怎么用cloudcode修改简历

大家好，今天来给大家讲解一下可乐扣的桌面端，他接入了国内的第三方大模型之后，是如何实现联网搜索的功能的。现在呢，我们先来做一个试例，我们现在以小米的这个咪蒙模型为例啊，问他一个问题，今天杭州的天气怎么样？ 我们稍等一下来，我们来看它是没有办法实现这个 websearch 的 功能的，那我们其实是可以取现救国一下的，具体采用这个 web fetch 的 方式，那么该如何实现这个功能呢？我们点击左上角三条杠，然后点这个 developer， 然后点这个 configure third party inference， 然后选中这个 sandbox 和这个 workspace， 点击这个选项右边的这个 allow all， 然后点这个 apply locally 重启，然后我们再回到这个绘画，我们再问它一遍， 我们稍等一会儿 看它，这个结果很快就出来了，这个其实是通过 web fetch 的 功能来实现的，它没有使用这个 web search 的 功能，我们可以来问它一下，你使用 web search 的 功能了吗？ 所以说它其实是没有实现这个 web search 的 功能的，但是我们用这个 web fetch 曲线救火，实现了一部分的联网搜索能力。那有的朋友可能就要问了，如何实现这个 web search 的 功能呢？这个很简单，其实我们换一个大模型就可以了， 还是点左上角三条杠， developer a figure third party influence， 我 们切换成智普的模型，然后我们再问同样的问题，今天的杭州天气怎么样？ 你看我们智普这个模型，其实就可以使用这个 web search 功能，我们可以看到智普的这个 web fetch 的 功能是关闭的，那为什么智普可以用，但是小米 miimo 却不行？那是因为 web search 功能它是通过这个 m c p 服务去实现的， 而智浦它本身是带一个 m c p 的 每月额度，可以调用这个联网搜索的功能。而小米咪某呢？我们来看小米咪某，它其实也是带这个联网服务插件的，我也已经开通了，但是为什么不可以用呢？因为它不兼容。 你看在这里 openai 它是兼容这个联网搜索功能的，但是在 osmic 这里它是不支持联网搜索功能的，这个是属于小米，它还没有提供这样的服务，所以说我们没有办法实现这个功能，只能是取现救国，用 web fetch 的 方式去实现。好了，这就是今天所有的内容了，祝大家用的愉快。

大家好，前两期分别教大家如何安装 cloud code 的 桌面版，以及如何实现了 cloud code 的 桌面版的联网搜索。今天我们继续进阶教程，教大家如何安装 skill 以及如何配置 mcp。 首先我们要了解什么是 skill， 直白一点就是用自然语言去编程，每一份高效的 skill 都一定是经历过沉淀、总结、积累和试错的，比如说一个十年的优秀设计师，他的审美经验都可以浓缩总结成为一份 skill， 这份 skill 就是 一份操作手册， 人类可能需要学习十年，但 ai 只需要一瞬间。 ok， 那 我们现在讨论一下该如何给 cloud code 来装配这个 skill。 一 共有三种办法。第一种方法，直接给你的 ai 发送 github 上相关的 skill 链接，它就能帮你安装了，我们来尝试一下， 稍等一下， ok， 我 们现在就已经成功安装上了这个 skill， 然后我们就可以在 skill 中看到我们刚刚安装的 skill， 但是这里我们并没有发现，那我们可以多问 ai 一 句，我刚刚已经安装了这个 skill， 但是为什么 skill 列表中没有？ 然后我们再看一下，这个 skill 就 已经出现了，所以不要太担心。第二个方法是我们下载相关 skill 的 压缩包，然后让 ai 包们安装。具体的操作方法是这样子的，我们首先点击左下角的加号，然后点击 skills， 点击 manage skills， 点击右上角的加号，点击 create a skill， 点击 upload a skill。 然后我们把这个 skill 的 压缩包拖露进来，我们在技能库中能够看到这个 skill， 就 代表该 skill 已经成功安装了。第三种方法，也是我最推荐的一个方法，授人以鱼不如授人以渔，与其自己去搜，不如让 ai 给你推荐。 假如我是一名剪辑师，我就可以让 ai 帮助我在互联网上搜索有没有与剪辑相关的 skill， 然后并且推荐给我，就不用我自己费劲的去寻找了。 a i 已经找到了很多相关的 skill， 那 我们选择想要安装的就可以了。那接下来我来教大家如何配置远程的 m c p 服务。 首先我们需要登录这个网址注册一个 tv 里的账号，它里面提供了每月一千次的免费 m c p 调用额度。在我们完成注册之后，我们会来到这样的一个页面，在这里我们会获得我们的密钥，将这个密钥填入到我们的 cloud code 当中，就可以完成相关 m c p 服务的配置。 第一步，点击左上角三条杠，点击 developer， 点击 configure third party influence， 点击第三个，这有 m c p servers。 然后我们点击添加内容，这里随便填，我选择填 tivy url， 我 们就选择填和我一样的就可以了。传输方式我们选择第一个， 第四个不用填，第五个就是你的密钥。密钥需要注意的是，它要遵循一个这样的 jason 格式，相关的教程在抖音群里有分享，大家可以看一下。 ok， 我 们将这几个填好之后，点击 apply locally 等待重启。 然后我们又会发现起用了一个 tivoli， 它就是成功添加了这个 mcp 的 第三方服务了，我们可以看 tivoli 可以 给我们提供这些服务，那我们在使用的时候跟大家说一声就好了，这就是今天全部的教程了，希望大家用的愉快。

我表哥投了九十一份简历，零回复，零面试，全部石沉大海。然后我帮他把简历上传到了豆包 deepsea， 九天内收到了十一条回复， 那么我是怎么做到的呢？以下是我用到的七个提示词。一、简历优化为职位改写我的简历重点突出可量化成就强势形容动词和招聘方搜索的关键词。 二、求是信，创建，为公司的职位写一份简洁自信的求是信，确保个性化、专业贴近此职位的需求。三、面试准备为职位生成十个常见的面试问题， 自然自信的回答听起来是绘画式且真诚。四、招聘方万展为职位写一条简短的领音信息，给招聘官保持温暖简洁、有说服力，带清晰号召。五、技能转化，将我在行业的经验重构为新行业或职位，突出可转移技能展示，可量化影响。 六、跟进策略创建风面试后的跟进邮件发给 hr， 内容礼貌难忘，表述为何我是完美人选。七、如果工资在七千块钱以下，那大家可以不用尝试，因为这种工作不配占用大家这么多脑细胞。

大家好，我是老于，今天给大家分享一个我用 cloud code 制作着一个网页的文件，通过这个网页软件呢，解决了我制作工程资料过程中一些呃重复性的工作， 下面我将制作步骤分享给大家。最近在做工程资料时发现一个痛点，就是这种每一份 e、 k、 s、 l 格式的资料，仅仅需要对照台账，修改一下对应的部位、名称、时间和里面的随机数，几百份资料复制黏贴真的很烦， 于是我让 cloud code 帮我制作了一个网页版的资料生成器，它可以对照固定模板，参考台账数据，一键导出所有资料，这样大大节省了我们的时间。下面我来演示一下一卡式优。 首先要创建一份模板和一份对应的台账，我们先找到模板里面有哪些数据要修改，再创建对应台账。 我们打开资料生成器，首先上传 excel 模板，系统会自动识别模板，我们点击对应单元格，填入台账上的名称，确认没问题后上传台账。 上传台账后，在下方配置字段映设，根据下拉菜单一一勾选，勾选后会出现预览，预览没问题后点击生成并下载 z i p 按钮，系统一键生成压缩包， 我们打开压缩包，随便打开一个文件，把里面的数据和台账对比一下，没问题后可以直接打印了，这几十份资料几分钟就做好啦，想了解这个工具的可以后台找我。

cloud code 架构解读，这个其实会稍微有一点点的这个小小的这个难度啊，但是我们会尽量的在今天晚上这个讲解过程当中呢，把这个难度降一下来进行一个讲解的介绍啊。因为 cloud code 它作为目前可以说全球最顶尖的 agent 架构，它底层的原理其实非常非常复杂，内部的这个架构呢，也非常非常复杂， 对吧？源码出来之后总共又是五十一万行啊，这样的一个很大的这个项目，虽然里面其实会有一些这个技术债在里边啊，但是其实不是很多 啊，整个源码的这个结构还是非常的这个紧凑，然后效率也是非常高的啊，所以我们才有说围绕他这个内容来进行解读的这个必要。我们今天晚上在课间里边有一个百度网盘，网盘里面就包括包含完整的 cloud code 这个项目的这个源码啊，然后呢我是给大家准备了两个 啊，一个叫 beautiful 杠 folk 的 一个原码，还有个 collection， 这两个原码像这个 beautiful folk 啊，直接打包运行，就可以直接去在本地运行一个 cloud code 啊这样的一整套原码。然后这个 collection 呢，实际上是一些更加零散的啊，一些这个原码，下面有非常非常完整的这个原码参考说明哈。大家这个领取原码之后呢，可以自己去看一下啊，这个呢是 它的这个完整这个原码，但是呢它因为它这个原码有五十一万行啊，所以呢，如果你想呃自己从头去进行这个开发啊，或者是自己来进行打包的话啊，也可以试着来进行一些这个运行啊，当然我们说如果你只是去用 clock code 的 话，那么拿它的原码或许没太大用啊，但如果你是想 去参考 clock code 的 这样的架构，然后来进行二次开发啊，那这个原码可能就很有用了。对于 clock code 来说，它总共是五十一万多行的这个代码，其实它的这个项目体量呃是非常大的一个这个项目哈， 那么在五十一万多代码里边，我相信可能很多同学就会比较感兴趣啊，那他什么这个代码会比较多呢？对不对啊？那个是不是调用模型代码会比较多呢？啊？构建一个 a 政策让他能够顺利调用工具代码比较多呢？还是用于去构建上下文的啊？这个代码比较多呢？还是要内置工具的 使用代码会比较多呢？还是他的这个内部的 skype 代码会比较多呢？那么同学其实会有这方面的这样的这个想法，但实际上啊，我们如果去看 clock 它完整的这个代码体系的话，那么你会发现它里边啊，只有不到百分之五的这个代码 是用于去给你构建一个完整的这样的一个 agent 啊，就是啊，大模型啊，这个调用某些工具啊，然后呢给它写成是一个 look， 对 不对？对不对啊？这个 agent 运行时嘛，一个这个循环，它会不断地调用这工具来完成对应的这样的一个这个工作，它里边啊，总共是只有不到百分之五代码是去写这些东西的， 剩下所有的这个代码，其实基本上全部都是 harness engineering 啊，就是我们呃上一场公开课讨论的这个内容啊，所谓这 harness engineering 要指的是它这里面基本上很多很多代码都是为了 如何让一个 agent 更加稳定，长期稳定啊，这个并且能够非常好的理解用户意图来进行一个这个运行好的，但这个其实对于现在我们在进行 agent 开发的很多同学啊，甚至是对于比如说啊，像 long chain agent school 啊，这些 agent 的 开发框架来说，都有非常好的这个借鉴意义啊，因为其实啊， 现就是呃大模型技术发展到现在，你会发现让一个模型会调用工具啊，会多用调部工，呃，会多部调用工具对不对？会一边思考一边调用工具等等等等啊，这个事情其实已经不是什么特别难的这个事情了啊， 包括现在大魔仙本身上下纹也很长啊，然后呢，工具识别能力也很强啊，在这样的情况下呢，你要去定义一个 agent 的 loop 啊，一个运行的这个循环啊，其实非常简单，你让它调用各式各样的工具，其实它也都也能够也都能够来进行很好的调用，但是呢，难就难在 很多复杂的工作，你怎么让 agent 去做呢啊？很多需要长时间啊，来进行运行的这个事务怎么样让 agent 去完成呢？很多需要非常非常长的上下文，长期持续专注去解决某些问题啊，怎么去交给 agent 来进行运行呢？这个其实才是现在我们在去使用 agent 的 一个非常大的一个难题。 那所以哈，我们前段时间公开课讲的 harness engineering 啊，这个驾驭工程啊，就指的是，哎，我们现在呢是要需要给当前的 agent 更好的一些 约束对不对啊？约束好了之后，他才能够长期稳定的去完成某一些这个工作，这其实是一个架构的这个理念。而在 cloud code 他 这次泄露的这个原码里边，我们就能够非常好的看出啊，他的这个驾驭工程是怎么做的啊？所以啊，我们 这次的 cloud code 这个原码的个泄露啊，也有很多技术人觉得说啊，这就是一个非常好的一次这个驾驭工程的落地实践的这样的样板啊，值得好好学习。 我们都知道在 a 证的运行的过程当中，其实需要他如果需要长期运行的话，会有很多很多很多问题的啊，比如说什么上下文越来越大， a 证的越迟钝，然后关掉就失忆啊，然后这个重开的 之之前的这个所有的这个记忆全全部都没有了啊，然后呢，比如说他的安全性的这个问题，对不对？然后比如说他的在伴随着运行的过程当中啊，他的这个实际的运行成本是限性增长啊，并且呢他其实会有个海量的啊，这个知识方面的这个商增啊，非常迅速的这个知识方面商增的这样的过程啊， 那么这些结都是会去影响一个 agent 的 长期稳定来进行运行的这样的一些这个不利的影响因素啊，那么其实从 code 完整的架构里面我们就能看得出来，哎，他呢是怎么去考虑解决的啊？解决这个问题，那么其中呢，既有一些 我们现在通用的啊，知道的一些这个解法的代码层面上的实现啊，同时呢他也会有一些啊，这个我们可能之前不太了解啊，甚至都没有听到过的 一些这个方法啊，来进行这个实现，等等等等啊，那么我们接下来在接下来的课程里面都会来进行一个这个介绍，那么这部分工作之所以会非常有价值的一个原因啊，其实也是因为大冒险本身啊，他的这个模型或者这个算法 导致的他本身运行的这个不确定性。那么我们在使用大模型的时候啊，其实经常啊，大家会觉得说啊，我们运行一个同一个任务，运行多次，他的结果不一样，我们在使用大模型的时候，很多时候都是在类似于像绝经的这样的过程，哎，他这次运行效果好了， 说不定啊，我们就有很大的这个用处，那这次运行效果不好，我们可能很可能很多时候甚至希望他多运行几遍，那至于这样的场景，我们当然是希望大冒险每次运行都能够长期稳定的，对不对啊？运行的这个很好啊，所以这才是所谓的这个驾驭工程的这样的一个啊，他的核心的这个出发点啊，跟现在这套技术最有价值的这个地方啊， 当然如果类比，比如说现在很多的一些这个啊，视频啊， ai 生成的这个视频的这个领域，它现在不仅仅是说啊，在在在什么这个提示方面会有些优化啊，甚至还出现了类似于这个抽卡这样的个流程啊，就同一个 场景啊，同一段故事啊，他可能会生成很多遍啊，然后你去找那些生成效果最好的那样的一些这个内容啊。当然我们想，如果你可以通过驾驭工程啊，假设类似这样的场景能够让当前这个 a 阵子长期稳定的去生产对应的这个结果的话，那么其实这个过程中间你要省去的成本或者提高效率就非常的可观了。 所以这就是我们接下来啊，需要去看现在的 cloud code， 它的这整个架构，或者我们通过今天晚上这样的一个学习啊，最后能够收获到的啊，最可贵的这样的这个知识和内容。哈哈，好，那么接下来我们就来看看啊，现在的这 cloud code 的 整个的这个架构啊，长什么样啊？以及呢，我们怎么样去啊，它，它是怎么样 很好的去引导当前这个 agent 长期稳定高效的就产出基金的这个内容的，对不对啊？ ok， 好， 那么首先哈，我们会先，我们会先从一个 很简单的一个这个代码，呃，一个这个 demo 入手啊，跟大家来进行一个讲解的介绍啊，这也是考虑到我咱们今天晚上可能有一些呃，之前零基础的这个同学啊来听课， 那证明我们学上是借助了一个项目啊，叫 learn cloud code 啊，这个项目啊，这个项目其实是一个大家如果想要去深入学习 cloud code 的 每一个技术细节的话，一个非常不错的一个，呃，之前是一个逆向 去拆解 clock code 的 一个这个项目啊，然后现在呢， clock code 的 原码卸灭了之后呢，这个项目也火了啊，因为他很多之前对 clock code 的 一些这个猜想是对的啊，呃，大概猜对了三四层吧，啊哈哈，剩下的都都 不太对啊。然后呢，在这个项目里边其实有很多的一些围绕 cloud code 的 一些基本的底层功能的一些 demo 级的这样的实现啊，所以呢，我们接下来呢，在进行运行的时候呢，也会采用啊这个项目里边的一些这个代码给大家来进行演示啊，就是出于一个教学或者零基础理解这样的场景下，哎，我们看看 agent 是 怎么运行的，它会有什么样的问题，以及如何来进行解决 好，那么首先哈，我们需要知道当代 agent 在 进行运行的时候，其实它的这个呃整体的这个运行逻辑或者核心股价其实非常非常简单啊，就是一个呃能调用工具的这个大模型啊，加上这个 c m d 命令行工具啊，基本上就构成了我们现在看能看到的所有的 agent 最核心的这个股价。 那么所谓的这个 cmd 命令行这工具哈，它呢，实际上啊，就是一个这个 tour， 对 不对啊？这就是一个工具啊，然后呢，这个工具呢，它可以操作你当前的环境这个命令行，然后你只需要给它输入命令，然后它就可以自动来进行执行，你可以这么来进行理解就可以了。那这个工具之所以会成为当代 a 阵的最为核心的这工具， 大家想一想嘛，啊，你用这个 openclo 是 不是你动不动让它什么生成个文件啊，这个整理个桌面啊，啊，做这个事，做那个事啊，阅读下自己的这个记忆啊，修改自己的记忆啊，它背后怎么来进行的，基本上都是靠 这个命令行来进行实现啊，命令行就是操作你当前这个电脑最为核心的这样的工具啊，那么呃这个呢，是第一个，那么命令行工具在上面这个项目里边啊，回大家可以自己 在我们的课程的课间里面能找到哈这样的这个项目，然后里面有这个代码啊，让大家看一下啊，命令行工具，一个典型的命令行工具定义长什么样？然后同时呢啊，关于这个核心的 agent 在 运行的过程当中，它的核心功能其实都是通过一个叫做 agent loop 的 这样的工具来啊这样的一个形式来实现的啊，稍等 大家课间放大一点。然后呢，所谓啊这个 agent loop 呢，它呢实际上就指的是我们在进行调用的时候啊，啊，在大模型的工具的这个时候啊，基本上它就是属于一个啊 循环的这样的状态啊，那么这个循环它循环的是啊，我这次在进行工具调用啊，在这个看它能不能成功啊，如果成功了的话，我们就退出这个循环啊，给用户一个答案啊，如果成功了的话，我们就退出这个循环啊，给用户一个这个循环啊， 当然我们一会去看 cloud code， 它其实也是哈，那这个它里面这个源码其实也是一个这个 loop 啊，也是一个循环这样的概念。那么现在为什么啊？这个 agent 运行的这个核心本质上就是个 loop 啊，也非常重要的原因是因为现在的大模型性能都非常强 啊，如果是早几年的这个大模型啊，比如说二四年的那个大模型啊，那个时候呢，大模型这个不说调用工具稳定不稳定吧，如果你是把它放到一个 loop 里面来进行这个循环的话，那它就完蛋了哈，因为它根本不知道自己什么时候该停下来， 但是呢，对于现在当代大冒险来说，他其实都会有个非常清楚的这样的一个认识啊，一个呢是对用户的意图更加深刻的这个把控啊，那么除此之外呢，他也有一套自己啊非常清晰的去判断，关于说，哎，我现在运行到这个什么程度，或许需要停下来啊， 这样的一个这个状态啊，所以呢，基本上核心的这个 a 阵，它都是在一个 log 里面来进行运行啊，就是不断不断不断的尝试这样用各式各样的工具啊，去完成当前用户的提出这样的问题啊，完成了之后呢，就跳出这个循环啊，或者失败了很多次之后，觉得自己没必要再试了，也可以跳出这个这样的个循环啊，否则就一直在循环里面来进行。 那么有了这个 log 啊，然后呢又有了这个命令行工具之后啊，那么接下来啊，我们说你的这个 agent 啊，就属于一个基本成型的这样的一个这个状态啊，因为它可以持续不断地调用命令行，去完成各式各样这个操作啊，当然这个其实也是 cloud code 啊，里边核心源码的这个部分啊，这里面大家如果感兴趣的话，可以在这个 呃， beautiful s r c 的 那个文件里边能够去找到它完整这个源码啊，然后呢，这部分的它的内部的 agent 运行的这个源码核心代码呢，是在这 q r 点 t s 里边啊，大家可以去看一下， 发现啊，它其实也是一个也是一个 loop， 对 吧啊，它其实就是在不断的调用当前的 cloud cloud 这样的模型，在进行一个这个循环啊，差不多是这样的一个这个情况， 所以啊，你会发现，呃，整个的啊，我们当代的 ag 的 核心呢，就是要需要构建好这样的个 loop 啊，当然我们这一期讲的会比较简单哈，真正在构建 loop 的 时候，你可能好歹得用些这个工具啊，得用些这个框架啊，然后呢辅助你更好的去完成这样的这个 loop 啊， 这里大家可以自己去试一试啊，我们上面给大家给出的这个原码啊，就是上面呃，我们这个教学视力的这个代码啊， 就 learn cloud code 啊，这里面这个代码，大家可以自己去尝试着去用用，看一看啊，感受一下啊，他现在整个的这个核心的这个路谱呢，大概长什么样啊？你现在呢，让他呃这个执行简单的任务，他就是一步啊，这样工具结束了啊，如果让他执行复杂任务，他可能会 多部啊来调用这工具啊，但总之呢，有了这个命令，行啊，有了能够啊，有了这个能够调用工具的这个大模型啊，再加上一个路谱啊，基本上我们的 agent 的 核心呢，就这么构成了啊，是这样的这个情况， 当然哈，我们去构建这样的 agent 的 这个核心啊，大家肯定会想啊，那呃，他肯定会有些不太够的地方，对不对啊？你好歹给他多整一点这个工具啊，给他搞一点这个复杂的上下文啊，等等等等， 那我们说所有的啊，其他的这个 agent 的 这个架构，基本上都是以这个为核心去进行那些功能的这个拓展，我们这也就不展开了来说了，但是大家需要知道的是一个基于 look 啊和啊基于这个命令行为核心工具的这样的 agent 的 体系，它其实会面临很多问题的啊，我们接下来主要是看它会有什么样这个问题，以及呢 cloud code 到底是如何来进行解决的？ 那么他会有哪一些问题呢啊？首先第一个就是上下文会不断的增加，对不对啊？这其实是非常明显的一个这个问题啊，也是我们在实际对话过程当中迅速就会遇到的这样的这个问题啊，上下文会越来越长， 越来越长，并且呢伴随着像现在啊，我们很多比较复杂的这工具在进行调用的时候啊，他这个上下文呢，实际上是会呈现这个指数级的这个上涨这样的情况， 上下文一长啊，其实就会带来很多的非常致命的一些这个问题哈，就比如说一个呢，是模型的啊，他会有个上下文的这样的窗口啊，超过这窗口他就没法来进行运运行了，必须要去裁剪一下之前这样的记忆啊。那么第二个呢，是 伴随上下文越长啊，其实模型的注意力呢也会被稀释掉啊，这就是所谓的现在我们在去使用，比如说 color code 呀，或者是大家去用很多的一些大模型，你会发现前半段啊，运行的还很好啊，愿意去生成一些很长的这个结果。到后半段 啊，尤其是这个模型快到自己的上下文窗口的时候，他就开始疯狂的输出啊，对不对啊？也不管这个输出对不对啊，或者质量好不好啊，甚至是这个给你乱输出一通啊，总之就是会迅速在短时间内把这任务给结束掉啊，这就是所谓的当代大模型的上下文焦虑，哈哈，会存在这样的这个问题。 那么第二个就是对于每一个 a 阵在这运行的过程当中啊，他其实会存在关掉就失忆啊，重开全部知道啊，这样的这个情况啊，但是这个情况 大家都能理解，对不对啊？因为上下文没了嘛啊？但是呢，我们说在当代的 agent 的 这样运行体系里面，为什么这点会变得非常重要啊？其实是因为我们现在的很多 agent 在 运行的时候，它往往不是一个 agent， 它是很多个 agent 啊，这个时候呢，它我们在实际执行任务的时候，就需要非常合理的给不同的 agent 啊，给他来进行非常精密的上下文，这样的匹配才能够迅速的带入到自己的这个角色里面来啊，来完成运行啊。所以呢，对于现在的 agent 运行过程当中来说啊，我们说合理的给他匹配上下文也是非常重要的一个方面。 第三个就是安全方面这样的问题，对不对啊？那安全方面问题呢？呃，之前我们在讲 cloud code 啊，讲 open cloud， 其实有讲到过啊，就是由于你现在啊 这个 a 智能很厉害啊，对不对？他自个又很聪明哈，然后呢，他又有智慧啊，又可以操作命令行者工具啊，对你各种环境的一通操作哈，那么这个时候呢，呃，他这个安全问题就会变得非常重要啊，因为他一不小心把你什么关键文件给删了哈，对不对？那这个事情就很尴尬了啊，所以呢，对于现在的这个 a 智能运行来说，安全其实是一个很大的 一个这个需要考虑的一个方面。那么 agent 的 安全哈，跟传统的软件安全还不太一样啊，传统的软件安全，它其实是可以通过一系列这个测试给它测试下来的哈，就去看啊，关于啊，你在各个场景下你的所有功能是怎么样来进行运行的，一个一个来进行安全测试，测试完了之后就可以上线。 但是对于大模型来说啊，它呢是一个有智慧的工具啊，那么呃，你引导它去工作啊，那么也可能会它呢也可能会被别的一些信息给忽悠瘸了啊，这个时候呢，你就得这个想办法，对不对啊？这个用魔法，对方用魔法对抗魔法啊，才能够解决大模型的安全性的这样的问题。 我们现在说 open cloud 啊，这个很多的安全性问题，非常的这个显著，有很多隐患需要来进行修复。但实际上呢， cloud code 啊，它作为目前非常通用的这个智能体， 他的安全的这个级别是非常高的，他也是之前经历了很长一段时间安全啊，踩坑啊，甚至被竞争对手殃流啊，这样的这个情况之后啊，现在他才这个逐渐逐渐逐渐提升了啊，他的安全性，这样的这个啊，提升他的安全性的一些这个措施，那么现在啊卡扣的的安全的很多措施我们会看啊，其实还是非常精彩的。 那不管怎么样，我们说对于安全性这个问题，哎，它其实也是属于，对吧？啊，整个 agent 在 进行运行的过程当中啊，这个我们是要时刻关注的啊，就比如说这里面我们现在给大家的这个视力代码里边啊，这个不是呃，这个不是 clock code 的 这个原码哈，这是我们给大家视力代码里，比如说 一些就包含了一些非常基础的安全性啊，这样的一个解决这个问题，比如说啊不让他去使用什么 r m 杠 r f 这样的这个命令啊，还有这个什么 s u d u 啊，这个全部权限这个命令啊，还有这个杀档啊，关闭某些东西这个命令等等等等啊，会有这样的这个提示啊，等等等等。 当然啊，还有一个非常重要的一个这个问题啊，就是他其实 a 阵的运行的过程当中啊，尤其是一些长效长期这样的问题，会带来巨量的知识的，这个 商真啊哈，那么你运行的越多啊，关联的文档就越多啊，他你现在需要处理的这个局面就越就更加的这个复杂啊，他其实是会出现一个非常巨量的、非常快速的这个商真这样的状态， 这个商真这个状态哈，其实会很大程度上啊影响你未来 a 智能是否能长期稳定运行的一个这个点啊，这个其实并不是在于说我现在啊，这个每次带货量我就越多了，然后我付的钱就越多，并不是这样，而是他整个的运行的稳定性 就会遭到巨大的啊，这个呃影响啊，那么就比如说啊，我们这个 agent 的 look 对 不对？在运行的过程当中呢，你会发现啊，这个运行的运行的，运行的每一轮 talk 就 越来越多啊，当然浅层次的呢，是你的费用越来越多啊，但是这个深层次的呢，是伴随着你当前 agent 的 这个商增啊，你其实你的稳定性会受到很大的影响。好， 那这问题怎么解决呢啊？我们接下来其实哈整，如果你去纵观整个 cloud code 啊，它的这些原码，基本上它就是围绕着这 四个问题啊来进行的这个展开啊。我们其实今天晚上的公开课并不会啊，直接去贴一个啊，比如说 clock code 完整的啊，这个什么几十个这个，呃，几十个不同的核心的这个主类啊，还有上百个啊，这个子类它的功能对比的这个表啊，这个其实意义不大啊，我们更多的希望大家能够通 过我们接下来这个解读啊，能够看得出来这个 clock code 是 怎么样啊，去实现这个 harness engineering 的 啊，以及呢我们现在这个 clock code 到底是啊作用于它的核心架构，对我们开发人员来说，它到底是能够解决哪些问题？ 那么接下来啊，这个原码这个层面，其实就，呃基本上啊整个扣的这个原码层面都是围绕的我们刚才所说的这四个方面啊来展开的啊。当然大家如果想去看他完整这个原码的话，那么其实呃上面有原码，上面完整这个原码大家可以自己去拿，自己荡下来之后去可以去看一下啊，那么总之呢，现在他总共呢是 五十一万多行的这个代码里代码文件啊，然后总共呢是一千九百多个这个，呃五十一万行的代码啊，主要是 t s 的 这个代码，然后呢差不多是一千九百多个这个代码的这个文件，那么它总共的各式各样的分类呢？差不多是这样的这个情况啊，与它 模型 api 交互的核心代码，差不多是八千行啊，然后呢？这 curry engine 啊，推理引擎啊，差不多是这个 四万六千行啊，然后呢？工具系统啊，还有四十多个工具这个模块啊，差不多三万行代码啊，然后呢？什么这个终端 ui 渲染啊，差不多是两万五千行，剩下的这所有的哈，尤其是这个什么工程基础设施啊，总共有三十六万行代码，剩下这些所有的基本上都是为了啊，让当前这个 agent 给它约束，好 让它更好的去呃，这围绕长期这个问题来进行解决啊，所以呢，你会发现对不对啊？差不多这个百分之九十八啊，都是这个 harness engineering 啊里面相关的这个内容啊，这个呢，就是它完整的项目的这个代码，大家可以自己当下来去看一下，然后下面呢也有关于它的这个代码的 一个基本的这个分布物啊。好，那不管怎么样，我们接下来就来看看到底是怎么去解决这样的一些这个问题的啊，就是怎么去借助这个 harness engineering 这个架构呢，去解决它现在的这个啊，现在 a 证的长期稳定运行的这样的一些这个问题的 啊。当然其实讨论到这 harness engineering 这个的话，其实我们之前是呃有单独讲到过哈，这个 harness engineering 的 这个内容 哎，稍等，我们这个图它裂了啊，我们其实之前有一期公开课专门是讲到过啊，它内部的这个整个的这个 harness engineering 的 这样的一个这个呃基础理论，那么 对于 android big 来说啊，他会觉得整个的啊，这个按整个去构建它的这样高性能这个智能体，我们基本上是需要做好以下这么四个方面的这个工作啊。这个是它的第一版的这个想法。第一个呢是 context engineering 啊，就它上下文工程啊。第二个呢是 啊，我们如何协调内部的 agent 工作流和他的这个决策流程啊？第三个呢是提供高质量的工具接口跟工具描述啊。第四个呢是做好他的安全行为边界这样的个约束啊，差不多是他最开始啊是有这样的一套这个理论体系，这个是他自己的这个博课里面，这个呃博课里面来进行的这个介绍哈啊，当然这个理论其实说起来会比较 呃枯燥，我们接下来直接去看它到底是怎么做的，对不对？我们直接去看它这四个方面啊，到底是如何去解决的啊？那么它整个的 harness engineering 基本上就是集中在这四个方面的工程的实践。一个呢是所谓这个约束工作台啊，专门去进行上下文管理啊。第二个呢是它的这个记忆方面的这个管理啊，它呢是分成了三层来进行记忆管理， 这个记忆管理不仅仅记忆存储哈，还涉及到非常复杂的这个记忆处理的相关的这个内容。然后同时呢还有很多众生防众生的这个防御啊，和它如何来进行成本啊？这是 talking 消耗方面的这个成本的这个约束，我们先来看一下啊，是如何来进行实现的， 当然我们说对于整个的卡扣的来说啊，它的这个整体的这个架构啊，这个我们简单提一句啊，这个我们这个大家感兴趣可以自己去看一下，它的整个架架构其实分为五层的，分别是入口层啊，是是运行层、引擎层、工具能力层、技术设施层啊，差不多是分为这么五层的 啊，这个内容啊，但是入口就指的是它的所有的可以调用的啊，给它来进行信息传递的这样的这个接口，有一点像 opencloud 的 这个 getaway 啊，这样的一个这个系统啊，因为其实对于现在的 cloudcode 来说啊，它呢是可以 在，就比如说这个啊， kelly 啊，对不对啊？命令行里面来进行调用，可以在 id 里面调用，也可以使用这 sdk 啊，也就是这个 opencloud 啊， cloudcode， 不好意思啊， cloudcode 官方他们推出这个 sdk 对 不对啊？来进行调用等等等等。 然后同时啊还有这个运行十层啊，这个运行十层其实主要就是我们之前所说的啊，它的这 agent look 啊，这样的一个这个环节啊，只不过呢它的运行十层里面还包括啊，比如说这 r e p 啊，交互式的这样环境，还包括啊这个后壳的一些这个钩子，还包括它当时运行的过程当中状态的管理等等啊，这个呢是所谓的运行十层，那 再往下啊，就是这个推理的这个引擎层，对不对啊？主要是 q r n g 呢的管理以及呢 compact 非常非常重要的关于上下文压缩的 这样的一个工作的啊，这个实现，然后再往下啊，就是关于工具和能力层啊，内部工具怎么样进行实现，怎么通过啊？插件来进能力拓展啊，还有 m、 c、 p 跟 skill 如何来进行接入， 多 agent 啊，如何来进行复制和分发啊等等等等啊，相关这个内容啊，再往下还有更加基础的一些基础设施啊，什么什么的存储的格式啊，还有这个缓存的这个内容啊等等等等啊，这怎么一系列的这个总共啊，是这么五层啊，来进行的一个架构，当然我们这里啊，接下来重点是来探讨关于它的引擎层和工具能力层啊， 这两层呢，就是主要去解决我们上面所看到的这四个方面核心问题的啊，这两层的这个基本的架构 ok， 行啊，那么首先啊，第一个我们先来看啊，他的上下文是如何来进行管理的， 这个呢，其实是涉及到我们上面啊，关于这四层里边第一个啊，关于约束工作台啊，他的上下文管理的第一个模块的一些扣扣的一些这个措施。那么首先啊，这张图其实非常形象哈，就是它的适用于来去描述啊，关于你现在的 a 证在进行运行的过程当中啊，可能最开始 运行的还不错，对不对啊，是一个非常整洁干净的这个宽敞的这个桌面啊，运行了一段时间之后呢啊，这边乱七八糟啊，你就根本不知道如何进管理它整个的 a 阵呢，进行运行的过程呢，它的这个性能也会下降啊，这是一个非常形象的这样的比喻， 当然我们这里是以以两百两百 k talk 为例来进行的这个说明哈，实际上最新的这 cloud code open 啊， cloud open 四点六，实际上已经是全面升级到一兆风向文了啊，相当于是拓展了这个五倍， 那么这对于这个上下文来说哈，首先啊，两百 k 肯定是一个这个硬的这个极限，然后同时呢，大家也需要知道是他的这个整个 agent 啊，在进行运行的过程当中，他只要啊超过了差不多百分六十之后，他的整 个模型的这个注意力啊，实际上就会被稀释掉啊，也就是他的这个呃呃，他去进行长段内容的输出的意愿就会下降啊，然后同时呢，他对于之前的很多内容的记忆呢，也会下降啊，是那么一回事， 所以哈，也是因为他存在这两方面硬的杠杆啊，一个呢是他两百 k 只有那么长，或者一照他只有那么长哈，那么第二个呢，是你伴随增加的越多，哪怕你没有突破他的这个呃，最大上下纹的这样的限制啊，实际上他也会系的越来越模糊啊，也是因为这有这两层的这个限制，所以呢，我们才需要非常谨慎的啊，给每次的 运行啊，去构建一下上下文，对不对啊？那么在我们现在这个视力项目里面，就是这个 learn cloud code 啊，这个项目里面呢，它呢实际上是提供了一个叫三层压缩的这个策略的一个简单的代码的这个实现，具 体代码实现啊，上面有这个对应实现的这样的脚本啊，大家有感兴趣可以自己去这个运行一下。那么总的来说呢啊，我们说在一个简单的环境下啊，注意哈，一会我们会说哈，这 cloud code 实际上是这个五层实现啊，在简单的环境下啊，实际上大家需要知道是，首先呢是有这么三层的 这个压缩的这个策略是可以来进行选举的，第一个呢叫做微压缩 micro compact 这一点啊， cloud code 也有，那所谓这个 micro compact 它呢实际上指的是我运行很多轮之后，我就把之前的工具调用这个结果给它删了啊，是这样的这个情况， 那么呃，这一点其实也可以理解哈，因为很多时候我们在进行工具调用的时候啊，工具返回的信息其实是非常非常多的啊，就比如说我们查询的天气对不对啊？使用什么 api 查询天气，那么这个时候呢，那他在这个实际工具返回回来这个信息会很多，但 但是呢在当时那一次的绘画过程里面啊，你就必须得包含这一个工具返回的这个信息的这个内容啊，因为它需要依据这个内容呢给用户来进行回复，但是呢伴随着运行的时间越长啊，那么之前的工具 加载这个这个加载的这个内容呢，可能就不是那么重要啊，所以呢我们就可以把它删掉。一般来说呢，是在三到五轮对话之后，那么之前的工具调用这个结果就可以直接把它删了啊，这个呢是指的是这个微压缩，那微压缩基本上是一种无损的一种压缩这样的方法哈，因为毕竟那些工具调用这个信息可能也会不变的，不是特别重要，但这里有一点其实是需要这个， 那这需要说明的一点就在于说我们现在去使用一些 agent 的 skill 啊，大家都知道啊，这个这个 agent 的 skill 啊，它呢是一个灵活自动加载加载的这个上下文，它是一种提示增强了这个策略啊，有了这个 skill 之后呢，这个模型啊，它就它就具有某方面这个能力了。但是这里呢，需要知道的是这个 skill 的 这个加持啊，它呢实际上 也是通过外部工具这样调用啊，通过这个 function response message 的 方式加载到当前的上下文里面来的啊，所以你的这个 skill 啊，它也是会伴随着我多对话几轮之后，它之前你加载调用过的那个 skill 就 忘了啊，会存在这样的这个 情况啊，所以呢，这也是提醒我们在使用 cloud code 的 过程当中啊，你如果你总是需要某一个 skill 啊，你下一次再进行运行的时候，那还需要再把这个 skill 加载加载进来啊，因为它运行两轮之后，就会把之前加载进来这个 skill 给它删了，以维持上下文的，这个对不对啊，不要太长了这样的状态，这是第一个， 第二个呢就是关于自动压缩啊，第三个是手动压缩啊，当然这两种压缩呢，其实呃，都是这个压，都是呃这个同一套流程啊，只不过他们各自压缩的这个方式不一样啊，这种压缩往往是采用这个摘药这样的个形式对之前内容来进行个总结啊，你可以 这么来进行这个理解啊，只不过呢，一个呢是到达预知之后自动来进行处罚，一个呢是手动来进行处罚啊，但是总的来说它都是 compact 这样的过程， 那么这三种压缩策略可以说是非常典型的啊，也非常呃，这个非常通用的啊，这么个压缩策略啊， cologold 是 这样啊，我们现在这个势力项目是这样啊，然后这个 open cologold 也是这样啊，基本上都是这样的一些这个压缩这个策略啊，这种其实属于 一个非常通用的啊，压缩这样的方法。当然啊，下面其实还有啊，具体的代码实现的这个过程啊，大家感兴趣啊，可以自己去运行一下，我们课程就不展开讲啊，因为 cologold 它这个架构内容很多啊，很多手动实践的内容，大家可以去进行实践一下， 然后具体它的 compact 啊，这部分的这个内容，尤其比如说我们刚刚说不是说这个 micro compact， 对 不对啊？这个运行几轮之后，把之前的这个工具栏给它删了哈，这个，呃部分这个源码呢，是在这个 service， 在 s r c 啊，然后呢 services 啊，下面 compact 啊里面这部分这个内容啊，你看它这个 compact 啊，光是这 compact 就 有这么多 哈哈的这个内容啊，这个其实这段原码非常精彩哈，因为之前很多同学一直在问啊，说 cloud code 它是怎么样来进行压缩的，为什么感觉我们会感觉 cloud code 压缩了之后呢，效果性能非常不错啊，跟这个普通的比如说 open code 压缩之后，他基本上记不得之前的这样的信息了。那么其实，呃，大家如果对这种感兴趣的话，就可以看一下啊，它这个 compact 的 这部分原码里面到底怎么写？ 这部源码其实非常复杂，它还包括一些康啊，一些这 compact 过程当中的一些这个 prompt 啊，它内部的这个 prompt 是 怎么写？因为它在进行压缩的时候，其实并不是一个机械的压缩的过程啊，由于它需要涉及到这个 summary 嘛，所以呢，它是内部会调用这个 sanate 那 个模型，就中杯那个模型啊，来围绕你之前的这个信息内容来进行一个提取，来进行一个格式化的这个提取， 同时呢，他还会留下你最近那几几次对话的这个 to do list 啊，就是没有完成这个事项，所以呢，你才会觉得说啊，一方面他好像也记得之前这样的事情，一方面又帮我腾空上下文啊，同时呢还能够顺着你这 compact 的 之前的这个事项来进行运行，哎，感觉非常不错啊。其实这样的一个这个原因在里面啊， 这里面大家看的清楚的话，可以自己去看一下啊，这部分，这个原版啊，这部分其实还还是非常精彩的哈，当然就对于 o o cloud code 来说啊，它会啊，什么最近三个工具这个结果不压缩啊，之前都压缩啊，是不是这个 读文件的这个结果永远不压缩啊，然后呢，这个因为这个读取进来这个内容嘛，所以不能压缩，等等等等啊，有很多这个具体压缩规则啊，这个呢是第一个 micro compact， 这个呢叫做自动压缩啊，自动压缩就是指的到达预值之后呢，哎，自动给它来进行压缩啊，当然这个 auto compact 啊，在这 compact 里面啊，在 cloud code 里面也有对应的这个原码，对不对啊？到达预值之后呢？哎，自动的啊，来进行一个这个 来进行一个压缩啊，这里面有非常多的啊，它这个什么预值的这样的一个设计啊，然后呢啊，到多少的时候就来进行触发，等等等等啊，一般来说啊，差不多在百分之八十 到九十左右，它就会触发自动的这个 auto compact 的 这样的过程啊，它是不会到百分之百才进行触发的啊，因为它在它在进行，在在进行最后的 compact 过程当中，它还需要腾出一部分上下文来围绕之前内容来进行一个总结啊，所以一般来说是百分之八十，百分之九十啊，当然我记得最新的这个呃 cloud code 也是呃 二点一点九零这个版本啊，应该是百分之九十二啊，作为预值啊，这个大家感可以感兴趣的话自己去看一下啊，然后呢来进行一个这个压缩啊，差不多这么样的情况，然后除此之外呢，还可以手动压缩，对对，手动压缩跟这个自动压缩跟这个 autocap 的是有一样的这个过程啊，只不过的手动手动压缩呢，是通过 这个斜杠命令来进行的这个触发哎，然后呢它这个手动压缩呢，跟这个 auto compact 啊，基本上是完全一样的这个流程啊，只不过它是允许你在任何时候啊都来进行一个啊 compact 这样的一个操作啊。当然其实如果你不需要这 compact 的 话，你可以直接杠 clear 就 把它删了啊， 这个也是可以的。好，那上面呢是关于这个 open cloud 啊，关于 cloud code 啊，它的一些基本的一些实现方法啊，就我们刚刚所说的 micro compact 啊，然后呢 auto compact 啊，还有这个 menu compact。 那么除了这几种 compact 之外啊，我们说其实 oppo 还有很多的非常精彩的关于它来进行压缩过程当中啊，一些这个啊，所谓的这个防御策略啊，或者说它在压缩过程中可能出现的问题，如何来进行解决啊？你可以这么来进行理解 啊，这里也有四层压缩防御策略。首先啊，第一个肯定是 oppo compact 啊，它会临临临临近上下文的时候呢，自动啊来进行触发。然后呢， oppo 这个 micro compact 当然也是啊，全自动的来进行一个这个触发啊，但是呢，我们说你 compact 可能会 存在一些这个问题，对不对啊？所以呢，当它当它你的 compact 没有办法来进行这个 summary 总结的时候啊，它还会有一个叫这个 reactive compact 啊，这样的这个流程啊，指的是 api 调用，呃， api 调用这个 sunny 的 这个模型 api 来进行 summary 的 过程当中，如果报错了啊，它呢就会啊，这个触发叫所谓的啊，这个 reactive 啊，叫呃 reactive compact 这样的这个流程。 而 reactive compact 这样的这个流程啊，它呢，实际上一旦出发了之后，它就会使用这个 snip 的 这样的方法啊，直接呢大刀阔斧的啊，来进行一些这个压缩啊，或者直接删除上下文啊，这个呢，是有可能来进来这么来进行操作的。 它一般来说哈，这个 reactive compact 其实并不会特别常见啊，因为其实对于现在的这个 sna 的 这个模型的调用来说，相对来说还是比较保险啊，但如果确实是没法出现的话，它就会使用这个 snip， 对 不对啊？来进行一个简单粗暴的啊，这个 完整的呃，大段大段的原始内容的这样的一个这个删除啊，当然在 compact 过程当中呢，它还会出现这个啊，出现一些这个循环啊，因为 compact 的 内容呢，很有可能再次被 compact 啊，这个呢也是有可能的啊，然后呢 它对于啊这个地规呢，还有一些地规的这个防护啊，所谓地规防护指的是我上一次 compact 的 这个内容，这次呢如果按照正常 compact 的 这个过程来说的话，它呢可能会被 大幅的这个降低权重啊，但是呢之前 compact 的 内容往往它可能是比较重要的这个内容啊，所以呢它在下一次 compact 过程当中啊，会尽量的保存你上一次已经 summary 之后的啊，这样的一些这个内容啊，是 这么样的一个这个情况，但是这么样的个情况大家也能够感受到，对不对啊？它迟早有一天会 compact 不 下来啊，就是我们的 compact 之后呢，你的上下文并没有压缩特别多啊，这个时候呢可能就会触发我们上面所说的啊，叫做这个 reactive compact 这样的这个流程啊，它就可以开始给你直接删了啊，是 什么样的这个过程啊？所以呢这个 reactive compact， 它不仅这种是 api 要用调用错误的时候可能会触发啊，你这个 compact 不 下来的时候，它也可能会进行触发， 对不对啊？然后呢这里面啊 compact 这个代码大家可以自己去看一下啊，总之呢这都是在这个原始文件里边啊，然后同时呢除了啊它的 compact 这个策略之外呢，它还有啊叫五步流水线的这样的一个这个处理策略啊，这个呢实际上是它的每一次消息在进行构建的时候，它还会走一遍这样的这个流程啊， 这个流程呢跟上面这个流程其实很多是重复的哈，只不过上面这个流程呢是呃跟着你现在到达某一个预值或者手动输入一些斜杠命令来进行触发啊，来进上下文字压缩。然后下面这个流程呢，实际上是你每次在 在构建这个 system 啊，在构建你的这个 message 的 过程当中呢，会这么样啊，来进行一个这个处理啊，这个呢，大家可以啊自己来去看一下啊，那么其中呢 compact 也是一样的啊，因为你 compact 不 仅仅是在到达预值的时候会会这么来进行一个处理啊，你每次构建构建上下文的时候，它也会啊来进行一个啊简单的一个 compact 的 这样的过程。 然后同时呢啊这里有一些非常有趣的一些地方在于说对于当前的 cloud code 来说，在某些情况下啊，它呢实际上是会把你输入的问题来进行一些重写，可以进行一些优化的啊，这个呢其实是一些 非常细节的一些这个点啊，然后呢他会觉得你这样的这表述其实是会存在一些问题的啊，所以他会对你当你的这个原始这个问题呢啊，来进行一些这个优化啊，当然他也会有这个 prompt catch 啊，对吧？啊，提示词缓存的这样的个策略啊，提示词缓存我们会放在后面统一来讲啊。那总之呢，大家需要知道的是啊，它的这个 compact 啊是 怎么做的啊？然后呢啊，它这个整个的啊，是如何来进行上下文的啊这个压缩的啊？当然其实啊，不管怎么样啊，我们说 compact， 它呢肯定是进行有损的啊，肯定是这个有损类啊，肯定也是这个不可逆的啊，因为之前其实经常有同学会问到啊，说这 cloud code 啊，这 compact 跟是不是这个无损这个压缩啊，但其实只要是压缩它就是有损啊，这个其实 啊不用考虑啊，它肯定是这个无损啊，只不过呢，对于现在的啊这个 cloud code 来说啊，它呢其实并没有采用像 openclock 啊这个 rack 解锁这样的一个这个方式啊，它呢实际上就是单纯的压缩，压缩完了之后呢，把所有上下文带入来进行压缩 啊，代入呢来进行一个这个问答。而啊，就比如说像，呃，这个，呃 open clock 啊，它呢实际上是先它是，它呢实际上是超过了预值之后呢会对它的这个 memory 啊，来进行这个 red 的 这个解锁啊，是这么样的一个这个这么样的这个情况，这 两者他们的技术方案呢，实际上是有区别的啊。当然其实就目前的实践情况来看，如果是普通用户在进行使用的话，肯定会觉得这个 clock code 其实会更加的这个友好一些， ok 啊，怎么样这个情况？ 那当然下面还有一些具体的这个细节方面的这个展开的这个说明哈，我们就不继续来进行讲解了啊，大家感兴趣的话自己看一下里面的这个文字。好，然后呢，有一个非常有趣的地方，我们刚刚不是说到 这个 cloud code 啊，它呢实际上是会对用户输入这个内容啊，你在构建上下文的时候，它就会来进行一轮感知，甚至是来进行一些这个修改啊，甚至是把一些重要或者不重要上下文的来进行加载和这个删除，去构建你当前这一次绘画的这个 message 这个列表，这里面操作非常多哈，我举一个小例子啊，大家能感受到它是怎么样 去啊，做到这个非常细节的这一点的这个优化的，就比如说如果你对 cloud code 骂街了，哈哈哈啊，就比如说你说啊，这不不是，就比如说 啊，那就用户的这个情绪啊，上头了啊，对不对啊？用户觉得说啊，你这个做的简直是垃圾啊。那个你这个完全不懂我的这个意思，跟你说了多少次，然后晚上你还是做不对啊，对不对啊？就是如果用户骂街了啊，那这个时候呢，扣扣的就会自动的去检测你上下文，会发现，哎，这个时候呢就触发了啊，所谓叫做这个 沮丧检测的这个机制啊，之后呢啊，他呢实际上就会迅速的啊，来进行一个这个 经典上下文，然后围绕当前这个问题来进行快速的响应啊，他会做这样的一个这个事情啊，并且这个过程他是使用 这个呃正则呃观正正则表达式来进行的剪辑和这个匹配啊，他会有这样的一个啊响应的这个方式啊，这个呢，其实是一个小这个小彩蛋啊，这个大家发现了之后呢，发现啊，这个有这个技术人员发现这个细节之后呢，会觉得很有意思啊，这个 open club club 呢，它其实进行了非常非常多细节方面这个优化， 这个呢是第一方面这个优化啊，总共四个方面优化哈，我们讲完第二个方面，我们再啊中场休息，然后再来进行一个这个啊，再来进行答疑，然后第二方面这个优化呢，实际上啊，是更好的去每一次去 folk 啊，或者说或者说去实力化多个 agent 啊。那么这个呢，也是呃， cloud code 的 一个非常核心的 一个架构方面这样的一个亮点吧，那比如说啊，我们现在呢，每次开启这个 agent 啊，由于呢他其实并没有上下文啊，所以呢他其实什么都不知道啊，这个时候呢，你可能就需要按需呢，对他对这个上下，对当前这个 agent 来进行一个知识的这样的这个贯注，对不对？ 那么呃，我们之前在讲 opencll 的 时候啊，其实当时讲过 opencll 的 内部有非常复杂的提示词模板，然后呢我们需要去组建非常复杂的内部这个提示词，然后才能够去开启一个又一个的这个一个又一个 opencll。 那么对于 cloud code 其实来说其实也是类似的啊，然后呢 cloud code 它内部呢，也是啊，每次在运行之前呢，会有非常多的啊，一些这个扫描，我们下面应该会有一个完整的一个这个层级记忆的这个层级的这个图啊，那么 cloud code 呢，是按照这样的个记忆层级来进行剪辑跟架构的。 上面哈，其实有一些啊，上面我们讲的它什么自动加载 system prompt 啊，自动加载这个 skills 啊，然后呢是如果有需求的时候才会去加载对应的这个 skill 啊，这个呢是属于所有的 agent 呢，基本上都是这么通用来进行的。这个执行我们直接看它，像它 对于 cloud code 来说，它的这个整个的新开启的这个 a 阵的记忆架构差不多是这么三层啊，第一个呢叫做 memory 点 m d 永久记忆。第二个呢叫 topic files， 按需加载啊。第三个呢叫 transcripts 啊，只只搜不加啊，差不多是这么三个不同类型的层级的这个记忆。 那么 memory 点 md 这个很明显对不对啊？每次呢它都会啊这个来进行一个加载，那么一般来说哈，呃，当然我们我觉得现在可能很多大家在使用在 cloud code 的 时候，可能压根就不知道啊，它有 memory 点 md 这样的文件，是的，这个文件不对用户开放啊，这个文件呢，是纯粹的，它内部会通过一个非常精妙的过程来去维护的一个高质量的这个记忆文件， 它不是简单的啊，你要记住什么，它就把它写到哪啊，不是这样的，它内部有一个记忆的加载、清洗、分门别类存储，然后记忆的优化，一整个非常复杂流程，共同去维护这个 memory 点 md， 所以 这个 memory md 呢，对用户是不开放的啊，你就去改了，很容易把它改毁了啊，你也不能够去改它这样的文件 下面啊，这个所谓的 topic files， 它呢指的是针对不同的这个事项啊，它呢其实是会有对应的这个存储的文件的，然后这个存储的文件是可以通过 memory md 来进行锁影的，比如说你哈记住一百件事情啊，那一百件事情可能都没有办法全部给它放到这个 memory md 里面，它就需要分门别的来进行存储，然后呢按需来进行锁影， 那么再往下啊，这个 scripts 啊，那么 scripts 呢，实际上就是关于历史的这个绘画了，那么历史绘画其实大家都知道啊，一旦我们现在在 carco 进行 compact 之后呢，历史绘画就不会再再进行加载了，但是呢，历史绘画它是会在本地来进行一个永久的这个存储的啊，所以呢，如果有需要啊，它呢实际上是会通过这个 啊， grab 这个非常简单的这个匹配解锁这样的方式呢，去找啊，你之前的历史对话啊，这也是通过命令行工具啊，直接使用这 grab 的 这样的脚本啊，就可以去匹配啊，去寻找你的一些历史对话。差不多是这么样的这个情况啊，这个呢，就是整个的啊，关于 cloud code， 它的一个永久记忆的这样的一个基本的这个架构啊，当然其实 除此之外啊，这个我们刚刚也说啊，它的什么啊， system prompt 呀，它的这个 skill 啊，也是按区加载的呀，那块其实我们刚刚跳过了啊，大家如果感兴趣可以翻到前面来去看一下啊，那我只觉得这段呢会非常精彩啊，所以呢，给大家来进行一个分享。 ok， 好， 那我们先看啊，这个 memory 点 md 啊， memory 点 md 呢，实际上都是通过啊这个 memory 的 direction 点 ts 啊，这样代码来进行的这个维护啊，它里面呢，实际上是有一套啊，非常精妙的这个维护的这个过程哈， 那么它在记忆的过程当中呢，它会不断地去识别 user 啊，不断地去啊，记住你的行为偏好啊，不断地记住你当前的这个 project 啊项目这样的信息啊，然后呢会去记住资源的位置，这个呢是它构建它当前的这个记忆最为核心的四个要素啊，当然这个四要素它实际上是会伴随着这个运行不断不断来进行加深的。 举个例子啊，就比如说我们在使用 cloud code 的 时候，其实你会有这样的感受哈，就比如说你最开始没有跟他讲过你叫什么名字啊？但是呢，如果在某一个项目里边，哎，你透露了你叫什么名字，你是在干什么的啊？那么其实哪怕你没有让他记住这个信息呢，也会啊，在他的这个漏斗状的这个筛选的过程当中，不断不断的啊被筛到这个 memory 点 md 里边 这么样的这个情况，然后呢在这样的一个啊，这个 memory 的 这个记忆的过程当中啊，它不仅仅是说会围绕这四个非常核心的记忆类型的，有针对性的啊来进行一个这个记忆，然后同时呢 它有很多的啊，一些写入记忆的一些这个纪律，对不对啊？比如说它这个这个很多时候啊是先 先进行缩影啊，再去先创建这个缩影，就是创建这个 topic 的 这样的文件，然后呢再写入到这个 memory 里边。再比如说对于 memory 来说，它呢只会解锁前两百行啊，超过前两百行之后呢，就需要啊给它进行一个这个归类，就需要来进行一个精简，就需要把它放到比如说某一个 topic 里边去， 不断不断的啊来进行一个这个精简跟迭代，然后这个呢是它的这个 memory 啊，部分的这个文件的啊，文件的修改这个流程， 当然下面其实有一段哈，就是关于它的 auto dream 啊，这个 auto dream 呢，实际上是呃整个的 cloud code 非常精彩的一个这个设计啊， 当然上面还有一个关于 cloud cloud 点 md 这个文件，这个加载啊，这个我们就不说了啊，因为这个文这个呃记忆文档，其实是我相信大家其实用 cloud code 其实都会用到过，对不对？你需要在根目录里面创建一个 cloud md 这样的文件，然后它呢其实就是你的 system prompt 啊，的一个最核心的加载的这样的这个文档。 那么呃我们现在来看啊，惯常的 auto dream 啊，这样的一个这个自动的去清洗啊和沉淀记忆的这样的一个流程。 哎呀，说是这个流程，其实上非常的这个魔幻哈，就是我们在实际上呃 cloud code 的 时候，如果它是在你当前进程持续运行啊，但是呢某一些间隙的时候，实际上这 cloud cloud 呢，它是会开始做梦的啊， 它是会有叫睡睡眠记忆巩固的这个时间的，它会在内部悄悄咪咪的 fok 一个 agent 啊，然后呢去审查自己的这个记忆，再根据我们当前白天对话的核心内容去选择性的巩固或者删除一些记忆 啊，这个呢叫做 oto dream 啊，在这个做梦哈，那在利用睡眠来进行记忆巩固啊的这样的一个非常神奇的这个流程， 这东西其实确实这个说起来非常的这个魔幻啊，但是呢它确实是会这么做的啊，首先呢在它空闲的时候啊，就会自动的来进行这个触发啊，然后呢呃它呢？这个呃会单独的 fork 啊，单独创建一个 agent 来去做这样的事情啊，不影响主程序的来进行这个运行。 然后呢，接下来啊，它会去看啊，你当前对话所有这个时间戳对不对？就我们刚刚所说的啊，你越近的这个对话呢，它的这个权重就会更重一些，然后来进行一些这方面这个梳理啊，然后最后呢，单独的啊 for 可以 一个这个 agent， 然后呢通过当前这个 agent 去整理你的 memory 点 md 这样的文档啊， 所以呢，它的这个 memory 点 md 呢，是一个非常非常复杂而且精妙的这个设计的过程啊，不像 openclo 一 样啊，你让它写入它就写入，写入完成之后呢，这个 memory 太长了，就直接来进行 rec 解锁啊，并不这样啊，对于 cloud 来说啊，由于它是通过这样的一个可是非常神奇的这个维护 memory d m d 这样的一个文档的方式啊，所以它其实并不需要啊，所谓的这个 rap 这个流程来进行解锁啊，因为它的上下文呢，其实它的这个上下文其实能够被能够来进行非常好的这样的控制的， 而且 cloud code 本身它对用户的要求也会非常高啊，就比如说我们上面所看到的 cloud 点 m d 这个文件，对不对？那么这个文件呢，其实是所有的 cloud agent 每次在进行运行之前，它都会加载的这样的这个文件。那么只不过啊，大家可能之前不知道的是，对于 cloud 点 m d 这样的文件呢，它和其他的 skype 一 样，只会最多加载五百行， 更多它不会加载了，哈哈，所以呢，你对于 cloud md 来说，你写的再多啊，这个这个意义也不是特别大啊，所以呢，它呢， cloud 它是会盗弊用户，我们在进行实际使用过程当中呢，你得想办法啊，去 主动地去精简这样的一些这个记忆，主动去精简你希望主动让他记住的这样的些这个东西。而它自己维护的这个 memory md 啊，这个呢，是它自己维护的，他们共同构成每次对话这个上下文，那它呢，实际上就会， 对不对啊？这个什么 auto dream 啊，然后呢，它又什么这个啊，会呃，创建一些这个 topic files， 对 不对啊？分门别类的去存储记忆等等等等啊，这个呢，是它自己会去做的这个事情。而对于像 cloud 的 md 啊，需要用户去做的啊，它就没有太多的这个要求啊，跟你说，反正我只读前五百行， 那你自己看着办哈，对不对啊，你自己想办法来对它来进行优化啊。当然其实 cloud 它也有一些 skills， 能够去帮助你的 cloud 点 m d 来进行一些上下文章的优化啊，这个呢就属于应用层面上这个东西了啊，但不管怎么样， 对吧？啊，我们通过这样的一些这个流程啊，还有上面的源码的一些这个实现啊，大家能发现整个的 cloud 啊，它在构建每次对话啊，每个新的这个 agent 的 这个时候啊，它的上下文呢，是如何来进行的创建啊？这里面呢有呃呃，大家如果想看更加详细的源码的话，可以 去找到啊，我们的这 auto dream 啊，点 t s 的 这个文件里边啊，里面呢有非常详细的关于它是如何引导如何 fork 一个当前的 agent 去整理自己的记忆的啊，包括什么审查呀，强化一些东西啊，删除一些东西啊，如果存在矛盾应该如何来进行处理啊？然后如何啊？把 这个什么模糊洞察转化为确定事实啊，如何去重组当前这个记忆啊？哎呀，这个流程其实非常复杂啊，如果有机会的话，我其实还是非常 电影展开跟大家说的啊，因为这个其实还是非常精彩啊，去整理他这个记忆比简单的啊，什么寄到本地文档，再通过 red 来进行剪辑，要好的多啊，要好的多， ok， 当然下面还有一些这个安全的这个措施啊，当然他这个也会有一些这个啊，也会有些这个局限啊，因为他的记忆组装好坏，其实会跟他当前这个模型呢，会有直接的这个 啊，直接很大的这个影响啊，当前模型如果指令跟随能力强的话，那么他记忆组装的其实就会更好。但下面还有啊，什么分层的知识注入啊，然后呢，还有下面的什么提示词啊，什么六层动态组装啊，这些东西呢，其实都是属于怎么去更好的去维护他当前这个上下文的，那这部分其实并不会特别复杂啊，这个大家可以 自己回头去看一下。好，那么到这啊，我们就觉得基本上对于像 cloud code 啊，它的一些架构，就我个人觉得比较精彩啊，两个方面的这个内容啊，一个呢是如何来进行 compact， 对 不对啊？去压缩上下文，够压缩上下文啊，去构建更好上下文工程啊。第二个呢是如何修改它的这个像整个 agent 这样的个记忆， 这两方面的核心的我觉得比较亮眼，功能呢，都就都跟大家讲清楚了啊，那么接下来呢，还有两个方面， cloud code， 它的这个项目架构的优化，一个呢，是 啊，关于他是如何做这个安全检查的啊，第二个呢是他是如何去抵抗啊，一些这个知识的商增的啊，这两部分的这个工作啊，那么接下来啊，我们先稍作休息一下啊，然后呢，我们再来讨论啊，这两部分的这个内容。 ok， 那 我们说了这么多 啊，原理层面的这个，呃呃，原原，原理层面这个问题啊，我觉得很多同学可能都已经有点晕了啊，对于 cloud code 来说啊，它这个，呃，确实。嘿，我们接下来是讲 antispac 的 cloud code 的 最后两个非常核心的架构，一个呢是它的安全防御策略， 一个呢是他的对抗知识商商增的一个这个策略 pdf 里面图是，好，那我们就对着 pdf 来讲，大家看到这个 pdf 里面图应该也是也都是应该，应该也都是 ok 的， 我们是从安全， 其实这个安全呢，不仅仅是啊，它会被有害，而且很多时候指的是对他行为的一些这个约束。 ok， 好，从这啊开始继续好，那么了解啊，关于 cloud code 的 一些很精彩的一些这个架构，对不对啊？上下文怎么管理的呀？这些记忆是怎么约束啊？记忆是怎么优化的呀？之后接下来我们再来看非常重要的一个问题啊，就是 cloud code 啊，它的安全性啊，是怎么做的啊？ 这也是我们现在很多在运行 agent 的 时候啊，开发者经常会非常头疼的一个这个事情啊，对不对啊？怎么确保这个我的 agent 它不会做一些有害的这个事情呢啊？那么其实 cloud code 开源之后呢， 泄密了之后，哈哈啊，是给大家有一个非常直观的一个这个感受啊，或者提出了一个非常通用的这样的一个范式啊。当然，其实我们 说伴随着你 a 证本身的应用面越来越广啊，你可能会面临的啊，什么投毒啊，或者其他的些恶劣的情况肯定会越来越多啊，这个属于魔高一，这个魔高一尺，道高一丈的这个事情啊，但是呢， cloud code 确实给你提出了一套作为基础的啊，所有的 a 证都可以上来就可以用的啊，这一套安全的这样的措施，我们看他是如何进行实现的。 首先哈，我们其实呃都知道啊，对大模型来说，他他他有智能啊，所以呢，他的这个安全措施跟跟普通的安全的这个软件啊，可能会不太一样啊，我们其实更多的是需要去约束好当前的 a 阵的这样的行为，才能够防止他作恶。 那么对于像 cloud code 来说啊，他是怎么样啊，来进行的这个思考呢？或者他整个架构是什么样的，基本上是按照这样的架构来去走啊，这个架构应该还是非常清晰的一个这个一个架构哈， 首先第一层啊，自我穿匹配啊，然后第二层呢，正则匹配啊，第三层呢是白名单分类啊，第四层呢，是独立的大模型的对抗审查啊，第五层呢，是人类来进兜底啊，差不多就这么五层的，这个五层的这个措施啊，但这五层措施呢，从上往下啊，这个难度一次增加，然后同时呢它的工程实现的这个复杂度也是在逐渐增加的。 首先啊，第一层啊，关于这个自产匹配，这个其实非常简单啊，就比如下面有个，有一个这个代码啊，基本上就是类似于类似类似像这个代码就可以，就可以就可以能够来进行实现了啊，就比如说无论如何都不能出现在你命令行里面的啊，这样的一些这个 呃这个命令的关键词对不对啊？什么 rf 啊， r m 啊等等等等啊，类似这种啊，然后呢直接把它过滤掉啊，这个呢是第一层啊，直接呢通过自传的自创的这个黑名单啊来进行匹配。那么除此之外，我们还可以更加复杂，通过正则来进行匹配啊，对不对啊？这个正则呢，就比自创表达式来进行匹配啊，它的本质呢仍然还是来进行的匹配。 那么第再往下一层啊，就是关于白名单啊和这个命令分类器啊，就它呢会我们会给出一个接下来啊，或许某一些这个命令呢，是 可以直接啊来进行这个执行的，然后同时呢会对所有这个命令来进行一个这个分类啊，如果你分类呢，最后呢是落到白名单这里，我们接下来就可以直接的来进行一个放行来进行运行。 那么再往下啊，就独立大冒险来进行审查啊，这个其实也会非常关键啊，因为大冒险他就会呃，从一个独立的这个角度啊，就不带入你当前上下文的这样的这个角度，他是一个独立的一个这个 sub agent， 然后呢去审查你当前这样的命令，是不是可以来进行执行的啊？这是第四层，然后第五层啊，就是关于人工来进行判断啊，差不多是这么五层的这样的这个架构， 那么在这五层架构里面啊，刚刚我们也说了这个审查的这个 a 证呢，其实审查大模型呢，跟你执行大模型，实际上它是完全隔离的啊，这两个大模型，一般来说审查大模型是不会带上下文来进行一个这个运行的。 那么最后啊，还有一层啊，关于这个人人类的这个兜底啊，所谓这个人类兜底，就指的是如果有确实不知道啊，这样的这个情况，不管怎么样，最后我们都会有一层啊，让人类来进行审核的这样的一个这个，呃，这样的一个空间啊，或者这样的一个通道。 这个呢，其实我们在平时使用 cloud code 的 时候，我相信大家应该也会遇到过类似这样的情况哈，就比如说哪怕啊，我们给他输入了一些这个指令啊，跟他说，他启动的时候跟他说这个， 呃，这个，呃， skip dangerous 啊，类似这样的这个命令啊，跟他说啊，我们这个他可以直接跳过人类审查这样的环节，直接自动来进行运行，但是你会发现他遇到很多他吃不准的这个东西哈，或者遇到一些比较高权限的这样的问题， 他还是会啊，来进行这个啊，就他还是会来进找人来进行审查啊。所以呢，其实关于这个人类兜底啊，实际上是他的一个不管怎么样都绕不开的一个。最后的这层的这个策略 ok 啊，是这样的一个基本的分类，这样的方式，然后他直接进行审核的时候呢，也都是啊，先看规则啊，再看这个有没有风险啊，再看白名单啊，再看这个大模型分类啊，通过一层一层来进行筛选啊，然后呢，如果规则没问题就直接走了啊，如果规则有问题，我们再来看啊，是不是有 风险啊？有风险我们再看看它是不是白名单啊，白名单就可以放行嘛，对不对？如果还不行啊，就大模型对抗啊，来审查一下啊，然后最后呢啊，还再不行，交给人类来进行审查啊，就这样的一个逐层的啊，来进行审查的，这样的，这管线， 这个实际上是一个非常通用的哈，基本上所有 agent 你 如果要考虑这个啊，考虑安全性的话，都可以这么来做哈，然后呢，对于 cloud code 来说，它的这个 security 点 gs 这样的一个呃，点 ts， 这个呃 代码里边哈，这个大家可以自己去看一下，里面它有非常非常多的啊，一系列的这个安全审查的一些这个事项。然后呢，这些安全安全审查的这个事项啊，其实是我相信对于很多现在做 a 证安全的同学来说，是个巨大的数字资产，因为它这里面很多的 这个安全审查的这个事项哈，都是之前长期的被攻击过之后积累下来的这些规矩或者经验哈，这个其实我们很难一条条跟他讲清楚哈，但是这里面确实有非常非常多安全审查的这个事项，也就是他第一层啊，这个规则啊，他就积累了很多之前踩坑的被攻击的这样一个经验啊，你想想这些经验对于很多的 a 证的开发者来说，当然是这个 这个这个无价之宝这样的一个东西啊，当然这里面大家可以在这呃原码里面能够看到哈，它里面到底是 啊怎么样去进行的这个审查啊？然后同时呢，呃，他还有很多的啊，他真的是这个属于这这被攻击久了就攻击出来这个经验啊，什么临宽制服与控制制服的啊，这样的一个这个防御啊，什么这个什么这个制服里面啊，由于由于我不是做安全的，所以我不是特别了解 啊，这里面到底是什么什么个这个情况啊，但是大概能够明白啊，是说一些非常特殊的攻击的这个指令啊，他其实会通过啊，里面去加入一些什么临宽制服啊，或者控制制服啊， 能够去规避掉啊，它的一些基于规则或者基于准则的这样的检测啊，从而绕过它的这样的防御，然后呢去攻击当前这样的系统啊，所以呢才会基于这样的个问题啊，再来增加对应的啊，这个防御的这个措施等等等等啊，总之呢，其实都是在 这个啊， best security， 点 g s 的， 点 t s 的 这个文件里边啊，这个大家可以自己去看一下，然后呢在这个文件啊，然后呢现在其实对于像 cloud code 来说，它的核心的 c m d 啊，防御它的这个 best 命令行相关的这样的攻击啊，其实其他方面的 攻击并不会涉及到你本质电脑上的这样的一些数据的这样的损坏啊，或者他直接盗取你一些这个文件等等等等啊，这个其实做不到的，其实它最核心的攻击的这个点啊，或者是 它的这个最大的风险这个点啊，所以主要还是要命令行工具的这样的一个使用啊，所以你会发现它基本上所有的这个 security 呢，都是围绕着命令行的这个 best tour 展开的啊，其他的一些这个 tour 呃问题不大啊，其实它往往没有被攻击的这样的一个这个价值。 然后同时呢对于 cloud 呃扣子来说，他的实现这样的这个方式，当然我们刚刚说了，对不对啊？这个总共是这个五层啊来进行的对抗，那么除呃五层来进行的这个审核分别是规则啊，然后呢是这个 啊，正则啊，然后呢是这个白名单，然后呢是大模型，最后呢是这个人工来进兜底，通过这五层来进行的一个这个搭建的一个基本的安全的防护网络。 那么除此之外哈，其实对于 klopp 来说，由于他现在还提供了很多那些企业或者团队内部的这个定制这个版本啊，所以呢他还有很多的围绕的一些给企业提供定制款版本的时候啊，他的些企业的一些特定的啊，一些这个呃安全的这个措施，他其实也会 写在 club code 现在的这个圆码的这个项目里边啊，这个的话就如果是大家去开发企业级定制的，并且是允许啊，企业里边我们去单独的给企业内部的这个企业内部的 a 政设置一些防御测试的话，那么这部分啊，是非常值得大家来进行一个这个学习跟观看的啊，就是什么呃企业内部有统一的什么策略呀？然后呢？有什么 这个呃规范的命令行参数的书写格式啊，还有个人默认的啊，这个纸等等等等，会有这么个五层的 这样的一个这个权限的这样的一个设计啊，这个其实更多的是一些定制化开发这个场景啊，这个大家如果感兴趣的话，可以在这下面能够看到啊，但总之呢他的这套这个防御的这个措施还是非常完善的， 那么除了可以提供一些定制化的防御措施之外，还有什么？这个三三个平台啊，各自有各自平台的这个沙河环境啊，可以来进行一个这个运行啊，沙河环境这个我们之前讲过很多次了，对不对啊？ 沙河环境呢，相当于是提供提供一个隔离的独立的一个虚拟环境啊，来进行运行，那么你在这个环境里面进行运行的话，任何的一些有害的指令都影响不到你当前的这个主命令啊，主系统啊，这样的一个这个情况啊，这个呢是他的沙河环境啊里面来进行运行，然后同时呢他还有啊这个默认的一些安全检查啊，这个安全检查呢，实际上是每次启 动过程当中啊，他其实都会默认来进行一轮的这个执行，那么这个安全检查啊，实际上也都是他之前啊这个积累下来的这些坑，对不对出现的这样的这个问题， 然后同时呢它还会有一个啊断路器这样的机制啊，所谓断路器这个机制指的是如果我的 a 证在进行运行过程当中连续撞墙啊，就是他反复去尝试一些这个问题呢，他始终没办法得到解决啊，那么他就会判断，哎，你当前的这样的一次这个尝试或许是有毒有害的，那么之后呢，就会尽量避免出现类似这样的情况， 那这个断路器这个设置和安全这样的问题呢，因为他可能会存在一个暴力破解的这样的情况 啊，所以呢，它的这个所谓断路器这样的设置哈，其实它是一个强硬的这个规定啊，就出现连续三次被拒绝啊，或者连或者累积二十次被拒绝啊，那么它呢就会自动降级你当前的这样的一个这个命令的这个权重啊，换而言就是它会更加倾向于去拒绝执行当前这样的一个这个命令啊，是这样的这个情况， 这呢是一个断路器的一个设置，会在实际运行过程当中不断的来进行积累，当然它的这个氧氣的防御措施，还有一个还有一个方面的这个防御啊，确实是这个久经沙场 积累他的经验啊，就是他还有一个反蒸馏的这个防御啊，这个其实出来之后也非常精彩啊，这个因为安萨佩前段时间还说啊，他的这个模型啊，这个很多被被别人的壳扣子反复吊用来进行蒸馏，对不对？蒸馏别人家的别人家这样的模型啊，然后呢，呃，这个这个大家这个网友就批判批判他啊，说你的这个模型难道不是蒸馏来的吗？对不对？ 嗯，这个也不太好说啊，那但是呢，现在对于 cloud code 来说，他确实有一个反真流防御的这样的这个措施啊，就是他呢实际上会去判断你现在在进行调用的过程当中到底是真工具还是假工具啊？如果呢，你是一些假的工具啊？来接。如果呢？呃， sorry， 不是 判断真工具假工具哈， 他是会判断你现在的调用工具这样的一个模式，那么他如果识别到啊，说你现在呢是一个真实的用户在使用 cloud code 的 话，那么他呢就会以真实的用工具这样的流程来进行响应。 如果他现在去判断啊，你现在这个调用工具这个流程呢，是一个蒸馏的这样的过程，你会围绕很多场景会去穷举他的可能性啊，然后呢会围绕一个问题的反复来进行这个运行， 那么这个时候啊，他其实内部会有一套识别这样的一个流程哈，这个我没有展开讲啊，但这个识别流程实际上是个比较精妙的一个这个识别的过程，他既会有一些基于规则的这样的判断啊，他也会 有这个 sanit 这个模型，主观的这个模型的这个识别啊，两层的这样的识别。那不管怎么样识别了之后呢，他会觉得啊，你现在呢就是一个机器人啊，在操作你的 cloud code 啊，然后呢就是为了去获取一些这个数据啊，然后用你这个用这个数据去接下来训练我的呃，去训练别的模型，这个时候他就会 非常激贼的啊，在你在他实际运行的过程当中呢，给他给你手动给你自动的去注入一些假工具的流程啊，就是这工具根本就不存在啊，或者说就直接就给你去 这个创建很多的一些工具调用失败啊的这样的一些这个这样的一些这个数据啊，从而呢他会生成一个这个有毒的这个训练数据啊，防止别人家去进行蒸馏啊，就这么一回事 啊，哈，这个其实还是很有意思的一个这个点哈啊，但如果这个大家确实面临的类似于这个蒸馏或者反蒸馏这个场景的话啊，这块确实是值得学习。 最后呢，就是关于他的这个对抗的这样的一个问题啊，这个点呢，其实是非常值得拎出来来进行单独的这个探讨哈，就是因为其实现在关于双 ai 对 抗的这样的场景，我目前其实在很多地方其实都会有用到过啊，比如说像这个 啊，像我们啊编程的时候对不对啊？有在编程的啊，有在进行审核的啊，包括我们在解决些问题的时候啊，是比如说你做些科研的工作啊，有提出结论的，包括比如说我们现在啊，如果使用 ai 去生成一些这个内容啊，那么有生成内容的，有去批判内容的， 那么现在呢，对于 ans 来 pick 来说，你会发现它的这个双 ai 对 抗这个策略基本上是贯，基本上是贯穿它整个 cloud code 的 各个方面的啊，如果遇到一些你当前大模型它自己不太好判断是不是有问题的这个点的话，那么它就会其实就会启动啊，双 ai 对 抗的这个策略。那么 比如说上面我们说这个安全方面的这个双 ai 对 抗这个策略，这一点我觉得还是比较好理解啊，因为其实一方面提出啊，一个 agent 来负责来进行审核， 那么除此之外呢，其实像 cloud code 里边儿啊，我们之前就有谈到过它的这个命令啊，它的这个压缩呀过程，其实也都会啊，有这个双 ai 双 ai 对 抗的这个影子啊，就一方提出主张啊，一方面提出质疑啊，然后呢，最后综合出一个结论，差不多会有这样的一个这个过程。 而这个双 ai 对 抗啊，实际上也是现在的关于 harness engineering 啊，他的这套体系里面提出来的一个非常有价值的一个观点啊，就是他会觉得啊，在这个多个 ai 从不同角度啊来进行，呃，那他们分别带有不同上下文啊，然后呢，去协助去完成一个事项的时候，往往有助于啊，提升你最后这个作品的这个质量。 举个例子，比如说啊，我们现在经常会使用 ai 去生成一些这个内容，那么生成内容之后呢，如果你让自己让他自己去 去对自己东西来进行审核的话，其实往往就审核的就很一般啊，但如果你有多个 ai 来进行对抗的话，来进行对抗审核的话，他就往往啊就能够提出很多很正确的意见啊，帮你的内容呢朝向更好更更好的方向去发展啊，差不多就这样的一个过程。 总之呢，其实在 cloud code 的 内部，它其实也是广泛应用啊，一些双 a 对 抗这个策略呢，去约束它内部的这个行为啊，这点确实是，呃，很有意思的一点啊，也是我觉得是一个性价比很高的一个策略啊，因为它其实并不会特别复杂啊，但是它能够显著提升你当前 agent 的 这样的一个这个效果，哈哈，是这样的一个情况， ok， 好， 这个呢啊，是关于安全是怎么做的， 那么紧接着还有最后一个问题啊，就是关于他的这个知识商增怎么去解决？哎呀，这个知识商增呢，其实是个非常呃困扰大家的一个这个问题哈，就比如说， 那我们现在啊，假设开发一个项目，呃，这个开发这个项目使用 qq 的 开发一个项目啊，那么呃，前一两千行代码写的可能还是比较顺利的啊，也不会出现什么知识商增的这样的个问题啊，反正就是代码也不是特别多啊，大家一看也能明白是什么样的东西做的呢，可以说是又好又快。好，那接下来 这个两千一两千行代码到一两万行代码的时候，哎，你会发现管理就会很混乱啊，一会我这个 a a 阵子就记不得之前的这个信息了啊，一会这 a 阵子 忽略了某些信息啊，给我堆出一个十三代码，然后呢一会啊，这个呃，这部分修改了之后，关联的那部分也没有修改，等等等等啊，就会出现很多很多这样的问题。而如果进一步的到十万行，到这个一两万行，到这个一二十万行代码，这就更加复杂了。 所以呢，其实现在啊，我们在使用这个 agent 在 进行这个开发的过程当中啊，其实很多时候都会遇到啊，他这个知识双增的这样的个情况，那么对于 cloud code 来说也是类似的啊，那么用户在使用 cloud code， 当然他自己其实是个工具啊，他并不是这个项目本身啊，对 cloud code 来说他是个工具，但是呢，这个这样的工具必须要给用户提供 应对，非常复杂，大规模知识商增这样的情况怎么样？很好的去控制你接下来未来 agent 的 长期这样的运行，就比如说我项目可以很复杂啊，对吧？你可以是一个一二十万行代码这个项目，但是对于 agent 来说，你得有能力去解决这个项目啊， 你不，你不能说这个，我，我上来这个上手这个项目就是一团糟啊，乱七八糟啊，然后呢？这个，呃，也也搞不清楚上下文什么啊，然后呢？也写不明白啊，这可能就不行，那么要做到一个围绕着巨大的这个知识体系来进行管理哈，来进行内容输出啊，代码也可以把它理解成是内容生产的一个缓解嘛， 来进行有效的啊，这个内容输出的话，那么其实对于你当前 a 阵的架构就会提出很高的要求啊，这个其实不仅仅是说我需要有更强的这个模型，有更强的模型只是一方面啊，除之外呢，还需要有 harness engineering， 对 不对？约束好他，好让他好好的哎，去做这些事情啊。所以接下来呢，我们需要解决解决第四个问题啊，就是去看如何通过啊，这个 color code 内部如何通过这 harness engineering 呢？去更好的去实现面对知识商增这样的情况，他如何分文别类的来进行很好的这样的处理。 那么首先哈，我们说对于现在的这个比较复杂的任何比较复杂的任务啊，基本上肯定都不是一个 agent 来进行处理了啊，肯定是很多个 agent 来进行协调的这样的一个处理啊。所以呢，对于 carco 来说啊，他去应对啊，这个知识商增这样的个情况，应对比较复杂，大型代码的或知识类的这样的项目，那么他肯定也是会考虑啊，使用多个 agent 来进行运行。 那么在 cloudco 内部，它的 agent 的 运行模式，其实现在啊，总共是有两种模式啊，一种呢叫做 sub agents 模式模式啊，一种呢叫做这个 agent teams 模式啊，这两种模式其实是不一样的。那么所谓 这个 sub agents 这样的个模式呢，在 cloudco 的 内部，它的这个运行的逻辑是，它会把这些 agents 把它看成是呃这个主 agent 的 一个可以调用的工具啊，它它它它 agent 当然是可以是一个工具了啊，对不对？ 那么它如果我的 sub agent 作为主 agent 一个可以被调用的工具的话啊，那么接下来我在运行的过程当中啊，这个过程其实就会呃非常的简单，对不对？我需要它， ok， 我 调用它，然后给它，给它输入上下文，然后它就进行运行就可以了， 那么这个时候 sub agent 跟主 agent 是 不会共享上下文的，那么 sub agent 它不管运行了多少，它最后呢就会把它最终运行这个结果提交给原来的主 agent。 举个例子啊，比如说 大家都知道，对于现在的 cloud code 来说啊，它有这个非常强的呃这个 deep research 这样的能力，对不对啊？非常强的这个呃深度调研的啊，广泛来进行一些搜索这样这个能力。但是其实在呃这个 呃 cloud code 的 内部，这个 deep research 是 由一个单独的 agent 来完成的啊，只不过呢，这个 agent 是 一个 sub agent 啊，它呢是能够被工具呢，能够被各个不同的 cloud code 来进行调用啊， 么样的一个这个情况，也就是说当你如果你需要围绕一个东西来进行深度调研的话，那么这个时候呢，主 agent 啊，实际上是会给一个 sub agent 啊，去发布这样的命令，让他呢去调用自己的网络工具来进行海量调研，调研完了之后呢， ok， 把信息在汇总给你。原来的 agent 是 这么样的一个过程， 当然除了啊这个，呃 sub agent 啊，呃，除了这个 deep research 这样的 agent 之外呢，其实对于 cloud code 来说，它还有很多内置的一些这个 agent 啊，还有这个 plan 啊，它也是一个 agent， 等等等等。 那么不同的这个 agent 啊，它和你现在用的这 cloud code 之间唯一的区别就在于说不同的 agent 呢，它可能它的这个上下文哎，就是 agent agents 点 md 呢，这个东西呢，是不一样的啊，你可以这么来进理解啊，只要它的 agent 点 md 是 不一样的啊，或者它的这个 cloud md 是 不一样，那么它呢在运行的过程当中所调用的上下文，其实就跟你是不一样的啊，你可以这么来进理解，那这个时候呢，这个 agent 啊，就是个全新的一个这个 agent， 这个呢是第一种模式叫 sub agent 的 模式，那么说实话还有种模式啊，是呃，在呃这个今年年初啊，伴随着 cloud 四点六啊，这这个这一系列模型发布的时候呢， anselp 一个主推的一种新的这个模式啊，叫做 agents team 这个模式， 当然哈，这个 agent teams 这个模式呢，其实现在也被称为叫做这个呃，这个 agent swarm 啊，这样的个模式啊，对不对啊？这个 a， 呃，刚刚我们说了，这个子 agent 呢，跟父 agent 呢，它之间没有上下文共享啊，这个我们刚刚也说过了， 那么第二种模式呢，叫做这个 agent 子 agent teams 这个模式啊， agent teams 这个模式呢，它呢其实就不再是这个副 agent 的 调用子 agent 的 这样的一个这个这样的一个这个过程啊，那子 agent 也不是说以工具这样的形式被副 agent 的 调用 它的所谓 agent team 四个模式呢，实际上所有的 agent 呢，都是平等的啊，都是有一个自己维护的独立的上下文的啊，然后呢会有一个主 agent 啊，通过对话啊，去调用不同的这个子 agent 来完成对应的这个事项。然后呢这个子 agent 呢，跟跟主 agent 的 之间这样通近呢啊，实际上是只会发送结论啊，但不会发送上下文。 那么通过这样的个方式其实也是能够很好的去进行不同 agent 的 分门别类的上下文的这样的管理啊，以免上下文交叉啊，所带来的这个呃知识的商增啊，或者这个这个行为轨迹的这个爆炸呀，类似这样的情况。并且呢，目前来说对于 cloud code 来说，它 只有啊一个呃，它它的这个 multi agent 的 这样的模式啊，觉得 agent teams 这个模式啊，只有一种架构的方式，就是一个主 agent， 然后连接一系列一系列的这个 agent 啊，一系连接一系列的这个 team mate agent 啊，就一系列的队长啊，剩下全部都是队员，队员， 然后呢队员跟队员之间啊，是不能够相互通信的啊，然后呢队员跟队长之间啊，是可以相互通信的，所有的工作或者所有的结果都是由主 agent 啊，去给各个不同的子 agent 来进行分发啊，它目前呢是这么两种模式，那么为什么会有这两种模式出现哈，其实也是基于现在的 cloud code 啊，他们可能长期的这个实践 啊，之后最后得出来的这个结论啊，就是会发现我们刚才的啊所说的这两种模式啊，这个是我们刚刚所说的第二种模式 发现。哎，这两种模式呢，其实是最呃能够结在这个确保稳定性的这个情况下去节省 talkin。 而其他啊，大家也知道有很多的一些这个，比如说现在这个 multi agent 呢，有很多的这样的架构，对不对啊？刚才这个架构呢，是一种指挥官式的这样的架构，一个 agent 连接多个 agent 的 这个架构啊， 除此外还有啊，类似于这个蜂巢这种架构，很多 agent 呢之间呢都可以彼此相互通信的啊，这样架构像这些架构呢，目前还没有去集成啊，他也可能也是觉得说这些架构呢，可能运行起来目前来说还不是很稳定。 那么通过啊，我们现在的啊这两种基本的这个模式呢，可以说 cloud code 啊，就能够解决在不同场景下使用不同的 agent 的 一个基本的这样的一个流程，但是呢这个流程还不够啊，我们这个流程，其实所有的咱们的用户啊，只要你使用了这个 cloud code， 都能够感受到 有这样的一个这个流程，那么除了啊有这个流程之外啊，我们说对于 cloud code 来说呢，它还有非常强的一个 talkin 的 一个管理的这样的一个机制啊，哈哈，这里其实就涉及到啊，非常有趣的一个点啊，就在于说有很多同学经常说啊使用 cloud code 啊，这个 talkin 爆炸啊，是吧啊，这个这个动不动这个 talkin 就 不够用了， 哎呀，但实际上 talkin 已经尽力了啊，因为它在它的这个系统里面其实已经有非常非常多啊，这个关于如何去 啊，如何去节省，你当哎，不好意思啊，如何去节省你当前的这个呃 token 的 一些这个措施啊，但是呢仍然啊还是会面临着啊，大家经常会使用这个 token 的 时候感觉 token 包大这样的这个情况啊，当然这个其实也不是很重要啊，重要的是我们需要去看啊这个 anselpik， 那 他们的 cloud code 是 怎么去尽力去节省你的这个 token 啊？那么懂了我们刚刚所说的他们这两种 cloud code 啊，这样的 agent 分 配机制之后，我们接下来看啊，它是怎么样去很好的去啊，把控你现在整体的这个 agent 消耗的。 那么首先哈，我们说刚才的这个副 a 证跟子 a 证的上下文隔离啊，这个呢，其实呃就能够很好的去这个呃避免啊它上下文交叉感染，然后同时也能够去避免单个 a 证过长上下文的这样的一个问题。当然最最最最精彩的实际上是这款就是 关于它的共享 talkin 经济学，哈哈哈。啊，什么叫共享 talkin 经济学啊？这个是什么样的一个意思？那么我们都知道啊，现在对于一个 agent team 的 这样的一个系统啊，实际上你的 这个 agent 呀啊它长什么样的都有啊，对不对啊，我各式各样的这功能的 agent 都有啊，那呃， agent 一 号啊，一号跟 agent 二号啊，它们呢，或许有一些内容是一样的啊，那么或许有些内容呢也是不一样的啊，有的时候呢，这个啊，它有一部分啊是重叠，有一部分也是不重叠的， 那么在这样的一个基本的的这个形态下啊，其实呢， cloud 内部，它会有一个非常巧妙的一个这个分辨啊，它呢会把所有的 agent 稳定的缓存的一些指令区都是共享一套存储策略，你可以这么来理解， 就相当于是一个模型，它运行的时候呢，它有一个快照啊，然后呢从这个快照的时间节点开始啊，那么接下来或许会分呃，或许会分化为很多不同的这个 agent， 那么在这个快照内部，它们的记忆是完全一样的，只不过呢是基于这个快照这个点哎，有的 agent 输入了 a 指令，有的 agent 呢输入了 b 指令啊，然后有的 agent 呢输入了 c 指令， 那么在这快照之前，它们其实保存了同一个这个模型，那么它们通过输入不同指令之后呢，才演化出不同的模型去维护不同的线来进行服务啊，你可以这么来进行理解啊，所以呢，它会在里面，它会在整整个 agent 运行内部去构建一个啊，所谓叫稳定区 的一个全局缓存的这样的一个东西啊，这里面就是会保存所有的 agent 啊，大家共有的相同的这样的一些这个内容啊，然后同时呢， 每一个 agent 都是在全局缓存的稳定区基础上啊，加上一些自己动态的一些这个指令啊，或者自己不一样的这样的一些这个东西啊，然后呢再构成它的上下文啊，咱俩进行不同的这个响应啊，以此呢去构成啊，它的一个提示词这样的一个缓，类似于像提示词缓存的这样的一个机制，去节省它整体的这样的 talk， 其实哈所谓提示词缓存也是这样的过程，对不对啊？就是我们在调模型的这个时候呢啊，你有的时候输入的后面这个提示词呢，跟之前提示词一样的，有些提示词呢，是已经加载到你当前上下文里面之后啊，已经加载到当前上下文里边了，你接下来就不用重复来进行加载啊，这个这个过程其实跟 cloud code 的 内部所建立的啊，所谓这个稳定区跟动态区呢，基本上是 啊差不多的这样的一个这个状态，然后对不对啊？他他有很多的啊，这个这个稳定区指的是什么啊？什么基础指令啊，工具定义啊，全局规划呀，这个都他他不会在绘画中这个反复的变化的啊，都是稳稳定区内容啊，然后动态区指的是绘画特定上下文呐，这个环境状态啊，用户的不一样，这样的个指令啊，等等等等啊， 会有这样的一个这个方式，那么通过这样的一个啊， fork 共享这样的一个方式哈，它呢其实比普通的啊，这个 agent 如果我们在进行多 agent 运行的时候呢，它的这样的状态呢，其实会节省非常非常多的这个成本啊，这个呢，其实是它开源了之后有很多人在进行计算啊，计算它现在内部的多 agent 的 协助过程当中所消耗的 talk 的 这个成本 差不多啊，五个子 agent 约等于一个额外的 agent 的 这个成本，呃，这个五个子 agent 约等于一个一个额外的 agent 的 这个成本，它并不是说我增加了五个 agent， 然后呢就跟一个 agent 的 成本是一样的，不是这样的啊，它指的是如果我额外增加五个 agent 啊，那么就跟，我，那么就跟啊这个呃，在我们现在的这个共享缓存的这样的个 之下啊，那么呢这五个 agent 这个成本差不多能够降低百分之八十啊，你就这么来进行理解就可以了啊，那么这个呢是关于现在的 cloud code 啊，它的内部提示内部的啊，这个提示缓存的这样的一个这个技术啊，那么这个这项这个技术呢，实际上在它内部的这个实现，实际上非常的这个巧妙哈， 完整的这个实现的内容在啊，我们的这个呃题日词缓存的啊，这样的个 t s 文档里边啊，这个大家回头可以自己去看一下啊。总之呢，现在面对着多 agent 里边的非常复杂的啊，系统题日词，它也是采用类似题日词缓存这样的个技术啊，然后呢来进行一个 呃费用上啊，或者 talkin 上的这样的一个这个优化，那这个呢？好，我觉得也是。呃，这个这个功能其实属于一个非常进阶的一个功能哈，我们现在很多大家的这个普通的一些 a 智能在进行架构的过程当中，可能暂时都还用不到啊，这么复杂的一些这个功能啊，但但这功能确实也是我就觉得非常精彩，然后值得大家来进行一个学习的 这样的功能， ok， 好， 那么最后呢，还有关于啊，它的各种子 agent 运行这样的个模式啊，什么在呃县城内来进行运行啊，翼步后台来进行运行啊，远程执行啊，都是可以的啊，然后呢，这个进城内和翼步后台都是你可以操作的啊，远程执行呢，是需要放在 i s r t。 的 服务器上来进行运行啊，这个呢， 也都是 ok 的 啊，总之它的很多的 agent 呢，是支持不同类型的这样的个运行的模式的啊，然后呢，下面还有这个 mailbox 啊，关于它点对点通信的这样的格式。呃，这个的话大家可以自己去看一下哈，这个的话，它主要是些工程上的一些这个说明啊，我们就不展开说了。 那总之呢啊，其实它现在啊有非常多的一些对于当前 agent 的 一些提示词缓存的这样的一个这个技术，然后呢去减少你整个的在面对知识爆炸的这样的情况下，对不对啊，深层非常复杂，多 agent 的 写作体系的过程当中啊，减少整体的 talk 的 这个消耗，这个呢也是呃，我会觉得啊，非常精彩的一个这个实现， 当然最后我们还有一个啊，非常有趣的一个，哈哈。啊，也是最近啊很多同学这个热议的一个这个话题啊，就是关于说你的这个 apple pick 现在一不小心开源了自己的 cloud code 啊，那你的这之前发的那么多技术报告对不对啊，个个看起来都很厉害啊，你的技术报告在你的 cloud code 里面实现了吗？哈哈，这里其实是非常有趣的一个这个啊，有趣的一个 东西哈，首先啊，对 antalfa pig 来说，他的这次开源还是能看得出来他还是非常实诚的啊，因为绝大多数的他之前自己提的这些技术方案啊，在 cloud code 里面都有非常非常好的这个实现啊，教科书般的这个实现。比如说他 最开始讲的啊，这个 context engineering 啊，这个呢，是他去年十月份发的一个这个技术博课啊，然后讲他自己内部他自己的 context engineering 怎么做的，这个是对应的我们的整个的。呃 呃，这个 cloud code 的 架构解读第一部分啊，当时我们去讲的那部分的这个内容，对不对啊？这个呢，他技术报告里面提的内容哎， cloud code 里面都实现了，然后同时呢，他的安全与成本控制，就是我们三四部分讲这个内容啊，他在里面也实现了， 然后呢，多 a 证的对抗啊，他其实也有一部分的这个实现啊，只不过呢，他现在这个多 a 证的对抗没有他现在这个博克里面这个讲 那么强就是了啊，他博客里面说这个，呃，这个 g n 对 吧啊，生成对抗网络的三 a 阵的这个对抗的这样的一个这个形式，目前这个形式呢，在卡扣的内部还没有实现啊，但是未来呢，应该是会逐渐来进行这个实现的啊，这个大家若感兴趣的话可以去 看一下啊。然后同时呢，对于当前的 color code 来说，还有些同学会比较关注于说他现在啊，勇于他，其实，呃，尽管他这个泄密的是二点一点八八这个版本哈，但实际上这个版本里面其实有很多未来的功能，这规划啊，也能看得出来未来 color code 他 会朝哪方向去进行发展啊？就比如说像主要的啊，这个最为核心，也是大家最 看好的一个方向啊，是叫做主动式的这个 agent 啊，什么叫主动式的这个 agent？ 这个说起来啊，这个这个说简单一点啊，感觉就像这个定时任务一样啊，就是他呢会这个定时来进行响应啊，但实际上主动式的 agent 呢，没有那么简单啊，他呢实际上是会主动发现问题啊，然后再来 主动的来进行处理啊和这个解决啊。那比如说我们现在去构建很多的开发很多项目，或者做很多的这个事情，你要用这个 agent 做很多事情啊，你往往是 先跟他说怎么做，做完了之后你跟他说你再检查一遍啊，他再检查一遍，检查一遍之后呢，你运行了一下，发现出问题，你跟他说， ok， 你 再写几个测试这个视力，然后他测试视力，测试完了啊，发现有问题去解决问题啊，然后呢你再不断跟他说啊，然后他就不断去解决各种各样的问题啊， 这个呢，其实是属于你问我答的这样的一个状态。而主动式的这个 a 阵呢，他呢其实会发现当前运行过程当中所存在的问题啊，或者他觉得他现在需要去解决的一些这个问题啊，会主动的向你啊来发起这个请求啊，会主动的去完成一下这个事项啊，这个呢，是所谓的这个主动模式啊， carras 的 这样的个模式 啊，这个模式呢，现在还属于规划的过程当中啊，这个呢，其实未来啊，应该会这个上健啊，应该又是一轮不一样的啊，这个 a 政策的使用范式的 这样的一个调整，那么除此之外啊，还有啊，这个什么循环的这个引擎啊，循环这个引擎应该很快就会上线啊，这个其实就跟这个 heartbeat 啊，或者是 crm 定时任务其实是比较类似的啊，就是这个，呃，以这个持续不断的啊，来进行一个运行啊，还有呢，关于这个，这这什么成本 感知让步等等等等啊，这个呢，其实是关于他的一个成本优化的这样的这个策略啊，指的是我提示词换成，如果换成特别久，但是始终没有用到啊，他可能就考虑把这个提示词换成给删了啊，这样的一些这个小的优化，这个点啊等等等等。 然后同时啊，它还有一些啊，这个呃，这个呢，其实主要是它的这个云端的啊，就是服务器上的这个 cloud code 的 一些优化的这个工作啊，这个呢，我们就呃不不 展开来进行讨论了啊。然后呢，这个 skills 的 这个显见的这个显示，这个其实是一个非常非常有效的一个功能哈，这个功能我相信之后上线之后呢，肯定也会对我们现在开发工作会有很大的这个很大的一个促进作用。那么对于多 呃工具啊，或者多 skill 的 管理啊，实际上是现在所有的 agent 都会面临的很大的一个这个问题啊，那么对于像多 skill 的 管理，之前有很多的不同的厂商些提出不同的这个方案啊，然后呢？呃，那么现在啊，对 anfropack 的 他们其实集成了一个更加前沿，他们也会觉得很有用的方案，叫做 skill 渐近显示， 就是在未来啊， clock code 在 运行的过程当中，你甭管你给它绑定了多少个 skill 啊，你给它绑定了一百个也好，它在运行的过程当中，它会根据我当前这个项目推进的情况有选择掉一些这个 啊，然后呢让他每次运行的过程当中去选择那样的这个 skill 这个时机啊，或者选择这样的一个 skill 的 这个时间点来进行一个缩短。好，这个呢是所谓的 skill 渐近渐近的这样的一个显示啊，它呢是能够去进一步的优化你当前每一个 agent 的 上下文啊，同时也能够提升 agent 的 响应速度啊。这个刚刚有同学问到说 cloud 为什么响应速度这么快啊？他代码这么多，为什么响应速度还这么快啊？这个，这个对吧？还有很多这方面优化这个措施啊，所以他响应的速度 啊，是这样的一个这个情况。 ok， 好 啊，这个呢是关于啊他现在的很多未来功能的一些规划啊，当然还有一些这个有趣的功能，对不对啊？赛博宠物啊，赛博宠物呢，这个我们刚刚看过了啊，这个赛博宠物大概就长这样啊，大家可以自己看一下啊，这个呢就是 cloud code 的 一个这个页面啊，然后呢就输入这个呃，八底之后， 然后他就会给你整出一个呃，这个出来一个这个小宠物啊，差不多这样的一些功能等等等等， ok， 行，那这个呢就是关于整个的啊 cloud code， 我 们在今天有限的这个时间点时间里边啊给大家去讲解的 cloud code， 就 我个人认为非常精彩的一些这个架构啊和我觉得啊会对我们后边的啊，这个主要是非常进阶，非常顶尖的，大家来进行 the agent 开发的时候啊，一些这个启发，但是下面啊还有一些可以附用的一些 ai agent 开发的这个模式的一些这个表格啊，大家如可以去看一下，如果你们现在进行开发的时候有类似的一些需求的话，那么你可以考虑参照 cloud code 啊来进行实现。然后同时呢关于 cloud code 啊，其实我们之前没有讲过的一个点呢，暂时说有很多同学会呃比较 关注于说，哎，我现在有拿到克拉扣的这个原码，之后怎么样来接在在本地来进行一个这个部署，对吧？啊，那么首先好，我们说克拉扣的你是可以在本地来进行一个这个呃 build 来进行一个部署的，那么我们再给大家参考资料里面其实有啊，这个是没有什么问题的，但是呢，你的实际的运行过程当中仍然还是需要访问远程的 ansore pick 的 这个模型的这个服务啊，才能够来完成响应和完成认证啊。当然如果你是使用国内的模型的话，可能就没有这样的一个问题，这是起的这是一个， 第二个呢是呃这个东西哈，你最好用的话还是这个呃低调一点啊，因为他确实不是一个 呃完完全全的符合版权的这样的一个这个事情啊，这是为什么？我公开课可能没有去讲啊，拿着原码怎么去进行这个部署，跟本地运行的非常核心的一个这个原因不太适合啊， 这么公开这个场合啊，大唐起鼓的，我们来讨论这样的问题啊，但是呢，我们出于学习的目的，对不对啊，好好的研究一下内部的这个架构啊，给予我们未来开发的一些这个启发啊，以及呢积累一些这个经验。哎，这个还是非常不错的啊，这是没有什么问题的。所以啊，这里啊他有这个八个架构模式啊，如果大家感兴趣的话啊，可以考虑啊，去进行一些 啊，进行一些这个选举啊，或进行一些这个实现这八个架构模式基本上也就是啊，我觉得我们在读完啊 cloud code 的 这个架构之后哈啊整个的这个原码之后，最核心的一些这个启发啊，首先第一个分层降级防御策略啊，第二个呢，分层知识注啊，第三个知识商的这样的一个管理啊，认知商的管理，对不对啊？这个后台做梦啊，整理记忆 啊，还有什么众生防御啊，这个双 ai 对 抗啊，还有感知缓存架构啊，还有这个编排者模式啊，编排者模式，我们刚刚说的这个 multi agent 啊，一个主 agent 分 配多个 agent 来干活这样的个模式。 然后呢还有这个能力边界啊，既架构边界啊，等等等等这样的一些这个模式模式啊，这模式下面都有对应的他的一些这个啊使用的方法和对应的这个方案啊，大家如果感兴趣的话，可以自己去看 下。然后呢我在我们前文里面也都给大家指明了对应的不同的这个方案里边啊，他对应的这个原码的位置啊，大家可以去看一下。总之呢其实对于这个原码来说，你是很难 这个啊，通读的啊，这个其实非常非常困难啊，你只能够根据说 ok， 我 们现在啊，可能大家提炼出了一些比较好这样的模式呢，顺藤摸瓜啊，然后呢来进行一个读取啊，来进行学习，来进行借鉴， 好，那么到这啊，关于 cloud code 啊，它的一个源码的一个这个解读啊，我们这里是拎出了一些这个亮点，对不对啊的这样的这个解读呢啊，就差不多啊，告一段落了啊，我们就打一波广告， 那么也欢迎大家啊，报名由我跟沐雨老师啊，还有啊，还有志杰老师，我们共同来主讲的啊，二零二六大模型 agent 开智能体开发实战课啊，这样的一门付费课程 课程啊，是我们三位老师共同来主讲啊，是一门一百个小时以上的完整体系大课，那么今天我们其实讨论了非常非常多啊，关于大模型 a 智能开发相关的一些这个内容啊，当然我们今天讨论的呃，可以说非常难啊，非常复杂，而且很多都是行而上啊，都是一些理论层面上的啊，这样的一个这个东西， 那么啊，大家如果接下来想进一步的来进行深度的时间落地啊，或者你是想从零开始来学习大模型 agent 开发，就未来想要去参与到啊这个大模型 agent 技术岗位当中去的话，那么那么也非常欢迎大家啊，报名这样的一门啊，由我们三位老师共同来主讲的大模型 agent 的 开发实战课， 那么课程是一百个小时以上的完整体系大课，能够帮大家零基础入门，然后直达目前顶尖大厂大模型 agent 的 开发中高级岗位能力要求的这样的一门课程， 那么这门课程啊，其实我们现在已经开设到第二十四期了哈，这今年的这个春季班啊，已经是第二十四期了，我们从二三年的这个五月份啊开设第一期到现在啊，已经 这已经是将近三年的啊这个时间了啊，三年的时间里面已经也是有两万多名的学员报名了我们这样的一门课程，也有非常非常多的学员啊，现在是已经是加入到啊我们大魔仙 a 智能开发的这样的一个技术岗位当中来了，那么这门课程呢，是可以帮他零基础入门来进行的学习，然后呢可以全方位淬炼大家 大模型 a 证的开发的啊能力的技术体系啊，那么这本课程是可以帮大家零基础入门，然后直达目前顶尖大厂的五十万年薪的大模型 a 证的开发岗位能力要求的 这个五十万年薪啊，这个我们不是随便说说啊，我们也不是随便糊口的个周了一个这个数字出来啊，是因为我们团队其实也是在进行大模型 a 证岗位这样的招聘啊，我们 课程里边讲解的内容就是我们团队的岗位的要求啊，那么那其实我们今年金三银四的内容就是我们团队的要求啊，那么那其实我们今年金三银四的学员群里先 已经进行了很多轮的这个招聘啊，我们招聘要求非常简单啊，大家只要是学了我们的课程啊，学了百分之六十到百分之七十以上啊，就可以啊加入到我们公司团队里面啊，来进行一个这个工作了啊，就可以顺利的拿到大模型 a 证的开发的岗位的这个 offer 了啊，所以呢，我们这样的一门课程是完完全全严格按照目前顶尖的 大厂的技术岗位的要求呢，进行的内容的设计。那么这门课程啊，总共呢是六个模块，我们先给大家看一下啊，现在这门课程完整的课程介绍。 首先啊，第一个模块呢，是来会讲解啊，关于现在顶尖的大模型的一些基本的技术入门啊，包括顶尖的在线大模型的 a p i 的 接入使用，本地开源模型的部署和使用。然后呢，智能体 a 证的开发的理论基础和基本开发工具，然后呢， rack 解锁增强技术啊，开发入门等等等等啊，这是第一阶段，然后第二阶段我们会进一步的来探讨啊，关于热门的 a 证的开发框架的上手实战啊，包括一些零代码啊， d 代码的开发工具啊，像这 codes， define， 还有 n 八 n 呐，也包括那一些顶尖的 rack reg 框架啊，主要是拉玛 index 啊，在开发时代也包括新兴的 agent 开发框架时代啊，像这 agent sdk 啊，还有 agent school 啊，还有 adk 等等等等。然后同时啊，还包括工业级的 agent 开发框架啊，这主要是 long chain and long graph， 那 么这个当然是我们会准备主讲啊，这样的开发框架，那么刚刚啊，我其实 弹幕上啊，有同学在问到啊，说啊，我们能不能够使用 long chain 来复现一版的 cloud code 呀等等等等啊，其实我们课程里面已经使用 long chain 就 复现了一版 open cloud 了啊，然后呢，我们课程里面也有啊， cloud code 的 这个复现啊，只不过呢，使用 agent sdk 去进行的这个开发。 然后呢，当然底层开发思思路其实是一样的。好在我们课程里面啊，我们会从头跟大家去讲啊，关于最新版 long chain 应该做出来进行使用啊，然后呢，如何啊？去复刻这些顶尖的这个，呃， agent 啊，就是这一些像 open cloud 呀，还有 cloud code 呀，这一系列 agent 复刻的这个核心的思路啊和方法 啊，同时第三个第三个板块，我们会进一步来讲解啊，关于工业级的 agent 开发境界的这个技术，包括智能体的内部的啊，多工具的管理呀， m c p 工具的这样的一个使用啊，包括啊，这个 agent， 呃， reg 进阶的这个技术实战呢，包括纯文本的解锁优化啊，包括图文混排的 pdf 解锁啊，多多多模型的 pdf 解锁，结构化数据的解锁和 graph reg 基于知识图谱的解锁啊，还有视频信息解锁等等等等。 那刚刚啊，就有同学问到啊，说我上下文特别特别长啊，然后呢，呃，我们怎么样啊，去这更好的去读取啊，或者是去获取上下文这样的信息啊，那么要么你就是进行 compact 啊，压缩对不对？要不的话，你可能就是采用 reg 技术啊，来进行更高精度的这样的这个解锁。 好，那么再往下啊，还有关于智能体长短期记忆的这样的管理啊，和智能体上下文工程，这都是构建我们智能体直观重要的相关的这样的技术。再往下啊，还有关于多智能，多智能啊，记忆多智能 某体 agent 的 系统开发啊，对不对？然后呢，像对于现在的啊，这个 cloud code 来说啊，它呢其实只有一种啊，这个某体 agent 的 系统就是所谓的 supervisor 这样的架构，一个主 agent 不 负责干活，负责分配活啊，剩下很多的啊，这些 agent 负责来进行干活。 那么除此之外啊，我们说其实还有啊，像这 handoff 的 这个架构，还有这个 router 架构啊，还有 network 架构等等等等啊，有这四种主流这个架构，那么这些架构呢，都会在我们正科里面啊，来进行讲解介绍。那么 再往下啊，还会包括啊，会讲解关于大冒险高效微调啊相关的这样的内容啊和呃，紧接着啊，我们这这个呢，就是我们第三个模块内容啊，第四个模块呢，我们进一步来讲解关于工业级的大冒险 a 阵的部署上线啊相关的一些这个内容，包括 啊，像智能体项目部署上线的这个基本理论啊，包括智能体开发部署上线全部的这个流程对不对？好，从最开始的前后段功能设计啊，到这个接口的这开发啊，到前后段的连调，到最后的项目上线，一整个完整这个流程啊，然后也会来讲解关于两大的 容器啊，交啊，两大容器化啊，这个交付工具这样的实战啊，主要是刀口跟 kbs 的 这样的使用，同时也会来介绍关于智能体的追踪和优化相关的这样的内容。 同时这门课程我们呢现在总共呢还有啊，总共呢是十大项啊，工业级的这个实战的这个案例啊，分别是长文档啊，定制化文档编辑 agent 啊，然后文档审核 agent 啊，图文视频 agent， 语音交互 agent 啊， deep research agent 啊，然后呢数据分析 agent， 然后啊数据分析格式化 agent 啊，垂玉的 agenta reg 系统啊，多模态 reg 本地知识库解锁系统啊， nintendo pro ppt 生成系统啊等等等等，然后同时还会有四大项， 这个百万用户级别的啊，这个商业化的项目，工业级项目实战啊，分别是企业级多模态啊， rek 支付解锁实战项目，然后全新一代智能客服 a 智能开发项目啊，其实我们所有项目都有对应的演示视频啊， 这这这演视频可能会比较长啊，我们这个啊就不展开给大家看了啊，大家可以自己登录我们的主页来进行观看，然后啊包括一比一复刻 mana 通用智能体的啊，这样的项目和啊这个 ai 编程啊跟数据分析 a 阵的开发项目。当然在我们的春季版里面，我们还新增了啊丛林去赴县 open club 啊这样的个项目，完整的相关的内容啊，那么在我们的这个春节班里面，我们是完整的大家去复现了一个啊，这个复翻 openclo 啊，这样的一个这个项目啊，然后呢所有功能呢，都会从零来进行实现啊，这个项目其实就是 呃使用 long chain 啊来进行的开发啊，在开发过程当中呢，我们就跟大家详细去介绍啊，它背后的核心的啊这样的一个理论知识体系。 那么除了啊这样的一门呃大冒险 a 型开发实战课之外呢啊，我们说还有两门课程啊，一门课程呢是 open core 啊，这个技术实战课啊，这门课程呢是由我来主讲的一门啊，这个总共呢是二二二十到三十个小时的啊，这样的 open core 智能 体的应用实战课啊，这门课程是目前是呃，我正在讲解啊，这样的一门联赛更新这样的课程啊，但这门课程其实主要就是来讲解关于 open core 啊，这样的 这个技术应用啊，实战相关的一些这个内容啊，那么 openclaw 这个定位呢，其实和呃 cloud code 还是有些区别哈， openclaw 其实是更加通用的一个智能体啊，它呢其实是更呃有更低的这个使用这样的个门槛，对不对？然后同时呢也能够覆盖更多的啊，一些实际应用的这样的岗位。 那么这个 openclaw 啊，实战课里面我们会给大家介绍各式各样不同类型的这个应用范式啊，和基本上所有工作的各个不同类型的应用范式啊，和基本上所有的课程呢。最后我们还会介绍目前四个 核心的啊，这 open 可捞商业变现的啊，一些这个流程啊，包括全自动的 ai 内容工厂啊，包括这个全自动的啊，公司网站运维和建设啊，包括这什么呃艺人公司的啊， ai ai 员工团队啊，如何进搭建啊，以及呢，包括垂雨 ai 自动化的啊，这个服务开发等等等等啊，这个呢是属于 open cologne 啊，相关的这个技术内容啊，但是 open cologne 其实是一家更加通用的一项啊，技术开发这样的工具啊，或者说一项通用这个智能题使用的这样的个指南，那么和我们刚刚大家所看到的啊，这个 agent 开发实战课其实完全不一样的方向哈，因为 agent 开发实战课其实是更加硬核的 这样的一门啊，这个主要是面向技术人啊，大家如果未来是想做 a 证的开发啊，来去量身定制的这样的课程。但是除此之外，我们还有第三门课程啊，是由木鱼老师来主讲的 web coding ai 编程实战课啊，这个课程，这个啊，重要性就不言而喻了，对不对？这个 web coding 嘛， 哎，这个，这个，去年我们这个时候啊，大家说 ai 编程可能会还会觉得比较早，早啊，时间还比较早，那么到现在啊，大家如果说自己不会 web coding 啊，这个，这个属于是古法编程啊，是不是啊，人类手工编程啊，这是属于非遗传承的这个技术 啊，所以现在我们基本上所有场景里面啊，我们很都会呃，会用到啊，这个 web coding 这样的这个技术啊，都会来进行 ai 编程啊，那这门课程呢，是沐浴老师来主讲的啊，一门可以说啊，已经是开设第二期的 完整的 web coding 的 体系大课啊，然后呢，能够帮大家零基础啊，零门槛啊，上手 web coding 这样的工具，然后呢，开始啊，你的 ai 编程之旅啊，这可以说是现在所有程序员必备的这样的技能了，我们 可以讲解啊，像 course code code 啊，这一系列 ai 编程工具这样的使用啊，然后我们也会来讲解啊，关于像 open code， 对 不对啊，这样的开源的 ai 编程工具，这样的这个使用啊，然后呢来介绍啊，关于 ai 的 skill m c p 啊，这样使用啊，和 像 figma 啊， pencil 来进行前端设计的一些工具啊，然后呢，像以及啊，像这个 openstack， 还有 superpowers 啊，一些非常有用的，非常实用的，能够提升你的 ai 编程的水准的啊，一些这个 skill 的 这个使用啊，也包括像现在 cloud code 啊，它的 agent teams 啊，多智能体协调来进行开发的一些这个方法等等等等。 那么这门课程啊，是由沐雨老师来去主讲的啊，一门课程啊，这个对不对啊？关于 ai 编程的这个重要性啊，这个其实呃已经是非常非常重要的哈，因为其实呃这个不仅仅是现在啊，像 anthonpick 啊，像在国外顶尖的大厂啊，大家是在使用 ai 编程，国内大厂也在用 ai 编程哈， 不仅国国内大厂在用 ai 编程啊，基本上所有的岗位大家都是在用 ai 编程啊，很就是除非一些特特定的这个情况啊，这可能还需要手工编程之外啊，剩下的 ai 编程呢，它已经是属于大模型 a 智能应用的啊，一个非常成熟的这样的一个领域了。 那么在这个课程里面，我们不仅会教大家啊，怎么样从零开始去使用这 ai 编程工具上手来进行 ai 的 编程外部口令啊，同时呢，我们也会 从头啊开始教大家啊，怎么样从最开始能写高质量代码，到做出 demo 啊，到精准的输出啊，到完成一整个完整的应用啊，到推送产品上线啊，到产品二十四小时的这个运行， 到最后啊，对不对啊，全站的开发啊，到运维的完整的这个技能体系啊，写在这么课程里面，我都会来进行详细的这个介绍， 那么刚刚我们给大家看到的啊，像这样的一个复饭，呃呃呃， cloud code 啊， web 这样的一个这个程序啊，其实就是我们当前这门课程里面给大家提供的一个应用的一个工具啊，这是其中一个工具啊，我们这门课程里面其实还很多其他的工具 啊，当然其实这门课程里面我们重点是来讲啊，像 cloud code 怎么样去用好它，去完成一系列的啊，这个开发的这样的一个项目。而啊这是我们的 agent 开发实战课，那门课程里面主要是会讲它底层的原理，一个呢是 进行使用啊，一个呢是底层原理的这个介绍啊，这个呢其实是各不相同，有所侧重的这样的点。当然对于 ai 编程来说，我相信很多同学可能也会有这样的误解，大家会觉得 ai 编程吗？有嘴就行啊，对吧？只要跟他说我要开发什么，他就能完成开发，其实并不是这样，哈哈，现在其实对于很多的 a 证的使用来说，还是有不小的这个门槛的话， 你可能还是需要掌握很多的一些这个技术，然后同时也得积累一些这个经验，然后才能够完成一些很好的产品这样开发。 大家现在看到的都是我们当前课程里边会给大家讲解的啊，一系列这个产品的这样的一个这个开发，那么这门课程啊，我们就会好好的跟大家来介绍啊，关于从工具的使用啊，到我们现在前沿的实践经验的沉淀和总结啊，一整套完整的 web coding 相关这样的内容。好，那么以上啊，就是我们这三门啊，付费课程的内容介绍啊。

你是不是用 ar 改过简历，结果发现简历啊是写的满满的，有条理用词啊，也瞬间高达上了。但是投递后发现啊，并没有获得更多的面试机会，那问题出在哪里啊？其实啊，是你给他的 ar 的 指令啊，没有给对 hr 看了以后啊，这个简历啊，一演讲， 今天我用两分钟的时间，教你三个让 ar 跪着帮你改简历的神奇指令，听完可以直接用 hr 看了，都得多看你两眼。第一个指令，让他当 hr 比，让他当打字员， 很多人上来啊，就让 ar 任色，他只能给你换几个华丽的形容词。你要告诉他，比如说，请扮演一位经验丰富的五百强的 hr， 用 star 的 法则，情境、任务、行动结果，把我这段经历啊，改写成数据化结果导向的描述， 然后啊，把你的这个流水账啊贴给他。比如你写负责公众号的运营， ar 经过这个指令的调教课啊，会变成什么样子呢？他会这样写，独立运营十万粉丝，公众号通过优化选题策略，季度啊，平均阅读提升 百分之四十，是不是瞬间就高大上了？第二个指令，给他喂一些标准答案，让他精准匹配。你想投某家公司，但简历啊，是通用的怎么办？招聘简章直接复制给 ar， 然后说这个目标岗位的描述啊，请提取其中的关键字和能力要求，对照着帮我优化简历，让我看起来就是他们想要的人。 这就相当于让 ar 先看懂考纲，再帮你划重点，命中率啊，就会翻倍了。第三个指令，让他当杠精 给自己找茬。简历改完了，心灵媒体让 ar 给你做一个模拟的面试输入，现在啊，你就是一个很挑剔的面试官。看完我的简历以后啊，请提出你最想问的五个刁钻的问题，或者指出哪段经历的数据 不清晰。这个时候啊， ar 就 会告诉你，比如说你写的参与项目，到底参与了啥，是你干的，还是你只是打杂的，让你提前堵上这些漏洞。面试时啊，心里才有底。会用 ar 的是趋势，会指挥 ar 的 才是高手。这三个指令到 hr 未接替找茬，赶紧去试一试。

我不会写代码，但是我现在最离不开的工具是 cloud code。 我 第一次看到这名字的时候，其实我想都没想，直接就忽略了一个名字里带 code 的 东西，你想那不就是程序员用的吗？跟我有啥关系啊？但是后来我用了一阵，我跟你说，现在每天早上第一件事就是打开它，给它布置今天的任务，哎，你说我一行代码都不会写，我用它干啥呢？ 先说一个我自己的事啊，我是做产品经理的，我这活呢，经常会做一个东西，叫精品调研。那精品调研呢？就是在产品的各个阶段，我需要去了解信息啊，或者去做决策的时候，哎，我要去做调研分析报告， 然后你可能会去查一些公司背景啊，创始人故事啊，或者是 app store 的 评论啊，还可能去分析它的商业模式啊等等。但你知道认真做一份这个东西要多久吗？ 一到两天就是你每一步都已经熟的不能再熟了，那你还是得一步一步的去跑，那这个时间你是省不下来的。然后有一天我就想啊，那这套东西能不能我直接告诉 ai， 让它照着来呢？哎，我就试了一下，我先查啥后查啥，判断一个产品好不好的标准是什么。哎，我全都写进去了。 现在呢，我只要输入一个网站或者一个名字，或者是一张 app 的 截图，那十几分钟一份分析报告它就出来了。哎，这个东西是怎么搞的呢？ 你想想我们平时是怎么去用 ai 的 啊？你遇到一个事，你去问他，他给你一个答案，觉得不够好呢，我换个说法再问一遍，然后还不行啊，我换个 ai 再来。那问完豆包问 x g p t， 问完 x g p t 呢？我问 cloud， 哎，问了一大圈，自己坐那综合一下，哎，身边的人基本上都这么用，对吧？ no， 你 说帮我做个精品调研，他会给你个模板，跟网上搜的差不多，你说帮我写份报告，他会给你一堆正确的废话，也就是他只能给你最通用最安全的， 谁来问都一样的那种答案。那这个答案对谁都适用，也就意味着对你来说其实是没啥特别的用的。所以我就换了个思路，我不问他问题了，哎。我现在告诉他，拿到一个产品，第一步要干啥，第二步要干啥，一直到最后出报告。他 是按照我的理解来的，并且我把一些素材放到指定的文件夹里，让他去剪辑，我告诉他那些东西呢，都是我一点点攒出来的判断。那 ai 呢？只是照着跑，他自己去调用工具去分析我给他的素材，去查看补充一些素材。就这么一个事儿，我想通了之后就刹不住了，我英语贼差， 学习本身呢，又是一件特别反人类的事情。那你让我去看一篇英语论文，我得先花半天去理解，哎，最后可能还发现，这篇论文其实跟我想做的根本不搭边，所以我知道那些论文里面肯定有好东西。那我就是够不着，哎，贼憋屈。那后来呢，我就做了一个 skill， 那 比如说我想要了解怎么 去设计一个 agent， 那 我就一句话，扔进去，它会自动去搜索论文呢，去下载，然后翻译成中文，存到我的电脑里头，然后按照我的需求去生成一份报告，那报告里面带着锁页，方便我去回头查看原文。 以前连看都不会看的东西，现在随手就能学会。就你懂我的意思吧，我的英语还是很垃圾，但是那个门槛直接没了。再后来呢，我就干脆把所有的事都塞进一个文件夹里面 拿。调研呢？论文呢？写文章啊，全在一个地方，我打开这个文件夹，里面没有任何一行代码，全是我这几年攒下来的方法和流程。哎，只不过现在是 ai 能照着跑了。所以你看啊，可乐扣的这个名字里面带扣的所有人第一反应都是程序员用的东西， 但是他最大的受益者反而是不会写代码的人。哎，这事其实挺反直觉的，但你用上一次你就懂了。那，那怎么去开始呢？你就想一个你工作里面最烦的事，想好了直接跟人家说，我是做某某某的。那我经常做一件事，具体的步骤是，第一步做什么？第二步做什么？第三步做什么？ 你帮我把这一套流程做成自动的以后，我只要给你一份什么材料，你就给我出一份什么东西。举个例子，比如说你是做市场的，你就 说我是做市场分析的，那每次调研一个行业，我要先查行业的规模，再查头部玩家，再查最近的融资情况，最后整理成一份简报，你帮我做成自动流程以后，给你一个行业的名字，你就出一份简报。比如说你是做 hr 的， 你就说我做招聘呢，每次要筛选一个后人，那我会先看他基本能力，再看他的软实力，看他的核心能力，最后整理一份面试的提纲。哎，你帮我做成流程 以后，我扔你一份简历进来，你直接给我一份面试的提纲。第一次出来肯定是不完美的，你要告诉他哪不对，他改改两三次就特别顺手了。你不用会写代码，就是你把你手里那些闭着眼睛会做的事说清楚就行。好，就这些，我们下期见。拜拜。

如果你的简历写成这样子，你百分百是找不到工作的。我朋友昨天跟我吐槽说他找不到工作，一个面试都没有，全部都已读不回。当我看到他的简历，我朋友跟我说，他想找的是文职类工作，但是他的简历上写的是什么，一个什么巡检，一个是剪辑，还有一个是什么手绘， 完全跟他要应聘的文职类工作一毛钱关系都没有。我说你这样子能找到工作才怪呢。实习这一栏，他就写了三份实心经历，而且是不同的经验的，行业跨度非常大，导致看到你简历的人不知道你到底会什么，擅长什么，只会觉得你这个人不稳定，不靠谱， 特别是追问你每一份工作的离职原因是什么？哦，当然了，我一般会说与个人的发展不太符合，所以说离职了。然后再要么就是呃，编一个家里面有事情，当时不得已离职了。但如果你写了三四份工作，那你还有什么理由可以编呢？ 所以最好是只写一到两份，写详细就 ok 了，写上和你面试的岗位相关的工作经验，并且经验超过半年， 也可以是寒暑假的的实习经历，这样你才有竞争力。我知道你肯定会说你没有相关经验，你又要跨行业，是不是？来接着听大家如果说想要去找一份，比如说剪辑工作呀，或者说，呃，文字类工作呀，或者说什么什么工作，一定要去写一份相关的工作经验在上面，就算你没有，你给我去 编，你给我去抢，你都要写一份在上面。不管是你看到的，还是你耳朵听到的，别人的经历都可以成为你的经历，因为没有人 去背掉的，这世界就是一个巨大的草台班子，大胆的写，大胆的做自己就可以了。另外现在科技 ai 发展这么迅速，大家一定要把工具给用起来，豆 包啊， dipic 啊，各大 ai， 你 去让他帮你把那个工作流程给你编出来，然后你再写到简历上面那一项，给完成完整它。然后看网上这个岗位上别人有些什么实实质性的一些一些实践经验，一些成绩，你也可以编到上面，稍微编一下就可以了， 面试时候也不用慌，简历上写了你是有经验的，但是你进了他们公司还是会安排你去学习，安排你去培训的，就算没有安排，现在的 a p p， 网上的教程一大堆，你去入职前一天晚上提前熟悉一下，基本都能上手， 实在不行你问问身边的同事，让他带带，后面如果说把你辞退了，你也对这个岗位有了简单的判断，你再去面试下一个相关的工作，不就更有底气了吗？而且也是低成本的试错，检验一下自己适不适合这个岗位。简历上面条件允许的话，可以换成自己的照片，因为简历就是你的名片， 要看到你的第一步，在 boss 上面一定是先看到你的简历的，如果你的简历写得好，长得好看，你就会多一个工作机会，就是一个巨大的看脸的世界，所以大家一定要大胆的展示自己。另外的话，如果 呃面试的话，大家也不要怕，大家可以问一下豆包或者说 keep safe， 把自己的一个面试稿去念，顺念通顺，背熟了，然后 你再去面试。主播刚出社会，面试也是非常紧张，但是我一天面五家，我把我自己的一个口条念的超顺，而且之后也是我再去面试的时候，我不害怕了，我一点都不害怕，我也不紧张，所以没什么好慌的，加油吧，一定要敢想敢干，真的，其实你想要学大多数技能真的是易如反掌来的， 现在我们的红利就是学什么都可以，很低成本了，网上那么多的 app， 免费的教程完成，主播的朋友们也是自学剪辑，自学特效，而且主播就是自学的剪辑，没有报过课，所以说不要怕，勇敢冲。也在这里祝大家都能找到一份满意的工作。

我觉得豆包它就是国产，真没那样，我现在主要就是用 codex， code 和豆包就是它那个，那天那个四零零报错就是豆包给我解决的，反正它就是。嗯，这个四零零报错的话，你要么就是退回到老版本，因为 codex 的 最新版可能是把这个 deepsafe 给给那啥了， 给它软封杀了吧。相当于有可能是这样，因为它是闭源的，我们也不知道具体是咋回事。还有一种方法就是你把 deepsafe 的 那个思考模式关闭，你去那个 deepsafe 的 官网看一下怎么关闭，然后你把它关闭就行了。就是 deepsafe 的 那个 a b i 文档，你看一下怎么关就行了，或者让豆包给你弄一下。

ai 改简历你肯定已经听腻了，多数人只是泛泛而谈，没有流程化，也没有效率，我觉得太糙了，自己写了一套全流程的 skill。 首先一个核心理念，简历修改的本质是让你的简历和阶梯最大化的匹配。每个岗位的要求都是不一样的，用一份简历投递所有岗位是大忌。先看结果， 这个页面就是用我的 skill 跑出来的。你只需要提供两样东西，第一，你的原始简历。第二，你想投递的目标岗位信息 几十个上百个都可以。你能得到的是针对于每一个岗位各自定制化的简历以及开场白。开场白就是跟 hr 打招呼的第一句话。 在页面上你能看到四个分数，硬技能、经验深度、行业契合和软性匹配。他们是通过把你的简历和岗位阶梯做匹配计算得来的。四个分数等权重平均得到了一个匹配度分数，所有岗位按匹配度排序， 你也能看到最值得投递的岗位。 ai 对 应简历做出的改动全部在改动。说明这个模块你简历原文是什么，改成了什么，为什么这么改？通通记录在案，你能一手掌握。在页面上，你能直接修改你的简历，修改完之后可以直接导出 pdf。 另外，我把这个岗位在招聘网站的地址也放在这， 你点击就可以跳转，你在这个页面就可以完成全套流程。别人改一份简历要跟 ai 模半天，用我这一套几十上百个岗位对应的简历一次性产出。 那怎么用呢？在 github 上搜索关键词，进来直接拉到下面，快速开始模块，打开终端，在终端中输入这段命令，即可一键安装我的全套 skill。 或者你也可以把这句话发给你的 agent， 帮我安装这个 skill， 也可以实现。下一步，打开 cloud code， 当然你也可以用其他的 agent， 比如 code x open cloud 这种输入斜杠 job hunt， 点击回车就可以开始整个流程。第一步，需要你提供简历，简历文件需要是 markdown 格式，如果你的简历是 pdf 或者 word， 需要你把简历中的文字复制出来，粘贴到消息框中。这里我直接用 markdown 格式的简历。 拿到简历之后，他会初步分析你简历中存在的问题，你可以当场修改重新发给他，也可以先不修改，继续往下执行，这里我们选继续执行。 第二步，需要你提供目标岗位的信息，最直接的方式把岗位详情页截图给他，一张图包含一个岗位的完整信息。这一步对你有两个要求，第一， 需要把所有目标岗位都截图下来，这是个体力活。第二，你用到的模型必须要有多模态能力，如果是纯文本模型，这波就会直接卡住。不过不用慌，我都帮你想到了。 我额外做了一个浏览器插件，能帮你一键获取所有目标岗位的信息，不需要你在一张张手动截图回到我的项目页面，点击绿色的 code， 点击最下面的 download， 把下载好的压缩包解压缩。打开之后你能看到一个 chrome 文件夹， 点击谷歌浏览器右上角拓展程序管理。拓展程序需要你先把开发者模式打开， 然后把刚刚的空母这个文件夹直接拖进来，你就能看到这个插件。打开扩展程序图标，把这个插件固定上， 然后你就能在这看到我的插件图标是一个绿色的书签，我们随便打开一个招聘网站，在页面右下角你能看到这样一个按钮，加入清单，它可以随意移动。点击加入清单，你可以看到我们已经把这个岗位的信息全部获取到了，分别去不同的招聘平台 选择加入清单。 我分别获取了四个不同招聘平台的四个岗位，选择导出，把导出的文件直接丢给 skill。 接下来它会自动做四件事，第一，把每个岗位拆解，第二，从四个维度分别对你的简历进行打分。第三，得到一个匹配度分数， 按匹配度从高到低帮你确定优先级。第四，为每个岗位单独生成定制化的简历开场白以及修改说明。 跑完之后生成的 html 页面就是开头看到的结果页面。这个 skill 它不会帮你做什么，它不会凭空给你加项目，加技能， 加你没有干过的经历，不会给你编造用户量、增长率、引受这些数字。每一处改动都会写在修改说明里面，原文是什么，改动了什么，为什么这么改， 你都能知道。简历可以优化，但不能造假，这条红线我替你守住。最后说一点，模型能力越强，简历也会改得越贴切，所以尽量选择能力强的模型，这是你能改变的效果。天花板， 我用 deepsea v 四 pro 跑了十五个岗位，成本大概在八毛，你们可以去试一试以上。

如何把简历从这种一点数一点都没有相关各种各样的文字堆砌，都说不清楚自己在做什么，而是排版十分不清晰的简历？改成这种既有排版布局，又有关键词表述，还能够对于不同岗位进行相关度修改，且凸显自己的个人优势的简历呢？今天我就手把手教你们如何把这个简历改成 这个简历，哈哈，首先呢，就是基础信息部分啦，你们很多宝都怎么写呢？根本就不用这么写吗？对不对 题就直接保留姓名、电话、邮箱，求知意向就可以了。而且呢，如果说你是党员身份，你还可以加上政治面貌，如果你不是的话，政治面貌也不用加呀。然后呢， 就是我们的工作经历部分，哎，你工作经历可不要乱写啊，你要围绕着那个岗位招聘公告来写啊，对不对？你不用写一些什么我做过什么，各种各样的，各种各样的哎，你不用写出来什么画面感，就把那些你主导或独立负责的部分写上，且和这个岗位垂直度做匹配，知道吧？实在不行，你就把这个东西丢给 ai， 让 ai 给你分析这个岗位的 g d 这一步的来去， 根据分析的要点来去写你的简历了是不是？然后呢，就是项目经历部分。那项目经历部分啊，没有你想的这么复杂了，你直接就突出你的技能优势点就行了，知道吗？着重突出自己会应用的工具就 ok 了。哎， 这工具要写哪些呢？直接把招聘公告上要求的工具抄下来不就行了吗？对不对？这个技能优势部分，不要什么乱写啊什么，哎呦，我勤劳踏实肯干又怎么怎么着的。那 不用这样写呢，你直接嗨，直接看那个招生报是什么岗位，他要求什么能力，你就直接写你具备某某某能力，对吧？然后能够应用某某某完成某某某就 ok 了。这么简单，靠这种方式去写简历，你一定能够提高约面率的啦，加油。

下，用 cloud code 还有这个 code 啊，感受吧，这两个软件我现在都装了，都开了会员了。 cloud code 和 code 这两个软件呢，我感觉呃， code 会略胜一筹。 cloud code， 你 给他发任务，他总会每一步的不停的去问你。呃， code 呢？你给他发了任务之后，他会自己去思考，然后自己去执行， 过程中呢，根本不需要你参与。如果你过程中有什么其他的想法，也可以点这个插入，他会把你的想法插入到他的思考过程中。但是可乐的扣子没有这个这个插入这个功能，你给可乐的扣子发一个命令，只能是他运行完之后 你再给他发第二条命令，要么你就终止这条命令，把你的命令修改一下。扣子呢，他在运行的过程中，你随时的可以打断他，随时的可以把自己的想法去加给他，他把你的想法 会立刻的加入他的这个工作思考中。所以下个月的会员我打算，可乐的这个会员我打算不续费了，我觉得只用 code 就 够了。

不会现在还有人在手搓简历吧？今天一分钟教会你用豆包修改简历，只需六条万能指令，直接抄作业就行。首先，我们需要明白，好的简历是投递公司岗位的通行证，在招聘流程中， hr 平均是只花费六到十筛选一份简历的。第一步，把你的初稿简历发送给豆包，进行初步精炼。提取指令， 帮我优化这份简历，让表达更简洁专业，同时重点突出我的工作成果。第二步，数据说话行业对标指令，把工作经历板块里的成果做量化处理，根据该行业的基础标准，用具体数据体现成果，让简历更有说服力。第三步，关键词精准匹配。 我正在应聘叉叉叉职位，请结合这个岗位的招聘需求，在我的简历里自然植入相关关键词，同时优化内容，让简历更适配这个岗位。第四步，精简自我评价 指令，根据简历里的背景信息，帮我写一份个性化的自我评价，重点突出我的核心技能和职业规划，不要使用套话。第五步，创造简历亮点 指令，从简历中提取核心优势和关键亮点，帮我生成一个核心成就板块，放在简历显眼位置。第六步， j d 针对定制指令，我要应聘 j d， 优化我的简历，让简历和岗位要求高度匹配。

最近用 cloud code 做了一个简历优化器，比如从这里，从这里可以上传简历，然后随便找份简历， 从这可以上传简历，然后找一份简历 好，然后可以去优化，它可以选优化目标， 然后有六个优化的方向，根据目标优化去突出技能，然后精简表达，还有突出成果和职业转型， 然后去优化。优化完了，这还有一个它的评分，这是优化前的原始简历，这是优化后的简历，然后再可以去浏览简历，个人简历，然后还可以去看它的不同的格式， 这是排版，不同排版还可以发送到自己的邮箱，去输入号码就可以去发送了，输入它的什么邮箱号就可以去发送， 还可以下载，下载到本地主要是帮助大家更好地获得到面试机会。有没有小伙伴需要帮忙优化简历的？

我宣布， obsidian 加 cloud code， 宇宙无敌，不管你是做什么行业，你都需要一个知识库。之前我在杭州线下听到一个四十五岁的地产行业的老师分享他的亲身经历，他四十五岁被公司裁员， 你想一下，他之前是能够一个想法就可以给公司省下三百万的，一个人被裁员了，但是他被裁员之后，投了四十多份简历都无人回复，全部石沉大海。 之后，他学习了 ai， 结合自己地产相关的一些知识，自己的一些经历啊，经验啊，这样子做成了知识库，打包成了 sop 去售卖，不仅变现了，还扩大了自己的知名度，接了商单。这就是有知识库和没有知识库的区别。 我们每次遇到同类的问题，都要去重新想，重新查，重新踩坑，但是我们就可以把这样的一些问题整理成知识库啊。我现在就用 app 店管理，我所有的知识，客户案例，选题库，工作流程，学习笔记全部都在里面，每一个都有标签，有关联随时都可以搜索。 加上 cloud code， 可以 直接跟我的知识点对话，你问他任何关于我的经历，他都可以找出来，然后整理成这样。如果你是做教育的，你的课程体系可以是知识点。如果你是做销售的，你的用户画像和话术可以是知识点。如果你是做内容的，你的选题库和爆款文案就是知识点。 哪怕你现在完全不用 ai， 先把知识库搭建起来，等你哪天想用 ai 的 时候，你的知识就是你最大的竞争力。评论区留下你的行业，我针对性的分析知识库的搭建方法，想要模板的联系我。

大家好，欢迎来到本期解析。说真的，如果你刚好是快毕业的大学生，或者刚入职一两年的技术新人，甚至就是单纯想准时下班的普通职场人，那今天这期内容你绝对不能错过。 咱们今天不搞那些颠覆未来之类的虚头巴脑的词儿，我就作为带你的技术前辈，手把手教你零基础玩转一个能真正替你干活的神仙工具，扣的从零开始，实打实的教你怎么用它搞定真实的工作。 咱们今天的路线图很清晰，先聊聊什么是 codex， 再拆解它的核心工作原理，接着直接上真实职场应用，顺便给你梳理一条阶梯式的学习路径，最后再送你一份建立包装和避坑指南。干货很多，咱们直接开始。 好第一部分，咱们先搞清楚到底什么是 codex。 其实你要先转个思维，咱们平时用的传统聊天 ai， 说白了就是在发短信，你问一句，他答一句，你还得自己手动去复制粘贴，上下文完全是断裂的。 但是 codex 呢？它是智能体，也就是 agent， 这就好比你拥有了一张专属的实体办公桌，而 ai 助手就坐在你旁边，它可以直接在你的本地文件夹里建项目，写代码，甚至是修改文件，它是真真切切在控制你的电脑，帮你干活的。 这时候你可能想问了，市面上还有个很火的 cloudy code， 这两个到底怎么选？其实很简单， codex 给你的额度很高，而且操作本地电脑和浏览器的能力简直一绝，它甚至还内置了强大的升图功能。 那 claudio 呢？它在海外社区公认的优势是在前端代码的视觉审美上更好一点，而且支持手机端操作。别接后面讲，切，急用的时候，我会教你一招怎么把这两大声结合起来用。 搞清楚了概念，咱们进入第二部分，拆解一下 codex 的 核心工作原理。作为刚入门的新人，你要记住的第一件事就是，千万千万不要再用默认的聊天框去处理复杂任务了。 你想啊，做 ppt、 写代码，如果你直接聊，聊完文件去哪了都不知道。在 codex 里，你一定要习惯新建一个 project， 也就是项目工作区。 这就相当于在你的电脑硬盘里，实实在在地建了一个专属文件夹， ai 生成的所有东西，所有的对话、上下文，全都会安安稳稳地保存在这里，绝对不会弄丢。 接下来是个核心概念，叫技能，也就是 skills， 你 完全可以把它想象成一张极其详尽的菜谱。这个菜谱是用 markdown 写的，它一步步清清楚楚地告诉 ai， 第一步做什么，第二步做什么， 知道吗？面试的时候，面试官特别爱问你怎么保证 ai 输出的稳定性，这时候你把这句话甩出去，通过编辑结构化的 markdown， 技能链绝对加分。 顺着刚才的思路，如果说技能是一张菜谱，那插件儿，也就是 plugins， 就是 个设备齐全的厨房 插件，不仅打包了好几个相关的技能，最牛的是它打通了外部应用的 api。 什么意思呢？就是按个安装键，你的 ai 瞬间就能连上你的 gmail、 邮箱，或者直接操控云端服务器了，就像给它装上了机械臂一样。 理论讲完了，咱们进入第三部分，看看这玩意儿在真实职场里，到底怎么帮你提升核心竞争力。 第一个场景，简直是广大打工人的福音。假设你每天都要做枯燥的行业或者股市分析报告，用 codex 怎么玩？装好文件和表格插件，直接敲一句话，分析今天 a e i 板块的股票表现。做成带高量表格的报告 最绝的是什么？你可以设置一个自动化，也就是 automation 设定，每天早上八点让 ai 在 后台静默运行，等你端着咖啡坐到工位上的时候，一份排版精美的本地分析报告已经躺在你的文件夹里了，酷不酷？ 第二个场景，如果你是快毕业的大学生或者寄宿新手儿，一定要听好！想不想弄个特别有逼格的个人简历网站？你只要告诉 codex， 给我写个苹果极简风的个人主页，要是觉得生成出来的页面差那么点儿意思，没关系， 直接在终端里把 cloud 叫出来维调一下审美。弄完之后用 versa 插件一键部署到公网，你看几分钟的功夫，一个全世界都能访问的专属链接就搞定了。把这个发给面试官，那不直接秒杀其他应届生吗？ 再来看第三个场景，如果你是做自媒体的或者干运营的，你觉得会爱死这个功能。装上 hyperframe 和 browser use 这俩插件， codex 就 直接接管你的浏览器了。 你把你自己的社交媒体链接丢给他， ai 就 会像个活人一样，自己打开网页去冲浪，截图你的主页，扒你的素材，然后全自动给你剪辑渲染出一条主暑宣传片， 这整个过程，你真的一根手指头都不用动，就在旁边看着他表演就行了。好了，看到这儿是不是有点手痒了？咱们进入第四部分，我给你梳理一条从小白到大神的阶梯学习路径。 我把这个学习路线拆成了三层。第一层，刚入门，你必须先把基础打牢，搞清楚怎么切换项目，怎么用基本的技能和插件，这能帮你告别低效的蠢聊天模式。 第二层，找工作的关键加分享，也就是自动化定时任务，还有刚才说的 verbile 一 键部署和浏览器控特。面试官看中啥？就是看你能不能把一个玩具变成真正能落地的交付产品。 等你到了第三层，也就是真正的企业级实战阶段，你就要学会在中端里混用 codex 和 cloud 了，还要能手写 markdown， 为公司定制属于有效的业务技能流，这才是真本事。 最后，我们来到第五部分，学是学完了怎么写进简历，还有哪些新手容易踩的坑，咱们来盘一盘。说真的，千万别再在建立上写什么熟悉 ai 技术或者精通提示词儿了， 这在 hr 眼里全是废话，给你一个能直接抄的黄金模板听好了。基于 codex 技术和某某插件，搭建了日常自动化数据处理流， 实现了每日报告的全自动生成。通过一键部署的方法，将两小时的工作缩短至三分钟，显著提升了团队的数据响应指标。大家评一评，这么写，是不是立刻就有那种实战经验满满的滋生工程师那味了？ 不过呢，作为过来人，我也得给你提三个姓，别掉坑里。第一，权限控制，千万别嫌麻烦， 别一上来就图省事儿，开着大局权限，万一 ai 理解错指令，把你重要文件删了，你找谁去？平时一定要善用自动审模式拦截危险命令。第二，别死磕一个模型， 如果 gpt 写的网页就是丑，果断换可漏的解手要以最终效果为导向。第三，告别那种随意的无线对话习惯，踏踏实实建立好的工程思维，把不同的需求放在清晰的本地项目文件夹里，做真正可维护的东西。 总结一下，技术再牛，如果不落地到你的实际工作里，那也是白搭。你现在最想用 codex 把你手头上的哪项工作自动化？ 欢迎大家在评论区打出你的岗位名称，我会挑高频的岗位给大家继续拆解更深入的具体应用场景。那如果你刚好快毕业了，或者正准备入行 ai， 强烈建议你把本期解析收藏起来，作为你入门实战的扎实路线图。 记得点个关注，我会持续把这些看着高清的 ai 技术通俗易懂地讲给你听，咱们下期见！

今天给大家安利一个宝藏工具叫 offerlive， 它可以直接根据这地帮你优化简历。第一步，先上传你的简历， pdf、 word 图片都可以，而且它还可以帮你把简历存起来，下次直接点一下就能用，不用每次重新上传，烂人友好到家了。如果你需要带照片的简历， 也可以上传一张证件照，同样可以保存，下次直接点使用，不用再翻半天文件夹找图了。如果你后面想换简历或者照片，在这里重新上传就行，不想保存的话点删除就可以了。然后右边把你要投的岗位 g d 粘贴进去，或者直接把 g d 截图拖进去。最后点一下开始优化简历， ai 就 开始干活了，它会先帮你拆解这地核心要求，把岗位的必须技能、加分、技能经验要求全部列出来，你一眼就能看出目标岗位想要招什么样的人。最关键的是，它还会提取这地里的关键词，就是那些 hr 系统自动筛简历时扫描的词， 你简历里没这些词，招聘官根本看不到你。接着绿色的是简历亮点，黄色的是带改进，它会告诉你哪些经历和这地高度匹配， 也会直接说明你哪些精力需要补充，真的太细了。蓝色的是匹配评分，评分有不同的维度，必须技能加分、技能精力相关性 a、 t s 关键词成果量化，每一项都有详细点评， 不是随便给个分糊弄你。目前是七点六分，分析报告看完之后点击生成优化简历， ai 就 会自动帮你改好简历。优化后，简历和 j d 的 匹配度从七点六提高到了八点九，你还可以点击之前的分数，查看优化前的匹配度，分析 优化后的简历。右侧还有 ai 修改说明，只要把光标放在右边，任意的修改说明上，左边对应的位置就会被圈起来。每一处改动都标注了新增、优化、删除。 ai 修改说明还会给你原文和改后对比，改了什么，为什么改，全都解释清楚。 还有多种简历主题风格可以切换，简约白、专业蓝、现代绿、经典黑、优雅紫，找一个你喜欢的。最后还有进一步优化建议，这些是 ai 改不了的，需要你自己手动补充的，比如准备作品集、沉淀商业化案例，都是具体可操作的方向点。这里的编辑简历，你还可以手动修改简历基本信息、 工作经历，每一个字段都能自己调整，改完保存即可。最后下载 word 或者 pdf 就 能直接投了，文件名自动带你的名字和目标岗位，很贴心。网站最下面还有个联系，我们用着有啥想吐槽的，觉得哪里还能更好， 都可以直接反馈过去。这种愿意认真听用户意见的产品真的挺难得，感兴趣的小伙伴快去试试，网址是 offerlive ltd。

如果你到现在都没有用上 codex， 一定要抓紧时间联系我。这个是阿慈关注了一个好几年的博主前几天发的视频，所以这几天阿慈研究了好几天的 codex 这个软件呢。阿慈已经装了几天，也用了几天了，感觉效果还是非常不错的，所以我又买了一个笔记本回来，准备装在上面办公使用。 macbook pro 啊， m 五芯片的，然后是一百二十八 gb 的 运行内存，从这里把它撕掉。 哦，看起来还是比较不错的。有送了一个充电线，打开看一下。 喂，我什么都没动，怎么就自己开机了？我买了一个全新的 macbook pro， 你 现在帮我操作一下，把 你这个电脑上所有的旧的数据都传输到我的新电脑上。 ok， 我 们已经下达指令了。像今天我发现我这样， 他帮我操作剪辑视频的话，也是非常可以的。还有就是在后台帮我找到一些功能，有时候我找了半天都找不到的功能，哎，他就自动帮我找到了，你看他自动开启那个清理助理了，我点个继续 输入密码，我们的数据已经在传输了。 call desk 呢，是比之前的那个小龙虾更简单更方便使用的，而且在功能还有实际使用起来的方面，确实是比小龙虾会好很多。但是这些软件也存在 一定的风险啊。例如我之前用那个小龙虾的时候，我原本是想让他自动帮我回复后台的信息的，但是最终我发现了危险很大。 例如有个客户，他说阿池啊，这个车十万块钱能不能卖给他？小龙虾说， ok， 可以 卖。然后客户到店之后， 我说这个价格卖不了是瞎说的，我觉得这样子的话对于我们企业来说是不太合适的，所以之前小龙虾呢？阿池主要就是要让他帮我们找一些车源，还有就是监管所有同事的聊天记录使用，例如 我的 call dice， 我 现在可以跟他说，你多开微信，直接开二十个微信，然后我上所有的同事销售收购的过来，把他们的聊天记录上传到我的电脑上。我跟 call dice 说，你帮我监管这二十个人， 有没有及时跟进客户，有没有漏回客户的信息，如果有，他就把这些信息整合下来发给我，我再去提醒我的同事，让他们及时回复客户的信息。后续我也准备把这个应用到 我们的短视频创作上，特别是想要做个短剧啊。重申之，我在海南卖二手车。至于后面这件事情能不能实质落地，关注一下阿辞，用 ip 抓住流量，用 ai 提升效率。