cloude code怎么读截图
给大家看个在 call 中非常有意思的小功能，我输入一杠 radio， 它要自动在 call 定时候开始播放背景音乐。说这个启发，我就用 c c 和刚才测试的 g m 五点一 high speed 做了个收听全球电台的产品， 大家看进去是一个全球地图的平面视角，但缩小一点，它变成一个三 d 格式化的立体地球了。上面的黑点就是全球现在实时有的电台，我给大家点击播放听一下， 而且还能够随意的切换点击收藏。那底下这个卡片还可以选择不同的歌曲风格类型，甚至我还做了个小巧事，在网页上还可以一键切换到 dac mod， 现在像我平常编程或者工作时就可以随时的收听有律动的电台音乐。 那接下来跟大家分享一下，我是如何从构思这个产品到最后实际落地执行的。因为之前刚用 gm 五点一做了一个可量化三 d 地球的 a 实时资讯，整体完成度也比较高，我这一次就想在这个基础上继续去做全球实时的电台。 正好在做这个项目的时候，质朴过来说可以测测他们的新模型， gm 五点一的一个高速版本，那看介绍标题写着四百个头肯式每秒数的，这什么概念？ 那比之前的 g m 五点应该是一百个投币是每秒以内。那我们这次正好借着这个项目去看一下它到底是不是这么快。其次呢，我还是比较担心速度过快以后对模型性能的损失，像一般模型都会推出一个更快的版本，比如叫 fresh ok， 那 我们开始去看看这个模型的实战能力， 到 gm 五点一 high speed 去生成项目的时候，还特意给大家录了个屏，大家可以感受一下它快速生成一大片代码的过程。说实话肉眼很难去判断每秒生成的 token 速度到底是多少，对吧？ 为了方便大家理解呢，我把刚刚这段录屏跟之前 gm 五点一的生成速度放在了一起，用同样 prompt 让大家感受一下整个速度的差距，我觉得这个过程肉眼就可以很明显的感知到这一次确实快了很多。 接着我想到另一个有趣点，可以再看看模型的生成速度，如果把这个全球的实时电台，比如说切换成实时的播客，实时的航班这类内容时候， 他是否也能够依靠他快速生成的能力立马就给切过去了呢？那我就在原来电台项目基础上，把给他指令改成了实时的播客，实时的航班，全球的博物馆场馆，全球的火山。并且我同时把这些实时内容 a p r 或者接口链接给到了他。那我们再次来感受一下 g m 五点一 s 他的代码生成数一会在剪辑的时候，会在屏幕上给大家把这四个项目的代码实时生成的情况给放在一起，而且是完全没有加速的。最后我们再来评估一下他整个的生成效果，虽然是我最开始那个电台项目，我第一次给他指令的时候， 我觉得他整个的前端的 ui 和后端是能够完成到百分之八十左右的水准，后面我就加了六七轮的指令，呈现了目前这个状态，比如我这个缩小以后变成三 d 的 地球，是我花了差不多两轮的调试才最终实现的。 那接下来我们看一下我们一次性切换过去的项目，为大家来挨个看一下。整体来看，有有之前电台的基本盘的存在，首先他们都已经切换成功了， 其实在整个 u i 上，我觉得目前可以达到百分之七十左右的完成度，因为这里面像博馆、场馆、实施航班等，整体 u i 会比最早的电台更复杂，所以后续肯定还需要再增加几轮指令来完成它。我觉得大家可以基于这个电台项目， 自己用 g m 五点一 high speed 的 去尝试切换到你感兴趣的项目，看它的升值速度到底有多快，已经到底花了多少轮指令才最终实现了你想要的效果。 最后我整体有感受，在模型及 agent 这个趋势越来越明显后，大家好像除了追求模型性能以外，对模型速度这一块也在不断的投入。像之前的访谈中，我看到罗弗利也提到他们在压住一条线路， 在 agent 时代，希望整个模型投入透根的速度能够越来越快。再比如海外的大厂，像前两天 google 的 ios 大 会上，他们也是首先发布了自己的 german 三点五 fresh 模型， 那像我们日常用很多模型，我觉得很多人是希望模型能够快速的吐出自己想要的结果。就整体来看，模型的推理速度变得越来越快，也是在追求整个智能上限以外，另一个非常值得探索的方向。 ok， 那 本期内容就到这了，我们下期再见，拜拜。
粉丝3816获赞4.0万
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！
3388酒嘉年
01:38查看AI文稿AI文稿很多人用了 cloud code 的 一段时间，都会发现一个问题，一开始很聪明，后面越用越笨，回答越来越乱，头啃还消耗巨快。那其实很多时候并不是模型本身的问题，而是你不会用这五个最基础的命令。那今天这条视频带你一分钟掌握。 第一个命令， config。 这个命令可以说是 cloud code 的 控制中心，那输入斜杠 config， 你 可以查看和修改当前的各种配置，比如是否自动压缩会话，是否自动切换思考模式等。建议你把每个配置项都了解一下。 第二个命令， model。 如果你想切换模型，直接输入斜杠 model， 就 可以看到当前支持的模型列表，直接选择就可以切换普通任务，你可以选择 so net 模型， 复杂任务你可以选用 opus， 性价比最高。第三个命令， clear。 很多人会发现一个问题啊，聊着聊着， claus 回答开始抽风了，越来越乱，越来越慢，而且 token 消耗飞快。这其实是因为上下文啊太长了，这个时候只需要输入斜杠 clear， 就 可以清空当前对话的上下文， 重新开始一个新的绘画。我建议每个独立的任务啊，都可以开启一个新的绘画。第四个命令， compact。 如果你不想完全清空对话，但是又想减少上下文的长度，那就用斜杠 compact， 它会自动压缩历史绘画，保留关键的信息。简单理解啊，就是给绘画做一次瘦身。 那第五个命令， continue。 有 时候 cloud code 会回答到一半的时候，因为意外的各种情况，导致终端的窗口不小心被关闭了。很多人这个时候啊，就会把之前的输入再重新来一遍，但其实大可不必如此，那直接输入斜杠 continue cloud 就 会接着之前的回答继续输出。 总结一下，学会这五个命令，不仅可以让输出的质量更高，关键是还更省 token。 那 你觉得哪个 cloud code 的 命令最好用呢？欢迎在评论区告诉我，我是新启，关注我，每天分享一个外部限定的小技巧。
1711起哥的AI实战
00:48查看AI文稿AI文稿cosco 的 桌面端接入 deepsafe 第三方 api 教学，点开应用后点击右上角，在 help 里继续点击， 在这个位置有一个开启开发者模式，启动后在右上角点击开发者，继续点击第三个， 进入这个界面，保持 get 位，输入 url， 可以 去 deepsafe 官网寻找，复制后粘贴，然后输入自己的 a p i。 接下来添加模型信息， 我这里添加 deepsafe v 四 pro， 开启一百万上下文，然后就可以正常使用了。 想要 cloud code 的 中文语言的方法很简单，随便使用一个 ai 告诉他你需要 cloud code 的 桌面端中文语言包，他就会推给你，还是完全免费的。
92敲敲ai
03:29查看AI文稿AI文稿今天我们带着大家去装一下 cloud code 啊，注下，这个方法不需要你有 cloud 的 账号，不需要你对接它的模型，不用担心封号，全国内环境对接我们国内的大模型，相信我啊，一旦你用上它，你就进入到另外一个世界，一步步跟着做，任何人都可以安装成功。好，我们开始 这次是在 mac 笔记本上去做安装 windows 的 小伙伴，等下一期的视频。首先点开你的启动台，其他文件夹里面有一个终端命令行，点开你们应该就可以看到这么一个终端制服的页面，直接粘贴这个指令，安装 homebrew， 这个是 mac 系统上的一个命令行的管理工具包，有了它我 我们后面就可以安装 cloud code， 你 不用管这个命令是啥意思，直接复制粘贴运行就行。这里面有几个选项，通常选择一，选择二都可以选择一，输入你的开机密码，这里面会检测到你之前有没有安装过啊，我这个机器很干净，没有安装过，选择 yes or no 都是可以的，如果你安装了，它会默认把你之前的删掉，再给你装个新的。好，我们耐心的等待一下，这个时候它需要你按回车键开始快进一下啊。安 装成功之后，需要输入开机密码确认一下它，这里会提示 next steps。 直接复制这个命令，把 homebrew 添加到你的电脑的环境面板里，你也不用管这个命令行的意思，直接复制这三行贴进去看底部没有报错就是 ok 了，你就可以直接调用 homebrew 去管理你的安装包。为了方便下一步的演示，六叔把这个终端的这个屏幕清空一下，你们看得更清楚一些， 我来验证我们的 blue 有 没有安装成功。你可以输入一个 blue gambos， 我 们看一下显示 home blue， 五点一点九最新的版本，证明你安装成功了。好，第二步就用 blue 这个命令去安装我们 color code， 你 不用管它啥意思，直接复制安装这个指令回车，现在就开始安装了，我们还是快进一下好。装好之后，终端输入 color code， 你就可以直接进入到这个页面。看到这个小螃蟹啊，这个时候你还用不了，因为我们还没有对接国内的模型，下一步我们就演示怎么去对接国内大模型啊。所以我们使用国内的模型，不是用这种对话的方式，而是要进入到它的开放平台，去调用它的 a p i 去接入国内几个比较好的，智普、 kimi， mini max， deepsafe 都是可以的，目前 deepsafe 是 按次去收费，我们可以快速看一下它的价格啊。 sick flash 版本百万输入两分钱，一百万包肯出出两块钱，相对还是比较便宜啊。 pro 版本现在有折扣，像智普的、 kimi 的， 他们都是可以包月包年，按照自己的预算去采购合适的模型去接入。这个时候我们要下载另外一个工具， 开始打开命令。行，好，我们装一个 c c switch， 专门批量管理不同大模型的工具，方便你可说话的配置，方便你一键切换同样的输入这段命令，不用管它什么意思，直接截图复制回车，快进一下。安装完之后。好，我们打开 c c switch， 它可以管理各种 a 检测，包括小龙虾，包括克劳德 code， 包括 codex。 好， 我们选中克劳德，添加供应商。我们这次是拿 deepsix 举例子啊， 选择 deepsafe 供应商的名称，官网链接，它已经给你生成好了，这里面你只用去管 a p i key。 进入到官网，点击 a p i 开放平台，记住一定要充值啊，这里面就有个 a p i key， 我 这里是创建好的，你可以重新创建一个新的，然后去复制就行了。 打开 cc switch 贴进去，这里面因为 deepsafe 发布了新的模型，我们主模型改成 vc pro， 只用添加你的 a p i key 和你的模型的名称，点 一添加就已经添加完成了。好，装完之后大家一定要注意啊，点开它的这个设置，里面有一个跳过卡尔的 code， 出示安装确认，这个一定要把它打开啊，一定要打开，打开终端，我们测试一下输入卡尔的 code 的 这个密令啊， 但如果说你也可以用这个密令先验证一下你的卡尔的 code 之前安装好没有，如果出现的是版本号，证明你就安装好了。如果没有这个或者是报错，证明你之前那一步是没有安装好的，然后这个时候就直接执行卡尔的密令，选择 yes， 进入到它的一个使用界面，注意看这个模型，可以跟它对话， 正常回复就对了啦。不需要克劳德的账号，不需要对接他的模型，直接配置我们国内的模型就行了。这个装好之后呢，就可以参照六叔之前那些视频，怎么去安装一些好用的 skill， 怎么去基于 skill 去解决你的一些个性化的需求， 你就可以用上啦。除了 deepsix 之外呢，其他几个主流的模型 coding plan， coding 能力也都很强，比如智普的也会有自己的 coding plan， 你 只用获取它的 api key， 打开 c c switch， 选中对应的模型，智普 确认配置，他会给你放上去，你只用把你的 t 填上去对应的模型主模型确认好，比如现在智普的主模型是五点一，就直接把这个五点一贴上去，点击添加，你就可以灵活的在这个里面去切换你的大模型了。好了，这个保姆机的实操大家学会了吗？赶紧试一试吧！室友说，关注我持续复述你的爱奇艺的用户拜了个拜。
1165六叔ultra
01:15查看AI文稿AI文稿我之前做过一期视频，说千万别让编程 ai 直接看着截图写 u i， 那 简直是开盲盒。当时我强烈建议大家用 m c p 协议去挂在设计稿的数据，但今天我要推翻我自己了，因为我发现现在的底层视觉大模型迎来了极其离谱的变化。昨天早上 智普刚上的 glm 五 v turbo 直接把 ai 的 视力又提升了一个层次，它的创新点在于极其恐怖的高分辨率视觉理解和空间解析力。简单来说，以前的 ai 看图是近视眼，只能看懂复杂的组建层级、极 细微的渐距和准确的颜色变量。这就意味着我们不需要再配什么繁琐的 m c p 协议，直接为截图这条路走通了。否？说无屏上个有难度的。这是最近全网爆火的死龙 app， 我 特意给他做了前端最头的新野兽主义风格的设计， 你看这高饱和撞色、极粗的边框和死板的硬阴影。以前你扔张这种截图给 ai， 它大概给你切出一堆错位的黑方块。现在我们在可洛克的把模型直接切成 glm 五 v turbo， 不 挂任何协议，直接把这张截图丢给他，见证奇迹。你看这出来的代码渲染效果能做到百分之九十的一致， 真的纯靠看，就把这种反常规的圆角渐距、粗暴的阴影排版，甚至颜色变亮，原封不动的扒下来了，还原度极高。原来不是截图复刻不行，是以前的视觉大模型还是不够好，而现在 glm 五 v turbo 的 发布， u i 到代码这段连协议都不用配了。
222孙同学玩AI
01:15查看AI文稿AI文稿cloudco 有 一个非常好用但是被大家忽略的指令，就是这个 inside， 在 cloudco 的 任意界面输入 inside 的 指令，两三分钟你就可以得到一份非常有用的报告。这一份报告它主要是总结了我们在过去三十天内使用 cloudco 的 情况，相当于是不盘。我们主要是看下面的内容，这 这里它会显示你在过去三十天内用 cloud code 做了哪一些项目和工作。这里是你只用 cloud code 的 风格和习惯。继续往下看就是你做了哪一些比较好的地方，重点可以看这个就是我们在哪一些地方比 较容易出错，反复在哪一些地方浪费时间。下面就是它根据我们的使用习惯，给我们提供了一些优化的建议，可以直接复制到 cloud code 里面 发送给 cloudco， 它就会帮我们把这些优化的建议给设置好。这里是它给你推荐了一些 cloud， 现在已经有，而且适合你，但是你没有在用的一些功能，也是直接复制到 cloudco， 它就会帮我们自动地设置完成了。 下面就是他会告诉你后面我们用 cloud code 一个新的方法是怎么样，也是直接复制就可以了。这里是他告诉你我们现在手动做的一些事情，其实是已经可以自动化的完成了。我们大概一个月用一次这个指令，就可以看到我们这一个月内使用 cloud code 的 情况，哪一些做的好，哪一些做的不好，进行一个复盘。
116小赖的 AI 日记
02:20查看AI文稿AI文稿每次关掉可否的窗口，他就彻底失忆了。目录结构、代码规范、测试命令，第二天又要重新解释一遍。如果你也受够了这种每次都是新员工的体验，这条视频一定要看完。今天教你给可否的装上长期大脑，让他从失忆新人 变成越用越默契的工程伙伴。 cloud code 其实有两套记忆系统，百分之九十的人只知道用对话。第一套叫 cloud m 的是你写给 cloud 的 工作手册，项目用什么框架，代码规范是什么， get 流程怎么走，全部写进去。每次新开绘画，可否的自动读取一个字都不用你多说。第二套叫自动记忆，是可否的自己记的工作日志，你跟他说一次他就记住了，下次回来他直接按照你的篇好干活。怎么配？四步搞定。 第一步，在新项目里跑一个 int 命令， cloud 会自动扫描整个代码库，生成 cloud m 的， 包含项目结构、技术栈构建命令，这是股价，接下来你要自己填充肌肉。第二步，把团队规范写进项目，根目录的 cloud m 的 提交到 git， 全团队共享，把你个人的篇好，写进 cloud cloud m 的 只有你自己生效，两个文件叠加，互不冲突。第三步，项目大了，规则多了怎么办？在 cloud rules 目录下，按模块拆分、代码风格、测试规范等各一个文件。更牛的是，你可以用 pad 的 限定作用域比， 比如 api 规范，只让 cloud 在 处理 api 目录下的文件时才加载，精准又省偷啃。第四步，自动记忆默认开启，不用配，日常对话里直接跟他说记住他就自动记住了。所有记忆都是纯文本，文件完全透明，随时可以打开编辑 几个关键细节。踩过坑的人才知道， cloud m 的 建议不超过两百行，超过之后 cloud 的 遵循率会明显下降。文件太长就拆分到 cloud rules 里 运行。 in need 初使化写 cloud m 的 定规范，打开自动记忆，让它自己学。三步走完。 你的 cloud code 就 不再是每次从零开始的新员工，而是跟你默契健身的工程伙伴。收藏这条配置的时候，随时翻出来看评论区，告诉我你给 cloud code 写了什么规则。
03:06查看AI文稿AI文稿你给 a i、 c 的 东西越多，它就越蠢。最近 cloud code 的 核心开发者呢，写了两篇的技术博课，把他们团队踩过的坑呢，全盘托出了。这些坑不光是搞开发的人会踩，任何在用 ai 的 人都会踩。他们总结出一个原则，叫做渐进式批录。 一句话讲的就是别一股脑的把所有的东西都摊在 ai 面前，让他自己按需要的去找。这个原则是他们栽了三次跟头，才真的想明白了一件事情，第一个坑，你替 ai 准备好的资料呢，他反而消化不了。 cloud code 最早的做法是，用户一提问，系统就自动把相关的资料塞到对话里边， 听起来很贴心对吧？但后来砍了，因为这些资料呢，是你替他选的，他根本不知道自己为什么要看这些东西，改成让 ai 自己去搜之后呢，效果反而变好了，他自己清楚自己缺什么，自己找到的东西呢，才接得上他的思路。 你用 c 的， 就像是你替别人做了笔记，然后递给他，他翻都懒得去翻一下。第二个坑呢，就是选项越多， ai 越不会选。 你可能会觉得多给 ai 几个工具总没有坏处，对吧？但实际上每多一个工具呢， ai 做决定的时候就多一个选项，要纠结， 就跟你打开外卖软件一样，三家店呢，你很快就能选，三百家店，你就得刷半个小时。 cloud code 团队一共才给了 ai 大 概二十个工具，还觉得太多了，遇到新场景怎么办？他们不加工具，而是让 ai 在 需要的时候自己去发现和调用， 不多给选项，但能力确实扩大了。第三个坑，最隐蔽的，曾经有用的东西会过期，早期 cloud code 记性差，经常呢，干着干着就忘了前面在做什么了。团队就做了一个代办清单，每隔几轮呢，还谈个提醒，别忘了，你的当前任务。 当时确实管用，但模型升级变聪明了之后，问题来了， ai 一 看到这个提醒，就觉得这是一个死命令，我必须严格执行，不能改。本来该灵活调整的事情，它死守着不动了。 就像你给一个实习生列了一个详细的操作手册，他成长为骨干之后呢，你还拿着那个手册管他，他反而放不开手脚。 你看这三个坑呢，有一个共同的规律，每一次出问题，都不是因为给少了，而是因为给太多了。这个规律其实不光是搞开发的人需要知道，你平时用拆 jpt， 用 cloud， 用任何的 ai 工具，本质上都在面对同一个问题，你给他的信息，到底是在帮他，还是在干扰他？ 我自己有一个很直接的体会，我用 cloudco 的 时候呢，之前配置文件写了好几百行的规则，结果 ai 反而变得束手束脚，什么都要跟我确认。 后来砍到十几行，只留最核心的信息，详细的东西让他需要的时候呢，自己去找，效果立刻好了一大截。所以，如果你发现你的 ai 最近好像变笨了，先别着急怪模型，回头看看你给他的那些提示词，那些规则，那些上下文，是不是太多了。 整个 ai 行业花了一年多的时间，终于搞明白了一件事，信息不是越多越好，信息是有成本的，你 c 给 ai 的 每一条规则，他都得花算力去理解，去权衡，去遵守。 你以为在帮他，其实是在占用他本来可以用来思考问题的空间，少给一点他反而会做得更好。这个道理说出来很简单，但你看啊，连造 ai 的 人自己都踩了一年多的坑才搞明白。好，今天就聊到这，我是胡博，我们下期视频再见。拜拜。
628胡泊Hubo
00:39查看AI文稿AI文稿hello， 兄弟们，现在立刻马上去用 codex 或者是 cloud code。 我 们都听过一句话，很多困难和问题都是你想象出来的，其实并没有那么难。当你用过 codex 或者是 cloud code， 这句话就巨像 你只要提供想法，告诉他怎么做，他立刻马上把你做出来。而且我可以百分之百的保证他比你想象的要牛逼。 我们工作中很多复杂的问题，比如说整理数据和分析数据，你让他自己去干三分钟，顶你三个小时。
61MY在印尼
00:35查看AI文稿AI文稿不会写前端的人，这个工具一定要看。 get 上已经七点二万。斯大的核心能力很直接，把网页截图、设计稿甚至 figma 图丢进去， ai 自动还原成 html、 tailwind、 react 或 view 代码。它不是替你做最终产品， 而是把第一版页面原型直接打出来，产品经理可以快速验证想法，设计师可以检查落地效果，独立开发者能省掉大量重复页面搭建真正有用的地方是把看起来像变成能运行。我是硅谷赵博，关注我第一时间看懂硅谷最新动态。
206硅谷赵博
02:56查看AI文稿AI文稿cloud code 有 几十个命令，但是如果你是新手呢，就一定先掌握下面这九个，其他的你可以先去放一放， 把这九个用熟了，你的使用效率和头肯的消耗都会好太多了。第一个命令就是 config， 这个是 cloud code 的 一个控制中心，那你输入杠 config 呢，就可以去查看和修改当前的一个配置， 比如说是否去自动的压缩对话，是否自动切换思考模式等建议呢，你可以把每个配置项都去过一遍。 第二个命令呢，叫做 model， 想切换模型呢，直接去输入杠 model。 普通的任务呢，你可以去选 sonnet。 复杂任务呢，你可以上 opus， 性价比啊最高，你看，就这么一个简单的选择，也能够去帮你去省不少的 token。 第三个命令是 clear， 聊着聊着呢， cloud 开始抽风了，越来越慢，透坑消耗的越来越快呢，这是因为你的上下文啊，已经太长了，那你呢，可以输入让 clear 去清空当前对话的一个上下文，重新开始一个新的对话。那我建议呢，每个独立的任务都开一个新的对话。第四个命令呢是 compact， 如果你不想完全的去清空对话，但又想减少上下文的一个长度，你可以输入杠 compact， 它会自动的去压缩历史对话，去保留关键信息，简单去理解呢，就是给对话做一次瘦身。第五个命令呢是 resume， 想回到之前的对话，你就输入杠 resume， 就 能看到当前目录下的一个历史对话列表，选择任意一个，就能直接去跳回去继续，相当于给你的 ai 编程加了一个历史记录的功能， 随时去切换不同的任务。第六个命令呢是 revend， cloud 写着写着去偏离方向了，或者提示词写错了，你不用重开对话，输入杠 revend 就 能回到刚才那一步对话，相当于给你的 ai 编程加了一个撤销键。 第七个命令呢，是 btw 任务中途突然想到了一个小的问题，比如这个文件是干嘛的？输入杠 btw， 解释文件作用， cloud 会去回答，但是不会去打断当前任务流程，也不会污染你的上下文。第八个命令域 name， 给对话去重命名有三种用法，第一个就是杠驴 name， 加上首页重构，你可以去做直接命名，然后如果你杠驴 name 不 带参数呢？让 cloud 自动从对话去生成这个名称。 第九个命令 export， 把诊断对话导出成一个 plaintext 文件打杠例 export， 当前的这个对话会被导出，包括每一个提示回复和工具调用，也可以加文件名参数，直接去写入指定文件，适合呢？在去解决棘手问题后啊，这个备份 方便后续的复盘或者分享。 ok， 那 总结一下这九个大的命令啊，覆盖了配置，覆盖了效率、覆盖管理三大场景，显著去改善你使用 cloud code 的 一个体验，输出质量呢，也会更加稳定，透根的消耗也会降低。 至于像 simplify， 像 branch 分 支等功能和 insights 复盘报告可以去，等进阶了再去学。现在已经有两千多位朋友了，如果你想在 ai 的 路上和我一起同行呢？欢迎在评论区我们一起去交流一下。
1850清华姜学长
01:39查看AI文稿AI文稿如果你跟做互联网的朋友从来没有聊过 codex cloud code， 那 你刷到这条视频可能真的是一次很重要的信息差。 你最近有没有刷到新闻？纳斯达克疯狂创新高，然后 ai 算力芯片疯狂上涨，包括咱们今天大 a 也是，就很多人觉得，诶，这是在炒芯片。其实这些新闻背后指向的是同一件事， ai 开始进入生产环节，而 codex 是 普通人第一次真正摸到这个时代红利的入口。 codex 是 什么？它真的不只是工具，更像下一代的生产力。我用下来，它和 cloud code 比起来会更加简单易上手， 关键是它不容易被封，而且它可以直接接到飞书里面，很稳定的运行。黄仁勋要求他自己的员工都要用它，不是建议，是要求。如果你跟做互联网的朋友从来没有聊过 codex cloud code， 那 你刷到这条视频可真的是一次很重要的信息。 两个月前我可能还会犹豫啊，要不要推荐它，但现在完全不一样了，它几乎每天都在更新，而且是越来越成熟，于用着会越来越顺手。它最大的价值是在于，如果说 cloud code 还需要一定的技术能力，像是最早的电脑操作系统的 dos， 那 么 code 就 直接是傻瓜式操作的 windows 系统。普通人真正调用 ai 的 能力从这边开始了，而不是简单的输入问询，上下对话框，感觉像换了一个搜索浏览器而已。如果你现在是正准备创业，你其实挺幸运的， 因为你刚入厂，你就碰上了一次真正的技术革新。以前创业有巨大的团队什么的，技术壁垒，信息差，现在一下子都被拉平 了，一人公司真的是现实可现的。我给你打个比方，就好像你在食堂排队打饭，突然旁边新开了一个窗口，而这个时候最重要的不是在原地研究，哎，他为什么开什么时候关，而是你赶紧过去排队，因为很多机会本来就只属于第一批反应过来的人。
133Sunli说
03:10查看AI文稿AI文稿我用 cloud code 给我的一人公司搭建了一个十亿人的专家团队，他们没有工资，不需要工位，但每一个都比我专业。这里就是我要给大家演示的十一个人的软件研发团队。 第一个的话就是产品经理，第二个的话就是架构师、设计师、数据库工程师、后端工程师、前端工程师、 小程序工程师、 q a 测试工程师、代码评审专家、安全工程师、运维工程师，然后就是总指挥。 那个时候我就有个想法，就是做一款 app， 让我用手机可以直接对话操作电脑里的文件和数据。然后我就有了一些问题，比如需求理不清，不知道要落地哪些功能，不知道设计上面有多复杂，也不知道要做多久，也不知道怎么去保证代码质量， 然后这些问题我都不知道该跟谁去讨论。然后照着这个思路，我给公司成立了五个团队，第一个就是刚才说的标准开发团队，第二个是小程序团队，第三个是自媒体团队，第四个是商业闭环团队，第五个是公司的一些服务团队。然后在这里简单演示一下我是如何在 cloud go 的 里面调用我的标准开发团队的。 然后这里的话就可以看到我的标准开发团队已经上岗待命，被激活状态。这里简单罗列一下我的团队成员的呃一个职责，呃产品经理的话，就是要通过拆解用户的需求来输出 prd 企业文档，然后把企业文档给到架构师，架构师的话要出 api 企业和 db 的 scan 码， 最终能够达到这个上线的目的。那整个过程呢？我其实就是充当一个甩手掌柜的角色，因为我的团队完全是一比一复刻真实的研发团队的，所有的 prd 签约文件都是后续工作的一个基石。 我们都知道在正常的软件研发过程中，很多问题的沟通，比如说跟项目经理的沟通，比如前后端之间的沟通，比如前端和产品经理，后端和产品经理的沟通等等，过程中都会遇到很多问题， 其实很多时候遇到问题的根因就是因为没有沉淀的文档，或者文档没有持续的更新导致的，所以整个过程中的企业文档是产品靠谱的根本。下面给大家演示一段我通过这个团队做出来的一个 app。 以上给大家演示的这款智联远控的小程序呢，不是为了卖，是为了让大家看到一件事情，就是从一个想法到用户真正能够操作的一款 app， 从想法到上线，全程都是由 ai 团队帮我完成的，我只在关键时刻做出决策， 而这件事情比产品本身重要一百倍，只要你有一点点想法，团队就能帮你完善到完整且专业。 如果大家也想搭建一个自己的软件研发团队，实现从需求到一键上线的目的，请在评论区里扣一，最后记得一键三连哦，不然下次刷不到我了。
1440斌哥·一人公司
