claude订阅对比codex
粉丝1.3万获赞11.3万
相关视频
05:01查看AI文稿AI文稿codex 跟 c c 到底哪个好？我想大家各自都有自己的判断。在我个人为二者都充了二百刀的 pro max 会员以后，我个人的体感是 二者的模型能力之间并没有本质的差异，甚至都足够惊艳，让人心喜。但它们其实代表了两种完全不同的人。与 ai 合作的费洛索费 本质上，我们不是选择两个工具，而是选择两种与 ai 交互的模式。你习惯使用哪种模式，你的工作场景是哪种模式，你就应该选择支持哪种哲学的普顶工具。通常来说，抽象的讲， 软件工程开发的模式可以粗略地分为两大类，首先一类是那些探索性不确定的 idea。 在这种场景下，我们自己可能对需求要做什么，最终的一个中态是什么，甚至过程中该如何实现，它都没有一个明确的定义，它更多是我们一个拍脑袋的灵机一动的想法。当我们解决这类问题时，我们期待的一个 partner， 无论是不是 ai， 它应该都要能 快速的与我们进行交互，通过一些他主动的提问甚至判断给我们更多的信息输入，通过一系列的沟通，最终确定出一个相对更结构化，信息密度更高的思维原型来指引我们后续的执行。 而另一种常见的工作模式则是一个更明确的需求，比如说产品已经给我们了相对明确的 p r d， 那 我们剩下要做的只是说把这个项目 真正转移为一个可以被执行的代码而已。对于绝大多数的研发而言，这种场景下想要做的事情是基本完全确定的，我们在此时要做的无非只是一些 dirty work， 把那个 p r d 转化为真正写出来可用的代码而已。 而结合我自己的使用经历来看， c c 更适用于前者者的工作模式。它会在你输出一些观点之后快速地给你响应，并且高频地向你发出提问，以确定它后续的一些方向执行思路。但 codex 则完全相反，它会在你给完需求以后， 非常认真且可靠地将你的需求描述执行完。这个过程会花很长的时间，但是 结果往往是令我们满意的。想要更明确的拆分这两种工作模式的分野，我们不如从三个维度上来进行拆分，首先是任务商，也就是目标的清晰程度以及约束条件的多少。其次则是以我们预期的交互结构， 我们到底期待着与其他 partner 是 同步的沟通，还是说是一些异步的沟通模式？另外则是一个人类所占主动性的比例， 我们到底期望 ai 占据多少责任？他们是只是执行任务，还是说给我们也有一些他自己的认识建议？其实这三者并非是一个非常正交的关系。一个很明显的结论是，如果一个 目标的本身并不清晰，只是我们拍出的粗糙 idea， 那 我们显然就需要我们的协作者能快速的发问，帮我们把 自己大脑中一些比较模糊的观念导出出来，并且通过一些沟通确定哪些思考是我们需要的，哪一些是可以被删除的。通过这种 快速的同步沟通，得出来一些更结构化的结果，那在这个流程中， ai 需要介入的部分以及引导的主动性就会占比更多，但如果这个需求本身就像我们之前讲的已经相对来说明晰，是一个低伤的场景，那我们就不太 需要。它是一个很同步，事无巨细都要向我们发问的流程，它完全可以在我们把事情说清楚之后，一步的完成这个工作，从而解放我们人类自己的时间。我们也不需要给他太多主动发挥的空间，他只需要忠实的执行我们给他的需求就可以。我觉着对未来工具的使用以及工作流的设计，也都是从这三个维度去进行判断，动 态的选择。我们到底适用于哪种工具，应该主要采用哪一种工作流的思路？如果要打一个比方的话， c c 更像是坐在你隔壁工位的好蜂蜜， 会在有了一些 idea 之后立马的打断你现在的所作所为，跟你去探讨它的一些碎片化想法。而 codex 则更像是一个你忠实可靠的下属，在你交代完任务需求以后，忠实的可靠的帮你把事情完整的办完再通知你。我已经做好了。 每个模型都有它们自己的性格，我们也可以顺应的这种性格，在不同的工作场景中选择不同的工具以及模型。 以上是二零二六年二月我对这两个投影工具的一些使用场景总结，但我相信这个领域是日新月异的，二者工具之间 大概率在未来也会发生一些融合。不会说一个工具只是一种工作流场景，那就需要我们未来本身人类自己有一些对需求使用场景的预判，从而能告诉模型它应该采用哪些工作流模式。软件工程永远没有银弹， 不可能说我们用着一种模式，一条道走到黑，就可以得到一个很完美的结果。如果你在错误的场景使用了错误的工作模式，那模型给你提供的支持也就会非常有限。 结合自己的需求，场景动态切换自己的工作流模式才是一个更高效率开发的必经之途。以上是本视频的全部内容，如果你有一些想法或者建议，期待评论区讨论，谢谢大家！
3411酒嘉年
03:58查看AI文稿AI文稿coso code 扣贷的优缺点测评？跟大家分享一下我的实战使用经验。先说一下我最开始接触的 coso， 这个是新手最可控的网站工具了，优点是它可以用拖拽的方式去进行可直观的操作。 我去想拖拽哪个文件，去修改哪个文件，我在这里面去拖拽去对话就可以了，它可以进行多个文件的梳理架构。前期很方便，因为我知道哪个文件在哪，我拖拽进去 就直接修改了。但是弊端也很明显，如果你没有进行架构或者没有经验，它很容易改了这个 html 文件，没有改 css 文件， 然后你的网站控制台全都是报错，甚至整个崩溃。而且每次新的对话，我都是在和一个完全陌生的智能体对话，我需要重复记录大量的常用指令，比如要他看哪个记忆文件，比如看哪个文件架构。 所以我给 cost 的 定位是新手学习搭建 app 或者几个定点功能，还有可识化的维护。如果是中大型任务，还是要去扣的或者扣贷的， 那再说一下市面上最强大的 code， 这是让我又爱又恨的 ai 协助助手，我天天担心封号。他最强的是你的上限和能力，越强他就越强，在你开了全部的权限，让他执行中大型任务的时候，他能一次性完成并进行测试。 我给他的定位是我的电脑施工队伍，他是本地执行加云端大脑，他不依赖像口袋的那样的流逝传送或者那种压缩内容。 他的逻辑就是你的本地的文件让我怎么操作，我按照你的规定去操作，有问题，然后他再去找云端的大脑去发出问题，然后给出更好的解决方案。 当然他的缺点就是前几天我也转发了，然后那个就是 srb 说了，扣的就是根据你的指令去干活，你如果越着急给他的指令越错误，他就越乱。 那我们再说一下扣贷的吧。前几天我的扣贷因为网络被封了，然后我就紧急充了个 gpd pro， 深度测试了一天，我发现了扣贷的和扣的是完全两种不同的运转方式， 我如果开扣的是会开七八个终端窗口都没问题，我去干不同的指令不同的工作，但是我开扣带的就是我会发现我开两三个任务就开始卡了。 然后我就和扣带带去聊，发现他在启动的时候是会被很多规则规定，包括记忆了，权限边界了，然后工作插件，各种各样的东西。扣带带会大批量的先检查内部文件，不是说只想着怎么快点去做，而是要先想哪个能不能动，哪个会不会误删等所有的问题， 这就导致了他既会慢又依赖你本地电脑的性能。这个操作对于新手很友好，也很少的去试错。对于中大型的任务，他的出错率更低一点，但是相应的他的时间成本就会很高。 所以对于我来说，我总结来看，通俗更像是可式化的小任务或者说维护的最好选择。 扣德呢是上线和下线，很明显它依赖于你的文件和你对编程和架构能力的极致体现，终端的轻量化会把效率极致拉满。 扣代的缺点就是它的优点，它有最稳定的输出和极低的出错率，但是它的效率产出和扣德的差距很大，对我来说它更适合中大型任务的架构和完善。还有定点问题的修 bug， 我 试了很多次 扣带的，在修一个定点问题的时候，它比扣的是要更强一点，所以大家可以根据不同的需求去使用 ai， 然后我也创建了一个 ai 的 交流群，欢迎大家一起探讨学习。
1711阿浩（agent架构）
00:28查看AI文稿AI文稿我同时用 codex 和 cloud code， 在 我看来 codex 就 像一个老实又聪明的人，就是你跟他呃，你让他做什么事情，他会老老实实地去做。那有时候 c c 吧就会展现出所谓的智慧。就让你觉得说，哇这个东西好像是真的有智慧的。反正各有千秋，我现在两个都会用吧。
8.2万瑶瑶
08:47查看AI文稿AI文稿上一期教大家了 cloud code 怎么安装和部署，那么这一期教大家怎么样去对接大模型，怎么样去付费使用？首先介绍一下 cloud code 的， 我现在使用方式有这几种，第一种呢，最基础的官方订阅了，你要去 cloud 官方注册一个账号，订阅它们的计划， 它有不同的这个付费的这个形式。是的， free 的 pro max 对 第一个门槛。好多评论区的人问怎么注册账号啊？有一个最简单的办法就是你去注册个谷歌账号， cloud 是 支持直接用谷歌账号登录的，就不会碰到什么用手机号的问题了。 ok， 然后呢，解释一下他们的这个 pro 和 max 账号， 他们这个账号有一个限制，比如说像 pro 账号，它是在五小时之内，你可以用到一定的 token 用量，然后在一周也有一个 token 上限，但是它有一个很坏的地方，就是你不知道它的 token 的 限制到底是多少。对，我们找了很多，没有一个官方的说明。对啊，它其实大家都是动态的，它会根据它们自己的用量实际 去调整。 ok， 我 去论坛找了一个大家使用反反馈，就是呢，有一个人大概估算了一下，像估计它是比较大量的那个 token， 消耗任务的话，可能两个任务就能用掉 pro 账号的百分之五十五的使用额度了， 大家可以感受一下，其实我之前在自己使用过程中也是差不多是个这样量的，比如说如果你的项目下内容比较多的话，可能五六个任务你五个小时的额度就用光了， 你就要再等等他解锁了那个五个小时，五个小时以后你再开始用。对，是的，所以呢，总结一下他官方订阅的，他的优点就是质量是肯定没保没问题的，用的是真正的 cloud 的 最顶尖的大模型。缺点是封号封快飞快，我已经给封了两个账号了。 还有就是 pro 账号是肯定是不够用的，大部分人的，就国外的那些专业开发者用的都是 max 账号， max 账号的话一个月折合人民币大概是一千四百块钱人民币，所以这个打呗打呗对这个专业的用户才会考虑。 ok， 如果你想要去解决不被封号，你需要去投入研究 更多的办法，这个隐形成本是很高的，建议如果你有本事折腾就是避免封号，你可以去考虑，你一定想搞的话，你可以考虑用组合配或者 apple pay， 这种方式会加收百分之二十五左右的费用，但是听说封号的时候 谷歌会或或者 apple 官方，他会帮你挡一刀，有时候会给你退钱或者帮你兜底，至少，但也只是听说啊，不负责任感觉下来就是大可不必。对新手小白不建议这个方式， ok， 第二个方式，官方 api 其实对于大家来说其实是不需要考虑的，因为质量没问题，但是缺点是死贵， 你们可以看一下奥普四点六，他的呃输入是每百万托肯是五到，也就是三十五块钱人民币，输出的话是二十五到每百万托肯非常非常贵。 正好我一个任务差不多就一个，一个多一点，任务差不多就结束了。哎，讲了这个正好呢，我们正好解答一下之前还有很多朋友关心的这个推算消耗的问题，我也给大家测算了一下，投入啊，真金白银的投入。测算了一下， 我有一个很复杂的一个自己的项目，就是那类似于今天老师之前的那个个人的工作台一样的，这里面有我我所有的工作的记录，包括记忆进度啊等等等等，这项目还是比较大的， 我让他全量的跑一遍我这个项目，把里面的每一件事的进展汇报一下，相当于他会把我整个文件夹全部读懂点。对，是的，我第一个是用的是卡的 pos 四点六模型，他耗时用了大概十四分钟，把我这个项目读完了， ok， 用了投，看多少呢？用了， 用了七万的投垦，这一个任务后面的两百是什么？其实两百是这个上下文窗口的上限，这次用的是七万的投投垦。给大家大概估算了一下，假设 大部分情况下，输入是占百分之七十，输出占百分之三十，所以折算下来，我本次绘画用了五块六毛钱人民币，做一个任务是相当于重量的， 也就是说大概你可以估算出来吧，可能对于你们这种办公工作者可能会少一点，不会五块钱，但是一次任务一块钱肯定是有的，我透露一下，有一天下午我一个人就用掉了人民币六十，对，是的是的，所以大家有数啊。很多人关心偷更消耗，但其实偷更消耗这个问题其实很难回答， 它基于的是，首先你的项目，你的复杂度，你的文档的多少，还有你这个用的模型，有的模型他的思考的程度高，那么他消耗的头可能就高。 还有基于的就是你用的软件，所以呢，为什么我在对比呢？我用的是 g p t 五点三 codex 思考度 high 的 那个模型，它的思考程度很高，所以可以看到我本次跑下来用了十三 万，刚刚是七万，现在是十四万，十四万，十四万的消耗翻一倍，对，同样的任务翻一倍，所以用不同的模型跑同样的项目，它的消耗不一样。是的，用同样的模型， 也是那个 gpt 三点五的模型，我在 opencloud 里面再跑了一遍，消耗就是七十七万。因为之前在 opencloud 里其实也有很多人关心这个 token 消耗的问题，所以呢，我给大家看一下，大概感受一下。相同的模型，不同的软件在 products 下跑的是十三万， 在 opencloud 底下跑的是七十七万，这也就是为什么大家说 opencloud 很 少 token 很 厉害的问题原因。但是这个东西在 bug 里面其实只有七万对，是的，其实只有七万对， 天呐，但这个里面有核心原因，影响因素很多啊，比如说 gbt 五点三扣带子 high 这个这模型它的思考度就高，所以呢，它耗，它耗，它消耗头很高，它本身它因为它的记忆体系，所以导致它它的消耗头很高，这也是影响因素，所以这个只是做个横向的，让大家感受一下， 点到为止。所以这个总结下来，如果你调用官方 vpi， 这个就对于新手来讲一定也不用考虑，大部分研发也不会做这种事，这种只会做产品的时候考虑。 还有一个办法就是我提一下，免得有人说我没提就是 antigravity， 反反贷把，有一个软件开发软件叫 antigravity， 就 谷歌推出来的，有的人有办法把它里面的 api 提出来，到扣子里面去用，当时它谷歌很大方，但现在已经开始对这样用的人进行封号处理了，所以今天就不去详细提了， 别搞了，能写到我们，我们咱们就是。然后最后一种办法就是通过第三方 api 来接入。第三方 api 的 话其实又分成三种方式， 第一种就是 open route， 国外最大的一个就是第三方 ip， 提供平台模型超市，对，是的，然后它们里面会有各种各样的模型的 ipi， 然后也有那个 cloud office 四点五的，但是它的价格和官方是一模一样的，呵呵， 所以呢，它是同样死贵的，花钱也是飞快的。它对于就是我们大陆的 ip 封禁没有那么不会，没有那么严啊，能用上，对，能用上，不像那个官方的一天你是几乎用，为了用还很费劲，还很花钱，所以你大部分情况下可以不用考虑，但是你可以去少充一点钱， 通过这个去感受一下奥克斯四点六的真正的能力。然后呢，还有一个就是大家常提的中转站，就国内的中转站， 它实惠，一定程度上你可以用到 off 四点六的顶级模型，但有很大的缺点就是首先它不稳定，时时时不时断线，那很多都是自营的，所以呢，大概率会跑路，有风险有风险，而且还可能会一次充好它。你说是在用 off 四点六，而背后说不定用的是别的模型，都有可能的，你也不知道它那个管子跟你插在哪个边了。是的是的， 所以建议就是啊，你可以用，但是不要一次性充过太多钱，少量多次的充，用多少用多充多少，也不要在我的评论区交流。对，我不会给大家推荐具体哪一个厂商，但是呢，会给大家推荐一个网站，叫做这个网站不读了，在这里面你可以看到各种各样的中转商以及他们的稳定性，可以 基于这个去选择你想用的中转商。不要交流啊，你看就行了，不要交流。好的三种方式呢，就是我大家比较推 推荐新手小白，先尝试的就是用国内的模型来代替，因为国内模型的话是最实惠的，也是最稳定的，而且其实在能力上的话也没有什么太大明显的差别。 然后讲到这呢，正好就是给大家推荐一个软件，是开源的，之前我也提到过叫 cc switch， 因为 cloud code 它本身理论上来说只能用它自家的模型，但通过这个软件是可以切换到别的任意一个模型的，包括了我前面提到的中转商提供的模型以及 国内的模型，它使用起来也很简单，你去 getapp 上面，或者到时候曾老师发一个。然后呢，我们打开这个软件以后，点击右上角的加号，你就可以看到它预设好了各种各样的模型厂商，包括了千问、 kimi， 然后你去他们那边注册订阅一下他们的 kimi 二点五去做我们的那个网站，也都是挺实惠的啊，包括上次我们其实用了那个 kimi 二点五去做我们的那个网站也都是啊， g r m 也都 支持的。好的，我推荐新手小白呢，最好的方式就是你订阅一个国内的模型，然后你再去 openroot 上稍微充一点点钱，你把 真正的 cloud office 四点六接入进来，然后也可以把国内的模型接入进来，两个去做同一个任务，去比较一下这个结果对于你来说差别是不是真的很大。如果差别不大的话，你就完全可以先用着国内模型，然后等到以后真的有一些业务需要了，你再去换。 你先看看你自己做的这点事，你配不配用这么贵的东西啊？有些写文档的工作，你自己思考一下你配不配用。 ok， 本期视频就这样，拜拜。拜拜。
6399珍妮丁丁说AI
02:15查看AI文稿AI文稿我最近接触了一下 code 叉之后，跟我之前的 cloud code 去对比之后，我感觉有些颠覆了我的一些基友的认知。事情的背景其实是这样，我大概从去年年底开始一直高频使用 cloud code 作为的工具的一个一个工作上的助理， 它包括编码呀，做一些日常的文件处理啊，一些数据挖掘，统计分析。所以说在最近三个月，我一直对身边的人一直都在安利这款软件， 我觉得它可以替代所有市面上的 ai 的 工具，因为我最开始是其实从可能是 gbt 到 gemini 到 cloud， 但是我最近两天因为我的 max 订阅的付费的问题，可能是我海外的那张卡上没有存足够钱掉了，就临时开通了一个二十美金的 q 的 叉的会员，叫 plus 会员， 我就因为他就接手了我用 cloud 写的部分的 web coding 的 一个类似企业级的一个 a p i 中转，就是我们其实想给一些我们公司内部同事团队用的一些工具。我突然就会发现一个问题，就是 我用 cloud code 也是用 play 模式去写计划，然后按也装了类似 superpower 的 skill 来完善它的代码的一些细节。但是你会发现说我前半段用 cloud 写的这个代码，它其实就有很多漏洞，很多坑它填都填不完。我这两天 一个二十美美刀的 plus 的 gpt， 它写的这个代码就突然感觉对我产品经理来说很震撼，它把我一些我提的一些相对一句话的需求，非常完整的，而且非常 严谨的把这个事情给交付了，并且在页面上得到了一些正确的反馈。那这个时候我就突然发现 cloud 最让我的体验就是你可能需要自己去试试出来，你跟他说让他去找，但是扣的叉让我就有一种， 我刚刚他说完他交付的东西就是我要的，甚至想的比我还完善。所以突然我之前三个月的整个的 o in one 的 一个 cloud code 让我今天产生了一次动摇，是不是后续部分的编码工作又要交回给 code 叉，可能 cloud code 可以 再辅助做一些其他的， 然后 code 叉就专注做编程。我其实不知道这是我对 cloud code 的 设置或者说使用出了问题，还是说 code 叉五点四 x high 这个这个版本它代码就是那么强，不知道你们有没有这样的体验？
4006真大虾🦐折腾日记
01:26查看AI文稿AI文稿学 ai 的 这个视频认真听完啊，我现在几乎是放弃了所有 cloud code 啊，虽然 cloud code 目前还是最强的啊。那 oppo 的 四点七，我感觉整个的升级并不大，但是啊，消耗的越来越快了，我甚至我有一天我就问了几个问题就结束了。我现在基本上放弃 cloud code， 全部选择 codex。 那么我给大家的建议就是一定要用最好的模型，当然 cloud code 跟 codex 目前，呃还会比 codex 要强一点，但综合能力来说，我觉得 codex 是 更强。然后接下来就是说，我跟你们说一下是为什么？首先， cloud code 对 国人很不友好啊，这个不知道他这个老板，他是抽了什么风啊，可能被百度这个 pua 抢了。 那，那现在反正只要是你，只要是频繁换 ip， 那 么 ok， 你 马上就会直接就打包回家了啊。我现在已经基本上就放弃 cloud code 的， 那么我现在转投了这个 codex 怀抱，那我自己搞了一个是五叉的这个额度，我，我是使劲的登啊，都登不完。那么在在此之前，我是一个没有任何呃编程经验的小白，我自己写了一个，呃， 我因为我自己做 tiktok 的， 做的 ai 视带货视频，我自己做了一个完完全全的，这一个的无线画布，全部是 codex 给我完成的。然后呢，呃，我 用到的一些工具，无非就是什么 super pro 啊，呃呃，包括 open design 啊，就是这些 ui 的 设计全部都是用 code 一 起完成的。虽 然 cloud cloud design 呢目前还是最牛逼的，但是很多人是已经把这个 cloud design 呢直接就是蒸馏了啊，变成了一个 skill， 一个 open design， 一个是华华语 design。 嗯，这这几个都是很强的啊。
2861OpenAiteach
05:23查看AI文稿AI文稿好的朋友们大家好，今天我想讲一个可能有一部分人已经非常了解和清楚的事，但是有一部分却还不太清楚，可能他有听说，但是他还没有完全理解的一个事，那么就是豆包和 cloud code 以及 codex 之间到底有什么区别？ 那么一句话去定义豆包，他是只是会回答，但是 cloud code 和 codex 是 变成会进入你的电脑环境去干活。 我为什么会想到去说这个东西？是因为我在推特刷到这么一条推文，说克拉蔻这么可怕的东西竟然只有几百万人高频使用，几十亿人置身事外，想想觉得荒诞，但我觉得他可能说的有点夸张了，而且我对他的一个说法也不是完全的认同，但是确实也指出了一个现象，我们可能每天强调 和习以为常的克拉蔻的 codex， 但是现在还是有绝大部分的人他们没有去接触，他们只是还停留在用豆包的这个环节上，可能说他们有听过这些概念，但是他们其实没有切实的感受到到底可以干嘛，或者说可以做什么。首先第一个开始，绝大部分人第一次接触 ai 的 时候都是通过豆包和他对话 以及聊天，慢慢的是通过他去搜索，或者说让他帮你写一段内容。 ok， 这是一个普通的入口，那么 cloud code 和 codex 它的区别在什么呢？它是一个生产入口， cloud code 和 codex 它们通常是 从你电脑本地的一个文件夹，一个目录，或者说一个项目，一个仓库开始，最关键的差异是在一个执行的动作上面， 豆包它只能告诉你怎么做，它只能给你输出文字跟给你输出图片，给你输出一个内容去让你去做。但是 cloud code 和 sql 它是能代替你去执行，去做这一个切实的动作。当然这些的动作是指的电脑上面的一个动作，比如粘贴、复制、真删、查改豆包，它是一个 chat ai， 什么叫切的？就是你问他答，而 cloud code 它是一个工作的 agent， 叫 work agent， 它是通过你给他授权它来做，前者是给你一个答案，但后者它是可以进入你的电脑环境，替你完成一系列的动作， 看文件，改文件，运行命令，然后再把结果返回给你。所以总的来说，豆包和 cloud codex 它们不是同一类的一个入口，豆包主要解决的是问答、搜索 以及内容生成。但 codex 和 clock code 则是一个执行型的入口，他们可以打开你电脑的项目，打开你电脑的文件夹文件，他可以读写你的文件，运行电脑里的命令，把变化真实的留在你电脑的文件夹里面，文件里面，代码里面。接下来是这两类产品的一个边界， 像豆包这种聊天助手，它是以对话为中心，用户给问题模型给你一个答案，然后你再把答案粘贴复制到你想用的地方。而像 codex， 查询 code 这类的 agent， 则是可以自己进入文件夹，自己去网络搜索，去网上下载，去执行命令， 调用工具，然后生产出一个可以验收的结果，相当于它是把整个电路都可以打通的去执行。而豆包这一类的聊天 ai， 它们就不能去操作和读写你的本地的文件 以及电脑的命令。那么接下来就是为什么这类 ai agent 他 们可以做到这些？听起来很神奇，但本质并不复杂， 他就是通过让大模型去调用一个个的工具去执行，比如说看文件，通过命令行去看你的文件夹有哪些目录，然后他再去打开文件，再去搜索关键词，再像人一样翻资料去理解一个文档。第二个就是他在你的电脑里面，他可以去执行这些命令，而这些命令其实就是你每一次用鼠标在电脑上点击 右键，左键上下左右粘贴复制，它们的背后其实就是电脑的命令在运行，而这一类的 agent 相当于可以直接去运行这些命令，来达到你同样的粘贴复制 这一类的操作。所以这就很好理解为什么 agent 可以 这么强。当他执行完这些动作之后，他还可以像人一样去看这个最终执行的一个结果， 比如说看这个文本是否满足要求，看这个截图，看这个代码运行之后的输出，失败了，他还可以再去修正，直到你能够验收一个完整的成果。所以说到这里，其实已经大概了解了这一类 ai agent， 它像是会操作电脑的一个助手，你说目标让他去读文件， 读完之后去执行动作，执行完再检查，最后你来验收，这个就是它和普通的聊天 ai 最大的一个区别。所以有些事豆包可以给你建议，但是很难帮助你直接完成。比如说批量改两百个文件名，搜 索并下载网页的资料，然后生成一个可运行的网页，这些东西都更适合交给 cloud code 和 codex。 那 么我介绍了 agent 这么强大的能力之后，其实真正最后是要取决于你到底需不需要它。 如果你的需求只是一段话，那么豆包这一类 ai 其实已经够用，但是如果你希望 ai 可以 帮助你落进文件系统、网页、脚本仓库，去融入到你日常工作的一个工作流当中，那么你其实就应该考虑去学习使用 cloud code 和 codex 这一类 ai agent。 好 的，现在如果好的看到这里，那么 代表你其实对这个 ai agent 是 感兴趣的，且你认为你也有需求去使用它，那么我就接下来建议你可以 第一次去尝试用 agent 帮你做一些很简单的任务，比如说帮你整理电脑的文件夹，最重要的是你自己要去感受这个 ai agent 帮你干活的这么一个过程。那么好的到最后一句话总结，豆包它解决问， 但 cloud code codex 它是解决做普通用户真正接下来要学的不只是怎么去提问，而是怎么把你的需求变成一个可执行、可验证的一个小任务，再交给 ai 去帮你完成。而且其实最终我刚才展示的 ppt 其实就是我用 codex 帮我做的，我只是提供我需要的素材以及一个做 ppt 的 skill， 然后把我的要求告诉他，他就直接帮我做出来了。其实这个例子你就可以很清晰地体会到这种 ai agent 他 们可以做些什么，他们的能力。
3.0万Yuuhann
01:05查看AI文稿AI文稿我现在是 codex 和 cloud code 的 一起用，如果非要我形容一下这两个的区别，在我看来呢， codex 更像是一个老实但聪明的人，就是你让他干什么，他不会跟你绕，也不会给你整太多虚的，而是会很踏实很稳定的把事情做下去， 这种感觉就像你身边那种不爱说漂亮话，但是能把活干明白的人。但 cloud code 的 有时候不太一样，他偶尔会给你一种很强烈的感觉，就是你会突然觉得这个东西好像真的是有点智慧在身上的。 他有时候的那种理解方式，表达方式，包括他给你的反馈，会让你觉得他不只是单纯在执行，而是像在真的去理解你想干什么。所以如果你问我这两个到底哪个好，我会说，真不是一个路子。 codex 像一个特别靠谱的执行型选手，你让他干活，他就稳稳的往前推。 cloud code 则更像一个偶尔会让你眼前一亮的思考型选手。 有时候你会觉得这玩意好像真有点东西，所以对我来说呢，这根本不是二选一，而是两个我都会用，因为它们不是谁替代谁，而是在不同的场景里各有各的强处。
92我是王青青
04:53查看AI文稿AI文稿大家好，今天给大家分享 cloud 的 三款产品，呃，你的 cloud 订阅二十刀有没有划在刀刃上？今天我给大家拆解一下，呃 cloud 有 三个产品，第一个是 cloud 点 ai， 它是网页版的。第二个是 cloud cowalk， 它是桌面版的应用啊。第三个是呃 cloud code， 它是终端版的， 网页版呢，就是平时大家打开浏览器就能对话的那个功能，然后包括你打开 app 直接交流的这个功能。然后桌面版呢，定义就是 coog， 它是可以在桌面干活的，就是在你的电脑桌面干活，也包括接管你的电脑跟浏览器，以及连接你电脑上的这些软件。 第三个终端版呢，基本上就是编程，编程玩家用的比较多的，它是编程 ai 界的天花板。然后目前有四个模型， oppo 四，四点七啊，三个模型，然后索尼四点六，然后还有海阔四点五。 呃，下面我来给大家先拆解一下 cloud 点 ai 网页版啊聊天的功能，我就不多介绍了，大家平时都有用各种 ai 都一样。然后它的特色是是有一个 project 系统，这个也是 cloud 首创的 啊， project 系统呢，就包括一个指令库跟一个知识库这两个重要的库。然后指令库 instruction 呢，就是你可以把你一些呃背景知识给注入进去 啊，就比如说你是个律师的话，你又是哪方面的律师，然后需要输出什么样的呃内容之类的，或者你是一个呃作者，也是可以加一些指令的。然后这个 knowledge 呢，就是知识库，比如说你可以把你的法律条款啊，详细的比较多的可以加进去， 这是库，是需要的时候才会读取，然后指定库是每次都会读取啊，这个设置好了之后，你每次打开它都会有这些记忆，尤其是指定库，它每次都会加载， 这样的话就省去你每次开新的对话框，就会再次去交代一些知识背景。然后库尔的 design 呢？它是，呃，上个月四月十七号刚上线的。呃，它能够用自然语言能生成这个海报，然后包括网页啊， ppt 也是可以的， 他能够读懂你的这个整个的这个代码库，然后你能够通过自然语言去对这个设计出来的产品进行修改，就网页你可以直接点击一个模块进行修改， 生成完之后还是可以一键打包给你的 crosscode 啊，落地成代码，让他继续去修改编辑，然后这个镜正面就硬钢了，斐克码跟可画的一个视觉创作的市场。 呃，第二个就是 cloud coork， 呃， cloud coork 刚出来的时候也让大家非常的震惊啊，它能安装在这个 macos 跟 windows， windows 上，然后它能够接管你的桌面， 然后还包括电脑也能接管。接管电脑电脑之后它就能跨这个 app 的 操作，就包括你 office 里面的 word， excel 啊， powerpoint 还有 pdf 它都可以。呃，跨这个 app 去协通去操作啊，能操纵你的鼠标键盘，可以填表格。 它第二个强大就是它的连接器，公生态连接器功能，它有三百五十五个连接器，都是跟这些软件的官方直接连接的，就是我下面列的这些 office， 然后协同的包括 facial， shape， notion 这些，然后开发者用的比较多是 get it up， linear 啊，同时你还可以自定义你的 mcp， 任何系统都可以接进来 啊，最新上线的一个功能就是我在刚刚刚的 cloud 里面提到的，现在也上线了， 就是刚刚说的 cloud ai 的 那一套，也可以放在这个 cowalk 里面，相当于它就是一个更懂你的，可以在你的桌面打工的打工人，确实很强大。 然后第三个呢是呃 cowalk， 这个也是我用的最多的，因为呃 cowalk， 它是整个编程界 ai 的 天花板。然后前面说的 cowalk 跟 cowalkai 的功能，其实在 cloud code 里面都能实现啊，所以大家一步步进阶，先用 cloud ai， 然后再到 cowalk， 最后你最终会进阶到这个 cloud code， 因为它真的太好用了，然后它这这是它的一些评分，还有这个 skill 系统的介绍， 还有这个远程呢，这个云端的功能呢，是上个月刚开放的，就是你可以通过远程来直接控制呃，你在本地机上的 cloud code。 至于这三个产品怎么选呢？一句话给大家说清楚啊， code ai 呢，你刚开始用 ai 的 话，这个就够了。 然后呃，下一个呢，就是 cooke， cooke， 如果你在电脑上有重复的任务，想解放双手，可以用 cooke 啊。第三个是 cooke code， 这个是呃我非常推荐的，因为它本身来说是比较省 token 的， 它都比 code ai 跟 cooke cooke 要省 token。 然后还有一些更深度的开发，还包括 bible coding， 都是用 code code code 来实现的。我是 simon code code 的 深度玩家，欢迎大家关注，谢谢大家。
1286Simon林的日常
02:43查看AI文稿AI文稿那些吹可傲的牛逼的都在后面给我排好队，全部都给我看过来，你看看最新的扣子 x 都牛逼成啥样了，还在那吹可傲的呢。我们先看他的第一个能力，就是复杂任务的长时间处理， 我这里把需求告诉他之后，让他不要停，按计划开发。他已经连续跑了两个多小时了，现在还在跑呢啊，还在跑呢，并且他不是自己开发的，他会把任务拆解，然后交给智能体去开发，看到没有也就说他不干活，他只做监督， 他智能体干完活之后呢，他进行一个验收，如果这个过关了，他就会把这个智能体关闭，他会根据任务复杂度自己判断需要生成几个智能体去干活，比如说生成两个就表示有两个智能体在同时干活。哇，这效率真的是直接拉爆了， 太强大了。但这还不是他最强大的地方啊，他最强大的地方是这里有一个插件叫 computer use， 一定要去用一下这个插件啊，他可以完全的控制你电脑上的所有的操作， 我给大家演示一下，比如说这边是我自己写的一个程序啊，是一个叫船长代办，这是一个任务看板系统 啊，这边你可以去啊，通过拖拽，然后完成卡片的任务的更新，然后这边有项目，那我先切换到这个收集箱，然后我希望他呢，我给他一个任务，我让他去给我切换到这个这个任务里面，然后把这个给我勾选掉，我们看一看他能不能完成， 这是我给他的指令，然后在这里点上加号，选择这个插件。插件呢，选择这个电脑看到没？好，接下来就回车，然后你就等待奇迹出现的时候就行了， 看他已经识别到这个应用已经打开了，看到没有，然后他马上就会进行操作，他能看到这个应用上面的，那注意看，就同这个鼠标是他的啊，不是我的，他自己搞了一个鼠标出来，看他马上会点这个，像我 啊，点这个中转站好，它已经切换过来了，然后你看它一会会记到勾选哇，完成了刚才演示的功能，还只是它目前具备的功能，不知道大家有没有了解啊？ open color， 也就是龙虾已经被 open 员收编了， 也就是说未来龙虾的所有的能力都会集成到这个 codex 里面去。那如果未来这 codex 还支持聊天对话的话，支持，比如说接入飞书，接入微信的话，那 国内的所有的什么这虾那虾都没得玩了，以后只要一个 cold s 全部搞定。
5343黑胡子AI大冒险
01:18查看AI文稿AI文稿我最近又把主力从 codex 换回到了 cloud code， 不是 codex 不好用， codex 现在双倍额度用下来确实更便宜， 而且大部分普通需求他都能做，但是我真的受不了，就是那百分之五的难题，就是你项目里突然遇到一个卡壳的问题，就是扣贷是解决不了那百分之五的问题，你刚开始并没有反应过来，你跟他反复交互， 过了半天一天你才反应过来，我靠，他就是解决不了，这个时候你就发现你时间就浪费了，然后你算上这种浪费的时间，浪费了偷啃他就显得并没有更便宜。 最关键是你遇到这种他反复都解决不了的时候，你会很痛苦，一直人不断的引导他，你去看一下最近改动了些什么，地府上有什么差异，日子上有什么打，怎么去打底， bug 怎么去用，一吐一调是不断的去引导他， 但是他即便是这样子，他有的时候还是很困难才能把这问题解决。但是相同问题我换回 cloud code， 我， 我只要简单引导一下他，大概率能够很快解决。
13超级大柱子
07:31查看AI文稿AI文稿很多人讨论 cloud 和 codex 的 时候，总喜欢问一句，到底谁更强？但在真实的开发环境里，这个问题本身就不太成立。大多数的时候，开发效率的差距并不来自于模型能力的绝对高低，而是谁更适合当前阶段的工作流。 当任务已经足够明确，比如说需要读代码、秀 bug、 补测试、跑勾键、做回归测试时， codex 一 类的偏执行的工具往往效率更高。 而当需求还处于模糊阶段，需要不断地讨论产品方向、交互逻辑与功能结构的时候， cloud 的 这种偏长对话的整体推理模型通常会更顺手。所以与其把它们放在同一个维度里比较，不如理解为它们本来就在解决不同类型的问题。 很多人会把所有的 ai 编程工具统一归类为代码助手，但实际上，开发流程内部本来就存在两种截然不同的工作模式。 一种是执行型任务，它的特点是目标清晰，输入明确，结果可以验证并且是否成功。有客观的标准，例如修复 bug 呀补测试、接口迁移、结构化重构以及解决变异错误，或者 c i c d。 这类任务最重要的是快速定位问题，并形成稳定的闭环。另一种则是探索型的任务，他通常发生在项目早期，需求还没有完全明确，产品结构仍在讨论，页面的逻辑不断变化，用户体验也需要反复的推演。这时候输入往往不是完整的需求，而是一些方向性的描述。比如说 我想做一个 noise 一 样的东西，界面呢？想轻一点，希望交互自然一些，最好还能支持 ai 的 自动整理。这种输入没有明确的边界，也不存在唯一的答案。因此它更需要依赖模型的整体理解能力、上下文的连续性以及对模糊意图的承接能力。 很多讨论会把原因归结为但是和 m o e 的 架构的差异，这确实是重要因素，但不是唯一因素。 真正影响体验的通常是三层东西共同作用，模型、架构、训练目标以及产品的工作方式。 cloud 常被认为更接近但是的路线，而 codex 一 类编码模型则更偏向 m o e 或路由式的架构。两者最大的区别并不是参数的规模，而是模型在推理时到底会调用多少能力参与当前的问题。 但是模型可以理解为每次处理问题时，整体的参数都会参与推理。这种结构通常具有上下文一致性更强、风格更稳定、更容易理解复杂语义的特点。 但是模型更容易把这些因素整体纳入理解，而不是只抓关键词。 m o e 的 思路则不同，它会把模型拆成多个专家模块，再通过路由器决定当前的问题应该有哪些专家参与。常见的形式如下，其中 e i 表示专家的输出， g i 则表示路由的权重。 这种结构的优势在于单次推理激活的参数更少、执行的效率更高，并且更容易形成专人专势，所以它天然更适合修改 bug、 跑测试、定位、报错、结构化改动以及工程闭环。因为这些问题本身已经足够明确，模型不需要再花大量精力理解需求，而是应该快速的进入执行 原型设计阶段。有一个很明显的特点，用户自己往往都没有完全想清楚很多需求最开始只是我大概想做一个什么感觉的产品，而不是请严格按照以下的 p、 r d 实现功能。这意味着模型需要做的不只是回答问题，而是帮用户一起梳理问题。 cloud 在 这类场景里之所以常被偏爱核心的原因通常有三个。第一点就是它更容易借助模糊的输入。 探索阶段的输入往往充满着主观表达。比如说，我想做一个 ai 笔记应用，但不要太像传统后台系统，我希望它更轻、更自然。这里同时混合了功能需求、风格偏好、产品气质以及体验倾向。如果模型只能识别关键词，其实很难真正理解用户想要什么， 但是类型的模型通常更容易维持这种整体的语义。第二个就是长上下文更适合持续性的讨论。真正的产品设计很少一轮完成，通常会经历产品目标、页面结构、交互逻辑、信息架构、技术方案，再到细节调整。 如果上下文的能力不足，模型会很容易忘记前面的设定，出现逻辑冲突，或者说风格前后不一致。而上下文模型更适合这种连续的讨论。 第三个，它更像协助，而不只是执行。很多人使用 cloud 时会有一种明显的感受，它不像传统的代码工具，更像是一个持续讨论的搭档，用户可以不断追问、修正、补充想法、调整方向。 模型呢，则持续帮助整理结构、补充边界、扩大问题。这种交互节奏本身就更适合产品探索阶段。 执行型开发任务有一个核心的特征问题已经存在，而且结果可验证，例如说测试失败、构建报错、 c i 中断、接口不兼容以及某段逻辑性能异常，这类问题天然适合发现问题、修改代码、验证结果的循环。 当输入中已经包含了错误日期、调用堆栈函数名以及框架的上下文时，模型真正要做的其实是快速聚焦相关代码区域。 m o e 的 专家路由机制在这里就会非常有效，因为它可以更集中的处理特定类型的问题。 程序员真正开发时通常不是只聊天，更多是读代码、改代码、跑勾键、看日期、继续修。 因此很多 codex 类的工具会深度结合 ide c l i copy load 是 不全自动测试以及工程的工具链，它强调的是执行反馈验证，而不是持续对话。像下面这些任务，大规模重构、接口迁移、批量替换、自动补测试以及工程规范修复， 本质上都属于边界清晰的结构化人物，只要约束足够明确，执行型的模型通常更稳定。很多人讨论 ai 时只关注模型参数或者架构，但实际的使用体验往往更多来自产品形态、工作流的设计、工具的接入方式以及训练目标。 真正影响用户感受的并不只是模型本身，而是这些因素共同形成的整体体验。比如说 cloud 更强调长对话、上下文、组织内容整理以及方案推演， 而 codex 更强调工程执行、工具协同、自动验证以及开发闭环。所以用户感受到的差异并不是仅仅来自于魔镜本身。 很多人喜欢拿各种机准做横向比较，但问题在于不同的机准测的根本就不是同一种能力。比如说 switch very far 的， 它更倾向于多文件的复杂推理，而 switch pro， 它更倾向于工程的执行效率。 terminal 更偏向 c l i 环境的执行能力， 仅指某个模型在一个网站领先，并不代表它在所有的开发场景都强，很多时候它只是更适合那类人物。真实的项目里，很多开发者其实并不会二选一，更常见的方式是把不同的模型放进同一个工作流。第一个阶段，探索使用 cloud 曾经需求，讨论产品结构、输出原型方案以及梳理页面逻辑。第二个阶段，执行使用 codex 实现功能修理、代码补测试以及跑验证闭环。 第三个阶段，整理，再回到 cloud 编辑文档、输出说明以及整理下一轮的需求。这种方式的核心不是谁代替谁，而是谁负责哪个阶段。程序员更偏向 codex web coding 用户更偏向于 cloud， 本质上并不是因为某个模型的全面碾压，真正的原因是它们分别对齐了不同类型的开发工作。 cloud 更擅长把模糊的想法逐渐整理成可执行的方案。 codex 更擅长把明确的任务快速推进到可验证的结果。当这一点被理解之后，工具的选择就不再是站队，而是根据阶段选择更合适的写作方式。
06:43查看AI文稿AI文稿曾经我对 cloud code 的 终端爱不释手，但现在我只能说一句， codex 真香啊，真香！ 大家好，我是布鲁。随着 codex 近期频繁的更新，我自己的工作站也已经全面的切换过来了。今天就来分享一下我自己的完整使用经验，怎么用 codex 打造一套不打断心流的生产力闭环。 本期视频我把它分成了七个章节，每一张都是我自己实际在用的技巧，希望能对你有所帮助。那我们话不多说，直接开始 第一张，先来介绍一下我的工作站是怎么布局的。左上方是 codex 的 对话框，下方是 terminal 终端。 你可能会问，已经有 codex 的， 为什么还要开一个 terminal 跑 c c？ 因为我发现对于一些需要探索、需要设计的任务， c c 的 表现要更出色一些。所以我的习惯是用 c c 来做方案设计，配合 planning with files 这个 skill， 把设计思路直接落成文件， 然后再让 codex 读这份计划，接手后续的具体实施。这样一来， cloud code 负责想， codex 负责做，两者可以各司其职。 右上方这个区域我用来做任务完成后的查看和审阅，比如代码的 review， 文件的浏览，还有浏览器都在这里。虽然现在浏览器还不支持多标签页，但对于日常的任务来说完全够用。这边我就分享一个实际的案例， 我让 c c 参考了最近很火的这篇卡巴西提出的知识库的文章，让他借鉴里面的思路，出一份设计稿和完整的实施计划。目的呢是做一套前端的页面，方便我日常的维护文档使用。 接着 c c 就 会调用 planning with file 这个技能啊，将所有的计划落成文档，然后我就会回到 colex 这边，让 colex 去阅读当前项目内的这份计划文件，然后基于这份计划文件让他进行开发。开发完结果之后，我会在这边 内置的浏览器里面去进行结果的 review， 包括代码的一个审查，整个过程从设计到开发再到 review， 全都在这一个工作站里面完成，不需要切换任何的窗口，这就是我前面所说的，心流不会被打破。 第二章，批注功能。这个功能是我觉得 codex 真正强大的原因之一，也是最能体现沉浸式开发的地方。 以前我们改代码的方式是找到文件定位到哪一行，描述问题，让 ai 修改，整个过程中你的注意力是在代码上的，但现在 codex 的 批注功能让这件事情变了，你可以直接在文件上进行批注，告诉他哪里怎么改，需要怎么改。 更厉害的是，现在这个批注功能不止限于代码文件，你可以直接在前端页面上进行批注，看到哪个按钮位置不对，哪块布局不满意，直接在页面上标出来， codex 就 能理解你的意图，并帮你进行调整。这件事的意义在于，正好对应了 webcodd 的 核心理念， 开发者的重心不在于怎么写，而在于写出来的东西对不对。批注功能把这个理念落地了。 第三章，上下文管理 codex 项目里可以同时开多个县城，每个县城对应一个任务，互相独立，不干扰。对比 cloud code 需要开多个对话窗口， codex 把所有县城都收在了一个项目下，管理起来会清晰很多， 然后是项目的记忆核心就是 a 键的点 md， 这个文件你可以类比为 cloud md， 把项目的背景、开发规范都写进去， ai 每次进来都会读取，不用反复的交代。 还有一点， codex 的 上下文管理非常省心，它会自动帮你压缩上下文，它也没有提供像 cloud code 中 compact 的 那样的命令，这种事情让 ai 自己处理就好了，你专注于任务本身就行。 第四张，自动化这块是我觉得 codex 比其他 agent 做得更好的地方，几个原因，第一，用起来非常的方便，直接在 gui 里面新建自动化任务，还内置了很多模板可以选择， 大到项目管理技术、眼镜，小到个人的生活习惯，都可以交给它来定期的处理。第二，自动化可以调用 codex 自身的能力，比如插件、 skill、 mcp、 浏览器操作、电脑操作等全都能用进来，这就是为什么我说 codex 在 逐步形成自己的生态。 第三，我们可以根据不同的场景来灵活的选择模型和推理强度，简单的任务用轻量模型，复杂的任务上强推理，这样的话头肯可以用的更加的合理。第四，稳定性，我实测下来， codex 相较于其他的 agent， 定时任务的准确性已经能达到生产级别，相当的靠谱。 第五张插件和技能， codex 有 相当丰富的官方插件和 skill 生态。先说说两者的区别， skill 就是 纯文档，本质是给一份 ai 的 说明书，告诉他在特定场景下应该怎么做事。比如说我前面提到的 planning with files， 就是 一个 skill 插件的概念会更大一些，你可以把它理解为 codex 打补丁，里面可以包含 skill， 也可以带上 mcp 配置，甚至集成其他的 app。 一个插件装下去， codex 就 多一套能力。 另外， codex 在 插件和 skill 的 管理体验上面要比 cloud code 的 友好太多了。 cloud codex 需要改配置文件，而在 codex 里直接在界面上点击安装，或者自己创建，整个过程非常的直观。 第六章浏览器和电脑操作 codex 可以 直接操控浏览器，你可以让它自动填表，抓取数据，验证 ui 效果。 比如我需要批量收集一些网页上的信息，直接告诉 codex 去哪个页面拿什么数据，它就能自己打开浏览器去完成操作，整个过程中都不需要你的介入。除了浏览器， codex 还能直接操作你的电脑文件的整理，应用的打开都可以交给它来处理，相当于有一个助手在帮你操作桌面。 不过这里要说明一点，随着 ai 自动化越来越普及，现在已经有不少软件开始加强安全控制，对自动化操作做了限制，所以实际能操作的范围会因软件而异，遇到限制情况也很正常，大家用的时候留意一下。 第七章通用功能这些功能不是 codex 独有的，很多 agent 都支持，但作为一个完整的工作站，这些基础能力 codex 当然也不会缺少。先说 play mode， 在 执行一个比较复杂的任务之前，先让 codex 把完整的计划列出来，你过一遍觉得方向对了再让他动手， 这个习惯能帮你省掉很多返工的时间，大任务尤其推荐开 play mode。 再说 m c p， 也就是模型上下文协议，通过 m c p 可以 把各种外部的工具和服务接进来，让 q d x 能力边界大幅扩展，无论是连接数据库，调用第三方的 api， 还是接入自己家的服务，配置好之后， q d x 就 能可以直接调用。 另外还有一点， q d x 相较于 logot code 的， 有一个非常关键但很容易被忽视的小功能，语音识别。目前我的任务几乎都是语音发起的，连打字都很少了。 ok 以上就是我在使用扣袋子过程中总结的一些技巧，如果对你有帮助的话，希望能得到你的点赞和关注。 最后我想说一句， ai 发展太快了，各家 a 键的功能越来越趋同，但工具再多，适合自己的才是最好的。有时候做做加法，找到真正需要的，做做减法，去掉用不上的，慢慢摸索出一套自己的工作范式才是最重要的。我是布鲁，我们就下一期再见。
5.5万布鲁404
06:05查看AI文稿AI文稿给大家分享一下我实测的 code graph 以及 jibble， 我 们可以看一下它的这两个插件，它是属于 graph rag 领域的知识库。我们首先看一下它的 主页，它们完全是开源的，然后我们可以看一下怎么使用，我们首先介绍一下它是做什么的，它可以使用在 cloud， code， cursor 等等的编码工具以及 open cloud harmless agent。 然后它可以使用什么呢？我们可以看到它可以进行一个减少我们 查询时候的一个工具的调用，比如说我们在运行一个代码，需要了解这个代码的架构的时候，我们需要执行，比如说反复的执行 grab read find， 然后进行了解这个代码的结构，我们这个库可以进行一个 减少这个时间以及它的一个我们模型的消耗，降本增效。然后接下来我们看一下它的 jibri， jibri， jibri 是 什么？我们看一下它的一个界面，它是为了 openclaw 以及 harms agent 进行打造的一个数据库，进行记录它的一个对话等信息。我们首先看一下它的一个 刚才实测的一个数据，我们介绍一下这个实验是怎么做的，比如说我们看一下左侧，左侧这个是没有安装这个插件，我们让他分析一下，分析一下这个 j b r 的 项目的完整架构，然后 这是他的一个分别的要求，我们通过这个提示词，然后进行一个执行，我们可以看到他有很多的工具调用，比如说读写等等等，他会消耗很多的 token， 然后我们进行获取他最后的一个时间以及他的一个 token 的 消耗量，然后我们 看一下右侧，右侧的话我们进行第二个实验，就是把它的一个缓存给删掉，然后进行安装，首先安装下这个命令，然后我们进行一个构建它的一个锁影，我们构建这个 jb 的 一个锁影，可以看到已经导航到这里面，然后进行一个 index， 然后我们可以看到这个项目花了二十五秒，还是非常快的。然后我们继续运行 color code， 然后使用同一款模型，然后进行一个测试，同一个提示词，发现它最终 达到了现在我们展示的这个效果，从原来的六分钟到现在的不到两分钟， 然后实际的消耗，我们可以看到这个表现还是非常的亮眼的。对于我们在重复的一个工程，比如说很多的代码中需要很多很多词读取，这也就是一个 red 的 流程，通过这个库可以很明显地减少这个损耗。然后接下来我们介绍一下为什么 george 是 可以进行一个 减少的，看一看它的原理。通过我们对于它的源码的一个分析，我们可以看到它们构建的是一个数据库，并且使用的是一个算法的构建。我们看一下为什么可以不用 ai 就 可以构建， 因为我们代码本来就是结构化的，我们通过这个直接建图就行。我们看一下它的一个图解，比如说 这个就是我们的一个图解，然后我们通过自动解析，然后通过 a、 s、 d 的 语法术进行自动生成的一个知识读谱，这是完全不需要 ai 进行参与的，非常的高效。然后我们进行解释一下为什么不需要 模型就可以见图，因为我们使用的是代码，是结构化的，我们使用 a s t， 这就是一个抽象化的语法术。在我们运行代码的时候，比如说变异器，解释器这些东西都是可以一个很成熟的一个流程，因此我们可以直接进行复印它就可以了。然后接下来我们看一下 code graph 的 一个构建流程，我们首先进行一个源代码，然后进行一个解析，然后进行引映，它的这个解析最后储存在 circle light 里面，然后构建一个全局的缩影，这就是提供的一个工具自动进行， 它是一个基于 graphreg 的 一个知识图谱的知识库，它是一个知识库，我们由此可见这个基本的知识库是 ai 的 一个基础见识。然后我们看一下 openclaw 以及 harms 的 这些记忆，也就是之前的一个记忆体。我们首先看一下它的一个 开源的作者，它是在互联网上有很多的一个 start， 来到它们的界面可以看一下， 然后回到这里，我们看一下它是怎么监图的。我们可以看到用户进行提出问题，然后进行一个毁调，用了这个 skills， 然后进行把它格式化出来，格式化成 markdown， 然后通过 markdown 之后，然后通过一个正则化的进行提取一个知识库的建立， 我们可以看到虽然说它宣称的是零调用，但是在我们的一个格式化 markdown 的 时候，就是需要一个 ai 的 调用的， 然后进行一个向量化，以及我们图的一个增量更新，这就建立完了。然后接下来来到这个 核心的 skills， 这个就是他暴露的一个 m c p， 他的一个解锁的一个特征。首先是关键词的解锁，然后是一个混合解锁，混合解锁的是什么？比如比如说向量处理不好的编号等等的东西，交给我们全体的缩影，以及他的一个 r f 一个融合。什么是 r f？ r f 就是 进行的一个召回的一个算法，比如说这里面就是一个余弦的一打分零点七的权重，再加上它的一个余弦相似度，这是它的一个特权。 然后接下来进行的是一个图的便利，我们可以看到它提升了百分之三十一个哦。 然后接下来我们分析一下 jeffrey 和他的一个 r m 的 viki 的 一个区别。可以看到 openai 的 创始人进行 一个想法，这是维护的是一个个人的知识库，而这个是进行的一个比较成熟的一个解锁了。然后接下来这就是他的一个独立使用，然后这是他的一个安装。
1287AGI_Ananas
01:28查看AI文稿AI文稿朋友们，你真的可以去卸载你的 openclaw 了，因为它真的不适合电商提效。我最近一直在 costas 新出的网页插件，去跑一些电商运营里重复又耗时间的工作，这个体验真的有点惊到我了。例如做亚马逊查关键词排名，虽然我们可以用软件去查关键词排名， 但如果你要是手上链接很多，一个个复制，一个个下载整个流程，其实还是很费劲。更别说沃尔玛特、姆希英他们都 没有比较成熟的查排名工具。当然是现在有了 codex， 你 可以把这套动作直接自动化，每天上午九点自动打开浏览器的无痕模式，搜索指定 h 在 指定关键词下的位置。它就像一个运营助理 一样，自己打开网页，自己搜索，自己记录，最后把它统一整理在表格里。那你再举一反三，它既然都能够监控自己的关键词排名了， 是不是也可以监控竞品的运动作呢？好，再来说 t k， 我 现在已经实现了任何采集对标账号的数据和视频文案，同时还可以监控自有账号和竞对账号的数据。像我们团队编导，以前，光检查账号数据这些事可能就要花两到三个小时了。然后如果你要是说想要去搭建一个工作流，基础好的人，可能要花半天到一天的时间打 完，没基础的小玩意想要自己打可能要两到三天，但是现在他只要用一句话就能够搞定了。所以我在我的线下课里， ai 工作流提效这一块，我重点只讲 codex， 因为我觉得一个不会写代码的小白一头扎进技术里，最后导致没时间做业务。那我觉得这有点不合理，本末倒置了。我研究 webkit 的 时候，我一直想实现一件事，不会写代码的人 只需要说清楚需求，剩下的搭建工作流，写代码跑网页，整理数据这些事全交给 ai。 现在 codex 是 真的可以实现了。
1245Gina跨境AI提效
