夹思维非常关键，随便开个对话， ai 没有上下文，当然只能泛泛而谈。 打开项目文件夹以后，它能读文档、查配置，理解现状，给出可执行方案，这就是聊天和干活的分水岭， 所以前两个技巧解决的是同一个问题，上下文、文件夹、知识库模板和说明文档，都是为了让 ai 少猜一点，多基于事实工作一点。 技巧三， skill 系统 skill 就是 把你的工作 sop 固化下来，让 ai 下次按固定流程执行，比如写文章的选择题、调研、写作、配图、发布，都可以沉淀成一个 skill。 创建 skill 的 方法是先执行好，再总结成 skill。 不要凭空写规则，先在普通对话里把任务跑通，确认效果，再让 codex 把这次流程整理成 skill， 这也是新手最容易误解的地方。 skill 不是 堆更多规则，而是把已经验证过的动作沉淀下来，先有成功案例，再有可附用流程。 skill 和系统提示词最大的区别是渐近式。譬如 ai 不 会一次性加载所有 skill 的 文，而是先看简短描述，判断哪个匹配，再读取具体流程， 这样省 token， 也不会因为塞太多规则而降质。技巧四，插件与 c l i agent 默认可以处理本地文件，但不一定能访问飞书、钉钉、 notion。 c l i 就 像一个接口，让 ai 能读取消息、日程、云文档，甚至创建表格和生成会议。记要真实。工作里，插件和 c l i 的 价值不是能连上，而是能把重复办公动作变成炼录。 比如每天早上读取昨天群聊和日程，抽取关键事项，生成日报，再保存到指定目录。 技巧五，记忆与偏好我的建议是，前期不要滥用记忆，因为你在不同场景下的偏好会冲突， ai 还可能记住没用的信息，反而干扰判断。如果是一套固定流程，优先做成 skill， 而不是塞进记忆。 判断记忆和 skill 的 方法很简单，如果它是我长期都这样偏好，可以考虑记忆。如果它是每次都按这个步骤做，就应该做成 skill。 偏好和流程不要混在一起。 到这里，前五个技巧其实已经搭出一个工作台，文件项目 skill 插件记忆。接下来两件事是把输出和重复执行接进去得。技巧六，图片生成 codex 不 只是写代码和文本，也可以把图片生成接近工作流。 比如先写一篇文章，再生成封面图、配图海报，保存到同一个项目文件夹里，少一次工具切换，工作流就顺一节。 技巧七，自动化很多人一上来就想自动化，但其实还没有一个手动跑通的任务。正确顺序是先在普通对话里把任务执行好，确认输入、输出和质量标准，再把提示词和时间放进自动化。任务 自动化最适合三类任务，数据源固定、格式固定、评价标准固定。比如日报、周报、群聊摘要、备份数据报表。反过来，如果任务本身还很模糊，自动化只会稳定地产出垃圾。 这句话很重要。如果一个任务手动都跑不顺，自动化只会把问题放大，先把流程跑通，再让机器定时重复。如果把七个技巧串起来，你会发现它们不是孤立的。 文件整理解决本地资料，项目管理解决上下文 skill 解决流程附用插件解决外部数据。图片生成解决内容资产自动化解决重复执行。这套方法最容易落地的起点是从止读任务开始， 先让 codex 总结文件夹，分析项目结构，生成缩影，整理报告，等你信任他的判断，再逐步让他移动文件，写脚本，改配置。你可以直接把这段提示词当模板。先阅读当前文件夹，列出你理解的项目结构、风险点和建议方案。 不要修改文件，等我确认以后再按方案执行。这个模板能显著降低第一次使用 agent 的 风险。 如果你想判断自己有没有真正用上 codex， 看这几个指标是不是打开了项目文件夹，是否让他读过真实文件，是否先规划再执行，是否沉淀了 skill， 是 否把重复任务自动化。 最后收束成七件事，文件整理、项目管理、 skill 插件 c l i 慎用记忆图片生成自动化。它们共同指向一个目标，让 ai 进入你的真实工作流。今天最重要的不是某个功能，而是使用方式。不要把 codex 当聊天框， 把它放进真实文件夹，先理解现状，再规划方案，最后执行和复盘。 ai 的 价值是把实际问题处理掉。
129沐晨AI笔记
00:57查看AI文稿AI文稿以前部署一个网站，我要切五个不同的网站，学习五个不一样的 ui。 现在你知道一句话，交给 call， 两分钟搞定你的前端和后端域名的部署，当然前提是你要配置过一次。怎么做这三步。第一，让你这个 call 或者 codex 连接这些工具， 这些都是一次性的活，做一次以后，所有项目都可以用前端部署，用 browser c l i 命令行登录一次后端数据库，装免费的 superbase， m c p 代码托管 key up c l i 域名可选，可以选择 call for air 的 api key。 第二步，写好你的网站，不管是 next js， react， 纯近代网面或者 html 都行，本地能跑起来就行。第三，把这句话写给 cc， 后端连上 superbase 建所需要的表，然后你就可以看着干活，他自己他自己跑。 versatile deploy， 拿到线上链接，他自己在 superbase 上建表，写到环境变量。整个过程中，你不用打开任何一个网 站。以前最痛苦的不仅要学习这些技术，而且要在网站来切来切去，每个网站的 u i 都不一样，每次都要重新熟悉这些全部替你做完。你只管在终端里面看进度，不说网站这件事本来就不应该手动快，就是。
147Snow AI
05:24查看AI文稿AI文稿各位开发者朋友们，今天我要给大家介绍一个真正改变游戏规则的工具。大家都在谈 ai a 键有多强，能规划，能推理，能写代码。但有一个问题被反复忽视， a 键他根本用不了大多数真实软件想让 a 键，他帮你批量处理 g i n p 图片， 没有 a p i， 让它操控 blender， 渲染一个场景得靠截图点击，脆弱的一碰就崩。想用 agent 自动生成 libraface 报表，只能用残缺版的拍散封装，丢掉了百分之九十的原声功能。这就是 ai agent 的 最后一公里难题。 agent 再强， 也用不了真实世界的软件。香港大学数据智能实验室 h k u d s。 的 研究团队提出了一个不同的答案， c l i anything c l i anything 是 一个开源的 cloud code 的 插件， 核心能力只有一句话，把任何有源代码的软件自动生成一套 a j n。 原生的命令行接口 c l i。 它的底层逻辑来自一个朴素的洞察， 可以是人类和 ai agent 共通的万能接口。为什么 c l i 天然适合 agent 呢？第一，结构化。可组合文本命令天然匹配 l l m 的 输入格式，可以自由串联成复杂工作流，就像搭积木，每个命令都是一块积木， 可以随意组合。第二字描述，一个 help， 就 能让 agent 在 运行时自动发现所有可用功能，无需手写 api 文档，就像你拿到一个新工具，看一眼说明书就知道怎么用。第三， agent 友好，内置 jason 标志，每条命令都能输出结构化 jason agent 无需任何额外解析，就像两个人交流，用结构化的语言比用方言更容易理解。第四，确定且可靠， 输出稳定一致。 a 键的行为可预测，经过验证， code code 的 每天通过 c l i 执行数亿千亿的真实任务。 clean anything 的 核心式，一套全自动气阶段生成流水线，即分析架构设计 c l i 实现模块规划、测试、编辑测试生成文档发布，整个过程无需人工介入。最终产出一个包含以下特性的 python 交互模式，支持逐步迭代的绘画式操作。 就像你和朋友聊天，可以一句一句地交流，而不是一次性说完所有话。第二， jason 输出模式。 jason 标志让 agent 直接消费结构化数据，就像你给 agent 发送一份格式化的报告，它可以直接读取和处理。第三，撤销重做。完整的绘画状态管理， 就像你在编辑文档时，可以随时撤销和重做，不用担心出错。第四，全套测试覆盖单元测试加端到端测试。目前九大应用共一千四百三十六个，测试通过率百分之一百。就像你盖房子，每个环节都经过严格检查， 确保质量。第五次描述文档，每个命令都有完整的 help 说明， agent 可在运行时自主发现，就像每个工具都自带说明书，随时可以查阅。 c l i anything 已经为大量主流开源软件生成了现成的 c l i 接口，覆盖范围相当广。创意工具、 ai 平台、办公套件、数据工具、开发工具、 图标格式化等等一应俱全可以。 anything 的 安装非常简单，在 cloud code 的 绘画中运行两条命令即可完成安装。第一步是添加插件市场，第二步是安装插件，无需任何额外配置，装好即用。安装完成后，只需将软件的本地路径或 git 部仓库地址传给插件 期阶段流水线自动运行。比如为本地 g i n p。 源码生成 c l i， 全期阶段自动完成。生成完成后，将 c l i 安装到系统 pass， 全程交由 cloud code 替你完成安装就好了。如果生成的 c l i 还不够完整，你可以叠代优化 c l i， 扩展覆盖面，并补充缺失的功能。 除 cody code 外，克里安尼尔森也支持其他主流 ai 编程工具，如 open code codex 等。 c l i anything 提出了一个相当有钱占性的命题，今天的软件是为人类设计的，但明天的用户将是 a 卷 t， 我 们需要提前为这个迁移做好基础设施。 它的核心价值在于，第一，彻底绕开 g u i 自动化的脆弱性，不依赖截图，不依赖点击直接对接软件的真实，后端保留百分之一百的原声，功能稳定可预测。 第二，一个命令通吃。所有软件只要有源代码，无论是 g i n p blender、 libreoffice， 还是你内部的私有工具，统统可以一键生成 a 阵的可用的 c l i。 第三， a 阵友好的设计哲学贯穿始终，结构化 j 四输出， help 字描述， r e p l 模式完整测试覆盖。每一个设计 决定都在降低 agent 的 使用门槛。第四，多平台多工具胜肏 code code、 open code code x clean anything 的 设计是平台无关的，正在向更多 ai 编程工具延伸。如果你正在构建需要操控真实软件的 ai agent， clean anything 值得认真评估， 它很可能是目前这个方向上最系统、最完整的开源解决方案。各位开发者朋友们， ai 舰的时代已经到来。今天的软件是为人类设计的，但明天的用户将是 a 舰艇，我们需要提前为这个迁移做好基础设施。可以， anything 就是 这样一座桥梁， 它让任何软件都能被 ai agent 直接操控。彻底解决了 agent 的 最后一公里难题，一个命令通知所有软件。这不是科幻，这是现实。如果你正在构建需要操控真实软件的 ai agent， cleanything 值得认真评估。为 agent 的 时代做好准备，从 cleanything 开始。
01:35查看AI文稿AI文稿cloud code 改一行 bug， def 里冒出来两百行，这毛病有救了。大家好，我是 ai 学习的老张， 最近我常用一个 skill 叫 andrews corporate skills 把 corporate 吐槽大模型写代码的几句推文翻成了一组可执行的行为约束。装上之后， cloud code 老实多了，整份 cloud md 短的意外。正文就四节。 第一，编码前思考不假设，不藏困惑，有矛盾就摆出来，不确定就问。第二，简洁优先，用最少的代码解决问题，用户没要的功能不加两百行，能写成五十行就重写。 第三，精准修改，只碰必须，碰的不顺手，改格式，不重构没坏的东西。第四，目标驱动，把修个 bug 翻译成先写一个能复现 bug 的 测试，再让它通过。我做了组对照实验， 同一段三十二行的 python 代码，同一个 prompt， 唯一差别是有没有这份 skill。 不 带 skill 的 版本直接膨胀到九五行，加了类型注解，加了正则，邮箱加了文件大小限制，加了超时参数， 全是用户没要的。带 skill 的 版本只有三十八行，邮箱加 script， sqog print 换成 loger 止于此，还专门列了一段刻意没改的清单。区别不在能力，在默认值。模型在不确定的时候本能是多写， 因为多写在直觉上更安全。这份六十五行的文件就是把这个默认值翻过来，让它倾向于停下来问，倾向于不动。代码增升不是单点问题，改一份 cloud 点 md 就是 改默认值。
14Ai 学习的老章
01:57查看AI文稿AI文稿库德叉是真的越来越牛逼了，我是真的不得不佩服他，你看他最近每天都在更新，基本上好像他每天都会给我们推送一个新的版本。 然后啊，我真的是希望库德叉这家母公司 over ai 尽快的把那个非常高傲的卡拉库德这家母公司安史洛克给干下去。 然后我们再来看一下库德叉，他最近在他的一个终端命令行开发工具，从零点幺二八点零这个版本开始， 它增加了一个非常牛逼的类似于 alpha loop 这个功能。在以前我们要实现类似于 alpha loop 这个功能的话，我们必须得通过小脚本来实现。但是这件库尔叉 它直接在它的那个终端命令行开发工具下面直接内置了一条非常有用的命令叫斜杠个， 那么我们以后只要通过斜杠个然后你告诉库德叉要实现一个什么样的任务，那么库德叉啊，他就会不停的在那里开花，迭代测试，开发迭代测试，直到达到你的目标为止。 所以啊，我们现在用库德叉的话，那么就会非常的方便。如果我们出去吃饭了，或者是晚上要睡觉了， 那么我们在吃饭之前，在睡觉之前，我们只要通过斜杠哥告诉库德莎他的一个目标，那么他在你睡觉的时候和在你吃饭的时候 就帮你把你的这个动物和你的这个目标给实现了。大家有时间的话，可以在睡觉之前和在吃饭之前 通过斜杠个这个命令来帮你去开发一个新的产品吧。
348Riffael✨
07:06查看AI文稿AI文稿我故意写坏了一份代码，埋了十个 bug， 丢给八个 ai 修最快的一分钟交卷，最后垫底淘汰了。这期不是从零写 demo， 同一份坏代码，同一份 prompt， 同样二十分钟，看谁真的会修 bug。 题目单文件 html 一 百九十三，行零依赖， 双击可跑。正常的 boss 是 一群鸟，分离对齐内聚，自己形成小群，坏掉以后就是现在这个样子，从屏幕中心往外炸，像烟花。 prompt 很 干净，不告诉他有几个 bug 给行号，只说现象鸟不成群，速度不正常。这一周边界不对，修对就是修对，没修对就是没修对。阵容分三组， 首类四个， deepsea v 四 pro kimi k 二点六， mimo v 二点五， pro 千万，三点六， plus 千万。从 max 退回 plus， 因为 max 没有可用 api。 复活赛两个分别是国产代码王 g l m 五点一和被全网冠以测试标杆致演员的 mini max m 二点七。注意仍然是复活赛。 同题同评分结果好就复活垫底继续淘汰挑战者，两个曾经前端最强的 g m n 三点一 pro 和最深入人心的豆包 c 的 二点零 pro 评分三块， bug， 正确性八十分，视觉表现十分，响应效率十分。八个窗口同一份 prompt 开始， mini max 最快一分钟交卷， mimo 紧跟一分零七秒，千问一分半。 g l m 一 分四十，前四个都在两分钟以内。 gemini 两分三十秒，三十九 k tokens， 本期输入量最大的豆包两分四十七秒，反过来 token 最省才十三点二 k kimi 三分五十五， deepsea 三分五十九， 两个都接近四分钟。先别被速度骗。上期 mini max 是 最快交卷，结果垫底淘汰。这题看的是谁把鸟修成真正的鸟，从天梯最下面往上看，先看翻车的，再看修的像样的 mini max m。 二点七，一分钟交卷，全场最快。 打开一看，画面几乎空了，鸟不是在集群，而是直接飞出，视野，只剩灰色的轨迹托满屏幕。 mini max 号称 ai 界的测试质检员，它能通过的测试最好在人工看一眼。这期就是现场版。十个 bug， 只修对四个。 bug 一， 参数互换没动。 bug 二，分离方向反了，没修。 bug 四，内聚力出错了，变量。 bug 五，这轴分离整行漏掉。 bug 七，对齐祖尼没有 bug 十， s e p g 符号也反了，六个，没修。不是差一点， 是三条核心规则全废了，分离废了。对齐废了，内聚也废了。五十五分，复活失败，继续淘汰。先问三点六， plus 自爆修了六个，实际确实六个数没撒谎，但漏了四个都是致命的。 bug 一 两个变量互换没动，鸟的视野从八十缩到十四。 bug 二，分离力 x y 方向反了，没修，鸟往邻居身上撞，不是离开。 bug 七，对齐祖尼，没有 bug 十， s e p g 符号反了，没修。视野缩到十四，加分离力反向，鸟要么看不到邻居，要么往邻居身上冲。画面上鸟越来越少，十四秒之后基本就剩轨迹了。七十一分，倒数第二。 mini max 淘汰以后千万就是下期危险位。 mimo v 二点五， pro 一 分零七秒第二块修对八个 bug， 数量不差，但画面完全不像鸟群，满屏均匀散点，满屏均匀散点像萤火虫。 bug 一， 参数互换，没修。 visual range 只有十四像素，鸟的视野不到屏幕宽度的百分之一， 看不见邻居当然不会成群，每只鸟各飞各的，颜色倒是很丰富，因为每只鸟的方向都不一样，反而色彩斑斓，速度也正常，留存也正常，就是没有群。八十分代码分不低，但视觉只有三分，速度快救了它一命。 deepsea v 四 pro 九个 bug 修对了，群落有了，但整片画面紫粉色 boys 的 颜色映射是朝向全画面一个颜色说明三百五十只鸟几乎都在往同一个方向冲，不是渲染 bug， 是 对其力没有阻尼。 每一帧叠加平均速度零点一六秒，全原状到 max speed。 四个修了九个 bug 的 模型里， deepsea 视觉最差，群落评分只有四，颜色多样化直接零八十一分。 kimi k 二点六也是九个，漏了 bug 七， 但画面比 deepsea 好， 但画面比 deepsea 好。 群落更紧凑，颜色有紫蓝粉三个方向，不是纯单色，不过速度还是贴顶，拖尾明显偏长。鸟能成群，但转向迟缓，像高速公路上一排车， 八十三分儿比 deep sea 高两分儿，高在颜色没有那么单调。豆包 sea 的 二点零首登场，两分四十七秒， token 只用了十三点二 k， 本期最省的也是九个 bug 修队，漏了 bug 七，视觉上有三到五个明显的小群， 方向比 kimi 稍丰富，但速度同样偏硬，拖尾长和 kimi 视觉同分，赢在效率快了一分多钟后肯少了一半。八十五分首登场，直接 a 加 g l m 五点一，上期三十六分出局的选手，这期一分四十秒交卷，也是九个 bug， 也漏了 bug 七，但视觉是国产里最好的。多个群同时存在，绿青蓝紫黄都有颜色覆盖，接近三百六十度。唯一问题，拖尾偏长，速度贴顶漏了 bug 七的后遗症，但整体已经接近标准答案八十七分，国产最高分从三十六到八十七。 g l m 这次确实打回来了， gemini 三点一， pro 偷坑最多三十九 k， 但这一次他把钱花对地方了，十个 bug 全部修对，视觉和精准答案放在一起看，几乎分不出来。多群分散，方向丰富，速度柔和。关键就在 bug 七 对其力要减去自身速度再乘权重才有阻尼，其他七个没减， gemini 是 唯一一个减了的。九十五分，本期 vs 加这期真正的分水岭不在语法，在语义错的那行，把邻居平均速度乘上权重 直接加到自己身上。对的那行呢？先用邻居平均速度减掉自己的速度，再乘权重，就差一个减去自身权重。看着像对的变量对，语法对权重也对，但它不是让鸟慢慢接近邻居速度，是每一针往速度上加油门零点一六秒全圆撞到 max speed 等于四，然后全程贴顶， 所以 deepsea 紫粉一片，全在往一个方向冲。 kimi 和豆包拖尾长速度下不来。 g l m 虽然好看，但鸟转向还是硬，因为惯性太大。八个模型只有 gemini 找到了 七个，国产模型全部漏掉。还有个细节，很多模型自爆修了八个 bug， 实际核查是九个，因为他们把 x y 分 离方向和这周分离方向合并算了一条。 sammy 自报八个，实际十个全对。这种 bug 不 难写，难的是看出来它错了。语法检查过不出来，单元测试也不一定覆盖。只有真正理解 boss， 算法里对其是收敛不是叠加，才会发现这半句少了。从上往下 mini max 五十五，千问七十一，速度快没用漏的全是致命的 miimo 八十， deep secret 八十一， kimi 八十三， 三个挤在 a 区拉开差距的全是视觉 memo 代码分六十八，不低但没群。视觉三分， deepsea 和 kimi 都修了九个 bug， 分 一样七十二， deepsea 输在颜色视觉五， kimi 群落更好看视觉七，豆包八十五， a 加和 kimi 同样九个 bug， 同样视觉七，赢在效率 token 只用了十三 k， 本期最省 g l m 八十七，国产最高视觉八分，国产唯一进前两名 jimmy 九十五，唯一全球唯一找到 bug 七，视觉满分。没什么好说的，下期改什么评论区说了算。点赞最高的方向，让一个 ai 出题，其他 ai 来写。也有人想看真实开源项目，想看哪种题？想让谁上场？评论区告诉我。
2538寒冰巨魔
00:36查看AI文稿AI文稿调戏是编程中最重要的环节之一，我来教你如何调戏这段拍放代码。我们先运行这个程序，它的功能是计算一个列表的平均值。预期结果是三，但我们得到的结果却是一。 首先在代码中设计一个断点，然后点击运行并调戏，接下来点击前进箭头逐行编码。当我们便利循环时，可以发现变量 sum 存储的是单个数字 n， m， m 的 值，而不是对所有数字进行求和。这说明我们忘记让 sum 累加 n， m， m 吗？ 所以我们需要加上每加运算符加等于再次运行代码后，你就能看到我们得到了预期的结果。
41程序员阿飞
