法务工作可以用claude做什么

在他出现之前，人们用 ai 写代码往往还要陷入极其繁琐的循环，反复提问，拿到代码，再后再复制粘贴回自己的项目里， 或是在无数个窗口间来回切换。但在 n slash pick 扔出了一张王炸之后，这种手工作方式的编程时代被彻底颠覆。今天一口气带你了解这个直接放弃华丽界面，一头扎进命令行的终端怪物。 当你第一次打开 cloud 扣的时候，你甚至可能会感到一丝困惑和强烈的落差感。在这个所有软件都在疯狂追求页面样式圈各种绚丽交互的时代，它简陋的简直就像一套连墙皮都没刷的毛坯房，只有一个黑乎乎的输入框。 但是千万别被他及其原始的外表迷惑了，当他真正跑起来的那一刻，才是降维打击的开始。 claude 扣着，手中握着五张底牌，第一张牌也是他最可怕的降维打击，自主执行，你不再是他的保姆，不需要跟他一步步解释。 先打开这个文件，再找到这个函数，然后改成这样。你只需要像指挥下属一样说一句，帮我把支付模块的报错修掉，跑通测试提交到 get， 然后你去喝杯咖啡 回来，他做完了。他拥有极强的代码库理解力和真正能动手操作文件与终端的能力。这不是掩饰， 这是他接管脏活累活的日常。但你有没有想过一个痛点，每次打开一个新绘画， ai 是 不是又变成了什么都不知道的白纸？ cloud code 打出的第二张牌叫项目记忆。你可以把你的代码、规范、架构、逻辑，甚至是哪些核心文件绝对碰不得的规矩，全部写进他的专属配置文件里。 从此以后，整个团队的每一次终端对话，他都自带这份入职培训。他记住的不只是你刚才说了什么，而是你整个项目的灵魂。 第三张牌，才是真正让人头皮发麻的地方。多 a 阵协助一个 ai 不 够用，那你可以给他分配下属， 一个负责审查代码逻辑，一个负责疯狂跑测试用力，一个负责自动生成开发文档。你只需要负责发号施令，他们并行执行，互不干扰。在最新的极客实战里，有人用七个这样的赛博下属， 把原本要干二十三个小时的重构工作硬生生压榨了五个小时。你以为你在用一个工具，其实你在管理一支 ai 军团。第四张牌， 百分之九十的人根本还没摸到门道。接管流水线，你可以给他立极其严格的规矩，每次他自主改完代码，必须自动触发格式检查。 每次他要执行高危的系统操作，必须被自动拦截并等待你授权。甚至你可以让他在没有任何人看管的情况下，独立跑在你的自动化 c i c d 流水线里， 二十四小时不间断的抓虫修复，他从一个 ai 同事，彻底进化成了一台永不下班的代码收割机。有人说， clod 扣的纯粹是给即刻用的，不会用命令行就别碰了，这是大错特错的第五张牌。 其实他同样拥有 vs 扣的插件，也有易用的桌面应用，你在哪里工作，他就覆盖到哪里。 antiropake 之所以首发并强调终端 e terminal， 是 因为终端离系统底层最近，权限最高。他们不是想把普通人拒之门外，而是要直接刺入最高效的底层神经， 放弃花哨的皮囊，直接接管你的操作系统。这就是技术大厂的名牌战略。五张底牌摊开来， 柯老寇的野心已经昭然若揭。他不想做你的工具，他想做你的一只随时待命，越用越懂你的 ai 军团。 在这个不可阻挡的趋势面前，摆在你面前的问题只有一个，你是继续沉迷于做一行行敲代码的打字员，还是准备好当那个发号施令的人了？

最近啊，我帮几个朋友看了下他们平时是怎么使用 cloud code 的， 结果发现大家踩的坑都差不多，比如说在 contacts 都快满的情况下，还在疯狂地向 cloud code 输出，甚至还问我他的 cloud code 怎么越用越笨，还有装了 skill 的 有没有用上都不知道。 那对于这种把 taco 用在刀背上的做法，我只能说一个字，绝。所以今天就给大家分享一下我自己使用 clotco 的 过程中的几个小技巧，听完包你满意，赶紧点赞收藏。当然，大家也可以在评论区分享一下自己的经验。 第一个，上下文管理这个道理啊，很多人都懂，但很少有人会注意到上下文污染的严重性。如果说你也有这样的毛病，我建议赶紧去看一下。前两周 cloud 发布的这篇关于绘画上下文管理的文章，里面讲的是非常详细的。 特别要注意的是啊，文章里面有提到，当上下文窗口开始占到百分之三十到百分之四十的时候，就会出现一定程度的上下文腐烂。这个其实对我自己也是有点启发的，你像我之前就是用到百分之六十可能才开始做一些上下文的管理，那现在可能百分之三十到四十就要开始做了。 那我平时做上下文管理无非是用到这三个命令，第一个， compact， 当任务跑了很长时间，进行过多轮的对话之后，使用这个命令，让他把前面的对话压缩成一个摘样，清掉容易的信息，只保留关键的，这样的话，你的 contacts 就 会变得很干净，他后续的表现也都会回归正常 我的使用习惯啊，同一个任务超过二十到三十轮对话，或者说我当前的上下文窗口已经占到了百分之五十以上，那我就会进行次压缩。 又或者说当我发现啊大模型开始回答一些奇奇怪怪的答案了，那我的第一反应也都会先去 compact 一下。第二个 clear， 那 这个相较于 compact 会更加的直接，把当前的对话直接清空掉，重新开始， 或者说你开一个新的对话窗口也是 ok 的， 这个适合一个任务已经完全跑偏，或者说你就想换一个新任务的场景。 对比的话， compact 就是 整理桌面， clear 的 话就是清空桌面重新来。那用哪个还是要看当前的任务有没有值得保留的上下文来决定呢？ 第三个命令 by the way。 这个命令一般会出现在你不想去侵入当前上下文窗口的情况下去使用。举个例子，比如说你现在正在 web coding， 但是你又想到一个产品的逻辑上面会有点问题，就可以使用 by the way 去跟它进行讨论， 这个是不会记录在上下文的，或者说你使用 by the way 把你这一次的需求让它记录在某个文档里面。当你手头的这个 web coding 的 任务结束之后啊，接下来的任务你可以再调用原来记录下来文档里面这个需求继续展开工作。 那说完了我常用的这三个命令之后啊，还有些关于上下文管理的我的个人的使用习惯。第一个，引用文件的时候，指定路径和文件名，不要让大模型自己去扫描文件，扫描整个仓库，他有的时候如果找不到的话，甚至还会去写一个脚本去帮你去找到这个文件， 所以说这样的托克消耗是得不偿失的。第二个，我相信大部分人都会知道，长任务或者复杂任务的时候，用 plm 的 模式可以大幅度的减少托克的一个消耗。 第三点，尽量让 cloud code 完成一整个工作流，而不是一步一步的告诉他去做什么。因为 cloud code 是 非常强大的一个 agent， 你 给他一个超级复杂的任务，他也能从第一步到最后一步完美的给你执行出来。如果说你每一步都拆开，那首先上下文会变得非常长，那上下文一长，你的大模型就会出现幻觉，你的上下文就会出现丢失，被污染。 那讲完了上下文管理之后，接下来这个 prom 的 缓存本质上和上下文也有一定的关系，那我为什么会单独拎出来讲呢？因为它会直接影响你用 cloud 的 速度和成本，也是大家特别容易忽视的一个问题。 c c 的 一个 prom 的 缓存机制啊，如果说你上一次请求里面的内容和这一次请求的前缀是一样的， cloud 的 就不会重新处理那段内容，直接用缓存速度更快，托克的消耗也会大幅度的降低。 在 cloud code 里， cloud 点 md 的 内容和项目文件的内容在同一个绘画里面是可以被缓存的，但缓存会失效。最常见的失效场景有以下两种。第一个， cloud 点 md 这个文件啊，在 cloud code 的 缓存架构中是被视为一个整体的模块的， 由于它位于缓存前缀的中间位置，一旦你改了文件中哪怕一个标点符号，系统也会判定从 cloud md 这个文件的模块开始，到后续所有的内容，包括历史对话的缓存都会全部失效。 第二个，对话的间隔太长， cloud 的 缓存默认有五分钟的超时时间，超过五分钟没有新的请求，缓存就失效了。 如果说你再做一个任务，保持对话的节奏要比长时间等待更好，所以说每次离开之前先 come back 一下是最好的。理解这个机制之后，你就会开始有意识的组织 cloud d m d 这个文件的结构，让 cloud code 的 能够持续的用到缓存，整体的速度就会明显快一些，托管的使用量也会少很多。 那接下来第三块的使用小技巧，就是我自己平时经常会使用到的一些 skill。 skill 是 cloud code 的 可安装能力包，把一套提示词和逻辑打包成一个命令以后就可以直接调用。那我现在用的最多的就是以下几个。第一个， planning with fire。 当你有一个复杂的任务，不想让 cloud code 直接开始乱动，那就先用这个，它会把任务拆解成结构化的计划写进一个文件里，当你 review 确认之后啊，它再按照文件里的计划一步步执行。这个是我目前使用频率最高的，甚至说我所有偏复杂的任务都会先用这个 planning with file 的 这个 skill。 那举个例子，比如说我现在做 webco 顶，那原本开发的流程，可能说花一天时间去想一下架构，然后再花几天的时间去开发，那现在就反过来，我会先花大概几天的时间去跟他去跟 cloud 的 去聊我会怎么样去设计，然后聊的过程中去把这些我的想法全部记录到文件， 那之后我再做 webco 顶，让他去生成代码的时候，那整个的代码的结构，包括代码的约束，代码的规范都是非常工整的。 那接下来第二个 skill， 那 其实是一整套啊，基本都是偏向前端界面设计的，像 fronten design， 还有像 ui ux pro 这两个 skill 啊，还有一个就是我现在做视频基本上都会用到的 remotion skill 啊，都是我自己高频在使用的。 那这种是专门为前端界面设计调优过的 skill， 我 觉得对于很多开发人员来说，因为对一些 ui 的 设计都不是很 make sense， 我 觉得用这些 skill 可以 帮到你们很多，并且他们的官网也是提供很多的素材和模板 啊。再结合像现在的，比如说 stitch 啊这种圆形的设计软件啊，那我觉得再配合这些 skill， 那 可以起到事半功倍的一个效果。 第三个 notebook lm skill 啊，那对于这个 skill 我 原本是不怎么开始用的，因为像原来的 gmail 可以 直接去连到这个 notebook lm， 因为都是谷歌的全家桶嘛，呃，都能够直接去输出我想要的结果。但后来大家也都知道 gmail 降至比较厉害， 我发现我的结果就我的要求他不太能满足到了啊。后面我就尝试着把 nosbook lm 生成的结果给到 cloud， 让他去帮我进行接下来的任务执行啊，效果也非常的好。然后到后面也发现现在是有这个 skill 的， 那我就直接拿过来用了。 第四个 everything cloud code， 那 这个 skill 汇总了 cloud code 的 目前所有功能的一个用法，相当于一个随时可查的内置的使用手册啊，不确定某个功能怎么用的时候，你就可以直接调用它，比翻原本的官方文档要快很多。 那这边有一点要说明啊，这个 skill 会比较消耗托肯啊，你一定要去关闭它的一些 mcp 啊，你哪怕关了的话，它的托肯消耗也是会比较大的。那如果说没有碰到一些复杂的任务，我觉得是用不上的，但是整体的质量还是非常好的。 第五个， superpowers， 那 这个也是老朋友了，我相信很多人都在使用这个 skill， 那 这个 skill 对 我来说最重要的一点就是它的脑爆啊，这一个技能。 呃，而且这个 skill 是 非常适合小白的，因为它是包含了一整个完整的软件工程的，一个生命周期的一个 skill 的 一个全集啊。所以说，如果你是小白，刚刚入手 web coding， 我 觉得你用这一个 skill 就 足够了。 第六个，卡帕西的这个 skill 啊，那这个 skill 我 觉得是相较于前面 superpower 和 everything， cloud code 的， 它更像是一个靠谱的资深工程师啊，它会强调先清楚再动手，不乱猜啊，能简单的就不要搞得太复杂啊，改动都是以最小的成本去改的，而且每一步都是尽可能的去做验证， 所以说啊，它特别适合去修 bug， 改老项目，做一些重构。那接下来第四块， hux 啊，那 hux 的 定义的话就是钩子啊，它允许你去自定义一些触发器啊，在卡拉扣的做完某件事情的时候，会自动的执行一段啊，你所定义的无论是脚本啊还是命令， 那我最常用的三个场景，第一个，我每次让卡拉扣的修改了代码之后，就会自动的去提醒，也不用担心它改完之后代码的格式会乱掉。 第二个，任务结束的时候自动发通知啊，比如说你在跑一个时间比较长的任务啊，那你可以去做别的事情，那任务完成的时候可以触发一条系统通知到你的手机上， 那为什么会举这个场景呢？啊？之前在用 open call 的 时候，因为像 open call 它本身可以去调用 call 的， 但是它怎么去监控 call 的， 它会一直去用轮询的这个方式去做，会非常的消耗 token。 那后来我就自定了一套我让 openclaw 去触发 claw 的 code， 之后我通过 claw 的 hook 去回调来通知 openclaw， 使用这样的方式之后啊，就可以减少掉不少的 token。 第三个场景，那像工具的调用前后会去自动的记日制啊，你想知道 claw 的 在一个任务里面到底做了什么，那 hux 就 可以帮你在每次工具调用的前后去协调日制，任务结束之后就能够看到完整的执行过程。 第五块， cloud code 的 插件，那说到插件啊，前面提到的像 skillbox， 包括没有提到的 mcp， 其实都可以揉在一块成为一个自己的插件 啊，所以我说我这边就分享我经常使用到的三个。第一个 cloud hard 啊，这个的话可以去实时的监控你自己套餐的一个使用量啊，包括你目前这个 session 的 上下文的一个情况啊，再配合前面上下文管理的一些方式组合起来，那效果是非常的好的。 第二个 figma 的 mcp 啊，那这个很适合前面讲的 fronten 的 design u i u x skill 啊，特别是如果你在工作中啊，你们的产品用的是 figma， 那 你直接可以通过 mcp 的 方式直接把设计搞给搞进来啊，从设计到实现会剩很多。 第三个三 tree， 那 这个也是 mcp 啊，这个比较适合去排查线上的 bug 报出错来以后啊， cc 能够更快地结合异常的信息对账和上下文去定位问题啊，可以省掉自己去翻半天的一个日记。 ok 啊，那以上就是关于本次我自己在使用 calco 的 过程中总结出来的小技巧的一个分享，希望能对大家有所帮助。如果说你看到了这边，证明你是一个非常求学的人，在此我也希望能够得到你的一箭三连和关注。那本期的视频就先到这，我是布鲁，我们下一期视频再见。

你可能以为做好 cloud code 关键是会写提示词，但真正拉开差距的其实是 skill。 因为 skill 不是 一句提示词，它更像是给 cloud code 装上的工作模式。今天这六个实用 skill， 新手装上以后基本就能少走一大半弯路。 第一个， prompt optimizer。 当你只会说帮我优化一下，帮我改个功能的时候，它会把你的模糊需求改成更清楚、更可执行的任务描述。 你不用一开始就会提示词，先让他帮你把话说清楚。第二个， deep interview。 有 时候不是 ai 不 聪明，是你自己也没想清楚要什么。这个 skill 会让 cloud code 反过来采访你，把目标、边界、验收标准 一步一步问出来，特别适合做新功能、做产品页面或者需求还很模糊的时候。第三个， real plan 大 改项目之前，最怕 cloud code 上来就动手。 real plan 的 作用就是先出计划，再拆风险，再确认测试方式。它适合那种会影响多个文件、多个模块的任务，先把路线定清楚，再开始写代码。 第四个， ultra qa 功能，写完不代表真的能用， ultra qa 会让 cloud code 进入测试、验证、修复的循环，不是只告诉你我改好了，而是继续跑，检查、 看报错、修问题，直到结果更可靠。第五个， ai slow cleaner。 ai 写代码最大的问题不一定是错，而是味儿太重，比如重复逻辑、空泛、封装、变量名很虚，代码看起来很聪明，但没人想维护。这个 skill 就是 专门清理这种 ai 感，让代码变得更像人写的，更像能长期维护的项目代码。 六个， visual verdict 如果你用 cloud code 做前端海报、视频画面，这个非常关键，它不是问好不好看，而是拿截图和目标参考去对比判断布局层级、间距、颜色、还原度到底差在哪里。 所以这六个 skill 不是 让你背更多提示词，而是让 cloud code 在 不同任务里自动切换成更合适的工作方式。不会提示词的新手先装这六个，真的会稳很多。想要我继续整理 cloud code 的 高频 skill 清单，可以先收藏这一期。

codex 是 我过去几个月高频使用的 ai 助手之一，我用它做研究，写文档、做 ppt， 整理内容灵感，做网页原型。上个视频讲了 codex 基础，这期视频讲一个今年很值得先搞懂的 ai 概念 skill， 因为它决定了 codex 到底只是陪你聊天，还是能按你的工作方式反复干活。简单理解一份可以重复使用的工作说明书， 你可以把某类任务的流程规则、检查标准提前写进去，下次再让 codex 做类似的事，他就不用每次重新听你解释一遍。比如你经常让 codex 做网页，你不想每次都重复说页面不要太 ai 味，不要蓝紫配色， 这些都可以写进一个设计类 skill 里。以后你只要让 codex 用这个 skill 检查页面，他就会按那套规则去看代码、改样式，再告诉你改了哪里。 这就是 skill 最实用的地方。把你反复说的要求变成一套固定流程，那么在哪里看和怎么用 skill， 可以 去 codex 的 侧边栏这个入口里看，里面会有一个 skill 子页面， 已经添加或创建过的 skill 会出现在这个列表里。使用的时候，通常可以在聊天里输入 skill 名称，或者用斜杠跳出来。比如你有一个 find skill， 就 可以直接斜杠选中，帮我找一个适合做 ppt 的 skill， codex 就 会按 skill 里的流程去跑。那怎么创建 skill？ 有 两种方法， 第一种最简单直接这样说，请创建一个 skill 以后，我给你一个网页项目时，你要先检查移动端排版按钮样式、文字层级、颜色是否太乱，最后输出修改文件和检查结果。这种叫 prompt skill， 但我更推荐第二种，先把流程跑通，再把流程固化成 skill。 举个我刚实测的例子，我想做一种白板手绘风讲解图，我先给他一个参考图，让 codex 按我的要求生成讲解图 第一版如果不满意我就继续改，比如少一点黄色纸张质感画面更像课堂白板。等到有一版我觉得可以附用，我再说。把它固化成一个 skill， 这时候 codex 会反推刚才的流程，它会把这次反复调整出来的规则写进一个 skill。 md， 这样下次我再用白板手绘讲解图， 就不用重新解释一遍审美和结构，直接调用这个 skill 就 行。如果你想让 codex 使用 skill creator， 它会按更标准的格式帮你生成可附用 skill。 我是 ai 知识派，我们下期见。

最近可乐的 co 的 生态爆发的越来越快了，官方开始推出各种各样的 plus 插件，并且有的插件在短短几天之内就在 github 上冲到了十万克以上的 size， 堪称恐怖啊。所以今天的视频呢，咱们就主要来聊一聊五个我觉得在现在大家必须要知道的可乐 co 的 生态工具。 先说最猛的，这个 superpowers 目前已经超过了一百 k， 也就是十万的 size 了，仓库呢对它自己的定义也很直接，它说它不是一个单独的 scale， 而是一整套的软件开发工作流，你看这逼格感觉就和普通的 scales 不 一样吧， 他强调的不是你说一句 ai 执行，然后呢？ ai 就 去跑一大堆的 skills， 完成一大堆的任务，而是先往后退一步，问清楚你到底要做什么，再把具体的后续流程一点一点的整理出来，再往下去进行执行。这也是他现在为什么这么火的原因， 因为现在很多人用 ai 去写代码，最大的问题根本不是模型不够强，而是一上来就开始让你的模型去写代码，写着写着需求就歪了，具体大家可以看我的这篇文章。 而 superpowers 干的事儿呢，本质上就是给 cologne 加了一层固定的工作流，让 cologne 呢先想清楚具体的步骤和方案，和你确认之后，再动手去写代码，你可以理解为多了一个方法论。并且 superpowers 安装呢，也非常的简单，我们现在可以直接通过 cologne code 插件市场进行一键安装。 第二个我觉得特别有代表性的就是 colode hud， 如果说前面的 superpowers 是 在帮 colode code 建立做事的流程，那么 colode hud 干的就是另一件同样重要的事情，它第一次把 colode code 的 运行状态给直接示范了， 你可以把它理解为一个实时的仪表盘啊。很多同学一看，哎，这不就和 npm 安装包的时候差不多的一个即视感吗？啊，没错啊，就是这么一种感觉。 因为现在很多人在使用 cologne 的 时候都会遇到一个很难受的问题，那就是你根本不知道它现在到底在干嘛。以前这个你只能去猜，但是现在有了 hud 之后，你就可以清楚地知道 cologne code 到底在干什么工作了。 cologne hud 特别适合两类人， 第一类就是已经重度使用 colog 任务链呢比较长的人。第二个呢，就是经常觉得 ai 好 像在乱跑，但是又说不清楚问题到底出在哪的人。 至于上手的门槛啊，其实也非常的简单，装上之后基本上就可以直接看到效果了。不过它有一个要求，就是 colog 版本必须在一点零点八零以上。 然后是第三个 plug 呀，它的名字非常的霸气，叫做 gettydown。 如果说 superpowers 解决的是别一上来就瞎写代码的问题， colode h u d 解决的是让你知道 colode 目前在干嘛的问题，那么 gettydown 它所解决的就是另一个更深层的问题。 为什么 colode code 一 开始还挺聪明，写着写着就变笨了呢？ 其实出现这个问题的原因，大多数情况下是因为大模型的上下文超了，导致模型不知道你前面做了什么， 因此 gethedown 它所做的事情就是帮你重新整理 klo 的 干活的时候吃进去的上下文，也就是上下文腐烂的问题。 所以我觉得 gethedown 这种项目代表的是 klo 的 生态里面非常重要的一层，那就是上下文工程， 它特别适合两类人，第一类呢，是经常做长链路开发任务的人。第二类呢，是已经明显感觉到 cologod 用久了就会变笨的人。第四个， learn cologod， 简称 lcc， 这个项目呢，和前面几个不太一样哈，因为前面的工具更多的是在增强 cologod 的 能力编辑。而 lcc 呢，它所做的是让很多不会使用 cologod 的 人把 cologod 给用起来。 如果我们仔细去研究它的 readme， 大家会发现这玩意儿就跟个教程一样，一个三十六 k size 的 教程。 但是如果你仔细去看它的一个设计思路，你会发现它并不是那种给了你一堆文档，然后你就回去慢慢啃吧 啊这样的一个传统教程。它更像是把怎么学习 clothes code 变成了一个可以在 clothes code 里面进行交互体验的课程，并且它提供了中文版，它特别适合那些刚开始接触 clothes code， 然后不知道从哪里入手的人。 第五个就是 close code action， 前面几个工具呢，基本上都还是围绕你在本地区使用 close code 的 这件事情去展开的，但是 close code action 不 一样，它解决的是另一个层次的问题，也就是团队协助流程的问题。 你可以把它理解为将 code code 整合到了你的开发工作流程之中，比如说像一些 e q， 像一些 p r， 像一些 review 这些，说白了大家可以理解为这玩意儿就是让你的 ai 员工开始进组干活的。这么说呢，可能有点抽象，但是意思就这么个意思。 那么如果说你看到这里其实就应该已经能够感觉到了， cologold 现在最值得关注的已经不是它能不能帮你写代码了，而是围绕着它开始 长出来了一整套的全新的生态。而前面的这五个工具刚好对应的就是五个完全不同的方向 啊。 cologold hud 解决的是可观测性的问题， gai 呢，解决的是呃，上下文腐败的问题， l c c 呢，解决的是学习门槛的问题。而 cologne action 呢，它所解决的就是写作流程的问题。 当然了，其他的插件还有非常非常的多，那么这也表示 cologne 目前正在从一个单一的工具开始慢慢长成一个大的平台，这个可能才是 cologne 这波最可怕的地方。

一定要，一定要，一定要想方设法用上 codex， 如果你还没有听过 codex 或者克拉 code， 那 么恭喜你，这段视频你有可能会改变你的财富。 什么是 codex？ 官方定义是一个编程证书，但它不仅仅是编程啊，黄仁勋就是英伟达的老总啊，世界首富，他已经让他的所有的员工都用上了 codex 或者克拉 code。 现在你听到的所有的什么英伟达的事实翻了多少倍啊？然后纳斯达克翻了多少倍啊？股市暴涨都是因为克拉克或者库克拉斯，它是代表着当前最先进的生产力。 codex 应该是对咱们普通人是门槛最低，成本最低，来使用世界上最顶级的大模型和智能体克拉克的对于普通人来说，还搞不定一些注册和网络问题，动不动就封号啊，也比较贵。那 codex 本身是不存在这种问题的，如果你不知道怎么使用，那么你第一步就只要注册下载， 然后搞定网络问题。你直接问他啊，你对我有什么作用？然后你把你的所有的工作，所有的生活告诉他，问他能帮助你。譬如说如果你是个股民，你就告诉他，我是个股民，我平时炒什么股？ 我炒 a 股，然后你能帮助我什么？直接问啊，然后他一步一步的引导你。就是说如果你是工作，你每天的工作是什么？比如说你去打开邮箱啊，下载邮件， 处理数据，上传等等，把你的流程详细的描述给他，你直接问他，我这种工作你能帮我做什么？你能帮我优化什么样的流程，提供什么样的效率，做什么的工具就可以了。 如果你是在校学生或是二十来岁，那么克莱斯可能成为你改变人生的一个工具。就如同你在食堂打菜，突然开了一个新的窗口，那你要做的就是马上切过去，直接去排到队伍的最前面。

gun agent、 war agent、 warfare 到底怎么选？技术选型不是炫技，是业务决策，好的架构都是被业务约束逼出来的。本期我们继续来读 cloud 最新发布的技术报告 building effective ai agents， 它们指出判断该用哪种架构。先问自己四个问题，第一个问题， 你需要多高的控制度？控制度本质上是在问这个决策出错了代价有多大。高控制需求，比如金融交易、监管合规安全、关键操作， 你需要向审计人员解释系统为什么做出某个决策。一个贷款审批系统如果说不清楚为什么拒绝了某个申请，这个系统就不能上线。这种情况，采用单体 agent 或串行工作流，要的是可预测、可追溯的行为。中等控制需求，比如客服内容创作、数据分析， 可以引入层级，多智能体，主管 agent 负责执行业务规则，专属 agent 处理。复杂度，第一控制需求，比如研究头脑风暴，复杂分析。多智能体的不可预测性反而是优势，可以放开，让它自由探索。 第二个问题，你的问题域有多复杂？单一领域的问题，比如回答产品问题，处理退货生成报告，单体 agent 就 能高效处理。不要过度工程化。 多领域但流程可预测的问题，比如员工入职合规审查标准、分析任务，你能画出完整的流程图，用串行或并行工作流就够了。复杂的开放式问题，比如战略分析、研究项目系统故障排查，连步骤都无法提前定义，才需要多智能题。 很多团队把多领域和复杂开放混为一谈，多领域，但流程固定，根本不需要多智能体。判断标准很简单，能画出流程图就用工作流，划不出来再考虑多智能体。 第三个问题，你的资源约束是什么？预算有限，多智能体消耗的 token 大 约是单体的十到十五倍。如果系统每天处理十万次请求，从单体切换到多体 api， 账单可能直接翻十倍。 这种情况用单体或精心设计的并行工作流，上线时间紧，单体 agents 几周能上线多智能体需要几个月才能做对？先上线单体，再规划眼镜路径。 我是长期战略项目，从第一天就要设计好模块化接口，让单体 agent 预留好，后续扩展成多体的接口，为眼镜保留路径。 第四个问题，你需要多深的领域专业度？这个维度引入了一个容易被忽视的选项，单体 agent 加 skills。 面对多领域问题，很多人直接跳到多智能体，但先问自己能不能用一个 agent 挂载多个专属 skills 来解决。 skills 能提供深度专业能力，同时不引入多体协调的复杂度。 合同审查就是典型例子。起步时一个配备法律 skills 的 单体 agent 就 够了。只有当合同分析、风险评估、合规检查需要同时并行推进时，才需要引进成多智能体。 判断标准这些领域需要同时运作，还是可以顺序处理。能顺序处理单体加 skills 就 够了，必须同时协调才需要多智能体。 四个问题问完，答案基本就出来了。单体 agent 适合控制度高、问题单一、预算和时间都有限的场景，也就是你能给他一套清晰的规则，他就能稳定执行的那种任务，比如有明确类别的客服流程，有清晰业务规则的文档处理、代码审查、常规分析和报告。 串行工作流适合流程可以提前画出来，每一步都依赖上一步结果的场景。比如多步骤审批流程，内容创作，从草稿到审核到发布，数据转换和验证，多标准合格检查。 并行工作流适合两种情况，一种是任务可以拆开独立跑，不需要等前一步完成。并行是为了提速， 比如同时处理多个文档，同时调用多个数据源。另一种是同一个问题需要从多个角度同时分析。并行是为了提升质量，比如风险评估需要法律、财务、运营三个视角同时给出结论，最后汇总判断。 多智能体适合控制度低、问题开放，多个领域必须同时协调的场景，也就是你连步骤都没办法提前定义的那种任务。比如需要多元专业知识的复杂问题研究和分析项目跨多系统的动态客户交互、战略规划和决策支持。 选架构不是看哪个更高级，是看哪个最匹配你的业务约束。能用简单方案解决的问题，用复杂架构只会增加成本和风险。最后说一个真实的眼镜案例，一个电商平台的架构净化路径。 第一阶段，单体 agent 处理所有客户咨询，先验证价值。第二阶段，发现不同类型问题差异太大，引入路由，把订单、产品、问题、投诉分开。 第三阶段，每个类别有了专属 agent。 第四阶段，业务复杂度上升，多智能体协调库存支付、物流。第五阶段，加入评估 agent 做质量保证，每一步升级都是被真实的业务瓶颈逼出来的，不是提前规划好的。 很多团队犯的错误是直接跳到第四阶段，但没有经历过前两个阶段，你根本不知道系统真正的瓶颈在哪里。架构不是设计出来的，是被业务需求逼出来的。 最好的架构是能满足今天需求的最简架构，同时为明天的能力进化保留路径。这里是慢学 ai， 我 们下期再见。

cloud code 现在是地表最长智能体啊，这个是毫无争议的，但是他到底有没有办法在国内使用呢啊？我充了钱之后会不会把我号封掉，让我血本无归，浪费钱呢？如果说你也有这个疑问啊，你可能跟四个月之前的我是一样的， 今天就给你讲清楚啊，其实 cloud code 呢，和 cloud 它是两个事情，虽然说它是一家公司的，但是是不同的两个产品啊。 cloud code 呢，它是免费的，它是开源的，你使用它不需要花一分钱的， 甚至你可以用别人家的产品来使用它啊，你可以理解为它是干活的躯干，它是没有一个大脑的啊，有了大脑之后它才能够干活。那么大脑是谁呢？大脑它就是 cloud 啊，这个东西是普通人不容易去买的，你比如说啊， cloud ops， 四点六四点七啊，这个是最好的模型，你写作啊，编程啊，你直接上四点六四点七啊就好了。 那么普通的编程任务呢？具体干活你用 solo 来完成也是可以的。嗨酷呢，我现在是基本上不怎么用的啊，基本上是 solo 起步， 你像我现在订阅完了之后基本上只用 os， 这个感觉真的是太爽了。所以说，如果说你有条件啊，直接上 os 直接工作就可以了， 但是如果说你开不到原厂的模型，用国内的模型代替可不可以啊？啊，完全可以的，国内的我只推荐一家啊，我推荐智普，这个是我身边朋友反馈下来，跟 opps 能力很像的。 所以说呢，就是如果说大家你也想接触到 ai， 我 就推荐最强的智能体和最强的模型啊， 智能体就用 cloud code 啊模型，要不你就用 cloud 的 os 或者索尼，要不然就有国内的智普，就这两种组合。 然后如果说你不会安装 cloud code 啊，你可以关注我啊，我下期再出一个零基础如何安装 cloud code 的 教程，其实也非常简单，普通人看完五分钟也就能安了。

为什么别人用 ai 半小时写个网站，自己一上手却是大型分车现场？ 其实只是我们缺少了和 ai 协调的正确技巧。 clockcode 官方早就总结出了一套最佳实践。接下来，我们用一个真实项目丛林开发一个点菜网站，演示五个性价比最高、能解决实际问题的核心技巧，一起从不同的 web coding 进阶到有章法可控的 ai 协调工作流。 很多演示视频是一句话就生成一个项目，看着很爽，但实际操作过程中会发现， 如果第一步直接让 ai 写代码，比如丢给他一句，帮我做一个点菜网站， ai 写出来的东西大概率和你想要的完全是两码事， 然后你就陷入了无限的补需求、改方向循环。那么试试技巧一，让 ai 来采访你，生成需求文档。以 cloud code 为例，它有一个专门的工具叫 ask you the question， 顾名思义，就是由 ai 向用户提问，官方给的参考提示词如下， 以点菜网站为例，我们可以这样下指令，我想开发一个家庭点菜网站，请使用 ask you the question 工具对我进行深度访谈。回车发送，可以看到， ai 开始逐步问问题了，我只需要选择或者简单回答就好。 比如 ai 问我菜品需要哪些字段，我选择菜名、图片、价格，其中价格我想用特殊的方式计算，就在最后一个选项里自己补充输入。 在这个问答过程中，他不仅理清了你的需求，还帮你补全了那些你没想到的漏洞。磨刀不误砍柴工在和 ai 的 多轮采访交流中，我们就得到了一份详尽的需求文档， stack 点 b 如果你想对方案做出改变，比如把数据库换成 superbase， 可以 直接在文档里手动改，或者让 ai 帮你改 需求文档有了，先别急着让它写代码，这里我们一路技巧二，将探索规划与实现分开。官方推荐的工作流有四个阶段，探索规划、实现提交。就好像装修房子，先勘测，建立全域认知，再出施工图图， 图纸确认后才切换干活模式，严格按照图纸施工，最后活干完了，写个施工日记，竣工验收。在 cloud code 中，我们可以按 shift tab 切换到 play mode。 在 这个模式下， ai 不 会写任何代码，而是专注充当架构师。他会根据刚才的 spect d m d 输出一份详细的技术方案， 遇到不喜欢的地方进行调整，直到你对方案完全满意，再切换回 normal mode， 让它照图施工，这样写出来代码逻辑就更加清晰。当然，如果你只需要修改一些小小的问题，还是建议让 ai 直接执行，这样比较是 token。 第三个技巧，给 ai 足够的信息去判断问题。比如我按照 quickstar 把项目跑起来测试，发现核心功能都挂了，加不了菜品。 这时候尽量别只认一句报错了或者加不了菜品。要做的是先收集足够的信息，打开浏览器的控制台，看有没有报错。打开网络面板，找有没有出问题的接口，把接口地址和具体报错复制给 ai。 在 我们的例子中，把这些信息喂给 ai 后，他立刻检查，发现是数据库配置的问题， 你给的线索越具体，它的 bug 越快。有时候项目做着做着， ai 好 像失忆了，忘了你告诉过他，你习惯用 type c 访问与文件命名规范，这是因为你缺了技巧。四、配置 cloud 点 m d 给项目一份说明书， 在项目根目录运行 slash niff 命令，会自动生成 cloud 点 m d 文件。这个文件的作用是，每次开启新对话， ai 都会优先读取它相当于一份持久的项目记忆， 防止后续修改偏离原本的设定。例如，你可以写上非常规的文件命名，约定特定的代码风格，不要动某个文件夹。还可以用 important 标记来提醒 ai 注意特殊约定。配置好这个文件，能省去你以后反复向 ai 解释基础规则的功夫。 最后主动管理上下文，不要等撑不住了才处理。随着对话变长， ai 的 context window 会被塞满，你感觉它开始变笨，遗忘。试试这三个指令。 slash context 压缩上下文回到点菜网站，我们已经跑通了基础交互，这算一个小里程碑。 这时候主动执行 compact 压缩上下文。 compact 后面还可以跟一句注示，告诉他总结的时候要聚焦什么方向。主动压缩就可以避免一个功能起到一半时，变量名、文件路径这些关键信息被丢掉。 slash clear 清空上下文 在一个需求完成后，例如写好需求文档后，建议启动一个新绘画，或直接使用 clear 清道上下文，这样能避免前面采访阶段积累的容易对话干扰 ai 的 判断，让 ai 接下来完全专注于代码。实现 flash rewind 回滚状态。如果你发现一个 bug， 连续修复了两次还没改好，就别投铁继续了，此时的上下文已经被失败的错误代码尝试给污染了。你可以用 rewind 回滚到出问题前的干净状态，或者直接 clear 开启新绘画，带着你踩过的坑写一个更清晰的提示词。 回看以前我让 ai 给我写代码，感觉更像是在随意打补丁。有时候思路不清楚， ai 发散思维后调动的不是效率，反而带来了更大的混乱。当你学会了写文档定规范，用 规则和约束来换取确定性，你会发现 ai 就 不再是那个笨笨的助手，而是你最得力的超级合伙人。大家感兴趣的话，可以进一步深入阅读和学习完整的官方文档，相信你一定会有新的收获。如果这期视频对你有帮助，别忘了点赞、收藏关注我们，下期视频见，拜拜！

cloud skill 火了好几个月，网上各种教程也是满天飞，但我发现不少小伙伴还是一脸懵，他到底是个啥？究竟该怎么用？哈喽，大家好，我是专注用动画科普 ai 的 阿 k， 今天我就用一个我自己的真实案例来给大家盘明白我是怎么用它来优化我的工作流的。 在进入案例之前，我们先得弄清楚 skill 是 个啥，它说白了就是 cloud 的 一个配置文件，这个文件的核心只规定了三件事，第一，它是干嘛的， 第二，它必须遵守什么流程，第三，它能调用什么工具。那这个配置文件怎么创建呢？我们安装好 cloud code 以后，系统里就存在了一个点 cloud code 的 文件夹，通常路径是这样的， 那在这个文件夹下面，我们要创建一个名叫 skills 的 文件夹，以后我们要创建的所有 skill 文件就都得在这个文件夹下。 这里注意哈， skill 的 名字最好是英文的，这样能够避免报错。比如我们要做一个测试 skill， 那 就要创建一个名叫 test 的 文件夹，然后我们在 test 文件夹里再创建一个 skill， 点 md 文件，注意哈，这里的 skill 一定要大写。 最后我们把提示词写进这个 skill， 点 md 文件就能够使用它了。那至于这里的 md 是 啥意思，以及各种 ai 名词都是干嘛用的？我春节期间会专门出一期视频科普他们，想在春节后专心开始学习 ai 的 小伙伴一定不要错过哈。 那问题来了， skill 里面的提示词是什么呢？又该怎么写呢？接下来我就用一个真实项目案例告诉大家怎么在完全不懂 skill 的 情况下写一个高质量的 skill 提示词？ 熟悉我的小伙伴都知道，我每周日都会更新一期 ai 新闻回顾的视频，其实它是我正在进行的一个实验项目，我的终极目标是实现百分之百的 ai 全自动生产。目前的进度大概是百分之七十的 ai 加上百分之三十的人工。 先给大家介绍一下这个项目的大概构造。首先第一步原料获取。我自己写了一个专门的新闻搜集工具，它的核心难点不在于多，而在于精。 为了保证性造币，我主要利用 rss 技术来聚合那些高质量的源头。感兴趣的小伙伴可以搜一下 rss， 它是非常有用的技术哈。第二步是筛选，这也是最耗费精力的环节。这里的难点分两块，第一是做减法，必须剔除掉那些枯燥的行业新闻， 比如某某公司融资了多少亿，什么时候上市，这些大部分观众其实并不关心。第二则是做加法，要精准捕捉高流量的干货，比如开源模型的发布，重大技术的突破，或者是全网热议的科技事件。 这一步我还在不断的打磨提示词，目前的准确率还算凑合，预计再花几周时间，我就能把自己彻底从这个环节解放出来了。第三步是大纲，确定 新闻选好以后，要考虑把哪几条挑出来做深度分析，怎么既保证有干货，又不会长篇大论的让人睡着？还有最关键的，如何规定大模型在写稿时必须联网搜索，严禁它胡编乱造。这部分目前 ai 做的还比较差劲，感觉短时间很难脱离人工。 第四步是稿件生成，这部分我主要用的是 gmail 三 pro， 虽然它离我心目中的完美稿件还有不小差距，但对比很多营销号的通稿，它已经算是上游水准了。 当然，我会继续优化提示词，让它逐步接近我期待的水平。第五步是语音合成，我会调用本地部署的用我的声音数据微调过的 index tds， 二来一次性输出成音频。但 ai 的 朗读经常翻车，比如 g l m 四点七，它常常傻傻地读成 g l m 减四七。再比如年份二零二六，它会读成两千零二十六年。这些都非常影响观看体验。所以我必须增加一道工序，用一套专门的提示词把稿子写一遍，把所有可能读错的符号全部标准化，确保一次成型。 最后是人工兜底剩下的画面设计和剪辑匹配。目前 ai 还做不到我的审美标准，但这部分耗时也就一小时左右，完全能接受。 好，那聊完这个项目结构，它跟 skill 又有什么关系呢？不知道大家有没有发现，我的整个工作流是割裂的，像新闻搜集和语音合成分别是两个单独的工具，中间的 ai 调用和文件保存分别要在文档和网页中反复来回。 我统计过，这个项目的真实耗时差不多在三小时左右，而其中大量的时间就浪费在了繁琐的快软件操作和等待工具运行中了。最麻烦的是，这种反复的切换让我的注意力也变得不集中。那话都说到这个份上了，想必大家也能明白， skill 就是 解决这个问题的良药了。那针对我这个项目，整个 skill 文件是这样的， 可能很多小伙伴看着就头晕了，更别提写。大家别怕，这个 sk 文件我自己一个字都没写，全是 ai 帮我写的。现在 ai 的 能力已经强到离谱了，作为人类，我们真正要做的只有一件事，把需求说清楚。我给 ai 提的需求是这么写的， 这个部分是启动项，就是约束我在什么时候启动这个 skill 流程，启动后需要给我三个不同阶段的选项，这一点是考虑到我整个工作不一定是一口气做完的，中途有可能被打断。而设置的。第二个需求则是如果我采用的是选项 a， 则启动新闻搜索工具，这里一定要给它标明详细的文件路径，方便 ai 调用。 第三个需求则是我对我之前搜集的每日新闻进行汇总成一周新闻。这里之所以拆成了每日新闻搜集和每周新闻汇总，这个是私人原因，大家不用在意哈。第四个需求看起来很繁琐，我给大家拆解一下就能很好理解。 第一步是调用我的提日词文件和筛选完的新闻稿来制作大纲，之所以看起来很长，是因为我要表明这些文件的路径，不然 ai 不知道去哪找。 第二步是调用大纲文件和文稿生成题日词来进行文稿的解析。这里分成大纲和文稿两个板块，是为了更容易把控质量。如果题日词写的足够好，两个板块我感觉以后是可以合并的。 第三步，把文稿用题日词清洗一遍，方便语音合成。那第四步就是调用 index tds 来进行语音合成了，最后再给一句汇总的命令，联网搜索什么是 skill 的 文件结构，并按照上述要求帮我制作 skill 文件。有任何不确定的地方必须问我，不要胡编乱造， 然后我们看着 a 键的自动帮我们制作就行了。等他把 skill 做好了，我就只用在 cloud 点插件中输入 ai 周报，他就开始按照流程一步一步引导我进行了。 那视频的最后，我想跟大家聊几句真心话。通过今天这个案例，相信大家也看出来了，搭建一个能够自动干活的 cloud skill， 难点从来都不在于你会不会写代码，或者懂不懂什么 bug 凼格式。 真正的难点在于你是否拥有一套清晰标准且经得起推销的业务流程。如果我没有把自己那个搜集、筛选、改写习稿的笨流程先跑通，就算把最好的 ai 给我，我也写不出这个 skill。 因为 ai 只是一个放大器，如果你给他的是混乱，他放大的就是混乱。如果你给他的是逻辑，他才能回报给你效率。 所以建议大家在春节期间如果想折腾一下 ai， 不 妨先试试把你手头最想自动化的那项工作一步一步的规划出来，只要你能把逻辑整明白，剩下的交给 ai 就 好。 ok， 那 以上就是本期视频的全部内容了，我是专注动画科普 ai 的 阿 k， 无尽无险，又到六点下了个班。

如果你现在用 cloud code 只会一句一句发需求，那我建议你先别急着让它写代码，因为你可能不是不会用 ai， 而是根本没把它的隐藏能力打开。这期直接讲六个很多新手没打开的核心能力。开完以后， cloud code 才不是一个临时帮你写代码的聊天框，而是一个能长期配合你的开发搭档。 第一个项目，记忆入口名叫 innit， 很多人每次开新绘画都要重新解释技术栈、目录结构和代码风格。 innit 的 价值 就是让 cloud code 生成 cloud md 这种项目，说明先认识你的项目，再开始干活。第二个， play mode。 新手最容易犯的错就是还没想清楚就让 ai 直接改代码。 play mode 的 意义是先让它读项目，拆方案，判断风险，再进入执行。第三个 compact， 压缩上下文，绘画异常， ai 很 容易被前面的信息冲淡，越聊越散。 compact 就 像给对话做一次整理，把真正重要的方案接口和未完成任务留下来。 第四个，自定义命令，官方叫 custom slash commands。 很多人每天都在重复输入同一类提示词，比如代码审查、提交总结、性能检查。它的价值 是把常用提示词沉淀成自己的自定义命令，命令以后随时赋用成工作流。第五个， sub agents。 复杂项目不要总让一个 ai 绘画硬扛所有事情，它的关键是分工，主绘画统统方向， the agent 分 别负责审查、排错、测试和文档。第六个 hoops， 这个能力很多新手完全没碰过，但它决定了 cloud code 能不能守流程。你可以把它理解成自动质检员，改完代码以后提醒检查 结束任务前提醒验证结果。所以真正拉开差距的不是会不会问一句帮我写代码，而是你有没有把 cloud code 配成稳定工作流，项目记忆解决重复沟通 play mode 解决乱改压缩上下文解决跑偏自定义命令解决重复提示词 sub agents 解决分工 hooks 解决交付质量这六个能力建议收藏起来慢慢吃透。关注我，后面继续把 cloud code 的 高阶玩法拆给你看。

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？

这个 ai 能画图出海报，生成视频。这个 ai 能生图 p 图。这个 ai 能克隆数字人做特效。这个 ai 能写歌。这个 ai 能声音克隆。这个 ai 能写方案和灵感收集。这个 ai 能模拟面试官帮你做面试辅导。这个 ai 能帮你写汇报、写文案。这个 ai 能写代码。 这个 ai 能总结会议纪要和实时翻译。这个 ai 能读文献总结资料。这个 ai 能做海报和插画。这个 ai 能一分钟生成 ppt。 这个 ai 能写长文案。

还是人类会玩儿啊，昨天刷到一个非常缺德的东西，叫 bad cloud， 就是 人类给 cloud code 做的一条赛博鞭子。如果你嫌弃它干活慢或者不满意它的工作，你可以随时抽它，触一下就会触发 ctrl c 打断它的工作， 还会顺带骂它几句，比如 faster， go faster 这种。而且作者连后路都给你想好了，他甚至想加一个鞭打日制，这样等未来 ai 觉醒的那一天，他就能精准找到是谁天天在虐待它。其实神经病一样的 idea， ai 到底啥时候才能想出来啊。

哈喽，下班了，今天我们来聊聊 openclaw， 我 觉得有必要啊，因为太热了这个话题，我想给它降降温， 为什么呢？因为这是一个在 getop 上引起广泛关注的一个项目，而且目前各家云厂商都上线了相关的云服务器，支持大家去部署这个产品。那么这个产品怎么定位哈？它其实是一个 个人助手，或者叫一个通用型的 ai agent， 它可以接入，比如说一些计时通讯工具，你可以通过这种计时通讯工具给它发消息，然后它呢帮你调度一个云端的电脑，或者是你本地的电脑，它可以完成一系列的任务。 那么我一开始看到这个产品的感觉，就觉得它跟 coldbody 这种产品非常非常的像，为什么呢？因为它们都是通用 agent， 就是它可以通过调用电脑里的各种工具， ai coding 的 工具，或者是电脑里的一些网页浏览的工具，通过 m、 c， p 等等，它可以去完成很多的任务。 当然因为授权范围的不同，它肯定是比 cloud code 或者 code body 编程类的工具，它能做的事情更多，而且它的主动性更强。 举个例子哈，你可以在你的一些即时通讯工具上直接说，你帮我发一个什么样的文档给谁谁谁，他可以直接执行。那你帮我把这次会议机要转成一个非常清晰的文件，帮他变成一个网站，他也可以非常快速的完成。 甚至是你可以跟他说，你调用这个电脑的录屏功能，帮我做一个什么样的 ppt， 它也可以完成。所以就是当你给 ai 配了一个电脑的时候，而且这个电脑它拥有所有的权限，它跟你的权限是一样的，跟人的权限是一样的时候，那它可以解锁很多的能力。 当然这里面有两个核心的概念，或者说核心的机制，让它跟 ai coding 的 产品有本质区别。第一个叫 gateway， 就是 相当于一个调度中台，它可以在这个调度中台上 接收信息，接收完以后分配任务给到不同的电脑中的工具，然后哎完成最后交付。那它是一个调度中台，那这个调度中台就可以实现一个 实时在线，就是二十四小时一直在线，它可以保持着这种这么一种激活的状态。那这也是为什么你说它可以持续不断的收到你的消息，就是因为它是持续在线这么一种状态。第二个非常关键的机制呢，叫做 heartbeat， 叫心跳机制，类似于给了 ai 心跳，让它可以跳动起来了。它什么意思？它每隔一段时间它会去扫描一下这个系统里有没有新的需求进来，比如说你的邮箱 有没有收到新的信息，比如说你之前有没有设过闹钟提醒，比如说每天八点去帮我扫一下整个今天的 ai 行业的资讯，或者是每隔一段时间我要去看一看有没有新的任务给到我。通过各种即时通讯工具，我就可以开始激活 ai 干活。 所以你从这里可以看到他有一个非常主动的一个机制，他会主动去扫描，他会实时待命，主动扫描，所以这个就跟像 coldbody 里你跟他去做交互， 拿到一个任务，完成一项工作就有很大区别，他就是处于一种实时待命的状态，而且会主动接到信息就开始干活，所以这个就是一个本质上的区别哈。 但是我觉得这个东西我为什么前两天没讲呢？就是因为我觉得它跟这种通用型的 agent ai coding 的 工具没有本质上的区别。假设说像 cloud code， 像 code body， 它们如果也想做一个类似的功能的话，实际上是完全可以做到的，只要给 ai 更多的授权就可以实现。 或者说你只要再弄几个移动端的交互的方式，你也可以在移动端指挥你的本地电脑完成这样的工作，其实没有一点难度。那为什么 大家都没做，为什么就只有这个 open cloud 在 做这件事？我觉得是大家对安全和效率中间怎么平衡的一个考虑， 就是你到底给 ai 多大的授权？我们知道它的上限其实是非常高，可以完成很多任务，而且很多任务上是超过我们自己的能力的。那这种情况下安全的问题怎么考虑？比如说现在如果是 这个东西被劫持，因为他有权限很高，那如果一个一个一个不法分子告诉你的电脑，说把这个人的电脑的内容全都删了，或者说把这个人的电脑中关于什么什么的内容发给某某邮箱，那他就可以实现了， 它就可以实现对你电脑的一个操控，对你个人数据和隐私的一个操控。所以其实这种安全问题是非常重要的一个问题。之前大家说中国人可能不在意自己的隐私，愿意拿隐私换便利，那接下来 ai 时代 那生产力是非常高的，这个上限是非常非常高的，那你愿意把你的安全拿出来多少去交换这种生产力的上限？我觉得这是一个摆在我们每一个人的面前的问题。因为 ai 的 能力现在 不是技术来去束缚的，而是你的这个治理的原则束缚的。你到底要给他多大的授权？你相信他到什么样的程度？你愿意给他几千块钱，让他帮你买东西，对吧？这样的一些问题，我觉得可能都是我们接下来要考虑的一些关键的问题。 我之前觉得像 coldbody 这种产品已经非常够用了，在我们的日常工作中哈，当然我也不满足，因为我前两天还在说怎么给 ai 更大的自主性，让它自己去跑这个 a 阵的能力。但是对于这种 openclaw 这种形态， 我自己心里目前还没有完全接受，当然我可以接受一个新的电脑去做一些尝试，但是因为他现在还有很多问题，比如说 token 消耗非常大的问题，比如说这种安全不可控的问题，所以我觉得目前不是一个非常理想的形态。当然最后 可能再往前走一下，很多产品也会去考虑这些问题，会给用户更多的选择，然后给用户。我觉得现在用户已经很很很少有能力去控制自己的这个数据的安全了。但是我们在这个 ai 时代到底要在 ai 面前变得这么透明吗？ 也许有一天你会发现你让渡的这个权力本身可能比效率更重要。对，最近我在考虑这个 ai 时代的权力，到底我们要给 ai 多大的权力？ 如果他的能力已经非常非常的高了，如果他的加入到人类社会中，真的已经能够给人类带来非常非常多的注意的时候， 我们愿意给他主体性，我们愿意给他授权吗？我们愿意给他权力吗？我觉得这些都是一些要考虑的问题，跟大家分享这么多哈，我觉得这也是一些非常非常前沿的命题，有机会再跟大家探讨，拜拜。

刚才一位月薪三万八的陈轩朋友打电话跟我说，他被公司裁员了。裁员的原因你可能想不到，是因为他技术太好了啊，现在利用 ai 工具利用的太深了。他说从去年下半年开始，他就开始用克拉克的鞋垫板，嗯，他们公司里面的其他同学呢，还没怎么用过。 所以说他的交付效率啊，工作效率啊，老板提出需求啊，他会很快的完成。 老板就很好奇，他怎么做到的，就需要让他把 ai 赋能给团队嘛，然后就分享他的经验，分享他的使用啊，给团队去赋能。花了三个月时间，团队终于所有的人都会用克拉克的，然后效率成倍增加。 上周他老板找到强化，说他这个工资太高了，公司承受不了。搞了半天，他把公司其他人都使用了 ai 啊，销量成倍把自己给踩了。然后我就问他，究其原因，为什么公司会踩你啊？你技术深度这么好， 反复思考一下，因为离业务走得远，未来什么样的程序员，什么样的工程师是最受欢迎的，就是那一种懂业务的技术架构师，因为 ai 已经把最技术的编程功能能够基本上实现的七七八八了， 但是最核心的从业务转化为，哎呀，能懂的技术语言怎么能搞定？业务流怎么能搞定？把业务转变成技术资产，这是他最核心的一些价值，如果你还一心的钻研技术本身，那就比较危险了。

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。