claude怎么看任务进度
今天我们讲了卡尔扣德从零到一的最重要的八件事。那会按照零基础的方式啊，把安装接国产模型、卡尔点 m d 常用的命令、 skill、 m c p 户口和子代理啊，一次性讲清楚。那看完之后呢，也不用学怎么写代码，也能知道怎么把卡尔扣德用到真实的任务里面。 那先说清楚啊， cloud 扣的是什么？那它是 azurecode 官方推出的 ai 编程工具，最早主要是在终端里面使用的。很多人一听到终端两个字啊，就感觉害怕，觉得这是程序员才会碰的东西。但其实你不用这么想啊，那终端只是一个输入框，你在里面不是写代码，而是用自然语言告诉 ai， 你 想让他帮你看文件，改内容， 写问题，写脚本、处理资料，甚至生成文档。那所以这期视频啊，我不是讲给专业程序员听的，而是讲给完全没有代码基础，但真正想把 ai 工具用起来的人听的。那最近有一个很明显的现象啊，很多人在从 code 转向 codex， 那 这个我并不回避啊，我自己也在用 codex， 但我的态度是啊，我用了 codex， 也没有卸载 codex。 那 原因很简单啊，第一， codex 的 agent 架构做的很扎实，那它不是简单的回答问题，而是会围绕一个任务去看文件，拆步骤、执行命令，等待你确认 再继续往下去做。那他对上下文、权限、工具调用这些东西的处理啊，是目前 ai 智能产品里面比较成熟的一个了。那第二， cloud 模型啊，本身的能力也确实很强，那尤其是在遇到复杂任务时， 他不是只会往前冲，而是比较擅长先分析，再规划，再动手，那输出的质量相对比较高，那一个强模型，再加上一个工程化做的比较好的 ai 等工具，那组合起来效果啊，就会明显更好一些。 首先我们来先安装 cloud code， 那 mark linux 还有 windows 里面使用 wsl。 同学啊，先打开终端，把屏幕上的这条命令复制进去，再回车。那 windows 啊，直接用系统自带终端。同学， 先确认你打开的是 power share 还是 cmd， 因为这两个地方用的安装命令啊，不一样，你不用理解原理，只需要跟着屏幕上的命令复制粘贴就行，安装过程会自动跑一会啊。安装之后，在终端里面输入 cloud， 然后回车。那如果你能够进入 cloud 的 对话界面，那就说明安装成功了，你也可以输入 cloud 刚刚 version。 那 如果终端打印出一串版本号，那也说明你安装成功了。 那这里给零基础用户的一个小提示啊，如果安装过程中出现了红色的字，比如报错啊，找不着命令啊，不要慌，你只需要把那段错误的信息啊完整的复制下来，发给你能访问的任意 a a n， 让他帮你判断原因。大多数的安装问题啊，比如网络啊，权限啊，路径没刷新啊，这些问题基本上都可以解决。 那如果安装后提示找不到 cloud 啊，你可以先关掉终端，再重新打开一个窗口，再试一下。当安装完成之后啊，下一步是解决账号和模型的问题，那这里分成两条路，第一条是官方的路径， 如果你能正常订阅和登录 cloud， 那 直接在终端里面输入 cloud， 然后跟着提示打开浏览器登录，那这条路啊，最简单也最省心。但是如果你无法使用官方登录，也可以在符合 cloud 的 模型服务商和当地法规要求前提下， 接入你自己有权限使用的兼容 a p p。 那 这里重点不是教大家绕过规则啊，而是讲清楚 color code 的 模型配置思路。那这里可以使用一些模型切换工具，那比如说开源的 cc switch， 它不是修改 color code 的 本身，而是帮你切换 color code 的 请求模型时使用的地址和密钥。那您可以理解成 color code 还是二工具，只是它背后调用的模型接口啊， 其实可以换的。那这个模型啊，可以是 cloud， 也可以是其他兼容 cloud 接口格式的模型，比如国产的大模型，或者第三方中转平台提供了模型， 具体怎么选啊，我给大家两个思路，那第一种，国产大厂官方 a p m， 那 比如 deepsea g r m 这类，你可以理解成是官方直营店，那优点是啊，来源清楚，相对更可靠。那第二种啊，第三方中转站，它更像一个模型超市，里面可以集成很多国内的模型，那选择更多，用起来也方便。 比如 offox 点 i o 这类中转平台，那模型选择会比较多，在这里一定要说清楚啊，第三方中转站会经过第三方服务器处理你的请求，那如果你要处理公司的代码，客户的资料，商业的合同密钥、账号密码这类敏感的内容啊，就不要随便的走 第三方了。那新手可以先用它来做学习测试，个人项目不要一上来啊，就处理相对敏感的数据，那这里用 cs 位置，我们来做一个演示啊，打开软件后，再点击右上角添加供应商，填入平台给你的接口地址和 api k 保存，然后回到终端重新输入 cloud。 那 如果能够正常对话，就说明已经接通了。那接通之后啊， 我们就可以真正的开始用 cloud 了。那你可以随便进入一个文件夹，在终端里面输入 cloud， 然后直接用大白话提问，那比如这个文件夹是做什么的？比如帮我看看这个里面有哪些文件，或者这个项目怎么启动的，帮我整理一下这个项目目录里面的内容。那有一点新手一定要知道啊， 在动手改文件运行命令，访问外部资源之前，通常会先问你要不要批准，那这不是出问题了，而是他的安全机制。那你看到他停下来问你，先别紧张，他是在告诉你，我准备做这件事，那你同意吗？那这里讲一个非常重要的操作啊，按住 shift 加 table， 可以 切换工作模式。 新手最常见的三个模式是第一个 default， 也就是手动确认模式。它比较保守啊，读文件可以直接读，但要改文件运行命令，一般都会来问你。第二个 accept edits， 那 适合你已经大致信任它的方向呢？它会自动地批准项目目录里面的文件编辑，以及一些常见的文件操作，比如 如创建文件夹，复制移动文件。但复杂命令敏感操作超出范围的路径啊，他仍然可会问你。那第三个 plan， 也就是计划模式，那这个模式啊，非常适合新手，那 cloud 会先看项目，查文件，写方案，但不会直接改你的代码，那你看完方案觉得可以再让他继续？那还有两个更激进或者更特殊的模式啊，第一个 auto 模式， 会用后台安全检查来减少频繁的确认，那适合长任务，但不是所有账号模型环境都能用。第二个是 bypass formations， 那 它是最激进的模式，会大幅的减少权限的确认，那这个只适合完全隔离的测试环境容器或者是虚拟机？那正常电脑和真实的项目里啊，新手那不建议开启。 另外还有 don't ask 这种更偏高级配置和自动化场景的模式啊，新手可以先不用管。那所以你刚开始啊，只需要记住一句话就够了， 熟悉的时候用 default 或 plan， 尤其是重要的项目，先用 plan。 我 建议新手第一次使用时啊，记住一个安全四步，第一，先开 plan， 让他说清楚准备做什么。第二， 看懂方案之后啊，再让他修改。第三，改完用，先干 def， 看他到底改到哪里。那第四啊，如果不满意，用 rewind 回退，那重要的文件最好先做好备份，可以放到 get 里面，那这样就可以放心的去改，也不怕是错了。 接下来会讲一个非常实用的功能啊， cloud 点 m d， 那 你在项目文件夹里面输入斜杠以内，那 cloud 会自动扫描项目，然后生成一份 cloud 点 m d 文件，那这个文件是干什么用的？打个比方，它就像你给新同事写了一份入职说明，那这个项目用什么技术，怎么启动，有哪些规矩，哪些地方不能乱改， 都可以写在里面。那以后啊，你每次在这个项目里面打开 color code， 它都会先读这份说明，这样的话你就不用每次重复的交代了。比如你可以在 color 点 m d 里面写，那这个项目用 p n p m， 不要用 n p m。 修改代码后啊，要先运行测试用力。所有的中文文案要保持口语化，那生成脚本时啊，优先放到 script 目录。那 这里有个关键点啊， color 点 md， 它不是强制的规则， color 会参考它，但并不是百分之百的绝对服从。这句话很重要啊，后面讲户口的时候，你会发现 color 点 md 更像主妇。那户口啊，更像硬性检查。而如果你想修改项目的记忆，可以输入 scan memory， 它会帮你查看和编辑相关的记忆文件。 可扣的里面有非常多的斜杠命令，直接输入一个斜杠，就能看到当前可用的命令列表，而官方命令很多，这期不可能全部讲完。那新手也不要一上来就背命令大全，先按使用阶段记。第一类，新手必备斜杠 plan， 进入计划模式，遇到大的改动，先让他写方案，不要直接动手。 斜杠 def， 查看这次到底改了哪些文件，那只要涉及到文件的修改，改完啊，都建议看一眼。斜杠 rewind， 也叫斜杠 angle， 可以 把代码和对话回退到之前的某个检查点，那 call 做错了，你不用慌，回退就行了。斜杠 help 忘的命令啊，就敲这个。 第二类啊，你用了一段时间之后，再去记斜杠 context， 查看当前对话占了多少上下文的空间。你会看到一个格式化的网格，知道这次聊天是不是快塞满了。 那斜杠 compact， 对 话太长时啊，你用它来压缩历史，让任务能够继续往下去做。那斜杠 clear， 换新任务的时候啊，清空当前的绘画，但项目里的卡拉 d m d 记忆不会丢。那斜杠 resume， 找回之前的绘画，那斜杠 relim， 给当前的绘画起个名字，方便以后可以找得到。斜杠 b t w 顺带问一个题，外化，而且它不会把这个问题加入到主对话的历史，那这个命令很多人不知道，但很好用。 第三类是开始做真实项目之后，你再用那斜杠 model 来切换模型。那简单的任务啊，你可以用便宜的更快的模型。那复杂的任务啊，再切强模型。 斜杠 code review， 让 cloud 检查这次改动有没有明显的 bug。 那 斜杠 doctor 安装登录配置出问题的时候啊，先跑这个来做诊断。那斜杠 m c p， 查看和管理 m c p 的 链接。斜杠 hux， 查看当前配置了哪些 hux。 斜杠 tasks， 如果后台有任务在跑啊，可以用它来查进度，那所以新手不需要你一口气记住这七十个命令，你先记住四个就够了。斜杠 play， 斜杠 leaf， 斜杠 rewind 和斜杠 help。 那 如果说 cloud md 是 整个项目的规矩啊，那 skill 就是 某一类任务的专业手册了。那什么时候需要 skill 啊？当你发现自己总是在重复交代同一套要求，那就可以考虑把它做成 skill。 比如你每周都要写周报，而且格式固定，那本周完成遇到问题，下周的计划需要协助，那你就可以让 cloud 帮你创建一个写周报的 skill。 那 以后你只需要调用这个 skill， 它就会按照你固定的格式和语气来写。那再比如啊，你经常让 cloud 的 做代码的审查，写发布说明，整理会议纪要，检查短视频脚本开头，这些啊，都可以做成 skill。 那 cloud code 里面也内置了 skill， 比如和调试代码，审查循环任务， cloud 的 api 开发相关的能力。你可以输入斜杠 skills， 查看当前有哪些 skill。 skill 的 好处是啊，它不是每次都把一大段的说明塞进对话里，那它平时只显示名字和简介，真正用到的时候啊，才加载完整的说明。所以它适合放比较长，比较专业，但不是每一轮都需要的任务的流程。那一句话来理解啊， color md 适合放长期都要知道的项目背景。而 skill 啊，更适合放某一类任务的固定操作流程。 默认情况下，克拉扣的能够看你电脑的文件。但如果你想要让他读取 lotion github 数据库， seedra， snack， figma 怎么办呢？那这个时候啊，就用到 m c p 了，那你可以把 m c p 理解成是一个万能的转接头。那接上之后啊，克拉的就不只是能看本地的文件，还能通过 m c p 服务器访问外部的服务。 那比如你可以跟他说去 github 上面查查这个因素，然后帮我去修，根据 lotion 里面的报错，判断问题出在哪里。 那我演示一个最简单的例子啊，你可以连接一个不需要太复杂配置的官方文档类 m c p 服务器，把屏幕上放了一条命令，复制到终端里面执行， 然后输入写个 m c p， 那 你就可以看到 m c p 的 连接状态。但这里也需要提醒一句啊， m c p 并不是装的越多越好，因为 m c p 连接的可能不是普通的资料，而是带全 权限的外部服务，比如你的代码、仓库、数据库、公单系统、云服务。你要确认这个 m c p 的 服务器可信，尤其不要随便来接来路不明的 m c p。 那 对于新手来说啊，先记住一句话， m c p 是 给 cloud 接外部工具的，但只接你能够真正信任的工具。 那前面讲 call 点 md 的 时候，我留了一句话，那 call 点 md 是 建议 call 会参考，但不是强制执行。那如果有些事情你不想靠它记得，而是希望它到了某个点就必须执行，那该怎么办？那这时候啊，我们就需要用到 hook， 那 call 点 md 像嘱咐，而 hook 啊，就像规则， 可以在 cloud 点 m d 里面写，每次改完代码后啊，请格式化，但 cloud 有 时候可能会忘，可能会觉得这一步不重要，但户口不一样啊，户口可以配置成只要文件被修改，就自动运行格式化了命令。或者在 cloud 运行某类命令之前啊，先做一次检， 那这个有点像车间里面的自动质检，他不是靠工人级的检查，而是东西一旦走到这个工位，就必须过一遍检查。那当然顾客也需要写一点配置啊，今天我们不展开怎么教你写，先建立一个认知，当你需要强制执行某个动作的时候， cloud 点 m d 就 不够用了， 这个时候需要考虑使用 hook， 你 想要看当前项目配置了哪些 hook 可以 输入斜杠 hook， 那 新手刚开始不用着急写 hook， 你 先把 color 点 m d 用手，等你发现某件事情老是忘，老是需要重复提起，再考虑把它变成一个 hook。 那 最后我们来讲讲子代理，也就是 sub agent cloud code 处理任务时啊，有一个上下文的窗口，你可以理解成它这次对话的工作台，但任务越复杂啊，读过的文档越多，工作台就会越乱，后面的回答呀，可能 就会越慢。那这个时候啊，你就可以用子代理。子代理就像你请了一个专职的助理，让他去做某一类工作，比如专门的去查代码，专门做计划，专门跑调研，那他在自己的上下文里面干活。那最后啊，只是把结论汇报给主对话，那这样主对话就不会被一堆搜索结果、日期文件这些内容给塞满。那 cloud code 啊，自带一些子代理，比如 explore plan， general purpose， 那 explore 更适合搜索理解代码， plan 更适合做计划， general purpose 更 通用。那你可以创建自己的代理，比如专门检查文案的紫代理，专门查数据库问题的紫代理，专门做代码审查的紫代理，专门研究竞品资料的紫代理。那现在新版考奥扣的理啊， 一个 agents 的 表现会因为版本的不同而变化，那有的版本会打开管理界面，那有的版本会提示你，让 koala 帮你创建和管理子代理配置。那你这里不需要纠结，直接对 koala 说，帮我创建一个专门做代码审查的子代理，或者帮我看一下当前有哪些子代理可以用。那如果任务在后台跑啊，还可以用 tasks 去查看进度。那再多说一句啊， 紫代理网上还有 agent teams， dynamic workflows 这类更高级的玩法，可以一次调度很多代理运行工作，但这个对于新手来说还是太早了。那今天先记住最基础的一点啊，紫代理是用来处理支线任务的，节省主对话上下文 回顾一下，今天我们讲了卡尔扣的从零到一的最重要的八件事。安装、借国产模型、卡尔点 m d 常用的命令、 skill m c p 户口，还有紫代理。那如果你是零基础啊，不需要上来全部掌握，先记住一个最小的闭环， 装好可拉扣的解决账号和模型。那进入项目后，先用 plan 模式，用卡二点 m d 来写项目的记忆，改完啊，用斜杠 def 去做检查，不满意啊，用斜杠 rewind 的 去做回退。那做到这一步啊，你就已经能够安全的开始使用了。那后面的 skill mcp hook， 紫代理是 你用手之后啊，慢慢加上去的能力，他们并不是一开始就必须要会的，但他们决定了卡尔扣德能不能从一个聊天工具变成你真正的工作流的助手。可以在评论区分享啊。安装，接模型，卡尔点 m d， 常用命令， skill m c p book 子代理，这八个里面哪一个是你想详细了解的？那我之后啊，可以出一期专门来讲，那我是新奇，带你从零到一，学学 ai。
粉丝1.0万获赞6.9万
相关视频
02:49查看AI文稿AI文稿今天给大家介绍一个超级实用的 cloud code 插件， cloud h e o d， 它能让你实时看到 cloud 的 运行状态，包括上下文使用情况、正在使用的工具、运行的代理以及任务进度。就像给 cloud 装了个仪表盘，一切尽在掌握。 cloud x u d 的 核心功能非常强大，首先它会显示项目路径和 get 分 支，让你清楚知道当前工作环境。 其次，实时显示上下文健康度，避免超过限制。最重要的是你能看到工具、活动、代理追踪和任务进度，让 ai 的 每一步操作都透明可见。 安装非常简单，只需要两个命令，第一步添加市场插件，第二步安装即可。 linux 用户需要注意设置临时目录，安装完成后，重启， cloud code e o u d 就 会自动出现在你的终端底部， 整个过程不到一分钟，零配置开箱即用。默认情况下， h u d 会显示两行信息， 第一行显示模型名称和项目路径，第二行显示上下文进度条和使用率限制，上下文条会根据使用情况变色，绿色表示安全，黄色表示警告，红色表示即将满载。 你还可以通过配置启用更多可选信息。行，通过配置命令，你可以启用更多强大的可选功能。工具活动行会实时显示 cloud 正在读取编辑或搜索的文件。代理状态行跟踪所有子代理的运行情况。 任务进度型则显示当前任务的完成进度，这些信息让你完全掌控 ai 的 每一个操作。 cloud hud 支持丰富的定制选项，你可以选择完整核心或最小预设，也可以单独开关每个元素 支持一到三级目录深度显示，可以自定义颜色、主题，甚至可以调整上下文域值、使用率、警告级别等高级设置。 所有配置都可以通过直观的交互式向导完成。 cloud hud 利用 cloud code 原生的状态行 api 工作，不需要额外窗口或 tamox， 在 任何终端都能完美运行。它直接从 cloud code 获取原生令牌数据，而不是计算值。 支持百万级上下文窗口，每三百毫秒更新一次，确保信息始终实时准确。 cloud r u d 是 提升 cloud code 体验的必备工具，它让 ai 的 工作过程透明化，帮助你更好地理解和使用 cloud。 安装只需一分钟，配置简单灵活，支持丰富的自定义选项。如果你经常使用 cloud code 这个插件绝对值得一试。项目开源免费， github 上有详细文档。
143老王Bingo
00:41查看AI文稿AI文稿我马上要出门健身了，但是 clock code 呢？还在跑长任务，所以我就告诉他，一旦你有重要的操作和结果，就发到我的手表上，让我确认。我们先测试一下，看他能不能做到。 比如说这里我让他先删除一个文件，如果他是知道这是一个比较危险的从操作的话，那么他会通知发到我的手表上，我现在手表上已经收到这个通知，然后我可以点他这里，我点击确认就行，就代表已经删除这个文件了。 那么这样一来，我就可以在外面健身的同时，也能了解到我电脑上的操作进展和任务结果了。
27甘寻
19:38查看AI文稿AI文稿大家好，我是老吴，今天给大家介绍动态工作流， dynamic workflow， 呃，它是最新的，呃， cloud code， 呃，二点一点一五四，它伴随着 up， 四四点八一起发布。然后呢？呃，这个版本 动态工作流它已经默认开启了，说明已经可以生产可用了。然后它是一个什么样的一个技术呢？呃，简单来讲就是它，它是让 card， 它自己写一段调度脚本， 然后呢在后台指挥，呃，很多个智能型来并发地进行工作，它只把核对勾的结果来交还给你。 要想使用这个功能的话，就是，呃，我们 cloud 的 版本必须是大于，呃，二点一点一五四的， ok， 我 们继续。那什么是 cloud workspace 呢？也就是我们刚才讲的它是一段 cloud， 这，呃，这里我们需要注意，它是现场编辑的 js 脚本 编排脚板，就这个脚板不是我们呃事先编排好的，而是 cloud， 它根据它的实际情况现场编写的。而且这个，呃，嗯有独立的运行时呢，在后台进行执行。 它的智能体也有它的智能体就是，呃 sub sub agent， 它，呃主要是负责一些就读文件，跑命令研究凭证这样的操作，它的脚本只负只是负责来协调 主绘画呢，只收到最终的答案。这样的一个设计呢，就和我们之前小龙虾的那个设计是比较类似的， 有一个主的 agent 来负责收集信息，一些子 agent 负责跑一些，呃负责干具体的任务，然后他这边比较好了，就是他，嗯， 用 js 来编排脚本，这样的话就保持保证了。呃，最大的一个灵活性， ok， 他 到底解决一个什么样的问题呢？他第一个解决问题就是，呃上下文比较长的这样的一个问题，就是单个任务上下文比较长 算不下去，然后虽然我们现在的模型上下文也比较大了，但是总会有爆炸的一天，然后呢他就把状态挪进一个脚板的变量里面， 这样就解决这样的一个问题。然后呢规模化，就是它可以一次开几十或者几百个智能体来并发的进行执行任务，这样的话 效率就是呃会呃更加的一个快。 他这边比较厉害的一个地方就是他加上了一个对抗式的验证，就是他的独立智能体，他会互相的进行反驳，他只会留下，就是最经得起考验的这样的一个结论。 还有一点呢，就是他的这个脚本是可附用的，就是这个工作呃工作流我们可以把它保存下来，下次呢可以一键进行重放， 它的卖点呢就是不是快，而是更可靠，更可信，更可附用 这样的一个设计的，呃一个思路呢，就和我们之前讲的 harness 是 比较类似的，它就是其实呢它也就是 harness 的 一个实现的一种方式吧。 那这一趴呢，我们主要讲讲它什么时候才能用呢？第一点呢就是上下纹比较长的时候， 然后第二一点就是呃我们的嗯切分切分策略就是，呃我们是未知的， 就是我们前面讲的它是它的脚本是动态生成的，这样呢是比较适合。然后第三一点呢就是我们对质量要求是比较高的，我们不在乎 talk 呃消耗多少， 符合这三个条件呢，我们就适合来用 workflows， 我 们看下具体的，就是比如说做一些大规模的文件的一些迁移，然后做一些全代码仓库的一些，呃架构的一些审计， 然后陌生代陌，呃陌生代码库的一些 bug 的 一些排查，然后做一些压力的测试。呃，最后一点呢，就是它的结论必须经得起呃对抗贫瘠这样的一些任务。 之前讲了一些 workflow， 那 它和 sub agent 的 skills 有 什么区别呢？我们一起来看一下。 sub agent 就是 本质上就是它是 cloud 派出去的一个工人， 然后呢这个它是由谁决定它的下一步做什么呢？它是由 cloud 就是 一个回合，一个回合你和它探讨它的中间结果，它存在一个上下文里面 啊， skill 呢，就是它正确的一些指令，就是呃最简单的讲就是一些提示词，它的结果也是保存在它的上下文里面。 workflow 呢，它的本质就是运行时执行的一些脚本，就是是 js 脚本，它的呃 脚本是 g s 现场写的，所以它是比较灵活，它的中间结果呢是存放在一些变量里面，这样就解决了一些上下文刚才我们讲的上下文呃不够的问题。 呃它的是整个编排本身是呃可附用的，就是我们把这 gs 绑下来可附用，然后呢它的并发症就是一次可以跑几十或者几百个这样的一个 agent， 然后在 sub agent 或者 skills 它会它如果被打断的时候，你必须要经过重新跑啊。 workflow 呢，就会发同一个会发绘画之内它是可以呃进行恢复的。 总总体来讲就是它是用脚本来实现它的灵活性，用一些大量的 agent 来实现它的一个并发症。 ok， 那 这个功能是怎么开启呢？嗯，一种方式就是通过 deep research， 这是一个，嗯， cloud 内置的一个 skills， 就是 它是联网搜索的搜索这样的一个功能。然后呢它还有一个第二种方式，就是有一个关键字，就 workflow， 第三个关键词就是呃，用 effort 等于 ultra code， 这样的话就是让 cloud code 去自己去判断到底使不使用。嗯， workflow， 嗯，正常来讲就是我们一般都是不用呃阿秋，阿秋，可这样的一个模式，这种模式就是更费更费 talk， 而且会比较慢。 ok， 待会我们和大家一起来再详细的演示。 然后这个 workflow 运行起来，我们怎么进行查看呢？它也是比较简单，就是斜杠 workflows 就 可以进行查看了，然后呢这是它的一些快捷键， 然后 s 就是 可以把这个 workflow 保存下来，我们待会和大家一起演示。 然后呢就是 workflow， 它的提示词，它是有一些规范的，比如说 scope 就是 它的一个一限定的一个范围，就是你要改的东西限制在哪里。 它的输出也是有一些约定，就是你必须说清楚输出的一个格式。 然后呢就是 verify， 这就是一些验证的规则，它主要是用于交叉，交叉验证的时候。然后呢就 edit 编辑的策略，有大的任务，它是先读，避免呃意外改一些，呃，就是 把一些不该改的文件把它改掉了。 workflow， 就是 这篇讲呢就是怎么进行保存，下次使用就是把那个 i s 把它保存起来，它的默认是保存在项目级，就是 就是像嗯，这个当前项目下点 cloud workflow。 然后呢还有一种情况，个人级的就是保存在当前用户下面的 cloud workflow， 呃，首先呢就是我们用 workflow 它的费用肯定是，嗯，更高的，因为它会消耗很多个 token。 然后呢第二一点就是我们这些智能体，我们要把它改成 accept edit 模式，呃，以避免就它一直呃问你要一些权限， 这边它我们嗯讲它有一些限制，就是它最多就是十六个病房，然后单是最多跑一千个智能体。在前面我们已经讲了， 这边讲了怎么把它关闭，就是 disable 对 to， 那 我们给大跟大家演示一下。 ok， 我 们接下来和大家做一个演示， 我们看到了我们最新的，我这边呃 cloud， 它已经是呃二点一点一五八这个版本，然后我们用的模型它最新的也支持到 up 是 四点八，然后它怎么开启呢？它 我们看下它四点八这个版本，它默认 downemik， 它是 true， 它已经默认把它开启了。好，我们直接用就可以了。 ok， 我们首先呢我们用那个 deep research 这种方式， 就让它在网上去查一下 node js， 呃，二十和二十二这样权限模块这样的一个差异， 看它已经提示你了，可以用 workflow 进行查看， 它分为以下的工，以下的一些流程就 scope， search， fetch， very far， very far 是 非常重要的。然后就是合并，我们看一下 workflow， 它就是刚才我们看到的分为五个阶段， 右右键，就是方向键，右右键，然后就可以看到它的一个详细的过程。 在下方我们也看到它的上下可以进行切换，然后杠 p 可以 把这个 a 镜头把它停下来，然后 e s a 返回， s 就是 把它保存下来，我们返回， 然后我们看一下第二个，第二个它已经完成了这期，这它已经完成了。然后呢这边写的它是用到的，中间显示的它是用到的模型，然后右边呢它显示的，呃，用到了一些 token。 ok， 我 们随便选一个看一下， 它已经结束了。 我们这边看到他一共有四五个 agent 在 并发在跑。好，我们看到他已经完成了，这是他的一些结果， 然后我们看到他用到了九十七个 agent。 好， 我们返回。 ok， 他 已经结束了，然后他现在把结果返回给我们。 ok， 这就是它的一个呃结果。然后我们看一下 这个就是我们刚才的 delete 这样的一个工作流，我们按 s 的 话就会它就可以把它保存下来，这就是保存的一个名字，唯一， ok 让你保存下来了，这是保存的一个位置。 ok， 刚才我们演示了 deep refresh， 然后我们再和大家看一下。呃，这个关键字， 它只要有 workflow 的 workflow 关键字的话，它就会那个，它就会用 workflow， 你 看到了没？这个 workflow 它是变成彩色的。 workflow 它是变成彩色的，但是我们如果不想它变成彩色的话，我们按一个 delete 键就可以了，看到没它就过去了，然后我按空格键重新让它变成彩色的。 ok， 它变成彩色的话，它接下来跑的话就是 用 workflow 的 这样的一种方式。 这 walkthrough 呢？它的主要的任务就是我们让它分析呃这样的一个项目， 然后我这边指定了，就分析用海库模型，然后呢用 opus 四点八模型进行一个汇总，然后生成嗯，这样的一个分析报告。 那首先呢，就把项目，它把它呃克隆下来，然后它这边还在跑， 这个克隆的项目我觉得还是蛮叫，呃，还是比较不错的。它把 open spec 和 super power， 呃，把它结合在一起，然后用它们 就是一个优势，用它们各自的一个优势， open open spec 它主要负责设计。然后呢，这个 power 是 它是基于滴滴 tdd 的 一个开发。 ok， 它已经跑完了，因为我们之前已经跑过一次，所以它现在跑起来现在还是比较快。 ok， 它已经结束了啊，还没结束，还在跑。 ok， 这个我们让他等着吧，然后我们回来，然后我们再和大家演这个，就让他跑着，然后我们再和大家演示一个另外一个叫做 effort otood， otood， 这样，嗯，来开启 workflow 的 一种方式。 ok， 看到没？它开启以后，它会这个颜色会变成一个一个。呃，彩色啊，等几秒钟它就回去了，然后我们把它切换回来，就是用 hi， ok， 看到了吗？我们再和大家演示一下，它变成一个彩色，跟那个 workflow 的 刚才的颜色是一样的。 ok， 行，今天这个视频呢，我们就和大家介绍了一个 color code 的， 呃，四点八 这样的一个新的一个功能， workflow， 呃，在有些场景下用这个还是比较方便的。 ok， 嗯，今天这个视频就和大家讲到这里，如果喜欢的话可以点赞、收藏、关注，谢谢大家。
16老吴聊技术
00:48查看AI文稿AI文稿平时你打开 cloud code， 会在终端里面去输入 cloud， 但你有没有试过在 cloud 前面加一个 olement？ 当我输入 olement cloud 时，除了会打开 cloud 的 终端界面， 还会发生一些有趣的事，比如我手表上的电池，宠物会从闲置变成工作状态。然后这里我想要让 cloud 帮我梳理一下上周我用这台电脑做的哪些事情。他也会在执行这项任务的过程中，把重要的消息转发到我的手表上，让我们确认。 这意味着我不需要一直坐在电脑跟前盯着屏幕，随时出去活动下，也不会漏掉 coco 的 任何重要的消息，既能保证他的任务顺利执行，也能让我充分的掌控整个 web coding 的 过程。
76甘寻
01:45查看AI文稿AI文稿之前小龙虾特别火，现在这个 ai 员工的概念也特别火，但是其实我觉得我们只需要打开三个 clock 开关，就可以让它二十四小时帮我们去完成任务，并且远程的去操控它，让它随时随地都为我们工作啊。 a k a 变成一个超级牛马就是第一步，我觉得要接上我们想用的 m c p。 嗯，其实 m c p 它就可以理解为它和呃外部工具进行一个连接，那么通过 m c p 它就知道怎么去操作啊。其他外部工具，比如说我现在把我的 cloud 和我的飞书连起来了，嗯，它可以直接帮我看飞书，消息，写文档等等。那在这个基础上再给它开一个 skill 叫做 go 这个 skill 的 话，就会让他定时的去自检他有没有完成你给他的这个任务，如果没有的话，他就会自动推进。如果用这个 skill 的 话，他就是不达目的不罢休，他没有做完的话，他会有外部的一双眼睛再来监督说，哦，你有没有做完的话，你要继续做。还有一个很重要的就是啊，一定要开这个 auto mode， 你 开 auto mode 的 话，他就不会让你啊不停的要去给他 permission， 或者是让你啊肯定他的 plan 啊，他会用一个更高级的 agent 发出的一些请求，如果他觉得 ok 的 话，他就会准许的。嗯， 所以我觉得啊， auto mode 加上 go 它就可以一直一直运行。如果说，呃，我们需要定时运行一些任务的话，也可以直接用 schedule 这个 skill 啊。嗯， 如果是用的 clock code 的 话，它是可以在云端运行的，所以说，嗯，你即使电脑关机了，那么可能它也可以定时帮你去运行一些网页抓取啊，或者等等啊 这样的任务。那如果说我们有一些工作需求或者是临时可能不在电脑边上话，我们用 remote control 也可以完全实现。呃，我们在手机的 app 上面直接操作可 口的，所以基本上你只要一台电脑放在家里，他就可以像小龙虾一样做到你在手机上跟他发消息，他二十四小时啊，一直按照你的命令去运行啊。那么这也相当于是一个你自己专属的数字员工吧。所以我觉得要善用这一套 skill 啊，我靠他会赚飞快。
6八氧化索
01:22查看AI文稿AI文稿code code 聊着聊着突然失忆，前面的是全网，还张冠李戴，你以为是他变笨了？不是，是上下文压缩把他压傻了。群里有兄弟问我这怎么解决，今天就分享我的五个方法。先讲清为什么失忆。一个对话是有上下文上线的，满了他会自动压缩，把前面的对话浓缩成药物，腾出空间。问题不在压缩本身，在于被动二字， ai 自动压的时候，保留什么丢什么是他决定的，你完全不知道丢了啥。 最坑的是你总是在上下文爆满，大模型最笨的时候再让他自动压缩。我只能说一句，真的勇士！第一招，别等他自动压，在对话还没满， ai 还聪明的时候，你主动让他总结，你直接说把现在这个任务的进度压一下，记清楚你完成什么，代办什么，下一步干什么，需要什么重要细节，同时给我接下对话，开启提示词，你盯着压什么，比他自己压靠谱的多。 第二招是我用的最多的，干脆做好状态文档换对话，具体做法，干到一半要换之前让 ai 写一份状态文档，三件事说清楚，完成了什么，还差什么，下一步怎么接，再让他给你一份状态，重开新对话开头把这份状态文档以及提 丢给他，他接着就能干。记忆一点，不断进阶法，我把这事自动化了，写了两个库，绘画启动，自动注入昨天和前天的复盘代码，绘画结束自动把今天的存下来，我都不用手动记， ai 自己接上这一招，自跨绘画失忆从跟上解决。前 面两招是压缩的时候怎么保住记忆，还有两招是让上下文别那么快满。第三招，分模块开发，一个大任务拆成几个模块，做完一个就开新对话，每个模块独立，上下文别一条，对话干到。 第四招，脏活外包给纸代理，具体的执行交给纸代理，他干完只把结果交回来，过程不占你主对话的上下文，主对话只管指挥。最后一招，技术小彩蛋，在设置里把自动压缩域值调低，默认是满到快报才压你，调到百分之五十到百分之七十，趁 ai 还聪明就压，质量更高，压缩不是问题，被动压缩才是。
135土木AI提效大古
01:23查看AI文稿AI文稿如果你用 cloud code 还是没几分钟回来点一次继续，那它再强也只是一个高级打字员。这条视频不是教你破解系统，而是讲清楚怎样让它在边界内更自主地把活做完。第一个命令，先用 go， 不要只说帮我改好，而要写清楚验收结果，哪些文件要变，哪些测试要过，最后输出什么。第二步先写 spec， 再开 auto mode， 向执行权限 顺序反了，它就会边拆边停。第三个是 loop， 它适合让 cloud code 隔一阵回来汇报状态，发现卡点在继续， 但它不是后台服务，不要指望它无限运行。第四个是 batch， 大 任务，鼻一口吞，先拆成几个子任务，改接口，补测试、修页面、跑验证， 拆清楚以后执行才稳。第五个是 simplify， 很多人做到能跑就停，其实这一步很关键，让他把临时代码、多余分支重复逻辑收掉，项目才不会越改越乱。 第六个是 debug 和 doctor， 当报错环境依赖测试结果对不上时，先让他自己排查一轮，再把结论给你看。 记住这条主线，先定义终点，再允许自动执行，中途定期回看，做完以后清理和验收。我是何公子，关注我，学习更多 ai 知识！
07:09查看AI文稿AI文稿go 命令实战一次设置多轮推进的关键是无手动提示，自动跑通所有测试模块，迁移 issue 清理一气呵成，可验证的最终状态，安心交棒。 本科路线图的关键是分清 go 与 loop。 stop hook 的 适用场景， 写出能被评估器准确判定的完成条件，随时查看进度，提前终止或恢复目标。用非交互式命令实现全自动任务。三种方式让绘画跑下去，但逻辑不同的关键在于核心概念要和实际操作放在一起。理解 用 go 的 方式，每一个回合结束后都不会停下来问你，后台会自动挑起一个评估模型，看有没有达成你设置的条件。如果没有， cloud 立刻开始下一个回合。只有评估器给出事的时候，目标才会清除，控制权才还给你。 所以这完全是条件驱动的。 loop 更像是定时器，你指定一个间隔，比如每隔三十分钟 crowd 就 自动跑一次，提示它不会去检查条件。你可能需要自己盯着，或者在脚本里判断什么时候可以停。如果你想停掉它，只能用 stop 或者关闭会话。 完全可编程的停止逻辑的关键是每个回合后触发你的自定义脚本，或提示脚本返回时决定停止或继续 配置，在设置文件中可跨绘画生效。 auto mode 解决的是回合内的事，比如不用再确认每个工具调用，但它不会在任务没完成时主动开启回合。而 go 刚好管的是回合之间的推进。所以如果你想做到完全不用提示，最好的做法是两个都打开。 现在我们来动手设置一个目标。这个过程非常简单，但背后的自动化机制会立刻运转起来。 你不需要再发送一条单独的提示。当你输入 go 以及条件之后， cloud 会把这个条件当做指令，马上开始工作。而且一个绘画里只能有一个活跃目标。如果你后来又想换个任务，直接用 go 写新条件就行，旧的会被自动替换。 当目标正在活跃，界面会出现一个小标志，告诉你已经运行了多久，而且每个回合后面的评估原因都会记录下来， 这样你就能知道 cloud 接下来计划往哪个方向努力。比如上一次评估说测试仍然失败， cloud 下一回合就会继续修。测试 条件的质量直接决定了 go 能不能成功。因为评估器不看文件，不会自己跑命令，它只能阅读 cloud 输出的内容。所以你的条件必须描述一个 cloud 自己可以演示出来的结果。 向所有 test。 dos 里的测试都通过就是一个好条件，因为 cloud 会自己运行 m p m test 测试结果就打印在对话里，评估器能读到。但如果你说修复所有潜在 bug， 没有可量化的标志，评估器就没办法判断了。 明确 clot 应如何证明条件达成的关键是写清验证命令，如 npm test exits 零，让 clot 在 回合结尾主动跑。这个检查评估器在对话中找到相应输出即可判定。 有时候 cloud 为了完成任务，可能会修改一些你不想动的东西，所以你可以在条件里明确禁止，比如过程中不许改动其他测试文件。整个条件最多可以写四千个字母，完全够你描述一个复杂的约束场景， 避免无限循环的办法的关键在于适用场景、操作边界和实际执行时的判断依据。试着把自然语言转化为评估器友好的格式的关键在于适用场景、操作边界和实际执行时的判断依据。 目标跑起来以后，你肯定想知道进度，也可能需要提前终止，并且绘画中断了也不用怕，目标还能恢复。这一节全讲清楚， 你随时打个 go 回车，就能看到当前活跃目标的完整状态。如果你在一个已经完成目标的绘画里用它，它会显示之前完成的目标信息，包括持续时间和令牌花费，这样你就能事后回溯成本 随时可以叫停的关键是 go clear 直接移除活跃目标，别名 stop reset， non cancel 都可以，清除后不会自动恢复，除非你再次设置 用 resume 或 continue 继续跑的关键时，绘画结束时未完成的目标保留下来，恢复时条件不变，但回合技术和令牌基线重置已完成或被清除的目标不会恢复。 很多时候，我们希望后台静默执行目标，结束后直接拿到结果。这一章就讲怎么用屁，以及让目标可靠运行的评估机制是什么。 cloud p go 条件的关键是在非交互模式下，用 p 设置目标自动循环，直到条条件满足。 control 加 c 可中断非交互式目标。基于提示的 stophook 包装器的关键是每个回合后条件和对话历史发给评估模型， 默认使用 highcool 小 型快速模型，模型返回 yesno 和简短元音。 重要的事情再强调一遍，评估器极其清亮，它没有工具调用权限，所以它不能自己去读文件或者运行命令。条件，所有测试通过之所以能工作，完全是因为 cloud 已经在本回合把测试结果打印出来了。如果你的条件是一个外部系统的状态，评估器是看不见的， 你可能担心多一个评估模型会大幅增加成本。其实不会，因为嗨酷非常便宜，而且每次评估只需要读一部分对话，不会冲跑整个任务。相比 clive 的 主模型处理实际工作的花费，评估的成本基本可以忽略。 信任对话框和 hooks 设置的关键是仅在你已接受信任对话框的工作区运行。如果设置了 disable all hooks 则不可用。 allow managed hooks only 也会限制 go。 一 条命令。完成所有 pr 登记的关键在于适用场景、操作边界和实际执行时的判断。依据 一次设置自动推进直到完成的关键是条件驱动评估器判断 yes， no 与 loop stop hook 各有适用场景。编辑条件要基于对话输出，非交互式命令，适合 c i 和离线人物， 学了就要用。建议你现在就去找一个你正要做的任务，比如重构一个模块或者批量修复 link 错误。在一个安全的分支上执行 go， 看看它怎么工作。同时打开 auto mode， 你 会体验到真正不需要键盘的自动化是什么样。 最后，想听听你的计划，你会把 go 用在工作流的哪个环节？是自动迁移代码，还是保持测试始终通过？或者自动整理文档，在评论区写下你的想法，也看看别人是怎么用的。觉得有用的话记得关注，下期我们继续深挖 cloud code 的 自动化能力。
15EVA-AI
05:05查看AI文稿AI文稿一条视频讲透 cloud code 的 常用命令，让你从此用它顺手到起飞。基础命令主要介绍表格中这些。来到 cloud code， 首先可以通过 model 命令切换到自己想要的模型。 以内的命令可以让 c c 通读一遍项目，生成 cloud md， 让它了解你的项目结构与规范。建议在 c c 刚接手项目时执行一遍 program 和 skills 命令，用于管理插件和 skills。 但是这里 skills 推荐用 c c switch 统一管理更加方便。 effort 命令用于控制模型思考的深度，不同难度的任务可以使用不同的思考深度来解决。 c c 目前有控制权，不同的四种工作方式，可以用 shift 加 type 快 捷键进行切换。复杂任务建议先在 plan 模式下制定清晰的计划，再逐步执行。 需要时可以通过 help 命令查看所有可用命令。任务完成后，可通过 exit 退出 c l i 界面。上下文管理命令如表格所示。使用 at 可以 引用文件或目录作为上下文，让 c c 读取文件内容后再回答问题。 id 命令用于添加额外的工作目录供 cc 访问。 b t w 命令用于在不影响当前进行中任务情况下进行提问，可以随时在这里问你想问的问题。 使用 a review 命令可以让 cc 回顾最近的操作和代码变更，给出改进建议。 rename 命令用于重命名当前会话，方便后续查找。使用 rewind 回退到上一个检查点，改错代码或产生不符合预期的结果时，快速撤销。 当绘画过长，响应变慢时，可以使用 compact 压缩当前对话历史，并以压缩的历史为起点创建新绘画 或者切换到新任务时，使用科尔直接清空对话历史，创建新绘画。 branch 命令可以保存当前绘画，并创建或切换新的分支。 前面新建绘画，切换绘画分支或者刚进入 c c 均可用 resume 命令查看历史绘画列表，并恢复某个绘画，继续之前的任务。 绘画完成后，可以使用 export 命令导出当前绘画的完整记录。配置与状态命令，如表中所示，使用 context 命令显示当前绘画的上下文信息，用于检查 c c 当前能看到哪些内容。 使用 config 命令可以查看或修改 c c 的 配置信息。这里还可以查看一些其他的状态信息。 permissions 命令，用于查看和管理 c c 的 权限规则，也可以查看我们使用 add dir a c c 添加的工作目录。 statslide 命令，用于自定义终端状态栏显示内容，比如我这里指定显示模型和上下文信息。 配置完成后，可以看到显示模型和上下文的状态栏了。 doctor 命令，用于检查 c c 环境配置是否正常，修复常见问题。 memory 命令，用于编辑长期记忆，保存为 cloud md 进阶使用命令，主要介绍表格中这些使用叹号，可以执行哨命令，并直接将输出作为上下文。 simplify 命令，用于分析代码，在逻辑不变的情况下简化代码，防止代码臃肿过度设计。 bios 命令，用于管理长时间运行的后台任务，比如我这里让 c c 启动我的项目，可以使用 bios 命令查看和管理前后端命令的运行。 拜托命令的作用是将庞大的任务拆解成多个独立单元并行运行，适合步骤重复、范围广泛的机械性任务。比如将项目从一个框架迁移为另一个框架。 i d e 命令用于让 c l i 与 i d e 交互，主要作用包括同步上下文、预览、代码更改等。 勾命令用于设定自主完成目标指定条件后， c c 会自主修改、测试、调试，直至工作，直到条件达成。 agent 命令用于管理多个 agent 的 实力，将对应任务分配给子 agent 执行并合并结果。比如我这里新建一个子 agent， 用于审查代码是否符合制定的代码规范，这样就新建好了一个专用于代码审查的子 agent， 执行对应任务时会自动调用它。 hux 命令用于配置事件钩子，让 c c 在 指定节点自动执行任务。通过命令配置有点麻烦，我的建议是直接让 c c 为你配置，我这里让他为我配置一个代码审查的 hux。 配置完成了，我们来测试一下。让 c c 为我们检查并改进后端的代码，看它会不会自动审查代码规范。首先看到它确实是先阅读了我的代码规范，这里发现它只进行了类型检查，并且没有使用我刚才新建的代码审查 agent。 让 c c 修复一下。 修复完成，我们现在重新测试一下，可以看到这次它确实是调用了我们的子 agent 执行。 本期就介绍到这里，谨记住，命令使用上有什么不懂的地方都可以让 c c 为你解决。
212insane
02:42查看AI文稿AI文稿大家伙在日常编码的时候可能会遇到一个情况，就是编着编着五个小时的限额不够了，那其实这种情况一般出现在我们是在五个小时的限额的头部部分， 但如果说我们能够把这个五个小时给他，尽早提前使我们的编码时段处于这五个小时份额的后半部分，那很容易的，我们就可以在下一个五个小时继续编程。 但实际上 clock code 的 话，有什么办法能实现这功能呢？那很简单，在开始工作前的五个小时，可以稍微再往前一点点，通过发送一条指令，告诉他我要准备开始工作了。 那具体怎么设置？今天我们就来看一看。其实得益于 clock code， 它现在有在向办公化转型这么一个动机。 其实在 coworker 里面有存这个 schedule， 其实顾名思义，又是安排好的日常。那我们进入 schedule， 点击这边的，然后这里可以看到你有了一些 schedule 的 tasks。 那我们现在要新建一个孩子，会开始跟你噼里啪啦讲很多东西。我付了钱你就应该办事，那拿你没办法，拜拜。哎呦，身体，这是我每天的深度时间，工作快，我希望你提前三个小时出发一个任务，告诉我现在这样了应该做什么样的事。 接下来系统里面还有哪些活在抖音？我昨天做的或者是上一段做了但没做完我们正在做的工作有哪些？系统提示说要点前光道测试一下我们权限上的问题，我来给你看一下。视频中 用一些人会跑，我们定时任务相当于手动触发了一下这个工作，由于他用的是低配版本的模式包， 这不是低配，这是高配。不好意思，我现在用的挺快的，这最新的模型要处理这个工作其实有点大材小用的， 不过用来给大家做演示是 ok 的。 ok， 十点钟出发完成，或许你就可以每天在早上的时候有六点钟出发的话，十一点左右会重置。那十一点到十二点这个工作时间是 ok 的， 在十点半，假设我早上没有工作，但在十点半这个时间段再过，呃，下午两点钟的时候，十五点半的时候，下午三点半的时候也可以得到一次重置机会。同样的道理，那这样就可以实现 尽可能最佳的时间我们的工作时间能够横跨两个五小时。这段话利用我们的额度，大家可以去试一下，但你不能直白的跟他说，直白的，这样跟他说就会变多了情况，他居然会拒绝。
18谷粒粒
07:29查看AI文稿AI文稿你平时是不是这样用 ai 的 一个对话，从早用到晚，用到他开始犯傻，答非所问，前后矛盾，实在用不下去了，才舍得开一个新对话。结果新对话一开，他又失忆了。你 又得从头解释一遍，我是谁，我在做什么，这个项目是干什么的？然后你要遵守什么规则？如果你也遇到这个问题，那么这条视频你一定要看完。我给你看一个我的真实项目， 这是我用 cloud code 做的项目，里面有三十多万行的代码和文档，有一千三百多个文件，有客户端、服务器、小程序、官网，还有各类文档及其他不同模块。但是呢，我现在开一个全新的对话，他依然能够立刻接上前面的任务， 不是因为他有无限的上下文，而是因为他背后有一套长期项目的记忆系统。这条视频我就把我一年多使用 cloud code 的 经验分享给你，他是怎么样拥有长期项目记忆的，我们应该怎么样正确使用这套记忆， 以及最关键的，怎么样让你自己的 agent 能够用上类似的记忆架构，好正式开始。大模型本身是无状态的，每次回答它都只能看得见对话框里的内容。但是呢，上下文是有限的，一旦内容太长，要么被截断，要么就被压缩成摘药。这个压缩过程 有一点像表情包，被不断的转发，前面几次还能看得清，转多了之后细节就越来越模糊，最后只剩一个大概轮廓。所以你会发现，一个对话用的越久， ai 越容易跑偏。 这个时候呢，你要开一个新对话，它确实会变快、变清醒，但代价是前面的上下文都不见了。所以真正好用的 agent 不 能只靠聊天窗口，我们必须要在聊天窗口之外给他配备一套记忆系统， 该存的东西存下来，需要的时候再喂给大模型。那这套记忆系统该怎么做呢？现在常见的路线大概是有两种，第一种是 rack 向量，第二种是 markdown 文件。 rack 向量就是把记忆切碎，压成语域坐标，塞进数据库。用的时候呢，靠意思相近去搜，能装海量的记忆，并且支持自动解锁。但它是个黑盒， 你看不见改不动，有小概率会出现错漏，而且还需要搭建数据库。另一条路呢，就是纯 markdown 文件，说白了就是一堆人能直接读的文本文件，加一份目录。 优点很简单，透明，能看能改能删能进 get， 也不需要单独搭数据库，个人项目和中小型团队来说，已经非常够用了。而在我用过的工具里，把这条路线做的最顺手的就是 cloud code。 cloud code 的 记忆为了更方便理解，我们把它拆分成三层， 第一层是当前对话的即时上下文，第二层是你手写的项目规划，比如 cloud md 个人规则、目录规则，它解决的是每次开新对话，不用重新解释项目背景、基础站和工作习惯。 第三层也是我认为最重要的一层，是 cloud 自己维护的自动记忆库，它会把你反复纠正过的内容、项目的关键决策、调试经验、资源位置整理成 markdown 笔记。但重点来了，它不是把所有的记忆一次性塞给上下文， 它是先加载一份主锁瘾，让 clout 知道什么东西大概在哪里，真正需要的时候再去读取相对应的记忆文件？这就叫锁瘾常驻，细节按需召回。 只说原理，你可能没有概念，我给你看一个真实的例子，还是我自己的项目。三十多万行的项目， clout 给他沉淀了多少长期的记忆呢？一百一十八个记忆文件， 加起来一万四千多行呢？一百四十八行。 这份一百四十八行的目录背后，挂着一万四千多行的记忆，只有用户提到或者大模型自认为需要的时候，才会翻开其中的一页或几页进行观看。 这就是他能记住一个庞大项目，又不把自己撑死的秘密。不过呢，第三层的自动记忆库，他也不是完美的。他有三个很明显的软肋。第一是他很会记，但不太会忘。 时间一长，数据库里会堆出很多过期、重复甚至互相矛盾的笔记。你明明已经改了主意，他可能还拿着旧版本来指导自己。其实今年三月呢，克拉的原码泄露时，社区就发现过一个叫 alter dream 的 记忆整理模块， 但到现在他依然没有正式发布，官方文章里还没有这项功能。第二，主，所以会膨胀，而且他不会提醒你， alt code 每次只加载主锁影前二百行左右的内容。也就是说，锁影一旦写太长，后面的记忆就有可能会被悄悄挤出去，不再被召回。最麻烦的是，他不会报错，你第一时间很难发现。第三是他并没有强制的记忆规律，什么该记， 怎么分类，什么时候合并，什么时候删除，基本都要靠 ai 临场发挥，也要靠你自己主动维护。可 outcode 给了你一套很强的记忆架构，但却没有强制给你一套怎么把记忆用好的管理规则。 而且别忘了，这还是 cloud code 才有的待遇，你要换到别的 ai 工具，它都不一定有这一层。自动记忆库讲了那么多，那对于你自己到底怎么样用才对呢？我给你几个我自己踩坑总结出来的要点，照着做，这套记忆就能够从能用变成好用。 第一， cloud 点 md， 一定要精简。很多人一上来就把所有的东西都往里塞，结果适得其反，写太长， ai 反而抓不住重点，更不容易照做，只写稳定的。重要的规矩一定要控制在两百行以内。第二，对话要在压缩之前结束，一定不要让对话肠道反复压缩， 既丢失了原始上下文，又浪费了头衔。我的习惯是呢，在每次用到上下文的一半时，就开始准备收尾。 第三，重要内容要主动让 ai 记下来。自动记忆库是给 ai 的 软约束，你无法保证它一定能够将重要内容记下来。所以每次在收尾时，记得一定要给 ai 说，我要结束这段对话，请你把对话里的重要内容同步到记忆中，这时它就会把还没有被压缩掉的重要内容给记下来。 第四，记忆要定期整理。你需要定期当一次管理员，要求 ai 把过期的删掉，把重复的合并把，所以压回到安全线以内。这一步百分之九十的人都忽略了，但它决定了你的 ai 是 越用越聪明，还是越用越糊涂。 最后，千万不要把密码、密钥还有 token 写到记忆文件，一定要记呢，就只记它放在哪里，而不要记它本身。讲到这里，你应该发现了可 out 的 记忆系统很强，但是真正用好它呢，靠的不是记得多，而是要靠管得住。它给了你一个记忆架构，但目前还没有能够做好记忆治理， 所以我干脆把上面的这一套方法整理成了一个开源协议，放到了 gitap 上，叫做 ingramery。 它做的事情很简单，给 ai 的 记忆加一套规矩，让记忆分类更清楚，所以不乱找旧信息呢，能被及时清理，而且可以跨不同的 age 进行使用。 前面提到的 auto dream， 至少说明 cloud code 的 内部也曾探索过自动记忆整理的这个方向。而 ingramery 更像是一个现在就能用的轻量实践版，它不需要数据库，不需要起服务器，也不挑具体工具，只要你的 agent 能够读写 markdown 文件，就能够按照这套方式管理长期记忆。 具体怎么用呢？可以让你的 agent 去 github 上读取 ingramery 的 readme， 让他一步一步地教你如何配置。后面如果问题多的话，我会再单独出一期，讲一下我自己是怎么用它来管理项目记忆的。如果觉得有用，请你点赞收藏一下，我们下期见！
1.6万李云放而已
02:20查看AI文稿AI文稿之前分享过 loop engineering， 最近 cloud 把它们对 loop 的 定义以及如何在 cloud code 中使用也分享出来了。 cloud 把 loop 定义成 agent， 一 轮一轮重复工作，直到满足某个停止条件。判断一个 loop 类型，主要看两件事，它是怎么触发的，又是怎么停下来的。 顺着触发和停止这两个维度，官方把 loop 分 成四类，对话、轮次、目标驱动、定时触发，还有主动性。越往后，你交给 cloud 的 职责也就越多。 对话轮次最常见。你发一个 prompt， cloud 做一轮，自己判断是做完了还是需要更多信息，然后停下来。它适合零散的短任务。想让结果更稳，可以把你平时的人工检查写成一个验证 skill。 目标驱动的关键是先说清楚怎么样算完成。用 cloud 的 构命令定义目标后，每次 cloud 想停，都会有一个评估模型来检查有没有达标，没达标就继续下一轮循环，直到达标或者达到了你设定的轮次上限。 定时触发变的是触发方式，它按固定时间间隔跑，比如每五分钟看一次 pr 处理 review。 使用 cloud code 的 loop 命令是周期性运行，在你本地， schedule 命令能把它放到云端运行。 主动型则更进一步，没有人在实时发 prompt， 它由事件或计划触发，把 schedule， go skills， workflows 和自动模式组合起来，去处理一类持续到来的，或比如 bug 上报、医学分类、依赖、升级迁移等。 那怎么保证代码质量呢？ cloud 的 建议很工程化，让你的代码库保持干净，给他自我验证的能力，让文档保持最新且容易获得，必要时再用单独的 agent 去 review。 最重要的是把每次失败沉淀成之后可以附用的规则或者 skill。 shoken 的 核心是把边界划清楚，选对命令和模型，写明停止条件。先小范围式能用脚本就别让模型每次重想，别把定时设得太密集，最后用 usage， go， workflows 等命令去复盘真实消耗。 那我们应该怎么开始呢？可以从一件你已经在重复做的事情入手。问自己三个问题，我能写清楚检查步骤吗？我能明确定意完成标准吗？这个任务会定时或按事件触发吗？从简单的 look 开始，尝试过程中慢慢迭代各个环节的标准。 一句话总结就是， prompt 是 入口， look 才是 agent 真正开始干活的方式。
03:09查看AI文稿AI文稿很多人第一次用 cloud code 跑长任务，都会踩一个很气人的坑，你把需求丢给他，他秒回开始执行，你以为这下稳了，转头去喝水刷视频，处理别的事。 十分钟后回来一看，项目没动，结果也没出，屏幕上只停着一句话，请确认是否执行该操作。你不点，他就一直等，你不在，他就一步都不往下走。 说白了，你以为自己请了一个自动干活的 ai， 结果最后变成你本人坐在旁边给他盖章。但这个问题不是 cloud 扣的不行，反而是他默认太谨慎了。 只要他要改文件，跑命令，装依赖，访问某些敏感内容，他就会停下来问你，这是安全设计，不是 bug。 真正的问题是，很多人没有提前告诉他，哪些事可以直接做，哪些事必须回来问我。所以，这期最实用的点来了， 你要在项目里建一个本地配置文件，路径是项目根目录下面的点 cloud 文件夹，再放一个 settings local json。 注意，这个文件适合放你自己的本地权限，不建议提交到团队仓库，然后在里面配置 permissions， 也就是权限规则。核心不是全放开，而是分三层。 第一层是 allow 放行，低风险高频操作，比如读取项目文件，编辑当前项目内的普通文件，跑测试跑构建，跑 p n p m n p m node 这类开发命令。 第二层是 ask 需要确认的操作，比如 get push 发布部署安装，全局包动、数据库迁移，这些不是不能做，而是做之前必须问你。 第三层是 delete， 直接禁止，比如读取环境变量文件，读取 secrets 目录，执行删除大量文件的命令，随便刻外部脚本再执行这几类，千万别为了省事全放开。 你可以这样理解， allow 是 给 ai 的 通行证， ask 是 重要路口的人工确认， delete 是 绝对不能碰的。红线配完之后，效果就很明显了。 以前他是走一步问一句，卡一步等一次，现在他在安全范围内可以一路跑完，真正危险的操作才会停下来找你。比如你让他修一个 bug， 他 可以自己读文件、改代码、跑测试、看报错，再修一轮，不会每一步都把你叫回来。 但如果他想碰环境变量、推代码、删文件，就必须停住，重点不是让他只在该问的时候问你。这个区别很关键， 因为长任务真正浪费时间的不是 ai 慢，而是他不断被权限打断。你要做的也不是开一个随便干的危险模式，而是提前设计好这张权限表，哪些是日常操作直接放行，哪些是高风险动作必须确认，哪些是红线直接禁止。 这样你再离开电脑，他才真的能独立跑完一段工作，而不是乖乖停在第一道审批口等你回来。所以以后别只会把任务丢给 cloud code， 先检查一下你的项目里有没有这份本地权限配置。 权限没设计好， ai 再强也会原地等你权限设计好了，他才从一个需要你盯着的助手，变成一个能真正跑长任务的工作流搭档。
100柚子有点会
04:38查看AI文稿AI文稿我其实最近用克拉的扣的搭建了这三个工作流，第一个就是信息中台，第二个是公众号，第三个是朋友圈，第四个是短视频口播， 第五个是知识库自动更新，第六个是我跟小助理的 work space 管理，小助理每天的这个工作进度， 他就是一个机器人，在飞书里面让小助理每天的这个工作进度，他就是一个机器人的 sop， 他 会不 定期的自动更新。基于每个场景下的这种业务流程，我几乎全部把它移到了这个 cloud code 里边。最近的二十天，我几乎都没有再打开过像什么 mana simon， 加密卡之类的了。搭工作流它是一个复杂的事情， 再者就是，我发现我把我的所有的业务流程全部集中到 cloud code 之后，它们能够真的连通起来。区别是在于这里面的所有的产出，它都会以文档的形式存在本地，再加上前段时间非常火的这个 skills 技能包，它就可以快速的知道 你每一个任务上面需要怎么去做。它就解决了传统用大模型去聊天，上下文太长，然后它记不住的问题。嗯，但是 collab 的 每个任务都有一个本地文件夹，它会清楚地记录着你这个事情的需求节点是什么， 就以至于它们真的能够被串起来。这是今年我把所有的这个内容搬到 collab 上面很大的一个原因。我说一下我使用的一些这个心得和感受。当我开始尝试这个的时候，我是 连续十五天每天工作十四个小时在电脑跟前。为什么会这样子呢？是因为它真的太有魔力了，你说什么它就能做什么，有个词叫做 web coding 嘛，就是你一句话它就可以通过写代码的方式改变你的所有的这个业务流程，做出来让你觉得非常 smooth 的 东西，这种丝滑感已经让你觉得自己能力边界再次被扩展的，这种感觉会非常的吸引人。但是呢，就是其实并没有想象中那么顺利啊，因为我毕竟也不是天才，然后也没有什么代码基础，前十五天我搭出了很多我以为能用的工作流， 很多节点，它在单点的时候都跑通了，但是一串连的时候就是老是串不起来，老是有各种各样的什么函数部署不对呀，然后这个版本又不对呀，或者这个代码改了，这没改。那网上有一句话就是当一个项目它有一个 bug 的 时候，你让它去改 它，它改完这一个 bug 的 时候，它会再给你生成五个新的 bug。 那 我们没有技术背景的人是否适合用 cloud code 呢？怎么用呢？ 这就是我接下来要说的，就是我觉得通过使用 cloud 的 搭代码史山这个事情是所有没有技术背景的人的一条必经之路， 他会倒逼着你去找这个问题的解决方案。那我现在的解决方案就是假设你今年是一个这个产品经理，你要如何跟你的这个就是程序员，你这个技术团队去协助去做好这样的一个产品。首先第一个就是要学会写 p r d， 就是 把这个产品的一个需求， 他的技术方案在前期充分的讨论清楚，进行一个这个方案的审查，通过自创一些 skills 技能包，去把这个方案再进行一遍，这个需求审查，技术方案审查没有问题之后，我才会让他去逐步实现非常高频的去做这个整体的维护和 commit， 让他这个项目始终保持一个大局统一的一个情况。那这样的话，就在我十五天之后，我用了这个方式，我的这个工作流搭建起来就顺畅很多了。普通人要不要用？如果说你本身有一个业务需要用 ai 去做系统性的提效， 或者说你本身呢？就是希望能够让 ai 去帮你扩大自己的能力边界。那现在我建议你们都赶紧要去学习目前这个所有的这些 ai 工具里面，它的这个对我们的赋能，假设你学会了之后，对你的赋能，对你整体业务的提效是目前来说是最最有价值、最明显的。 如果你本身是一个自学能力很强的人，我觉得你去这个 b 站呀，或者海外的 youtube 上去学大量的免费视频，那如果说你没有很多的时间去在那么多信息里面去找到你想要的东西，我自己开发的一个产品叫做希芒 ai 进化岛，就是把我自己如何学习 webcody， 如何做艺人公司，如何用 ai 做自媒体的 所有的业务流程，全部的方法论和新法都更新在里面了，包括我这个十五天的史山经历，然后以及我现在正确使用 cloud code， 呃，应该是怎么样的一个流程？要注意哪些？而且完全是一个 我作为普通人的视角去写的，所以它非常适合，就是比如说像你们一样小白啊小白，然后想要学习这个，你可以完全去复刻我的这个道路，我的 skills， 我 的代码包全部都在里面，你可以直接搬运过去，把里面的关键信息替换成你的业务就可以了。因为我能跑通的，你们就一定能跑通， 因为我就代表着大部分没有任何技术背景的小白想用 ai 去解决自己这个工作、学习、生活、体校，全方位这个给自己赋能的一个人去换。
672Tia聊AI
00:46查看AI文稿AI文稿你们在用 cloud code 去做项目或者是完成任务的时候，有没有出现过这种情况？就是它一直要我们不停地去确认，呃，确认当前这一个项目，或者是这个项目一直点确认，如果说我们不点确认它是没办法进行下一步的。 我给大家说一下这个怎么去设置。我们新建一个列表，然后这后面这个 直接，然后点回车之后，重启 card code 之后，你对话之后就不会再有了。这个是跳过，就是这些输入这个指令要我们确认的内容，大概就这个意思，直接输入这这段命令就可以了。
54智群Ai
04:15查看AI文稿AI文稿后面呢，我来分享一下我在做这个 app 过程中的一些想法，以及给大家的一些建议啊，给你们看看我的多智能体是怎么工作的，这个是总指挥，然后 其他的都是听他指挥的，他们在赏的这些 c、 l、 i 就是 在工作的。然后现在呢，他跟我讲说谁正在做什么，他在等什么，下一步要做什么？我现在在开发一个 app 啊，所有的事情都是他帮我去安排的，我只需要跟他说我想要做什么就好了。 我们开发任何 app 啊，不管你是编程大佬还是小白，我们都应该 去思考我们需要做什么样的产品，而不是去思考某一项技术应该怎么样，去学习，怎么做。这你可以去了解当今时代有什么新鲜的技术，但是 啊，我个人认为啊，我们没有必要去深究任何一项技术，它是怎么实现的，应该怎么实现。我们想要做一款产品，我们只需要把我们的需求用 ai 最能 理解的一种表达方式去表达出来，让你的 ai 理解你的需求，这才是我们应该要去做的。很多人说 一个 a 卷，他做事情才不会乱，如果你把任务发给其他的 a 卷，就容易变成各干各的，这个东西呢，就是看你自己怎么去调配组合了。 呃，这我的经验看来呢，我一个 a 卷去指挥那么多个真正的 其他的 a 卷啊，这个效果一定是比我一个 a 卷去做任何的事情，就是一个 a 卷去做所有的事情要来的更加清晰的。因为如果说 你们想象一下啊，这些在洞的窗口的任务全部塞给一个窗口去做的话，他哪里还有时间理你呢？并不是说他不想理你， 而是说他停不下来啊，如果你说话给他打断了，他反而会造成上下文的混乱，那么你把它分成好几个窗口的话，每个窗口只做一件事情， 这样他的上下文就不会混乱啊，这样每一个窗口他做的事情都是比较啊专业的啊，精确的。然后我们看啊，他就专门就负责去收集信息， 别人其他的 a 卷如果做完了，他这边就会收到，他收到之后就去判断那要不要去啊，再分发任务，这样我们作为一个啊，怎么说呢啊，我们作为他的 一个指挥者就非常的轻松，他给你汇报什么东西做好了，然后你再去思考什么东西还需要优化， 你再发给他，他再去思考要派给谁啊？你看他就自动就创建了一个文件，说要给八哥，又给小六两个 a 卷，他自己会去写文件。 那谁是八哥呢？他是八哥谁是小六？这个就是小六啊，小六呢负责去做手机 app 的， 这个啊相关的东西，八哥是负责去发布打包啊，所有的东西我每一个窗口都是做一件事情的， 然后呢你看啊，他还写了个文件是给老板的，也就是给我看啊，那么这个文件呢，他就说让我去复制粘贴，然后去准备发布我们现在在做的这个 app， 就 说我们现在在做的这个 app 呢，也差不多可以上架了，可能功能不是很完善，但是呢可以先上架了。
640YAAH.AI
04:03查看AI文稿AI文稿你有没有发现一个问题，刚开始使用 cloud 扣 text 的 时候，它特别的聪明，你交代一个任务呢，它能快速的理解，也能快速的推进，就是自带光环的那种。 但是呢，坐着坐着，他就像脑子乱掉了一样，前面说过的限制忘了，已经定好的方案忘了，甚至呢，开始改一些你根本没有让他改的东西，反过来还自己找一堆借口，说的跟真事一样，总知道就是一通乱干了。其实这就是很多新手容易犯的错误，上下文都满了，也不清理。 那么我的一个新同事呢，他就是这样的，我们公司每小时每日的使用量呢，都有记录。 哎，有一个聪明的老板，你就别想摸鱼，他会检测你本机真实的使用量。那么这个同事呢，他每天都能干到一亿的头肯，我们还以为他偷摸在进化什么大项目， 结果一看，上下文的窗口都快爆了，从早用到晚，然后一说呢，他还很懵啊，是吗？我都不知道啊。那么重点来了，记笔记，什么是上下文？这和 ai 聪不聪明有啥关系？上下文满了怎么清理？ 那么如果你直接和你的 a 智能说帮我清理上下文窗口，他可能会直接回答你，我不能帮你做这件事情。 那什么是上下文呢？其实呢，就是 ai 的 临时脑子，如果呢，你实在是没有办法理解，你可以把它想象成你的抽屉，一开始呢，放东西都在明面上找啥很好找，但是时间久了，抽屉里的东西啊，堆满了，你找东西呢，就需要翻个底朝上，有的时候呢，可能还找不到， 所以着急的时候呢，直接拿一个相似的东西啊，就走了。那么 cloud code， 你 和他们的每一次交流，你的需求，代码，文件修改记录呢，都会占用你和他对话窗口的上下文空间， 当你们对话越来越多，这个空间呢，也就越来越满， ai 就 会出现理解下降，回答变短，甚至忘记之前的设计。那么这个时候就需要进行上下文的管理。拿 cloud code 来说，有两个命令，第一个命令杠 compact， 它叫上下文压缩，比如你已经开发了几个小时，聊了大量的代码和需求，你输入杠 compact， 那 么 cloud 会把之前重要的信息总结下来，保留项目目标，关键决策，当前进度，下一个任务。然后呢，释放上下文的空间，让你继续的开发。 简单的理解就是压缩记忆，但是呢，你可以继续的工作。那么第二个呢，是钢可链，或者是开启杠扭新绘画，那么这个呢，是彻底的重新开始，不带任何的窗口记忆。 比如你已经完成了一个功能，准备开发完全不同的板块，或者是当前这个窗口已经很乱了，这个时候呢，你就不要和 ai 再继续纠缠了，直接开启新绘画，简单的理解就是清空记忆，重新开始。 所以这两个命令的最大区别，刚 compact 比较适合同一个项目继续开发，只是上下文太强了，你需要进行压缩。而刚可练刚 new 呢，它就适合换任务，换项目，重新规划。 但是很多人忽略了一个问题， ai 不是 越聊越聪明，那么如果呢，你只是不断地去聊天，上下文只会越来越混乱。而真正的高手用 ai， 不是让 ai 记住所有的东西，而是建立自己的 ai 工作系统，把重要的信息沉淀到 markdown 文档，就是 ai 的 长期记忆， 让 ai 每次回来都能快速的去了解你。还有一个更高级的玩法，就是让不同的 a 阵的分工合作，那么把写代码这种重火直接交给子 a 阵的，这样呢， ai 就 不容易越聊越乱，你也不用频繁的在一个混乱的窗口里面去救火。 那么真正会用 ai 的 人不是让 ai 记住所有的事情，而是知道什么时候让它记住，什么时候让它重新开始。
29Rita
03:16查看AI文稿AI文稿以前 cloud code 干完活只给你一屏终端日制，现在它能直接把这次任务的结果变成一个网页，回看结论，做复盘都方便很多。这个功能叫 artifacts， 六月十八日刚上线，你不用另起一个前端项目，也不用自己写一行页面代码。 cloud code 会用当前绘画里已经有的上下文，直接把页面生成出来。 这个页面有一条 cloud 阿里的私有链接，你在浏览器里就能打开它也不是一次性的截图，后面继续查，继续改，页面还能在同一个链接里更新。这里别误会，页面本身不是带后端的，应用更新靠 cloud code 改对应的 html 或 markdown 文件， 再重新发布到同一个 artifact。 以前这些结果都留在终端里，你自己还能翻一翻，换个人接手就很费劲。现在它会整理成页面，把结论、过程和关键改动放在一起， 覆盘时不用重新翻日记。下面这几句你可以先收藏，真用到的时候直接复制就行。后面 cloud code 再有这种实用更新，我也会继续整理，想跟上的话可以顺手关注我。 其实不用记复杂命令，你直接在 cloud code 里说一句话就行，最简单的就是让它把这次任务的结果做成一个 artifact 页面。想更具体，就把要整理的东西说清楚。 比如让他把一个 p r 做成走查页、 def、 修改理由和你跑过的测试都放进去。如果你是在带预览面板的界面里用，可以先让他把页面在预览面板里展示出来，纯终端里就跳过这一步。 注意，这只是预览，还不等于已经有了分享链接，要拿链接就再补一句，发布这个 artifact， 并给我分享链接。第一次发布时， cloud code 会先问你要不要发布到 cloud odd， 确认以后才会给出链接。这几句话其实不用背，你只要把意思说清楚就行，别只让它在终端里总结一段，直接让它整理成一个能看的页面。拿测试失败举个例子，你让 cloud code 跑完一轮 c i， 终端里列出一长串失败测试， 光看文字很难分清哪些是同一类问题。这时候你不用自己去找，直接让它把这些失败做成一个看板，按文件分组，再标出错误类型。想要筛选和排序，就让它在页面里加上， 然后补一句，发布这个 artifact， 并给我分享链接。确认发布以后，它就会给你一条链接，整个过程你没打开编辑器，也没碰前端，下面三种场景适合先用起来。第一个是 pr 走查，以前你让 cloud code 看一个 pr， 它在终端里列问题，你要真看懂，还得自己在 df 测试结果改动理由之间来回找。 现在可以让它做一个 p r 走查页，把 d f 注视风险和测试结果放在一起。第二个是数据看板，就是刚才那个测试失败的例子，除了测试性能指标、医术状态，发布前检查项也都能做成可以筛选能分组的看板。第三个是排查时间线，比如线上报错构建失败，某个功能突然出问题， 可以让它把排查过程做成一条时间线。页面生成以后发给别人也简单，先点页面顶部的分享按钮，授权给同一个团队里的同事，再把链接发过去。只复制链接不等于已经给了访问权限，对方也得登录 cloud i 呀，才看得到这个页面。 要给团队外的人，就只能让 cloud code 把这个 artifact 导出成 html 文件，再把文件单独发过去，限制也记住几个，现在还是背它 个人的 pro 和 max 账号还不支持，需要 team 版或者 enterprise 版。简单说，你不用写前端也能把 cloud code 跑出来的结果看清楚，必要时还能发给别人。你会这么用吗？你觉得 token 撑得住吗？评论区聊聊。
451Ali厂长
