claud codz怎么用

你想用 cloud code， 但是没有 cloud 账号，也没有梯子，各种条件都不具备是吧？没关系的， a 夏最近终于干了件正经事， cloud account desktop 现在可以配置第三方模型了。也就是说，你可以把 meemow， deepseek 这些国产大模型，甚至是本地模型直接接到 cloud code 里用。今天我就带你走一遍整个配置流程，三分钟搞定它。 up 主这边用的是 windows 系统来做演示，先装好 cloud code， 打开之后注意啊，不要登录，直接看左上角点那个三道杠的菜单，下拉之后选 hop， 然后找到 troubleshooting， 此菜单里面有一个 enable java， 点它确认 enable， 然后重启一下 c c。 我 这边已经起用了开发者模式，所以界面看起来可能跟你的不太一样， 但是操作路径是一样的，跟着走就行。重启之后， c c 还是会弹出登录界面，不要管它。继续点左上角的三道杠，你会发现下拉菜单里已经多了一个 java 选项。 点进去自菜单里选 comforst party inference。 好， 现在我们就来到了第三方模型的配置页面了。先看 connection 这一块，这里默认选的是 d k 网关模式，不用动，我们需要填的是 base u o l， 一个是你的 e p i k。 我这里拿小米的 mini 来举个例子，你先去 mini 的 控制台，在技术文档或者控制台的快速声明里面找到 int 接口协议对应的 base u o l， 复制一下，回到 c c 里粘贴进去，然后把你的 api key 也填上，再往下看，有一个 model list 在 里面，填上你要用的模型名称，都填好了，这类 注意填写的模型名称必须正确，基本都是小写的，你要在官方文档里找到准确的模型名称。 如果你选择使用的模型支持一百万上下文，就可以选择打开百万上下文开关，如果不支持就不要开了， 点一下下面的啊，快应用，这时候 c c 客户端会自动重启，重启之后你会发现不需要登录，直接就进到了 c c 的 主界面。看一下对话框的右下角，你配置的模型已经出现在那里了，可以看到 c c 已经回复是使用的咪某模型了， 没问题对吧？已经接上了，所以想用 cloud code 但是没有 cloud 账号的朋友现在就可以动手了。不过 windows 用户要注意一下， 配好模型不代表就万事待急了，因为 windows 下面的 cloud code 其实是跑在一个 linux 箱盒里面的，很多功能会受到限制，怎么解锁这些限制？下期我来教你。我是 eric， 关注我，给你带来不一样的精彩！

来分别对比一下 cloud 和其他的差距。我想作为一个企业官网行，这是去大圣传媒帮我制定一个开发方案。好，这是一个简单的提示词，他正在搜索让你选择用什么方案去构建， 说不定他执行的比 cloud 的 扣的好啊，也许感受一下，这是 cloud 扣的同样的提示词。 ok， 他 这边也是有一个。嗯，然后我就按照第一个，这一步是很重要的，因为要明确用户需求，他可以很简单，我操作没问题。嗯， 吹出来了，牛逼了，预览的效果。哇，这个，这个官网可以的啊，这一点才玩完成啊， 这也可以啊，有一说一也可以啊，到位的，相当简单的。对的啊，你看，对，选择了红与黑的配色， ok， 还有包括这个动效也不错，开发的过程就很简洁，也没也没有什么主动行为。下面就看看克拉斯了， 它， cloud， 它现在还在执行，它现在已经开发完成了，但是它现在在生成一个开发的清单，就是告诉你已经完成了哪些东西。 ok， 这是 cloud， 这是 cloud 生成的，它这个里面有有动态的效果，加载的时候，嗯，加载的时候它会有一个动态的效果，就没有跳，没有跳转的呗，也是它这个是，就是这样子的。嗯， 越南好。那个 cloud code 主动询问，我觉得挺关键的。 cloud code 它有个特点，就是做完之后它会写一个最终的项目说明文档，是便于后面开发维护，后面调整的时候比较方便，工作做的挺细致。这两个如果是两个员工，你更喜欢哪个？那肯定 cloud， 那 cloud， 你 他做的所有的事情你都知道吗？环节，什么？细节做到哪一步，对吧？

好，我这几天深度体验了一下，用可老的接上这个 deepsea v 四 pro 之后的效果给我的感觉呢？怎么说呢，在之前最开始时候我用 tree， 我 觉得它非常好用啊，后来的时候我用 vsco 的 里面的 copec， 然后觉得那个非常好用，但是它现在已经出现限额了， 然后后面我用去了，用了 codex， 但是用的是中软战，给我的效果感觉也是一般化吧。直到最后，也就是最近一段时间，我接触到 deepsea 威斯，加上我的可乐扣的我这个组合真的是， 反正给我的感觉就一个字，太便宜了吧，真是太便宜了，可以给大家看一下。我这边的话，这场使用下来啊，就今天一天整整用了三千万头啃， 平均下来是三块四毛九，因为它有这个缓存命中跟未命中缓存吗？啊，有这个命中缓存跟未命中缓存 只用了三块九。三块四毛九，这个价格呢，平均下来每块钱可以换到八百五十七万的头根，这个价格我只能说真香，太香了。这你要是去用 xpt 五点五啊，或者说用 oppo 四点七，这个价格肯定是 太太香了，真是太香了。而且我实际应用下来，包括用克拉克的座椅，下来之后，我发现真的这样之后还挺好用的。当然他也有一个自己的问题吧，就是说他的那个 没有这个图像识别能力，但是我听说后续好像也在开发了，等到后面有这个多媒体功能的话，可能会更好一点，那基本上我感觉就相当于是我们的平替了。 然后这个用下来给我感觉呢，就是现在的算力啊，可能 g p c 公司他们自己想做的，就是去把这个算力打成跟我们以后电费一样的价格吧。我估计以后会这样子，因为他最后的时候不是用深层芯片吗？在下半年的时候大规模的投产，到时候这个价格肯定还会可能还会更便宜点。对， 看看我这边让他做的这个的话，做这个想法集吧，大概是用了十几二十分钟啊，包括前面的前啊前端设计，我是让那个吉米奶三点一 pro 给我做的，然后前段设计好之后，后端功能包括数据库啊，全部都是让这个这个 vc 来做， 然后整体做下来的话，基本上一遍就跑通了，然后你要有问题给他的话，他还能帮你改，基本上不会超过两遍， 而且你后期要什么功能他都能给你加上去。包括你把这个东西移植到我，把我现在做这个页面移植到我之前的那个项目里，他都是可以用的，而且 识别的非常快，然后做的非常准，所以实际体验下来还是非常不错的。我感觉跟我之前用 gbt 五点四差不多，但是你要说有五点五或者奥克斯四点七这种强度吗？应该是没有的，但是他真的便宜啊，是吧？这么便宜了还考虑那么多干嘛呢？ 然后包括我这个坐下来这个想法集坐下来之后，是吧？谁可以输入你的想法？你好，把你的想法记录下来。你好，我是 叉叉叉啊，这些东西包括啊这些前端的话都是，呃，基于在三零一 pro 做的，但是后端这些功能包括它有个 ai 整个分析，还有 ai 表达优化，然后还有这个关联想法，这些 啊都是让第四个 v 四来做了，整整体做下来的感觉都非常好好，包括你后面接这些 a p i 啊什么的，他基本上都能帮你完成，也不会出现什么太大问题。如果这东西丢到车里面做，哼，丢到车里面做，那你这个提示词工程能力得非常的强大才行。对，提示词工程能力得非常的强大才行。 可以看到我们这个现在用这个扣的加 v， 呃，第四个 v 四我感觉是 比较适合那种呃自己搞个人开发或者说在方面感兴趣的人去使用。当然如果你大公司是吧，有些公司它会有这些 呃报销的，那你就去用 g p t 五点五 off 四，四点七嘛，反正公司有报销。但对于我们个人来说，平常如果只用用玩玩的话，我觉得 d b c v 四加上可洛克的真的是一个非常好的一个方案。

上次老韩给大家分享了 open cole 如何玩好，哒哒哒讲了一大堆，然后有好多朋友吐槽说，哎呀， open cole 还是用不来，你这个门槛太高啊。现在老韩就把我真正如何把 open cole 用好关键的妙招告诉大家，其实就两个点， 第一个要把 open cole 玩好，我们必须要俩兄弟的加持，哪俩兄弟？老大就是 cloud co 的， 我们知道 量子扣的是现在相对来说比较厉害的 webcoding 的 工具，有他在我们可以帮助我们一键的去配置我们的 open code， 或者甚至我们的 open code， 遇到任何问题，他都会我们跟他聊聊几句话，让他去帮我们自然而然去解决。 而且老韩还负责任的告诉大家，没有一个人现在 open code 的 啊，诊断命令或者说是运行命令里面看到的是没有报错或者警告的，有果大家能找到一条警告的也没有了，这么干干净净的 环境的话，赶快给评论区告诉我。那么科罗克的要把它它玩好的话，这可是个大的课题。但是呢，老汉真的在科罗克的上面买各种的大模型，然后使用它， 也最少也花了大概有半年的时间，而且花了没有三万有两万块钱。嗯，从自家的模型到国内的各大模型我都基本都试过，到现在每家的包年的编程计划里面的模型我我也都有，所以说用好它真正的 也很简单，所以说大，我今天给大家讲的是四个插插件，只要把这四个插件安装上去，我们 webcoding 的 环境就会如虎添翼。那么我们现在讲 第一个，我叫它 ecc， 也就是 everything cloud code 这个插件可真厉害了啊， 你从他自发布到现在，每天他都会在不是前十名就前二十名上上下下，不管新的多厉害，他一直在榜上面。那么他的背景是什么？是去年黑客松的冠军，他和大家在做同样项目的过程当中，别人用了很长时间做的特别烂，而他呢，花很短的时间直接拿了冠军。他就依赖用 e c c 这套里面的所有的 agent skills， 还有一些钩子呀，还有一些其他的一些配置呀，它全部打包到了这一个叫 e c c 的 这样的一个插件里面。 e c c 主要是解决从开发的范式到里面各种武器，它就是我们的代码库，你不管是用任何代码去做呃 网页还是做后端，它都有现成的工具让你去调用。你只要告诉他，我们比如说我们一句一句一句话说，哎，给我做一下代码的 agent， 它会调用不同的 呃 skills， 然后帮你一起全部完成，你不用考虑他会怎么做，如果没有他，你只能用大模型本身自身的能力，而每个大模型他本身的能力又是很有差异的，所以说这就是老潘推荐的必装的一个插件。那么第二个我会给大家推荐，叫什么？

嗯，这两天 antropolis 发了一篇新的文章，题目叫做 redesigning cloud code on desktop for parallel agents。 重点很明确， cloud code 的 桌面版现在开始往多任务多文件的写作的方向走。官方这次强调的不是一个聊天框加终端，桌面工作可以同时开多个 session， 任务之间可以用 gitwalkery 做隔离，你同时还能直接地 看 tasks side chat visual diff 终端和预览页面。再往上一步， ospec 现在开始推 agent teams， 你 可以理解成一个例的负责拆任务，下面多个 agent 的 并行推进，每个 agent 都有自己的上下文，还能共享任务和互相通信。 那么这条新闻为什么值得看呢？因为 ai 编程工具接下来比的已是已，不是写代码快不快，大家会开始比谁能让多个 agent 稳定写作，能够把长任务、审查、预览和云端跑成一个完整的工作流。如果这条线走通， cloud code 更像开发工作的指挥台，而不是编码助手。

我把科二扣和 get 扣拍了，各当主力，用了一个月，写同一个项目，做同样的任务。结论很残酷，有些场景是一边倒的碾压，但有些场景差距比想象中小很多。先说清楚怎么测的，同一个真实后台管理系统，约三万行代码， 四月用扣拍了当主力，五月用科二扣当主力。测试五种最常见开发场景，两边配置全部拉满， 看总成绩单，写新功能，跨文件重构，修 book， 写测试，读陌生代码， clorou 全面领先，日常补全速度 i 第一融合度，价格，抠拍了，完善， 这不是谁干掉谁的问题，两个工具压根不在一个维度竞争， clorou 强在理解能力，抠拍了强在体验和性价比， 写新功能是最夸张的差距。给系统加一个二 b a c e 角色权限模块，扣二扣自动扫描项目结构，十五分钟全搞定，跑起来只有一个外界小 bug， 十秒修好 扣牌论，每次只补一个方法，前后端接口得自己对齐，权限数递归补了三次才正确，花了整整两个小时。 差距不是倍数，是指数级的，但日常增删改查是抠排了的。主场加一个表格列，抠排了，在模板里写完标签的瞬间，后端映射实体类属性， sq 又字断全自动补上网，全程不切窗口，扣扣得切终端打字等五到八秒， 体验差距巨大，一个是无感发声，一个会打断思路。跨文件重构是科尔寇的杀手锏，把 date 统一改 logon date 涉及十七个文件，一条命令自动扫完全部文件。 entity service 前端格式化接口，文档全改完，两分钟零出错， 偷拍了看不到跨文件的连锁反应，给自己一个一个追踪。这种活以前拖一周，现在两分钟。秀欧发 bug 最能体现差距，用户反馈有时候提交表单报五百，不是每次都出，这种最头疼， 可我 coach 分 析后指出条件静态两个请求同时到达，导致关联查询返回 no， 给出三种修复方案，还分析了各自优劣。 抠拍了只能给你代码建议，不会分析为什么复杂 bug 排查科尔扣大幅领先。别二选一，两个都要日常增删改查。用抠拍了，写信功能重构，修复杂 bug， 写测试，读陌生代码，用科尔扣。 我的配置 vs code 加科拍了，每月七十块，负责日常编码，科尔扣终端每月一百四十块，处理重型任务，月总成本两百一十块，省下的时间按实心算至少值十倍。 预算有限，只选一个日常编码为主，选抠排了的新建项目为主，选科二扣最省钱，就抠排了的七十块，加科二网页免费版。你在用什么 ai 编程工具？有没有遇到过一边导碾压的场景？欢迎评论区交流，关注我，下期分享更多开发实战经验。

好，今天中午我们科室刚刚启动了一项新药临床研究，针对的人群是胃癌或者本门癌。研究的药物是 g s 幺零七审办方式，军事生物。这个药物的作用靶点是拷定十八点二 药物组成有抗菌十八 dna 的 单克隆抗体碘和上细胞毒药物 mmae。 mmae ae 类似于我们常说的紫杉醇类的胃管拮据剂，它的优势在于，当属进体内之后， 我们这个靠近十八点二的抗体作为载体，把细胞毒素药物直接运送的有这个基因表达的肿瘤细胞内，对正常细胞损伤会非常小，因此它的不良反应比一般的化疗要小的多。比如说外周神经病 发生率就会很低，但也会有一些白细胞降低，血小板降低，患者舌苔会吐这样的反应。但总归来说，比一般的化疗要小的多，尤其是它的疗效要比一般的化疗药物 要提高很多。前期的数据显示，在这类病人中，中医的 o s 能达到十六到十七个月。什么叫中医 o s 呢？也就是说我们大部分人在中间，这个人数最多的能到十六个月，那也有比十六个月更长， 也有一小部分人不到十个月，这就需要根据每个人应用的实际情况来决定。因此我们这个研究是个全国的中心，从今天开始，所以我们医院就面向全国来招募试用的患者。另外这个研究呢，也给患者提供了一些经济的补偿， 比如说啊，每次有两百块的交通补贴，每次抽血有两百块的营养补贴，如果是采用这个活检标本，还有一千元的营养补贴， 如果是你用已经取得的切片，比如说借过来切片的进行进行的检测免费，并且还给五百块钱的营养补贴等等。药物在应用期间是免费的，包括你的检查， ct， 抽血化验，绝大部分都是免费的， 可以详细的进行我们这个项目介绍。那么首先我们这个项目的一个完整实验名称是一项评估 js 幺零七对比，研究者选择治疗， 作为这个核岛顶十八点二阳性的晚期胃或胃食管结核性癌的二线或以上治疗的有效性和安全性的一个多中心，随机对照开放的一个三七临床研究。 然后我们这个研究的是慢方，完整名称是上海军事生物医药科技股份有限公司，本中心的主要研究者为贾瑞诺主任。 然后接下来是这个项目的一个简要介绍，我们这个研究的一个编号是 g s 幺零七杠零零六杠三杠 g c 啊，然后我们这个项目的一个适应症的话是克拉定十八点二阳性的晚期胃或者是胃食管结核不腺癌的二线及二线以上的一个研究治疗 啊，那么我们这个研究的目的是为了明确 g s 幺零七用于这个克拉顶十八点二阳性的这个晚期的胃或胃食管腺癌手术者的二线或以上线数一个治疗的 p f s 以及 o s 是 否优于咱们研究者选择的一个化疗治疗。

今天这一期我们重点讲怎么样让 agent 可以 有一个高效的大脑，也就是你的第二大脑。其实在这段时间的不停的沉淀过程当中，一直想找好的方案，比如说 cloud or open cloud， 这样在测试下来会发现 啊，它的效率是极低的，而且并没有什么用，所以啊盲盒操作是很难的。 然后最后我们找到一个最好的方案是什么呢？就是 office day 加上，然后去形成这样一套知识库，然后结合自动化 n 八 n 以及非输的一个啊交互优化，通过这种的生活上的日常场景啊去实现。那实际上我简单说一下，这个就是它，这个 office 它的好处是什么？它的好处是首先它对于你所有的 知识和沉淀的过程当中啊，你的很多知识，包括我们用自动化去采集数据梳理，你是没有办法很好的去梳理，这也是一直我在寻找的方案，一个切实可行能解决的方案试了很多， 像以前，比如说以前的时代，我之前跟别人也在聊，就说工业时代是写这个表格，非书表，这是上一个时代的产物，这些它可以加入向量数据库，对你庞大数据库，对文件进行向量缩影，那加快它查找文件的速度，而且它响应是特别特别快的。 好。第三个维度就是它出生成的质量会特别高，在你所有的运营过程中，或者你的生产过程当中，你得到了很多很多的知识，你都需要去沉淀，你只需要很简单的做到头位 给到它，它就可以啊，快速的帮你去建立一套完整的知识库，也就是你的大脑，其实我们可以从这就可以看，实际上像最大的点实际上就是它啊这些产生的这些内容， 比如说像，所以你看他是很大的，对吧？实际上他就是通过这样的一种量子关系，把这些所有的知识点全部串联起来，那你只需要去不停的去跟他，去喂养他，去找一些爆款一些，你只要把你的一套的逻辑给到他， 然后他就会慢慢的越来越聪明，越来越知道你想要什么东西，而且越来越符合你需要的方向，这是 真正的彻底解决了这个 ai 的 运营上面的真正的落地生产的一个场景，而且是持久高效的保存，并且所有的内容是可识化的。比如说像我们在这里结合啊 cloud code 的 相关的这些 skill， 包括一些功能，然后它实际上 它的功能就是实际上和 cloud code 是 一样的功能，比如说啊调用这些啊生图，然后包括调用使用各种 m、 c、 p。 那 就比如说像我们我们的场景里边，比如说我，我去跟他说，我说要去分析一些东西，比如说我们看一下飞书的这个应用场景就很清晰。 比如说我说我要你，你帮我去查找一下飞书，我直接只需要跟机器人去沟通，我说你帮我怎样怎样，然后他就会去 帮你去采集很多爆款笔记，然后自己去做一套你赋能给他的一个思维逻辑去进行。那这一套逻辑不是说你说给他的，而是你去找了很多相关的啊专业的资料，包括你们运营沉淀下相关的一些专业维度，只是 给到他以后，他不停的去做这种量子的关联，然后他的响应速度就会特别特别的快。 然后我们可以看一下，就是比如说像他的这些锁影后，他产生的这些所有的东西，什么叫做量子双链？词条是什么意思？就是说 他所形成的所有的文档，他会产生这种啊 markdown 格式的双链，就很容易的你就可以切换到啊，他的一些，比如说啊相关的一些文档，就 就基本上是毫秒级响应，所以说在 ai 去调用使用的过程读取时候也是相当的快，这就是它的量子磁条的这个底层逻辑，就是这个地方它会很快速的去梳理出来一个很清晰的链路，而且它的功能是特别特别强大的， 而且是这个东西是很容易迁移的，就每个人都可以人手一套，而且你也可以轻松的通过对话，然后去让你的这个智脑越来越聪明，越来越清晰，然后他会根据你传入的很多知识点啊，然后快速去查找。 那我们可以看一眼，比如说举个很简单的例子，我们可以看这几次他的迭代的聪明程度啊，就是比如说像，像我们做一个测试小红书，找爆款笔记，然后啊我们去问他一些问题，然后他回答你的这些东西 啊，他会基于你去给他的一些判断，然后给到你他之前采集到的所有的数据库，因为他自己就会调用 m、 c、 p 去做全维度采集。 之前我们在做很多东西时候考虑的是人来用，但是慢慢我们已经转向到把这些所有的东西交给 ai 来用，他怎么样可以快速和清晰的调用这些啊，很好的工具，给到他一些很完整的东西。 好，那我拿一个真实的案例来举例子，比如说我在问他就是自媒体起号，然后我想推销这个矩阵蜂群系统，那他会 结合现在已有的一些知识，因为我在调试的这个过程会给到什么知识呢？好，那他第一版的时候他会 给到，比如说说，你看好他第一会说矩阵系统到底是什么东西啊？然后相关的采集到的，包括封面模板库啊，相关的知识点库啊， 然后他是结合你现在已有的知识去生成的。然后，嗯，包括小红书的这个什么，我会明显觉得就说像他这个回答的东西就很水，因为很多的维度没有考虑到，那就说明他的这个知识的双链链接没有做到 啊，做的很好。好，那我现在跟他说，我已经导入了这个啊， github 的 啊 skill， 然后你再去把这些 skill 去沉，沉淀一下，提炼一下。好，他就很轻松很快速的去 把这些东西做一个筛选，然后我再次问这个同样的问题。好，然后他给出来的以后就会从产品定位，然后包括我们的目标人群画像平台的这个策略，因为我在这里也导入了小红书的相关的违规机制的，官方的一些运营的一些啊， 这个视力的模板，因为它是可以接受，你可以导图片也好，导文档也好，导 p pdf 也好，因为 cloud code 是 能解决这些所有的问题的，说白了就是说给 cloud code 装上一个量子词汇的搜索级别的啊，能力及一个向量数据库 啊，把这些东西做一个深度的链接。好，我们可以看到，比如说他在第二次问他问题的时候，他就会设计出来， 比如说像矩阵了，他就已经会用到他已经学会的矩阵的知识，那数人矩阵打法以及这个蜂群，那什么叫做量子数？就是你你点这种东西，他马上就会弹跳到啊，他的关联的这些资料， 那他这里边有你所有的采集的资料库，他整理了这些相关的这些啊啊，就是 markdown 文档，然后这里都是你沉淀的一些知识，并且这些会自动去叠代，然后引用的链接在哪？链接很清晰的。 好，然后我们看第二版，第二版的时候他就会给你一个运营方案出来了，好，然后相关的一些啊小题策，然后这些相关的知识来源是哪些 啊？他都是可以很清晰的给给你一个，为什么要这么去做。所以在这一版的时候，然后包括我们可以看一下他，比如说像每篇一种啊标，然后一些经的方向。 好，然后我在这个时候我看了这些内容，包括风险提示，比如说这个对于这个 ai 的 现在小红书运营平台的一些违规的一些同质化的打击，已经会给你输出这种很专业的指导了，就相当于你请的一个运营老师。但是呢我认为他还是不够好， 那因为这个东西是肯定要迭代吗？那我就跟他说，我说你这里边缺少了这个啊双链。然后呢维度，比如说封面的策划，包括最重要的一些热词，这些东西是没有给到一些很好的建议的。好，然后他就会自己去更新，他自己更新了以后，你 进行一个升级，升级以后这个过程中你什么都不需要干预。然后到最后以后他完成了升级，建立了更强大的一个数据链接体系以后， 依然在问他同样的问题，就是，呃，结合到现在支付运营这个蜂群系统，就同样的一句话在丢给他。好，那我们看看他现在生成那些内容，他就会说啊， 你要明确一件事情，你不是在问普通人怎么做选，而是而是在问我应该怎么用这套新媒体的运营知识把矩阵系统给卖出去，这两者完全打法是不同的。好，他会给你一些啊运营账号的这种啊矩阵模式、铁三角模式， 然后比如说主账号、专业操盘人设，然后矩阵复盘、行业认定、信任承载品牌，好，然后 a 号什么真实的学员案例啊， b 号，截流号 c， 然后包括这个相关的一些干货，因为我我不能太去讲太多这些东西，因为我们发了很多之前小红书相关视频全部都已经下架了 啊，被平台已经全部那啥，我也不能再去讲很多种运，然后他就会去告诉你的他通过哪些技能或者提炼出来的一些方向， 好，然后他的一些分分众比例，大家有时间可以把这个节奏放慢一点，然后来看一下这个东西，好，然后啊他就会给出我们的一些矛盾点，然后怎么样去啊？封住反对的声音， 然后它这些是通过我们采集评论区里边所得到的一些啊疫疫情的这种啊元素，因为我们做这个自动化这个东西，不仅仅是吧，包括它所有的采集的内会给到它，我一会可以给大家看 m、 c、 p 最后生成的东西是什么样子的。 好，然后这里还会结合七十五个 skill 这一系列的东西，然后平台的优先级，我们在第一个阵地小红书，然后最低门槛最强的同号信息，就是主号做什么什么东西，小号好美，然后怎么怎么样啊这样子， 然后他去做一个痊愈的策划了，因为我给到他导的，导给他的这个逻辑，他不仅仅是小红书一个平台，就是我们是考虑一个痊愈的这个流量， 然后他就会直接给到一个可执行的一个很清晰的一个方案，那这个东西不是异想的，这都是他一次性去生成的东西，然后包括他就是这种，然后他最强大的好处就是包括你的所有的字典可以很轻松的罗列出来，包括做一些看板， 我可以给大家演示一下就是，好，我们可以看一眼他对于这个响应和反应的速度。 然后后面我也会教大家怎么去用这个东西，包括到底怎么样去培培养出来一个我们自己的这个小红书的这个。然后在这里我也说一下，就是它实际使用的模型， 这就是最大的。第二个我建议大家去用的，就是我实际上用的是 deepsea v 四的啊 flash， 其实我觉得它的一个效果啊就是已经很不错了，是这样子，然后啊 之前比如说用 opencloud， 我 就是做这个定时提醒，没有任务情况，几天就烧了我大概一千块钱人民币，所以我我是觉得那个东西很很没有用，嗯，是不是可能是我现在正在开的这个录屏的这个，然后它有点 卡住了？好，我们我们看一下啊，他这里比如说扫描，然后对我们的所有的知识图谱，然后进行一个深度的分析，然后筛选 啊，其实这就是他这是 ai 所强大的一些东西。那我们来看一下他正常的这个 响应的一个情况，和他正常的一个啊工作逻辑，然后他会去建立我们的这个知识看板， 实际上就是我之前一直有个很苦恼的东西啊，就是我很懒得去做一个 啊，视频的时候去做这种啊，像类似于 ppt 讲解的这种东西，因为我觉得又费马达又费电。那其实很多 博主就喜欢做这个东西，把把把它包装成好像很牛叉的一个样子，实际上归根结底的东西啊，就是怎么说就是知识的这种沉淀和传递，如果还是通过一个 ppt 去讲解的话， 其实你能得到的，你听到的时候你能得到的东西，实际上十之已经去了八九，你能得到百分之就不错了。这是实话实说，因为我们原来做 ppt 做太多了，那个你会遇到这种问题，但真正一直想解决的，实际上就是想建立一套很好的知识系统， 我们到底应该怎么去啊？沉淀下来我们知识，而且他最呃 opus 当最强大的一个地方就是你每次在结合知识形成新的知识中，你还可以依然把它啊建立到知识，因为我们可以看这个知识库的体系啊。实际上如果了解 opus 当的人，他就 啊大概清楚，他还是在大体的逻辑上是参考了那个叫什么，就是那个很出名的博主卡巴斯奇吗？还是叫什么我忘了， 那实际上它就是一个相当于一个物料口，这里就是你的所有的素材和你的资料库。好，我在这里会新增这种附件，因为我，我采集到很多小红书的这些内容的时候，它采集后我会让它把这些啊保存下来， 然后保存下来以后我会让它去调用这个视视频分析模型，用的是本地 olama， 然后去进行一个视频分析 好，然后提取相关的内容，探讨一下需不需要再深度的去啊研究。因为现在这套系统它采集它已经做到什么程度了？就是它采集议论以后，它会去判断哪个作者的东西会比较不错，它会去进一步自动的去深度采集，就是直接进入到 这个作者的这个主页里边去，去进行更多的深度分析啊，包括让他调用这个 nano banana 去生一些参考的，但这都是在调试过程。然后这是我们一个向量库的一个缩影，就对我们的所有的文件 进行一个向量编号，因为你的文件会很多嘛，那查取起来就会很慢。好，最终的就是建立我们自己的那个 啊，维基百科，也就是我们的 wiki， 它的这个知识库，你的所有的内容啊，包括所有的这些，它都会在这里生成，生成了以后它就会去做成你自己的一个知识库沉淀，然后你去定期对它进行啊， 这个啊升级啊，或者好，我们看啊，他已经建立完了，建立完我们看他现在这个怎么样。那我讲一下这个用法，实际上在这里边我们用斜杠就是调用他的命令，这是我们去封装的啊， cloud code 的 相关这些命令，这个命令是可以自定义的。 好，然后呢我们摁 ctrl p 呢，是调我们一些插件啊，包括一些插件的功能。那我们比如说像现在你看他说我已经做好了这个看板了，好，我们怎么用呢？我们让 ctrl 加 o， 然后他就相当于一个快速的一个解锁，我们解锁这个蜂群 啊，系统知识看板，他就会出来这个我好，我们看他生成的这个效果，让我们看他，实际上他会把所有的相关知识，比如说他的整体的这个这个架构啊，去 做一个这个啊看板，然后这个看板呢不太容易阅读，对吧？他现在是生，是我们生成的一个看板吧，然后我们可以让他，我们让他使用一个插件， 哎呀，是哪个插肩呢？因为这个东西我也才用第三天，所以呢 对他的熟练程度还不是太了解，还我自己的能力边界还在学习过程当中。当然我觉得如果感兴趣的人可以啊，跟着更多的去关注，然后把你们好奇什么东西啊，或者对于他的一些啊不太 理解的东西可以提出来，然后我们去做一个交互。好，我们看他生成的这个啊 白板太紧凑了，然后我们让他去重新排个版，好，我们看他就会首先去阅读我们的这个知识看板，然后再根据我们给他设定好的美化协议，然后进行一个美化。 然后当然像这些东西实际上它的运营逻辑和 opencloud 是 很接近的，实际上就是你会给它制定一些 sop， 然后制定它的一些能力边界，然后给它塑造它的这个分析人格。好，这一套东西你全部给到它以后，它就会知道它该做什么，不该做什么，然后做一些东西，它就会通过量子的这个双链链接快速的去查取到所有它需要的一些知识库， 好最终来呈现出来的就是给我们的一个结果，我们最终看下结果是什么样子。要求生成这个白板以后啊，他大概可能跑了几分钟以后，他就会给到我们这个很清晰的 这个白板的文档啊，就是这个白板的文档，然后这里就会把我们这个整个的一个业务逻辑就会梳理出来，实际上就相当于我们一个 ppt。 好， 我们可以看一下它实际上就是通过我们这个啊 搜索的设定那些协议，好，就是 skills， 然后生成啊相关的一些词条，但这是通过非书去传入的， 然后啊人机飞书去进行一个多项交互，然后啊搜索入口，然后他会有一个质量平定 啊搜索笔记的内容是否要进一步深度的去搜索，这都由他自己去判定，自己去调用。那比如说好的一些东西，他会去呃，通过主页号他再去做一个更深度的这个啊对标文案的分析，他会自动再去触发好去进行一个深度的一些拆解，拆解最后以后 回到我们的这个资产的这个沉电池里面，那进入到我们的这个啊知识库里。好，那如果说知识库它延伸出来以后会有空缺的话，它会自动的再去啊提出下一轮的任务计划，就是我们要不要再对其他的维度进行啊？一些啊？ 减少，大概是这样一个逻辑，所以像这一套东西实际上它的自叠带的能力是很强的，所以我们也看它的这个，其实就整体上所有的东西都是源自啊，我们可以看到它实际上所有东西都源自这个，所以那它相当于就是啊，一个完整的一个啊 操作记录啊，或者是一个员工手册。可以这么理解，也是你大脑里面的核心的一个逻辑，然后在这个基础上去建立啊，其他很多的 关联性的东西，然后进入到他的知识库里，是这样子，然后其实这个的可用性会很强，因为现在前期只是在 做，那如果大家对这个东西比较感兴趣，觉得说想了解更多其他的东西也可以。呃，留言告诉我，这样我也知道往哪个去，是怎么样去给你们去讲这个东西 啊，因为我觉得他确实很好用，而且他成本会很低，就那种没有什么用，因为我就养了四天嘛，养了四天我就没有再养，因为我觉得他们是在盲盒里面去进行沟通，这些系统化的知识结构是很难看得到的，最主要的是没有一个量子数呃的双链数据 啊，他的查很慢， opencll 他 会把他所看到所有的文档一篇一篇全部去丢给到这个大模型，然后再反复的记忆反复的生成啊，就是那个托肯就消耗的特别特别多 啊，这个就不会，这个就基本上在查询和记忆呃知识库关联的情况下，就基本上在这里进行一个沉淀，而且他的查询能力会特别快，我们可以查一下，比如说运营的。呃， 那我们可以看它，它基本上就可以很快的啊查的到我们需要的一些知识， 我们可以看一眼它这里边，比如说闭环去生成的一些思维导图，然后啊采集分析，其实这一套的所有的东西啊，包括这些都是沉淀到它自己的知识库 啊，他的响应会特别特别快。所以，呃，因为如果说把 obsidian 只是单纯的当成是一个知识库管理的话，始终还是脱离不了人人去和他进行交互， 那我们一直在做的东西是全 ai 自动化的这种链路的打通，那现在就是彻底实现，就是我们可以通过 ai 完整的自动化去调用。那同样的道理就是我们可以把数据传送进来，我们自然也可以把它生成的结果再提取出去啊，所以形成一个啊，以它 office 为大脑，然后 n、 八 n 以及飞书等多啊平台去进行的一个交互，然后生成一些我的想法，就是生成一些 啊执行的一个啊业务大纲，就比如说我今天要生成一些什么东西，然后一些参考的素材什么，但这你依然是要在这里去建一套知识库，告诉他如何去生产爆款，包括那些知识库。 好，然后最后我是希望，比如说他定期问他一些问题，比如说今天我想最近有些什么方向，然后怎样去起，他会给到一个很清晰的啊运营思路以及一个参考的模板，那做到这一步他就已经完善了，然后你完全 完全看不到他在做什么东西的话啊，在批量生产的这个逻辑上来说的话，他是行不通的，那你说在尝试测试的逻辑上他是通的。就像很简单，我叫员工出去，我说你去执行一个什么什么事情， 对吧？你可以去测试下他的执行能力和能力边界是多多好，那如果不好，你你要反复去教他反复去啥？然后每次都是相当于嗯，你的这个期待的等待结果的回报周期太长。 就是很简单，我让你出去，然后花了很长时间，花了很多托肯，然后最后给我东西不好，我又接着教。那其实最可行的方案就是像恩曼这样的自动化平台，当真正执行的层面时候，就是就像你做老板似的， 你陪了员工，亲自的手把手的指导，走一遍业务流程，把所有的东西全部跟他讲的清清楚楚。好，这这个时候他去生产出来的事情，你就是完全可以放心和托底了。 但之前就是一直没有一个很好的方案能解决，就是在思维这一块的一个问题，因为我一直觉得反反复复的这种数据采集，包括 agent 的 知识层，一直都没有一个很好的方案能解决。那这个方案是我们研究出来目前来说是最好也是最优秀的一个方案了 啊，因为它的基层，它的啊工作能力的边界是基于啊 cloud code 的， 所以 再加上整个的一个啊矩阵的这种就是庞大的数据交互的啊，一个完善的话，所以我认为 基本上现在的一个互动联通，你可以把它理解成是一个你自己的啊 cloud， 我 们不叫 opencloud， 我 们可以叫其他的 cloud， 实际上它就是这样一个，而且它的效能会更高 啊，感兴趣可以留言一下。然后你们对哪些东西不太理解，那可以留言告诉我，到时候我会啊，给你们进行一个解答啊。今天大概分享的就到这里，谢谢大家。

hello， 大家好，我是张。你有没有想过，当你在 cloud code 里敲完回车，屏幕上出现 calligraphing、 咕这些英文， cloud 到底在干什么？ 今天我就带大家完整走一遍，让你彻底搞明白。整个过程分为四个阶段，第一个阶段叫思考中，你按下回车之后， cloud 不 会马上回复你，他先在后台分析你的意图，琢磨你到底想干什么，然后决定该调用什么工具来帮你。 这时候屏幕上会出现一个旋转的小星星，后面跟着 coachching 这个词，卡格切丁就是琢磨深思的意思，比普通的 thinking 更俏皮。后面括号里的数字，比如三秒，就是他已经想了多久。 除了了 codatating， 你 还可能看到 thinking， pondering， brewing， processing， 这些词意思都差不多，就是 cloud 在 不同场景下的不同说法。看到旋转指示符，加上这些词，说明 cloud 正在工作，时间越长说明问题越复杂，但 cloud 没有卡住。 第二个阶段叫回复生成。思考完了， kala 开始往屏幕上输出文字，这时候你会看到一行提示叫 gru for 四十四秒。 bro 是 酿造的，意思，就像酿一杯咖啡。 kala 用这个词告诉你，我花了多久才想好怎么回你， 这个时间怎么理解呢？一到三秒说明问题很简单，柯老秒回你五到十五秒，中等复杂度很正常，二十到六十秒说明问题比较难，柯老在认真想，超过一分钟，要么是非常复杂的问题，要么就是网络有点慢。 第三个阶段叫工具调用瓜包特光靠自己想是不够的，他还需要去读你的代码，搜你的文件，跑你的命令。 这时候你会看到屏幕上出现一个三角箭头，后面跟着方括号里的工具名字。比如 read 就是 读取文件的意思，它会把你指定的文件内容读出来。 grab 是 搜索，比如搜一下哪个文件里定义了 login 这个函数。 bash 就是 执行命令，比如跑一下测试，看看哪些过了，哪些挂了。还有 edit 是 编辑文件， write 是 创建新文件， goop 是 按文件名搜索，每个工具就用完了，后面都会跟一个结果，比如读了多少行，搜到了几个匹配，测试过了几个。 这样你就能清楚地看到 clock 每一步在做什么。最后一个阶段就是回复完成，旋转的小星星消失了，光标回到输入的位置，说明克劳干完活了，等你继续输入 好了，这就是 clock code 完整的工作流程。下次当你在屏幕上看到 colletting 或者 brut 的 时候，你就知道 clock 正在认真帮你干活呢。大家有什么问题吗？

一个人一台电脑，四百个用户是在线提拔你，我居然一晚上全部修完！先说背景，我做了一个机票搜索单，来个 go， 上线第一天有进来四百多人，什么 就直接炸了，包含机票远点推荐显示太少，图片加载卡估计还欠少。声音刺耳，换做别人可能会换我，反而 因为每一条声音都是一个真实的需求。我的处理流程反着来讲，先先说结论，核心就一个字，隔离。什么意思？第一，我把所有的反馈归成两大类，接口处理问题和简单体验问题。第二，把用户偏好借助参数覆盖城市， 把我的这个题那给我一套完整的优化策略。第三，拿到策略不着急写代码，先让扩展一个，新建一个简化的代码库，和主项目完全隔离。然后一条题是次改过夜雨为什么这么麻烦？因为我今天就吃亏， 当我一股脑把所有的需求都给扩展的时候，他直接背叛代码全完围攻花了我一个小时， 比重色还多。所以我现在铁律三条格力环境分布位置改完即用。这套流程跑下来，一晚上从归类到出车类到代码跑通，全部 搞定。四百条真实访问，不是刷的，十几条功能需求条条具体，总之用户已经在帮我打磨产品， 这就是一个独立开发者用 ai 当团队的真实节奏。所以朋友们，下一个功能由你来定，评论区可以写下你最想要的，请搜索功能，点赞最高的，我们明天直接上线关注我，我们一起用 agent！

这是个好事。这是一个好事啊。这是个好事啊。这个是个好事。这是个好事。这是个好事。这是个好事啊。这是好事啊。这也是好事啊。都是好事。妈呀，多好的事啊！这是个好事，这是一个好。