claude code中文是什么怪
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。
粉丝1.5万获赞19.6万
相关视频
01:12
02:23查看AI文稿AI文稿当所有人都在告诉你， cloud code 无敌了，靠，赖主无敌了，程序员要失业了。但是我要告诉你一个有点不一样的事实啊，限阶段的 web coding 根本就做不到真正意义上的脱手。所谓的技术平权，是建立在你至少懂一点技术逻辑的情况下。 如果你连最基础的概念都不懂，人家不是在帮你开发，他是帮帮你随机挖坑。为什么？因为很多人连最基本的两个概念都没有搞懂 啊。 l l m 和 agent。 先说 l l m 即垃圾 language model， 你 可以把它理解为 ai 的 大脑，像豆包，千问、 deepsea， 还有 g p t， 本身上都属于大圆模型， 他们负责思考、理解和深沉，但是他们不会帮你真正干活，他们只会告诉你应该怎么做。真正执行的是第二个东西， agent 翻译过来叫代理，你可以把它理解为 ai 的 双手， 他可以帮你改代码，跑命令，读文件，调项目。像 cloud code， codex 这种都是偏向于编码型的 agent。 但问题在于，其实他们都挺瞎的啊，你以为他们在认真开发？但是如果你不写好的提示词 啊，他经常改着改着就把项目改炸了，修一个 bug 照三个 bug， 还会一本正经的胡说八道。所以现在真实的状态是什么呢？ ai 能让懂开发的人效率翻倍，但是远远做不到能让不懂开发的人直接起飞。后面的 mcp， skills， 还有自动化工作流，都是建立在你懂这两个概念的基础上。他说工具怎么选？如果你是 轻度修需求，就是想要写点小工具，做点小网站和小作业。我推荐一个东西叫什么啊通一律嘛啊通一律嘛？不知道有没有人知道的，开箱即用门槛低，而且最重要的是它现在阶段是全完全免费。 但是如果你是高需求想真的做产品或者跑项目的话，我建议你还是上 call 和 calllex 这种，只不过他们都有很多技术门槛，像环境配置， api 啊，费用还有网络这种一个都绕不开。 所以别再信什么一句话做萨斯零零基础月入十万这种鬼话了啊。现在的 web 扣队你更像什么呢？像一个非常牛逼啊但是脾气非常怪的实习生，你以后得会盯着会纠错会提需求， 而不是直接放手不管。 ai 确实在降低门槛，但是他远远没有做到让你什么都不懂就能闭着眼做产品的效果。
477某神人
01:01查看AI文稿AI文稿朋友，我求你别去碰 cologold， 真的 碰了这辈子就完了。你会不想睡觉？不想出门，不想搭理？朋友？一睁眼就是 web coding， 玩三角桌，玩计算机，有意思吧？ cologold 这个劲比他们上瘾多了，你下班回家只想打开 cologold， 更可怕是什么？是有些人压根没工作就天天宅在家里，从早到晚的 web coding， 凭着一股劲瞎敲代码，一敲就是一整天。 所以我先把丑话撂这。要是脑子里有那么一丁点想法，有那么一点点创造力，千万别喷他，你一旦上手，你脑子里想要啥，他就能给你做出来啥。 想要个 app 做，想要个网站，没问题，想做个工具，轻轻松松，他没有任何边界。 而且我跟你讲，它还不贵。你要是不想了解 clockcode， 行，划走，别关注我。你要是不想知道怎么把 ai 工具榨到最后一滴价时也行，划走，我给不了你任何东西。别说我没提醒你哦。
3.4万吉米AI工作流
00:59查看AI文稿AI文稿我先说一下龙虾 opencloud， 网上很多人把它称为人工智能体，它能帮你干什么？相对于豆包来说，只能你问它，回答它只能是与你对话，然后不能实际的去操作你的电脑，完成你的任务。而我们所知道这个龙虾，它是能够操作你的电脑的， 帮你打开一些程序，或者是帮你跑软件，比如说跑 mate lab 做仿真什么的，豆包是完成不了这一点的。还有另一个软件叫 clode， clode 和 open clode 类似，它们都是能够操作你的电脑的，但是呢，呃， clode clode 更偏向于代码这一方面，它主要是帮你进行代码修改，帮你就是自动改代码之类的。 以上是 open cloud 和 cloud code 之间的区别，我刚刚介绍了 open cloud， cloud code， 它们两个类似。对于豆包来说，这两个软件能够操纵你的电脑去打开这个软件，它能自动帮你做仿真。 我把它们暂时的成为人工智能体，它能帮助你去完成你想要的工作，而不是说类似于豆包帮你完成规划。
45超级比格
00:33查看AI文稿AI文稿兄弟们，千万别碰牢扣的，碰了你这辈子就完了。你会每天不想吃饭，不想睡觉，你就盯着那个尾巴扣顶，开始敲敲敲敲敲，然后觉得自己是那个造物主啊，救世主啊，上帝啊，佛陀啊，你就觉得这个世界都是你的了，然后你就每天 歪不扣顶，歪不扣顶，歪不扣顶，然后每天在家里面浑浑噩噩的发挥你的创造力，然后把你所想到的一切东西给造出来，千万不要这样，兄弟们，如果你这样了，那，那我也要这样了，嘻嘻。
3.5万小E哥哥
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
04:33查看AI文稿AI文稿今天看到有人在一个评论区说啊， cloud code 只能服务程序员，普通人根本没用，哎，我回了他一句，我的视频都是 cloud code 剪的，这算程序员吗？然后对方接不住了，跟我说，我的视频没有人看， 哎，我今天想讲的其实也不是 cloud code 到底是不是只能写代码？我觉得这个问题真的太低级了。我真正想说的是，很多人根本没有意识到大模型带来最大的一个变更，不是写代码，不是写诗，不是画图，它最大的一个能力是第一次给了普通人一种快速把任何工作结构化的一种能力。 不要小看结构化这三个字，很多人连结构化的意识都没有，因为你可能没有从事过 it 相关的一个工作，也没有做过系统设计，没有受过这一类的思维训练，从小到大安步就般的长大，所以天然会觉得，哎，这个世界就是一堆事情，一堆信息，一堆任务。 但是你真正的仔细去想一想，特别是最近几十年人类发展的一个规律，我们整个世界发展的一个进程就是把各种商增的事物结构化下来， 然后不断的沉淀和信息。抛开大模型不说，在大语言模型诞生之前，这个世界是结构化的吗？肯定是一部分结构化的， 你看我们现在用到的各种 app 程序软件本质是什么？它们都是结构化能力的产物。程序员把现实世界这些无序的东西和对象，比如名字、地址、订单、价格、行为关系， 变成了数据库里干净的字段表、规则和流程。这个世界才有了电商，有了外卖，有了导航，有了支付，有了办公系统，才有了今天这套高效率的数字世界。也就是说，计算机程序诞生了这么多年，几乎一直在做同一件事情，就是把现实世界里抽象、混乱、无序的对象， 变成计算机能够处理的结构化的数据。但是传统程序一直有一个天花板，它只能处理你设定好的，定结构也是提前定义好的。 一旦碰到杂乱的文本、图片、聊天记录、语气、文档、 ppt、 视频，传统程序是做不了的，因为这类东西里有大量人类看一眼就懂，但是程序很难判断的抽象关系。 大模型最革命的地方就在这里，他不是一个聊天工具，也不是一个写代码工具，他把传统计算机结构化世界的能力拔高了一个抽象层级，他具备的类人的结构化的能力，你当然可以说他现在充满了幻觉，有时候会不准，现在不稳定，但是这些都不重要，只是现在这个发展阶段的表象。 真正重要的是他具备了传统程序任任何一个以前的传统都不具备的能力。他能够读文本、看图片，理解人类才能理解的语义，判断重点、拆任务、总结规律，你给他打一大坨完全没有任何逻辑的信息，他都能帮你梳理成一个完整的一个表达和文 案，甚至说大模型自己是怎么来的。大模型本质上也是一套高维度的结构化书籍。 我们去看 transformers， 做的事情就是把人类语言这种极其抽象、极其复杂的东西，压进了一个可以用数学表达的高维结构里面。先有了这套架构，才有了今天的大模型的智能涌现。大模型本身就是高度结构化的产物， 所以我经常看到有人说，哎，克拉克不就写代码了吗？大部分人用不到。大哥，有没有一种可能，你现在做的大部分的工作，本身就是在把杂乱的信息加工成有序的信息。 写个报告是把灵采的信息变成一份整洁的文档。做表格是把混乱的数据变成自导。做 ppt 是 把复杂的观点变成展示结构。回复客户一段客户一段话是把你的模糊的诉求变成可解决的一个问题。 剪视频是把素材、节奏、情绪变成一套视觉修饰结构。写小说是把人物冲突、情绪、情节变成一套故事结构。所有人的所有工作几乎都在做这一件事情。把人物冲突、情绪、情节变成一套故事结构，所有人的工作几乎都是这样的。 那你过去为什么没有被传统计算机程序替代？不是因为你的工作神圣不可替代，是因为你的工作里面有太多计算机识别不了的抽象判断。 但是现在呢？大魔星具备了类人的判断的能力，意味着你工作里面那些无法被计算机识别，但是其实并不复杂的判断过程可以被智能体替代了。 所以我不想跟你讨论可洛克是不是拿来写代码的，这个真的太 low 了，真正可怕的不是他会写代码，他能把你的工作变成机器可以执行的结构。 当你可以看到的他是一个口井 a 井的，我看到的是什么？我看到的是他能帮你持续的提升你的生产力，把复杂的事物重新结构，所以你在纠结工具边界的时候，这个问题本身就已经 没有意义了。在这个时代，我觉得一个人真正的价值不是会不会用 kaleidoscope， 是 你能不能把这个混乱的世界，把你想做的事情拆成结构，拆成规则，拆成流程，拆成可以被智能体执行的方法。你未来能够把多少的混沌变成秩序，并且结合模型的能力把它给转化掉，你的生产力就有多强。
00:47查看AI文稿AI文稿在 it 界使用过 ai 的 人都知道 cloud code 非常好用，但不知道 isnoop 这家全球顶级的 ai 大 模型公司是抽了什么风，跟我们是什么仇什么怨？只要是公司或组织超过百分之五十的股权由中国控制， 就立即终止服务。现在呢？你个人账号用着用着也会被封，充钱都没有。好像是注册的时候必须用身份证原件加上人脸识别。 如果哪一点透露出了你是一个中国人，直接封号没得商量，真够绝的。我查了一下，这家公司的创始人兼 ceo 曾经在百度工作过十一个月。不是吧， 工作十一个月就跟我们结下这么大的梁子吗？你们有谁知道他在百度这十一个月，百度究竟跟他对他做了什么？
03:21查看AI文稿AI文稿cloudcode 是 entropic 公司推出的 ai 编程助手，它让开发者可以用自然语言与代码进行交互，彻底改变传统的编程方式。 不同于普通的聊天机器人， cloudcode 真正理解代码上下文，能够直接操作文件，执行命令、调试程序。 cloud code 的 核心能力非常强大，它可以读取和理解你的整个代码库，直接编辑和创建文件，在终端中执行任何命令。还能帮你编辑、测试、修复 bug、 重构代码、解释复杂逻辑，甚至进行 get 操作和代码审查。 cloud code 和 chat、 gpt、 co， pilot 等传统 ai 助手有本质区别，传统工具主要提供代码、片段和建议， 而 cloud code 是 一个真正的编程代理，它能自主完成多步骤任务，拥有完整的终端访问权限，支持长时间绘画记忆，并且可以同时处理多个文件的修改。在实际开发中， cloud code 的 应用场景非常丰富， 你可以让它从零搭建一个新项目，快速修复线上紧急 bug。 为 legacy 代码添加单元测试，理解并解释别人写的复杂代码，或者进行大规模的代码重构，而不用担心引入错误。 cloud code 对 主流编程语言都有出色的支持，包括 python、 javascript、 javascript、 go rust、 ruby 等。 他还熟悉各种主流框架，如 viet、 污、 dango、 fast api、 spring boot 等，以及常见的开发工具，例如 docker、 kubunatus、 webpack 等。 安装 cloud code 非常简单，只需要一行 npm 命令，安装完成后，在终端中输入 cloud 即可启动。首次使用需要登录 andropig 账号或配置 api 密钥， 启动后就可以用自然语言描述你的需求了。使用 cloud code 有 一些技巧可以让效率倍增。首先，给他足够的上下文，告诉他你用的技术栈和项目结构。 其次，把大任务拆分成小步骤。另外，擅用 slash 命令，如 commit debug test。 最后，重要操作前让它先说明计划再执行。 cloud code 提供免费试用额度，同时也提供付费订阅计划。 max 版本可以使用更强大的 cloud opus 模型。 需要注意的是，作为 ai 工具，它的输出应该经过人工审核后再使用，特别是涉及安全敏感的操作时。 cloud code 代表了 ai 辅助编程的未来方向， 它不是一个简单的代码补全工具，而是一个真正的编程合作伙伴。当你遇到难题时，它不只是给你答案，而是和你一起思考，一起编码，一起解决问题。 对于追求开发效率的程序员来说， cloud code 是 目前最值得尝试的 ai 编程工具之一。
00:57查看AI文稿AI文稿如果你身边有人真的在聊 codex、 cloud code 甚至已经在用它们做事，我建议你珍惜这种人，不是因为他们一定多厉害，而是这种人身上的特质很少见。他们愿意 执，执行力强，信息整合能力强，探索欲也很旺盛。你跟这样的人待久了，不是他非要教你什么，而是你的信息密 度、做事节奏都会慢慢被拉上去。人和人之间的差距，很多时候不是努力插出来的，你身 身边的人就是你的信息环境，你每天听什么、看什么、聊什么，最后都会变成你的一部分。 所以一定要靠近那些愿意探索新东西的人，他们不是在跟风，他们是在提前和未来打交道。你离这样的人越近，你被拉上去的概率就越高。
319Tibo
00:16查看AI文稿AI文稿程序员玩卡拉 ok 的 我能理解，但是你一个小白对吧？你瞎折腾什么呀，赶紧把那个卡带子搞定吧。要能升，要升图有升图，要技能有技能，要插件有插件，要浏览器自动化。有浏览器自动化还要什么自行车啊？
5.8万北京小王云智
01:20查看AI文稿AI文稿新手用 cloud code 高频翻车的五个点，今天一次性帮你避开！第一个翻车点，不写 cloud 点， md， 它每次开新对话都从零猜你的项目技术栈、目录结构、命名规范全靠瞎蒙，结果就是改风格不一致， 要用错文件反复反攻。新手第一步直接跑匿名，让 cloud code 自动生成专属记忆档案。第二个翻车点，分不清 plan、 edit、 ask 三大模式，全程默认丢需求。 plan 先规划方案， edit 才动代码。 ask 只解答不改文件， 复杂任务一律先 plan 再 edit， 安全又稳。第三个翻车点，盲目开 auto 或优乐模式，他拿到方向盘自己跑，新手还没看清就跨文件改了一堆，等回过神来，关键逻辑早被覆盖，回滚都难。 新手老老实实手动确认每一步，等熟了再放权。第四个翻车点，长对话从来不 compact， 上下文越堆越满，偷啃烧的飞快，他还会被早期的过时信息带偏，回答开始前后矛盾记不住最新决策 对话变长就 compact 一下，关键结论留在记忆档案里。第五个翻车点，不接 git， 就 让它随便改，新手项目连仓库都没出，使化模型改崩了，想退回上一版都做不到。辛辛苦苦写的代码， 一次错误重构就全没了。动手前先 git init 加 commit， 每一步都有快照可回滚。记忆档案模式分清，关掉 auto， 勤用 compact 接好 git， 五个翻车点，一次避开。关注我，带你吃透更多 cloud code 高阶玩法！
1273阿森编程日记（AI自动化）
05:01查看AI文稿AI文稿你有没有想过，大模型是怎么知道你今天的粉丝数，或者帮你订机票的？ 他本身只是一堆历史数据练出来的，脑子没有实时获取信息的能力，想让他干这些活，就必须给大脑接上手和脚，也就是调用外部工具。 早期最主流的方法叫 function calling。 你 写个中间程序，把每个工具的功能参数返回值，像写说明书一样，用 json 格式塞给大模型。大模型看完后， 如果觉得需要调用，就返回一个。我想用这个参数这样填的标准消息，中间程序再去执行，把结果还给模型。 但问题来了，真实场景里， ai 智能体可能有几十上百个工具，每一个都要这么手写说明书，维护起来能把人逼疯，而且所有工具都要暴露 http 接口安全也是个定时炸弹。 于是，一个新方案出现了，他想当 ai 世界的 usb c 接口。这个方案就是 m c p 模型上下文协议。他的思路简单粗暴，套一层壳 在工具外面，包一层标准的 m c p server 壳，让它统一对外提供服务。你的中间程序里，专门负责跟这些 server 打交道的部分，叫 m c p client。 client 和 server 之间不再用乱七八糟的自定义接口，而是通过一套统一的协议 通信，这就是 mcp 协议。而装了这个 mcp client 的 宿主程序，就叫 mcp host， 比如 cloud desktop vs code 插件。 这就像以前的电脑，每插一个新外设，都要手动装驱动配置端口，而有了 usb 之后，插上就能用 mcp。 想让工具调用也变得即插即用， 那它底层到底是怎么即插即用的？ m c p 的 核心就两块，通信，一 client 和 server 之间。二， client 和 l l m 之间。 先看 client 和 server m c p 支持两种传输方式， style 和 http s s e。 如果都在本机，直接走进程的标准输入输出，如果跨机器，就用 h t d p 的 服务器推送流，不管哪种传的内容都是阶森 r p c 二点零格式 连接。一键里， server 做的第一件事就是主动告诉 client 自己有哪些工具，每个工具叫什么，有什么参数，这些信息全部标准化，不需要你手工写任何配置。 当你问一个问题， host 把这个需求发给 l l m l l m 决定调用哪个工具后， client 就 像对应的 m c p， server 发一个 tools call， 请求 server 执行本地函数， 把结果原路返回，整个过程就像调用本地函数一样丝滑。 再看 client 跟 l l m 这个协议，没规定的方式反而更灵活。 像 cloud 的 做法是直接把工具信息塞进系统提示词，对，就是最原始的办法，但胜在什么模型都能用。而其他平台更常用 function calling 来传。工具描述， 无论哪种， mcp 都把最麻烦的工具描述发现调用抽象调，让你专注实现工具本身，而不再纠结格式化。说明书。 一句话， mcp 就是 给 ai 工具调用定了个标准插座，封装一次，到处附用。工具换代，协议不变。 这个协议刚起步，还在疯狂进化，想自己动手写一个 m c p 服务器，点赞收藏，咱们下期实操！
12老吴聊AI写代码
09:13查看AI文稿AI文稿你以为 cloud 配置文件写得越细， cloud code 就 越听话？但很多项目恰恰是从写太满开始跑偏的。 cloud code 用了几天还挺顺，第四天突然乱写导入语句，绕过调研层改。你明明叮嘱过别动的文件。多数人第一反应是模型抽风， 但真翻一下 cloud 配置文件，问题基本都在这儿。因为 cloud 配置文件不是 readme， 它不是给人看的项目说明，而是给 cloud 看的工作规则。你写在前面的东西会影响它，后面怎么判断，怎么写代码时 会不会跑偏。所以今天这篇我想聊的不是 cloud 配置文件怎么写得更全，而是它为什么会越写越糟？坑一把 cloud 配置文件当 readme 写，这是我见过最多的坑。很多人写 cloud 配置文件，第一反应都是先介绍项目，这个项目用什么框架、什么语言、什么版本，目录结构长什么样？ 历史上为什么这么设计某个模块？以前迁移过几次，团队之前有过什么约定，写着写着就把它写成了一份巨大的项目说明书， 看起来很完整。但问题是，对 cloud 来说，这里面每一行都在抢注意力。你真正想让它记住的是，所有接口必须经过校验，不要记录用户原始数据，关键路径不能堵塞。结果这些东西被塞在第幺八七行前面，幺八零型都在讲文件夹结构和历史背景，那它跑偏 真的不能全怪模型。我自己的感受是， cloud 的 配置文件最重要的不是信息量，而是顺序。前面几十行最好只放三类东西，项目到底是什么？哪些事绝对不能做？核心技术战是什么？就这么简单。 比如这个项目是一个高并发交易后端，那你一上来就告诉他，关键路径不允许阻塞 io， 所有接口必须做输入校验，不能记录原始用户数据。 p 九十五，延迟目标要写清楚。这几句话比一整棵目录树有用多了。目录结构有没有用？当然有，但它不应该抢最前面的位置。剪索规则、数据库迁移规则、健全流程，这些更细的内容可以拆出去 放到单独文件里， cloud 配置文件做锁影就够了。这里有个细节也挺坑的， part to file 这种引用不一定是你以为的，用到才读，很多时候它会跟主 cloud 配置文件一起进上下文。 所以如果你真想做案需加载，就别把所有细节又通过引用塞回根目录。更好的做法是把专项规则放到子目录的 cloud 配置文件里，让 cloud 根据当前工作目录读到更具体的规则。 根目录写全局合约，子目录写局部规则。这就像公司制度，不能把财务、法务、研发、行政所有细节都贴在大门口，大门口只贴最重要的几条，进到对应部门再看对应部门的规则。 cloud 配置文件也是一样坑。二，把硬规则和偏号搅在一起。 第二个坑是把 never 和 prefer 写在同一段。这个真的非常常见，比如你写所有 jason 请求都要较验，但请求体很小的时候可以跳过再写，尽量使用 e 部， 但同步也可以。再来一句，关键路径不要跨服务调用，除非确实需要。你看人类读这种话没什么问题，因为人脑子里会自动判断场景，但 cloud 读到这里，就很容易变成一锅概率汤，一会儿严格，一会儿宽松， 一会把偏好当硬规则，一会又把硬规则当建议。你今天问他，他可能很守规矩，明天换一个上下文，他可能又开始自由发挥。我以前一直觉得只要写清楚就行，后来才发现，并不是。你得把规则的力度写清楚。硬规则就是硬规则，偏好就是偏好， 这两种东西不能混在同一个段落里。硬规则区只放 must、 never、 always 这种词，而且句子要干脆，不能代让步。比如所有入口参数必须通过结构校验，比如永远不要绕过全线中间键。比如 禁止在日制里写入用户原始请求，这里不要出现，应该尽量可以考虑。这些词一出现刚性就掉了。偏好区就随意一点，比如优先用 e 部，比如避免引入新的状态管理库，比如更倾向于附用现有工具函数。这类东西可以表达方向， 但不要伪装成硬规则。说真的， cloud 配置文件里最怕的不是规则少，最怕的是规则的口气都一样。硬规则和风格偏好混在一起， cloud 到头来只能取平均。结果就是，你以为自己写了护栏，其实只是写了一堆建议。坑三只说要做什么，不说不要做什么。 第三个坑是 cloud 配置文件里全是正向指令，要做输入校验，要返回某种格式，要遵守某个调用链。这些当然要写， 但只写这些其实不够。因为 cloud 不是 一张白纸，它训练语料里有大量默认写法，有些默认写法挺好，有些就很灾难。比如随手写一个粗糙的文本切分，比如硬编码向量模型版本，比如校验失败的时候返回半截 jason。 比如解锁上下文不够的时候硬编一个，看起来像真的引用。 再比如补货完异常什么都不出力。这些东西你不明说别做，他有时候就会顺手带出来。不是他故意跟你作对，他只是沿着最常见的写法。 所以我现在越来越觉得，写清楚不要做什么比只写要做什么还重要。你项目里踩过什么坑，就把它写成 never。 比如，不要粗暴按字数切分的方式处理代码文档，不要硬编码模型版本必须从环境变量里读， 不要缓存未经验证的模型输出，不要在解锁节点里直接调用外部接口，必须经过限流层，不要在校验失败时返回不完整 json。 这些句子看着很冰冷，但特别有用。它们不是教程，它们是事故记录。每一条背后最好都对应一次你真的被坑过的经历。 这样写出来的 cloud 配置文件才不是空泛的最佳实践。顺着这个，再聊一个更隐蔽的东西，失败路径。很多人会告诉 cloud 成功时要怎么回答，但不会告诉他失败时怎么处理。 查找没找到足够上下文怎么办？相似度很低怎么办？调用顺序不确定怎么办？如果你没写，它就会为了完成任务，硬凑一个看起来完整的答案，这时候最危险，因为硬凑出来的东西往往比直接报错更像真的。所以你要给他一个明确的处理办法。比如上下文不足就返回 instance context， 并列出缺什么。比如最后生成答案时没把握就不要硬给最终答案。 你想想看，这个设计其实跟后端接口一样，正常返回要有格式，错误返回也要有格式，没有结构化，失败就只剩下幻觉。 这个地方我觉得特别重要，因为你不是在要求 cloud 永远正确，你是在要求它不确定的时候别装坑。四不版本化，也不淘汰旧规则。 第四个坑，最隐蔽代码库已经更新了好几轮， cloud 配置文件却还停在几个月前。三个迭代前，你们还在用粗切块器，上个迭代 已经换成羽翼切块儿了，旧模块儿都删了，但 cloud 配置文件里还写着使用 niv chunk 切分文档，然后你开一个新绘画，让 cloud 改解锁逻辑，他非常听话地把 niv chunk 又引回来了。你看到的时候一脸懵，不是哥们儿，这玩意儿不是早删了吗？ 但站在 cloud 的 角度，他没做错，他读到的规则就是这么写的。问题就出在这里，给 cloud 的 上下文已经过期了，旧规则不会自动失效， 你不主动删除，它就一直在那儿，像一条过期但仍然生效的公司制度，新人看了会照做， cloud 看了也会照做。所以 cloud 配置文件也需要版本管理。不是说非得搞得多复杂，但至少要有版本号，有更新时间，有简单的变更记录。 比如某条规则什么时候加的，为什么加，什么时候废弃，迁移到哪种新写法。废弃规则可以用 lightdeprecated 标出来，这个标签不是什么官方魔法，它就是一个约定。但约定这东西在团队里很重要，人能看懂， cloud 也能看懂。更稳一点的话，可以配一条自动检查， 只要生成代码里出现已经废弃的旧模块、名旧函数、名旧调用方式就直接失败。别靠记忆，靠记忆维护规则迟早会出问题。我有时候觉得 cloud 配置文件这件事，其实特别像接口设计，你不能只定义成功路径，你还要定义错误返回，你不能只写现在怎么用， 你还要标出什么已经废弃，你也不能把所有东西都塞进一个巨大文件里，该分层就分层，该有边界就有边界，根目录放什么，子目录放什么 都要说清楚。回到最开始那句话， cloud 配置文件不是写得越满就越稳，不是认真有错，而是很多认真到头来会变成堆料。把 readme 的 写法搬进 cloud 配置文件，重点会被丢掉。把硬规则和偏好混在一起，约束力会被稀释。只写要做什么，不写不要做什么 也不给。失败路径模型就会回到那些常见但未必适合你的默认写法。不版本化，不淘汰旧规则，过期上下文就会继续污染新代码。 说到底，一份好用的 cloud 配置文件应该很克制，开头先放项目身份底线和核心技术战，别急着塞背景资料，硬规则和偏号分开写， 不要做什么，失败时怎么兜底也要写清楚。版本号、废弃机制、子目录、规则跟着代码库一起走。做到这些， cloud code 也不是不会犯错，但它犯错的方式会变得更可控。你不用每次都跟模型来回掰扯，问它为什么又绕过校验层， 为什么又改了不该改的文件，为什么又引入一个早就删掉的模块。你可以回到 cloud 配置文件，把对应的规则改清楚，我不确定这套对你有没有用，毕竟每个项目的痛点都不一样。但如果你最近刚好也遇到 cloud code， 越用越飘， 真的可以打开自己的 cloud 配置文件看一眼。先别问模型是不是抽风，先问问你的 cloud 配置文件是不是已经写成了另一份 readme cloud 配置文件这件事就讲到这儿，你那份 cloud 配置文件现在踩在哪个坑上？评论区丢出来，下一期接着拆。
209Ali厂长
00:37查看AI文稿AI文稿大家身边如果有一些真正在谈论和使用 codex， cloud code 这样的人，珍惜他，去和他们交流，去和他们做朋友，你进步的概率是更高的。他们普遍都是认知高、执行力强、信息整合能力强、探索欲旺盛的一群人。 就你想想，一个人去主动的拥抱、关注、学习最前沿的这些领域，并且能够真正的去实践他。首先一个他们一定是眼光好，认知高的。再一个进取心强， 执行能力强，持续学习的这种精神好，就你和家人待在一块，你的信息密度，你的思维方式都会整体被拉在网上。
1.2万镇敏.
02:52查看AI文稿AI文稿你有没有这种感觉， cloud code 一 开始特别灵，读文件、改代码、跑测试都挺顺，可聊到后面，他突然开始绕圈道歉，改错，再道歉，再改错，你会怀疑是不是模型今天状态不好？或者我刚才哪句话没说清楚？ 你可以先这么想。很多时候，不是 cloud 变笨了，是他桌子上太乱了。 cloud 的 上下文窗口就像一张工作桌，你的需求，他的回复，读过的文件、工具，跑出来的结果，全都摊在这张桌子上。桌子大当然有用， 问题是，桌子大不等于桌面干净。一开始桌上只有三张纸，目标、代码、错误信息，它很容易抓住重点。但修着修着，测试日制来了， grip 输出来了，失败方案来了，你纠正它的话也来了。这些东西不一定没用，可它们会一起挤在桌面上抢注意力。 这里需要注意的一点是，上下文腐烂，不是突然坏掉的。他更像是漫漫滑坡。答案刚开始还能出来，语气还很自信，但越往后，他就越漏重点，开始附用刚才已经错过的思路。 尤其是写代码，很容易中招。第一，工具输出很大，一次搜索，一次测试，可能就塞进来一大坨文本。第二，编成本来就是多步推理，读结构，裁元音，写修复，再验证，每一步都可能把噪音带到下一步。 第三，也是最烦的，旧的错误历史会污染新判断，他上一轮走错了。如果你只是继续纠正，那那段错误路线还留在桌上。 所以 cloud 看起来像在听你说话，其实一边还在被旧纸条拉回去。那怎么办？先记住这句话，每次 cloud 回完话，你都不应该 只有继续问这一个选项，你有五个策略， content 又继续聊适合，桌面还干净，同一件事还往前走的时候， rewind 回到前面的岔路口适合他刚刚走错路，你不想让失败尝试继续污染后面。 clear， 换一张干净桌子适合，任务变了，或者你已经能用几句话重新交代背景 compact， 把桌面整理成该要适合，同一个任务还没完，但原始过程太臃肿了。最好加一句 hint， 告诉他重点留什么。 sub agent， 派一个临时同事去干脏活，比如读一堆文件，查一堆资料，最后只把结论带回来。 模型不是人桌子，也不是真的桌子，但这个策略对于模型来说够用了。不是所有的东西都应该留在主 section 里。 工程上你可以这样判断，如果接下来还需要这些细节，就继续。如果刚才走错了， rewind 如果换任务了， clear， 如果还在同一任务，但桌面太满。 compact， 如果只要结论，不要中间过程 sub agent， 所以 cloud code 越用越笨。很多时候不是因为窗口不够大，而是你把工作台当做了仓库。最后记住一句话，长上下纹不是记忆力，干净上下纹才是生产力。
27吃AI的鱼🐟
