askgo的ai编程怎么用

我们在使用 ai 进行开发时，大模型需要理解整个项目结构，需要梳理函数的调用关系，一个变量，一个结构体在什么地方被引用了， 此时他要去扫描整个项目代码，把所有代码喂给大模型，那这样的话当然就非常的小头肯， 尤其当你的代码库非常大时，即使对于一个很小的分析问题，也需要浪费很多头肯。这个时候购 pos m c p 就 横空出世了，当然只是针对购源的，这个是有购源官方团队开发维护的。先说什么是购 pos， 比如说我们在 id 里面选中一个函数，右键可以查找引用，就是去查一下什么地方调用了这个函数， 包括按住 ctrl 键点击这个函数，能够直接跳转到定义函数的地方，也可以重命名 f 二重命名，这样的话只需要改一次，那么所有地方就全部改了。类似于这些功能就是由 go ps 提供的， 不管是用 vs code 还是 go land 还是其他 id 级，背后都是在调用 go ps 提供的能力。 那如果这项能力能够直接喂给大模型的话，大模型在立即代码时，就不需要全部扫描整个代码库了。于是乎呢，构员官方就把构 p u s 封装成了一个 m c p， 让大模型可以直接调用。 我们使用 cloud 可以 直接安装这个 m c p， 方法也很简单，在你的用户根目录下有一个点 cloud 点接收。打开这个文件， 我们找到 mcp servers 这一项，添加一个 go ps 就 可以了， 前提是你已经通过 go install 把 go ps 安装好了，就是使用这个命令 go ps mcp server， 我 们看下效果，我打开 cloud， 问他哪些地方调用了到 user 点 go 里面的 get user by user name 这个函数， 并且问他在解决这个问题时，你扫描了几个购文件。他最终告诉我只有一个地方调用了这个函数， 是在 service user 点购第七十六行。他说我扫描了项目中的所有的购文件来查找这个函数调用。 那么第二次，我稍微变了一下，我说请用 go ps 来分析，还是这句话，问题是一模一样的。那么这次呢，他说 go ps 的 分析结果是 这个函数有两处引用，那其中一处是函数定义本身，所以说真正调用的就一处。那这个分析结果跟上一次结果是一样的。只不过呢，他说这次 是因为 go ps， 它直接扫描了整个 go workspace cloud， 它并没有扫描代码库。因为 go ps 已经在后台构建好了完整的符号引用，所以能精确定位到引用的位置。 但这样的话就比较麻烦，好像我每次呢，都需要特意强调一下，请使用 go ps 来进行分析。 于是我说了一句，我说 go ps mcp 已经提供了如下功能，当你需要理解 go 代码时，请主动使用 go ps 这个 mcp。 他 说明白了 go ps mcp 提供了这些功能， 第一， go space 可以 了解项目结构。第二， go search 可以 搜索符号。 第三， go simple reference 可以 查找符号引用。第四， go file context 理解文件依赖，最后是编辑诊断。然后呢，我又问他一个类似问题，哪些地方调用了 get user by id 这个函数？ 那这次啊，他就知道，而他应该使用 go ps 来解决这个问题。这是 go ps 给的一个结果， cloud 并不需要扫描任何文件，但这样还是比较麻烦。我每次打开 cloud， 我 都需要主动告诉他，当需要理解勾代码时，请主动使用勾 pos mcp。 虽然说我已经安装了这个 mcp， 但貌似来看， cloud 并不会在适当时机去主动调取这个 mcp。 所以呢，我们需要在 cloud md 这个文件里面再显示地跟它说一次，提醒它一下， cloud md 里面的所有文本内容相当于是 system prompt， 它每次都会自动地传给大模型。所以，最后总结一下，我们主动使用 go ps 来理解分析 go 代码，比让大模型去理解分析要更准、更全，而且更省头肯。 如果你想快速高效的学习构员，欢迎点击视频下方的课程链接，通过我的对比总结和整理，带你看透本质，少走弯路。

大部分人把 deepsafe 用错了， v 四版本综合能力现在重回国产第一，今天直接给你出 v 四保姆级教程，先带你看它现在到底强到什么程度。二 零二六年四月二十四号刚发布的 v 四系列，发布仅三天，第三方 super 四 lue 精准实测结果就直接炸场。 pro 版以七十点九八分登顶国产大模型综合榜第一， flash 版以六十八点八二分紧随其后拿下国产第二。 双版本直接包揽了国产榜单的前两名，把一众老牌大模型都甩在了身后。六大核心能力的硬核增幅直接给你摆明白。智能体任务规划能力 七十七点四九分，国产第一，比上一代暴涨二十点八七分，是这次升级最大的杀招，大白话讲就是他能自己拆解任务规划步骤，不用你一步步盯着叫。数学推理能力八十七点三九分，同样登顶国产第一， 硬核数理能力直接拉满，从小学算数到考研高数，没有他解不明白的题。幻觉控制。八十点六八分，国产第三， 仅次于 glm 五和千问三点五，意味着他瞎编乱造的概率极低，给你的答案靠谱度很高。科学推理七十九点二七分，国产第二，仅次于豆包专家模式，专业领域的内容拆解、逻辑推演，他都能精准拿捏代码生成。六十三点二四分，国产第三， 似于 kimi 二点五和豆包专家模式，稳居开源模型里的代码能力第一梯队，开发者和普通职场人都能用精确指令遵循。 三十七点八四分，国产第三，比上一代暴涨十一点八九分，从之前的国产垫底，直接冲进第一梯队，你让他干什么，他就严格按你的要求来，不会跑偏，不会露相，实现了全维度无短板。那这么强的能力， 为什么你用着总觉得不好用？核心原因只有一个，你从跟上就把它的两个模式用反了。很多人用了一年 deepsea， 根本没搞懂哪个模式适合干什么，回头还骂他能力不行，这完全是把屠龙刀拿来切菜了。快速模式运行的是 v 四 flash 版本，主打响应快、成本低，全功能免费无门槛。它适配日常闲聊、简单提问、清亮文本处理、基础信息查询， 用它完全够用。但你要是拿它解高数，做复杂报告、写代码，那肯定会觉得它能力不行，这不是它的问题，是你用错了场景。而专家模式运行的是 v 四 pro 版本，是这次升级的核心杀招。佛有登顶榜单的硬核能力， 全在这个模式里，这才是你真正应该学会使用的方法。下面这三大专属用法，普通人直接照着用，效率拉满十倍。第一个，用它做全场景数学问题解答，学生党，职场人刚需中的刚需。他有着国产第一的数学推理能力， 不管是中小学数理化作业公式推导、大学高数微积分考研考公的数量关系题，还是职场人需要的数据分析、财务核算，他都能精准搞定。他不仅能给你标准答案， 还会拆解每一步解析思路，标注易错点，讲透底层逻辑，甚至给你同类型题的通用解析技巧，比网课老师讲的还细致。给你一个直接就能用的指令模板，我需要你讲解这道题，先给出标准答案， 再一步步拆解解析步骤，标注核心考点和易错点。最后给我三道同类型的练习题，附带答案和解析，直接复制粘贴就能用。第二个，用它的科学推理能力做内容校准， 做自媒体写报告的人，靠它彻底避免翻车。不管是视频内容的技术参数核对、 ai 测评、数据校准， 还是行业报告的深度拆解、数据交叉验证，又或是科普内容的真实性核实，独家细节挖掘，他都能精准排查数据错误，核实内容真实性，挖出同行没注意到的信息差，直接把文案丢给他，说帮我核对这篇文案里的所有数据 错误，给出正确数据和权威来源补充三个差异化独家细节，直接优化出有干货、有爆点的文案。最后给你一个高级玩法，用它的顶级智能体能力搭建你的专属数字员工。很多人到现在都不知道智能体到底是什么， 说白了，他就是把 ai 从你让他干什么他才干什么的被动工具，变成了你告诉他要什么结果他自己想办法干完的 主动执行者。之前你用 ai 做报告，得一步步给指令盯着改，随时纠错，前前后后要折腾十几轮。现在用 deepsea v 四的智能体能力，你只需要定一个最终目标，它会自己拆解任务 规划步骤，调用工具自主纠错，最后直接给你交付成品，全程不用你定 deepsea v 四在闲聊、语音交互、创意文案商品选择上，不如豆包千问顺手。本地部署对新手也有门槛，所以选对场景是你最应该注意的。 最后问你两个问题，你已经用上 deepsea v 四了吗？最让你惊艳的是哪个能力？评论区告诉我！收藏转发这条保姆级教程，下期带你解锁更多 ai 提效的隐藏玩法！

ok 了，兄弟们，今天我来分享一下开发这个 promote go web 版当中遇到一些问题啊，主要是两个，一个是组建化，还有一个是响应式结构。因为这个项目我本来是在 xcode， 也就是 ios 平台上面开发的，我在 app store 已经发布了。 然后呢，有些朋友就跟我说，他也想用，但他是安卓手机或鸿蒙，所以呢，我就选择了兼容性最好的 web， 也就是网页版的开发。在 ios 平台上面开发呢，就相当于你可以直接拿苹果已经设计好那种液态玻璃的组建，以及那种导航栏，你拿来就用，对吧？ 这个 ai 你 怎么写？只要是个 swift 写好了，他拿出来就不会丑，苹果他原生的系统就已经给你打好底了。 可是呢，你到了 web 上面，它就变成一张白纸，完全空白的画布，好吧，你要开始从头开始搓， 所以第一个叫组建化。什么叫组建化？你把你页面上的所有东西，把它分成一个个小组建，把它的样式分成组建，把它功能也分成组建，然后这样子去开发。不然这个 ai 在 开发时候，你说一功能，它想到哪写到哪。 我们用画图来说，比如说你在一个图层上面已经做好了一只小蝴蝶，那你只要复制粘贴过去，对不对？但是 ai 他的有的时候是因为上下文受限，你要再去做同样一个功能，或者同样一个组建的时候，哎，他不给你去，他不给你直接附用，他直接他妈给你重写，哎， 本来在一个大组件里面，你只要附用一个小组件就行，他那个大组件你再把你这个小组件用印编码的方式给他写上去。好了，你这样子，下次要改的时候，你又要改那个小组件的编码，又要改这个大组件里面小组件的编码，你懂吗？这个叫做代码龙鱼啊，龙鱼， 还有一个就是响应式。那什么叫响应式呢？就是我们在浏览器上打开一个网页，在手机上打开它是小视口，在桌面上打开它是桌面的大视口，所以你要设计好这些小组件，在大视口的情况下是怎样子，在小视口的情况下怎样的。不然啊， 你就看的乱七八糟吧。所以现在 ai 能力，它不可能一下子给你完成一个很大的项目，你需要有一个比较好的一个逻辑，把你的项目呃，组件化、结构化，然后你让 ai 去完成一个个片段，最后把这些东西整合成一个大的项目， 这才是正确的 ai 编程啊。好了，如果你对 ai 编程感兴趣，欢迎我们一起交流。如果你想学习怎么使用 ai， 那 你可以登录一下我的 prom go 啊，那里有些提示词，你可以拿去学一下，用一下。好，就这样，拜拜。

ok， 兄弟们，五一的第三天，我们继续来学习 go 基础。 go 里面有两个东西长得特别像，以至于很多小同学根本分不清数组和切片。其实他们俩的行为差别是很大的，今天我们就用一分钟彻底把这两个东西讲清楚。先说数组， go 的 数组有三个关键特征， 第一，长度，固定数值，只要声明了，长度就不会变了。第二，长度是类型的一部分，三 n n 和四 n t 是 两种完全不同的类型，不能互相赋值。第三，数值是值，类型赋值或者传餐会把整个数值复制一遍。这三个特征加起就导致了数值在垢里其实用的很少。 那切片呢？可以说在沟里切片就是数组的尚未替代。它也有三个显著的特征，第一，强度动态，用 ipad 就 可以往里面加元素。第二，切片本身不存数据，它只是一个窗口，指向底层某个数组的一段连续区域。 第三，切片本质上是一个结构体，一个指针，一个长度，一个容量。记住，这个结构体后面所有让你困惑的行为都能用切片的本质解释。 那问题来了，树组和切片到底是什么关系？其实就一句话，切片是树组的仕途。当你 make int， 三五勾会先偷偷创建一个强度为五的树组，然后返回一个切片类是三， cap 是 五， 前三个位置你能直接访问，后两个留给 oppen 的 用。当你 a 盘 d 到容量不够时，勾会自动分配一个更大的新数组，把老数据拷过去，这就是切片的自动扩容。 ok， 那 么今天的视频就到此结束了，希望你天天都能睡好觉，拜拜！

想来看一段爆火视频，豆包豆包，这个蘑菇能吃吗？能吃，这是无毒的啊，真香！对不起，上次搞错了，你先别生气，这次我直接说人话，给你最直白最正确的回答。这是一颗毒蘑菇，不能吃！ 需要为你补充更多堵蘑菇的信息吗？很多人吐槽豆包爱胡说，只会瞎编，但你有没有想过，百分之九十的人从根上就把豆包用错了？先问你一个问题，你认为豆包一共有几个模式？ 答案是三个。很多人用了两三年，豆包只会用默认的快速模式，根本没看懂每个模式的官方定位，反而骂豆包只会说谎。今天这条直接给你讲透三个模式的用法，帮你把豆包的效率拉满十倍。 首先说大家最熟悉的快速模式，官方介绍只有一句话，适用于大部分场景，说人话就是他给你的都是最通用最基础的答案。 响应时间一到五秒左右，主打一个快，适合日常唠嗑，简单提问，快速回消息，也适合没耐心的选手，或是陪家里老人聊天，用第三方交叉均值评测。快速模式的底层模型是豆包 c 的 二零 mini 幻觉控制六十二点二分左右，这就是你为什么总觉得它经常胡说八道的原因。而专家模式官方定位是研究级智能型，每天仅能使用两小时。 二零二六 super c l u e 十色幻觉控制七十九点四一分，仅次于智普旗下的 g l m 五和千问三五三九七比 排第三名，而去年国内幻觉控制排第一的 deep seek 下降到了第五名。它主打一个准，给你的是最精准、最深度，完全贴合你需求的答案，专门用来解决需要出结果的正经事。三个高频场景，一眼看懂差距 爆款文案，快速模式给通用模板要反复改。专家模式给适配算法的爆盘开头 做工作 ppt， 快 速模式给易错的模糊框架，专家模式给可直接用的完整框架与数据，数据复盘给他加划。第一个重点，日常闲聊，简单提问，用快速模式，所有需要交差的工作深度分析，用专家模式，效率直接差十倍。 很多人会问，那夹在中间的思考模式是什么？是不是比专家模式还强？接下来我就给你讲透两个模式的定位，天差地别。 思考模式的官方介绍是擅长解决更难的问题，响应时间五到三十秒左右，刚好卡在快速模式和专家模式中间。它的底层模型是豆包 seed 二零 led 第三方交叉均值七十二点三分，但在社区实测推理与数学计算得分八十五点八，处于全球 ai 大 模型第一梯队。它的核心不是给你一个完美的最终答案，而是给你完整的思考全过程，帮你学东西，沟通底层逻辑。而专家模式核心是给你最终答案， 帮你省时间，直接拿，结果是用来干活的。再给你举两个高频场景，一眼看懂差距。第一个，写文案，写剧本，思考模式给你拆解爆款逻辑，人设定位，反转杰作，教你怎么写好专家模式，直接给你完整成品，文案，拿过来就能拍。 第二个，做数学题、逻辑题，专家模式直接给你标准答案加完整步骤，你超过来就能用思考模式给你每一步的思路，易错点解析技巧，帮你彻底学会，这类题下次自己就能做。给大家划第二个重点，需要出结果，赶时间的工作， 用专家模式效率最高，需要学习打磨内容，搞懂逻辑的场景，用思考模式绝对不要用反。 很多人会说搞懂了三个模式，那豆包和 gpt、 cloud 这些海外 ai 笔到底是什么水平？我直接给你做全市场主流 ai 的 横向对比，用大白话讲透谁才是普通人的最优解。先来看这张刷爆全网的 ai 排位图， 很多人说海外散打 ai 封神，国内 ai 只能下跪，你认同这个观点吗？这张图其实不够完全客观，我用一个所有人都能看懂的通俗比喻，保证你一眼就能明白，那就是文科生和理科生。第一类，极致文科生，代表就是海外的 cloud， 还有国内的 j l m 文新一言，擅长查资料，写文案，唠嗑梳理长文章，但数学硬核推理是弱项， 适合日常用做内容。第二类，即智力合生，代表是海外的 jammy， 国内的 deep sea， 数学代码科研推理无敌， 但语言共情能力弱，适合专业技术场景。第三类，文理双修全能王，代表是海外的 chat， gpt， 还有国内的同一千问，文理没有明显短板， 全场景通用，是普通人的综合首选。而豆包呢，就是国内文理双修，文科更强的外向女生，中文理解，本土场景，网络热捧，全是配，完全免费无门槛， 这就是他能做到月活接近四亿，碾压全行业的核心原因。在 ai 智能指数上，豆包目前是毫无疑问的国产第一。最后给大家划终极重点，海外三大 ai 综合实力虽强， 但豆包才是最适配中国人日常场景的免费 ai。 日常闲聊用快速打磨内容，学习用思考办公出活深度分析用专家 选对模式，效率直接拉满！你平时用豆包最多的是哪个模式？ a。 快 速模式 b。 专家模式 c 思考模式评论区告诉我， 我下期出对应模式的专属使用技巧。收藏这条内容，下次用豆包直接对找转发给你天天用豆包的同事朋友，别再让他骂豆包胡说了！关注我，带你解锁更多 ai 提效技巧！

面试官，只要敢问你什么是 s s e， 那 我只能送你两个字，拿下十 k 的 同学一般怎么答呀？ s s e 不 就是流式输出加打字机吗？我跟 ai 提问，然后一行行输出， 你答的非常对，完全正确，但是没意义啊，人家不会说吗？都会等于都不会啊。接下来我给你的答案你从来没有听过，你将成为所有后人中 最靓的仔。首先第一句话你告诉面试官，几乎所有的 sse 通通都是假的，他们根本就不是 sse， 他 们全部都是史君于 apple 模拟的。我们先来看 sse 啊， sse 它本身是 h t t p 原生的协议，但是设计的非常垃圾。 首先他的数据格式一定要求要以 date 开头，然后冒号跟上数据，最后再跟上两个换行符，这就代表我的一条数据一条一条输出，直到结束。但是他有两个非常大的缺陷。第一个 sse， 它只支持纯文本，但是在我们 ai 应用开发的过程中，服务端很有可能给你吐出一个图片，那图片是二阶字的，所以这种场景就不适用，它只能输出纯文本。而且我们想用原生的 sse， 它只支持 get 请求， pos 就 不行。所以你说 sse 能用吗？根本就用不了。 所以我总结一下， s s e， 它是由三部分组成的， http 的 协议，然后加上数据格式，然后加上方法，那它的格式是有缺陷的，方法也是有缺陷的，所以这玩意用不了。大家实际上在开发中使用的 s s e 其实是通过 stream apple 去模拟的。什么是 stream apple 啊？ stream apple 实际上是 http 中一种非常常见的分片技术，比如说正常我们发一个请求，服务器是一次性把所有的数据 全部返回到你客户端，那 sql 就是 将我们的数据去进行分块，一点一点传输。比如说我举个例子，在前端领域就有一种非常经典的性能优化手段，而正常 我们用户去访问页面，服务器是一次性返回所有的 h 选项，所以会很慢，那就可以利用 sql 我 们慢慢输出分块，也就是说用户他会从上至下慢慢看到页面展示出来，这就有非常经典的一个 sql 的 应用场景。 sql 实际上解决的就是对应的协议层面的问题，接下来 我们在业务层面去定义数据格式，所以我们只需要用 streamable 去传输 data 冒号，然后加上双换行这种数据格式就 ok， 也就是跟 sse 保持一致。 streamable 它同时支持 get post 等等多种请求方式，所以完美解决 sse 存在的缺陷。以后面试官再问你什么是 sse， 你 就大胆的告诉他，假的，通通都是假的。

夸刚刚发布了一款堪称王炸的工具，这是一个斜杠命令，叫做 go， 你 只需给他一个任务，他就会不达目的不罢休，全程无需你动手。本期视频我将手把手教你如何使用这个工具， 我将为你揭秘它为什么如此好用的玄机。我还会给你一个真实案例，看它如何实际运作。不过我们先搞清楚 go 到底是什么。在夸扣里，你只要输入斜杠， 就会弹出一个小菜单，列出一堆内置命令。注意，这些不是提示词，而是工具。每个命令都有自己独特的用途，而 splash go 就是 其中之一。这可是个新面孔，我跟你说它强得离谱， 过去四十八小时，我简直停不下来，一直在用它。那么 splash go 到底解决了什么痛点呢？比方说，你有一整年的银行流水，全是 pdf 文件，你想把每一笔交易都扒出来，你想把它们分门别类，比如餐饮、加油订阅，再生成一份阅读支出报告，最后汇总到表格里。这活儿可不小， 没有 slash go， car 也能搞定，而且效果相当不错。但他只会处理第一份流水，然后就罢工了，然后他就傻等着你输入继续之类的话。这种情况一而再再而三的出现，你就只能干坐着，像看小孩一样盯着电脑超过一个小时。以前就是这么个搞法，但斜杠目标 slash go 功能完全改变了这一切。 你输入斜杠目标，后面再写一句话，精确描述跨扣应该在什么时候停下来，然后跨就会一轮接一轮的自动运行，他自己跑着，直到任务全部搞定。好嘞，瞅瞅这个，你输入斜杠目标，再定义一个终点线，终点线就是跨能够核实的一个条件。你可以输入像这样的东西。 我收集文件，家里的每个文件都已经分类整理并总结好了，汇总到一个带总机的电子表格里，这就是终点线，然后跨就开跑了， 你会看到这边的那个小图标，这个图标表示目标已激活，还带个计时器。这就是靠自己在干活的证据，它没在等你，它没在等我，它自己一直跑着。但这里有个特别有意思的点，所以我想聊聊这玩意儿为什么，以及怎么就能这么好使。当你设一个目标的时候，其实是有两个 ai 代理在同时干活， 一个是主模型，也就是真正的干活的。他使用的是 opus 或 sanit， 他 才是真正干活的，他负责构建文件，编辑代码，整理资料，他就是你的员工。但真正的磨砺，真正的磨砺在于第二个工人，你可以把第二个工人看作是员工的老板。 在工人每完成一步后，老板就会进入检查，他会仔细审查刚才完成的所有工作，并且他会问一个简单的问题，目标达成了吗？如果老板说没完成， 那么他会明确告诉工人为什么工作还没完成。然后他会开启新一轮的工作，工人便回去继续工作。然后老板会反复检查，一次又一次，这个循环会不断继续，直到老板最终点头说好了，完成了，彻底完成了，这时 call 才会停下来。这就是勾指令背后的魔力所在。 如果你只输入 go， 后面不带任何内容，它会显示这个报告已经运行了多久？它会显示已经执行了多少轮迭代？它会显示消耗了多少 token。 它就像是你的控制面板，你可以随时查看你的员工的工作状态。 不过咱们先快速聊聊这个设置，因为我觉得这点超关键。如果你想彻底解放双手，真正做到甩手不管，回来时项目已经搞定。你需要搞定两件事， 第一是敲入 go， 这很简单，这我们刚才刚聊过，但还有第二点。第二点就是开启自动批准。默认情况下，每次 call 要运行命令或编辑文件时，他都会来征求你的同意。他会问我能干这个吗？或者我能跑那个吗？ 如果你不打开自动批准， call 就 会停下来等你点确认，每个操作都要等你点头。哪怕 go 正在跑，不过也没事，这是个安全措施。 但如果你想让它全自动跑，你就得打开自动批准。不过这里有些事你得琢磨琢磨，你这是在给下拳拳放手，让它自己搞定一切。好消息是， q r 自带了一些安全网。 q r 不 会擅自运行危险操作，它会先问你，它只在你给它的项目范围内活动，你随时可以限制它的操作范围。 我觉得自动模式算是比较进阶的功能，你在开启前得先完全弄明白 call 能访问哪些内容，以及你的数据是怎么被处理的。这期视频还有件特别重要的事得聊，因为一旦搞砸了，习到目标，要么永远跑下去白白烧钱，要么干脆不干活，或者把你所有的 token 都耗光。 相信我，我已经在一个任务上烧掉了一整天的偷啃，这可是我花钱买来的教训，我来就是告诉你那是啥，让你不用再走弯路。记住老板这个角色，老板只能看到工人向他汇报的内容，他不能自己去翻你的文件。 所以你的目标条件，也就是终点线，必须是老板能确认的东西，而且只能基于工人报告回来的信息，不能是模糊不清的条件，也不能说别出错或者干得漂亮这种话。这些都是我踩过的坑。真实案例，老板根本无法核实这些任务，因为指令太模糊了， 于是 kua 就 会像无头苍蝇一样原地打转，并且每次都白白消耗 token。 举个例子，你千万不要说把我的文件收拾干净，整理的妥妥当当的，老板怎么知道怎样才算井井有条？他根本不知道。因为太模糊了， 所以 kua 就 会一直循环，没完没了，根本停不下来，然后把你所有的 token 都消耗殆尽。如果你用的是 api， 那 烧的可就是真金白银了。相反，你应该像这样说， 我收据文件夹里的每个文件都已按日期和商家名称重新命名，文件已按月份归类到不同的文件夹里，并且生成了一份支出明细的 c、 s、 d 文件，每张收据对应一行数据，看出区别了吗？第二个指令，有一个老板能真正核实的终点线，他是一个必须存在的特定文件，一个必须被创建的特定文件夹。 总之是老板能在对话记录里看到的具体成果，然后说，没错，这事确实干完了。另外还有一点要补充，你永远可以加一顶安全帽，在你设定的条件末尾，你完全可以加上一句，比如三十轮对话后停止或四十五分钟后停止运行， 这是你的安全绳，万一出问题，矿会自动停止，而不是跑一整晚把你的积分全烧光。每次你都该这么做，相信我，加上这道保险准没错。好了，咱们来看点真家伙， 好。假设你开了一家披萨店，你知道你必须每天在社交媒体上更新，但你根本没时间搞这些。你没空去策划，没空去写，更没空每天想新点子。我觉得大多数小企业都这德行， 他们知道必须得做，但搞出这些东西实在太花时间了。那么如果我们用勾这个指令，我会输入斜杠勾，然后给他一个非常明确的最终目标。 大家看这个例子，这基本上就是让 core 去生成一整周的社交媒体内容，为这家披萨店配上文案、话题、标签和真实图片。这些图片会从我的 nano banana a p i 里调用，它会把这些全部整合到一个专业的 pdf 文件里，方便我直接用。 如果二十步之内搞不定，它就会自动停下来。当然，老板会确保全部十五个帖子都配上图片才确认通过。效果图如下，我们有一整周的内容，十五个帖子，三个平台，每条文案、话题、标签、图片全部安排妥当。 我除了输入那个提示词，啥也不用干，等我回来他就已经搞定了。就这种活，社交媒体经理一个月能收好几百美元。这还只是一个例子，你可以用斜道目标为宠物美容店设计一个会员忠诚计划，或者给咖啡店规划一整月的每日特价，或者给每一条评论都写个性化回复， 你可以给所有客户生成发票，只要是步骤多特费时的事，你都可以用斜杠目标来搞定。在开干之前，咱们先聊聊费用。首先你得有专业版或最高版套餐才行，所以你要是不注意用斜杠目标，可能会很烧钱。 就像我之前说的，老板会让克劳德一直干到完活为止，但你的条件要是设的不好，老板就永远干不完，他永远不会满足。 然后克劳德就会陷入死循环，不停地消耗你的令牌。这里有三个规则可以帮你避免这种情况。第一，永远记得用那个安全网。再说一遍，你可以设定在二十五轮对话后停止，或者四十五分钟后停止。 第二，走之前先查查用量，随时输入斜杠 us， 就 能看到你还有多少积分。第三，从小做起，别一上来就想着把整个业务都重新整对一遍，不，从一个文件夹开始就好。先处理一批收据或者一组评论 先上手，用熟了再慢慢扩大规模。做好这三步基本就晚了。这就是 splash go 的 功能。你设好终点线， con 就 会自主运行，这个老板会全程监督，直到任务完成。如果你觉得没问题，就开启自动批准。 如果心里没底，就先别开。你需要写一个带安全上线的特定条件，然后让 con 全权负责，咱们下期再见。

ai 写代码，越花哨的技术战，越容易把模型带偏。 jacob young 这篇文章的判断很直接， 一致性会复利，大模型会放大项目里的混乱也会放大生态里的共识。同一个后端任务， javascript 可能有十几套主流写法， python 也一样，包管理，易补框架系统依赖，经常先把选择题铺满。对人类来说，这是维护成本。 对编码 a 进特来说，这是训练语料里的造声。语料里同一件事有太多答案，模型推理时就更像在抽签。文章最推崇的是 go， 理由不是情怀， 是低方叉。 go f m t goite， gopos 加上一套很强的标准库，把默认路径压得很窄。写 h t t p 服务，读文件，并发，抓取处理错误。 大多数时候都有一个非常普通的写法，普通在 ai 编程里反而是优势。模型不需要猜今天该用哪个框架，也不用在五种保管里之间犹豫。并发模型也更简单， groupin 和 channel 在 语料里反复出现，模式很稳定。 ras 当然强，但借用检查器会把 agent 的 试错成本拉高。 c 和 c 加加更难。因为公开代码里混着几十年的内存坑，所以这篇文章真正的建议是 给 agent 的。 选语言时别只看上限，要看中位数输出。做 c l i 后端服务 agent 的 编排。这种非视觉软件 go 可能就是更省头肯更少反攻的选择。下一次让 ai 开新项目，先问一个问题，这个生态里普通答案够不够稳定？

嗨，今天给大家分享一个开源工具，就是如何把问题问好，这个灵感的来源呢，是那个女娲 skill， 那 我想着说是 都可以蒸馏，那能不能把问题也交给他去做呢？前段时间呢，就是我两个姐姐来家里玩嘛，然后我们就想说抱着试一试的态度去找 deepsea pig 八字，结果呢，问题就出来了，他们两个都分别问了说，哎，那这个要怎么提问呢？ 后来我就意识到一件事情，说其实很多人说 ai 很 强大，但是不同的人问出来的结果他就是不一样的， 那差距在哪里呢？其实也不是说大家不想去问，而是说因为对于未知的一些不懂，不理解，所以也问不出来什么东西。那这个时候呢，我们就可以反观，让 ai 来对我们进行一个深入提问，帮我们去细化我们自己的问题， 那这样呢，就相当于是我们把自己的问题完善了，那 ai 呢，也更明确我们的需求，那接下来跟我看一下这个是怎么用的？那这个页面呢，有一个 readme， 它这里面就有说， 你看问对了，不教你一些 prom 的 技巧，因为我会觉得说，嗯， prom 的 话是之前我们要学的， 但是其实你要掌握一套 prom 的是一个非常宏大的事情。而当下的话呢，我们很多人是没有这样的一个专业度， 包括说是没有这样的一个时间去做的，那现在 ai 可以 帮我们去完善这样的工作，那我们呢，就全权的交给 ai， 以结果为导向，来深入我们的问题，让他给出更详细的答案。 ok， 接下来呢，我们来到安装点一下复制 之后，我们来到 antigo 当中，下面有一个 terminal， 我 们直接粘贴一下就可以引用这个 skill 了，因为我已经安装过了，那我在 antigrade 的 这个对话框当中就可以直接用了，如果没有安装过的呢，就可以在这里面去选一下你自己想要登录的。我就问一个大家常在后台给我留言的一个问题， 就是说，哎，我想去学习 ai， 但是不知道怎么去开始，那这个时候呢，你就完全可以去问到 ai， 你 看他会问你两个问题，第一个就是说学 ai 会用 ai 提高效率，比如写 东西啊，还是理解它背后的原理，因为我感觉大多数日常使用 ai 的 更多的频率都是大家去问豆包，比如说这个饭怎么做呀？或者是说，哎，我这样做行不行？那样做对不对？我觉得就是把它当成了一个高级的百度这样去使用的。 好了，他现在出来结果了，你看，零基础学在扣点，然后用飞慢学习法。原来的问法是想学 ai， 不知道怎么开始， 但是在 ai 给补全后呢，你会发现你的问题更加的详细了，比如说我想开始呢，但是电脑上没有开发环境，帮我设计一个最小可行性的计划，你直接是复制粘贴到给你的 ai 就 可以了。接下来呢，它还会有说，哎，接着问的一个问题， 它会不断不断的帮你一起去脑报，最后呢，会让你的 ai 变得更智能，更好用。那完整的 git 链接呢？我也放到这里了， 那朋友们在遇到不明白的事情呢，就可以引用到这个 skill， 帮你一起去脑报，完善你的问题，以后呢，你就会得到不一样的答案。快去试一下吧，试完告诉我怎么样。我是加曼 jama， 我 们下期再见。拜拜。

你加入新团队，克隆仓库，然后打开代码库，它就在那。一个二十万行的代码库，正像受惊了路一样盯着你。 于是你做了每个开发者都会做的事。你 grab， 我 们在文件间跳转，还可能让 cod 解释这个仓库。假如你拿到一张地图，一张能教你代码库的真正交互式地图呢？ 流程架构，层级变更影响，这就是 understand anything。 几周内在 github 上就已经获得了超过一点四万个星标，很多开发者都在谈论它。接下来的一分钟里，我会展示它是如何工作的，以及它将如何极大地加快你理解代码库的速度。 understand anything 是 一个开源的云代码插件，它也能融入与 cursor、 co， pilot、 gemini， c l i 等工具的工作流中。 你只需将它指向某个仓库甚至知识库，它就能将该项目转化为可查询的交互式知识图谱。它通过静态分析、加多智能体 l l m 处理来实现这一点。但重要的是，技术占以外的部分。 关键部分在于它真正解决了问题，因为每位开发者都遇到过这个难题。你刚接触某种遗留代码库或遗留应用文档过时了， 那位无所不知的工程师六个月前就离职了，而你的人工智能、编码智能体却一遍又一遍的猜测。这正是该工具真正发挥作用的地方。那我们就运行它吧。如果你喜欢能提升工作流的编码工具，记得订阅。我们一直在发布新视频。 现在这是一个中等规模的项目，它大到足以让人抓狂，却又小到能让我真正向你展示这有多酷。 这只是我从 google microservices 克隆的一个仓库，规模很小，我们完全可以实际测试一下，无需假装什么。 首先，我要安装这个插件，就在这里。 cloud plug in install understand anything。 一 旦生成完成，我们需要重新加载插件。当然，然后只需运行 understand。 现在它将扫描整个仓库， 它提取结构，关系，关键模块以及可能的业务概念。现在我们可以运行 dashboard 的 命令来启动一切了。首先，这运行了很长时间，大概三十分钟，还烧掉了大量的 token。 所以 拥有一个不错的 cloud 计划是必须的。 我有 cloud max， 这消耗了我百分之二十五的额度，所以很烧钱，而且烧的飞快。但一旦完成，我们就能打开这个仪表盘，而这正是真正让人惊艳且直击痛点的地方。我可以缩小试图查看高层架构。我可以放大并访问内部组建。 我可以点击查看代码分解，以及所有代码是如何连接的。我甚至可以直接点击进去查看实际的代码本身。然后可以在这里搜索一些东西，比如支付。现在通常我会穿梭于各种路由，服务模型和处理程序之间，甚至去翻那些早已过时无用的文档。 在这里，这些工具将各个部分整合起来。现在我可以点击引导之旅，它会按顺序 walkthrough， 流程 入口点验证逻辑数据库，外部 api 以及空气处理系统。这已经很有用了。这次导览将一切拆解的清清楚楚，我们可以深入其中，访问各个组建，这就是区别所在。嘿，这是个超酷的图谱，我在触碰生产代码前会先看看这个， 但现在显而易见的问题是，我们难道不已经有这类工具了吗？作为开发者，我们真的不再需要更多漂亮的仪表盘了。我们需要减少浪费的时间，而这款工具瞄准的是软件领域最大的时间黑洞之一， 获取上下文，对吧？这一切都连接在哪里？它有何用处？人们正在大型项目遗留 java 单体应用、微服务仓库以及数百个文件的代码库中测试它，而反应大致就是我这里得到的那样。 这能帮我省下刚入职的前两周，因为他能把一切拆解清楚，串联起来，并展示他们是如何交织在一起的。这是第一个真正重要的用力，即入职培训。所以与其说读这十二页，然后四处问哪里看不懂，那本身就很让人困惑。我们现在可以说打开图谱，走一遍，倒览， 然后再提出更有质量的问题。现在第二个非常棒的用力是人工智能智能体。因为大多数人工智能编码工具的表现只取决于我们提供给他们的上下文。如果智能体看到三个文件，他就只会瞎猜。 如果他能拥有包含领域、流程、依赖关系以及实际说明的系统结构图，那么他在首次就做出正确更改的机会就会更大，当然，还有重构，对吧？在触碰代码之前，我们现在可以问这段代码依赖什么，他属于哪个流程？如果他移动了什么，可能会出问题。 这就是你如何避免让一行代码的改动变成一场重大事故的方法。这才是开发者对这个项目如此兴奋的真正原因，并非因为我们在乎图标。 我喜欢图表，对吧？它们很酷，它们既实用又直观，但我们讨厌迷失方向。现在，这正是我们需要小心的地方，因为开发者之前见过代码可识画工具、 id 图标、原码图、风格导航、 nx 图标树形设置器、可识画工具以及大量其他工具都面临完全相同的问题。 它们做什么？它们展示结构，却不解释实际含义。它们告诉你这个文件导入了那个文件 很棒，但为什么呢？这属于哪个流程？请求从哪里开始？如果我改了这个，什么会出问题？这就是缺失的那一层。 understand anything 正试图补上这一层。它不只是以 type script 的 文件或其他方式展示，而是尝试将其转化为更接近实际工作流程的形式， 这才是重点所在。从文件到含义，从导入到系统行为，从这里是碎片，到这里看机器如何运转。相比许多大圆模型或 r a g 代码工具，它也更直观，更具可教学性。很多人工智能代码工具本质上只是个搜索框，你问一个问题就能得到一个答案。 这让我们全面拆解，帮助我们理解一切走向何处，哪些相互交织，如何连接，从而真正看清代码。 现在，让我们聊聊人们真正喜欢什么。这里显而易见的胜利在于入职流程。如果你加入一个庞大的代码库，这能给你一个良好的起点，还有架构层级，对吧？这些真的已经构建的很完善了，你可以从系统层面开始，然后深入模块和实现。细节 差影响是另一个重点。每位资深开发者都深知对自己尚未完全理解的代码库进行微小改动时的那种恐惧。对于 cloud code 的 用户来说，这个图也能成为更好的上下文。因此，与其向提示词中堆砌随机文件，不如赋予智能体结构化的架构知识。 它还免费采用 mit 许可，支持增量更新，并涉及用于跨多种开发环境工作。现在，从怀疑的角度来看，当一个项目如此迅速地爆火时，我们开始问一个问题，这真的有用吗？还是仅仅赢了 github 的 算法？这是个值得问的好问题。还有 l l m 依赖项， 这意味着令牌成本。这个令牌成本飙升，所以花了一些时间，它消耗了大量令牌。如果你打算用这个，务必先有个好计划。 你仍需要良好的判断力。这能给你提供一个概览，它并不能取代阅读代码，它只是帮你更好的理解一切走向何方。如果你喜欢这类编码工具和技巧，记得订阅 better stack 频道，我们下期视频再见。

这个合同管理软件，我花了三天做完，后段构语言，前段 react 本地 sky 数据库，我不会写代码，以前用 excel 管合同就是这个样子，追了半年还没追回来的钱，全靠记忆。 我直接把需求发给科艾，我要做一个合同管理追面软件，支持三方合同链，付款提醒，本地数据库。然后我说帮我写表单页面， 他直接给出完整没有组建代码，遇到报错，把错误信息直接贴给他，他告诉你第几行改成什么，照着改就好，根本不需要懂代码。 三方合同上下要关系，一眼看清楚，逾期付款自动标红，一键筛选，对方口头承诺了也寄进去，到期自动提醒，承诺违约自动标记，合同付款沟通提醒全部打通。整个开发过程，我跟科尔发了几百条消息， 他负责写代码，我负责提需求，测功能，不是让他替你思考，而是你主导他执行。这才是 ai 编程的正确姿势。评论区告诉我，你想用 ai 做什么软件，完整开发过程，我会出系列视频，点关注不迷路。

学 go 代码没错，一运行就报错，版本不兼容，依赖拉不下来，手动配镜像配到心态爆炸。最气的是换个版本，以前好好的项目直接全崩，一天下来代码没写几行， 全在折腾环境。别再瞎折腾了，今天给你一套懒人组合拳，五分钟上手，从此以后再也不用自己配环境！第一个， serve 杯，它就是可式化的环境管理工具，不用记任何命令，打开点点鼠标就能装任意版本。 go 从老版本一点一一到最新一点二六，全都自带。最实用的就是项目隔离，不同项目绑不同勾版本，互相不冲突，老项目用旧版，新项目用新版，再也不会崩盘。而且自带国内高速镜像，拉依赖飞快，根本不用折腾。代理第二个， tray ai 编辑器，你只要在 tray 装好官方购插件，自动识别 surface 的 环境，不用手动填路径，也不用额外调试， 加上 tray 的 ai 能力，看不懂的语法，直接打字问代码报错一键修复，零基础也能直接上手写代码。如果你做购网页项目时，要用到数据库缓存、网页服务， serve bay 全都内置，一键就能启动。说白了，从入门学语法到做正式项目，一个软件就全包了。重点是这两个工具全部免费， 以后学够环境交给 serve bay， 写代码交给 tray， 你 只管专心学语法，练逻辑就行。记得点赞关注哦！

新手用 cloud code 高频翻车的五个点，今天一次性帮你避开！第一个翻车点，不写 cloud 点， md， 它每次开新对话都从零猜你的项目技术栈、目录结构、命名规范全靠瞎蒙，结果就是改风格不一致， 要用错文件反复反攻。新手第一步直接跑匿名，让 cloud code 自动生成专属记忆档案。第二个翻车点，分不清 plan、 edit、 ask 三大模式，全程默认丢需求。 plan 先规划方案， edit 才动代码。 ask 只解答不改文件， 复杂任务一律先 plan 再 edit， 安全又稳。第三个翻车点，盲目开 auto 或优乐模式，他拿到方向盘自己跑，新手还没看清就跨文件改了一堆，等回过神来，关键逻辑早被覆盖，回滚都难。 新手老老实实手动确认每一步，等熟了再放权。第四个翻车点，长对话从来不 compact， 上下文越堆越满，偷啃烧的飞快，他还会被早期的过时信息带偏，回答开始前后矛盾记不住最新决策 对话变长就 compact 一下，关键结论留在记忆档案里。第五个翻车点，不接 git， 就 让它随便改，新手项目连仓库都没出，使化模型改崩了，想退回上一版都做不到。辛辛苦苦写的代码， 一次错误重构就全没了。动手前先 git init 加 commit， 每一步都有快照可回滚。记忆档案模式分清，关掉 auto， 勤用 compact 接好 git， 五个翻车点，一次避开。关注我，带你吃透更多 cloud code 高阶玩法！

别再说 ask ai 了，老外根本不这么说。地道的说法是什么？ prompt 这个二零二六年最火的 ai 词，三十秒教会你 prompt 做动词用，意思是给 ai 指令，比如说 i prompt track gpt to write a poem 也可以做名词，你输入的那段指令就叫 prompt。 比如说 this prompt is too vague， 这个指令太模糊了。别再傻傻地说 ask ai to 了，地道的说法是 prompt ai to， 你 学会了吗？还有个高阶词叫 prompt engineering， 怎么给 ai 指令是一门技术，叫提示词工程。 prompt 做动词用，意思是给指令 prompt 做名词就是指令本身。你平时用 trap gpt 吗？评论区告诉我。

我是大二软件工程学生，最近在自学 ai 应用开发。这七天我没有只收藏教程，而是从 d c kpi 开始，一步步做了一个可以运行的 r a g 问答后端，里面包括应该顶 bg 影像量化 face 解锁 t x t 知识库， r a g service 成功，最后用三 kpi 做出了 x 接口。我把这七天的学习路线、代码结构、 常见报错、面试问题小白预备去和作业清单都整理成了第一期资料包。如果你会一点拍摄，想从普通项目过渡到 ai 应用开发，可以跟着一起做。 gethub 不 方便访问，我也放了 get 国内镜像， 不会 get 也没关系，可以直接下载网盘 vip 资料放学习群后面，每七天更新一期，一起从项目里学 ai。

ok， 上一期我们讲了 sync mutex， 它的作用就是使得同一时间只有一个 group team 能操作共享变量。但问题来了，如果我们只是要读数据呢？比如一个银行账户余额，存款取款当然要枷锁，因为它们都会修改存款这个重要数据。 但是如果我们仅仅只是查询余额呢？比如我们同时有几百个进城查一个账户的余额，这时还用普通 mixt 一个一个排队，是不是就有点太浪费了？构语言在设计时当然考虑到了这一点，专门设计了 single remitax， 也就是读写所来解决这个问题。读写所有一个显著的特点，多个读操作可以一起执行，但写操作必须独占代码。就像图中这样，读的时候用的是 alec 和 alec， 写的时候还是用 lock 和 unlock。 也就是说，读与读之间不互斥，读写之间互斥，写与写之间也互斥。但请注意一点， m r t x 绝对不是你只要用了， 就一定是对性能有优化的。如果你在读操作里面偷偷更新了缓存技术器，那它就不是真正的只读，你就不能乱用 unlock 了。而且 imui text 内部比普通 mutex 要更复杂， 如果没有明显的读多写少，或者根本没有锁竞争，它反而可能更慢。所以记住一句话，读多写少，用读写锁。如果你拿不准，那就先用 mixt。 ok， 那 么本期视频到这里就结束了，祝你天天都能睡好觉，拜拜！