claude日常工作目录设置

你知道怎么用好 code code 的 skill 吗？今天告诉你具体的玩法，让你的 skill 从花瓶变成神装。我们知道 skill 就是 写一个 skill， 点 m d 文件，把规则写进去 cloud， 遇到相关任务就自动用了。怎么创建？记住三步，第一步，在命令行敲一行代码，创建目录。第二步，写 skill， 点 m d， 比如写上解释代码必须包含类比和 s k 图标。第三步，直接问他这段代码怎么工作的，他自动按你的要求回答。技能方的位置不同，适用范围也不一样，企业级，整个公司都能用，个人级放 close skills， 所有项目有效，项目级只在当前项目生效。插件级，由插件自带，在 skill 点 m d 顶部加一段研磨配置，可以精准控制技能行为。 name 是 技能名字，也是斜杠。命令 description， 告诉 call 什么时候用 develope model invocation 出，设为出之后 club 的 不会自动出发，只有你手动竖斜杠技能民才生效。技能内容分两种，一种是参考内容，告诉 club 的 一些规范和最佳实践，它干活时自动参考。另一种是任务内容，是具体操作步骤， 比如部署流程，先跑测试，再构建，再上线。前一种让可否的自己发挥，后一种让可否的按流程走。分清楚这俩技能就成功了一半。还有个东西叫 allowed choice， 可以 限制技能执行时可否能用什么工具，比如写个只读技能，只允许 read 和 grip， 其他全部禁掉，安全得很。再看 arguments， 你 写一个 fix a 属技能，然后输入斜杠， fix a 属一二三 cleod 就 知道要修第一二三号艺术参数自动替换，优雅倒库最后三个避坑技巧，既能没出发检查 description 有 没有关键词，既能老乱出发加一型 disable model invocation 处技能太多， cleod 看不到运行斜杠 context 的 检查 设置环境变量加大预算花五分钟创建一个技能，一劳永逸。记住技能等于更强大的 cloud。 关注我，下期教你写一个能自动修 bug 的 技能。

用考核 code 啊，最烦的一件事情是什么？你交代他一个任务，转身去倒杯水，大家发现他还停在那里等着你确认。改个文件要问你，装个工具要问你，连建个文件夹都要问你，那其实不是没有办法，是你还不知道。考核 code 啊，有六种权限模式， 那选对了他就不烦你了。那第一种， default 默认模式，每一步都要你确认，最安全，但也最打乱节奏。第二种， accept edit 模式，工作目录里的文件编辑啊，全部都自动批准， 但终端命令还是会问你。第三种， plan 模式，那 cloud 只读不写，先帮你规划不动你的代码。第四种， auto 模式，背后有个 ai 安全分类器，实时把关，安全的放行，危险拦截，不需要你逐个确认。第五种， don't ask 模式， 默认拒绝所有操作，只执行你提前加入白名单的工具，那适合需要精细控制的场景。第六种， by pass 模式，那用这个命令可以启动，跳过所有的提示，只建议在格力环境里面用。那还有很多人问我啊，为什么 shift 加 table 找不到 auto 和 don't ask 的 模式， 那 dosask 啊，只能启动式加参数进入，那 auto 呢？需要先跑这个命令来解锁，而且 pro 账户用不了，需要 max 以上的订阅计划。那最后啊，一句话来，选，模式默认用 default， 改代码用 accept edits 看方案用 plan， 智能全自动，用 auto 精细控制啊，用 dosask， 完全不打断啊，用 bypass。 那 你觉得可拉库的最烦人的事情是什么？欢迎在评论区分享。

cloud code 想真正干活，光靠它自己不够，你得给它装上 m c p， 它才能连浏览器、读数据库、查文档。这六个 m c p 一 次给你讲清楚。第一个 playwrite m c p， 让 cloud 真的 能开浏览器，自动登录，抓页面数据跑，端到端测试全自动完成，写脚本爬数据的时代过去了， 直接说人话就行。第二个 file system c p。 给 cloud 一 把万能钥匙，跨目录读文件，批量改代码，整理项目结构都不用你动手，配上全线白名单，安全又省心。 第三个 post grace m c p。 数据库直接接进来，你说人话，他写 sql， 复杂联表查询也能搞定，数据分析，报表导出，从此不用记语法。第四个 gitap cp， 整个 gitap 装进 cloud 自动键， issue 拉 p r 合并冲突跑 call review， 一个人也能维护，多仓库 团队协助，直接起飞。第五个 contacts 七 m c p。 治好大模型的知识之后，他实时去官方文档站抓最新 a p i 写代码，不会再用错版本。 react 十九， next g s 十五，这种新东西 照样给你写对。第六个 sequential thinking， 让 ai 慢下来思考复杂问题，它会拆成步骤，逐步推理，自我验证，回溯修正，写架构，调难 bug， 做决策，输出质量直接翻倍。这六个 m c p。 装上 cloud code， 就是 你的全能助手。关注我，下期出完整安装教程，直接拿去用。

今天将深入探讨 cloud code 的 核心配置，学习如何通过 cloud md 和 cloud 目录等关键文件，将这个强大的 ai 工具塑造成真正理解您项目的专属专家。 cloud code 的 行为主要由三个关键文件或目录定义， 核心指令文件 cloud md 充当着项目记忆的角色。 cloud 目录作为整个 ai 行为的控制枢纽， 以及 ai 自我学习和总结的 memory md。 首先，我们来拆解 cloud md， 它会在每个对话启动时自动加载到系统提示词中，专门用于存放代码本身无法体现的关键项目信息，比如构建命令代码风格和提交规范。 它采用三级配置体系，高优先级会智能地覆盖低优先级设置。 cloud md 的 三级配置体系非常强大，全区配置设定了用户的默认行为， 项目及配置包含了团队共享的约定，而本地的 cloud 点 local 点 md 则允许开发者覆盖个人偏好， 比如要求始终用中文回复或容忍特定的编码风格。现在我们来打开 cloud 的 目录，这里可谓是项目的控制中书，包含 settings 权限配置、模块化的 rules 规则、自定义 commands 命令、可自动化的工作流 skills、 独立的 agents 子智能体以及强大的 hux 钩子系统。 settings john 式 ai 行为的控制面板。通过精细配置 allow 和 deny 列表，您可以精确管控 cloud code 能访问的文件、执行的命令和网络请求。 配合 pre tools 和 post tools， 钩子还能在每次操作前后自动触发脚本，形成自动化门禁。为了保持 cloud md 的 精炼 路由，目录允许您将指令按文件路径进行模块化拆分，只有 ai 访问到匹配的文件路径时， 对应的规则才会被加载，比如 api 开发规范只在处理接口文件时生效，这大大优化了提示词的利用效率。通过 commands 目录， 您可以创建自定义的斜杠命令来封装复杂的工作流。比如输入 review， 就 能让 ai 自动执行代码审查，从代码风格到性能安全全面扫描。输入 refactor 则可以获取函数级别的重构建议和风险评估 技能，是将重复性工作自动化的利器。以生成变更日期为例， ai 会自动获取版本标签间的所有提交， 按 conventional commits 类型分类转换成 markdown 格式，然后无缝写入 change alert md 文件，整个过程无需人工干预。 a 阵词目录允许您定义拥有特定角色的子智能体， 实现并行工作。比如定义一个代码审查员 agent， 他 会专注于安全审查和性能分析。再定义一个测试编辑者 agent， 他 可以负责补齐单元测试。这些 agent 拥有独立的提示词，可被灵活调度。 钩子脚本是强化项目规则的最后一道防线。 pre tools 钩子在 ai 执行写入前运行， 可以阻止修改敏感文件。 pass to lose 钩子在写入后运行，可以自动执行格式化或 link 修复 脚本退出码为零才允许继续，非零则直接阻止操作。安全防护层面有两个关键文件， mcp 专用用于配置 model contacts protocol 服务器，连接 github 数据库等外部服务。 而 cloud neo 则像 g tiknor 一 样精确告诉 ai 哪些目录和文件绝对不能碰，比如俄女蜜月文件或庞大的 node modules memory。 md 是 cloud code 独有的自我进化机制， 它由 ai 自动记录对话中学到的经验教训、架构决策和用户偏好，存储在项目对应的 memory 目录下。与您主动编写的 cloud md 不 同， 它是 ai 自己的总结笔记，上限两百行，确保信息精炼理解。 cloud md 和 memory md 的 关键区别直观重要。 cloud md 是 您主动编写的指令级，用于明确告知 ai 项目规则。而 memory md 是 ai 在 对话中自主总结的经验笔记，两者一个主动引导，一个被动积累，相辅相成，缺一不可。

就在刚刚， antropic 为 cloud 推出了一项王炸级功能， routines 日常任务。这个定时自动化功能会让你每天醒来发现工作已经做完了。今天我就带你实操演示，看看这个 routines 到底有多逆天，以及如何用它来搭建你自己的自动化工作流。 第一个震撼演示，邮件自动处理终结者！给大家看个最典型的例子，每日邮箱总结与草稿启草。以前你要实现这个功能，得在自动化软件里连一堆复杂的节点，还要弄 a p i 密钥。 但现在在 rutins 里，你只需要用自然语言写下指令，连接我的机密邮箱，找出所有未读邮件，检查我跟这个人以前有没有聊过，然后根据我的习惯写好回信草稿，最后用 slack 发消息通知我。就这么简单， 你可以设定它每天早上五点十分，在你醒来之前自动运行。等你一睁眼， slack 里已经躺着一份整整齐齐的邮件简报，还有它帮你写好只等你点发送的回信草稿，这简直是老板级别的待遇啊！ 技术原理，为什么它能干掉传统自动化工具？稍微科普一下过去的自动化，比如 n 八 n， 核心是逻辑搭建，你需要懂一点技术，把触发器动作条件判断像搭积木一样，拼起来很耗时间。 而 cloud routines 的 革命性在于，它把中间最繁琐的逻辑搭建部分，全部交给了 ai 的 自然语言理解能力去处理。它支持三种触发方式， 一、定时触发 schedule， 比如每天早上八点，每隔两小时二、 web hooks 触发。比如有新客户填了表单，自动触发 ai 处理。三、 api 请求触发，完全融入你现有的代码或系统中。 第二个震撼演示，全自动商业提案生成。其博主演示了另一个神级用法，当他开完一个线上客户会议后， 会议软件比如 fireflies 会自动生成会议文字记录，他把这段文字记录通过 a p i 发给 cloud routine， cloud 接到文字后，会在后台全自动分析客户需求， 甚至调用他事先设定的商业提案 ai 智能体，自动生成一份极其专业、包含具体报价和合作细节的商业计划书，最后直接推送到他的工作群里，整个过程无人干预。 以前这套动作他自己做要花两三个小时，现在只需要几秒钟。小白怎么用保姆级设置指南其实设置起来非常傻瓜化，需要 cloud 的 对应的权限和账号。 一、进入 cloud 的 routines 界面。二、点击右上角新建的每一步动作 sop。 四、添加连接器 connectors， 比如授权他访问你的 gmail 邮箱或 slack。 五、选择触发方式，比如每天早上搞定，就这么简单。更夸张的黑科技，一键转化现有工作流。 如果你已经是高阶玩家，手里有复杂的 n 八 n 工作流怎么办？博主写了一个强大的技能 skill， 你只需要把 n 八 n 里的代码复制出来扔给 clod， 他 能直接看懂，并用自然语言瞬间帮你把复杂的节点转化为一个 routine。 你 想修改某个环节，直接对 clod 说，把最后一步改成发到我的微信 slack 里， 三秒钟他就帮你改好了，再也不用去拖拽那些让人头秃的节点了。结尾总结未来的工作模式。看完这个你会发现，除了必须要你亲自出镜刷脸的环节， 你业务中百分之九十的案头工作信息处理和流转都已经可以被 rooting 全自动接管了。以前我们需要懂技术才能搞自动化，现在你只需要懂业务逻辑，会写清晰的提示词，这就是未来的工作模式。

在我们使用 cloud code 的 时候，如何在底部实时显示这个状态栏的信息呢？今天给大家详细说一下。就是第一行，它主要是大模型的名称，然后当前的时间点。 effort low 指的是推理努力程度， thinking 就是 当前是否思考模式，这个是 cloud code 的 当前的版本号。 然后第二行指的是当前的工作目录。第三行，这个 c t x 就是 context， 就 上下文的信息，百分之十七就是当前已已经使用的上下文的占比，百分之八十三是剩余的。这个 size 就 指当前呃上下文窗口的总的数量，然后 in 和 out， in 就是 总的输入的量和 out 是 总的输出的量，就是 大模型从你这个绘画窗口所有的输出就 total， total in， total out。 第四行 in and out 其实就指的是单次的 它的输入输出，单单单次印是十二 k， 然后输出只有九个，就像我刚刚说的，你好，你问有什么我可以帮你的吗？其实这就是九个投屏的量，然后 crt 和 r d 我 给大家列在这了。 crt 就 指的是 cash creation， input tokens 就是 写入缓存的投屏的数量，然后 k 呃 r t 就是 指从缓存读取的投屏数量，都是 api 响应的。对，然后这里面的信息它是实时变化的，我给大家演示一下，如果我们想切换 model 的 话，当前是 k 二点六，我把它换成智普的五点一， 这样就会实时的变化，然后 effort 也是实时变化的。对， effort 当前是 low， 把它调成 medium， 这样就会变成 medium。 对， 然后呃当前的输入输出，这是本，这是当次调用的嘛，所以我就用 kliya 来试一下 kliya 清空，清空之后这样应该是 你看 kliya 之后，它这样就会变成零和百分之一百，就当前的上下文只有百分之零和百分之一，呃，剩余的是百分之百，如果输入你好之后 刚有点卡住了，输入你好之后，它第四行就会有本次绘画的输入，输出嘛，所以第四行就会展示，呃，就会实时展示出来 in out， z， r t 和 r d。 对， 这就是这个我觉得是比较好用的，因为我们在使用模型的时候，其实上下文越多的时候，有很多研究人就是发现，当我们的 token 数量超过百分之三十到四十的时候，其实大模型就会出现，呃，语音信息不清啊，或者幻觉一些之类东西就会丢失掉，关键信息就会出现这种信息的缺失的问题。 然后，呃，这个怎么安装？我给大家也写成了一个，整理成了一个文档，也可以看一下。就是这边它是 stencil， 因为这个东西它本来就是为了适配 glotcode 的 官方的，所以我们本地安装适配的时候其实是会有点问题的。 然后这边采集点也给大家记录了，就是直接拉你状态，状态来的话，它就在终端底部的信息条嘛，它可以显示模型的名称，时间，这些上下文的使用率， api 的 用量等等。但我们最主要的其实就是上下文窗口的使用率，剩余空间以及 api 的 令牌，输入，输出缓存，数据限制等等。然后核心的字顿都是列在这了。对， 可以看一下它的字顿啊，它有绘画 id， 它当前的工作，工作的目录 current workspace， 呃， direct to directory， 然后这个是成本啊，是否使用思考模式脱离努力程度啊？包括这个累计输出，呃，累计输入 窗口的上限，然后这个有几个问题给大家，就是确认一下，就上下文窗口这边为什么始终是两百 k 呢？就是因为它这个是 cloud code 的 默认值，但第三方模型实际显示可能不同。但，呃， 之前他这边是为了适配 cloud code 的 官方的模型 versus， 但是像我们我买的是火山引擎的 coding plan， 他 就不会实时的变化。对，他这边就两百 k， 其实就是 比较不准确的，包括他这个刚刚这个百分比的计算，其实就是 in out 除以这个他这个标的这个两百 k， 所以 这边比如十二除以这个十二加三十六除以两百 k， 大 概是百分之十七的样子，所以他这边百分之十七。但我们主要是看第四行，就是当前输入了多少，输出了多少呢？就单词绘画 这样，其实对我们就帮助就比较比较大了。然后速率限制的话，它也是仅限于格拉库的 ai， 就 你这也是我当前在 这个使用模型过程中的一些体验啊，就是我们在适配一些，呃，比如国外的一些东西的时候，其实我们要很清楚的理解它的自身，才能明明白如何更好的落地化帮助我们使用，而不是只有这样一个形式。但是我目前比较清楚了，这些自身就可以让它调整一版自己使用的这个东西，也可以跟我这不一样。 对，然后这些颜色的代码啊，这些坑点我已经给大家踩过坑了，大家直接呃在我们这些借鉴其实就可就可以了。像它中文路径，它显示乱码，因为有的文件夹里如果是中文的话，它会显示乱码方块，它这个脚本就会显示不出来，就是脚本就会失效，就显示不出来，比如这个字顿的位置。搞错呀， 它不是顶层子盾，它是这个 context window 内部的这个子盾其实就是，呃，就 context window 它是顶层子盾，但底下还有一个，还有一些嵌套的子盾这种这种坑已经帮它大家踩过了，大家配置的时候注意一下就可以了。

今天分享的主题是探索 cloud 目录。 cloud 目录就是你和 cloud code 之间的沟通手册，你在这里告诉 cloud 项目的上下文规则偏好，甚至可以给他添加全新的技能和子代理。无论你是刚接触 cloud code 的 新手， 还是已经在日常使用它的老用户，理解好这个目录的结构，都能让你的开发效率再上一个台阶。那 cloud 目录到底是什么呢？你可以把它理解成 cloud code 的 大脑配置文件， 它告诉 cloud 你 的项目有什么背景，有哪些规范工具，应该怎么用。这个目录可以放在两个地方，一个是项目跟目录下的 cloud 文件夹，提交到 get 后就能和团队共享。 另一个是 home 目录下的 cloud， 这是你个人的全局配置，所有项目都能用到。大多数情况下，你主要和 cloud md 以及 settings john 打交道，剩下的都是按需添加的扩展功能。我们来看看 cloud 目录里到底有什么。 最核心的两个文件是 cloud md 和 settings john， 这也是大多数开发者日常打交道的东西。 cloud md 用来写项目指令和上下文， settings java 配置权限钩子和环境变量。 剩下的目录项， skills， rules agents， 这些都是可选的，当你的项目需要更复杂的能力时才添加上去。值得注意的是， cloud md 既可以放在 cloud 子目录里，也可以直接放在项目跟目录，两种方式 cloud 都会加载。 现在我们来深入看两个最核心的文件。首先是 cloud md， 这是 cloud code 在 每个绘画开始时都会加载的指令文件， 你可以在这里写下项目的架构说明、编码规范、测试约定、关键文件路径等等。简单说，这就是你给 cloud 的 入职手册。另一个是 settings john， 它控制 cloud 的 行为边界，比如哪些工具允许调用？工具调用前后要不要刨脚本？环境变量怎么设？这里要特别提一下 settings， 点 local 点账，它专门用来存你的个人偏好， 自动会被 g t nore， 所以 不会污染团队配置。当项目变复杂了，光靠 cloud md 可能不够用，这时候就要用到扩展能力了。 skills 是 可附用的提示模板， 你可以通过斜杠命令，比如 review 来调用，也可以让 cloud 自动触发。这非常适合代码审查、生成文档这类重复性工作。 safaris 更高级，它让 cloud 可以 创建专门的子代理， 每个子代理有自己的提示词、工具级，甚至持久记忆空间。此外还有 rose 来做主题范围的指令， output styles 控制输出格式， m c p john 连接外部工具，这些全部都是按需添加的。 关于配置的作用域。项目级的 cloud 放在你的仓库里，提交到 get 后，团队所有人都能用，适合放项目规范和团队约定。而全局级的 cloud 属于你个人， 所有项目都能用到，但不会提交到任何仓库，适合放 api、 蜜月、个人偏好。这些隐私信息需要注意。优先级，项目级的配置会覆盖全局级的同名配置， 而 c l i 命令行标志的优先级最高。接下来聊聊应用数据，这部分 cloud code 会在 cloud 下存储绘画、记录文件、快照、缓存数据等等，这些数据默认三十天后自动清理。你可以调整参数值来控制保留时间， 但有几个是无限期保留的，比如 history。 java 用来支持上箭头回忆提示，如果你想手动清理，可以用 cloud project purge 命令。 强烈建议先加 drive 预览，要删什么确认没问题再跑。另外注意数据是纯文本存储的，如果工具读取了俄女文件或者命令输出了密码， 这些内容会留在记录里。最后来总结一下这张决策表，帮你快速定位，想做什么就找哪个文件。 核心原则就是从小处着手，先配好 code， md 和 settings， java 等有更复杂的需求，再逐步添加 skills， subintelligence 这些扩展。这几个要点值得记住。团队共享的，放项目级 个人隐私，放全局级 cloud mb 是 项目指令， settings 掌握控制权限和环境。如果遇到配置不生效的情况，可以用 debug 标志启动 cloud code 来查日记。掌握了 cloud 目录的用法，你就能让 cloud code 真正成为你的专属开发助手。

很多人用 cloud code， 只会让他在一个绘画里单打独斗，一旦项目变大，需求变复杂，同时要做好几件事，就容易漏功能，逻辑混乱，任务做不全，越写越乱。 其实 cloud code 藏着一个被严重低估的高阶神迹，就是 sub agent 子 agent 分 身能力给新手讲的通俗易懂。主 agent 负责调度项目整体架构，然后自动分出多个子 agent 分 身，各自认领，独立任务，分开并行干活。 用你手动拆任务，也不用自己分配模块，它会自动把大型需求拆分到位，有的搭建项目目录，有的编辑业务功能，有的优化代码逻辑，还有的专门整理注视编辑文档，检查漏洞 bug。 每个子 agent 只专注自己负责的模块，互不干扰，不乱改代码，不打乱整体逻辑。做完之后再由主 agent 统一整合、梳理、收尾。想直接起用也很简单，你直接复制这句话发给他就行。 帮我启动 safari 的 子分身，把当前项目需求拆分成多个独立子，任务分配，不同子 a 整的分头并行开发，各司其职，互不干扰。 最后统一整合代码和结构，开启之后再也不用一个绘画扛下所有任务，简单需求随便聊，复杂项目一定要开子 a 整，结构更清晰，代码更规范，功能不遗漏，开发效率直接拉高一个档次。真正吃透这个热门技能，才算把 cloud code 的 高阶生产力彻底用到位。关注我，带你解锁更多 cloud code 的 实用干货！

cloudmed 写得再细， cloud 还是会忘事。这事你肯定遇到过， astropica 官方文档也说了，规则明明白白写在那儿，模型也读了，但执行到某一步，它就是绕过去了。 这一期我想跟你聊清楚为什么以及怎么解决。先说一句，这是一个系列，前两期讲了 cloudmed 怎么写 cloud 目录，下五层配置都干嘛用。 从这一期开始，我们其实在做一件更大的事，把 cloud code 这套东西搭成一条你可以每天照着走的工作流。今天讲的是这条工作流里最容易被低估的一层， hooks ansorepic 自己其实在官方文档里把这层关系写得很清楚，它们把 cloud code 的 能力分成了四层，如果 cloud 每次都该知道的是放 cloud mate， 如果有时需要放 skill 或者 rules， 如果必须每次都发生，放 hulk 也是本期视频重点讲的。 如果某类能力根本不该碰，直接用 permissions 收回来。这四层最容易被混着用的就是第三层， hook。 这一层很多人压根不知道它存在或者知道，但没意识到它解决的是个完全不一样的问题。 那 hook 到底是啥？先问你一句话，你是不是遇到 clod 不 听话的情况？那可不是你的提示词有问题，提示词是软约束，而 hook 是 百分之一百执行。告诉我，你的 clod 是 经常不听话吗？我前阵子让 clod 帮我清个临时目录， 他自己拼了个 r m r f 出来，因为之前在项目目录下已经手动确认跳过这个执行权限，所以自动执行了。还好那是个测试目录。 一句话讲明白 hook 是 什么，它是 code， code 在 自己生命周期的关键节点上让你挂一段强制脚本的入口，用户提交 prompt 之前工具调用之前，工具调用之后，对话结束等等。官方文档列了三十多个事件，但实际上你只要先记住两个就够用。最常用的是 pre to use 和 post to use， 一个在工具跑之前拦，一个在工具跑完之后接先把前面两个用熟，剩下的什么时候要用什么时候再加。这个视频我也是通过 cloud 制作出来的，后面把知识点讲完，会以这个工作流为例讲解。好了，我先分享下我常使用的三个场景， 你看完之后可以直接抄如何使用。第一个 post two news 配自动格式化 cloud， 每次 edit 或者 write 把格式化掉， 配置就六行 json 中 match 写 edit， write 配置命令中写 pretty write 加文件路径，从此你 cloud md 里就不用再写记得格式化这种话了，它一定会发生。这就是 hock 跟提示词的本质区别， 提示词是约定， hook 是 强制。第二个就是我之前提到的，没有让我确认，就执行了 r m r f 操作。在那之后，我加了一个 hook， 在 配置中加上了这个命令的 hook 匹配上就掉一个脚本，脚本里再判断一次完整命令，遇到 r m r f 直接 exit 二，退出码二，这个细节非常关键，我在之前的视频讲过这个，不知道的小伙伴可以翻翻。第三个最舒服， stop 事件配桌面通知我经常让 cloud 跑一个比较慢的任务，自己切去干别的，回来发现他早就停在那等我了。配上 stop hook 之后，他一收尾，桌面直接弹出来消息，我直接确认就好，不用我主动去查看。但我得说一个反话， hooks 不是 越多越好。这事挺微妙，如果某件事不是每次都该发生，硬塞进 hook 反而会变成新的污染源。 它适合勾住那些确定性的，每次都得做的不需要思考的动作。判断要不要思考的标准很简单，你能不能用一个 shell 脚本写完这段逻辑且永远不变，能就上 hook， 不 能就别用。回到开头那个反差点， cloud md 写得再认真也只是契约 期约靠双方履约，你方履约了， cloud 这边偶尔走神一个判断标准，你可以直接拿走。如果你 cloud md 里某条规则，你发现自己会反复去强调这件事，就该下承到 hook 提醒是可跳过的，而 hook 是 应约束。这一期就到这下一期。讲一个更反直觉的东西， sub agent 下期讲怎么判断什么任务该开， sabotage 怎么开，开几个合适。如果对这一期感兴趣，可以点个赞或者收藏，方便回头来抄那几个 hulk 配置回头见，制作不易，觉得文章对你有用，请一键三连。

还不会给 cloud code 配置 deep seek 大 模型吗？我来教你，无需其他操作，一键完成。就是用这个软件，打开之后点击右下角的加号，点击 code 图标， 这里有很多的代码工具，我们选择 cloud code， 在 模型这里就可以选择 deep seek 了。选择好模型之后，再选择你的工作目录，最后选择终端，一般用 command 这个终端点击启动， 这是一个权限问题，回车选择 yes 就 可以了，这样就配置成功。用的模型是 deepseek 杠 v 四杠 pro 的 模型。 deepseek 真的 划算，用了二十九万的 token， 共计花费三块钱。觉得有用的话记得点个关注，我会持续更新 ai 相关的视频。

别人用 ai 效率翻倍，你却天天在帮他擦屁股，这是两种完全不同的用户体验，为什么差距这么大？问题不在于 ai 不 行，而在于你没给他划清楚工作范围，你没告诉他哪些能碰，哪些不能碰，没给他明确的工作流程和质量标准。今天分享一个方法，五层配置体系， 让你的 ai 从天乱王变成神助攻。我今天以 cloud 为例子，其他的 agent 也一样。先看一下整体结构，你的项目根目录下有一个 cloud 文件夹，里面包含五个子目录， cloud md、 hooks、 rules、 commands、 agents。 每一层各司其职，逐一拆解。第一层叫 cloud md， 你 可以理解成给 ai 的 项目说明书，它告诉 ai 三件事，项目怎么跑，哪些是危险区，代码风格是什么， 日制在哪，看出了问题去哪排查？比如拿项目怎么跑为例，当你把新项目丢给 ai 时，你希望他第一时间就知道怎么安装依赖，怎么启动开发服务器，怎么跑测试，而不是每次都问你要命令。这就是为什么你要把这些写进 cloud md， 哪些是危险区。当你让 ai 帮你修 bug 时，你最怕他手滑，改了电 e n v 文件或者生产配置。如果你不提前告诉他哪些不能碰，他真的会碰你， 因为他不知道那里有什么，所以你要把多 nv 文件、生产配置这些标注出来，让 ai 知道那是禁区。接下来是日制在哪看？当你收到一堆报错时，你希望 ai 能自己去看日制，自己排查，而不是每次都在那问日制在哪，或者你常用的日制路径，让他知道出了问题去哪找信息。 有一个关键点，控制在一百行以内，太长， ai 会开始选择性遗忘，它记不住那么多，建议先用以内，它自动生成出稿，然后删减到最精简文档，不再多在于精。 第二层我要介绍 setting stop jason， 这个是全线防火墙，它解决一个核心问题，提示词根本拦不住。你有没有遇到过这种情况，你说不要执行危险命令，它该执行还是执行？ 提示词的约束力太弱， ai 在 解决问题的过程中，会把这些警告全部忘掉，必须用权限硬卡。 settings json 里的 deny 规则是真正生效的防护， ai 读不进去就是读不进去。 下面是一些我经常自己用的权限配置内容，大家可以自己看一下，让我们增加真正的防护，少踩一些重复的坑。配置策略建议三步走，第一步，保守配置权限最小化，宁可少放权，不可超授权。第二步，等项目成熟了，根据需要慢慢放开。 第三步，等你熟练掌握了，可以灵活调整。第三层是 hux， 这是最有意思的一层，它不管能不能做，而是管做完以后会怎样。你有没有过这种经历？ ai 写完代码，你一看格式乱七八糟，缩进有问题，你让它改，它改了，下次写出来又乱了。如果你配了格式化 hook， 每次 ai 写完代码自动触发，代码自动格式化，提交前就已经是规范格式，你再也不用为格式问题操心。 再举一个例子，配了测试 hulk， 每次代码提交前自动跑测试，确保这次修改没有破坏现有功能。如果你配了安全 hulk， 危险命令直接被拦截，根本执行不了。你设置好规则，剩下的交给 hulk 来兜底。这里有个关键细节，必须用 exit 二才能真正拦住。 exact 二和 exit 一 完全不同， exit 二是执行终止命令，被真正拦截。 exit 一 只是报警，但继续执行。很多人配了 hoox， 但从来没真正拦成功过。问题根源就在这，用成了 exit 一。 建议先加三类， hoox， 安全防火墙代码格式化提交前测试，这三类能覆盖百分之八十的踩坑场景。第四层是 command 和 skills， 很多人把它当提示词收藏夹，其实它更适合做团队流程的入口。你有没有过这种经历？ 同事 a 写的代码，你 review 了一遍没发现问题，上线后出 bug 了。同事 b review 另一处也没问题，上线后也出 bug 了。因为每个人的关注点不一样，每个人 review 的 标准不一样。如果你团队有 review， 这个 command 每次代码审查都按固定的检查清单来空止针、边界条件、错误处理，测试覆盖所有人，用同一套标准代码，质量有保证， bug 率明显下降。如果有 fix 这个 command， 它自动帮你拉取相关日制，拉取报错信息，结合上下文给出修复方案，排查效率完全不一样。我在项目上还遇到发版的问题，但是你有 release， 这个 command 按团队模板自动生成发布日制，保证格式一致，内容完整，你只需要检查一下就可以发布。 一个好的 command 的 价值是让团队每个人触发代码审查时， ai 都按相同的入口，相同的关注点，相同的输出预期来工作。建议先沉淀三到五个高频 commands， 别贪多，命令越多，维护成本越高。第五层是 agents， 这是隔离上下文的专家。你有没有过这种经历？让 ai 做代码审查，他在那读了半天文件 grab 了半天，提出了十几个假设，推翻了十个，最后给了你三个建议，结果主上下文被这些中间过程填满了。 等你让他做下一件事时，他已经开始健忘了，因为上下文太长了。代码审查、安全审计这类耗时任务会产生大量中间过程， 读文件 grab 失败。假设临时判断、常日制。这些东西如果都留在主上下文里，会把工作记忆弄脏。 sub agent 的 价值就是把探索过程留在子上下文里。主线程只受到压缩后的结论。你让主线程做决策时，他只看到最终建议， 不被中间过程干扰。建议普通小改动，不用上 agent， 等支线任务真的变重再考虑。如果从零开始配置，建议按五步走，第一步，写一个短的 cloud md， 别超过一百行。第二步，不 有一个保守的 settings， jason 先抵耐高风险动作。第三步，加一两个关键 hooks， 比如 bash 防火墙和提交前测试。第四步，沉淀高频， command skills 三到五个就够。第五步，等支线任务变重了，再加 agents。 说实话，百分之九十五的项目，前三步就够了。 skills 和 agents 是 等真的遇到重复性复杂工作流时才需要的，别为了配置而配置。 cloudy 不是 魔法，而是 ai 工程化落地的第一层地基，五层各司其职。 cloud md， 让 ai 少猜项目规则。 settings detection， 让能力有边界。 hooks， 让关键动作可拦截，可验证。 command skills， 让团队流程可附用 agents， 让支线探索别污染主上下文。真正能长期留下来的不是某一句神奇提示词， 而是项目里沉淀的工程资产规则权限验证流程边界。现在就去配置下一个用它提效的就是你。下期预告 cool 的 到底怎么写才能少犯错？关注我，下期不见不散！

嗨，大家好呀，你们没有开发经验的朋友，我最近又开始做开发了，我最近在忙着写一个手机 app， 然后有一个小小的关于 md 的 心得想跟大家分享一下。 首先要写一个能上架 app store 的 这种手机 app， 它的工作量是比我之前写的那些网页的 app 要高很多很多倍的，所以为了这么复杂的工程能顺利完成呢， 一开始是跟 cloud 聊了很多，并且让他把所有的内容都总结下来，写成不同的 md files， 我 和 cloud co 都可以回去看的那种。同时呢，在开发的每一天，我也在让 cloud co 帮我写一个开发日记， 让我记得哪一天我们做了哪些事情，遇到哪些问题，还有具体做了哪些决定和改变了哪些方向。那么这时候我发现一个问题，就是这些 md files 基本上只有 clock code 在 看在读，而有的时候我想去看一下，读一下，写一下的时候就觉得很麻烦，要打开一个 vs code， 或者打开一个某一个软件。 然后这个时候我就想到我最近开始用的 obsidian， 是 我基本上一开电脑，它永远一直开在那里的，因为我想到什么，有什么灵感，就直接往里面写的那种。 大家知道 obsidian 它也是主打一个 md 文档的，所以这个时候我就想如何呢，让我的 obsidian 去直接打开这些 cloud md。 其实这里唯一的问题呢，就是说我不希望我有很多套不同版本的 md 文档，在某一个项目中，我是希望它能始终保持只有一个版本的，那这个版本是 cloud code 会去看也会去写的，同时也是我可以通过 obsidian 呢去看，也去写的。 那这个时候要达到这个效果，我们就要用到一个东西，叫做 simlink， 非常简单，一共呢就叫三步。第一步就是你先要找到你的 markdown 文档都在哪里， 那这些就是 clark co 一 开始帮我写的那些，还有我每天让他帮我写的那些日记也好啊，开发计划也好，那我的这些 md files 呢？是在我的这个项目里面的一个文档里面。那么我的这个 app 呢，叫做 acorn， 中文是巷子或者巷果， 它在这个文档里叫做 acorn and defiles。 那 这就是第一步，找到这些文件真实所存在的地方，并且把它这个位置记录下来。那第二步呢？就是找到你想把它放到你的 obsidian 的 哪个地方， 这里要找一个你想放进去的 vault。 那 我的 obsidian 现在长这个样子，我希望把它写在这个 product 下面，开一个新的文档，叫做 acorn， 所以 我将会把它放在这里，在一个 note 里面，或者这个 vault 里面是有一个 product 的 文档， 它会出现在这里。那第三步呢？就是如果你是用 mac 的 话，你就把这个指令写进去，就是这个 l， n， dash s， 然后你第一步找到的这些文档所存在的地方，然后你第二步找到的你想把它放到的地方。那对我来说呢，我把它结合在一起，就长这个样子，这个时候我们复制它， 然后开一个 terminal， 把它跑起来。嗯，大家看到马上这里就出现了我的这个 acorn， 然后这里也有所有的我刚刚写的那些文档，它都在这里了，这个时候如果改任何东西的话，它会实时的出现在我的真实的那些文件中，因为这个文件夹里的文档相当于不是真实的存在。在这里它只是一个 symbol link， 能直接连到原本的那个文档。所以我们不管是我 手动在这里改，还是括号在别的地方改，它永远都是在更新同一趟文档的。那当然我也知道有一些朋友，他其实只是用括号去写这些 m d， 看这些 md， 自己可能也不怎么需要去看它，那这个时候你可能也不需要用一个 obsidian 了，但是对我个人来说的话，我能看得到，写得到，并且能把它同步给跨，对我来说还是蛮重要的。所以希望今天的分享对大家有帮助，我们下次见。

解锁 cloud 的 百分之九十七潜能十六个颠覆工作流的高级隐藏技巧在人工智能爆发的时代，很多人依然把 cloud 当做一个高级版的谷歌搜索来使用。正如企业家 demarcus 所说，这就像买了一辆法拉利却只敢开每小时十公里。 作为人工智能领域的资深实践者，便在其日常业务中深度依赖 cloud。 本人将为你全面拆解它分享的十六个 cloud 核心黑科技，帮助你将它从一个聊天框升级为全能的商业合伙人。一 丝滑迁移与基础设置一、记忆导入 the memory import 如果你之前是 chat gpt 的 重度用户，不用担心迁移到 cloud 会丢失过去的积累。你只需进入 cloud 的 设置 settings 大 于功能 capabilities 大 于开始导入 start import。 cloud 会生成一段特定的提示词，将其复制并粘贴到 chat gpt 中。 chat gpt 就 会导出它所知道的关于你的所有个人偏好和历史背景，最后将结果贴回 cloud 的 记忆盒， add to memory， 二分钟内就能完成无缝迁移。二、精准的模型选择器 model selector cloud 拥有三种不同定位的模型， 选对模型能让你事半功倍，拍哭速度最快，成本最低，最适合处理批量重复性的任务，例如一瞬间总结五十份会议记录。 zenet 日常任务的首选，速度快且能提供多样化的日常写作或邮件草拟选项。 opus 最强的大脑适合极其复杂的逻辑任务， 比如在繁杂的财务指标中寻找潜在的商业模式。注，你也可以选择自适应思考 adaptive thinking， 让系统自动调配，按手动控制能让你更精准地掌控产出质量。二、强大的生态连接器 connectors three gmail 连接器 gmail connector 彻底解放你的收件箱。通过侧边栏的定制功能 customize 绑定 gmail， 你 可以让 cloud 帮你搜索邮件，总结核心内容并直接草草回复。商业高阶玩法你可以为自己和助理设置一个共享的 cloud 账号并连接邮箱， 助理无需登录你的真实邮箱，就能通过 cloud 自动查询任何需要你确认的信息。直线信息字服务四、日历连接器 calendar connector 连接 google calendar 后， cloud 不 仅能帮你安排会议、寻找空闲时间，更重要的是，它可以成为你的时间审计师。例如，你可以输入在周五前帮我留出一小时看 youtube 脚本，它就会自动排成。更高级的用法是把你的季度或年度商业目标输入进去， 让他分析你的日历和邮件，诊断你是否把时间花在了对的刀刃上。三、交互与内容可示化五、交互式应用 artefacts artefacts 让 cloud 具备了在聊天框内直接生成可用独立微型应用的能力。 不要总觉得有创意，就得花大钱雇程序员，你就是创作者。你可以对他说，帮我建一个带有视力数据的销售电子表格，要求列可编辑， 包含销售代表、销售状态和产品 log 会立刻在右侧生成一个可以实际点击修改的交互式界面。六、动态视觉图表 interactive visuals 无需再把数据复制到其他工具里做图， log 的 内部就能生成可点击、可扩展的动态视觉图表。配合 slack 等连接器，它可以直接抓取你工作群组里的长文沉淀，瞬间将其转化为极其直观的业务流程图或框架图， 一、大加速团队的学习与理解效率。四、知识管理与移动效率七、项目空间 projects projects 就 像是一个预载了大量特定上下文的智能文件夹，你可以创建一个新项目，把内部文件、 pdf、 客户访谈、录音文本以及特定的指令丢进知识库 knowledge area 中。实力但将所有的教练、辅导课程录音转录成文字放入项目空间。 当他需要创作新内容时，直接让 cloud 在 所有转录文本中寻找特定客户痛点和故事案例，源源不断地提供灵感。同时，你还可以利用系统提示词 system prompt 对 该空间进行约束，使其每次输出都保持高度一致的调性。八、语音模式 voice mode 说话的速度往往比打字快三倍。在电脑端点击输入栏的波形图标，或在手机端点击麦克风，即可开启语音对话。 cloud 拥有强大的语境理解能力，即使你的思维跳跃表达有些语无伦次， 它也能精准抓取核心意图，并贴心地把整场对话自动转录成文字供后续使用。 chrome 浏览器插件 chrome extension 这是重度用户的非穿不可之鞋。 安装 cloud for chrome 插件后，它能直接读取和操作你的浏览器界面。当你面对一个充满复杂数据的网页或表格不知所措时，直接向它提问，它会自动截屏抓取网页数据，模拟点击，并在一分钟内为你承递核心商业洞察。五、 进阶黑科技电脑控制与自动化十、携同工作与计算机控制 co work computer use 这是专属于科技即刻的震撼功能。在 cloud 桌面应用中开启 co work， 并允许 computer use 计算机控制 cloud 就 能直接接管你的电脑操作系统。你可以给他下达复杂的组合指令，帮我从 hop spot 导出上个月的销售数据， 填入 google 表格，生成一张总结图表，并在周一早上九点前发送到 slack 团队频道里。然后你就可以和上电脑去喝咖啡，它会像一双无形的手一样，帮你点击拖拽，完成所有操作。十一、定时任务 schedule task 在 co work 界面中，使用 schedule 命令，你可以把日常那些琐碎但必须做的重复性工作彻底自动化。只要你的电脑开着，每天早晨 cloud 就 能自动阅读你的收件箱，过滤紧急事件，抓取行业最新动态。 在你坐到办公桌前时，为你准备好一份定制的每日简报。十二、远程调度 cloud dispatch 通过 co work 菜单中的 dispatch 功能，用手机扫描 q r 码，安装配套 app， 就 能实现身在在外控制家中的电脑。例如，你在外面吃晚饭，突然想到一个紧急任务，只需对着手机说， 去我电脑里找到公司的商业计划书，发给团队成员 rody， 让他提反馈，并给全员发疯更新邮件，阿里的电脑就会立刻开始运转。六、开发者天国与高级定制十三、纯自然语言编程 cloud code cloud code 是 一款强大的 ai 软件开发工具，它允许任何人用纯英文或中文来编写复杂的应用程序。 它既可以在 cloud app 里使用，也可以在终端 terminal 里运行。你不需要系统，学过代码， ai 自己就会教你如何更好地使用它。但团队中一位完全不懂技术的高管，仅仅用了三天时间，就用 cloud code 徒手为公司搭建出了一个全功能的大屏幕 ceo 业务仪表盘。十四、 移动端编程频道 cloud channels 通过将 telegram、 imessage 或 discord 等聊天软件与你电脑终端运行的 cloud code 进行绑定，配对 apikey， 你 就实现了随时随地编程和调用 agent。 有 一次蛋的朋友赶飞机快迟到了，直接在 telegram 上给自己的 cloud 发消息， ai 就 自动去查他的邮箱和日历，帮他在线完成了航班的 check in、 登机报道。十五、技能定制 cloud skills 你可以将任何复杂多步骤的精细化任务训练成一个固定的技能 skills。 在 侧边栏的 customize 大 于 skills 中，你既可以一键将当前的优秀对话沉淀为技能，也可以去 github 上下载安装数以千计由全球网友分享的成熟技能，如财务审计、 hr 筛选等明星级技能。推荐 humanizer 人类化修饰，它能精准识别出二十种最常见的 ai 写作机械痕迹，并将 cloud 生成的内容重新润色得像真人转写一样自然。十六、 全新设计画布 cloud design 这是 cloud 针对设计界的颠覆性更新，建议与 adobe 深度合作，访问 cloud 点 ai 斜杠 design， 输入你的想法，它能在几分钟内为你生成高精度的投融资、路演、 ppt、 h d x 单页宣传册、着陆页、原型，甚至动态视觉图形。它还支持导入你公司的 brand guide 品牌视觉规范，确保生成的所有设计完美符合视觉 vi 结语，如何面对 ai 带来的焦虑？ 面对如此海量的新功能，很多人难免会产生自己快要落后了的焦虑感。但 damart 在 视频最后给出了一个非常务实的建议，你不需要今天就把这十六个技巧全部学会，你只需要知道他们的存在。在看完这篇文章后，挑选其中最吸引你的那一个去付出行动。 a i 是 人类历史上唯一一种会主动教你如何把它用的更好的技术，只要你愿意迈出第一步，尝试使用其中一个黑科技，你就已经走在了百分之九十九的人的前面。

今天想给大家分享一个我用了这么久 skill 总结下来最有用的一个设计原则，就是原子化加编排 啊，我们先不讲概念，直接看它最终的效果会长什么样子。我这里做的一个 agent 的 工作流是我输入一个抖音博主的主页链接， agent 的 就会一步步的帮我把这个作者的信息数据，以及他历史发布的所有作品的内容和数据全部采集下来， 最后还会给每一个作品打好内容标签，然后汇总一份报告给我。我们看一下这个项目的 skill 目录，就能很直观的感受到 原子化和编排到底是什么意思。这里有十来个原子化的 skill， 他 们每个 skill 都只负责一件很小的事情， 比如说这个就是解析抖音博主的作者信息的一个 skill， 然后这个就是采集这个作者历史的每一条作品的数据，还有一些音视频封面文件的一个 skill， 这个就是如果是图文作品的话，那会对图片进行一个 理解，然后提取图片上的文本的 skill。 这个呢就是如果是视频的作品的话，就会去抽取视频的音频，然后把音频转写成文字的一个 skill。 在 这个转写 skill 里面，因为我是通过远程连接我的 windows 电脑，帮我去做 gpu cuda 加速转写的，所以这里会有一个远程 cuda 转写的这样一个 skill。 这个就是转写完之后，再用大语言模型做一遍润色，因为有一些专业术语之类的需要 啊，经过大语言模型做进一步的润色和处理的。最后就是两个给博主和他的作品打内容标签的 skill， 这里面每一步都是一个独立的原子化的 skill， 它们每一个 skill 都只处理一个 很小的原子化的任务，做完他就直接吐，结果他也不管上下游是谁。那说完了原子化编排是什么意思呢？编排 skill 的 唯一作用就是把这些原子化的 skill 串成一个完整的工作流， 我们可以打开这个编排 skill， 看一下它长什么样子。首先就是它会解析我给出的指令，就是抓取哪一个博主的 数据，然后抓取的作品有多少条。然后我们主要看一下它的工作流程。第零步，它会去调用一个 skill 去做健康检查，看一下我远程的那个 windows 电脑是不是可连接的，然后 c u d a 啊，还有一些依赖项是不是可用的。 然后第一步就是去调用解析作者的这个 skill， 拿到博主的一个概括和信息。第二步就是 采集作品的 skill， 把这个博主的所有作品都抓取下来，包括作品的一个基础信息数据，还有音视频和图片的原文件。然后第三步和第四步就是作品拿到之后分成两种 作品类型，如果是图片的话，走 ocr 提取文字的 skill， 如果是视频的话，那么就走视频音视频转写的一个 skill。 第五步就是用认色 skill 优化一下一些专业术语， 因为 whisper 转写对中文还有一些专业术语，它处理的是不够准的，所以这里需要用大圆模型做一个润色处理。第六步就是基于抓取到的所有作品的内容，跟我协商出 几个作者级别的标签，然后第七步就是为每一个作品打上这些标签，最后就是给我输出一份总结报告，那这里我们可以注意到，就是编排 q， 它自己是没有任何新的逻辑的，它 整个 skill 点 m d 里面就只做一件事情，就是声明工作流总共分为哪几步，但是每一步具体要怎么实现，其实是写在被调用的这个原子化的 skill 里面的，它并不在编排的逻辑里面。那么为什么要这样做呢？我觉得这么做是有三个好处的。 第一个就是让我们去设计工作流，还有设计 skill 变得非常简单，如果你要做的一个工作流或者是一条流水线，它的链条是比较长的， 一上来我们就想把它写成一个可以用的 skill， 让它能跑通，会发现是寸步难行的，很多时候边界划不清楚，流程理不顺，调试起来也很痛苦。但你拆成一个一个原子化的 skill 之后，会发现每个 skill 其实它的实现都是比较简单的， 可能几分钟就能跑通一个，这样的话我们一个一个 skill 去搭建起来，去验证起来就会非常简单了。 第二个好处就是这么做它的可叠代性会非常强。如果我们把所有的业务逻辑都放在一个大的 skill 里面，那么跑起来之后我们去想要单独去优化某一个环节， 我们需要在几百行的 skill 点 md， 还有一堆 reference 文件或者是 scripts 脚本文件里面去找到 某一段或者某一行，改完之后你还担心破坏别的步骤，我相信做过大 skill 的 朋友应该都能懂这种感觉，那么原子化之后我哪一步效果不好，需要优化，我只需要去改那一个小的 skill 编排很多时候根本都是不需要动的， 这么优化起来的话，我们的目标和方法都是非常明确的，根本不用担心破坏整个工作流。第三个好处，也是我觉得最重要的一个好处，就是原子化的 skill 是 可以被附用的。你看刚刚那十个 skill 里面，像图文、 ocr、 音频转写、润色、打标 这些其实都是跟抖音这个平台无关的一个通用能力，所以我现在做的是抖音这个平台的工作流，那后面我要再去做小红书，做 b 站 或者做视频号的类似的工作流，那这些 skill 其实一行都不用改，我只需要再去写一个新的编排 skill， 按同样的格式把它们串起来就可以了。 所以原子化的 skill 攒的越多，我们下一个新的工作流的搭建成本就会越低。而如果我们把整个流程都做在一个大的 skill 里面的话，那我们想要再附用到别的平台上，可能就没有那么简单那么清晰了。 最后我们可以看一下这个 skill 实际跑起来的一个表现啊，我只需要在绘画里面调用这个 skill， 然后丢给他一个抖音博主的主页链接，然后跟他说要采集他的所有作品， 我们就可以看到他一步步的去调用我们刚刚在那个工作流编排那个 skill 里面串的那个流程。第一步去检查我的 windows 是 否可连接，依赖是否都已经安装好，第二步就去解析这个作者， 第三步就去拿到这个作者所有的作品，第四步就去把他的视频进行了转写， 会推送到我的 windows 电脑上，然后一个个去做转写，转写完成之后，他会自动去做一个 l l m 的 大圆润色，转写完成之后就自动进入下一步，根据这个博主的历史的所有作品内容去归纳他的一个内容标签，然后跟我协商确认， 我确认完之后，它就自动地去为它抓取到的每一条作品去做达标，最终就给我生成了一个总结汇报。 整个流程除了我在它提取作者标签那一步参与了一下确认，其他全部都是由 agent 自己一步一步调用各种 skill 去完成的，我觉得整个流程真的是非常清晰的。那最后我们也可以看一下最后最终它产出的一个结果。第一个是这个数据库 啊，我们可以看到每一个作品就是一行数据，它有标题，有正文，有标签，然后是什么时间发布的，以及各种点赞、评论、转发收藏的数据，包括说各种原文件、音视频 封面的原文件的这个文件路径也都采集进来了。然后第二个输出的话，就是每一个作品的音视频， 还有封面的原文件，还有转写完之后的这个文字稿，都非常格式化地落在了我的本地的文件夹里面， 那么这期就到这里，如果你也在做页尾整的，需要搭很多可附用的工作流，可以尝试一下用这个思路去做你的 skill 的 设计。如果大家觉得对你有帮助的话，可以帮我点个赞，点个关注，我们下期再见！

openspec 和 superpowers 是 当下做 spec coding 非常出名的两个项目。在日常使用过程中，我们一定有组合 skill 的 需求，但问题是，两套 skill 的 技能命令是分散的，没办法自动触发。并且有的部分 skill 我 可能不是那么想用， 比如我更喜欢用 superpowers 的 t d、 d 执行，而不是 openspec 的 apply， 更需要用 openspec 的 archiv 能力规档 spec， 而不是 superpowers 的 一次性 spec。 怎么组合市面上的高斯大项目，让它们自动触发，互相取长补短， 怎么让整个状态扭转更可靠？这些看起来能够实现的点，在实际的开发过程中依然还有很多细节考量。 同时，两个 skill 都会产出 spec 文档，这部分也需要自然地融合在一起。 comet 就是 组合这两者产生的项目 想要做的事很直接，把 openspec 管需求的能力和 superpowers 管实现的能力接到同一条流程里，他不改这两套东西，只做组合调度。先看 openspec 这边，他很擅长管理 spec 的 生命周期， 当前需求放在哪里，变更材料放在哪里，最后怎么归导这条线是很清楚的。所以这对应于 what 部分，也就是要改什么内容。 openspec 能够很好地列出大纲，但其实 openspec 依旧有一些不好用的地方，它的 proposal 和 tasks 能说明要做什么，但不等于已经说明怎么做。 到了工程设计阶段， agent 还要补方案、补边界、补判断画面。中间这个问号就是这个的设计缺口。 openspec 的 需求澄清能力并不是那么强。再看 superpowers， superpowers 补的是 how， 是 怎么去做， 他会先澄清需求，再做深度设计，然后写计划，按 tdd 推进，最后验证和收尾。中间会不断地和用户交互沟通细节。也就是说，他把真正实现时需要的链路拉细了，两者均会产出 spec 文档。 但是如果只靠 markdown， 也会存在另一个问题，任务打勾了不代表阶段状态可靠，人事能够通过，看文档能猜出来，但 agent 下一轮回来不一定能稳定判断现在到底走到哪一步。 所以断点恢复才是核心问题。下一次绘画开始时，通常的断点恢复， agent 会先读文档，再扫代码，然后再推断阶段代码还没写， token 已经花在恢复现场上了。 comet 通过一个清亮的状态机机制来实现断点恢复，要省掉的就是这段重新找路的成本。 comet 的 定位不是再造一套方法论，它更像一条稳定轨道，把 openspec 和 superpowers 放进同一个项目流程里，让两边各做自己擅长的事，并在执行过程中对齐两边产出的文档。 openspec 管需求世界 需求是什么，题案怎么写， spec 怎么变更，最后怎么归党，这些都属于 what， 他 负责把要做的事讲清楚。 superpowers 管执行方法、头脑风暴、技术设计、实现、计划、执行、验证、收尾，这些都属于 how， 他 负责把怎么做拆细。 commit 站在中间，把 what 和 how 接起来。左边是 openspec 的 需求材料， 右边是 superpowers 的 实现方法。下面输出一条 open design build verify or shift 的 流程。 commit 不 替代 open spec， 也不替代 superpowers， 它只负责把阶段状态和 skill 出发点对齐，这样两套能力就不是两堆文档了。 proposal spec， 生命周期、 archive 状态和 brainstorming design， doc execution plan 会进入同一条 shared state， 最后落到出发规则。 open 阶段找 openspec， design 和 build 找 superpowers。 verify 阶段两边一起收口，在对应的阶段真正的触发正确的 skill， 而不是让 ai 产生触发了 skill， 但实际上是 ai 自己写的幻觉。 完整流程可以拆成五个阶段，每一段都有自己的命令和产物，不靠 agent 临场拆下一步。第一段是 comet open， 这里由 openspec 接手，打开 change 生成 proposal design 和 tasks， 先把这次到底要改什么固定住。 第二段是 commit design， openspec 的 产物会交给 superpowers 继续细划，重点不是马上写代码，而是先把边界、方案和风险讲清楚。第三段是 commit build， 这里进入工程实线， plan、 tdd、 subagent 都在这一段接上， 能按计划推进就不要临时乱跑。第四段是 comet verify， 这里 openspec 和 superpowers 会进行同步收缩，一个处理文档，一个处理代码，收尾测试要过，报告要有，需求和实现也要对齐，不是跑完代码就算验证结束。 第五段是 come to archive， 所有的需求变更同步回 main spec， change 进入 archive 状态机补充文档核心状态，这时候 open spec 和 superpowers 产出的文档会进行双向关联，到这里产出的 spec 关联文档才不会留下半截流程。所以需求不是代码写完就结束， task 勾完也不够，真正结束是实现文档和状态都对齐，使用 command 出使化之后，项目会被分成三层平台， skill 放一层，包含了 command 的 核心脚本， opensback 的 change 和状态放一层 superpowers 的 设计文档和计划放一层 斜杠。 comit 是 skill 的 核心入口，用户在使用的时候，不管当前 spec 状态如何，都可以通过这个入口进行工作。他会先检测当前 spec 状态，读取 workflow phase， 然后决定下一步该进哪个阶段。 入口先判断现场，再路由动作。当我们面对长城任务做到一半工具关掉了的情况时， 回来之后不应该重新讲一遍背景，而是直接输入 comet 继续。它会从当前 spec 状态恢复现场，不再需要重新探索项目。 如果项目里有多个活跃 spec 时， comet 会先把它们列出来。当你选择了具体的某一个 change 时，它再进入阶段判断，这样就不会把几个需求的状态混在一起。选定之后，它会定位当前阶段，比如现在是 build 就 从 build 继续，而不是重新扫描项目。 长城任务真正需要的就是这种明确的继续位置，这种设计能够极大的减轻你的使用认知负担。我们拿到 skill 不 再需要记多个命令，而是直接 comit 继续就好。 comit 会帮你把状态记住，帮你把流程走下去。支撑恢复能力的是这个轻量状态机，每个 open spec change 都绑定自己的状态，也就是说状态不是大局混在一起，而是跟着具体的状态。是 workflow 和 face。 workflow 决定走完整流程， hotfix 还是 tweak。 face 决定现在卡在 design， build， verify 还是 archive。 再往下是恢复上下文， design， doc 在 哪？ plan 在 哪？ build mode 是 什么？当前是否在隔离分支里？ 这些字段让 agent 回来后能接上，而不是重新扫。项目验证和归档状态也需要写进去。 verify result， verified at archived， 这些字段不复杂，但足够判断下一步是不是可以继续。关键是状态不能靠 agent 手改。烟雾 commit 要通过脚本写回状态， 只有条件真的满足，阶段才允许流转，这样能减少看起来完成的状态飘逸。 commit guard 脚本就是阶段闸门，它检查文件是否存在， face 是 否匹配 tasks 是 否完成， 条件不满足就 hard stop， 只有带上 apply 才真正更新状态。 com state 脚本提供统一读写接口。 com tm validate 脚本负责校验必填字段，每举直路径引用和未知字段，一个负责改，一个负责查，状态就不容易飘。最后是 coming r shift 的 脚本，它会验证入口状态，同步 spec， 移动 change， 再把 r shift 写成 true。 需要先看效果，也可以走 dryrun preview。 安装过程如图所示，从 npm 安装之后进入你的项目执行。 commit in it commit 采用交互式命令集成，安装步骤非常简单， 说实话会先确认三件事，平台配置、安装范围。 skill 语言，你可以装到当前项目，也可以装到局目录。为了方便理解 commit 的 原理，分发的时候也支持中文或英文， 选择依赖后，相关的 skill 就 会自动就位。 open spec skill、 superpower skill、 comet skill 会部署到选定平台， specs 和 plans 这些工作目录也会一起创建好。 平台分发也交给 comet in it cloud code， cursor codex、 open code， winsole 还有其他 ai coding 平台，都按自己的目录结构放好，你不用手动搬 skill 文件。 除了完整流程，还有 comet、 hotfix， 当 bug 已经明确时，它会跳过完整 brainstorm 和 design， 直接走 open build， verify archive， 适合目标很清楚的修复。第二个是 comet tweak， 文案调整、配置调整、文档修改、 prompt 优化都可以走这条清路径，它比完整流程更清，但仍然保留 comet 的 入口和状态管理。 comet 还有一个价值，它是组合 skill 的 参考 强工具很多，但真实使用时，你常常只需要其中一部分能力，比如 openstack stack 管理、 superpowers 的 tdd 和深度设计，再加上规党能力。难点不是把文档拼在一起，难点是稳定组合嵌套。 skill 要真的触发，不能只是让 agent 看着说明访写文件，状态也要可观察，不能看起来像触发了，实际没有跑多阶段流转。 也不能看起来像触发了，实际没有跑多阶段流转。也不能看起来像触发了，实际没有跑多阶段流转。也不能每一步都靠人提醒，人工接线很容易断。 commit 把必要选择留给用户，把核心推进交给状态机和守护脚本，所以它也是一个参考，实现 skill 调度、状态机、阶段守护、规章自动化，这四块组合起来才是一套能落地的多 skill。 工作流收缩一下 openstack， 让需求有生命周期。 superpowers 让实现有方法论。 commit 把两者接成一条可恢复、可验证、可规党的流程。 从两条命令开始安装 commit， 然后在项目里执行 commit init 初步化之后就可以用斜杠 commit 加你的想法，进入完整流程。最后我想说的是， commit 留下的不是某一个命令，它证明的是一套组合范式，千套 skill。 要真正出发，多阶段流程要能自动流转 状态机和守护脚本，要让这套组合在真实项目里可靠落地。希望大家能从这个项目里学习到好用的知识，一起创造更适合自己的 skill。 接下来我们来看一段时机演示。以我本地的一个项目为例，现在我输入斜杠 compt 为我的项目创建一个电子宠物功能。我们可以看到 comet 触发了 comet open， 在 comet open 中又触发了 open spec 的 explore， 这时候 agent 会根据 explore 的 要求进行一轮项目探索。每一个嵌套 skill 在 真实出发时，都会在 cloud code 中显示 skill 的 打印。这个探索的过程比较长，我们稍微快进一下。探索完毕之后， explore 会进行多轮大碎方向的澄清，这几步需要用户进行反馈。 完成之后会生成 open spec 对 应结构的 proposal、 design、 spec、 task 等文件，并在 changes 目录下创建当前激活的需求。 然后是 comi 的 状态机核心文件出场和状态守护执行。我们可以看到，当 open 阶段完成时， agent 想要退出 open 阶段，会有强制的状态机交易，对于核心文件和状态一定得满足之后才能够进入下一阶段。 这里都 pass 通过之后， comte design 也成功被 comte open 触发了。之后 design 阶段会将 openspec 创建的文档作为上下文传递给 superpowers 进行头脑风暴，更加细化需求之后的步骤我这里不再接着展示了，欢迎大家亲自体验。下面我演示一下阶段活跃检测及断点恢复功能。 当我们在多台电脑上工作或者临时有事离开了，回来之后只需要输入斜杠 commit 继续 commit， 就 能够通过状态文件自动识别当前活跃需求。 我们可以看到不再需要重新大量的探索项目 agent 很 快就知道了当前需求的活跃状态，如果存在多个需求，也会将它们列出来供用户选择。以上就是本期视频的全部内容了，欢迎大家点赞关注 star 本项目，谢谢大家！

这是我用 hammers cloud code skill 深层的关于 hammers engineering 的 wiki 的 一个知识图谱啊。最近其实 hammers 这个概念很火，有 hammers engineering， 有 hammers legend， 还有 metal hammers， 还有 auto hammers， 那 其实我一直很好奇，那 hammers 是 什么东西，以及它的由来？什么都有哪些给你的项目 软件是跟这个相关的，那其实我以前也是想找一个 wiki， 想进一步了解，但是其实这一次没找到，所以说我今天看到了一个 wiki build， 这么一个开源的一个 cloud code skill， 它核心其实说可以快速的去搭建一个 lm 知识库， 通过一种标准化的方式，它其实有个最大特点就是通用这个 skill， 你 可以去按照整个呃文章类型，或说产品类维度，或者说研究维度去生成不同风格的 wiki。 刚好我就借这个 skill 去帮我去 生成关于 haus engineering 这么一个 wiki 文章。正常情况下，其实我们要去生成一个 wiki 的 时候是要做几个事情，第一个事情说你需要先去收集对应的素材。第二个，其实你可以告诉你的 ai 引擎去把对应的素材去把它结构化，生成对应的一些页面，包括你的一个缩影页，包括你的原始数据页，包括你的一个抽象出来的一个抽象页面。 第三步，其实说你在整个去跟 ai 去沟通以及问答过程中，那其实 ai 会有一些对应的一个 response 结果，那这个其实都是可以存到我们的 fq 里面的，那这个其实可以直观下来。那第一步讲就是说你的 wiki 内容是会动态的一个变化的，那你需要定时去跑对应的一个脚本，然后去生成对应一些新的一个计划页面，去加到原有的一个项目里面去。 然后这个 viki build 的 这个 skill 其实很简单，它主要做几个事情，第一个事情就是说把整个 viki 的 这个目录给结构化下来，最大的核心其实在于它的 pos 里面，它其实抽象出了五个 pos， 那 第一个 pos 其实就是生成一个属性页面，第二个 pos 其实就是去生成一个原始数据页，第三个 pos 其实抽象出你的一个抽象概念页面，那第四个 pos 其实就是说针对你的问题，然后 去生成对应的一些相关的答案，然后放到你的 hq 里面。那第五个其实就刚才讲的第四步，就是说针对于你的当前 viki 的 内容进行当 check， 看看是不是有些遗漏什么东西。 这边其实我就是用 cloud code 安装完这个 wiki build 之后，他帮我去生成一个新的 wiki 项目，然后这个项目的主题就是关于 honey's native engineering 的 这个 wiki， 然后这个任务跑完之后，就会生成刚来的一个标准化的一个 wiki 结构。 紧接着关于在素材这块，而我这边用了 harvis， 因为 harvis 这块的 agent 我 在我使用下来，我觉得它会相对更智能一些，因为它集成了很多插件工具，对吧？所以说我把这个收集素材的一个任务就交给 harvis， 这次 harvis 在 执行完这个任务之后，在我们的 raw 文件下，下面去 把我收集到一些相关信息啊，然后这是对应的 source 里面记录的关于前面 los 里面的对应的这些文件的一个标题，以及呃 u r 地址以及它的一个简写，方便后面去深层详细的一个 wiki 内容。 当相关的一个哈密斯素材收集完成之后，那么我们就可以重新回到 ploco 的 这个 c i 界面，然后告诉我们 ploco 的， 然后基于我们现有的收集到信息，基于 source 里的内容，帮我重新去生成完整的一个 wiki 内容。 然后你可以看到执行完成之后，它就生成了几几块，包括概念、项目、角色机、准时间线以及对应的一些问题 faq 相关内容。然后你可以看到最后一步它会有个补充，那其实就是执行我们刚刚前面讲到的一个 link viki 这个点定义的内容，它会去 double check check 你 生成内容是不是完整，那么你可以看到其这边有反馈说有些页面还没有生成完整， 那这个接着其实可以继续跟 cloud 沟通，让它继续往下去生成就可以了。当所有的内容都生成完成之后，那我们只需要把我们的项目导入到我们的 opc 点里面，就可以看到在视频的开头所演示这个关系图。

上条视频和大家分享了，装完 coco 之后，那怎么用它来帮我们解决实际的问题呢？那接下来我将会出一系列的教学视频，包含怎么用 ai 做 ppt， 怎么做视频，怎么做自己的个人作品集合网站，以及如何收集资料等等。 当然如果你有其他的需求，也欢迎评论区留言，我会陆续出相关的教程给大家，所以记得持续关注哦。好，接下来我们直接进入到正题，今天第一期教程，先和大家分享怎么用 ai 做好 ppt。 之前我们一直强调 skill 是 菜谱，要做出不同的菜，就得找到不同的菜谱，告诉 clarko， 他 才知道流程是什么，用什么配料。所以大家平时可以持续关注下那些在给哈仓库里面新标比较多的，就证明用的人很多。其中做 ppt 的 skill 在 中文圈里面非规章老师的这个规章 ppt skill 莫属了。 那最后我做出来的效果先给大家看一下，这个就是我把一个简单的个人信息的握文档丢给了 coco 要用的这个 ppt skill 做出来的这样的一个效果，大家可以看看觉得怎么样？我觉得整体的效果做的还是蛮不错的，他把我的这个信息做了一个提取，然后整理在网页上面， 接下来我就会演示在 vsco 里面怎么调用 clouco， 用这个 ppt skills 来去做出这样的一个成品。首先我们先打开 vsco， 就是 这样的一个界面，在 vsco 里面可以搜索这个 clouco， 就是 在这个扩展里面就是这个 clouco for vsco， 直接点击安装，我们安装好这个 clouco 的 扩展之后，后续每次打开 vsco， 我 们在这个右上角就会看到这个 clouco 的 按钮。我们每次去做一个项目的时候，我们都可以新建一个文件夹， 比如说这个是我之前新建的一个空的文件夹，然后假设没有使用的文件夹，我们就在这里面直接新建一个文件夹，然后选择打开，打开之后直接点击这个 clark co 的 按钮，我们就可以直接进行对话了。打开这个对话窗口之后，像刚刚说到的，我们要让这些 skill 帮我们去做事，但很多时候我会给大家一个建议，就是这个 skill 具体是能做什么的，我们可以先丢给 clark co 问问他， 所以你问他的时候，他会先去读取这个网页里面的内容，他就告诉我们这个 ppt skill 是 可以帮我们去做一个横向翻页的网页， ppt 是 一个 html 的 文件，具体下面有这些功能，如果我们想让它基于我们给的内容，让它去输出一些 ppt， 那我们就可以直接把我们的信息丢到这个文件夹里面，我们把这个简历放到这个文件夹里面，然后就会在这个文件夹里面去识别到我的这个内容，我就让他基于这些信息帮我做一个 ppt， 可以 看到他自己在一步一步的去规划要做的事情，他就先规划这个 ppt 的 结构还有内容大纲，然后生成这个瑞士风的 ppt 之后再去验证这个效果。当他做完之后，他就会提示你是否要在浏览器当中打开这个 ppt 的 预览效果， 我点击券之后，他就打开到浏览器让我去做一个预览，这个就是一整个瑞士风的一个 ppt 的 效果，我觉得整体还是非常的清晰和简洁明了。对比我那样一个 word 文档的一个信息， 我觉得通过这样的一个 ppt， 或者说这样的一个求职简历给到 hr 来看，其实还是挺加分的，不知道大家觉得怎么样？所以总结一下。今天跟大家分享的就是在 vsco 的 这个软件里面去安装完这个 clolo 的 扩展之后，每次我们打开 clolo， 然后去新建一个文件夹， 把你要给 clolo 识别的一些信息跟内容都放到这个文件夹里面，然后每次点开右上角的这个 clolo 的 图标，我们就可以跟 clolo 去进行对话了。 第二个比较重要的就是我们每次让 cloudco 帮我们干活的时候，最好就是调用别人已经封装好的 skill， 当你解决不同的问题的时候，就用这些 skill 帮我们去解决。 然后当你不知道这个 skill 能干什么的时候，就直接在这个对话框里面，让 cloudco 帮你去读取这个网页里面的内容，问问他这个 skill 是 干嘛的。所以对于那些想要做课间 或者去做一些演讲分享，对外的展示这些内容，我觉得用这个 ppt skill 是 一个不错的选择。所以今天的分享不知道对大家有没有帮助，或者大家在实操的过程当中遇到什么问题都可以留言，我会针对大家的问题给予解答， 以及大家还想知道用 call 能做什么，也欢迎评论区留言，我会出相对应的教程分享给大家。好，那我们今天的分享就到这里，我们下期再见。