粉丝3.0万获赞25.9万

这是个能让你的 cloud code 直接变成一个四十九人游戏工作室的神奇网站,每天一个硬核的网站推荐第五十期就是这个开源项目,已经获得了十七点九 k 的 star。 它是专门为 cloud code 打造的游戏工作室模板,把一个 ai 绘画直接变成一整个游戏公司。四十九个专属 ai 智能体 策划总监组成 qa 负责人,音效师,人员配置直接对标真实游戏大厂。七十二个一键 skills, 十二个 hook, 三大引擎无缝切换,一人游戏开发工作室真的到来了!

当全网都在为 entropic 的 clock code 欢呼,为 openai 的 codex 赞叹时,在这场极其疯狂的赛博军备竞赛里,作为亲手开启大模型时代的 ai 祖师爷,谷歌 他们的王牌工具是什么呢?今天一口气带你了解谷歌手中的王牌工具 anti gravity。 anti gravity 最大的颠覆在于它底层的狂妄。它直接 fork 了全球最火的 vs code, 但彻底重构了编辑器的交互逻辑。左边是你熟悉的常规代码区,但在右边,它塞进了一个叫 agent manager 的 任务指挥中心。 传统的 ai 编程依然是你写一句, ai 帮你补一句。但在 antigravity 里, ai 根本不是你的打字助手,而是你的独立施工队。 你可以同时召唤好几个大模型 agent, 让它们在不同的工作区、不同的文件里义步并行干活。 你不再是一个敲击键盘的马农,你变成了一个坐在指挥台前发号施令的架构师。不仅如此,他还藏着一个让所有前端测试工程师倒吸一口冷气的内置神器 browser agent。 以前你让 ai 改完网页 ui, 还得自己打开浏览器刷新看效果。现在, anti gravity 直接给 agent 长了一双眼睛和手。 他改完代码后,会自己打开内置浏览器自己去点击测试,甚至还能把整个过程录屏、截图、打包成交付物丢给你审核。你不再需要去翻看枯燥的运行日记,你只需要像老板看图纸一样看他交上来的成品。 更绝的是,作为一款谷歌亲自操刀的产品,它居然不逼着你只用谷歌自家的模型。它大方地兼容了老对手 android 的 cloud 四点六,甚至还支持千亿参数的开源大模型,为什么谷歌要这么做? 这就是巨头的名牌洋谋,编辑器之争就是生态底层之争。谷歌要的不是卖模型赚点小钱,它要的是让 anti gravity 成为整个 a 阵时代唯一的超级入口。 无论你用谁家的大脑,最终都得在谷歌搭建的厂子里打工,从帮我们写代码到自己写代码,再到自己开浏览器测试。 anti gravity 的 出现彻底宣告了手工作坊式编程的终结。在这个魔法变成现实的时代,摆在我们面前的只有一条路,学会去当那个指挥千军万马的包工头,否则你就会成为被机器优化的那块砖。

现在就是可以喷卖是用 ai 开发商业游戏作品的,或者说在工具层面其实已经是够的了, color code 和 codex, 再接入一堆第三方技能 呃,和一些比如三 d 建模啊,还有像素图像制作软件的 api 之后,已经可以帮助程序员完成整个商业作品了。可能未来就没有程序员了,只有游戏设计师。 因为无论任何行业,你搭配上 ai 决定这个行业的,呃,上限的依然是人。现在的 ai 大 厂都在卷大模型,都在卷 agent, 但迟早会像手机市场一样,用户手里的工具都会拉平的。打个比方说,曾经手机市场是吧,百花齐放,大家工具不同,拍视频的这个质量也不同, 但如果大家都拍视频直播都用苹果手机,那你说苹果这工具它强不强?是很强大,但是当大家都用苹果手机的时候,拍摄工具就成不了拉开内容质量差距的 根本的因素了。 ai 开发游戏也是一样的,未来游戏行业的所有的从业者都要学会使用 ai 开发游戏, ai 也能帮你完成所有的手脚工作,甚至帮你完成基础的框架和所有的游戏基础设计。不过最终决定你游戏是否比同类型游戏 更有深度的还是开发游戏的这个人。因为你用 ai 做到的东西,到未来别人也能做到,明白这个意思吗?所以当 ai 工具的信息差, ai 工具的能力大家都拉平以后,还是要靠人去生化你的游戏。但是当下的游戏市场的情况是,大家都不够玩的, 玩家都缺游戏,玩太多的主机游戏玩家,你像我一样的都有点电子那什么尾了,所以现在对于独立游戏开发商来说真的是个非常好的机会, 这都是个人观点,欢迎大家持不同的想法来探讨,来交流。那我希望大家把我的频道当成一个交流, ai 编程, ai 开发游戏的一个 ai 开发游戏界的原始部落,大家可以互相体验各自的产品,我相信不久的将来,我的粉丝里面一定有人可以证明我现在说的话。

大家好,今天我们来聊聊 deep seek 二,现在更名为 code whale, 这是一个由 onboon 开发的开源项目,在 github 上已经获得了超过三万四千颗星标。 它是一个以 deep seek 模型为核心的终端编程代理,能在你的命令行里完成代码编辑、文件编辑、 shell 执行、 git 管理等任务。 codewell 是 一个 deep seek 优先的编程代理,专为开源和开放权重模型设计。它围绕 deep seek v 四模型构建,支持 pro 和 flash 两个版本,提供高达一百万 token 的 上下文窗口, 你可以实时看到模型的推理过程。并且它还能追踪前缀缓存的命中情况,帮你精确控制 api 成本。 code wheel 的 核心特性非常丰富,首先是模型自动路由,使用 auto 模式时,系统会用低成本的 flash 模型来决定当前任务该用哪个模型和推理强度。 其次是三种工作模式, plan 模式只读探索, agent 模式需要审批确认, yellow 模式自动批准所有操作。推理强度可以在 off high 和 max 之间切换。 此外,还支持绘画、保存、恢复和分叉,以及基于测 get 的 工作区快照回滚。 finn 是 code wheel 的 智能路由系统,在你发送请求之前,它会先用低成本的 deep seek v 四 flash 模型做一次快速路由判断,决定实际请求应该用哪个模型和推理级别。 简单的对话可以留在 flash 且关闭思考模式。而编码调试、架构设计等复杂任务则会自动升级到 pro 模型,并开启高推力强度, 这样既保证了质量,又节省了成本。安装 code wheel 非常灵活,最简单的方式是通过 m p m 全局安装,如果你有 rest 工具链,也可以用 cargo 安装。 mac os 用户可以用 homebrew, 还可以直接从 github releases 下载与翻译的二帧制文件,支持 linux、 macos 和 windows。 此外,还提供了 docker 镜像开箱即用。 code wheel 提供了完整的工具套件,包括文件读写、 shell 命令执行、 git 操作、网页搜索浏览等。 还支持通过 m c p 协议连接外部工具服务器。特别值得一提的是,它的子代理系统可以同时派发最多十个子代理并行工作,每个子代理有独立的上下文和工具注册表,完成后自动汇报结果。摘药。 安全性是 code wheel 的 重点设计考量,它在不同操作系统上使用原生的沙箱机制。 mac os 用 seat belt, linux 用 landlock, windows 用 job objects。 所有 shell 命令只能在当前工作区的文件系统范围内执行。在 agent 模式下,所有的工具调用都需要用户确认批准才能执行。 codewell 还有很多贴心的功能, lsp 诊断可以在每次编辑后自动显示错误和警告既能系统提供了可安装的指令包,开箱即用,内置五种终端主题,可以实时切换 界面,支持中文、英文、日文和葡萄牙文。对于中国用户,费用追踪会以人民币显示。还提供了 http 和 sse 运行时 api, 方便集成到其他工作流中。 总结一下, code wheel, 也就是原来的 deep sea。 二是一个功能强大、设计精良的终端编程代理。它以 deep sea 模型为核心,通过智能路由平衡性能与成本,提供完整的安全沙箱机制,支持子代理并行工作。 如果你正在寻找一个开源的 deep seek, 优先的命令行编程助手 code wheel 绝对值得一试。项目地址是 github 点 com 斜杠 nbang 斜杠 code wheel 感谢观看。

当前主流的 ai 编码工具,比如 cloud code cursor, 在 处理大型代码库时,普遍面临同一个结构性问题。为了理解项目架构, ai 需要反复执行搜索、读取再搜索的循环, 先用 graph 定位关键词,找到文件后再逐一读取,如此往复。这个过程的代价是双重的,大量消耗 token 以及频繁的工具调用带来的延迟堆叠。在复杂项目中, ai 很 容易陷入反复横跳,却始终找不到核心调用链的困境。 code graph 针对的正是这个问题,它的核心做法是把静态代码分析和本地剪辑做了深度融合。 具体来说,他利用 tree sitter 在 本地将原代码解析为抽象语法数函数类接口被抽象为图中的节点调用关系继承关系模块导入则被定义为边 整张图存入本地的 sqld 数据库。这样一来, ai 在 需要理解代码结构时,不再需要竹文件盲目扫描,而是通过 m c p 协议向本地数据库发出一次图查询,直接取回所需的符号信息和上下文切片 查询路径从多次探索压缩为单次定向命中。它还有一个值得注意的能力,框架感知。它不止做简单的符号匹配,还能识别主流后端框架的路由映射追踪事件流的触发链路,以及 react 状态更新到渲染的完整路径。 这意味着 ai 可以 做到真正意义上的端到端调用链追踪,而不是停留在单个函数层面的局部理解。 从工程价值角度来看,它带来三个方面的改善, token 消耗降低。因为 ai 获取的是结构化的精确上下文,而不是原始文件内容的大段重复读取, 响应速度加快,因为整个缩影和查询流程完全在本地完成。没有网络依赖,代码隐私得到保障,项目结构不会流转到任何第三方服务。当然,它也有明确的边界。 对于大量依赖反射圆编程或复杂依赖注入的项目,静态分析本身存在天花板无法覆盖运行时的动态行为。在极大规模的遗留代码库中,首次构建图所引的资源占用也需要纳入评估。 这里我用两个相同的 unit 工程做了一个实测,两个相同的项目,我用 clode 终端加 dspv 四进行相同提示词的测试。 最后我们看一下测试效果对比。有趣的是,右边起用了 code graph 并构建本地锁影,总费用不仅没有降,反而从一点一三美元飙升到了一点八七美元, api 耗时也直接翻倍。 这难道说明 code graph 的 本地锁影是个鸡肋吗?恰恰相反,仔细看底层数据,你会发现一个非常高级的反直觉现象, code graph 确实起作用了。右边的提示词缓存命中量高达一点三兆,几乎是左边的两倍, 这说明他成功帮模型精准定位了文件,在输入端疯狂瘦身。但为什么总价高了?答案藏在 oppo token 里。右边的模型输出量整整暴涨了六倍,难道这就是本地所引带来的架构师效应吗? 所以,多花的这零点七四美元,不是缩影的失败,而是我们用极低的输入成本雇佣到了一个思考更深、考虑更全面的 ai 架构师。最后,方案 b 得到的效果也更好,而方案 a 报错无法运行。 总体来看, code graph 提供的是一个工程上相当扎实的解法,用本地语意图网络替代 ai 队代码库的无结构文探索。 如果你正在深度使用 ai 编码工具,或者在基于 m c p 协议构建自己的编码 agent, 这个项目值得在本地实际跑一遍,而不只是停留在概念层面的了解。

先看这个游戏,两个玩家输入同一个房间号就能实时进入同一局,攻击会同步,血量会变化,最后还能结算胜负。重点来了,这是由 ai 简编一份完整的需求文档一次性生成完成的。 但这次真正想说的不是 ai 又能写游戏了。真正让我感到意外的是,我专门做了一套 ai 长城任务工作流,结果发现不用它,强模型也能把这个游戏做出来。 我原来以为复杂的 ai 编程任务必须靠工作流才能稳。这套工作流不是随便几句提示词,它会让 ai 先补需求契约、技术方案、边界约束、验收标准,然后自动开发测试修罢,最后还要 交付测试的截图证据。自动化测试环节里面有一句很重要的话,页面能打开,只能叫开始,关键链路跑通才叫交付。 听起来很完整,对吧?但这次测的是同一个任务一次性做出一个网页在线对战游戏,不是静态的 demo, 它有前端服务端、房间号、双人实时同步攻击和血量的结算,规则也相当的严格。 提前写好需求文档,一次性丢给 ai, 中间不能补需求,不手工改代码,最后只看交付结果。反常识的地方来了,用工作流能做出来,不用工作流,只给清晰的需求文档也能做出来。虽然这不代表工作流没用, 但它能说明一件事,当模型能力足够强,需求文档足够清晰的时候,工作流不一定能决定能不能做出来,它更可能决定的是另一件事,过程能不能被验证,结果能不能复盘,后续能不能交付。所以我现在不会一上来就问 要不要给 ai 加一套复杂的工作流,我会先问这个模型和 a 准的上限在哪, 先写清楚需求文档,让墙模型跑一次,如果他已经能够做得出来,再去验证工作流能不能提升质量失败修复效率和交接成本, 这才是墙模型时代更合理的顺序。一句话,墙模型不怕提示尺短,怕需求模糊墙 a 准的不缺流程,缺清晰的目标。

呃,最近这个 codex 的 这个 go 模式挺火的啊,今天给大家讲一下怎么打开 go 模式,这样点这个左下角设置, 呃,设置进来之后点这个配置,然后点这个 config, 点这个 进来之后呢搜索 f e a t u i future, 然后呢?这这这这里是这样的,然后你把这个 goes 等于处加进去就可以了, 把这个加进去,加到这个 future 下面就可以了,然后再重启一下 codex, 重启一下它,这个它就有 go 模式了。 然后 cloud code 的 话就是你直接更新就可以,更新的话你就你就发这个 cloud update, 更新到最新版本它就有了。我们试一下 go, 就是 这个 site go。

就我昨天不是讲了那个 codex 以及这个 cloud code 将会在极短的时间之内摧毁甚至是颠覆人类的这种旧的写作方式和社会关系吗?然后这个这个视频算是爆了吧。然后我想给大家讲一讲,就是我觉得 就是普通人想学会使用这些工具,我觉得真的很难,因为难,难不是在于你的智商,是在于你的 你没有生产环境,就是就是你没有生产环境。什么是生产环境呢?就比如说我现在在做这个快电商,我做快电商呢?为什么我非常有兴趣,然后非常有动力每天都在研究这个东西呢?是因为他真的能够帮我产出收益,他能够实际的帮我挣钱,说白了就是, 所以我就就是我会,我会疯狂的去研究他,你看我,呃,我,我前几天搓出的这个工具,搓出的工具大概长什么样子啊?这就是一个视频的剪辑工具, 这就是呃,我一个完全不懂代码的人能够搞出来的东西,虽然他里他这个有很多 bug, 有 很多 bug, 但是他最起码能用了。 然后我做这个东西,哎,其实也非常简单啊,这个,这个 u i 什么的,我我我都还没没弄,就就就很简单的东西,这东西可能在懂的人、懂代码的人里面,懂前端后端交互的人的眼里面就不算什么,但是对于我来说简直是智的突破呀。就是 这是他原代码,原代码他不有个有个几百行吧?然后这是他的这个,呃,前端的这个交互界面吗?大概是什么东西呢?就是呃,我的需求是能够高效的 去把我的视频从中文版本去变成呃美国版本,或者说是欧洲版本,或者是西班牙语,或者说日文等等这些东西。然后呢?呃这个东西他就能够去帮我实现我输入一个原视频,就比如说这是我输入的原视频, 然后呃去设置这些东西,比例啊、宽度啊、高度啊、语言等等发布平台等等,他就能够。呃,然后我再给他,给他这个文案,包括这个还有时间出的这个文案,然后再给他 呃我的这个想要的语气配音的那东西,然后让他去执行执行,嗯,生成之后他就能够给我一个大概的, 就他就能够给我一个完整的完整这个版本,但是现现在又出 bug 了,我等会又要秀他,就他总会时不时出 bug。 接下来说就这样,就这个东西现在人人都可以干出来了,就你只要是一个拥有能够去用自然语言,这都是自然语言。这边这边东西不要看他很很可怕,这个东西 你完全不用管这些东西,因为反正你看不懂,这个东西就是我实际的这个生成的过程,实际生成过程,当然这是改过那个很多版的,我之前在很多的窗口都和他聊过很多轮了,简单来说就是他这个就他的后端嘛,然后这个就他的前端嘛,前端的交互页面嘛,大概就这样,就现在 现在这个代码的,现在这个懂技术的这个人啊,就是他的呃,差距在逐渐的缩小,或者说是是被无限的缩小吧。 呃,原先你学这个 java 语言,学这个披风啊,什么之类的, c 加加什么之类的,我靠,你要学个不说,不说,不说,五年吧,你学个两三年你才能入门吧,但我们现在就能够掌握这个, 但是最好的方式是什么呢?就是一个产品经理加上一个技术人员,呃,由这个产品产品经理就是,呃,对比一下产品经理是什么意思啊?产品经理就是类似于我,我现在就是一个产品经理,我拥有挖掘需求能力,我拥有定义需求能力,然后我想要我我知道他最终要成一个什么样子, 然后呢?我把这个圆形搓出来,把这个 demo 搓出来,然后,呃。当这个 demo 搓出来之后,想要把它固定,固定好,把它变成一个稳定的可运行的工具的时候,这个时候就让技术人员入场,让懂技术的人来帮你去填补这些 bug。 是你要上线的话,你自己一个人是玩不尽的。就是能够在本地跑和这个项目能够上线,能够变成产品去卖,能够大规模的去协助,那是完全不一样概念好吧,就是专业的人仍然有专业的优势,只不过把一些低端的程序员或者说水平没那么高的程序员 迅速淘汰了,就像现在淘汰呃低质的美工一样。就是现在这个,呃,这个 g p t 深图已经非常牛逼了,非常牛逼了。 然后昨天还有人问我这个屏幕的这个屏幕是什么来着?还有那个 lg 的, lg 的 什么型号来着?我给忘了,反正就是在苹果官官网卖的。只在苹果官网卖的那款是那个专用版啊,他这个有有那个 反向充电吧,反向直充,就我这个笔记本,他这样连着就可以充电,他不用再多搞一个这个充电线了,假如说就这样,所以我觉得如果你正儿八经想学会怎么使用 codex 以及 cloud code 的 这种工具的话, 一定要找一个环节,找一个能够生产的环节。好吧,不然我感觉你很难学会啊兄弟。