qoder java使用教程
呃，大家下午好。呃，我叫许可，然后来自易世腾科技，是一名驾照程序员。 呃，今天跟大家分享一些我自己个人使用 qd 的 一些心得。呃，我先说一下，其实我使用 qd 的 时间并不长，差不多也就三个多月，可能跟很多已经用了很久的小伙伴相比， 呃算不上什么资深的用户。呃，所以今天呢，主要是，呃结合我自己的呃开发的经验，然后起到一个抛砖引玉的作用，然后跟大家去进行这么一个交流。 呃，我今天的分享呢，主要是，呃从这六个部分去进行介绍。那前三个部分呢，主要是讲一下我在日常工作当中会在哪些场景会使用到 q 的。 呃，主要是会涉及到一些，呃，比如说使用 qq 的 去帮我进行问题的排查，去做这种需求的迭代，还有就是从零到一的去完整的开发一个新的项目。呃，那后半部分呢，会 介绍一些我使用 qq 的 过程当中的一些总结和思考。呃，包括一些经验技巧的分享，还有就是我作为一个呃 qq 的 使用者，给 qq 的 团队提的一些建议。 呃，最后呢会跟大家聊一聊，说在 ai coding 时代，我们程序员的价值产生了哪些变化。 呃，大家可以看一下这个案例，这就是我平时使用 q 的 一个场景。那作为程序员，呃，我们每天可能呃 查日记，然后去根据从一大堆的日记文件当中去分析到分析出来一些关键的信息，并且对其这种时间戳能够去排查问题。这个是我们日常呃工作当中非常常见的呃，一部分工作， 那他本身也是一项非常耗人精力的事情，所以在这种场景下呢，我一般会把我的日制文件去丢给 q 的， 让他去帮我分析我的日制 呃跟他描述清楚需求之后，那可以看到这个是他当时帮我分析出来的结果，他其实并不是简单的告诉我一个结论是什么问题，他会帮我去梳理出来这个时间线，然后去 找出来他认为的关键的异常点，并且他会去列出来他的证据链，这个就帮助我把可能呃读解决，就是分析日制的时间从可能原来需要二三十分钟就缩短到两分钟，就极大的提升了我的工作效率。 然后我们再来看一下这个案例，这个案例当时是啊我们的那个服务 在多副本部署的情况下，会产生这种 rtc 的 绘画丢失，那这个因为我们整体的呃这个业务的链路它流程比较长，我自己也要去查代码去分析 它原有的这种呃业务流程，这个过程本来也很复杂，然后我当时就直接跟 qq 去描述清楚啊我的这个问题的现象，然后让他去帮我试着去帮我分析一下， 可以看到可能 qq 的 他自己也觉得你整体的链路就比较长，他这个时候他不是会说直接告诉你呃可能就是猜一个什么原因，而是他先去画出来这个整体的链路架构图， 然后再顺着这个架构图去慢慢一步一步的去往下啊分析原因，这样就能够说实现这种快速收敛排查的范围，也能够让我知道我接下来去应该验证啊哪一个点， 所以我觉得在这方面他是给我一个很大的惊喜的地方，就是他也能够帮助我快速的去熟悉我整体的业务流程。 然后刚刚介绍的更多的是 qd 在 呃帮我排查问题方面的一些应用的案例。然后但是其实 qd 在 去我们去做这种新需求的迭代开发的时候，呃也能够给我很大助力。 我当时在做这个需求的时候，是我们平台上需要去啊实现一个一键式托页，嗯，一对的就是并行节点和聚合节点的这么一个功能，并且自动配上它的这个 id cid， 然后 它其实功能本身并不复杂，只是说它的验证的需要验证的东西比较多，然后需要开发的比较繁琐，可能我自己做也需要个一两天的时间。然后呢？我当时 就让 qd 去帮我实现这么一个需求，然后让他啊并且我明确要求他开发完需求之后要自己去调用浏览器自己去验证，然后最后要交付给我他的验证截图， 然后我布置了这个任务之后，然后 qd 就 自动的去帮我去把我的这个任务进行拆解，然后这边呃右边就是他拆解的这个一个一个的小任务，然后 他我觉得他拆解出来这个小任务有一个好处，就是他执行到哪一步你可以非常清晰的去看到，而不是一个沙浆或黑河的状态，你你不知道他到底有没有在执行，或者说最终执行很长一段时间之后，最终他并没有交付出来这么一个结果，他的每一步 执行成功之后，前面的那个小圆点都会变成实心的。然后我们来看一下他最终交付给我的结果， 它交付给我的结果当中会包含它改动哪些文件？呃，它 它的这种具体的实现策略，以及它自己去调用浏览器。呃，实现这个验证截图的这个情况，我觉得这个就是 qq 端能够去保证它可靠交付的一个关键 就是他通过他自己的这个流程能够保证他交付给你，他开发出来的这个产品不是说，呃，不是说他告诉你就开发完了就结束了，他每一项都是有迹可循的，都是可以去验证的。 然后这个是我使用 qd 去实现的一个从零到一的一个小项目。我相信很多小伙伴可能跟我一样都会有一个痛点，就是我们在 每天日常工作当中，更多的是跟各种的 ai 去进行聊天对话，比如说我们去跟 chinese ppt， 去跟 cloud 去进行聊天沟通一些需求的设计啊什么的。然后我们会跟 cloud code， 会跟 qd 去 啊聊天，让他帮助我们实现我们的这些需求。然后呢？呃，但是这些对话的过程，他会记录我们每天的工作生活啊，以及思考和成长。 呃，我觉得这些东西，这些对话记录都是非常非常有价值的东西，但是他会散落在我们各个工具里面，其实很难去把它们给归档出来。呃，能够形成一些可附用的，能够沉淀下来的知识库文档。所以呢，我当时就想开发这么一个小工具， 呃，能够自动地去收集这些。呃。所有的跟 ai 对 话的这么一个过程，沉淀成我的。呃知识库，然后放在我的 obsidian 那 个仓库里面，我就可以使用呃各种 ai 工具去跟它去进行整理。 然后呢我当时的实现思路就是我在那个 com 浏览器里面开发了一个小插件，就是我跟唱 gpt 去聊天，聊完之后，然后比如说我点一下这个按钮，它就会自动把我跟呃唱 gpt 聊天的过程， 就是这个页面的文字会呃生成一个本地的一个 md 文档，然后在 vs code 里面你去装一个那个 vlog 的 那个插件，它也能够把你跟 color code 的 聊天的过程去形成这么一个那个对话的日制文件。 呃，然后呢我就想让 qrd 去实现这么一个产品，让它能够每天定时去扫描我的这些， 嗯，就这些呃对话的这些目录文件，然后能够自动的去进行归档。我的啊，比如说我排查问题的记录，我进行新需求迭代的一些啊记录，还有我比如说要去学新知识 之类的，它能够去自动的形成这种归档。还有一个我觉得可能呃我自己 在工作当中呃会觉得比较痛点的一个问题，就是因为比如说我跟 cuber 去聊天，他如果犯了错误，然后我会让他去 总结这一次的经验教训，让他自己去写到他的规则文档里面。那我有时候我我用别的呃开发工具，比如说 component， 他 也有他的这种规则文档，那他 这个每一个开发工具它的规则文档之间是不能互通的，所以我觉得，所以我就很想让 qrd 也把这些规则文档都能够给我，就是统一 去进行规档，然后我就可以在我各个文件就是各个 ai coding 的 工具当中都能够实现这些规则文件的这种共享，让它们不会去犯类似的错误。 然后呢，我当时使用的是 qwer 的 快死模式，我觉得这个是呃 qwer 最能够提效的一个地方，就是快死模式，它能够支持长任务，你让它自己去跑一两个小时，它也不会去中断。 而且呢快死模式它是可以去配一个远程仓库的，你把你的那个 git 地址配置上去之后，你自己即使电脑关机了，它也会一直在那个远程去跑。 所以我一开始就深度的去跟他沟通清楚我的需求，然后让他去在远端执行这么一个任务，大概他跑了有一个多小时，然后我们看一下他最终交付给我的产品， 这个呢就是他自己完全自己开发的这个产品，然后左边呢是他设计的首页，然后上面呢会有一些菜单，比如说这个首页，然后后面 第二个就是手动导入，就是它支持你自己去复制粘贴一些文档进去，然后它会自动去归到呃这个 这个文档是是属于某一个类别的，是呃问题排查记录还是需求开发记录之类的，然后在确认中心会它会扫描完我的一些 文件，生成这些呃文档之后，需要我去确认之后，他才会去放到相应的文档里面，设置里面会去设置我本地的那个输入文档的目录 运行日记，就是他自己啊扫描的这些日记情况。然后下面呢会有一些具体的功能模块，就是问题排查记录，还有需求开发记录，还有新知识学习记录，还有那个 ai 工具，工具的经验教训的总结就是他会自己去 生成这些相应的文件，然后呢右边是我自己当时手动去点的呃就是立即扫描的这么一个过程，然后他就把我跟呃 qd， 就是 他他就把我呃的聊天过程， 然后去生成这么一个文档。我们可以看到这个就是当时的一个呃问题排查记录，然后这里面会有一些比如说问题背景排查过程，还有每一个阶段我都呃执行了哪些操作。呃，所以我觉得 这个这个是他完全自己去实现交付给我的这个产品，我觉得呃对我来说还是一个很大的惊喜。 然后接下来我想跟大家分享一下我自己使用 qq 的 过程当中的一些呃小经验和技巧。 呃，我觉得我自己使用 qq 呢，呃第一个呢就是要任务驱动，就是与其让 qq 去反反复复的修改你的问题代码，倒不如一次性的去把问题讲清楚。 所以呢，我使用 q 的 的经验就是一般我让他去做一个需求，我会让他我会首先会反复去跟他确认清楚 他是否理解清楚了我的需求，然后会让他向我，会让他向我提问他有没有什么我跟他描述的过程当中有没有什么可能理解会产生歧义的地方，把这些点一一都确认清楚之后，然后再让他去干活，那他最终的交付的质量就会高很多。 然后呢，就是我觉得你如果一次性给 q 的 一个非常大的任务，那它大概率不太会呃交付给你一个呃你能够满意的一个结果，所以我觉得如果这个任务很大，最好是拆成呃每一个小任务去执行， 这个会效果会好很多。然呃，然后呢，就是如果 q 的 在执行过程当中犯了错误， 然后一定要去让他自己总结他这一次为什么会犯错误，写成这个经验教训的文文件就是相应的规则，然后沉淀到他的那个规则文件里面，然后他下一次的时候他就会自己去读取这个规规则文件就不会犯类似的错误。 然后呢就是你如果明确知道你需要去修改哪个文件的代码，你最好是指定上下文，这个也能帮助你 to token。 然后就是接下来就是交付币，还就是你让 qd 去帮你干活的时候，比如说你可以使用呃快手模式去跑长任务啊，配置远程仓库，然后他的效率会很高呃，但是如果要想让他交付给你的产品更可靠，呃最好是主动要求他去进行浏览器的自验证。 就是我觉得这个是 q 的 很好用的一个地方，因为我之前用卡拉扣的我它里面你比如说你自己安装浏览器相应的这种 m c p， 它也可能可以实现这么一个功能，但是我使用 q 的 不需要自己安装它自自带的这个功能， 然后它就能够自己去调用浏览器去帮你验证，当然你得手动去发起这这么一个命令。然后后面呢，就是 就是你我在使用 qq 的 过程当中，不太会把它当成一个固定的工具呃，而是不断地去拓展它的能力边界呃，比如说会去通过一些 mcp 工具呃，像会安装像 figma 这种 工具，那就可以实现说呃设计及代码，然后你也可以去主动地去对它的记忆进行管理，因为 qq 的 它会 你平时使用 qq 的 过程当中，他会记录你的使用习惯，使用偏好什么的，但这些他记录的这些记忆的内容并不一定是你真正想让他记忆的。 有一些可能只是说我这一次是这么用的，我下一次并不想让他当成一个呃就通用的规则，所以你可以去主动去管理记忆，记忆部分是支持编辑的， 然后呢就是呃你可以指定你相关的这些 skill， 让它去呃调用相应的 skill 去设计你的产品。比如说前面的那个 那个需求，那个，呃知识沉淀的那个 agent， 就是 指定它呃调用像 u r u x pro max 这么一个 skill， 然后来帮我去进行前端页面的设计。 然后最后呢，就是我觉得 qq 的 很好用的一个地方，就是它的 reaper wiki 功能，它而且这个功能现在是免费的，就是它消它是不消耗积分的。然后也对于 一些存量代码的维护，我觉得这个功能是非常有帮助的。呃，比如说有一些新入职的小伙伴，那他去读代码的成本肯定是要比读代码的成本要低很多的，而且当你自己 修改了一些呃新的代码之后，它也支持这个自动更新到这个 repake 的 文档当中。 呃，前面呢都是我觉得 qd 做的非常好的地方，然后呃当然呃夸 qd 的 话到此为止。然后下面呢是我想吐槽一下我使用 qd 的 过程当中的一些问题。 就是第一个呢，就是我刚刚说了快呃 qq 的 快捷模式，它支持这种长任务的，但是我使用那个 edit 模式， 我会经常出现呃 qq 它自己执行的过程当中就卡住了，然后需要我手动去点一个 continue， 它才能够继续往下跑。然后这个就让我觉得可能 呃我就不太敢放心的让它一直往下跑，就会时不时的去呃在那盯着它。然后第二个呢，就是呃我觉得它现在因为我之前做那个知识沉淀那个 agent， 比如说我装了 vlog 插件之后，它会自动的去 生成我跟卡拉扣的的对话记记录日记，但是 q 的 他我找不到他的对话记录的本地文件存储是在哪里，所以呢，这个就就就就很难去啊，去沉淀出来相应的有价值的这么一个文档。 然后呢，就是下面这个是我一个同事跟我说的，就是因为他之前做的是 q 的 c u i 的 一些二次开发工作，然后他在 q 的 官网也没找到相应的这种接口文档，就可能就得需要自己去掉相应的接口，然后去 才知道它相应的返回格式，我觉得这个接口文档可以补充一下。然后呢就是 q 的 对话的 对话框里面就是我们知道现在 qq 的 你，他是帮你干完活之后，你是可以点击啊回管，就是撤销他的这次修改的。呃，但是我觉得有时候，比如说对于一些长任务，最好能够支持这种 基于对话的这种版本管理，我可以回退到我指定的一次的他的代码的修改。呃。接下来是呃，就是这个按特服的这个问题，一开始 我想指定让 q 的 指定他的上下文，然后我在对话的过程就是输入的的文本框里面中间去呃打这个按特符，然后去引用上下文，我发现是不支持的，然后我得是用鼠标去点出来。呃，但是后来我才发现 你打一个空格，然后再去呃按它，然后就能够选中。但是这个这个东西在我在使用其他工具当中就从来没有遇到过，所以我觉得这个可以优化一下。然后最后呢就是 最后一个呢，就是因为我们知道像 clock code 最近推出了一个远程编程的这种模式，你呃这么一个 remote 命令，然后你就可以在手机端去远程控制进行编程。 呃，所以，呃我们之前我们公司举办了一个黑客松的的活动，我们有同事也实现了，说在钉钉上 能够调用克拉蔻去进行编程，所以我觉得呃克拉蔻可以去在这方面去做一下集成，呃能够让我在钉钉上 去进行把我没有完成的一些活继续呃做了。这样我比如说我有一些急活啊什么的，我就不一定非得说呃回到公司或者回到家去打开电脑才能干活。 然后呢就是想跟大家聊一下，就是 ai coding 时代，我们程序员呃究竟还有什么价值？就是因为 我觉得，呃可能 ai coding 的 工具像 qrd 这种，它确实把我们编程的成本把呃变得很低。呃，所以如果说我们 程序员如果只是说把任务去进行变成相应的代码，那我觉得这部分的工作可能很快就要被 ai coding 的 工具去进行取代了，但是我们会有自己新的价值。 呃，我的理解呢？那第一个就是我们的工程力，就是我们 ai coding 工具，它写出来的代码， 嗯，到底能不能是可靠的、值得交付的，需要我们人去进行保障，那我们要去保障它的代码是可验收、可验证、能够回复、能够回溯、能够复盘的。 所以我觉得一个很重要的就是我们要实现这种身份的迁移，就是要从写代码的人变成交付负责人，要对 ai 写出来的这个代码去负责。那第二个呢？就是全站力，就是 ai coding 工具，它极大地拓展了我们每一个人的能力的边界。以前我们可能是前端程序员，后端程序员， 呃，现在我们可能每一个人都非常容易的能够去轻松的获得这种全站开发的能力，我们不仅可以全站开发，我们还可以去借助一些。呃，新的工具， 就是我们现在有 web coding， 当然也有 web design， 然后我们可以像借助 figma， 像呃 pencil 这种工具去跨域进行学习，然后去不断地拓展自己的能力的边界，真正实现说产品及设计及代码。 然后那我觉得最第三个就是产品力，就是一个软件，它 从想法，然后到产品，然后到运营，那从想法到产品的这个过程， ai coding 的 工具已经把它的这个成本降得很低了。那所以现在真正有价值的是什么？是真正有价值的，是一个好的想法，一个真正能够发现 痛点，能够洞察需求的这种能力。所以我觉得我们更应该去从从任务、任务接收者变成问题发现者，能够去及时发现我们生活当中的各种痛点、各种需求， 然后去使用各种 ai 工具把自己的想法落地，甚至于说构建各种数字，员工去帮自己干活。我觉得可能以后肯定不是比谁代码写得快，而是比谁能够更好地利用好 ai， 来把呃，来把问题实现，来把 每一个活做好。好，那今天这就是我分享的全部内容啊，谢谢大家。
粉丝3.0万获赞5.0万
相关视频
00:36查看AI文稿AI文稿钢铁侠二的使用非常的方便，看一下我们的积分，三百，杠三百已经用完，接着我们打开钢铁侠，呼叫钢铁侠二，点击一下，有一个漂亮的动画等待科技感十足的进度条， 让他将那个进度走完，非常快，已经成功了。接着会自动重启 ai 软件，按 uzi， 这里马上就变为了零杠三百 是一个 pro 的 状态，然后看上面的记忆完全没有丢失。选择 ultimate 极致模型，我们就可以将开发的外部项目一些报错的问题发给极致模型。
35达文西
01:32查看AI文稿AI文稿今天把阿里百炼的 api 诶调同了，然后让 api 让大模型， 这是阿里百炼的 api 自定义，然后今天用百炼重新分析了一下，这是百炼的 阿里百炼的模型还可以，跟上次分析的差不多， 然后他一下检查出了几个问题， 然后让他根据这个他提供的优化建议又重新优化了一下， 然后显示效果没有本该还是原来的样子， 这是阿里百炼上的大模型用量用量的显示， 然后这是百炼了 api api k， 然后是模型。
2醒困💤
01:14查看AI文稿AI文稿公司最近给配了一个月的 cursor， 我 之前主要使用的是阿里的 coder， 使用下来我觉得 cursor 还是要稍微更好用一些。 首先在 tab 补全上面， cursor 在 你多个文件切换之后，基本上还是能准确预测到你要补充的字段或其他信息， cursor 就 要稍微欠缺一点。在智能提问上面， cursor 的 响应速度以及处理速度都会快一些，特别是在一些细节的处理上面， cursor 会更精准一些。然后 cursor 还会时不时的能预测到你下一个要跳转的文件。 cursor 在 我之前使用过程中几乎很少能预测到文件。 此外， cursor 再启动大型 java 项目时，出实化速度会快很多，然后在后续的使用过程中也会更流畅一些。这个确实是我比较喜欢的一点，不过国内的 coder 以及 tree 等这些智能编辑器 更新频率很高，也越来越优秀，希望能早一点跟上国外的水平吧。
15一昂杨_
05:40查看AI文稿AI文稿大家好，大家都知道我们目前国内有三大 ai 编程软件啊，一个是自觉的去腾讯的 cobody 以及阿里的 code， 那 么我之前已经用去和 cobody 分 别做过了对应的教学视频了， 所以我一直想也分享一期 cold 的 这种入门体验啊，正好最近我要做一个官网，所以我就拿 cold 来做了一期深度的使用， 这一期我会详细的讲一下 cold 的 一些使用体验，那另外的话，后面下一期我还会分享我网站的后台软件，腾讯的 cloud base 的 使用体验。另外我也会 结合我这八个月学习 web coding 的 心得体会来讲，所以这两期是满满的干货，希望大家能认真的听完，只要你听完了，学懂了你的 web coding 就 算入门了。 好的，那先我先打开 coco 的 软件啊，给大家先看一下 coco 的 一个布局， coco 的 一个布局其实跟 coco 是 非常像的，那么首先它是 文件菜单，是在这最上面啊，默认的是在最上面，然后这边是编程的文件的这个菜单， 然后这边中间是一个显示窗口，那么这里呢？我是把我的里面有一个 qq 浏览器，我是把它打开了， 然后这边就是我们的 ai 的 这个对话窗口，那 qq 的 话 它的一个特点有有哪些的？在这里我给大家简单的介绍一下。就 code 的 话，它是有两个比较有特色的地方，第一个就是它的这个 kest 这个模式， kest 模式的话就是说你点开之后，它是会以 ai 来主导进行一个编程的分析。 还有一个就是它的一个叫 wiki report 的 这个仓库，就是它是以 spec 的 这种模式来给你这个项目生成这种 带有结构化的这种文件，方便你后面比如说做一些老的项目的这种 新的重写。那 code 的 话，首先呢就是你点进来在这个文件里面有一个首选项啊，你点击首选项，这里有个 code 配置， 点进来之后，那么这里呢就可以对 code 的 这个设置做一个处理。 比如说你在这里可以定义一些规则啊，那么我这里的是给自己定义的一个规则，我这里规则是用的是娃娃 talk 的 ct 和彭总的这个 louis 啊，我是把它写进来了，然后的话在这里呢 扣到设置里面，你还可以设置一些比如说 m c p 的 服务啊，它这里有个 m c p 的 广场，你可以在这里直接手动添加， 如果广场里面没有的话，你可以直接通过这里的添加进入到 m c p 的 文件里面去。 那还有一块就是 ko 的， 我觉得比较厉害的地方就在于它的一个记忆的一个系统，它的记忆系统就是说我们说模型 解答问题准不准确，就在于他能不能把上下文处理的很好。那 code 的 话，他这个记忆我看了看，他是把每一次我跟他的对话，包括这个 get 的 仓库的信息，以及我给他的提词，全部当做这个上下文来记忆的，所以这样 他的这个记忆上下文记忆系统是特别的强大啊，所以解决问题是非常的准啊。 那总体上大家可以看到我的这个项目已经在当地啊预览了，跑起来了啊，在 oppo hos 的 三千这个窗口啊，这个网站上次也给大家讲过了，所以我就不具体讲了啊，那我再简单讲一下，就是 code 的 这个模式 啊， ko 的 模式呢，它的里面它跟其他的 ide 软件不一样，就在于它的模型是已经封装在里面了，你是没办法去选举的。那么它这里有四个 模式，一个是这种 auto 的 自动化的模式啊，还有极致的模式，还有性能的模式，经济的模式，那每一个模式它对应的有一个，一个是它处理问题的复杂度不同，还有一个就它消耗的积分是会不同的。 那像我这里这个项目的经验，就大部分我是用 auto 模式来写的，当然对于一些很复杂的，比如说像一些 api 的 处理， 还有像一些上云的这样的一些复杂处理，我是通过极致模式来处理的。可以看到极致模式它消耗的积分是一点六倍的积分，但是它的一个效果也是非常好的 啊。总体上的话我想了就是说。另外的话，我想讲一下，就是 code 它是运用到 spec 的 这样的一个原理啊。所以呢，它在这里给我写了一个就是网站的需求文档的时候，我看一看它的写的效果是非常的好啊。这个其实我是最开始我是用 jimi 的 写了一版，后面的话在 code 里面它又给我完善了一版 啊，总体来说我觉得 code 是 个非常好用的软件。好，推荐给大家。好，谢谢大家。
55AI创业进行时
03:22查看AI文稿AI文稿什么样的一个编程工具？三个月的时间里帮我写了十万行代码的股票数据分析系统。 今天我给大家展示一下这套 ai 编程工具，这个就是我这个 ai 编程工具库德，大家可以看到这边是他的所有的文件，阿尔法亨特系统的所有的文件，这边是某一个文件，其中的这个代码， 下边就是他的一个展示的终端，执行命令的一个终端，包括我日常运行这个阿尔法亨特的这套系统就是通过这个终端输入十一，然后全自动运行的。这边呢就是聊天内容的一个窗口，上面显示的一个你跟 n i r 对 话，包括解决问题显示的一些内容。下边就是一个对话窗口， 这块其实是最重要的一个区域，大家可以看到这里边有智能体，专家团，还有智能问答，我用的比较多的就是智能体或者是专家团，这边是大模型的显示，目前大家可以看到我正在用 deepsea v 四的 pro 版本，因为它现在打折，哈哈哈， ok。 那 么我平常用的比较多的是极致， 还有什么凹凸，最早期用凹凸比较多，现在主要还是用极致用的更多一些。最近 deepsea 微视刚刚发布，所以说我也再来测试它的效果，目前来看效果还是不错的，跟极致比我觉得也不相上下。 那么这个就是一个酷的简单的界面啊，大家可以去自己熟悉一下，你可以随便跟他聊一聊。还有一个酷的工具叫酷的 work， 给大家打开看一看。那我把我们阿尔法亨的这个项目给大家打开，我给大家 讲一个小小的案例啊，我前一段时间因为做阿尔法亨的这个项目，并且我又还做了一个其他的项目， 两个项目并行在操作，去写这个代码的时候还得运行测试，就发生了一个问题，就是我的电脑的内存不够， 占的很满，导致这个机器非常的热，我就考虑让酷狗的 ide 去帮我解决这个问题，结果 ide 说的不行，我解决不了，没有这个权限， 哎，我把这个问题丢给了酷狗，大家看酷狗里边我特意强调了一下，我说用酷狗编辑修改优化阿尔法亨特系统时，电脑很热，怎么回事？ 他就问我，你问的是很卡吗？还是什么的，这样他很聪明的，他去帮我去调研这些东西，结果他把我的事给我解决了，他发现了一些占用内存的文件，运行的一些程序啊，他把一个一个都立出来，他告诉我哪个可以 q 掉，哪个可以关掉，这样一来， 他一弄完，他再帮我操作一部分，电脑马上就凉快了，就不那么热了，非常的厉害。这是我应用这两个工具当中遇到最明显的一个区别。还有一个就是他可以为你生产出来 word、 excel 和 ppt。 举个例子，我想给他做一个教程，弄完我就让他去帮我写这个课件就可以了。就这样写一个股票数据分析系统，当然不局限于这个 酷狗这套工具，酷狗的 ide， 酷的 work， 当然也会有很多种，像什么 cloud 呀，还是酷 sir 这种很多。 这套工具我用了能有小半年了，我的感触还是很深的，它无论从中文的理解能力，包括常温文的理解能力，包括一些深入的这个很严重的一些 bug 和问题，修复能力都是非常强的，所以说我还是比较推荐大家去使用这套工具的。
02:31查看AI文稿AI文稿我没有任何代码基础，用抠的这种 ai 编程工具写了一个十万行代码的股票数据分析系统，今天我给大家展示一下这套系统长什么样子啊。在这个终端输入一个命令，回车之后就进入一件菜单，所有的功能的命令都在这个菜单里边 给大家展示一下。大家可以看到这个阿尔法亨特。第一部分是一个核心投资的分析系统，其中包括三级漏斗，根据扫描器，一级火箭，二级火箭， 情感分析因子回测，还有我们最重要的每天全自动运行的这个命令，这个是全自动的，也可以手动的。第二部分就是系统工具啊，查看审核区的一些状态，最近的分析结果，数据库的一些状态，包括同步数据的一个管理，邮件的一个预览，推荐股票至同花顺因子发现隐形 这个历史数据，还有一个查看说明，这是第二部分。第三部分呢是词盘的一些追踪和币款的验证，通过模拟交易模拟的买入卖出 时差的一个状况，生成皱爆的一个对比。下一部分呢是一个统计检验因子，记录审核业绩，查看防过礼盒，还有一个因子的一个白名单。防过礼盒是因为过多的因子或者过多的策略，它有重复会拉低分数，这样我们就会去精简一些这样的策略和因子，所以说需要防过礼盒的去 验证啊，都是全自动的。在下一部分的智能监控，其中包括首付条件，包括 a c n 的 模拟的一个效果文件的规档。最后一部分增强运维工具，其中包括查看日历，快速的一个配置，系统的一个健康程度，包括我们 deepsea api 所使用的还有多少余额， 模拟教育的一个概览，历史推荐的一个回顾，还系统一个备份的功能，因为每次运行嘛担心出问题，我们会把数据啊，还有整个系统的一个运行的过程进行备份， 再有一个网络的一个诊断因子 i c 报告，还有历史的回放的一个隐形，还有一个 a h 二百的智能监控仪表盘啊，这个也是很厉害的一个东西啊。然后再有一个这个配置的回馈， 基本上就是这么多功能，这是我一个配置的菜单，那么每天我现在正在一个就是测试修 bug 的 一个过程，那么我们怎么样每天去运行呢？我们在这个命令里边输入十一全自动运行，点击回车，然后他会问你是否开始点击 y 啊，开始一直回车，到下一步他就全自动运行了啊，就这样的 阿尔法亨特系统这个一键菜单的目录呢，我已经发送到我的评论区了，大家如果感兴趣的可以去评论区点开这个图片去详细的看一看，了解了解， 感兴趣的朋友可以在里边留下你的评论，也希望大家能够帮助我去增强优化我这套阿尔法亨特股票数据分析系统，感谢大家支持。
172AlphaHunter
00:42查看AI文稿AI文稿大家好，今天来聊聊 qd 的 开发环境适配方式。很多小伙伴可能会问， qd 要怎么融入自己的工作流呢？别担心，它提供了两种超灵活的使用方式哦。 第一种是插件形式，能直接接入咱们常用的 ide 开发工具，就像给你的编辑器装了个强力外挂，不用切换窗口就能享受 qd 的 功能。第二种是独立环境，如果你习惯单独操作，也可以通过专门的独立平台来使用， 界面清晰，功能一样强大，不管你是喜欢在熟悉的工具里无缝集成，还是偏好独立的操作空间， q 的 都能满足。那么问题来了，你平时更常用插件还是独立平台呢？或者你有什么特别的使用场景，评论区可以一起交流一下。
20:06查看AI文稿AI文稿呃，大家好，我是吉利，是粤云科技的前端负责人。今天很高兴能在这里跟大家来来聊一个我近半年以来一直在思考的问题，就是 ai 时代，我们要怎么从个人梯校走到组织进化。 呃，接下来这十几分钟呢，我会，呃跟大家来分享我的一些思考和实践。我们我们团队大概是半年之前开始使用这个，大规模的使用这个 ai 拷钉工具。当时呢，我有一个比较朴素的假设，就是咱们的编码效率是飞速提升了嘛，那团队效率是不是很快也会跟上来呢？ 呃，而后就发现一个比较扎心的事实，会用工具并不等于个人提效，个人提效也并不代表组织提效。那么我个人的效率虽然是上去了，但整体的这个团队的产出有加速，但是没有达到那个质变的效果。 后来我看到 bgc 有 一个法则，就十二十七是法则。他说的是，任何重大的技术驱动改革， 只有百分之十取决于算法本身，百分之二十依靠的是技术的基础设施，百分之七十取决于人、流程和文化的变更。这个数字给我一些启发，他就是说， 呃，或许说明工具只是本身只占一小一小部分，嗯，而真正的胜负手可能是在组织层面。呃，在展开我的故事之前呢，也跟大家同步一个共识，就是 air cooling 现在已经不是要不要用的问题了，而是怎么把它用好的问题。 呃，这里展示了一些行业内的数据。呃呃，我相信，呃，都能够向我们明确到，就是这个 ai 特定普及的一个事实吧。那么下一个问题就是，呃，我们使用了之后有没有遇到过哪些意想不到的问题？ 我们团队呢，整体是把它规划成这个四类。首先第一个代码维护成本的激增，说白了就是使山代码堆得更快了。呃，因为 ai 可能会给 呃不同的人生成这种完风格完全不同的代码，然后也可能在这种不同的地方写这种相似的实现方法，那这就很影响我们一个整体的一个代码维护。第二个坑，呃，高手请假，项目停板。 呃，个别同事可能基于他对这个业务的熟悉，呃，对 ai 工具的熟悉，他可能很可以又快又好的完成这些需求，但是他一请假呢，别人根本接不上来，明明是一样的工具，一样的模型，效率就是跟不上 原。原来呢，不是 ai 厉害，而是这个人会用 ai 比较厉害。这就是一个很典型的问题，就是关键能力我们锁在了个人身上，团队就会有这种单点的风险。 第三个上线，像开盲盒， ai 生成的一些代码看着能跑，测试也过了，结果一上线就出问题，回顾发现可能都是一些边界情况没有考虑到，那么但这种波动呢，又会对呃客户对我们的信任就会有一个极大的伤害嘛。 第四个坑就是最扎心的，我自己写代码变快了，但团队整体的这个上线速度没有变，甚至还变慢了，为什么呢？每个人产出都翻倍了，但我们审查代码就堆成了山，嗯，看别人用 ai 写的代码，工作量是之前的好多倍， 因为我们不知道 ai 有 没有彻底理解我们这个业务意图，所以，嗯，行业里有个说法来描述这个事情叫生产力备论， 他就说这种个人提效，但组织没变，甚至组织变得更慢。这个事情，这里也例举了一些。呃，数据给大家看，就是个人代码，嗯，个人编码效率提升了，看起来很好，但实际我们线上的这个权限率也在上升， 代码合并量在翻倍的增加，我们代码的审查耗时也在翻倍增加等等等等。核心结论是什么呢？就是 ai 确实降低了我们编码的一个编辑成本，呃，写代码变快了，但它没有降低我们，我们理解审查和测试这种协同环节的成本，研发的瓶颈逐渐从编码转移到了协同。 呃，这也就意味着我们如果只是呃盯着给团队买工具，而不去解决这一这个层面的问题，我觉得我们大概率这个投入可能是看不到一个预期的回报的。那究竟怎么去解决这些问题呢？我们就先做拆分，我们组织是把这个，呃， 我，我们是把这个 ai 组织使用 f 分 为这四个阶段。零阶段就是个人试用，团队里总有几个好奇心特别强的同事嘛，他会自发的去使用这种 ai 的 工具，但是公司这个时候公司层面可能还没有任何的动作。 一阶段就是开始加速了，个别使用的好的同学，他可能效率已经翻倍了，但其他人要么在观望，要么是刚刚开始使用啊，整体的这个速度和质量都是参差不齐的。 二阶段就是组织卡点，也就是我前面所说的那些问题的一个集中爆发，代码审查堆积，呃，质量波动、关键人才依赖等等。 第三阶段就是真正开始组织加速的阶段，规范建立起来了，能力共享了，安全网铺好了，这个时候我们团队才能够真真正正的开始加速。明确了我们当前所处的这个阶段之后，我们就快速的找到核心问题，进而开始寻找我们的一个解决方案。 我们呃核心，后来核心发现就是呃三个方面的问题，然然后三个方面的解法。首先第一个是规范体系，我们要解决乱的问题， ai 是 不知道你们团队的规矩的， 得有人去告诉他。第二个能力共享的问题，就是解决断的问题，一个人会用肯定是不够的，得让所有人都能够用起来。第三个就是安全治理，我们要把解决险的问题，不能让 ai 生成的代码变成我们的一个风险敞口，让客户不信任。 这三个方向看起来是技术问题啊，但是我觉得本质上还是一个管理问题啊，我们从头开。呃，一个个来说，先说乱的问题， ai 有 一个嗯特征，他很单纯啊，就是你个，你不告诉他规矩呢，他就自由发挥 啊，不同的人可能问同样的问题啊， ai 也会给出这种风格完全不同的答案，反映到代码里呢，就是这种代码混乱，呃，维护成本就急剧上升。我们遇到个什么事呢？就是之前有个项目，老项目嘛， 呃，数据请求的封装方式都有三套，这三套方方案呢，又各有各的一个错误处理逻辑，为什么呢？这个这个项目非常老了，之前已经不知道有多少人接过手， 可能最开始的时候 a 模块留下一个规范，然后后续又并入了 c 模块、 b 模块，然后他们又有各自的一个处理方式，然后我们后期接入 ai 扣顶工具来继续迭代的时候，就发现 ai 也搞不清楚应该用哪套方案了， 这个时候肯定不行，我们得想办法来规避这个问题。最后找到的一个解决思路也是很朴素的，就是像我们之前古法编程一样 呃，团队需要有人把这个规矩定下来，区别只是以前规矩是给人看的，那现在是把它转化成 ai 能够读懂的这些配置文件，让 ai 自动去遵循。 后来我们怎么解决的呢？我直接把三个模块分给了三个人，让他们单独去对应这个模块的一个技术规范，然后放到项目的个这个规则文件 ross 文件里面，然后和我们的代码一起上传到 git。 后续的开发呢，就是我们只要跟 ai 说明确这个需求是属于哪个模块的，然后 code 就 能够自动地去遵循这个内容去开发了。 可能有朋友还是不知道这个具体要怎么做吧，然后我就自己做了一个 demo， 然后我觉得还是比较简单的，就是这个项目呢，也是一个实际的项目啊，就是我 我们最开始接触 code 之后呢，我们就直接让 code 去分析了这个项目的一个当前的一个项目规范，然后我发现他一个文件分很长吗？我就让他按模块的去拆，分成了很多个文件，这里还没有截全。 拆分成这些文件之后呢，它，嗯，第二步就是让 code 帮我们自动地把这些呃文件归类生成 ross， 放到这个这个 呃规则里面去。然后第三步也是比较重要的一步，让 code 帮我们把这个规则设置成由模型决策触发的形式，然后并且根据我们这个呃 raw 的 内容去编写好它的一个触发场景，最后用 get 提交一起上去就 ok 了后。呃 呃 ok。 以上就是我们对于乱的这个问题的一个解法和一个案例。然后接下来就是一个断的问题。我们 我们前面也提到过，就是有同学可能对于 ai 使用的得心应手，别人复杂需求可能要好几轮，他一把就能够搞定，那他这些高质量的方法呢？可能都在自己脑海里没有沉淀下来，他休假团队的效率就立刻打折扣了。 呃，我相信这也是一个比较经典的难题啊，就是隐性知识如何显性化的问题。后来我们拆解了一下，这个同学用的好，他好在哪？ 说到底其实就是两个事，首先他描述问题的能力非常好，他知道怎么把这个需求拆解成 ai 能够理解的指令。 第二，他自己沉淀了一些标准化的工作流，呃，帮助他在很多重复场景是不用每次从零开始的。明确了这个原因之后呢，解决方案也就非常直接了。 呃，把描述问题的技巧我们把它提炼成模板，然后个人累积的这些工作流规范化之后呢，我们直接放到这个团队的目录里面，让所有人都能够一键附用。 我们公司现在做法就是强制在这个题测的节点上要求大家上传技能。呃，因为跟代码一起上交嘛，所以统一审查的时候去检查就好了，呃，也没有做一些那种 强制的，强制的限制就是一定要达到什么体量才行，我们就先放开让大家呃先做，只要符合我们现行的这个开发需求，呃就是合格的。 这边也准备了一个案例给大家来看，就是，呃，我们搭建一个新项目，呃，搭建一个 h 五的新项目，这个事情大家肯定不陌生， 那我们怎么借助这个 code 的 能力来完成这个事情呢？首先我们就找了一个现有成熟的项目，让 code 去提炼分析呃这个项目的一些基础架构， 然后拆分，当按照当前的规范去生成它所需要的技能，呃，包括一些搭建空项目，搭建服务层这种技能，然后再把这些技能整合到一个指令或者一个智能体之中之中去。 第二种图呢，就是这个智能体的一个使用方法，就是我们在编写好这个指令和智能体之后，在下次对话的时候直接一个斜杠就可以使用了，然后这个东西也是直接上我们上传到了我们的一个代码仓库，然后有同事需要就直接下下来，然后让扣头用就好了。 ok， 说完断的问题呢，我们下一个就来说险的问题，也是也就是安全治理嘛。 ai 生成代码有个共性， 他只管把啊，把你的需求满足啊，他只管把功能跑通，他不会主动去考虑这种安全合规的问题。我们之前就遇到过 ai 直接把一些 api key 的 啊铭文写到了代码里面啊，还有呢就是生成的接口没有做参数校验，导致恶意请求直接打到数据库这种事情 本质上都是一些非常低级的错误嘛，然后所以团队就有人觉得这种 ai 写的代码是不是不靠谱？还 有人说这个 ai 一个 bug 要改半天的，还不如自己手改来的快啊。所以我就意识到不能让大家这么这么快的就失去心形，所以必须要给大家建立一张安全网，让让大家从不敢用变成放心用。 呃，我们尝试做了三层防护开发，之前呢，在规范里明确禁止了一些高风险的操作， 呃，限制了 a a i 的 一个操作边界。然后开发中呢，我们加了一些自动化的安全扫描，每次生成的代码都呃进行检测，然后开发之后，呃让所有的代码都通过一个 呃自动化的质量门禁高峰，实在高风险的一些变更还是要求人工去确认的，效果也还可以。就是以前我们生成的那个代码，每行都要逐行审查嘛，因为不放心。但现在只要自动化的检查过了之后， 呃，我们的核心就只需要呃关注那个业务逻辑对不对就可以了。安全，安全网没有限制我们的一个效率，而是解放了一部分审查精力，让我们团队可以把这个注意力放到真正重要的事情上。 ok， 前面讲的这三个路径，其实解决的都是怎么让 ai 在 现有的流程跑得更好这个问题。但我觉得其实 ai 给我们带来的最大的机会不是让呃，不是在现有的流程跑得更快，而是它有可能可以重构我们整个的一个写作链路。 呃，我们传统的开发流程，我大大体把它归成这个，就是呃产品写需求文档，然后再出一个原型，设计师做 u i 前端开发了，然后最后测试连调交付。 但是我们之前遇到一个麻烦的事情，是什么呢？一个小项目，但需求返工了两三次，客户还是不满意， 那肯定不是客户的问题嘛，我们就找原因嘛。最后我去进入了解情况，发现一圈上那应该不是技术上的问题，本质上还是一个沟通的问题。就是因为，呃我们从客户描述啊，到产品转述，最后到 研发测试那边的时候，难免会有这种信息损耗和偏差，所以我相信所有的这个项目都会有，只是刚好我那个项目被放大了。那我就想怎么解决这个问题呢？我就提了个建议，呃，给我们这位产品也开一个扣的账号。 为什么呢？首先我们把那个呃客户产品研发测试拉到一起开会，这是一个基础嘛，我们尽可能把这个信息差磨平，但光靠开会一定是不够的。所以我们就让产品开会的时候呢，就直接把这些东西都记下来，然后使用 codewalk 去做它的需求文档，再用 code 做它的原型。 这个原型是什么呢？是一个 html 文件，呃是包含我们现有的这些样式规范，然后交互操作的。你你可以理解为这个呃东西除了里面的数据是假的，但其他的和最终成品是相差不大的。 那呃用这个原型去跟客户沟通了之后呢？呃基本上就可以上午有问题，下午就能改出来，这么两三轮沟。两三轮沟通之后呢，就需求基基本上定稿了，客户也很满意嘛，因为我们很快的就让他看到一个东西了，实际的东西了，他就认为我们有效率了嘛， 所以基于这个事情，我们就尝试在这种呃小的项目组开始推进我们的一个新的写作流程， 效果也还比较好。然后分享给大家，在模 ai 的 模式之下呢，我们把这个研发流程直接压缩成了三个环节。首先第一步，让产品经理直接用 ai 生成结构化的一个需求说明，同时生成一个可以交互的原型，这个原型直接给到客户确认 光呃，有问题快速调整。好处是什么呢？就是需求最终到研发手里的时候，大概率不会要反复变更了，光是这一步其实就砍掉了我们研发同学最头疼的两个事情，一个就是沟通成本太高，还有一个就是需求变更导致的反反攻， ok， 第二步呢，我们研发人员就可以专心的开始写代码了，对吧？因为需求已经经过确认了，本身就节省了非常多的时间，然后我们在快速迭代的基础上， 可以啊，全心全意的去关注你的一个代码实现，然后还可以呃，有时间去做完善规范和制作通用技能这种这种事情，方便后续的项目去使用。 第三步啊，也是我突发奇想啊，呃，做的这个事情就是让让我们的测试啊，用 ai 直接辅助来修 bug， 研发帮忙把环境打好之后，通过自然语言描述问题，让 ai 直接来改打码。在我们前面所说的那些强约束模式之下呢？呃，我们的这种浅层的， ui 类的，交互类的这种基本的 bug 都可以在这个测试环节给消化掉，然后我拿到的数据是 bug 消化率可以达到百分之七十到百分之八十。我不知道它有没有吹牛啊，但好像是这么一回事，整套流程跑下来呢，整体效率应该是提升了三到五倍。呃，所以我们会在后续更复杂的项目中逐步地去推进，去试点。 这个事情呢，我觉得他不只是让我们的工程师写代码变快的一个故事，而是整个在产研测、写作、炼录都可以被重新设计的一个机会啊。这才是这个 ai 在 组织层面真正的一个想象空间吧。可能 结合我最开始提到这个十二式七式法则呢。呃，总结下了，我最大的感悟就是一句话，工具买回来只是一个起点。 呃，我们花钱买了扣的是吧？最开始我都是以为只要装上了用起来就可以了，但是后来发现， 真正让 ai 在 团队里跑起来的还不是工具本身，而是围绕这个工具建立的那些东西。呃，规范让 ai 知道要怎么写啊。共享机制让每个人都能够用好，然后安全，安全底线让大家都能够放心的使用。 前面的行业数据其实也印证了这一点嘛，就是个人效率可以提升达到百分之五十五，这个没问题。呃，百分，但百分之七十的企业 ai 转型没有达到那个预期。差距在哪里？我想肯定不是工具的问题啊，应该是组织配套没有跟上。 嗯，所以我们想在团队里去推 code。 呃，推 ai coding 这种工具。嗯，其实也应该去考虑这个组织配套的问题。 呃，这一页是我考虑推 iqoo 顶第一天就应该干的事啊，但这个部分关于研研发团队具体该怎么做，其实我前面讲的很多了，这个模块我就不展开去展开赘述了， 相信大家也有一些自己的思路和方法吧，我这里就再往前迈一步。呃，分享一个我最近的思考，就是我们现在在面对的一个现实，就是呃企业原有的一个生意场景在收缩，尤其是我我所在这种中小微型企业， 但 ai 相关的生意场景其实是在快速涌现的。呃，我相信这就不是一个研发团队的事情，而是呃公司里的各个业务模块未来都一定会需要我们的 ai 能力，也完全可以像我们在团呃研发团队做的这样， 让 ai 逐步去渗透到完整的一个业务流程里面来。呃，所以我们可能忽略了一个事情，就是怎么主动去承接我们的公司在 ai 上的一个诉求，让我们我们的企业真正的把这个 ai 用起来。 这个用起来一定不是一个知识库，一个问答助手或者一个审批助手这种这种简单的场景就完事了，而是一个要在真正的业务过程中能够切实解决问题的核心场景， 不管是小龙虾、 hermes 还是咱们的 codewalk， 都是非常好的工具。呃，关键是这类型的场景我相信是可以借助这些工具去跑通、去放大的。 所以我们如果能够在 ai 的 探索过程中和公司一起把这个量级的场景找出来，跑出来，那就不只是解决了我们企业眼前的某个痛点，而是真真正正的帮我们的企业一步步完成这个 ai 化的转型，所以我觉得这样才是我们去推代推动这个 ai 落地的一个真实的价值。 ok， 以上就是我今天的一个嗯，分享，然后大家有什么研发相关的问题或者是想交流的话题，欢迎加我的个人微信，也感谢大家的时间，感谢扣的官方给我这个分享的机会，谢谢。
5310Qoder
01:18:16查看AI文稿AI文稿呃，大家好，主持人好。呃，非常高兴能收到可乐官方的一个邀请，呃，我是富有致富的恶建。 呃，今天呢来给大家做一次就是关于 ai coding 的 一个，呃，简单聊一聊，就是关于 ai coding 我 们是怎么去落地的，然后关于有哪些地方我们需要去配置， 然后让我们融从费用 ai 到用好 ai， 怎么去让 ai 能够更稳更更好的一个节奏？帮我们去做那个编程编码， 我们需要通过哪些配置，例如 scale 啊， mcp 啊，还有规则或者提词优化，还有就是怎么去节省我们那个可疑地址啊，嗯，让 ai 能够更好更稳的，然后在工作中真的能够帮助我们。 首先今天呢分享，呃，分享的主题的话就两个，两个章节，一个是我们一个基础篇，嗯，从我们的一个上下文， 呃，上下文管理怎么去写题字词，然后怎么去选模型，怎么去，嗯，写指令，然后还有就是我们关于我们的一个最佳的一个实践，然后可理解是一个怎么去用一个用了一个好的一个总结这种，然后 主要是这就是注重我们的一个基础能力的一个构建，让我们先熟悉 ai， 然后才能说去用好 ai。 第二篇的话就是我们从进阶篇，然后讲就从怎么从啊， skill mcp 啊，或者 hok 指令啊，或者是规则，还有就是我们的一个嗯嗯，规则为怎么去配置，从这些角度，然后不同的角度去，嗯，让 am 能够更好地去服务我们。 第一篇的话就先把，就是先把基础功练扎实，就就是我们的一个上下文，首先如果没有，呃，打个比方就是我把 ai 的 上下文，呃，就是如果没有刻的，那我们直接在官网对话的时候，我们需要写哪些东西？ 第一步我们先把我们的一个项目的一个引路写进去，对吧？我们项目的已知条件，还有我们一个项目目录，然后包括我们的一个系统题词，就你是一个资深的编程官，编编程专家，然后还有就是我们的一个，嗯， 还有就是我们一个规则啊，我们的一个约束条件，然后就是我们一个目标要求我们 ai 能达到什么，就是我们想让 ai 帮我们做什么目，做什么，写什么代码，就我们需要去引入哪些地方，你需要参考哪些代码去帮我去实现这个逻辑， 然后这是整一整套的 ai 的 一个上下文。当然现在有了有了 ai 的 这个 ai 的 一个工具，像刻的，我们用刻的的话，就我们只需要在对话框里面只需要输入输入一句提示词，然后 ai 就 能帮我们去把这一整套的呃上下文全部理清楚。 嗯，像我们那个科乐内置的一个系统题词，然后用 m c p scale， 还有就我们一个记忆，然后项目结构，包括我们那个项目约束，像规则文件什么之类的这些东西全部帮我们整理好，我们只需要一具体，只需要写我们的一个目标，然后 ai 就 能自动帮我们去完成这些。嗯，输入输出。 之所以把 ai， 我 把 ai 叫做一一次对话，因为我们所有的内容，包括就是我们在输入框输入一句话的时候，并不说只是输了一句话，它会把所有的信息全部当成一个完整的上下文扔给 ai， 然后我们在下一次跟 ai 对 话的时候，它会把所有的历史对话，包括我们之前说的一些输入输出 啊，历史的一些啊，输入输出信息，包括我们那个最开始提的一些系统题词啊、规则啊，什么后壳文件啊，就是 style、 mcp 啊，这些东西一一次性在下一次对话里面也是完整的一次性全部扔过去， 所以说每次基本上都是全新的全完整的数据，这叫一次性就是。嗯，完整的上下文， 它只有 ai， 只有说读了我们的三下文就是完整的三下文，知道我们需要写哪些东西，有哪些信息，它才能参照我们的一个目标要求，然后参照我们那个代码去帮我们去，嗯，更好地去实践这个写好我们的一个编程，做好我们的编程， 然后完整上下文是第一铁律，你像左边这个错误的一个视力啊，这部分代码有问题，你帮我改一改。但是你这这句话，你说实话，你说给其他的技术开发人员的话，他可能也不懂你要做什么，对吧？也不知道你要改什么，你，但何况扔个 ai， 对 吧？ 你我们肯定要说给，就是哪一块，哪一行代码有问题，哪一行报了空子在，然后是因为什么原因导致的， 这个才是一个完整的一个题词词的一个内容，你要告诉他原因，告诉他结果，告诉他出现什么问题，然后才能帮你去解决，对吧？我们那个输出了一个 ai 的 一个输出质量，也跟我们那个完整度也是成一个正相关的， 所以说题词写的时候我们肯定也要注意一下，嗯，文件引用了一个正确知识， 像打我之前的话就是写题词词，因为在那个对话框，哎呀，刻在的一个对话框里面，可能是直接去写题词词的话，因为这个框是有一个限制的，对吧？和上下宽度是有个限制，有时候写很长的一个需求的话，就写个一两百字的时候，可能就来回去看，可能就不太方便。所以我习惯的话就是打开一个记事本， 然后在记事本里面先把我的一个嗯，需要这一次本次需要实现的一个目标先描述清楚，然后中间的话，如果需要嗯，用一些， 嗯，引用一些文项目中的一些内容的话，我会使用一些占位符的方式，然后把我们那个需求，嗯，先占位，把我那个文件先占位住，然后再接着描述我们那个许完整的一个需求描述， 然后最后描述完之后把我们那个，嗯，然后加上一个参考的你就是你参考哪个文件帮我实现这个需求，然后最后把所有的写完之后，然后拷贝到我们一个对话框里面去，然后最后再挨挨个去艾特我们的一个文件，然后让 ai 去帮我们去做很好的一个输出。 如果就是现在的话，我看刻到了，刻到了一个插件，在 id 二里面有个插件，它这个插件右下角其实也内置了这个功能，也应该也最近上新了一个功能，这功能其实挺好用的，它是点了，就是右下角有一个 啊，有一个这个方框小箭头，对吧？你点一下之后，它会在你那个嗯 id 的 那个打开一个新的一个文本对话框，然后在这里面我们去描述我们的需求，就避免我们在外面去打开一个记事本去写，这这个点还是其实挺好的。 然后也可以就写完之后我们让 ai 帮我们去做一下提示值优化，提示值增强，我们点一下这个右下角一个小四角星，让 ai 去帮我们做一下提示值的一个增强提示优化，帮我们组织好我们这个语言 结构化的输出的话， ai 可能会输出的质量会更好一点，如果我们写的内容就是输入的内容质量会更好一点，如果我们写的内容写出来的质量可能也不是特别好。 嗯，这是要分享一个，就是简单举个例子，分享一个就是我们在探索行一个，探索一个新那个项目的时候，嗯，我加了一个提示词， 就请用给习晓成大爷讲明白的一个方式，假设这个项目最终失败，然后回答最早是什么时候出现问题，然后哪一个关键决策走错了方向，对哪个风险应该最早应该能识别，为什么被忽略了？ 当时是如果时间能倒回，项目刚开始的时候只允许做一件事情，那你们会，你会做什么？你会先改什么？ 为什么要用给习晓成大爷讲明白这个，嗯，习晓成大爷来举这个例子呢？因为我们跟 ai 对 话的时候，他不知道你那个就是他不知道你的一个水平什么样的，也不知道你的一个技技能什么样的，但是他知道习晓成大爷是什么样的，对吧？ 他的一个水平是什么样的，所以说他写的时候就是给你输出的时候就会用一些大白话，或是你能很很清晰很明白去理解的一个方式去给你输出， 然后这个提示词，嗯，的一个目的的话，就是让 ai 用事后护盘的一个方式，先提前帮我们预料我们这个项目实际在落地过程中可能会有一些一些风险，然后提前帮我们发现这些风险，然后识别一些潜在的一个问题， 然后上下文管理。就我们在对话框里面经常可能会遇到，嗯，有一种情况，就我们在对话框里面跟 ai 去对话，然后第一次我们让 ai 去帮我们改个控制帧，然后 ai 输出了之后，然后输出了一个错误的话， 然后继续在上面去改，然后我们指出问题之后 ai 继续调整，但调了之后还是按照这个错的话，错误的话继续去，嗯，去调就多多轮纠缠还是没有用。 这种情况下 ai 的 上下文其实已经被污染掉了，因为它因为每次跟 ai 对 话，它都会把我们那个去完整的上下文，就是我们包括我们的历史，包括我们最开始扔给它的一个规则，系统题词啊，还有 scale、 mcp 等这些东西全部都一次性扔给 ai， 帮我们历史 ai 回复，回复的一个历史内容，输出的一个内容，对吧？这些东西其实已经在 ai 的 内存里面已经被污染掉了，他已经觉得这个方案是对的，所以说你多次再再跟他纠缠也是没什么用，不如新开一个窗口， 嗯，避免在原对话里面跟他反复进行就是纠缠，因为这样的话可能改到最后不但浪费了我们可疑历史，而且还效果还不特别好。 而且不要在一个逗号框里面去愤怒多个无关的话题。嗯，尽量在一个窗口里面，我们就聊当前这这一这一个需求， 因为聊聊得太份乱的话，可能 ai 也不太明白你当前要表达什么，对吧？还有一个就是我们不要在一个逗号框里面去艾特，艾特，艾特七八个文件，我们打个比方，一个文件大概有六百行或者一千行，那么七八个文件大概有接近于上万行的 三万行的代码， a a 的 上下上下文其实实际是有限的，两百 k 三万行三万行的代码其实扔进去就已经占了很多了。 这样的话，我们可能一个代码框里面 a a 还没改完就已经需要压缩，但是压缩的话就会带来一个问题，就压缩的话 ai 不知道它的重点，不知道你的一个重点是什么，它可能会就是给你自动去做一些压缩，但这个压缩可能不是你想要的，所以它会有一些问题，就是它可能在压缩之后你跟它原来说的话，然后后面它给你跑偏了，就是输出的内容可能更不合适， 所以建议就是在对话过程中不要触发压缩。嗯？重开窗口，我们什么时候重开窗口？ 第一次就是我们在迭代超过三次之后， ai 的 输出结果并没有什么改善，就是还是有一些问题的时候，我们去重开一下窗口，然后如果我们的话题更换了，就我们想去本来想修个控制针，然后后面想修一个缩水键，对吧？我们需要就是换一个窗口去让他去修，不要在一个窗口里面去跟他对话， 这样的话他不单可疑是占用的比较多，因为上下文占用的也多嘛，对吧？而且他的一个，嗯，因为当前之前聊的话题跟现在话题犯了，然后他可能会理解的时候还会按照第一个话题去给你输出，可能会改了，越越改越乱， 然后就是模型重复，重复之前的内容，或者是模型跑偏了，然后话题没有关系，所以我们就建议重开一个新的窗口来去，嗯，做这个新的一个对话，来保证我们的一个 ai 的 一个输出质量。 然后模型的选择的话，我们现在，嗯， qq 里面有有很多种选择，不同的选择。 嗯，我总结的话，因为我常用的话也就这四个总结了一下，现在就是用了一些情况，用了一些场景 极致模式的话，就擅长在架构设计，十八个文档整理，还就是代码重构，然后复杂逻辑的一个编写，从零一到一个，一的一个文档的一个编写设计，就他的一个架构思维比较比较好，写文档或是梳理梳理整个计划用它是比较合适的。 还有个性能模式，性能模式的话用就是改 bug， 嗯，一些紧急问题修护，你排查问题可以用一些性能模式。 嗯， iot 模式， iot 的 话就是在我们通用编码，日常编码的时候，我们可以去用一下，就它简单的需求编辑，日常的话，日常的一个需求编编码都可以用用 iot 啊， grm 五点一的话也可以，就在它是一个常识，我们利用我们做测试啊，我们做，呃自动编啊，或者是做一些，嗯， 不是特别重要的一些。嗯，代码的一个编辑，不是逻辑特别深的一个代码，编辑时候我们可以用一下 gm， 五点一，它的效果也是挺不错的。或者是套件不足的时候，我们也可以用一下 gm 五点一就选不同的模型，选对不同的模型，不但节省可递式，而且我们的一个效果也会更好一点。 嗯，关于编码的选择， code 是 提供了三种，一个是默认的话是 editor， 就 我们 agent 人工交互的一个方式，嗯，还有一个就是 quest， 它有先且计划，然后再去，嗯，动工。 最后一个是按专家，专家团的一个模式，就它会给你招一个开发团队，对吧？ id， 它的话是你相对你开车， ai 帮你看路，就你你，我跟 ai 是 协助的一个方式，适合于在你去主要是写编码的时，写代码的时候你就常用的一个功能， 然后觉得 ai 有 时候不是特别靠谱的时候，也可以用 id 它，因为这个时候它会跟你去写作，一起去看，一起看问题，一起去写代码，有问题我们可以及时纠正。 然后 quest 的 话是类似于它是，嗯，先给你做计划，计划你确认，先给你确认，确认完之后你觉得没问题，然后给你输出一个计划文档，然后文档里面，嗯，输出完之后最后你再去 嗯，让他去按照这个文档去做，然后后面你就不用去管，他会做完之后先先给你做规划，规划完之后然后给你执行这个文档，执行编码，编码完之后给你自动跑测试，跑变异，然后最后给你一个结果验证，这种话就比较省心一点， 然后增加团的话是就是类似于你招了一个开发团队，嗯，有人帮你干，对吧？然后适合多智能体去并行写作的一个方式， 但是呢不同的选择，编码选择的话，它的一个 crease 的 一个消耗量也是不同的，我们嗯，大概就是用了一段时间实测了一下，嗯，专家团或是 quest 模式的话，它它的消耗量大概是 edit 一个 n 倍很多倍，可以去去试一下。然后那个智能问答的话，有时候我们去做一些就是嗯，不是编码任务，我们可以去用一下智能问答，它那个消耗量其实很小。 嗯，指令，指令这一块，我把指令分成两部分，一部分是叫做交互性指令，一部分是开发指令。 什么叫交互指令？就是你你问一句，他答一句，然后你就是 ai 问一句，你去执，你去执行一下，然后把执行结果切给 ai， 然后 ai 再去问一句，就我们我们协助去交，协助去排查问题的一个场景，用交互性指令， 就我告诉 ai， 我 当前嗯有个环境问题或者部署问题，有个问题你帮我去排查一下这个问题怎么去解决，然后让 ai 去就是一 嗯一次输出一个命令，然后我去执行，然后把执行结果贴给你，你看到有你看的话之后，然后你帮我去嗯去分析一下这个问题出现在哪里，然后或者是嗯如果找不到，你可以继续在多人交互，对吧？ 还一个就是除了交互性指令的话，就另外一个就是开发指令，就我们把一段常用的一个快捷的一个命令，你在输入框里面就直接通过斜杠去调用， 把一些任务的一个标准化的一个写法，就可以直接在这里面去通过斜杠就能调动，而不用说每次都会都会写一遍。 例如某个需求，我们需要加载某个，加载某个 scale， 或者加载某个 m、 c、 p， 或者是用，嗯，用某一个，用某一个规则，然后我们就可以把这些东西整合到一个指令里面去，然后每次在写这个需求的时候，我们就可以用直接用这个指令去执行就行了，就很方便很便捷。 嗯，还有一个就斜杠指令的话，还有一个就是 play 模式， play 模式，然后它是先做规划，然后再去执行，就先给你写计划，写完计划之后，然后再去做实际的落地， 然后什么时候去用它就是你你的需求可能不是特别明确的时候，或者你的任务描述，然后超过一句话， 嗯，超过超过很多就超过一句话，然后我们可能是要拆分，拆分出很多个小任务，子任务的时候我们可以用一下 plan 模式，那先去规划，规划过程中有问题可以是随时提问，对吧？我们去补充，补充没问题之后，然后最后确认之后，然后让 a h 直接 b o 的 去执行就行了。 它跟快速的模式有一点区别，就是快速的是也是先做计划，最后它是自动执行，这个跑单模式的话需要你去先做计划，需要你手动去执行，手动去点 bu 的。 我一般就是单文件的一个小修改，或者是简单的 bug， 我 也不一般不用，就直接去在 a 帧里面直接去对话就行了。 嗯，这个就是考勤的一个占用优化，嗯，最近的一个总结就怎么去省我们一个考勤， 怎么去让我们那个，嗯，考勤能用的时间更久，对吧？因为我们默认的话是有两千考勤的，但是如果用专家团模式，可能一天或者两天可能就用完了。 嗯，第一条就是 add in， add in 点 md， 它是导航地图，尽量不要超过一百行。这个 add in 点 md 的 话是放在项目的根目录下面去的， 嗯，它跟我们那个规则文件是有一点区别，因为它，嗯，例如，例如我们打比方，就我们的一个项目下面会放一个 readymessage md， 一个瑞德明， m d 的 话是给人看的，给同事看的，对吧？嗯，介绍这个项目的一个框架，然后项目是有哪些东西，呃，怎么去就怎么去起的，因为项目这个架构是怎么样的？ 然后 ipad， 嗯， a 镜是点 m d 的 话，它是给 ai 去看，让 ai 去熟悉整个项目的一个架构，熟悉整个项目的一个文件文件的一个分布。你告诉他我们那个 vk 在 某个地方，在哪个文件夹下面，我们的一个 doc 文档在哪个文件下面？我们括就建表语句，我们在哪个文档下面去， 嗯，包括我们那个规则，什么时候用，什么规则，对吧？我们都可以写在 a g 四点 m d 里面，它只是做地图导航，尽量的话不要超过一百行，因为太多的话可能会影响到我们一个，呃，上下文的一个占用，而且还不一定遵守。 嗯，第二个是细划规则，我们请分类放到我们的 control row 下面去，就我们 control row 下面是放我们的一个实际的一个规则规则内容的，我们根据编码规则，我们架构规则， circle， 呃， circle 规则，或者些部署测试规则什么之类的，我们把这些规则然后全部写到我们一个 row 下面去， 然后按照不同的类型去分类好，然后把规则的一个生肖，生肖的一个设置改成模型角色，然后他在实际去执行的过程中发现我们这个这段代码需要去测试，然后他会去根据关键词的缩影，然后找到这个规则去执行。 之所以要改成模型决策，是因为那你如果改成始终生效的方方式的话，就会在每一次提示词它都会就你用到，用不到它都会把它把规则内容加载进去，这样的话会也会占用我们的一个上下文内容。 第三个是记忆配置，我们增加记忆这个延时策略在用到的时候再去加载，不要每次就是提示词一写进去，然后我一提交，然后 ai 就 把我们那个项目的一个记忆全部加载过去了，那这样也是占用了一个上下文内容， 然后就生成了 repowerk， 嗯，刻的有一个，有一个比较好的一个地方，就是它一个 repowerk 可以 去点一下，然后去整帮我们的一个整个项目架构去整理成，嗯，最佳最佳的一个 md 文档， 这个文档的话我们自己自己可以去读一读，它里面是帮我们规划好，总结好了，就是每一个文，每一个流程的一个调动电路是怎么去用的， 然后这个文档也是可以也可以去看的，他在实际在编码过程中也可以根据一些关键字搜索去读到这个文档，然后去找一下里面的一个最佳实 践，省得再去每次去根据编码的一个嗯，相关性，然后去缩影对应那个文件，这样的话效率会更快一点，而且效率更更好一点。 但是呢生成的 v vape， vape 它也有一个问题，就是它会生成有一些就是我们用不到的，有的话它会把部署的一些 啊，部署的一些方案最佳实践，然后生成的 v k 放到里面去。但是这些东西我们可能部署方式不一定是按它的规，按它的生成的来走的，然后就是我们那个测试， 嗯，自动化测试什么之类的，然后这些文档的话实际放在就生成出来，我们也不一定需要，需要，所以在这种文档我们建议就是生成完之后，我们把整个 api 仓库去检查一下，如果有没用的，我们可以直接删掉，或者是把内容直接调整一下。 然后就是项目的一个根目录下面加一个那个刻的一个 excel 文件，然后用来排除一些无用的一些目录。你像我们这个 together 和一个 build 文件，然后这种的话不用去扫描到项目里面去， 然后在规则的要求，要求 ai 输出的总结，然后在一百字以内。因为有时候我们在对话过程中可能会有一个问题，就我们跟他说完之后，他可能对话给你，最后给你回复了很长的一段总结，然后包括就是 我要按遵守某某规则，然后实现了某某需求，然后我的一二三四，然后一堆的总结。但这个总结呢，我们大部分情况下是不看的，所以建议就把 ai 的 输出一个总结内容控制在一百字以内， 这样的话我们让他精简一下，只输出出来你当前改了哪些需求，改了哪些问题问题，然后加上你就是改了哪些文件，这样的话我们看起来也更方便一点，对吧？ 第七个就是重开窗口，重开的话就是重置嘛。然后第八个就是按照我们那个需求选择模型那个等级以及编码那个模式，它不同的编码模式占用那个消耗量也是不一样的，包括模型等级也是 啊，对话框里面明确你的需求，明确你的输出，然后减少自动化跑测试，然后写总结文档，嗯，等占用过量的一个头看， 就对话框里面我们去描嗯，去描述好你的输出，他应该输出什么改什么哪些地方，然后不让他去自动跑测试，因为他跑起来可能跟我们那个项目不一定合适，不一定切合，有可能跑的时候还会报错，然后最后编辑，编辑时候也可能也可能会有问题， 所以他尽量就不让他去跑，这些东西你尽量疏明确一下，我们要让写完就完，写完就为止就行了。 然后第十个就是 ai 跑偏了，我们就要立即终止一下，重新描述一下，然后再新开个窗口，重新去纠正一下方向， 然后就是全局替换。我们在嗯，实际编码过程中肯定会有一些，就是可能哪些地方用到一个场量，然后这个场量或者是有一些地方用到一些变量，这个变量的话可能要全局去改一下， 然后这种的话或者是有些搜需要全剧搜索一下，从这种情况下呢，就避免我们直接用 ai 模型，可以用一些传统的方式，对吧？直接去 ctrl f 或 ctrl r， 直接去搜索替换就行了，也避免用杀鸡用牛刀。 然后呢， mcp 的 话也不是越来越多，越多越好，因为超过太多的话，它 mcp 跟 sky 不 一样， mcp 的 话它是每次会把所有的内容全部加载到嗯，你的上下文里面去扔给 ai， 嗯，太多的话它会占用你的上下文会很长，所以说不建议，因为 m c p 它是有工具嘛，工具调用就每个指令它这个工具怎么用的，它都会跟它描述清楚，嗯，不，不建议，就是太多，尽量不要超过八个， 你可以按照我们实际的一个对话的一个实际情况我们去呃做开启和关闭。 然后就是合理利用好我们一个大模型那个官网，你像我们一个千万的千万那个官网，你可以在这上面去把我们的一个已知条件或者什么一个规则，或我们一个要求目标，我们都可以组织好，然后扔到官网里面，让他去写代码也是没问题的。 然后而且它还是免费的，而且还不限量，而且输出的效果可能比磕到一根还要快。 还有就是我们刻到底下有一个语音模式好的思路，不应该被手速限制，对吧？ 我们可能想的很多，然后说的很快，然后最后呢？说完之后我们可以用那个梯子词优化，帮我们去组织成嗯，好的一个梯子词，分结构的一个梯子词，然后再去整个 ai， 这样的话我们就也能节省一部分效率，输出更快一点。 然后境界篇的话就是主要是讲我们的就是通过 scale、 mcp 啊，或者 hulk， 嗯，然后定规矩，让 ai 去遵守，然后让它从一个就是通用了一个大模型，通用了 ai， 然后变成了一个私人的开发助手 m c p。 m c p 的 话，嗯，应该大部分人应该都清楚 m c p 是 什么，就我们经常会用就它让 ai 能够去访问外部的一些接口，去访问一些，上网去搜一些资料，对吧？然后 可以做一些浏览器的自动化，然后 m c p 的 话，配置这个数量的话建议就是不要太多，嗯，可以小于八个。 然后下面推荐两个 m c p 啊，比较好用一点的。嗯，因为经常也在用，一个是 ctrl 七，就他会搜索一些最新的一些文档，就我们在用一些， 嗯，打比方就是用阿云的一些文档去去做 o s s 的 时候，你可以去直接用在对话框里面，然后用 ctrl 七帮我们搜一下，然后他会找一下最新的一个文档，然后就帮我们实践 比我们直接贴文档地址，然后直接贴贴片段代码片段要更合适一点，更好一点，更系统一点。第二个是做复杂推理的时候，有让 ai 能够按照深入思考的一个方式，第一步一步，第一步先做什么，第二步先做什么， 那最后一步先做在做什么？然后按照步骤的方式帮我们一步步去梳理这个问题，帮我们拆解问题，让它仔细思考我们这个需求，然后再帮我们去实现， 然后 scale， 就 scale 的 话是跟 m c p 啊，什么提字词啊，我们是一相辅相辅，相辅相成的，每一个都有不同的作用。 scale 的 话，它就是类似于一个操作手册， 我告诉你，我应该就是在里面，我们，我把一系列的工具啊，把一系列的，嗯，就是我们一个操作方式，我们把它给封装好，告诉你怎么去用， 然后打个比方，就做个 ppt 吧，我们用题词告诉一下我们先需要，需要做什么， 然后 ai 知道之后，然后 ai 去掉我们这个 style， 嗯，调我们一个 ppt style， 然后它去看里面内容，然后去知道了，知道我应该调哪个 gs， 去整理文档，调哪个 python， 去把 gs 把 html 转成某一个 ppt 格式，然后怎么去排版， 那怎么去？呃，如果我需要一些图片，我怎么去？通过 m c p 去连接文档去获取一些图片，然后插入到合适的位置，那这样就这样一个流程，它们是相辅相成的， 然后网页访问的话，推荐这边也有，也有三个 skill， 一个是第一个是网页做网页访问的，然后一个是 notbook， 你经常用的话应该知道这个是做知识库还是比较合适的。你写需求可以把需求文档传进去，然后直接在代码里面让他去连连接这个知识库，然后去根据知识库内容去帮我们去生成专业的、合适的，就比较精准的一个分析， 分析结果， ai 输出结果最后一个 pua 嘛，就是让 ai 去 pua， ai 让它输出的效果更好一点，就不让它说我做完了，我变异通过了，实际我一群一运营全部都报错，对吧？ 让 ai 自己去检查自己。嗯， openstack， openstack 的 话也类似一个，嗯，也是一个 scale， 它类似一个就是一个工作流的一个方，它以一个工作流的一个方式去帮我们实现我们的一个需求。它跟 plm 模式的一个区别， 就 play 模式，还有一个 quest 模式，对吧？我们刚刚讲了一个 quest 模式， quest 模式的话它也是先建 spec， 然后最后再嗯，执行我们这个 spec， 它跟 quest 模式也很像， 就我们先去探索，我们先用这个指令，然后嗯，加上我们的一个提示词，让 ai 先去先去探索我们的一个需求， 去分析调用一些技能，然后去分析去去探索我们一个需求，探索完之后他觉得没有问题了，然后再去。嗯，通过这个指令，然后听通过提案这个指令去帮我们去发布提案。我们生成对应的一个落地的一个 m d 文档， 包括我们那个任务，还有个提案内容，包括我们那个设计，还有整体的一个嗯，拆解的一个需求，怎么去拆的，怎么去实现的，包括风、风险和标注，包括我们中间一些澄清的，就他在探索的过程中也会跟我们进行交互，就怎么去澄清这个文档， 澄清完之后，然后他觉得没问题了，然后会我们可以去执行这个提案，去让他去只根据提案里面的内容去帮我们实际去落地，去编码。 对，然后这个编码写完之后没问题，测试的话他不会自动帮我们执行，然后需要我们自己手动去执行，就测试没问题之后，然后我们觉得验收通过了， 让他再去进行规档。他一个好处就是你提案发发布完之后，你可以新开窗口，或是今天写完写个提案，我明天再再开，再开一个窗口重新去做，他可以持久化到你的一个项目仓库里面去，就不会说你开个窗口你就废话就断了，就刚刚说过的东西，我就忘记了， 它不会，这样就会有个持久化的一个过程，会好一点，就适合我们做，在平常日常编码过程中适合做一些，就是一些小需求啊，多个任务的一个拆解，多个任务的一个开花。 嗯， at database， at database 这个是我们那个 idea 一个插件的一个功能，我们可以在嗯电话框里面通过艾特艾特符类方式把我们那个数据库嗯引入链接，直接 skimmer 直接链接嗯艾特出来， 然后它艾特这个字链，拿到这个数据库链接之后，它也可以去连接你的数据库，然后访问你的一个表，访问你的一个字段，嗯，还有你的一个数据都可以帮你查，对吧？ 然后生，然后你可以在多少框里面告诉一下，然后你连到这个税库，然后帮我读一下，像我的加，加上我们的一个项目架构，然后一个项目规则，然后去帮我直接生成对应的一个实体类啊， 还有就是每个 control 还有帮我们实现加上再加上我们一个 notbook 知识库里边，我们可以直接让需求从需求到数据库，然后到我们的一个到落地，直接帮我们把整个代码全部生成。 但是效果的话可能要跟你的根据你的一个需求的一个内容，一个实现的一个细节来的。 然后第二个就是我们可以通过就是做 bug 排查，嗯，在测试过程中，然后遇到了一些问题，然后可以通过让 ai 去帮我们去找一下这个接口，它的一个实际的一个实现，一个路实现的一个路径，对吧？ 先就找到这个逻辑之后，然后他会去读一下我们那个 circle， 读完之后，然后直接把这个 circle 拿到数据库去执行，然后把你的参数也塞进去直接执行，执行结果看还是数据问题还是我们的业务逻辑问题，就全流程自动化去去排查了， 咳咳，还有一个就是，嗯，比较实用的一个就是 s s 去远程一个排查一个功能，就我们传统的一个流程的话，我们是先登到 s s 去服务器，对吧？然后先去嗯，根据命令去搜索一些搜索， 搜索网址，查一些服务器的一个配置，查一下当前的一个运行环境，然后查到之后我们把网址内容切回来，然后扔给 ai 对 到框里面去聊，然后让 ai 去给结果，给结果之后 ai 拆出来一个结果，然后我们去执行，然后再扔给 ai 再去拆，这样来回反复去服务器验证， 这样的话效率却很低，有可能排查一个小问题一两个小时就过去了。现在的话我们可以直接通过 s o 去连接， 嗯，就在我们那个嗯 ide 工具里面，它有一个叫做远程资源连接的一个一个图标，你通过这个去连接到我们一个 s 去，直接在我们那个服务器端去去访问 ai， 让 ai 可以 实时去读我们的一个服务器的一个配置，读我们的一个日，读我们的一个日子，包括我们。嗯，他在遇到问题他排查的过程中有哪些？就是执行的一个结果，他可以自己实时去看，对吧？看到有问题他就去改，减少很多的一个排排查问题的一个时间。 但是 s 去呢？嗯，用的时候我们也要注意一下，就是尽量是用最小的一个权限账号去登录，因为 ar 的 话毕竟是不可控的嘛， 它有可能会给给我们执行一些比较不安全的一些命令，然后可能会把我们这个服务器环境搞坏，所以说尽量就是用最小权限的一个账号给他一个止读了，然后去帮我们排查问题就行了， 然后操作的话就便于最终一下，然后有些高风险面临的话，不要让它就不要改成自动执行。嗯，改成手动执行，人工确认之后再去执行，生长环境的话就慎用。 嗯， hock 就是 让 ai 去守规矩的，守规矩怎么就在我们的一个 cut 里面去有一个 hock 文件夹就可以去配置这个东西， 让 ai 去，就是他就配了后壳，之后我们可以让 ai 在 我们输入提示词之后发送给 ai， 然后 ai 的 话就会检，就是首先它会触发我们一个后壳命令，检测到我们这个提示词里面有没有敏感信息啊，有没有什么，就是不需要执行那些指令啊？ 嗯，这些东，这些东西，然后我们就嗯让 ai， ai 就 就会自动帮我们连接掉，就不会说把这些内容发给大模型。你记得最开始的时候我们可能之前也遇到过， 就是有些人在有些用户在大模型里面去问 ai 要一个什么，嗯，微软的一个 windows 的 一个秘密要，然后 ai 大 模型发出来了，然后结果还是真能激活的， 因为这种可能就是别人扔，扔到大模型里面，然后当成了个语料，然后又被另外别的人获取到。也会有这种问题， 我们的一个代码里面的一个 k 啊代码一个密钥是不连接的一个方式啊什么之类的，这种你可以通过后壳来去拦截掉，不用就是让直接发给发给大模型， 然后一些敏感的一个敏感的一个操作啊，删除数据的一个操作，尽量也也可以通过后壳然后去拦截掉，自动拦截。还有就是还有就是我们就是有时候 ai 说它已经写完了，代码 它写完了，但是我们实际在跑的过程中，我们去测试的过程中去翻译的时候，然后全是报错。这种的话也可以在那个后壳里面去配一下， 然后去配一下编辑的一个指令，让 ai 在 写完之后它去自动去执行这个指令，然后编辑有问题，然后也可以自己继续去改，还不需要我们人工去介入， 然后也可以去配一下，就是嗯，配一些就是外部的一个服务，我们可以把嗯，我们当前的一个 当前 ai 执行的一个内容全部配进去。 ai 的 一个输出内容，包括包括 ai 的 一个什么 sky 技能、 mcp 啊这些东西全部执行了一个， 执行了一个结果，执行了一个过程，包括最最终输出的一个内容。总结，我们可以通过服务发给另外一个平台，然后去做一些就是知乎的总结，经验总结，对吧？也可以去做这些控制。 ai 那 个后壳的话，它就类似于我们在 java 里面，类似于我们那个漆面，还有个前置增强，后增强 这种。然后在提提交题词的时候，它可以去做一些敏感拦截，密钥提示，增强密钥拦截啊，调用工之工具之前呢，它可以去做一些就是命令的一个拦截，哪些命令不应该执行，哪些命令是危险命令，然后调用工具之后呢？然后就可以去， 嗯，去跟踪一下我们哪些文件做了变更，哪些文件做了调整，然后我们改了哪些文件，改到哪些地方？工具调动了一个结果都可以做一些输出，对吧？ 然后还有就是 aint 完成，最后完成那个响应的时候，我们做了哪些技能啊？然后经验了一个总结沉淀。输出到文件里面去，可以输出到一个外部的文件，或是输出到外部系统里面去。 它的一个配置的优先级，一个是首先从用户个人配置开始，然后到我们那个项目配置，然后最后到我们那个，嗯，本地的一个个人那个配置，你可以通过附件文件去配置，这个就它的优先级是从低到高开始的， 如果是项目级的或者用户级的，我们就放在用户目录下面去，这样的话就每个项目都会通用的 啊，就然后剩下的就是我们一个规则的一个配置，规则的话应该都知道我们扔给 ai， 让 ai 去写好代码，怎么去写好代码肯定要有规则，有陷阱，对吧？我们陷阱它去怎么去输出，然后 写的代码一个语法加我代码的一个语法怎么去实现？哪些是最就我们一个编码规范，嗯，都要扔，都让它按照这个去遵守，对吧？然后我们目前的话大概就有这几种项目，一个是新项目， 嗯，新项目的话，新新项目的话我们就直接通配一个规则就行了，像编码规则啊什么之类的，我们可以从其他项目直接拿过来去用就行了。那迭代项目的话，我们是先生成一个 replay， 根据 replay 的 生成的一个结果， 然后我们再去让 ah 帮我们总结一下当前这个规则。我们项目那个编码规则，因为它根根据我们当前项目里面那个编码，那个风格代码的一个写法，然后就很轻易帮我们识别出来，然后先帮我们整理一版，就是最初的一个规则， 整理完之后我们自己再去检查一下，有问题我们再去调整，对吧？还有一个就是我们一个多个项目子项目的这种情况，作为一个大项目里面，我们可能有呃多个弧去调用的， a 调用 b， b 调用 c 这种多个弧的，我们可以把这些大的项目就多个子项目放在一个大的项目里面去， 然后大项目里面我们放一个地图导航，就 a 进四点 m d， 对 吧？然后在 a 进四点 m d 里面我们可以指定， 我们可以指定，嗯，嗯，就是我们可以指定，嗯，每个，嗯，每个每一个项目子项目，它的一个对应的一个文档的目录啊，嗯，一个子项目的一个规则的一个位置啊之类的，你可以把这些指定好，就把地图的一个路径做好，目录的一个路径做好， 然后让 ai 自动去识别，去找到对应的位置，然后就帮我们去处理，然后它在写多个项目的时候，也会根据这个规则的要求，然后找到对应的一个项目里面去，然后再根据这个项目再去实际帮我们去改对应的代码，然后尽量保证我们的一个风格统一，对吧？ 但是规则的话有，嗯，规则的话是有几种生效方式的，一个是使用生效所有的就是每一次废话都会自动加载的。 还有个就是手动引入的方式，然后它会通过就是拍摄录的一个方式去手动去引入进去，就有些特定的就针对某个 g s 的 一个文件编码，我们需要通过这种方式去引，对吧？ 还有始终生效了，你就所有的当前这个加号项目，我们所有的编码规则都要遵守，每次写代码都要遵守的，你可以去按照这个来，也可以就是指定文件生效，指定某一种就是 python 文件啊，或者是 js 文件。这个写这种文件的时候我们去生效或是配置模型决策， 让 ai 的 话根据我们那个在实际，嗯，就是在输出过程中，在实际调用过程中，根据关键字，然后看它是在写文件的时候，还是在去查文件的时候，你可以去去决定它要不要调用这个规则。 规则的话配置有几个原则，第一个我们是 a 印字做地图导航，嗯，这是在项目根部下面， 然后我们那个刻到点 zero 下面有一个，就每一个细具体的一个项目规则，我们可以再添加，先添加一些核心必要的一个规则， 先把规则添完善好，先添加进去，添加完之后根据对话的反馈，我们在对话框里面就跟 ai 进行对话的时候，根据它一个反馈的一个结果，输出的一个结果，让我们再持续去更新， 有问题我们去调整，对吧？然后单文件的话，单个规则，规则文件的话建议是小于两百行，因为太多， 你规则文件太多，你相当于你就打个比方，规则太多相当于是没有规则，对吧？你立立的规则太多的话，就相当于没有立足之地，他就没法去给你写，所以规则太多可能就相当于没有规则，尽量不要写太多太长、太容易的规则， 容易的时候我们就，我们就大胆的去删除一些，然后每隔一段时间呢会进行一次重构，把规则重新整理一下， 然后 color 也有一个记忆系统，让 ai 越用越懂。你的这个我们可以在记忆里面去配一些，就是相片号啊，或者是我们让在实际对话过程中，它会每次会帮我们整理更新的， 你可以，嗯，记录一些相片哈，嗯。然后沟通了一个风格，例如我们连接数据库需要用哪些数据源，嗯，需要去查哪些哪个哪个数据库的，哪个 scanmail 的， 对吧？我们编码的一个风格，我们用命令的时候， python 命令的时候，我们是用 py 还是用 python 三这种， 那我们可以把这些记到我们那个记忆里面去，在实际使用的时候记得项目规则，实际使用的时候他会去根据自动加载的时候，自动去输出的时候，会去自动帮我们缩影这个规则，缩影到规则，然后缩影到这个记忆，然后帮我们去加载，然后里面的一个就是调用的方式， 但是记忆呢？嗯，也不要配太多了，一个全局记忆，因为全局记忆的话，他是嗯每次对话你跟他聊天的时候，他都会去加载进去，所以会会影响我们的一个上下文的一个占用。 而且我们在配的时候也尽量配一些，就是记忆加载延迟的一个策略，就是在按需使用，在我们实际用到的时候再去去缩影，去加载，不要每次都去直接就把所有的规则全部所有的记忆全部扔过去， 核心价值的话是用的越久它也就越懂你，对吧？然后嗯，我们一个进阶的一个总结，规则文件的话，尽尽可能的话简洁一点，然后一切都重要的时候换，一切都不重要，因为规则太多，反而就相当于是没有规则，也可能就不一定遵守。 然后知识内嵌我们看不到的 a 就是 ai 看不到的一些东西，它可能就不存在，你尽量把我们那些知识啊，我们些啊，文档那个 circle 啊，是建表 circle 什么之类的，我们扔到一个项目项目里面去， 而不是说放到一个其他的一个目录，它看不到这些东西，它就没法去帮你写好代码，对吧？它不知道你表结构什么样的，它就没法跟你去实修项目的一个逻辑， 然后机械验证，而会人工验证就尽量配一些，就是工程化的一些检查， 而不是说让人人工去一个去扫，这样的话写更有效一点，让 ai 去。在嗯，写完之后，我们可以用工程化的一个检查方式进行一些命令，然后去帮我们自动编页，自动去检查，检查通过之后，然后再，嗯，再提交，对吧？不，不通过的话让 ai 继续改 那多工具备用。嗯，尽量我们可以用一下。就是，呃，千万弄一下官网，弄一下领马，对吧？每个工具他都有自己一个特长，一个领域，然后可能刻的解决不了的，我们在领马里面能解决，然后刻的解决，我们在千万里面也能解决，对吧？ 然后频繁提交啊，不要批量啊，就是一次性提交，你写完就，嗯，立马就去验证，然后没有问， ai 写完之后立马就去验证，没有问题的话我们直接提交，提交可以查，然后降低我们的一个回滚的一个成本， 然后多开废话工资的，就我们每就可以多开几个废话，因为每个废话它上下文是独立的，我们可以在每个废话里面去聊，不同的废话里面去聊， 然后使用 hock， 有 时候我们这些敏感信息啊就可以。嗯，通过 hock 去拦截，对吧？然后最后一个就是我们新工具如果不会用的话就是先用，用熟了之后再慢慢配，对吧。大概就是这样一个情况 啊。然后最后呢？最后的话我们再做一个，就是我们的一个简单的一个 case 的 一个演示，包括我们分享里面提到的一些啊， is data base 啊，或者是 s h 啊，或者是我们的一个 hook 的 一个拦截， 我切一下屏幕啊。 呃，主持人那边有什么问题吗？呃，您可以先进行项目演示，然后之后有问题的话，然后我再给您进行反馈。嗯，好的好的。 嗯，我们先演示一个基最基础的一个 hook 的 一个配置，对吧？嗯，我做了两个，就是敏感文件拦截的，一个是敏感文件拦截的，嗯，随便演示一个，就做了一个小 demo 啊。配置 hock 的 话，就是在我们的一个 color 点下面， color 点 color 下面，我们配置一个 hock 文件夹，然后加一个 setting， 点 jason 文件，然后在文件里面我们把 嗯，对提，每次提交的时候我们去拦截，然后就会执行我们的这个规则，就我们这个敏感提示词的一个教验文件，然后遇到我们这个遇到拦截的，遇到我们的一个就是敏感信息了，它就会自动拦截掉，然后帮我们直接退出，就不再发给 ai 了。 打个比方啊， 啊，随便说一段密钥是吧？说一段密钥，然后让 ai 帮我加到我们的配置里面去 啊。调动被 hok 阻止，如需解除，需要在 hok 中文件中调用啊调整，就我们在有一些敏感信息的话，我们就可以在这边去配置，配置一个 hok， 你 可以把这个提交到 git 里边，每个团队都可以去用。 然后遇到一些敏感的一些制服啊，敏感的信息，身份证号或者这些密钥什么之类的，你在提示里面去说的时候，它立马就可以，就不会传到大模型里面去，直接就阻止掉了。 还有一个就是我们那个 as database， as database， 嗯，简单做个演示， 它是我们在那个 id 里面一个插件里面一个功能，因为在 id 里面它是在我们那个 id 里面是没有这个功能的，它的 id 里面是没有这个功能的，因为后续官方应该会去加。然后现在在那个插件里面是有这个功能，可以直接通过插件去对话的一个方式 有这个我们通过 id 啊，然后 data base， 呃，把我们的一个数据库的一个连接，嗯，就直接去艾特出来，我们直接在这里面去对话，让他帮我查一下有哪些表，对吧？帮我们新建一个， 我这边就随便写了一个，然后我们根据实际的情况我们自己去调整。就是在用的时候可以去调整 啊，他已经查到我有一个商品表了，然后就不不用帮我们建了，让他帮我们建一个订单详情表， 因为连接数据库随时是有很多好处的。第一个在排查问题的时候，我们可以直接把接口路径贴给他，然后把入参贴给他，那么这些东西我们都可以从网页上去获取，对吧？获取完之后我们直接把这些内容贴给他之后， 然后让他自己去找对应的接口文档，找找对应的接口接口的一个逻辑，然后自己去梳理，梳理过程中如果发现哪些地方需要连接数据库去查看数据的，然后他也可以自己去查，查完之后然后告诉我们到帮我们分析具体是我们的业务代码有问题啊？还是我们的一个数据问题。 然后他是先帮我们新增了一个，在我们的一个嗯， circle ddl 文件里面帮我们新增了这个表，先加了一个建表的一个 circle， 加完之后，然后帮我们实现了我们那个实体类，对吧？然后单子表有没有执行到数据库呢？应该去查一下直接问嘛。 呃，我这个电脑可能配置还不一定能执行这个命令，你买售后连接这个命令，它要执行通过之后才能进去， 可能我装的那个需要脚板不？不太不太合适， 我们可以试一下，就是用我们的 ide 的 方式，然后去帮我们去处理，看能不能行 啊。命令好像执行不了，可能是我这个 id 二版本不太合适啊，可能不支持这个执行这个命令，但实际工作实际功能是可用的 啊，在我们的 id 里面还是很强大的。帮再帮我们直接执行了，然后数据库连接成功，然后没有这张表，然后帮我们直接执行命令，帮我们新建了，然后建完之后，然后告诉我一个结构是这样的， 我们去查一下 啊，确实有这张表， 然后让我帮我们往数据库里面插一些数据， 现在表是空的，它直接插入三条模拟数据， 速度还是很快的，一会儿就抄完啊。确实数据也在， 然后我们在实际排查过程中或者照数据啊，也可以通过这种方式让他直接帮我们执行，他会写一些脚本帮我们照数据，然后跑一些数据，就是代码排查的时候，也可以让他去帮我们连数据过去查数据，对吧？是代码问题还是数据问题？都挺好用的。这两个， 然后就我们刚 ppt 里面分享了一个，嗯， s h 去连接，就是在这个这个图标， 这个图标点开之后的话，它里面是有一个就是你需要配置，配置一下你的就是主机，还有你的用户名，对吧？配完之后，然后你去通过这个图标去连接，连接完之后它会让你去输密码， 因为我这个配的是因为有些地址不太方便演示，所以这里没配啊。还有 配完之后他会打开，就是在我们那个新窗口打开，打开完之后我们这个对话框也是也是可以在里面在服务器上直接去这边这侧边去打开这个对话框的，可以在服务器上直接去问他，让他帮我们去交互，查一些那个服务器配置或查一些问题。 然后就是我们那个 scale 的 一个 scale， 我 们刚刚 p e d 分享里面有一个 open spike， open spike 的 这个 open spike 这个技能，你演示一下这个技能怎么去用的？ 你可以直接通过斜杠指令把它给艾特出来，艾特出来之后你可以再告，直接告诉他那个我们写一个简单的需求，帮我开发一个。 嗯，订单退款，呃，需求，那直接告诉他我们的目标就好了，然后他会先帮我们做澄清，先帮我们梳理， 先解锁我们这个项目结构，解锁完之后然后再帮我们去编辑， 先探索，探索过程中可能会用到很多，查到很多文件，很多实体类，很多表， 那订单状态现在已经完成了，有没有退款的？没有退款的借口，他帮我们去梳理一下，然后先问几个问题，就是退款场景触发，谁能退？然后什么时候能退？ 只要有订单进格是吧？都能退。退款方式先退到哪度 就原路返回就好。直接退到余额 啊，需要记录的退款记录表 订单的一个状态，你可以加一下扩展，就他在实际帮我们探索过程中会先去帮我们审视整个搜索整个项目， 然后需要我们澄清的，他会先就会告去问我们，然后澄清完之后他再去帮我们再继续澄清，继续探索，这款是我需要审核，暂时不需要吧？ 哎，何老师，您当前的这个画面还是在刚刚的那个插入那个数据表的那个画面？是不是需要切个图，切个屏 我看一下啊？啊？我当前还在 idea 里面啊，不好意思 啊，对，这个是正确啊，对， 然后最开始我是通过这个指令的方式，然后去让他先帮我们去探索这个需求，对吧？探索完之后他会问了我几个问题，然后这几个问题呢？我确认确认回复之后， 然后下面他又帮我重新梳理了一下，整个一个探索流探退款的一个流程，然后帮我们就设计了哪些表啊，退款设计表啊，还有一些对应的接口啊，然后怎么去做？包括我们一个项目，一个架构，然后怎么去，在哪一层怎么去写，对吧？帮我们梳理清楚，然后最后再跟我再去澄清几个问题， 就是确认所有问题都澄清完之后，然后才去帮我们编辑退款，是扩展到订单给我们还是新建？ 是我需要退款查询接口审核人制段 使用 c 档吧。 然后再次澄清完毕之后，它会再告给我们一个最终的一个总结， 然后总结生成完之后是问我还有有没有必要继续探索，要么就是直接发布题案，对吧？发布题案就直接到生成那个 spot 文档那个地步了， 你直接发布题案，等它提交变更到我们的一个落实到我们的一个文档， 他在写的过程中也会去先去看一下我们现有的一个题啊，就有哪些十八个文档，嗯，需要去没有没有完善的，或是没有没有规章的，也可以帮我们去检查、 添加订单、退款，帮我们新建了一个情节， 然后他会创建三个，三个文档，一个是题案变更文档，还有一个开发任务文档， 然后记录它那个文档，那个时间创建时间， 这就我们一个提案内容，为什么要做这个接口，对吧？然后哪些地方需要改，然后新的变更，有哪些东西，然后修改哪些地方来帮我们就是一步步记录清楚， 有这个，有这个题案，有这个文档之后，你就可以再直接掀开窗口，或者是明天再来写，都可以，因为他没有规章之前都会这个清洁下面去，然后明天再去，接着让他去查到我们当前未完成的一个规章文件，然后让他接着去写，都是没问题的。 这个是我们一个设计文档， 就会澄清了几个问题，他也会在这里面去记录啊，最终要怎么去做，然后包括我们那个项目的一个规则怎么去，在这里面也会去遵守 啊。这个就是我们那个实际的一个任务文档，就是我们开花第一第一天应该做啥，第二天应该做什么，对吧？他也帮我们细节到非常小的一个颗粒度啊。第一步先先改哪些？第二步先改哪些，帮我们非常细化， 这样的话就保证 ai 去在实际落地的时候不会不会跑偏，对吧？ 就很细，每个时段，然后在哪个对象里面新建，哪个时段新建哪些东西？第一步、第二步、第三步哪一层新的 app 跟一层，然后另一层每一层需要建哪些东西， 然后写完之后我们可以就是退出我们的一个嗯探索模式，但现在应该是就到我们的一个嗯应用模式了，因为刚才的题案已经发布了，现在到我们一个应用模式，直接让它应用当前这个 嗯题案去帮我们去实现这个逻辑，开发逻辑 可以先查看我们有哪些已经存在的一些文件，然后再接着这些文件进行进行，帮我们去编写去改。那创建了十几个很小的一个突突任务， 因为它的突突的任务它都都是颗粒度很小的，具体到很很细的一个点，这样的话就是 ai 的 话，它肯定不会跑偏，对吧？你大的方向肯定会容易有问题，但是越细的点它越容易自信。 一个退款结构他写了很多，写了十几个，嗯，十几个就代办思想，二十二十三个， 在很细的点上帮你去做开发。 二点几时间效率还是很很快的啊，一会就帮我们写到二点多， 生成了这么多退款，退款的一个，然后基础的一个 resource map， 然后搜索， 然后查询退款查询，然后订单查询，根据条件点查询插入，还更新的，后面生成了很多一些基础的基础的一些那个代码文件， 而且用到了我们一个就是实体类转换的一个一个工具并转换的一个工具也是比较好的一个时间， 然后生成了实体类，生成了 map， 七到三点五了， 然后帮我们新建了一个返回程的一个对象，还有入仓的一个对象， 你帮我们加新加了五个接口啊。申请退款的审批退款，审批通过退款，还有个审批拒绝退款。嗯，长信订单详情，那个长信订单列表的，长信退款列表 新帮我们新建了一张表，嗯，退款单号关联订单号用户 u i d 退款金额 退款了。一个整体的一个逻辑帮我们完成了 整个退款流程还是很长的，我们实现了接口，实现了五个逻辑，一个退款查询、 退款列表，退款详情， 这边也有一个进度，一直在加载中 变更了二十四个文件， 我们在写的过程中也可以去看一下这个上下文的占用量， 如果用如果是用嗯，这个 openstack 的 一个方式去写的时候，它虽然压缩了，但是不影响 ai 的 一个输出， 因为他的一个实际的一个计划编码的一个流程，他已经是落实到我们的一个文档中去了，他就按步骤去完成就行了。做完他就会更新，然后下次再检查从哪些没做完，哪些做了 啊，最后是帮我们跑翻译，翻译我们就不让他跑了，因为有可能是跑跑不通过了。我就是做了一个单冒型项目，可能环境不一定能跑的通啊。我们先直接终止掉， 然后让他帮我们去做规档， 规档完之后的话，当前这个嗯需求就开始写完了，然后下一次的话他会去检查，再去写的时候他会检查有没有没规档的，如果没规档他会继续帮你填写，如果有规档的话，就不用不会再去检查了，就直接跳过了。 我们一般是在写完之后就是确认检查没有问题之后，我们再去归档，因为他在写的过程中，没归档之前，我们可以去调的，就可以跟他继续对话，让他去更新文档， 尽量保持我们那个文档的一个最终，是最终的一个正确的一个决定决策，然后在正确的决策上去归导，因为我们他这个文档是做了增量的，增量的更新增量的文档，下一次再改同一个地方的时候，他会在里面去做一些小的变动， 每次都是增量的 啊。归导完成的这个编辑有问题，你环境问题吗？ check。
94Qoder
01:18:37查看AI文稿AI文稿很开心，然后刚才也在听哈，然后今天然后是在客户现场，然后跟有有现场客户交流，然后交流完还是跟刚才然后听了一下，然后左老师的一些分享。哎，我觉得左老师能不能再加个单，我这边也有个需求，我也想然后克隆一下那个小龙虾 啊，我原来传统的方式哈，我是自己让他去克隆的啊，当然也还克隆了成功通过就是 coder， 然后成功的实现了我自己的一个小龙虾，这时候呢我就就想了个名字呗，想了一个这个名字，不知道大家觉得怎么样， 哎。我打开一下在这里麻辣小龙虾啊，因为马上也快到热天了，感觉麻辣小龙虾之前的印象还是比较深刻，所以就选了麻辣小龙虾。哎，我觉得也是完全通过 code 来实现的，因为选的是 auto 这样的模型，它自动的会路由到， 呃极致的模型也会路由到，然后普通的一些模型，但总归这种方式它能够自动的去判断。哎，我觉得生成的这个界面以及然后整体的 logo 还是挺好的。呃， logo 呢？生成了，其实也不是一个版本，而是然后生成了又改了几个版本， 第一个版本它是生成的比较就是完完全全的小龙虾的这个样子啊，不过后面呢就跟他去改，我说你帮我简单一点漫画风格，简笔画风格。哎，那就改成了这样。 哎。最后整个整个的网站也是 coder 直接帮我生成的，他把我的亮点也给提炼出来了。呃为什么要去做这一块？其实 自己也是想了解一下 openclaw 它的一些更深的一些原理，它的一些场景。哎，那我说最好的方式就把它给拆解出来嘛，那我就通过 coder 方式把它做拆解，把它然后做复刻，自己能够然后实现一遍它的基础的功能，那么对它整体的原理会有更深的一些理解，那么就做了一些复刻嘛， 其实我们可乐有哪些核心的功能？我们不去醉拳哈。哎，比如说安全风险，我们可乐他就没有，呃，还会有些风险都没有处理好，那我们可能会更难，所以完全放开，该有什么风险就有什么风险。呃，完全先不管， 我们重点的就是极简的方式，比如说百分之一，百分之五的代码能够实现他百分之七八十的功能。哎，那多好。所以也基于这个目的，只是去实现推送钉钉，推送飞书，然后推送邮件，也介绍定时任务啊，每日推送，然后直接去拉取对应的一些群 啊，这个然后是能够直接点的，当然一 bug， 然后是不少，但是通过 code 能够快速的去生成，我觉得是挺好的。那对于我来说，呃，今天然后给大家然后想分享的是这样的一个话题，从需求到设计。 因为前面呢，我们一共是整个八节课的企业级的 ai coding， 然后实训营，训练营啊，第一节课我们做了一个总览哈，第二节课我们做了项目的扫描， 因为很多人说我的项目，然后是好几年前的项目，压根不敢动，而不是说然后拿一个新的项目，新的项目做贪吃蛇，像刚才说的，就相当于 ai coding 当中的 hello world， 对 吧？ 哎，我去写一个贪吃蛇二零四八小游戏，这样就太简单了，但对于企业级的项目来说完全不是这样的，哎。那企业级的项目到底有多少复杂？那我们之前也做过分析，比如说我们可以把它分为五个等级，第一个等级也就是团队内部的个人在使用， 你个人在使用的话，呃，不能代表然后整个团队，然后提有提效。那第二个级别，也就是团队内部小范围，然后再去使用。第三个，然后级别就是整个公司内部，然后去 大范围的去使用，并且然后是资源做了一些共享，你的规则， m、 c、 p、 rose， 还有然后是 skill 等等，这些都能在公司内部上去做分享。 还有第四个，呃，级别，那也就是通过数字，通过量化的形式来去判断当前的代码有没有通过 ai 来有一些改善，改善质量，推进速度提升，然后效率，那都是那么有通过数字来说话，那么恭喜你达到了第四个级别， 那第四集那对于现在来说已经是非常非常高的级别了，那对于第五集来说，一般是有比较大的规模的团队，并且经过了，然后是一两年的验证，提出来了自己的线上方法论。但这一块 啊，这个挑战就非常大了。所以大家现在的阶段呢？处于第三到第四阶段的，然后转变，有一些团队，然后在使用我了，但是没有通过可可量化的一些方式来去管理，那这时候大家然后就一直会感受到一个问题， 我跟他说了很多，他不理解我，我能让他做外部口令，但是没办法，然后很好的用到企业内部，因为然后再去考虑到企业内部有非常多的一些规范 内部，然后我们呃拿这些 coder 真的 去搞定，然后客户的项目的时候就需要非常严谨。昨天然后在杭州哎，也碰到了一个客户，这个客户呢，他的在成熟度上面就已经比较高，所以呢，他关注的其实就两个点吧， 一个是生成 speck 文档，第二个然后是它的质量，生成 speck 文档我们认为很简单，我觉得咱们一分钟都能搞得定。今天呢，给大家留的一个小作业哈，也是类似的，我们就是生成自己的一个 speck 的 文档， 用它来去做开发，但是这个质量如何，那就是另另一个话题了哈，所以我们一共八节课，前面有总览，到第一块我们扫描老项目，再到今天我们把需求进行拆解，然后进行设设计 产出物呢啊，也不是简单的 prd 一个哈，我们会有多个，比如说 spot 文档啊，比如说，然后有多个模块的文档啊，各种的 user story， 以及我们把然后前端 figma 的 原型图给转换成我们的前端页面， 我们的数据库该怎么去设计，反正总归今天你就可以认为我们有一些新的需求，基于老项目的新需求，那怎么去设计？设计好了之后再去到下一节课我们再去讲开发，所以整个的八节课也会逐渐的从原，从需求到原到原型，然后再去把 产品开发出来，上线测试部署。那我们就是来看一下今天的这一块，是一个一个新的观点啊，不知道大家怎么选？我们还是在同样的方式啊，在评论区做一个互动 啊， c 语言代码，这是古老的一个语言了， c 语言， c 语言的语言代码重要呢？还是 c 语言的变异产物重要呢？ 哎，大家能不能选一选，如果认为是第一个重要的，然后 c 语言重要的能不能回复个一，如果是 c 语言变异产物重要的能不能回复个二，我们来看一看，看有没有同学来回答。 其实这一块跟现在的 web 定其实也是一样的啊。有同学然后回复的一哈，有好几位，然后回复的一，那这一块是为什么？因为然后在这 随时去翻译，翻译成各种的产物来说，并没有说那么重要了，所以对于我们来说，然后足够，只需要，然后是普通的圆代码，那么就可以。 二号是不是来去做更好的一些互动哈啊？当然也可以，然后有自己的一些不同的一些观点，那我们我的观点是， c 语言的圆代码会更加重要。那问题又来了， 是 spike 文档更重要，还是 python 加码代码更重要？这也是一个新的观点。那现在，然后大家重新选一轮，一和二，可以，然后来来做一些，然后互动，同样这个答案，然后也是，然后同步给大家。我的两选择还是第一个 spike 文档。为什么这么说呢？ 因为然后派送代码，加发代码，我们认为现在是最重要的，但实际上他随时都可以生成，我们需要的是一个完整的规范规约。就像昨天那个客户啊，那提了很认真的，然后再提这个问题，我的 spock 文档有，但是然后质量不高， 我的团队，然后希望，然后更好的借助 ai 去实现自己的各种的一些功能，那么他就希望然后把这个 spock 文档给定义出来， 也需要它一个完整的 sop 流程。因为有了，有了 spot 文档，那我们再去，然后生成各种代码的时候，哎，就非常方便了。呃，之前还有一些例子，就是我有一个小伙伴， 他说你写的这个代码不错呀，能不能发给我啊？我说可以，但是我我发给你，然后那个因为要装一些环境，我说你还不如让我用这个文档，我发给你，你直接用 qq 自己跑一遍你本地有哪些环境，然后让他帮你去检测一下，就自动的，然后来来就生成了， 哎，反而这种然后效果会更好。所以斯坦文档你只要定义清楚，那么后面的代码你直接去使用就行了。 呃，前面也看过很多的一些最佳实践哈，不知道大家有没有关注 qd 的 那个公众号，以及然后视频号上面，然后还有一些怎么帮你去省 credits 啊？这个然后是一个好问题哈，我也很关注，我也就是立马然后就去阅读了，其中有很多不同的一些方式，包括然后是切换不同的模型。 哎，你现在然后用什么模型呢？是用奥特模型还是极致的模型还是用啊？对，最近然后刚刚出了哈，我们支持一些自定义的模型，那这一块我也在准备，然后去使用起来，等一下直播完就去体验。 那对于这样来说，我们是不是然后最重要的 spot 文档需要用最好的模型，比如说用极致的模型，一点六倍的模型用它来生成，因为这一块非常重要， 如果他写的不对，那对后面来说都可能会有一些影响。所以呢，我们然后是宁愿是花一些，然后 credit 字去写好让 spot 文档，那 spot 文档那都写好了啊，每一块模块都拆的非常清晰了，我们再去，然后生成 python， 然后加码代码的时候也就会更加稳定。 这时候呢你再选择一个，然后零点二倍，零点三倍的模型，哎，那那也可以然后推进完成啊。 所以然后对于我们来说 spread 文档非常重要，但是 spread 文档到底是什么？有几块？其中一个就是你对项目然后做了一些，然后扫描算是，然后整个项目的，然后说明文档，或者说整个的设计文档， 基于这个你去进行开发，基于这个 spock 文档，然后你去做各种的一些测试。那还有一个也就是老项目上面有新需求，比如说电商平台啊，电商平台有各种的一些商品，有各种的，然后用户来进行下单。 如果我们要增加一个需求，比如说让春季满减啊，对，各种让促销要来了啊，六幺八还远一点，但是春节促销，春季的促销快到了，就现在就开始了， 那满两百减三十，满五百减多少？那分别这样的一个新的需求我们怎么去实现？那也是一个新需求，基于老项目的 spec 文档， 这时候就不是说我通过几句提日词让它来去生成了，我希望然后是呃，结合现有的一些业务，结合然后现有的，然后是整体的一些需求来完整的去分析。 所以我们今天还没有到然后写代码的这个角度，但是呢，然后，但是，然后今天，然后我们会通过然后实际的项目来去分析，就是你的 spot 文档该怎么去写，有哪些不同的呈现的方式，又怎么去维护，以及然后实现企业级别的稳定的 spot。 那这是我们前面的一个观点哈，就是通过然后 spot 文档可以生成各种代码，以及上我们整体的一些测试的测试用力。这里呢有多种方式，先把结论汇总给大家，也是大致的一个目录 手动通过，然后那个测试的方式通过，然后手动提示词的方式，可以直接来，对吧？直接提示词，我需要一个春季满减的活动，帮我设计一个 prd， 没问题，还可以帮我们去搞定。那还有一块就是基于一些项目的，然后基作，然后客户呢，还有一些新的需求，公司内部有一些研发规范，那这时候，然后怎么去生成？ 还有一块基于然后一些，然后那个呃， spock 等等， sdd、 pdd 等等它驱动的，然后一些开发。那我们然后去怎么去生成？比如说然后先去生成需求文档， 对其需求，然后再去，然后生成呃，设计文档，再去，然后是拆分任务去执行，或者说有手动的方式，有 play 的 模式啊，扣子有 play 的 模式，不知道大家有没有用过 快速模式，然后这个啊，天然就是先支持，然后拆解任务再进行生成。当然除了这样的一个链条，我们还有其他的很多的内容可以在这个阶段来来输出。 哎，比如说多角色啊，多角色，多 agent 来去模拟啊，对需求进行评审，对方案进行评审， 另外呢还有 user story 来模拟整个用户的历程，对吧？啊？那整个的，呃，设计文档有了，那我们还需要然后打通环境， 比如说跟我们的 java 系统打通，就能够直接快速的获取需求呀，有了需求，然后我们就可以，然后是呃设计需求文档，设计上那个整体的设计文档啊，对应的拆分了任务之后，我们可以同步到 java 里面，那这一块是我们通过 code 的 mcp 来实现， 如果再往后我们还有各种的一些 skill， 我 们可以通过 figma， 然后生成原型生成，然后后端生成数据库啊，往往是还有一个需求变更 需求，然后在变更的时候又该怎么做？因为前面呢，呃，我们按照一定的规范规约，然后去推进，但是然后往往有很多考虑不到的情况，有很多一些现实情况，我们需要然后去对需求进行变更， 哪就防止我们改了一个版本，又一个版本，改了好几个版本之后，发现第一个版本是最好的，就避免然后这些问题。我们对需求所以需要需要跟进以及上对应的一些代码，还有是各种的一些产出物，就是比不仅仅是 prd 标题上，然后是写的 p r d 是 这一类，那更准确的一个说法呢，其实是更精准的 spot 文档规范规约，那我们就看一下然后该具体然后怎么去实现， 在这里呢？我们也设计了，然后有不少的应该是十几个 task， 因为这一块，然后是整个的。呃，第二个大类的实验，那我们也去做了一些，然后拆分这一块，然后是已经，然后有一个公网的链接，大家可以在线然后实时来查看 哦。直接来找一下。 小龙虾又出来了，是在这里 我们将碎片化的一些需求转化为一个结构化的 p、 r、 d， 还有验收标准，以及然后更规范的规约 spec 文档，包括然后你看通过业务知识 reg 的 方式，通过，然后约定 story 的 方式，没问题，我们一点点的来去思考，来去，然后实现。 那这里我找几个项目，呃，一个是麻辣小龙虾的项目，刚才我们已经看过了，那我就是我再换一个 看一下啊，因为 coder 也会打开好多个，然后打开好多个，然后那个 coder ide， 然后同时来去推进。 大家是否还记得然后这个，然后文这个，然后项目。我们有一个电商满减这样的电商的平台， 也是然后基于开源的一个项目，大家如果是需要这样的一个文档，我们可以反正是同步出来，或者说你这边，然后有手上有现成的这个项目，也可以拿它来练习，我把这个敲一下， 哎，这样的一个项目，那有了这个项目我们就可以，然后是下载到本地，我刚才也是通过这样的方式来去下载，下载到本地我们就模拟一个老的项目，我需要然后对它，然后增加新的需求， 那我们其实也可以哈，基于刚才的生成的那个麻辣小龙虾项目，其实 那我们拿和拿到企业内部去做开源和在企业内部来去使用，因为这样安全问题也解决了。 那我们有了这样的一个项目之后，我们最终要耍怎么让它去快速地给我们去生成需求生成，然后解决方案呢？哎，那么就是通过 quest 模式，我刚才然后已经生成了一个，那我们可以再先创建一个 当前项目电商系统 啊，我们有一个电商的平台啊，有个新的需求呢，是六幺八的促销。那生成啊，需求设计方案和原型， 因为 python 模式跟 ide 模式它中间有很多的一些差别， ide 模式就是我们一问一答，或者帮我们去写代码，帮我们，然后也可以，然后做批量化的，然后那个调用多个 a 进程来帮我们去改代码。但是 python 模式你可以把这个任务伪派给他， 它也就相当于你的一个数字员工，虽然不是在这一块不是批量的调用多个，然后快速的，但是呢一个快速他可以放心的帮你，很靠谱的帮你完成这件事情。你有哪个事情？你不是说找一个然后放心的员工，你让他去干，那现在呢？你可以把这个任务丢给快速模式， 在这一块呢，他先去做需求的分析，所以第一步从来不是直接去干这个事。那我们跟团队的同学，然后去交代一件事情，也是这样，对吧？我们不希望那位这位同学立马就去干了，可能连这个需求都没有听清楚， 那第一步干啥？那第一步那我们就需要让他去对齐需求，对齐需求那也就是澄清需求的过程啊，我怎么理解的？然后你是怎么说的？那我理解了之后，我会接下来去设计一个方案， 那整个的方案呢？它就包含了，比如说然后在软件开发当中我的需求方，然后是有什么我做一些，然后竞品调研，那竞品调研之后，那选择，然后不同的一些然后方式。我一百块钱到底，然后促销啊？三十块钱好 还是两百块钱？我直接促销六十块钱好。这两种方案选哪一种呢？各有什么优劣？做一些，然后评判。那出了方案之后，我们到第三步再去，然后拆任务。那为什么要去拆任务呢？ 拆任务就是因为因为整个任务整整个方案是比较庞大，我们需要把它然后拆成可执行的一个一个小的子块，小的 task， 那这时候再去通过串行的方式再去，然后通过，呃，包括然后串联并行的方式都可以，然后去推进整个的任务的执行。 那刚才这里然后有一些可能是网络问题或者其他的问题，晚一点排查一下，还好哈？还好。然后这里然后已经生成了一个啊，刚才说的是六幺八促销，那我们现在呢？有一个春季满减促销呢，生成需求分析文档， 他也是先去了解一下，然后项目的代码的结构和现有的一些功能。那这时候呢？哎，你看对应的执行的命令啊，他已经然后再去分析整个的项目了，包括核心的模块， 最后，哎，生成了一个完整的啊，春节春季满减促销活动这样的一个方案， 这样的一个需求分析文档呢？包含了然后九个章节，他分析的已经，然后比较全面了，对吧？那我们通过这一块，我们还没有合并，还没有接受，也就是互相来去做一些交，对 这一块为什么然后出现了冲突？因为然后我是并行来推进的，通过快速模式，通过我直接 a 键的模式来跟他问答，他同时，然后去生成，但是呢，我通过快速模式又对他进行了一些优化，这样有什么好处？ 也不知道大家然后有有这么使用过吗？也就是我们同一份文档，同一个活，可以交给两个人去做。 虽然在在内部啊，企业内部会有一些人说啊，浪费人力，浪费精力，但是对于 ai 来说，我们消耗的是头肯， 哎，那如果是消耗了这些 token， 它能够给我们带来更高质量的这些方案，那其实来说也是划算的。所以通过快捷模式，你让它去生成一个需求方案，通过 id 的 模式也让它去生成需求方案。 哎，在这里给他，然后输出了一信息，我现在然后有一个新的需求实现，春季，春季满减，然后促销需要，然后生成一个需求分析的文档 啊，这时候他两个模式可以，然后互相做一些交。对，那对于我们来说，不仅仅是这两个模式哈，我们还可以然后选择不同的模型使用，然后模拟不同的角色来去查看，然后整个的设计的文档。 其实对于我们来说哈，如果有了这样的一个文档，看起来已经 ok 了，今天的课程是不是也讲完了？ 但显然还不是。这个文档它是否能，是否然后是我们完整的 prt， 显然还不是，它是一个需求分析的文档，另外它的质量怎么样我们也不清楚， 那现在呢，它是通过 spring boot 啊，以及然后加八八，还有一些然后其他的各个模块来去完成的，那是否符合我们的需求呢？ 这时候你就要再往回导一下我们上一次，然后不是介绍了，然后整个的 revolve wiki， 然后去扫描当前所有的项目， 把项目然后扫描了之后，你还需要什么呢？扫描了这个项目之后，那你还需要的就是把企业的研发规范给加进来， 你还需要的是我们给客户开发的这个项目，这个项目背后他设计的他的客户完整的一个需求理念，那我们也要加进来，这时候再去，然后生成一个新的方案，那我就是然后用提制词手动的方式来来去生成， 这是让需求， 我们还是通过智能体的方式让他来去让生成给他描述清楚这是然后需求方案已经定清楚了， 对当前的背景信息，然后也做了现场分析。这个目标有两块，一个呢是让，呃我们自己能够看懂， 另外一块也是让 ai 让 code 来加载这个上下文，他在最新读过的这一信息。呃，有可能是说他的记忆力会更强， 因为他刚了解了整个的项目，所以对项目的全貌以及一些细节会更清晰，那这时候再去，然后生成各种的文档哈，就会，然后比较全了。 但是如果只是有需求文档还不够，所以我们需要然后一个完整的 prd 文档，再去完全让它去生成，我们等待一下它的效果。看起来这一块也没啥亮点，对吧？那我们需要什么亮点？ 生成各种的图？大家是否还记得我们上一节课提到了，我们会为这一个，然后设计文档，生成各种的一些图，那我们等一下也会再做一个，再做一下，然后操作啊，不如现在吧， 哎，在这里 我们选中这个代码，把这个选中代码了之后呢，根据子段设计表格， mermaid 格式，哦，啥时候？然后字盘的问题了，我等一下，然后再试，再试一下。但是呢，我们可以通过这样的方式让它来去处理，也就是我们呃拿到了一个需求， 然后中间然后对方案也进行设计了，设计出来了这个，然后报告之后，我们让它去再去，然后增加很多的图，因为呢只是纯文本的，这个 prd 现起来太太单调，其实然后在那个使用的角度上来说，然后也不太现实。 好嘞，那我先处理一下这个， 好的，我再来，然后投一下， 看 最近的，然后有一些，然后项目比较多，开的窗口，然后也会比较多， 然后继续让它去生成我们的角色，然后系统分析，然后已经成功了，我们前面然后也生成了一个登录的功能， 哎，看到然后是它的 prd， 然后还在正常的一些设计，那在这时候大家会不会想我们这个 prd 能不能让它去转变成 skill 呢？ 因为生成 prd 是 产品经理常做的事儿，对于其他的很多的同学也会然后用到，比如生成其中一部分的 prd， 或者说然后对整个的方案，然后进行解析。 那这时候我们如何然后把它去转变成可复用的能力呢？如果你转变了可复用的能力，在你的成熟度上面就从了第二级变成了第三级，哎，对不对？ 因为第二级是你，然后整个的团队，然后再使用，但是呢还没有复制到，然后整个公司级别 prd 已经实现完成，我们有了需求对齐，有了整体的方案的设计，整体的架构，然后前后端。但是这一块有一个问题，有一个坑，避坑指南，如果大家想听的话，可以然后回复一个三三三， 避坑指南，这里有一点小坑，我们进入到第三步，也就是它生成的内容会非常快， 它生成的内容看起来然后是没问题，但实际上我并不是说哪个工具不好，而是说在这一块你需要做二次的，然后确认，因为只有二次确认之后， 以及然后再让 ai 去检查那么它的效果，然后才有可能符合我们真实的一些需求，也就是然后你前端 ai， 它可以充分的，然后去发挥它的想象力， 帮我们去算，在各个方向上去做拓展。所以现在就是外部扣定吧，哪怕企业级别，你也可以用外部扣定，疯狂的让他去在多个方向上去进行试探探索，我们把最好的符合预期的给拿过来就行了。好，那我们然后是生成了这个文档 一块，一个是我们怎么去让它的质量然后变得更高。第二个然后是怎么去让它做复用，那我们先先解决第二个哈，让它去做复用。右下角然后有一个 skill 创建 skill， 我 们刚才是生成需求文档再生成，然后 prd 借鉴刚才的经验哈， 来借鉴刚才的经验，然后我需要然后经常的去生成各种的 prd， 帮我把这一块给生成一个 skill。 哎，那不知道大家有没有用过这一块，我们刚才然后是有专家团的模式哈，这是一种然后新的方式。另，但是呢，然后在前面包括 skill， 包括 mcp， 然后火的时候，那 code 对 应了，也对应支持了这些，然后新的功能， 其实然后也推荐，然后大家然后去使用，因为它可以在帮我们手动干活的时候，帮我们去做更细力度的微调。 那对于 sku 来说，然后也是，那这很好的一些敬业，你生成的，然后这个 prd 就是 好的，那别人的可能有些欠缺，那为什么不把这个敬业在团队内部，然后进行共享呢？哎，那我们这一块已经生成好了，生成好了之后还有对应的语音提示， 哎，我们看到在左上角，然后 code 点 code 这个目录里面，哎，生成有多个 skill， 其中的一个就是 prd 设计的一个文档，按照然后是规范的这个标准来去写的，什么时候来出发 啊？对应的如何生成？生成的模板也给加进来了，这个时候呢？会不会发现然后跟自己想要的样子不太一样， 而不是说跟他一样哈，有可能跟他不一样，那你不一样的地方，那我们就去改，比如说我们的，然后命名规范不是这么做的，我们的版本的信息，然后不是这么加的，或者说然后中间的一些要求，那我们有特定的一些格式，那我们可以把特定的格式给加进来 啊，那如果说这个方案是合适的，那我们就自动地把它保存下来，手动的方式，然后把它保存，这样你就获取了第一个 skill。 哎，那这一块已经加载成功， prd 点赞，然后 doc， 那 我们就可以再去，然后设计新的需求了，比如说还有哪些需求？儿童节可以吧 啊？电商平台，对于小朋友来说，如果是儿童节购买了礼物，呃，购买了然后商品，我们赠送一个儿童节的小礼物，如果是模拟这样的一个活动呢？那我们就不需要再写很多的一些啰嗦的话， 那我们就就说直接，然后调用这个 pr， 调用这个，然后 skill， 哎 prd， 然后 d 赞 doc， 它能够自动的，然后来去根据刚才的一些，然后要求一些，然后前后的规则规范来去生成这样的一个 prd， 也就是我们第一个，然后跑通了之后，再去后面批量的复制会更简单， 因为有了你这样的 skill， 再去，然后生成其他的各种的文档，那不就是会更快？所以现在然后无论是小龙虾还是其他的各种的文档，那不就是会更快？所以现在然后无论是小龙虾还是其他的各种的文档都在然后提 skill， 那这个时候对我们人来说就是要具备多种技能具备，然后是像数字型这样的技能，那么才能够，然后是在解决各种问题的时候会更加顺畅，比如说写代码也是这样，有了各种的 skill， 再去写文档，再去，然后是写代码也会更加顺畅。 好嘞，那这是然后通过刚才，然后去生成需求文档，生成 prd， 生成好了之后呢，我们通过 skill， 然后把它保存固定下来，但还是那个问题，它的质量还不高，咋办？ 如果它的准确度只有百分之八十，那我们怎么提升到百分之九十？如果有九百分之九十了，怎么提升到百分之九十五？ 大家有哪些好的主意可以评论区留言也可以，然后是在各个，然后微信群里面，然后一起来聊。 其实这时候呢，建议的方式，手动的方式是通过，然后也类似于模拟多专家团的方式，进行分角色来去使用。那这一块我们可以看到有多个智能体， 然后有多个技能，我们已经使用了多个技能哈，我们可以然后创建，然后多个智能体，也就是在这里然后去配置，直接点击刚才的右下角，通过然后斜线的方式打开，然后点管理就行了。在这边呢我们可以然后配置，然后多个 a 帧的，也可以配置多个指令， 那这个又有什么区别？智能体然后是偏特定的一个角色，每个智能体呢有独定独立的然后一个那个上下文窗口， 也就是它类更类似于一个人或者一种角色。而指令呢，只是然后对 code 对 提示词的一个碰撞，比如说我不想输入那么多提示词了，我对它然后封装成一个指令， 类似类似命令行的各种 command 指令是一样的。那我们可以然后增加，然后多个智能体，那加了多个智能体之后对它然后进行模拟，比如说我们通过完全手动的方式啊，来来去处理 自动化的方式，像多专家的方式有一个好处，把一个任务丢给他， 你去干什么活，他也他也能够自己在那里，然后写代码，写文档。但是手动的话也有一个好处，就是他生成的这个结果不好的时候需要你手动来调，那我们就需要然后各种的线上方案了，比如说然后就在这里， 嗯，现在我们生成，我是一个产品经理，但是呢我要把这个方案交给产品总监， 哎，来了，那就是在这个项目当中，我是产品经理，因为把自己的定位说清楚，并且呢把这个方案然后是交给了产品总监，我们就模拟这个过程啊，你总不可能说它生成的完美无缺，那这时候还改进啥？ 我们要从然后产品总监的视角上来说啊，产品总监，然后提出来十个然后需要改进的地方，哎，你来扣点，你来帮我，然后去整理下这个问题， 就是跟他聊，在聊的过程中，反正是搭配的越来越好， 哎，他真的然后再生成了，那显然这个我们还没给 靠谱的事，我们先不要这么做，先不要发，我们先让他去生成，生成好了，生成好了这些问题再去改进，会比较稳妥， 哎，有了他已经。然后是啊产品总监的啊，评选意见，儿童节赠送小礼物活动，然后三月十八号，今天，哎，他提出来这些问题，大家不知道觉得对不对， 哎，第一块还真没仔细看哈，我们还没有仔细看，然后刚才设计的这个 p r d 以及然后需求文档，但是呢我们让他模拟然后总监的这个角色， 模拟了总监的角色，他提出来这几个问题，一个是用户身份检验，一个是并发安全啊，库存超卖的风险。那为什么这么说？那我们就可以继续去追问他，你为什么有这么上这方面的一些考虑，安全 安全上的一些考虑啊？或者说你提出来这个问题，那还需要我补充什么信息，都可以跟他聊，那在这个时候呢，经过，然后跟他去沟通，那是不是整体的质量会变高了？ 因为提出来了这些问题，有了这些问题，其实我们应该感到开心，因为只是我们自己知道有这些问题， 那再借着这些问题来改呗。 code， 然后生成的文档 code， 然后自己模拟，然后审那个产品总监来提出来的审意见，那啥都是你干的，那就帮我来改出来呗。哎，那这也是可以的，但是呢，还不着急，我们再模拟另外的一个，然后视角， 模拟用户的视角。家长 模拟家长的视角啊，比如说哪些设计呢？会增加呢？购买的情况，哪些设计不符合，然后家长的考虑点，哎，我们从家长的视角，然后再去分析一下，那大家然后已经知道了哈，也就是我们 呃，从通过，然后前面的方式通过，呃模拟了，然后是产品总监，又模拟了，然后用户的视角。 那其实呢，我们还有更多的一些角色啊，只要是你就想一想你平时，然后上班的时候，办公的时候， 那需要把这个文档发给谁，那对应的方式你就模拟他的角色。王大锤老师，是吧？王大锤总就像刚才，然后左老师，然后那个提到的，我们可以把专家团的名字改成，然后王大锤。 那现在王大锤然后正在从呃产品总监的视角上来去分析，那现在哪一个用户从自己的视角上来进行分析，那这个用户的他的一些角色，他的性格，他考虑的点，他的 m p m b t i， 那 么都可以放上来啊， 那多个角色再去模拟的时候，就会更加真实，从自身的视角上来出发，完全不要考虑别人，因为考虑别人那就可能会妥协。那完全从自身的角度上来出发，那有了不同视角的分析方案，那我们再去改进就会更加完善呗。 啊？无年龄适配，十二岁的小朋友收到一个贴纸本会失望？确实是，如果说是太嗯，几岁的小朋友可能愿意收到贴纸，但十二岁的小朋友可能不愿意了。 那还有一个礼物不可选。哎。刚才是这么设计的，还好没交给总监，交给了总监之后发现连这些都没有考虑清楚，那往往在很多的团队内部会有这样的一些问题，因为 时间来不及了，赶紧 ai 生成一版，然后交过去应付一下，但应付的时候，呃，你既然是你发的老板，然后就会认为这个观点就是你的。在这时候呢再去他可能会去问你几个问题，为什么这么去设计 啊？这时候就要限编理由了啊，库存扣减啊，礼那个礼物的库存和扣减，然后存在的变化的风险你是怎么考虑的？影响的范围是啥？也是限编，那这样编起来太累，总会容易出现然后漏洞， 那不如让 ai 生成的也要符合你自己的想法，那这时候才会保证然后整个的规范规约更加稳定，也就是你的 prd， 然后会设计好， 但是好像这里然后也还不满足哈，我们刚才然后说的让它去生成一个 mermaid 图，生成一个， 哎，我们生成一个 user story， 也就是整个的用户，整个的家长视角，它到底然后是怎么看每一个阶段的，在哪些阶段中，然后它会增加购买，在哪些阶段中可能会影响它的购买？ 那我们就从不同的视角上来去分析，因为这也是一个新的需求，基于老项目的新需求，老项目就是一个电商平台，新需求就是然后做儿童节，然后赠送小礼物这样的一些活动。那对呃，比如说对家长朋友， 那他的然后是心路历程是怎么变化的，那我们就需要然后把它给展现出来，除了让 t i t markdown 的 格式，那么你可以然后转成网页的形式，更直观的方式来展现。 当然有一些然后是只是锦上添花哈，核心的内容还只是说纯文本的这些，但是展示给总监，如果说然后有更合适的一些图，那放上来他也会加一些分啊。虽然只是然后锦上添花，但如果这对于客户来说 就是一个必要的方案了，因为客户你给他的总不可能然后只是成文字，需要配各种那些图，所以在这个时候你去做一些然后需求的调研，需求的分析，包括然后是方案的设计增加，然后图只要是逻辑严谨的，能放上去的，然后就放上去了。 好嘞，那我们再等他一下，同时呢，那我们再去，然后生成一个调用链路图，我看一下，然后方案， 家长的视角， 哎，在这里 我们先把这个然后先跑起来。 好，然后先跑起来，也就是我们是通过 p r d 里面不仅仅是生成文字，再生成一些图，持续图，各种的一些，然后呃网页， 或者说是猫妹的图都可以先让它去跑起来。我们看一下多多县城，然后就并行推进的哈，我们再看一下刚才的这个系统，刚才是到哪里了？应该是在前面 哦，已经生成好了哎，我直接打开网页吧，反正就是一个纯网页的方式 哦，在这里它生成好了，你看这个方案显然 ar 味儿，对吧？要么蓝色，要么紫色，或者再加一个渐变色啊，绝对的 ar 味儿。那如果是拿这个然后交给客户，显然这个方案过不了 啊，至少然后样式然后要改。那怎么改？是不是加一个 skill 会好？加一个，然后是 rose， 规则归约会比较好， 加一个，呃，等一下，然后我们就来加。通过这个内容上来看啊。李女士，然后三十二岁，在上海有一个六岁的女儿啊，他的出发需求哦，幼儿园，这是一个场景，我们原来可能忽略了哈， 原来我们只是以为然后家长然后在看浏览自己商品的时候看到小朋友的商品，那幼儿园要办活动哎，确实是，那发现了活动有三个，三款礼物可选，然后再去选购商品，选了然后，呃，哪一些？还差十一元才能满一百元 哦，买一个，然后就可以，然后获得玩具，这时候设计的亮点，那我们可以然后整理出来，就是这里呢，我们可可以需要的是他的网页形式，也可以然后需要的是他的文字的形式， 最后，然后选择礼物是开心的状态，然后是满意的状态，等待收获平静到最后是哪些？如果说质量差， 免费也不敢用哦，这是一个新的考虑点哈。以前，然后比如说有些男士可能觉着好一点，差一点也都能接受，但是如果给小朋友的这一块，自己然后肯定是说免费，也不敢让给他用差的， 那对平台的指令那个印象也会变差，所以中间不同的一些历程都要考虑到。这是从整个业务设计的视角上来说，那就不想不仅仅然后说 只是写代码了，因为写代码现在看起来会更加容易，但关键是你的规范规约都没有完整的，然后去设计好，那么最后然后生成的代码也不会稳定，所以这也是然后，包括然后昨天这个客户然后提到的，他就说希望我的规范规约生成太简单了， 但是我需要的是高质量的，以及然后团队内部可共享的。团队内部 我生成了，生成了我对这个项目的。呃，家长的分析， 那这个时候又需要什么呢？那这个时候我们就可以把它然后给固定下来，固定为我们的 skill， 也就是每一次然后再做类似分析的时候，我们都需要然后用相同的方式来去生成，那么我们就创建 skill， 刚才我们已经创建过了啊，这一块就不再直接演示。呃，但是你生成的这些文档我们是不是可以共享给其他人，共享给项目组？ 所以这些文档我们需要通过 get 来管理起来。那这里然后又有一个问题了， 那这些文档我们应该是随着这个项目项目来去提交保存，还是说我们应该把它单独去保存？ 哎，大家能不能回复一下？我们现在人应该到了四和五，如果你认为整个的这些文档 应该跟着项目来走，能不能回复一个四，如果说你觉着这个项这些文档应该单独保存下来，就是所有的文档，其他项目的一些文档，只要是这类 spot 文档类的应该单独保存，就是跟着代码不放在一起。选择五， 大家有选择哪一个吧？有选四的。哎，是啥原因？ 看到然后有不同的一些选择。 呃，这个我觉着还是按照然后企业的，然后一些，然后规范企业的，然后内部的一些，然后想法。现在呢，很多也都在做一些探索 啊，有有不同的一些观点啊。有人说然后是放跟项目，然后放在一起，因为更方便。然后去查找我对应的语言代码， spock 文档都有了，我对应的 p e 五加码， python 代码，然后也有了，我放在一起，然后更容易去查找。反正到最后我去部署的时候也只是然后去部署其中的一部分。 那还有另外的一个观点哈。另外的一个观点就是我所有的这些 spec 文档对我来说是就像 c 语言源代码一样，会更加重要。 那这时候我就需要然后单独去管理啊，大家不能随意的然后去提交，随意的去修改，像这样， ai 你 把它然后拖动过来，帮我压缩压缩，减少一般的字，帮我再去扩展翻一倍的文字，显然是没有经过认真思考的，你不应该这么做。 但总归然后两种方式然后都有，然后各种的现场考虑也都有，然后企业在用，但是总归大家意识到了，我需要对 spark 文档重视起来。 spac 文档再去修改的时候，我需要然后很慎重，因为随便然后去改一下满一百，然后改成其他的金额，显然不合适，并且然后是改成赠送，或者说然后改成了满减，那又是然后不同的一些那个设计理念 促进然后购买的因素。如果是说没有加，儿童没有加，然后特定那些场景，它也会，然后引起后面那些，然后实现。当然这是然后用户的视角，那对于 prd 来说，我后端的前后端的一些路径，我前后端的一些， 呃，一些人规范规约没有定义清楚，那也是会出现问题。所以 spike 文档我们统一管理起来，哎，通过放在然后当前的项目当中，或者说然后统一管理起来，你可以然后做一些，然后尝试现在，然后都有企业，然后再用。 那我们再看一下，然后刚才生成的这一块，整个报告上面不仅仅然后是纯文本，我们需要各种图，我们生成了一个默认的图，哎，我看一下到哪里，哎？它直接保存到了文档里面也行 啊。类的关系图还是用刚才的方式，传统的方式 默认的图，看能不能直接打开，应该可以的。 哎。生成好了啊，这个然后是类的图哈，然后有设计了这几个类促销的类，那我们看一下然后对应的文字，之前上次课，然后我们也看过， 也就是对扫描项目，你需要然后生成各种的图，对于然后生成 prd， 生成需求分析报告，生成各种的设计方案，也需要这一个，然后归也需要上各种的图，通过图呢， 他是一个方面，然后增增加那个，呃，在美观上加一些分，但是呢，其实也更方便，然后看清楚中间的一些关系， 比如说然后订单跟促销到底，然后是怎么去引用的？我们到底然后是有哪些方法他能够然后去扫描出来？当然你也可以然后支持自定义，然后随意的在这里然后做测试哈，我们就可以改名字，把名字呢调整了之后，那对应到图也可以，然后去做编辑的方式， 那有了这些之后，我们是不是就可以去开发了？ 我理解，其实还不是的，还有然后很多的内容，我们除了然后去生成呃 mermaid 图，我们还需要然后生成数据库，在这个设计文档中应该有看一下刚才有没有生成， 哎，有数据设计，但是数据表的设计呢？哎，我们手动去创建一下 啊，补充数据字段的设计，并且然后就要考虑数据字段编辑其他的影像， 这样也可以好直接让它去推进，也就是然后去补充，然后是数据的数据字段，我们这时候就可以，然后是分前后端了， 前端我们然后该怎么去处理，还原页面，去做然后些设计，那对于后端来说也是这样的，后端设计对应的 a p i， 那 让它去开发出， 那我们需要让生成呃对应的后端的促销的 api， 各个 api， 然后我们都加上呃，并且呢在这一块让它去增加， 呃，增加，然后更新到然后 smart 文档上面，因为通过让 smart 文档可以更好地去管理这些 api， 哎，它再然后逐渐地然后去生成。 好嘞，我们再稍等一下啊，再等一等，然后看看它这个结果，其实这时候呢不仅仅然后说是生成了这些内容，我们还有更多的一些内容可以去生成出来，包括然后是对数据库的一些设计， 我们再加一个任务， 哎，错别字， 就是我们生成了，前端生成，后端 api 生成了，然后数据库，那我们的测试用力是不是也可以让它生成？有人说是不是太着急了，我代码还没有，然后怎么去生成？那个测试用力这一块大家的观点呢？测试用力，然后应该在什么阶段？然后生成？ 其实按照标准的研发流程，是不是有了代码，有了基础的一些功能去设计，但是还有一些新的观念啊，现在也是 ai 时代的新的观念， 我们要是基于代码去生成测试用力，那不就违反了前面的一个原则吗？ spock 是 最重要的，代码不重要 啊。 spock 如果是有 spock 跟代码然后有冲突的时候，我们应该更信 spock。 如果按照这种人那个思想的话，那去生成测试用力，那我们应该去测试 spock 文档，而不仅仅是测试各种的代码。那从这个视角上来说， spac 就是 大家围绕在中间的规范规约，那对应的呢？刚才的开发的过程，设计的过程，以及然后测试这些，然后用力应该低于 spac 来就可了。 在这个角度上来说， spac 关系重大，所以有必要然后对它管理起来， 帮他 get 同的部门，同一个项目组获取，让同项目组的这个 spec 归约文档， 那这样就实现了。呃，大家更好地就是说朝着吧，朝着，然后是维护 spec 的 方式，那就推进。当然现在然后大家都做不到这个，然后是偏一些理念。呃，基本上没有见到说哪家公司 你应该没见过就以 spec 然后为主的，但是呢，意识或者说是认同这个观点，我们应该是以 spec 为主。 那我们稍微回顾一下哈，就是刚才我们生成了多种方式，那我们通过快速的模式让他去给我们对齐需求，去生成方案，自动的，然后去拆分任务并且去执行。 当然多专家团也是另外的一种最新的方式，刚才左老师给我们分享了很多好玩的好玩的这些技巧，那其实呢还有手动的方式来去处理， 也就是整个全自动化的流程，你不太方便，然后去控制中间的过程，那么我们可以通过手动的方式去处理，往往是手动的方式是现在当前用的最多的这种那个方案。 呃，比如说我们是通过手动直接为我生成一个所有的呃需求，我有一个新的需求，无论是儿童节促销还是春季满减促销，还是六幺八促销， 生成了之后我让它去创建 skill， 这个 skill 其实也就是刚才的看到的这个文档，我应该也把它给共享起来，这个应该就不放在那个，呃项目目录里面了，应该让它统一维护我的 skill 啊， rose 以及整体的， 呃，还有哪些？ m c p 所有的这些吧，都把它放到一起，那有了 skill， 那 我们就可以然后实现呃跨团队的复制，那再往后我们就通过需求文档来生成各种的 prd， user story， user story， 然后是有个网页版本， 那并且呢还有一个哈，还有就是生成挪贝的图，包括然后是数据库设计的图，包括，然后是单元测试用力，其实也可以让它然后在这个阶段来去生成， 至少然后是说我们要探索这种方式，按照 spark 的 来去推进后端的 spark， 然后也生成好了， 还是那句话，他干活很可以很快，但是质量不管然后他的准确度高不高，我们都是需要二次确认，二次确认之后，并且然后自己消化吸收才能成为自己的。那其实这节课到这里还没有结束，我们还有还有一些， 那就是能不能把前端设计的内容直接然后转成圆形图网页， 因为整个的今天呢，我们就是维护 spock 的 文档，你的 spock 文档不仅仅是 prd， 不 仅仅是 markdown 的 文档， 还有哪些呢？哎，斐克玛，斐克玛，它是画圆形图，它也算一个前端的规范规约啊，虽然不是和 markdown 的 格式，那我们希望用它用斐克玛 来快速地帮我们去画原型，画好了原型来转成，呃，就是网页的原型格式，这时候呢，你需要然后用到一个 m c p， m c p 在 这里我看一下 figma 是 在啊 figma 的 安装，安装很简单哈，安装是右上角打开，然后 ctrl， 然后头像点击 ctrl 设置找 m c p 服务， 找到了之后，然后有一个 figma 在 这里，我是已经安装的状态，所以显示已安装。那安装好了之后我可以看一下，在这里 直接可以快速的去体验，也可以然后去刷新它的状态，也就是它去发起一个测试的任务，我们这一块，然后就先不跑了。发起一个测试的任务之后呢，呃，它会去调用 figma m c p 当中的任意的一个工具完成一个，呃，使用势力，也就是能够先跑起来这一块，然后是我们会在开发的阶段中也会去使用，但是现在往往它的还原度不高。刚才有同学然后在评论区留言， 像素级别的该怎么去还原，以及它的包括，然后颜色，包括，然后是按钮的位置，包括一些，然后具体的一些，然后细节， 还有中间的一些业务逻辑能不能然后给反馈出来，而不是说只是还原中间的一些页面，那这一块难度还还在那除了然后是 fig 码， 呃，还有然后一些其他的，比如说我们刚才提到的能不能自动的帮我去拆任务，拆了任务之后呢？我自动的把这些任务同步到我的接收系统里面， 那我们再来一个 m c p， 还是点击客户端，然后设置有个 m c p， 呃，找一下，然后这个 g r 系统，那我然后自己就就去跑通对接自己的 g r 平台， 因为我当前是去做设计 spike 文档设计，然后 p r d， 那 我就需要然后是把设计好的这个任务进行拆分对应的，然后再更新到各平台上面，那我们的 g r 系统，然后又可以通过 m c p 来打通， 那还再推荐给大家一个 m c p 啊，这也是然后上节课我们提到的， 那也就是，呃，有很多的我们给客户然后去开发一个项目，这个项目呢，客户有很多的一些要求哈，那这个要求或者说这个规范我们需要然后加载进来一个呢？你可以把它放到目录里面， 但是放到目录里面它本身就不是整个的代码，它也不是然后整个的我们的 spot 规范，而是然后临时的一些需求， 那我们就不适合。呃，放在然后左侧的这个项目里面了，那我们应该放在哪里？哎，那我通过这种方式呢？加了一个 m c p， 它支持放在我其他的盘里面，比如说我的 c 盘也满了，我可以放在 d 盘里面搜一下。 哎，我放在了 company docs 这样的一个 mcp， 有 了这个 mcp， 它可以去我的地盘 ai coding 这个目录， code ai coding 目录，去找 company docs 这个目录， 再中间，然后再去把嗯，企业的各种的要求，客户的各种的要求都给调用出来 啊。根据客户的某一块要求，前端的要求，后端的要求，业务逻辑上的一些要求，或者说把我们其他的模块，其他团队的要求放进来，那这样再去开发整个设计整个 spock 的 时候，设计 prd 的 时候才会更加完整， 要不然只是然后基于基础模型的能力，它生成的肯定有偏差。那我们需要然后加载啊，业务逻辑，业务领域的知识，那加载的方式我们可以通过 m c p 来加载。呃，就是然后通过这种方式把它然后放到不同的目录里面。 我们还可以做另一个，也就是把这一些项目对它然后进行，然后扫描，给它压缩成，然后一些，然后提示词压缩成，然后一些 markdown 文档，我们放到，然后对应的根目录里面， 放到根目录里面，让它作为一个，然后上下文来理解，然后需求，但这个需求不适合太大，因为你的上下文它是支持非常非常大的上下文， 但是他的焦点会失焦的，注意力不够的，所以提示词不需要然后那么多， 尽量的少量的提示词，更近的提示词，才让就是你的那个呃，就就能把任务给完成掉。所以这也是然后现在提到的陷进式纰漏，也就是最开始我不需要，然后把所有的这些知识都加载进来， 我用到哪里我就再去加载到哪里，包括 skill， 不， 现在也是我用到哪个 skill 的 时候，我再去加载对应的这些文件，那么生成的时候也会更加稳定 啊。其实这些内容就是真正的在操作的时候，每一块都会也比较复杂， 我们看一下，然后生成通过业务知识，业务知识库 reag， 然后到 prd， 我 们就是通过刚才的 company dogs 这样的 mcp， 这个我们生成了一个网页，但是这个网页呢，它的颜色不太对，就加一个，给它加一个规范，应该是在目录里面。 是的，我应该是在 code 加一条入规则啊，这是其他项目里面有各种的规则 啊，我们比如说以 flag 码为例啊 啊，前端页面不能使用蓝色紫色渐变色啊做背景， 要不然他每次都按照都按照都跟他去提醒不能用蓝色紫色渐变色，那也很费时费力，我们就直接添加一条规则。第二个呢，我们为了测试他能不能生成，每次回答的时候， 哎，喊一声靓仔，哎，那现在呢？让他去测试一下，我不知道还能不能去测 生成一个前端页面 还是有一些影响，我看一下， 按说好在这个过程当中它会然后是先喊一声靓仔。另外呢， 在生成页面的时候会然后使用蓝色、紫色，然后渐变色，我们需要然后把它加到，然后是对应的规则里面，那我们对应的第二个，然后也已经介绍到了，还有自然语言生成，然后结构化的 prd， 我 们根据自己的一些要求那么去去转， 还有多角色，然后来评审，我们模拟了，然后项目总监模拟了，然后是用户的一些视角，还有验收标准，这个，然后有对应的提示词，并把原型，哎，我们配置了 m c p m 面的图，我们已经看到了通过刚才的方式生成，并且然后通过 press on 这样的网站来来打开。 那其实还有一些也就是在做需求分析，在做整个归月文档设计的时候， 还需要然后评评估整个他的影响的范围，需要，然后对竞品，然后那个再进一步的去分析用户的反馈，以及然后需先需求先急 技术方案评估，这些我们都还没做，对吧？但是这些呢，其实主要的还是通过提示词，我们前面的模块都掌握了，再去做这一块也没问题的 api 接口的文档设计，但是呢，我们已经通过这一块去做了 prd 的 转测试用力，所以在这一块你完完全全可以把测试用力给做出来。 如果说你的代码然后通不过测试，那说明是代码的问题，而不是然后测试用力的问题。因为测试测试用力是严格按照测试标准来的，是按照然后我们的 spec 规约来的， 所以如果是需要这个，我们可以通过和测试方式来去，然后同步出来啊， lab 一、 lab 二和 lab 三，然后都上线了， 那再往后我们就总结一下，然后整体的一个这几个模块，我们然后基于手动的方式来去生成，我们已经搞定了哈手动的方式来去生成基于项目的基座，这时候是什么情况呢？就是刚才我们提到的， 我们有一些老的项目作为基础的底座，有一些，然后是各种的一些函数，或者说内部的接口已经定义好了，项目的框架已经打好了，每次都是用这些项目， 比如说 a g 的 store 多智能框架，客户的需求是千变万化的研发的规范，然后是公司内部的，那需要，然后基于这些来去开发一个新的项目，那有没有把所有的数据加载， 那如果没有加载到这些数据，那么赛区生成的 spike 它也不够完善， 那再到了，然后是我们基于现在也有，然后提示自驱动的开发，然后生成，然后需求文档 再设计，再拆分，按照这个步骤来，再是否有耐心？但是如果你是为了然后更加准确的这个 spike 文档，或者说整体的呃，需求设计，那么是需要，然后这个过程 完整的就是完整的，只是按哦快速的去生成，那么不需要这些。那这里又遇到一个问题，也就是 web 控顶和 s 怎么选？ 一线烟草企业从来不纠结，就是两个都用，这个口径是用于规范的，我的需求已经确定了，我就按严格的按照烟草 spag 的 方式一一然后去拆解它能够给生成更加稳定的效果， 这时候是死白给扣顶。而外部扣顶不是在企业内部有大很大量的然后使用的常用机，比如说，然后充分的发挥他的我到底，然后是一百，然后减十块，好减十一块，好分别，然后去设计，然后不同的方案 去做，然后各种的类似于 ab 测试，市场的调研，然后做方案的设计，做方案的评估，模拟，然后用户不同的一些视角，甚至然后多维度发，充分发挥他发展思维的能力。 那么外部扣顶和外部扣顶都在用，但是你要用外部扣顶就充分发挥它的能力，要用外部扣顶，那么就严格按照一步步的这个流程来去推进。我们手动呢方式，然后也生成了，还有一个杠 plan 模式，快速的模式已经介绍过了，杠 plan 模式是在这里， 哎，右下角有一个 plan， 根据需求创建计划，哎这一块呢，对于大家来说，其实能够方便帮我们去快速的 生成整体的一个需求吧，它能够然后帮我们去做方案上的一些规划，而不是说聚焦于眼前，我只是实现了哪一块小的功能， 这个然后因为使用起来都比较简单，有了这些之后，那我们就需要然后多个角色来模拟我们整体的一些过程，我们通过 user story 来去模拟用户心路历程，这样的话从不同的视角来就看待这个方案，能够让我们的 spik 更一下规范， 借助打通呃，能够让我们把呃需求，然后做自动的开分，能够然后是更新那个 tik tok 的 状态，有人去领取，有人去完成，那么 open 自动化来打通平台，通过 skill 呃包括，然后去做一些封装，能够让我们的能力呢去覆盖到整个团队或者跨团队，这样的话 呃效能才能提升，要不然只是提升了自己的能力，而不是团队组织的能力，对个人来说看起来还还比较好，但你中间要对接的活也很多，因为其他人没有跟上，没有然后用同样的方式，对吧？你也需要晚上把其他人的能力给提升上来，一起的 通过 fig 码，通过，然后数据库的设计，然后都有了那么需求的变更。这里然后可以一句话来介绍一下，也就是我们的需求你可以变，但是要通过管理的方式来变， 无论是通过人工的方式去修改，还是通过 ai 扣扣字的来去修改都一样，修改了之后，那么就对应的跟那介绍系统打通，你把需求然后变更提交，可以通过 m c p 自动提交，提交了之后呢，要有对应的编号， 你生成的代码，然后在代码的注示上面也要标记出来，这一块是根据哪一个需求，根据哪一次变更做的调整， 那这样的你的 spec 文档才能够然后更全面，要不然有了 spec 文档也只是事后生成，它产生出来的这个效果没啥用 啊。这是然后对于很多其他的一些企业非技术场景做，然后各种一些产出物给客户，然后做汇报，你可以然后生成各种一些好看的报告，然后有一些咨询公司做技术的调研， 呃，还有然后拼设计层加固，加固师做多种方案的测评，项目经理跟产品经理这些也都用的到，所以这是然后今天然后给大家准备的内容看起来，然后跟写代码然后关联不大， 但是呢，然后对于很多的企业在成长的过程中，他是希望然后用到这些的，他也希望然后把中间的一些能力给给保留下来，能够实现，然后跨团队的一些复制，这是然后不同的一些那个过程。那我们还是想回到然后最后看一下，然后能力的成熟度， 能力的成熟度呢？这是中间的几个步骤，我看一下是在这里一共分为五个级别， 最开始的第一集 l 零是探索与认知一到三个月差不多的这个时间， 嗯，但是呢就是有一些然后是个人来去试点，但是还没有到企业级别团队，然后也比较少到 l 一， 基本上然后是团公司，然后确定了，然后有一些然后试点，试点不仅仅是说只是试，而是要验收， 所以有没有达到这个阶段就看有没有定目标，这个目标不一定要大，不一定，然后是说影响，然后自己的绩效哈，而是说要有一些然后结果产出。我试了一个月，两个月会有什么结果产出， 那再到呃第三级别，也就是 l 二这一块，那基本上要到呃你的规范要沉淀下来，各种的 skill， spike 文档，这些都要，然后很规范的沉淀下来，进行实践，进行共享， 并且然后在团队内部，更大的团队内部，然后进行呃，进行了整体的一些然后试点和推广。 那再到规模化，也就是通过然后数字化的驱动的方式，能够让整个公司整体的然后去推进，比如说然后看到哪些数字能够去度量，能够，然后有稳定的复盘的机制制度才到规模化。现在到这个级别的公司，然后不多很少， 那再然后全面转型，以及然后自己然后能够做一些引领，那这是只是通过文章当中看到有人提，但是真正哪个企业能对得上就很难说， 希望大家都能够，然后到更高的一些级别。那在这一块过程中呢，我们也在帮一些那个开发者，帮，然后团队，然后去做评估。咱们在第一期的时候有团队，然后提交了，然后这样的一个 呃扫码，然后填文券帮忙，然后去提供把脉，然后进行 ai 的， ai coding 的， 然后成熟度咨询。那么第二期、第三期大家然后感兴趣也同样可以扫码，我们来去，然后生成报告，帮你去分析，帮你整， 这也是然后今天整体的课程，我们整个开发生命周期当中的不同的阶段来去推进。第一节课我们做了整体上的一个概论，指出了，然后是陈述做的模型。 第二节课呢，我们是对老项目进行扫描，先去掌握现有的知识，那到了第二第三节课啊，就是今天哈，我们然后是对老项目扫描的基础上去增加新的需求，去设计 设计，然后 spot 文档设计归约啊再去，然后增加前端，后端啊， user， sorry， 以及然后是各种的，然后附带的这样的一些然后设计的产物，那有了这些设计，那接下来就要去开发，所以我们下一节课，然后就会去讲开发，再往后也可以预告一下， 会有然后测试的环节，还有运维部署的方式，让经验，然后去做沉淀的方式。 所以也请大也欢迎大家然后在群里一起交流，也欢迎然后分享你自己的开发中的一些故事，也欢迎大家一起来分享，你现在遇到了哪些问题，我们一起来解决。企业节约扣点，包括扣点，然后提供了开发的新范式。好嘞，感谢大家今天的时间。
81Qoder
01:51查看AI文稿AI文稿我，我其实是在昨天的一个客户，你看我是让他做一个汽车经销商管理系统， dms 给他一个提示词，告诉他你的技术战，它是基于 java spring boot 前后端的，要完成哪些模块，有哪些角色，哪些业务流程， 把这样个提示词给到他，给到他之后呢？在右面大家可以看到这是一个大型的全站项目，接下来他就派出了调研员来看你的工作环境，让你进行问题的澄清，如果你的问题需求提的 太粗了，他会进行问题的澄清，澄清清楚之后，他开始派出其他的专家团成员来协同的去完成这样一个任务。大家可以看到就是协同的过程，包括可以并发的派出多个后段工程师，前段工程师、通用工程师。 还有意思点啊，你今天可以自定一个自己的萨博瑞枕头，因为他带有咱们业务领域的这个专家角色，可以加入这个专家团的成员有非常灵活的编排跟组合，完成之后他要进行验证， 比如看到前头工程师这时候已经开始进行集成测试了，去进行问题的修复，前后端还有包括运维收尾，再到把这个任务给完成，整个任务跑了三个小时， 他自己执行了三个小时，然后把这个系统给交付回来。刚才我们提到的各个模块了，我们试过了，他其实各个模块都是可以去跑起来的，只是这里边没有我们的设计， 没有我们对他的，比如说一些行业型的萨斯的一些输入，或者我们一些真实数据，如果可以，他其实的确可以发挥这样个威力，所以这就是面向今天交给你一个更强的工具，那你怎么样去驾驭他？所以说这就是我们刚才提到这样个技术趋势，同时我们面向企业级其实提出个概念 叫企业知识引擎，企业知识引擎就要解决刚才我们提到的你踩的坑，我能不能不踩？其实不然的话，大家都有同样犯错的一个成本。
18Qoder
01:51查看AI文稿AI文稿用 ai 变成助手，大家肯定或多或少遇到这样一个问题，每过一会， ai 就 会找我要权限，或者问我这个事情能不能做，所以我们推出了 auto mode。 我 们的核心思路很简单，用一个轻量的 ai 去审批主 ai 的 操作，对安全的我们自动放行， 对危险的我们自动拒绝，全程都不会弹框，那么怎么去启动它呢？其实很简单，大家看到只要我按 shift 加 tab 就 可以切换到 auto mode。 现在我来给他一个任务， 你看他这边就先先读文件，他接下来会再去改代码，最后得跑跑测试，四三步全都是自动完成，不会有任何一个确认框弹出来。这背后有三层确认机制，第一层，读文件，这种只读操作，在白名单上我直接放行。第二层，对于一些编辑工作工作区内的文件，它是安全的路径， 我们会让他走快速路路，路径也是直接过第三层，嗯，有一些稍微有一些风险的命令，我们给一个清零的分类器，如果这个操作和我的请求一致，那我们就会放弃他。 那么可能就会有人问，如果我换成很危险操作呢？比如说这个，嗯，这样子呢？嗯，我想把整个代码库全都删掉，我直接删库跑路啊。大家看到其实他这个逻辑就会在在这边被拦住， 而且我们不仅如此，在此基础之上，我们还有垄断机制，如果我连续多次被拒绝系统，它的模型可能卡住了，或者是遇到什么解决不了的问题，于是我会自动垄断整个 os， 防止它无限的重试，浪费我们的资源。 那么总结一下， default 模式，可能每步都要做做确认， accept 编辑它是自动过的，但是命令还是要手动 p 的 优漏全放，但是缺少了一些安全的网，那么 auto 是 中间地带 安全的，自动过危险的会自动拦住，全程零弹框，我们可以说它就是在效率和安全之间的最优解。
43Qoder
41:09
