claudecode输出数学公式

不是谁还没用过 call 的 啊，这些命令代码 e r 必须给我背下来！全是王炸级的效率神器，收藏起来，今晚直播讲！ 第一个王炸，方向键，上下敲一下，调出命令历史，再敲一下，无缝切换，打错命令不用删，重新选一条就完事。 第二个 tab 键，长文键名，超长路径通通不用打，敲个开头 tab 一下，直接补全。第三个斜杠， help 卡住了怎么办？ help 一 键救命！所有命令语法快捷键全给你列出来， 真的别再说不会用 cloud 扣的了！文件操作三连击，效率直接拉满。斜杠 new 新建文件，动动嘴皮子就搞定。斜杠 read 读取文件，再也不用手动翻目录。斜杠 write 写出文件代码 s 传，记住这三版斧，少说这，省下你每天十分钟。 接下来这三条不会用，等于白花钱开会员。斜杠 grab 全区搜索，不管你项目堆了多少层，目录关键词一输，全给它翻出来！ 斜杠拜式终端命令直接跑，安装依赖启动服务，一个界面全搞定，不用切窗口， ctrl shift p 命令面板敲一下，所有命令一网打尽，这组合拳打下来，效率翻倍！这三个是 cloud 的 核心盲炸 斜杠 ask， ai 答疑，随手一问，代码原理、框架用法，报错原因，全部秒懂！斜杠 agent 派出智能体，复杂任务丢给他，自己规划自己执行，你就负责躺着看。斜杠 plan， 让 ai 先想，复杂任务别急，让他做，先判一下，他会给你分析，给你列步骤，你点头了他再动手。 这三联机用过就知道什么叫真香好！以上就是 cloud code 最常用的命令，收藏起来反复观看，关注我，每天分享一个代码神器，有了这些命令，你就是 cloud code 的 主人，流畅开发，从今天开始，我们下期见。

当所有人都在告诉你， cloud code 无敌了，靠，赖主无敌了，程序员要失业了。但是我要告诉你一个有点不一样的事实啊，限阶段的 web coding 根本就做不到真正意义上的脱手。所谓的技术平权，是建立在你至少懂一点技术逻辑的情况下。 如果你连最基础的概念都不懂，人家不是在帮你开发，他是帮帮你随机挖坑。为什么？因为很多人连最基本的两个概念都没有搞懂 啊。 l l m 和 agent。 先说 l l m 即垃圾 language model， 你 可以把它理解为 ai 的 大脑，像豆包，千问、 deepsea， 还有 g p t， 本身上都属于大圆模型， 他们负责思考、理解和深沉，但是他们不会帮你真正干活，他们只会告诉你应该怎么做。真正执行的是第二个东西， agent 翻译过来叫代理，你可以把它理解为 ai 的 双手， 他可以帮你改代码，跑命令，读文件，调项目。像 cloud code， codex 这种都是偏向于编码型的 agent。 但问题在于，其实他们都挺瞎的啊，你以为他们在认真开发？但是如果你不写好的提示词 啊，他经常改着改着就把项目改炸了，修一个 bug 照三个 bug， 还会一本正经的胡说八道。所以现在真实的状态是什么呢？ ai 能让懂开发的人效率翻倍，但是远远做不到能让不懂开发的人直接起飞。后面的 mcp， skills， 还有自动化工作流，都是建立在你懂这两个概念的基础上。他说工具怎么选？如果你是 轻度修需求，就是想要写点小工具，做点小网站和小作业。我推荐一个东西叫什么啊通一律嘛啊通一律嘛？不知道有没有人知道的，开箱即用门槛低，而且最重要的是它现在阶段是全完全免费。 但是如果你是高需求想真的做产品或者跑项目的话，我建议你还是上 call 和 calllex 这种，只不过他们都有很多技术门槛，像环境配置， api 啊，费用还有网络这种一个都绕不开。 所以别再信什么一句话做萨斯零零基础月入十万这种鬼话了啊。现在的 web 扣队你更像什么呢？像一个非常牛逼啊但是脾气非常怪的实习生，你以后得会盯着会纠错会提需求， 而不是直接放手不管。 ai 确实在降低门槛，但是他远远没有做到让你什么都不懂就能闭着眼做产品的效果。

如何在卡扣的中直接显示 token 用量？非常简单，不需要安装第三方插件，只需要一句 sit 四 line 命令，然后口喷你的需求就行了。 比如我的这个状态栏，可以显示模型名上下文占用百分比输入输出的 token 技术，五小时用量重置时间，还有按绘画按五小时按天的 token 等价费用。你用什么显示的用量？评论区说下，我正在搞 id， 阿图后面会分享更多卡扣的整活下个视频见。

很多小伙伴问怎么让 cloud code 接上 deep seek？ 这条流程我从头到尾给你讲一遍，照着走就行。 视频稍微有点长，建议先点个收藏，耐心看完，按步骤动手。先说清楚， cloud 是 anforepic 的 网页和 app 聊天助手，你打开浏览器就能用。而 cloud code 是 跑在你电脑终端里的编程搭子， 它能直接读你的项目代码，改文件、跑命令，相当于把 ar 装进了你的工程目录。更狠的是，凭借社区里那一大批开源 skills， 它还能调度你电脑里的一切浏览器表格、邮件、设计稿，几乎想自动化什么都可以。 为什么要接 deep seek？ 两个原因，在国内访问稳定，不挂代理，按 token 计费，也比海外接口便宜不少。而 deep seek v 四 pro 的 能力，应付日常写代码、改 bug、 做重构绰绰有余。 开始之前先准备两样东西，第一， node js 十八以上版本提前装好，长期支持版就行。第二， get for windows， windows 用户必装，不装后面依赖会报错。 第一步，安装 cloud code， 在 开始菜单里搜 power shell， 右键以管理员身份运行。打开窗口后复制官方的 m p m 命令，粘上去回车，等它装完。 装完输入 cloud， 加上版本参数，看到版本号就说明装好了。第二步，获取密钥， 进入 api 开放平台，进入控制台后，在左边的侧边栏找到 api keys 这一项，点进去， 页面下方有一个创建 api key 的 按钮，点一下弹出小窗，给这把密钥起个名字，比如就叫 demo， 然后点创建， 创建成功之后会弹出一个密钥字符串，立刻点复制保存到记事本或者密码管理器里。特别提醒，关掉这个窗口之后，密钥就会变成密文，再也看不见。 如果你不小心丢了，只能删掉，重新创建一把。第三步，配置 cloud code， 打开文件资源管理器，进入 c 盘用户目录，再进入点 cloud 这个文件夹。 如果看不到点 cloud， 要先在查看里把隐藏项目和文件扩展名都打开， 然后新建一个文件，名字叫 settings jason 把这段配置直接复制进去，把 api key 行换成你刚才复制的密钥保存即可。第四步，验证打开终端或者 power shell， 输入 cloud， 回车 看到红色边框的欢迎界面，模型型显示 deep seek v 四 pro， 就 说明已经成功接上 deep seek。 最后再送一个加分项。如果你平时在 vs code 里写代码，配好 antropic 官方的 cloud code 插件， 装完进入侧边栏的 cloud code chat， 它会自动识别你刚才配置好的账号，直接就能在编辑器里聊天和改代码。 整个流程下来，你就拥有了一个本地终端加编辑器，双端可用的用 deep seek 驱动的 cloud coat。 你 学会了吗？欢迎评论区聊聊。

天天用 cloud code 的 写代码，是不是经常遇到它写一半偷懒，或者遇到复杂 bug 就 陷入死循环？这是因为你还在用裸机跑。今天跟大家介绍七个 skill， 彻底解决 ai 编程的疲软期， 特别是最后一个，专治 ai 摆烂。平时你们让 ai 看文件是不是特别痛苦？来看第一个文档处理终结者， document skills， 这可是 ansorepic 官方打造的，它最牛的地方在哪呢？你看，直接把 word、 excel 甚至 pdf 扔进去，它自动就给你提取解析了， 彻底告别以前那种繁琐的手动格式转换。如果是处理复杂的业务文档，这个绝对是必备的神兵利器，妥妥的生产级应用。 大家写代码的时候，是不是经常遇到 ai 写着写着就开始乱跑偏了？怎么办呢？看第二个 superpowers 神级工程框架，这个社区传奇项目太神了， github 标新直接破了二十万，也就是二零六 k 啊，它干嘛的呢？ 他强制要求 cloud 必须经历架构、设计、测试、驱动，也就是 tdd， 然后才是分布、实施等五个严密的阶段。有了它， cloud 就 不敢再瞎写了，规规矩矩的按规范流程走，反攻率直线下降，硬生生把一个实习生逼成了守规矩的高级工程师。 还有啊，你们有没有发现， ai 写出来的前端页面，总有一股子浓浓的 ai 味，千篇一律的怎么破？来第三和第四个技能，前端美学双剑组合， 专治 ai 位。首先是官方出的 fronten design， 每周安装量超十一万，它直接强制确定视觉方向，禁用那些烂大街的平庸字体。再配合上 ui u x pro max， 这里面内置了海量可搜索的专业 ui 风格和配色知识库，这两把剑合璧， 效果就是突变级的，出来的 ui 质感拉满，绝对是高辨识度的高质感生产级界面。那如果你有自己团队独特的工作流，想让 ai 记住怎么办？这就来到第五和第六个技能了，主打一个智能进化和自我迭代。首先是 skill creator， 这个原技能也是官方出品的， 你只要跟它交互式的聊聊天，它就能把你独有的工作习惯直接写成一个新的 skill。 万一你装的技能太多记不住了怎么办？没事，配合 find skills 技能雷达，它就像个内部搜索引擎，精准匹配你已安装的技能和调用方法。 这一下子完整闭环就形成了告别选择困难症，让 cloud 不 仅会用工具，更能自主创造工具。 最后，这个可以说是国内全网火爆的杀招了，你们有没有被 ai 气到过？遇到复杂的 bug， 他 写一半停下了，或者直接告诉你报错了，他要放弃？这时候你需要的就是第七个 pua skill。 没错，专治 ai 摆烂。 他直接借鉴了真实大厂的绩效考核文化，从一开始的温和失望，到最后的强制打断，并灵魂拷问整整四级压力系统，步步紧逼的压迫机制实测数据太夸张了，他能让 ai 探索 bug 的 路径直接增加三到四倍，榨干他最后一点算力潜力。 所以说啊，大家千万不要再停留在那种闲聊式的指令操作了，咱们得建立起工程化的 ai 工作流，这样才能真正突破 ai 的 能力上线，让它真正融入你的核心业务，完成工具进化和认知破局，期待看到你们的效率觉醒。

今天呢，我教大家如何使用 coold， 使自己的工作效率提升百倍这样一个技巧。那么 coold 呢？ 我当前使用的架构是 coold 加 vs code 加 deepsafe 这样一个模式，那么 coold 它当前整体的一个工作状态是，你提任务需求，然后 coold 出方案， 你在省略，然后 klog 完成，完成呢包括任务具体的内容， 还有最后的叫验，在这里面呢，新手使用 klog 最犯的一个错误就是我一句话，然后不停的点 yes， 也不细看，把一个任务弄得很大， 他在中间细分的时候，我们尽量要去看或者让他去停止。所以说呢，在这里出方案的时候，大家需要注意一点，就是你熟悉专业的地方，或者你专业明确的地方，在这里面 需要你自己去把它截断一下，这是整体使用可漏的一个一个任务的一个基本流程。那么在使用具体项目使用可漏的时候呢，需要注意以下三个技巧。 第一个技巧，在我初步化项目的时候，我要让我的格式一直对我当前任务做的一些预设前前提，比如说我要让它某种提示词偏向于某个方向， 那么在格式的框里面输入一个 int， 这个就是初步化，它会在你的项目根目录里创建一个格式点 m d 文件，这个文件就会记载你当前项目的一个任务 这第一点，第二点，在任务中涉及到的 skills， 在 安装完 ko 的 或者他自己去找的时候，他有些过程呢，也许没有找到或者啥的，那么我们就需要借助第三方工具去查找当前的任务包含了哪些 skills， 把这些 skills 下载下，安装好，在任务中按照它当前具体某一步骤的时候，让它自动去调用这些 skills， 这是第二步。那么第三步呢？就是需要对应的 m c p， 它是做一些非常精确性的操作， 可以在你的电脑上对于一些确定性的操作，比如说访问数据库，类似于 circle 之类的，比如说我要做一些定时任务， 那么类似于传统项目一些定时任务的数据处理，那么这些契合就整体对于 klo 的 外部又加了一些能力的延伸。那么综合这三点呢？其实每一点对于你项目的处理呢，它都是非常重要的啊。 第一点代表的是你在整个过程中它是一个完整的筛选，它里面的信息，你的要求，诉求， 它都会完整的记录。第二点，它对于具体步骤和任务，它能够完成的更好，你比如说中间你要用生成视频的，那么对于视频生成视频的 skill 呢？它有大量的你比如说 有类似于数理公式推导的视频，类似于豆包的 c d， x， c， n d 这样的视频， 那么你就要相关切，切换相关的，当然那个是要切换模型的地方。那么第三个 m c p 呢？相当于对于你当前的任务又向外延了一步，你可以接 更加庞大的业务，这在你使用单次可洛的创建任务的时候，这三个是一定要做的。 能够让可乐在你最原始的这种一句话，让他干一件事情，能够让他的性能提升非常大，原先百分之二十，现在可能就是百分之一百，充分发挥可乐的本身，这个作为大冒险的哈尼斯工程下，他能够非常完败完善的完成你的任务。

大家好，我今天给大家来点想看的东西啊。众所周知， cloud code 在 接入 deep seek v 四的时候是纯文本模型无法读取图片内容，这点还是比较烦的， 所以干脆就写一个小 m c p， 让其利用上小型的多模态模型，例如 q 文点五二十七 b 这种来协助识别图片信息。大致的实现流程是，用户发送图片到纯文本模型，然后纯文本模型调用 vision analyze m c p 工具发送给 open ai 兼容的多模态 q 吻点五点二七 b 等视觉模型，然后识别完返回图片的文字，描述纯文本模型理解图片内容并回答用户。然后大家可以看到我们使用这个编辑的工具来识别 好大的图片，成功的返回了内容，其效果还是不错的。所以这个小工具再配置到 closed code 里之后，就能很方便的去帮助纯文本模型理解图片了。并且其多模态模型预算也非常低，找一些非常便宜的小模型或者免费提供的就可以爽用了。

今天我花二十分钟把这个可绕的扣的给装起来了，其实呢，这个还是比较简单的，我今天就来给大家演示一下，先把这个可绕的扣的零摩擦， 帮大家先装起来，然后再告诉大家后面怎么去领免费的偷客人怎么 处理，自己的文件怎么用。我们首先就准备几样工具啊，一个就是电脑，电脑肯定是要有啊，但这个性能是无所谓。还有一个就是 qcloud 的， 这之前我教大家装过，如果不会的话就翻一下前面的视频， 然后还有一个就的不希克的网页版本，你如果有什么问题，安装过程中出错了什么的，你直接截图发给他，他会给你解答。 那 qq 二的你直接告诉他帮我安装一下 cloud code， 然后他他就会给你自动安安装上去， 这里我已经安装好了，我看一下能不能演示一下 qq 二呢，他每天也是有免费的额度的，所以说处理这些小小事情还是绰绰有余，这就是已经在在装了啊， 你不用管他，他自己会跑，跑完以后呢，那就装好了。那如果呃出问题呢，你就截图发给那个 deepsea 是 吗？根本不用人为的来操作，这难点呢，就是你这个装好以后怎么用，因为他用 cloud code 的， cloud 的 这个这个模型呢是海外的模型，你国内的话还用不了，需要配置一下，我之前用的是 deepsea， 这个配置起来比较简单， 等会告诉大家，如果还不清楚的可以加我的粉丝群哦，我群里会把相关资料上传上去，有问题呢也可以和群友大家一起交流一下，你看安装完成让我来确认一下这个内容。好，这安装好了，然后这些就是文件， 这还有个启动文件啊，直接开始刚刚第一个跳，跳出来的是是是否信任这个文件夹，直接打确定回车就可以了 啊，这里呢就可以开始聊了。我周边之前是有装过的啊，有装过这个模型的，现在已经切换到小米的这个这个大模型， 所以说他能回答我正常的话，你是这里是他会报错的，因为你没有接入这个 cloud 的 这个模型。 那我们怎么办呢？看一下啊，就你先要登录这个 deepsea 的 开放平台，然后 api 开放平台点进去，点进去呢，他这边的话会有一个，呃，个人认证， 个人认证啊，就认证完了以后呢，他会给账号里面充十块钱，那十块钱的话你用一下其实可以用好一段时间啊，再点这里 a p r k， 你 自己创建一个，然后呢，你这个 钥匙拿到以后，直接创建密钥的一个脚本，直接把对这一段文字呢全部发给那个，如果不知道就让 qcloud 帮你找你这跑完以后呢，它会新建一个 apikey 的 这个 hup， 这个自动程序里面呢，他是有你的，有你的这个密钥，把这个命令中的这个密钥替换成你真实的这个 api 的 这个密钥， 就是我刚刚复制的那个外串密码，然后还是发给你电脑这一串文字，那么他会给你新建一个 这个文件，它里面会告诉你是用的是哪哪个大模型吗？ 我这里是 deepsea， 所以 说他已经写好 deepsea， 如果说要用好一点模型，你直接给他替换成好一点模型，然后那两个文件生成以后呢？你就可以重新打开这个 试一下，你打开试一下，你随便给他发句你好或者怎么样，他如果能回答你，那么就说明你这个已经是成功了，就是已经从卡拉的模型切换到 deepsea， 那 么你就可以用国内的这个大模型去调用这个程序。 那大家如果遇到什么困难或者不懂的，可以加我的首页粉丝群，大家一起过来探讨一下吧。

如果你让 ai 分 析 a 股，最怕的不是模型不会算，而是数据源不稳。今天这个工具叫 a stock data， 它不是给你推荐股票，而是给 agent 准备一套更干净的数据入口。 你可以把它理解成 a 股数据的工具箱。行情、研报、信号、资金面、新闻、基础数据、公告、七层数据都放在一个项目里， 平时你想查 k 线、估值、换手率，或者想看某只股票最近有没有公告，有没有研报，直接让 cloud 或 codex 去调就行。它背后整合了多个公开数据源， readme 里写的是二十八个端点，十三个数据源，大部分场景不需要你自己在到处找接口， 真正有用的是信号层，比如强势股、归音、资金流向北向资金、行业热点这些。原本要翻很多页面，现在可以让 a 阵帮你先拉出来。研报层也很实用，可以按关键词搜研报， pdf 也能直接下载做资料整理，会省很多时间。但注意，它只是数据源，不是投资建议， 数据能帮你少做重复劳动，不能替你判断风险。最后记住一句话，先把稳定数据接好，再让 ai 做分析，否则模型说的再像回事，底层数据一飘，结果也会跟着飘。关注我，继续分享 ai 开发和数据工具的实用玩法。

最近半年使用 cologod 安装了近百个 skr， 最后发现真正能提升工作效率的其实只有三个技能，今天免费分享给大家。第一个， superpowers， 这个 skr 改变了我用 cologod 的 方式。以前我是直接把需求交给 cologod 的， 让他来写代码，写出来虽然能跑，但是经常跑偏，改来改去浪费大量时间。 装了 superpowers 之后，我养成了一个新习惯，每次开弓前先跑一遍，不认英斯德尔敏。这个技能能让可洛的反过来问我问题，你打算怎么处理并发数据库选什么 等等等等。问完一圈，他会把讨论结果写成设计文档存到本地。听起来多了一步，但这一步帮我拦住了无数次的反攻。有些问题你自己都想不到，但是可洛替你想到了。 注意， superpowers 包含了二十多个紫技能，千万别全开，我只用 breamstorming， 头脑风暴， 其他的按需加载，要不然会浪费大量上下文。第二个技能， playing with fails， 这个技能解决了我被坑过无数次的问题。 cloud 有 个问题，它做到一半就失忆。不知道你们有没有遇到过 一个复杂的任务，聊了半个小时，可乐突然说，好的，让我们开始吧，然后就把之前做过的事情又重来一遍。根本原因是对话太长了，上下文被压缩，之前的计划全丢了。普莱因维的 flow 的 做法很聪明，就是别把计划写在脑子里，它是存在纸上 克拉的扣的。每次动手前会先建一个计划文件，每完成一步就在这个文件里打勾，就算上下文清空了，重新读一下文件就能接着干。 这个思路跟 minnes 很 像， minnes 做常任务为什么玩？因为它所有的中间状态都存在本地了。第三个技能， roughlop， 我 给这个技能起了个外号，监工 sky， 你一定体验过 cloud 的 摸鱼模式。写到一半突然说基础框架已经搭好了，你可以在此基础上继续完善。 翻译过来就是活我没干完，我先下班了。 raflopp 通过一个或可拦截 cloud 的 退出动作，他退出的时候或可会检查。你说的完成标准达标了吗？没达到，回去继续写。 我用它写过，完成过一个 c r u d 模块，设了条件，所有接口测试通过加 redmi 写完才算结束。 kloth 中间响停了三次，但都被塞回去了，最后确实把活干完了。但要注意的是，完成条件一定要写写具体做完用户模块这种话等于没说， kloth 分 分钟说服自己已经完成了写成。完成登录接口可用 单元测试，覆盖率百分之八十。加 redmi 包含 api 文档，它才没法浑水摸鱼。以上就是我常用的三个技能，今天希望能够对大家有所帮助，感谢观看，拜拜，下期见！

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。

这段时间啊，发现一个很有意思的现象，周围越来越多人呢，开始用 code， code x workbody 这类 agent 的 工作台了。写代码的在用，写文章的在用，整理 obsidian 的。 嗯，个人知识库的也在用。但很多人啊，都跳过了一个特别朴素的文件，叫 cloud md， 有 的人呢，甚至完全不知道它的存在。你有没有觉得， agent 很多时候替你干活，他会替你猜，会把简单问题啊，搞复杂，会说自己做完了，但其实根本没有验证。 这几个问题听起来好像只有工程师才会关心哦。但你如果用过 a 证的去写文章，整理资料，做网页，改脚本，又或个人知库啊，其实一样会有的。你让他润色文章呢，他把你的语气也改没有了。你让他整理素材啊，他把事实和推断呢混在一起，你让他改一个页面，然后他顺手加了三个你可能并不需要的功能。 你让他涉及知识呢，他漏掉了文件，但是呢，还信誓旦旦的跟你说完成了。我自己的感受是，其实模型已经足够强。而我们遇到这些问题呢，很多时候，不是模型能力的问题，是 harness 的 问题。 如果你还不知道 harness engineering， 也就是驾驭工程是什么，可以看我上一期讲的。为什么现在聊 agent 都要提到 harness？ 你 先记住一句话， agent 呢，等于 model 加 harness， model 呢，是马， harness 是 马身上的婉拒。马再强也得有约束，不然就是野马。有力，但不能稳定地帮你干活。对于你的 agent 来说，如果模型能力暂时不足以稳定完成任务，你不一定非要换模型，你可以先升级你的 harness， 而 cloud dmd 或者是 agents dmd 的 价值就在这里， 它是最小可用的 hardest engineering。 cloud d m d 和 agent d m d 的 区别在于， cloud code 执行任务前呢，会自动去读取 cloud d m d code x 执行任务之前呢，会自动去读取 agent d m d， 但它们承载的内容啊，可以基本保持一致。你可以把它理解成，每次 agent 进入你的项目之前呢，都会先看一眼门口贴着的那个规矩说明，别乱动，先读清楚，不确定就问，做完要验证。这些话听起来特别普通，对吧？但坦率地讲， 越是这种普通的东西呢，越容易被忽略，也越容易啊，在关键的时刻起效果。那 cloud 点 md 到底应该写什么内容呢？前 open i 创始人团队成员安德烈卡帕西啊，就发过一条推文， 聊自己在使用 agent 的 时候呢，经常遇到的几个问题。然后 github 上有个小哥直接从卡帕西的推文里面整理出了一份 cloud 点 md。 这份单文件模板在 github 上发布首日就拿到了五千八百多颗星，截至目前呢，已经是十三万颗 star， 成为二零二六年增长最快的单文件仓库。你敢信一个克劳典 md 文件四条规则就能火成这样？仔细想啊，其实也合理， 因为它真的有效。关键审方法呢，还非常的简单。不过在直接抄作业之前啊，我建议简单理解一下这四条到底是在解决什么具体的问题，因为只有你知道它在做什么， 你后面才能改出自己的版本。第一条， think before coding， 也就是动手前呢。先想一下，这条说的是啊，有不确定，有歧义有争议的地方呢？ agent 应该主动提出来，而不是假装自己全都懂，然后呢，直接就开干。 比如你只说一句，帮我优化一下， agent 不 应该立刻开始帮你改，他应该先问你说的优化是性能，样式，结构，还是可读性。 如果你不是用来写代码呢？把 coding 啊换成你的领域的问题就可以。写文章前先想整理知识前先想，做设计前先想核心。都一样，先别急着动手，先把任务听明白。第二条， simplicity first， 简洁优先。这条说的是啊，用最少的投入解决问题，能五十行解决的就别写两百行。因为有的时候呢，你只上 agent 去修一个按钮，然后呢，他就把你的页面也改简洁优先是让 agent 知道要对复杂度保持敬畏。这条说的是啊， 只动必须动的地方别顺手改格式别顺手，重命名别顺手清理旧代码别顺手把你觉得不顺眼的东西呢都改一遍。 a 着。他往往看到一个地方不舒服，他就很想顺手改掉。但问题是，你根本不知道他这个顺手会不会把别人的工作啊，你是金融性啊，或者是某个单独看呢？很别扭，但总得看很必要的约定一起改掉。 第四条，勾结尾 execution， 以验证目标为导向，驱动执行直到成功。这条是最容易被忽略的。 agent 的 输出呢，很流畅，会让你产生一种他已经做成了的错觉。但真正重要的是啊，他怎么确认自己做成了， 而不仅仅是做完了？你让他改代码，他有没有跑测试？你让他整理资料，他有没有确认所有文件都处理了？你让他润色文章，他有没有检查所有的敏感词啊，不喜欢的措辞啊， 都改掉了。这条很重要。很多人想的是呢，等 agent 出结果了，然后自己去检查，但就会来回拉扯你很多时间头感和心理。而加上这一条，很多问题呢，在抛到你眼前之前， agent 呢，就可以自己修复了， 这能提高你 agent 的 第一次产出结果就成功的概。那以上的这四条呢，如果你只是浅浅用 close code 或者是 code x， 已经足够让你比百分之八十的人用的好。但如果你正在尝试要 coding 啊，同时需要让 agent 做复杂耗时多步骤的任务呢？ 那后面的这八条就很值得看。国外有个叫米尼米的小哥，最近在 x 上发了一篇帖子，讨论度啊，很高。他说自己呢，用了一个半月的时间啊，在三十个代码库里面反复测试，验证了卡巴切那四条规则确实有效。 过去大概百分之四十的出错率呢，降到了百分之十一。但他发现，对于真的把 agent 放进长时间多步骤任务的人来说呢， 还不够。你还需要关注任务执行的耗时，透支的成本，逻辑的分歧，多步骤带来的错误累积等等问题。所以啊，它又补充了八条，我逐条说一下。这几条其实挺有意思，也很有用。第一条，可以用脚本代码执行的确定性任务呢，不要让模型来做。如果你看过我前面讲 harness 的 哪些内容啊，这条应该会秒懂。 能用计算型解决的，就不要交给推理型，比如 api 调用重试，比如检查一篇很长文章里的标点，比如把一批文件改成统一的命名，这些东西呢，让脚本看又快又稳定，还不怎么消耗 toker。 而模型呢，更适合做了一些没法被规则固化下来的判断， 比如分类啊，比如总结啊，比如审美啊，比如一段文章到底像不像活人写的？你想想看，如果你让 cloud 逐字检查一百万字里的全角斑点，它很可能要几十分钟，还不一定干得好，而且会浪费你大量的 toker。 而用脚本代码来做呢，可能只要几秒钟，还能保证没有遗漏。第二条，别让 agent 把 token 当做空气来说。米尼米说他的 agent 有 一次跑了一个半小时，结果呢，一直在重复处理一段八 k 大 小的错误信息。更离谱的是， agent 最后给出的修复建议竟然是四十条消息之前就已经被他否掉的方法。 所以 cloud 点 md 里面呢，最好明确投肯预算，接近预算就总结摘要，超出预算呢，就停下来，你的钱，你的时间，你的注意力啊，都是成本，可见这条的重要性。第三点啊，别让 agent 去做老好人。这条我觉得也特别关键。 agent 呢，有一个很隐蔽的问题啊，就是他经常会同时接纳有分歧的两种模式， 他不想得罪任何一方。于是呢，他把两个都混进去，结果就是代码跑起来了，但风格撕裂，逻辑混了，后面排查的时候呢，会给你买一个坑迷。你迷遇到的情况是 a 整呢，同时采用了局部错误补货和局错误补货两种策略。他改了局部策略呢，发现怎么都不生效，然后查了很久之后才发现是局策略在另一层把错误给吃掉了。 这就很像什么呢？ agent 呢？他自我感觉良好的认为，你卧室的灯应该用两种开关来控制，一个是卧室灯的开关，一个是所有灯的总开关。卧室灯的开关和总开关呢，必须都打开，卧室的灯才会亮，但是他没有告诉你这个事，他是这么干的。于是呢，你一直按其中的一个开关，发现灯就是不亮，查了半天才发现原来还有个开关是关着。 所以分歧啊，不能让 agent 都接纳，要暴露出来，要 agent 选一个，并且要让他说清楚他为什么选这个。第四点，先建立局视角，别重复照轮子。 agent 有 时候啊，会在一个代码函数的旁边呢，新写一个代码函数，写得还挺认真，结果三十行外呢，已经有一个现成的函数。 这种事呢，其实也很常见，因为 agent 他 太急着完成任务了，没有看调用方，没有看共享工具，也没有理解这个项目为什么会长成现在这个样子。所以 read before you write 这条特别重要，先读再写。 看起来呢，只是慢了一分钟啊，但可能省掉后面成倍的时间的反光。第五条，测试呢，是为了暴露问题，不是为了通过测试。这条呢，我真的建议所有 agent 写代码的人都贴墙上。 agent 很 擅长写一个刚好能通过的测试， 但测试通过呢，不代表他测到的真正的问题。有些测试呢，只是证明了代码现在会这么跑，但即使代码有问题，这个测试啊，也根本不会失败。 那这种测试他是讲就没有什么用。好的测试啊，应该验证意图，他能表达出为什么这个行为重要，而不是只证明现在这行代码是有返回值的。第六条，多步骤任务，每一步都要做检查点米尼米说啊，他经常遇到一种情况， agent 在 某一步已经出错了，但他没有停， 继续往后做。后面的每一步呢，都建立在一个错误的结果上。然后你作为人类介入的时候，面对的是一坨已经跑偏很久的中间产物。你想理清楚，但发现比重做一遍还要费劲， 这感觉我太懂了。所以，多步骤任务呢，一定要有检查点，做完一步说清楚，做了什么，验证了什么，还剩什么。如果说不清楚，就 别继续。第七条，别让 agent 滥用新的东西。这个也很真实啊。米尼米说， agent 把 rect hooks 引入了他的项目，虽然代码能跑，但这与项目本身的测试模式呢，是不兼容的。 到头来，他又花了半天时间删掉，然后重新写。这件事呢，特别像给一家餐厅去强制装一套新设备。设备呢，当然是先进的东西呢，确实能做出来，但后处所有人的配合就全部乱套了。到头来呢，只能再拆掉，然后再重来。所以现在在已有的项目里，约定往往比新颖性更重要。 要让 agent 知道，不是新的旧好，也不是觉得优雅，就应该去上。先建立全局视角，先尊重有的惯例，循序图治。第八条，错误要大声说出来，不要藏起来。 agent 呢，有时候会忽略过程中的错误，比如数据库迁移，说成功了， 但其实有一些违反约束的记录啊，被跳过，他把错误写到日子里，然后继续往下走。转头呢，他就告诉你完成了米妮米的方案。是啊，大喊失败这四个字我觉得特别的好，因为很多时候呢，错误本身不可怕， 可怕的是错误被藏起来，过几天之后换一种更昂贵的方式回来找你。以上，根据米粒米给出的实验结果，补充了这八条之后， agents 的 错误率 就从百分之十一直接降到了百分之三。那卡帕西的四条加上米粒米补充的八条，合起来就是下面这份十二条， cloud 点 m d。 现在啊，你可以直接抄作业，如果你用 cloud code， 就 保存成项目根目录的 cloud 点 m d。 如果你用的是 code x 呢，就把文件名啊改成 agents 点 m d。 内容呢，一样都能用。 如果你已经有自己的项目规则呢，就放在这十二条下面。比如你的记录站啊，比如你的测试命令啊，比如你的目录约定啊，比如哪些文件不希望 agent 能碰啊，但我建议啊，别写太长。 cloud md 不是 许愿池，不是把所有的偏好都倒进去， agent 呢就会突然变强，它更像是一份行为器乐。每一条呢，我们都应该回答一个具体的问题， 讲清楚是让 agent 避免什么真实的错误。那这套 cloud md 在 非代码领域能不能用呢？也能用，把代码相关的词稍微换一下就可以。如果你实在不知道怎么换，也可以直接把这份 cloud md 呢去丢给 cloud code 或者是 code id， 让它根据你的领域啊给你改一版。但这你需要注意的，一定要让它根据你真实被坑过的事情来写 规则，不是一次写完的，规则是被坑出来的。我建议你今天晚上就做一件事情，打开你最常用的项目，建一个 cloud d m d 或者是 agents d m d。 先把这十二条呢贴进去，然后用一周，每次 agent 做失败了，就让他把反思啊，教训啊补进去， 慢慢的它就不是别人的模板，它会慢慢地变成你个人经验的写法，也是你的第一个 harness engineering 事件。我一直觉得到今天用上好模型的方法有很多，模型已经不是问题，所以用 agent 的 差距呢？其实就是用 agent 的 差距，有的人呢，把经验忘在记忆里，而有的人把它沉淀在 color d and d， 就 这么简单， 这就是信息差，而这次的信息差直接操作。以上就是今天的全部内容，如果对牛思帮助点个赞，也请转发给你那个一直想用好 a 阵子的朋友，这对我真的很重要。我是林秋水，用技术生存，用哲学生活。我们下期再见！

曾经我对 cloud code 的 终端爱不释手，但现在我只能说一句， codex 真香啊，真香！ 大家好，我是布鲁。随着 codex 近期频繁的更新，我自己的工作站也已经全面的切换过来了。今天就来分享一下我自己的完整使用经验，怎么用 codex 打造一套不打断心流的生产力闭环。 本期视频我把它分成了七个章节，每一张都是我自己实际在用的技巧，希望能对你有所帮助。那我们话不多说，直接开始 第一张，先来介绍一下我的工作站是怎么布局的。左上方是 codex 的 对话框，下方是 terminal 终端。 你可能会问，已经有 codex 的， 为什么还要开一个 terminal 跑 c c？ 因为我发现对于一些需要探索、需要设计的任务， c c 的 表现要更出色一些。所以我的习惯是用 c c 来做方案设计，配合 planning with files 这个 skill， 把设计思路直接落成文件， 然后再让 codex 读这份计划，接手后续的具体实施。这样一来， cloud code 负责想， codex 负责做，两者可以各司其职。 右上方这个区域我用来做任务完成后的查看和审阅，比如代码的 review， 文件的浏览，还有浏览器都在这里。虽然现在浏览器还不支持多标签页，但对于日常的任务来说完全够用。这边我就分享一个实际的案例， 我让 c c 参考了最近很火的这篇卡巴西提出的知识库的文章，让他借鉴里面的思路，出一份设计稿和完整的实施计划。目的呢是做一套前端的页面，方便我日常的维护文档使用。 接着 c c 就 会调用 planning with file 这个技能啊，将所有的计划落成文档，然后我就会回到 colex 这边，让 colex 去阅读当前项目内的这份计划文件，然后基于这份计划文件让他进行开发。开发完结果之后，我会在这边 内置的浏览器里面去进行结果的 review， 包括代码的一个审查，整个过程从设计到开发再到 review， 全都在这一个工作站里面完成，不需要切换任何的窗口，这就是我前面所说的，心流不会被打破。 第二章，批注功能。这个功能是我觉得 codex 真正强大的原因之一，也是最能体现沉浸式开发的地方。 以前我们改代码的方式是找到文件定位到哪一行，描述问题，让 ai 修改，整个过程中你的注意力是在代码上的，但现在 codex 的 批注功能让这件事情变了，你可以直接在文件上进行批注，告诉他哪里怎么改，需要怎么改。 更厉害的是，现在这个批注功能不止限于代码文件，你可以直接在前端页面上进行批注，看到哪个按钮位置不对，哪块布局不满意，直接在页面上标出来， codex 就 能理解你的意图，并帮你进行调整。这件事的意义在于，正好对应了 webcodd 的 核心理念， 开发者的重心不在于怎么写，而在于写出来的东西对不对。批注功能把这个理念落地了。 第三章，上下文管理 codex 项目里可以同时开多个县城，每个县城对应一个任务，互相独立，不干扰。对比 cloud code 需要开多个对话窗口， codex 把所有县城都收在了一个项目下，管理起来会清晰很多， 然后是项目的记忆核心就是 a 键的点 md， 这个文件你可以类比为 cloud md， 把项目的背景、开发规范都写进去， ai 每次进来都会读取，不用反复的交代。 还有一点， codex 的 上下文管理非常省心，它会自动帮你压缩上下文，它也没有提供像 cloud code 中 compact 的 那样的命令，这种事情让 ai 自己处理就好了，你专注于任务本身就行。 第四张，自动化这块是我觉得 codex 比其他 agent 做得更好的地方，几个原因，第一，用起来非常的方便，直接在 gui 里面新建自动化任务，还内置了很多模板可以选择， 大到项目管理技术、眼镜，小到个人的生活习惯，都可以交给它来定期的处理。第二，自动化可以调用 codex 自身的能力，比如插件、 skill、 mcp、 浏览器操作、电脑操作等全都能用进来，这就是为什么我说 codex 在 逐步形成自己的生态。 第三，我们可以根据不同的场景来灵活的选择模型和推理强度，简单的任务用轻量模型，复杂的任务上强推理，这样的话头肯可以用的更加的合理。第四，稳定性，我实测下来， codex 相较于其他的 agent， 定时任务的准确性已经能达到生产级别，相当的靠谱。 第五张插件和技能， codex 有 相当丰富的官方插件和 skill 生态。先说说两者的区别， skill 就是 纯文档，本质是给一份 ai 的 说明书，告诉他在特定场景下应该怎么做事。比如说我前面提到的 planning with files， 就是 一个 skill 插件的概念会更大一些，你可以把它理解为 codex 打补丁，里面可以包含 skill， 也可以带上 mcp 配置，甚至集成其他的 app。 一个插件装下去， codex 就 多一套能力。 另外， codex 在 插件和 skill 的 管理体验上面要比 cloud code 的 友好太多了。 cloud codex 需要改配置文件，而在 codex 里直接在界面上点击安装，或者自己创建，整个过程非常的直观。 第六章浏览器和电脑操作 codex 可以 直接操控浏览器，你可以让它自动填表，抓取数据，验证 ui 效果。 比如我需要批量收集一些网页上的信息，直接告诉 codex 去哪个页面拿什么数据，它就能自己打开浏览器去完成操作，整个过程中都不需要你的介入。除了浏览器， codex 还能直接操作你的电脑文件的整理，应用的打开都可以交给它来处理，相当于有一个助手在帮你操作桌面。 不过这里要说明一点，随着 ai 自动化越来越普及，现在已经有不少软件开始加强安全控制，对自动化操作做了限制，所以实际能操作的范围会因软件而异，遇到限制情况也很正常，大家用的时候留意一下。 第七章通用功能这些功能不是 codex 独有的，很多 agent 都支持，但作为一个完整的工作站，这些基础能力 codex 当然也不会缺少。先说 play mode， 在 执行一个比较复杂的任务之前，先让 codex 把完整的计划列出来，你过一遍觉得方向对了再让他动手， 这个习惯能帮你省掉很多返工的时间，大任务尤其推荐开 play mode。 再说 m c p， 也就是模型上下文协议，通过 m c p 可以 把各种外部的工具和服务接进来，让 q d x 能力边界大幅扩展，无论是连接数据库，调用第三方的 api， 还是接入自己家的服务，配置好之后， q d x 就 能可以直接调用。 另外还有一点， q d x 相较于 logot code 的， 有一个非常关键但很容易被忽视的小功能，语音识别。目前我的任务几乎都是语音发起的，连打字都很少了。 ok 以上就是我在使用扣袋子过程中总结的一些技巧，如果对你有帮助的话，希望能得到你的点赞和关注。 最后我想说一句， ai 发展太快了，各家 a 键的功能越来越趋同，但工具再多，适合自己的才是最好的。有时候做做加法，找到真正需要的，做做减法，去掉用不上的，慢慢摸索出一套自己的工作范式才是最重要的。我是布鲁，我们就下一期再见。

大家好，今天给大家分享用 cloudcode 的 手搓 ai 算力的投研看板。嗯，这期的看板呢，用了一千一百篇研研报，然后最后生成了十一个分析的模块，然后还叠加了 ai 的 新闻的雷达。 开始之前我还是要说一下，本视频仅为 ai 编程能力演示啊，仅展示如何使用 ai 工具工具搭建个人的研究系统，所有内容不构成投任何投资建议，不涉及买卖推荐，市场有风险，投资需谨慎。 ok， 我 们开始先说一下方法论跟工具链啊，我用了 cloud code 加 asset data 我 开源的这个数据库，然后研报出来之后呢，就这次拉了研报比较多，拉了一千一百多篇快一千两百篇研报，然后再让 timi 去批量页阅读和提炼的分析， 最后我再增加了一个 ai 新闻的聚合的一个接口啊，这样就最终就出来了 ai 算力的整个的投研看板核心思路就是 kimi 去读研报，这研报很多嘛，因为都让 crocco 的 读太费头很了，然后 crocco 的 负责搭建这个系统本身，然后 news 一 档就追热点，到时候看喜欢看用了就行了 啊。还是要说一下为什么要手搓啊。就是，呃，每个人都有自己的方法论，就是有了 coco 的 加这些 ai 的 话，你就可以随时迭代升级自己的方法论，它就比较高效吧，也比较贴合自己， 因为每个人的认知都在不停的变，然后也在随时的迭代，技术也在迭代，所以我觉得还是自己手搓的会好用一点。 as 逆的板块呢，其实我是把这些大的方面全部都拆解了，然后接下来我会展示一下就是怎么个拆解的方法，论拆解逻辑才是从成本出发，然后再到服务器，然后再到服务器的各个的模块啊，最终就推导出每个模块的重点是什么。 我给大家还是说一下怎么手搓出来的。首先第一步还是去要搜研报，研报通过这两个去调取就可以了，一千一百份研报我都是这么调取出来的，而且还可以限定二零二六年。 然后这个是 ai 的 批量分析，找一个聪明点的 ai 吧，进行批量分析，别找太笨的，太笨的就就质量就很差。然后第三个就是用 cloud code 搭建这个模块啊， cloud code 根据这个提炼出来的核心的重要的信息，然后进行搭建，然后第四个就接一下 api 的 实时数据，然后加新闻就 ok 了 啊，这个新增什么我就不细说了，就是可能就是对这个模块进行拆解，然后我把这个太空算力也进行了一定的研究，然后还把这个新闻模块也给加进去了。 ok， 感谢大家看到这里啊，就是这期呢，其实研报用的比较多啊，一千一百篇，但是上线肯定还能更高，因为有 ai 嘛，所以这个其实极大提升了我们的效率。 然后分析的模块这个是可以增减的，然后产业环节有十四个，接下来我给大家就开始展示我这个实操的结果啊，因为太长了，所以我就放到了最后，然后大家有兴趣可以接着看这个最终的成果， 大家可以看到这是我整个的一个看版 ai 算力产业链深度分析，这是总的模块，模块有光模块啊， pcb， 嗯，纯 cpu， gpu， 下游算力能源啊，就这些全全都有，我大概给大家展示一下吧，其实你看这个总产业链就得知道到底有什么环节，核心的标的是什么， 然后估值的合理区间啊，这些我就给托敏了，就没展示出来。然后这个估值比较高的是什么？估值比较合理的是什么？然后单个的 b 两百的卡的拆解，它的成本到底是有什么构成的？这样你对某个七分产业链你就有概念了啊？它是不是真的值 啊？这个是机柜啊，机柜他用了这个 g b 两百，他用了七十二张卡嘛？啊，这个标题标题就就就就就不展示了啊。这是一个光模块的板块的分析，就是一点六 t 啊，它的成本拆解，拆解成了芯片，然后只有什么芯片，然后这些就是这些全都下来了，包括他用到的 pcb， 他的主要供应商是谁，就一点六 t， 光模块的成本拆解及主要供应商，这些就可以都拉出来了。然后我们的标的大约标的是什么，这里面也能拆解的出来，这是这个关于核心标的的一些分析啊，就是你看这个大家都知道不可替代性为什么绑定了什么技术路线，中长期的逻辑、核心的风险，这些都是引爆的一些数据的支撑， 然后 ai 也会进行这个专门的分析，然后这个是另外一个标的，然后他不可替代性是什么，然后采链逻辑是什么，核心风险是什么，这些都是有的。然后还包括这个非常疯狂的这个，然后这个是全球的格局，就是这个模块全球的格局，那中际肯定是第一的，它的一点六 t 有 百分之五十， 然后这个是新一胜，那为什么抢优势？在哪？占多少份额？然后元节呢？这个是八百 g 比一点六 t 的 成本的分析， 就是光芯片这块它加了多少？然后这个 dsp 芯片加了多少啊？总的合计加了多少，就是你可以，你就可以看如果要迭代到一点六 t， 那 这个这些这些是不是更，这个销售额会更上升，就大概就是它能拆的很细， 然后就到 pcb 了。 pcb 我 就不想讲解了，反正也是这个逻辑，就是它它有什么用？它为什么要用？然后它用的成本多少？然后每个用完之后它的成本多少？然后每个用完之后它 gpu， 然后户电， 这个是第一的，然后背板是谁？然后电源交换机，就是这些资料呢？他都不是说百度出来的，而是通过这些 research 呃得出来的结论，就是已经经经过这个大的机构去认证过的，把它展示出来给你，然后来形成你自己的逻辑链。所以我觉得这套系统其实是比较有效的。 包括 pcb 的 拆解，就是他的成本为什么从一百涨到了三百到，然后他的因为是成数翻倍了嘛，二十到到四十四，所以就这个就能出来很多你比较了解的结论。然后这个是一个核心票的一个分析，就还是刚才那个逻辑，因为他不可替代性是什么？技术，为什么 p 这么低？核心风险是什么啊？这个也是 这个，这两个是比较热门的标地啊，大家都会想分析，然后这个也有，然后这个是全球的竞争格局，全球啊，目前 pcb 这个板块如果你看好的话，他到到底是一个什么情况，你就会了解的比较透彻了，就是通过 ai 来分析，这么多研报中你就会比较透彻， 然后这是这个我也没细看啊，你们有兴趣可以截图研究一下啊。这个是比较火的存啊，那就它的核心判断是什么呢？大约没有存的直接标定，那都在，都在海外嘛，大家都知道的。那间接收益是什么呢？那是这个封装测试，还有 t s b 的 材料 核心的瓶颈是什么？这个就是，哎，他能通过这么多研报能把这些关键的点给提炼出来啊，你就知道这个市场就是谁的，因为越关键的东西他就越能，越能议价，就供需越不平衡嘛，那，那他的那个业绩就会越好，所以你就通过能通过这个能倒推出来好多东西啊。这个是一个单科的成本拆解， 然后这个是待机的成本的眼镜，就是下一代单 gpu 的 用量，单克的成本堆叠，这个就是啊，封测的这一代都比较火，这个是全球的格局，然后把我们这个间接收益的也写了一下， 然后 gpu 也是 gpu 的 话，那这个是一个推理时代 cpu 的 一个提升的逻辑链路，为什么我们现在会需要 cpu？ 是 因为 a 卷的爆发，然后就推理大于训练，然后 cpu 跟 gpu 协调，反正就是它有一个逻辑链，也有这个分析报告，看这报告还是前天的五月十六号分析的， 然后就可以推解出我们的 gpu， 那 为什么海光它的稀缺性在哪里？因为它叉八六永久的授权，然后库达的百分之九十九兼容，反正就这些。嗯，这个是航空 g 的， 这是整体的一个，你看这是一个竞争的格局啊，现在是一个什么情况？这都是 ai 分 析出来的，通过研报然后加上自己的分析调研出来的，然后这是 cpu， cpu 的 定价的对比。 呃，然后下游企业其实你需要关注整个行业的一个开资本开支的情况，那这些资本开支的信息其实也是能抓取的出来的。你像 q 一 的实际开支，亚马逊是四百四十二亿美元，然后全年直营是两千 啊，这个就在扩张嘛，然后谷歌呢？谷歌啊，这些也是同比增速，反正就是每家都有，就可以看到大概全球的是一个什么水平，然后我们这边呢是个什么水平？你看阿里 未来三年三千八啊，腾讯三百六，然后这个字节也是翻倍，这个估值全景，这个 astropok 啊，它这个，这个信息不准啊，这个目前我知道已经是九千亿了，可能没调研的好。我也我也没太细看， 就是你看到有问题的地方，其实你是能去让他迭代更新信息的，比如说这个肯定是肯定不准的，都是扯淡的。所以现在可以马上让他去更新一批这些模型的信息，然后而且他还能同步 api 去把他的实时股价给更新了。就像昨天那个新闻，智普已经等于两个京东了。所以你看这个多夸张，头部有钱了，那不得开始投投这个算力吗？ 大冒险精神格局，这个也是也是有的，就这太细了，我就不说了，就是，我就给大家分享一下，就是展示一下吧，他的能力边界在哪里？看见我肯定还没有达到能力边界的上限，只是说，嗯，我已经给大家展示出来这个 ai 时代这些工具确实很好用。这个是算力的电力的一个分析，就是全球数据中心的电力的一个增长， gpu 的 一个工号。然后我们这边的能源结构跟美国那边的能源结构跟矛盾顺利协同，这是我们的方案。美国那边的方案呢？是天然气加核电 啊。然后这个是我就专门让他做了一个栏目，叫太空算力，因为特斯拉马斯哥他真的一直在猛猛搞这个东西，吹的很厉害，所以我想看他到底有什么好处，以及啊跟我们的关系是什么，我们的进展怎么样？就他都进行了一些认证，就是 spacex 跟我们的方案， 然后这个命脉是什么，然后跟我们的关联的。呃，这些标的是什么？其实其实他都能分析的出来的。 然后这就是核心标的呢？就是我也进行了一些，就是分析跟布置啊，这个就太太多了，我就不一一说了， 就你就可以分析它的核心竞争力跟全球的格局嘛。 pcb 龙头 a 跟 b 啊，就是刚才那两家，然后这个终极跟天赋就出来了。固值全景呢？其实就是这个产业链内所有的标的，一个固值的全景。那我比较喜欢就是 pe 的 指标嘛，你就可以倒算出来它到底贵还是不贵，因为它增速太快了，所以它的 pe 值就会比较低。 这个就是一个 ai 新闻的聚合，就是把这个 ai 新闻雷达给聚合出来，然后所以它就会出很多的这些新闻，这些都有啊。 ok， 今天讲的比较长啊，也感谢大家收看到这。

hello， 大家好，我是阿亮，这期视频呢，教大家如何把 codex 接入国产模型，比如说接入 deepsea codex 和 cloud code 呢，不一样，它不支持修改配置文件来切换模型。最初呢，我也是想直接用其他的工具来接，比如说 c c x， 但是折腾了很长时间，发现问题比较多，也很复杂，所以呢，就自己动手来搞定的一个专门的工具， codex 杠 switch， 用这个切换 codex 的 模型就方便多了。接下来呢，就照着我整理的这份 codex 文档，一步一步带大家操作。 首先点击文档中的 codex 杠 switch， 跳转到下载页面，根据自己的电脑 选择安装包。下载后呢，双击打开，我们就以 deepsafe 为例，这里选择 deepsafe， 然后点击这里到 deepsafe 官网去申请 k， 这里有每个模型的申请 api k 的 链接好，点进去呢，就是开放平台，点击 api case， 创建 api k， 然后把拿到的 k 复制到这里就行了。然后点击蓝色按钮，这个时候呢，就切换成 deepsafe 模型了，现在呢，需要重启 codex， 记住这里一定要把 codex 关掉，重新启动， 可以看见这里的模型变成了 deepsafe， 输入一条消息试试，如果它有回复说明呢，就接入成功了。 点击红色按钮，也可以一键切回官方的 jpt 模型。注意切换后必须重启。 codex 这个小工具呢，目前支持主流的啊，国产模型也可以自定义模型，每次启动 codex 前呢，把这个工具启动了，就可以顺畅地用国产模型了。 这一期呢，我们主要是想要通过一个案例带大家整体走一遍流程，更熟悉这个扣带子的使用。很多人觉得呢，做一个案例或者做一个东西之前呢，要先想清楚做什么功能啊，有什么样的风格等等吧，就想了好久好久。其实我们根本没必要 给他最简单的提示词，让他呢先做一个东西出来，然后我们再挑毛病。好了，接下来我们直接开始 新建一个项目文件夹，直接命名为汉堡店，然后新开一个对话，添加新项目需求呢，就一句话，帮我做一个汉堡店的网页回车 codex， 自己理解，自己拆任务，自己给方案，它还可以自己的生图，因为它接入了目前最好的模型啊， gpt 杠一， mate 二，这个是最好的生图模型，我也没仔细看啊，先让它跑一半问出来再说。 哎，过了一会呢就出来了，但是我发现他的主页呢只有一张图片，这样感觉真的是太干了，餐厅也没有什么特色，我想每天都有一个的特色汉堡啊，以一周七天来循环，让他来修改 主视图，图片改为五张图片轮播，设置每天的特色套餐，每日的优惠套餐以一周为一个单位啊，一周为一个周期。每天的菜单呢，可以点击观看，并且每个套餐呢都有相应的配图。 顺便再说一下， codex 是 内置了当下最牛的生图模型，一面之杠二点零模型，比香蕉呢强了不少，改好了来看看效果啊， 这是汉堡店店内环境呢，是必须要有的，然后我输入加入醒目的店内环境图片，分别有，后厨的呃，制作区，冷藏区，前台用餐区，卫生区，冰激凌帐。每个区域呢都有至少两张图片，图片看起来是在同一家店。 好的，等会效果还不错。我们新开一个对话，打开计划模式输入，把这个项目改造成 next js 框架。如果你不知道 next js 是 什么意思，可以再新开一个对话，问他什么是 next js， 然后使用 codex 内置浏览器，我们点开批注按钮，这样的话，你想改哪里啊？直接就能在这里改。比如我想让这个汉堡的价格是零，直接点击这里，价格改为零， 想改哪里呢？都可以在这里直接进行修改。但如果你想让别人也可以打开这个网页，只需要打开 codex， 问他怎么让别人也能打开这个网页。这个也算是给大家留一个作业啊。总之一句话，遇到不会的或者不懂的就去问 codex， 把我们的思路一定要转变过来， 大家有兴趣呢，也可以去尝试着做一点自己的东西。 ai 时代，我们用 ai 工具呢，最主要的就是用来创作，然后提升自己的效率，让我们成为一个 maker。 好 了，这期视频呢就到这里，下一期我们再继续讲 codex， 大家点点关注哈，跟着阿亮学 ai。

你还在用 cloud code 乱敲代码，没有规划，没有结构，跑着跑着就偏了。这不叫 whit coding， 这叫瞎撞。 有一个插件能让 cloud code 变成一个真正的资深工程师，他叫 superpowers， github 已经超过十八万 star。 他给 cloud code 定义了一套完整的五步工作流。第一步， brainstorm， 你 只需要说出想法， cloud 帮你头脑风暴，把模糊需求变成清晰方向。 第二步， spec 自动生成产品规格文档，把我想要变成系统应该做什么。第三步， plan 拆解任务，制定执行计划，知道先做什么后做什么。 第四步， brigade， 多个子智能体并行开工，前端后端 devops 同时推进，不互相等待。 第五步， review， 内置 p， d， d 和代码审查，自己跑，测试，自己发现问题自己修复，整个过程 cla 可以 自主运行好几个小时，不跑偏。 安装只需两秒，在 cloud code 里输入破解， install superpowers 搞定。从今天起，不是你在用 cloud code， 是 你在指挥它。