昨天 entropic 发了 cloud opus 四点八和 dynamic workflows。 opus 四点八是 entropic 旗舰模型的一次点版本升级，价格和四点七完全相同， 五美元输入美元，二十五输出每百万 token。 这次核心更新有三块模型本质的判断力和诚实度提升， dynamic workflows 以及用户可以手动控制思考。深度模型诚实度这块有一个具体数字代码缺陷，漏报率比四点七 低了约四倍。也就是说，他更愿意主动告诉你代码有问题，而不是假装完成任务。 opace 四点八同时是推理模型， 支持深度思考，也是多模态模型，支持图像和文档输入。要理解 dynamic workflows 解决什么问题，先说现有 agent 的 根本限制。一、 ai 经常假装完成做抠定 agent 任务时，代码里有 bug， 但不说给用户一种虚假的完成感，这是影响 agent 可信度的根本问题。二，大任务做不了。你用 cloud 或者任何 ai agent 做一个复杂任务的时候， 会遇到这个情况，任务做到一半挂掉了，或者 a n t 开始绕圈子，或者你需要手动把大任务拆成几十个小任务一个个喂给他。根本原因是上下文窗口。普通的 do agent 方案，不管是 autodg p t 还是 kimi 蜂群，工作方式是这样的，就 agent 派一个字 agent 去干活， 子 agent 干完把结果返回给主 agent， 主 agent 读完结果再决定派下一个问题在哪。每个子 agent 的 输出都要塞回主 agent 的 上下文，十个子 agent， 哪怕每个只输出一千 token， 就是 一万 token 的 中间数据，一百个子 agent 就是 十万 上下文，很快就满了，任务就崩了。这是所有现有多 a 阵的方案的共同问题，不是哪家产品的问题，是架构本身的限制。 dynamic workflows 换了一个思路，把中间状态从上下文里移出去，存到外部脚本里。具体怎么做的， 你给 cloudy 一个任务描述， cloud 不是 直接开始做，而是先写一段 javascript 脚本，把整个编排逻辑循环分支并行全写进代码，然后这段脚本交给一个独立的，运行时在后台执行。执行过程中，脚本自己调度子 agent 干活，子 agent 的 输出存在脚本的变量里， 不进主 agent 的 上下文，所有子 agent 的 跑完，只有最终汇总的结论回到主 agent， 这就是为什么它能跑几百个子 agent 而不崩。中间那几十万 token 的 数据根本没有进对话，上下文并发上线是十六个单次，最多一千个。子 agent 脚本跑在你自己的电脑上，不是 antripic 的 服务器， 和第三方 a p i 没关系。这里可能有人会问，这和 n 八 n coseda 那 些工作流工具有什么区别？本质上都是确定性流程编排， l l m 只在节点内部干活。但有两个关键区别，第一，载体不同， n 八 n 那 些事可示画 d a g， 你 先画好一张流程图再跑。 dynamic workflows 能写循环，写动态分支流程图做不到这些。举个例子，一直找 bug， 直到连续两轮都没有新增。这是一个 y o 循环， 可是化低 a g 表达不了。第二，作者不同， n 八 n 是 人工搭流程。 dynamic workflows 是 cloud 根据你的任务描述现场写脚本，针对这次任务量身生成， 不需要你提前设计，和普通多 agent 的 区别更直接。普通多 agent 中间结果全进上下文， dynamic workflows 中间结果住在脚本变量里，这是架构上的根本差异， 不是功能多少的问题。讲真实案例，第一个帮论，作者用三个串联 workflow 生命周期映射数百 agent 并行文件移植变异测试， fix loop， 一 直跑到全部通过，结果 七十五万行 roost 的 代码十一天百分之九十九点八元有测试通过，这个规模在普通多 agent 器下根本跑不完， 上下文早就满了。第二个数据，一个用户用十个字 agent 并行分析，一百三十三个历史绘画生成使用画像报告，八十一点八万 token， 两百五十四秒成本是真实存在的。 dynamic workflows 比普通对话稍 token 多得多，怎么开始使用？首先， 版本要求是 cloud code v 二点一点一五四或更高，先升级，然后 model 确认 dynamic workflows 是 开启状态， max 和 team 计划默认开启。 pro 需要手动打开，触发方式有三种，第一，在 prompt 里说 workflow， cloud code 会自动识别。第二，输入 effort ultra code， 让 cloud 自己判断要不要起工作流。第三， 用内置的 deep research， 加上你的问题就是零门槛的入口，多个 agent 并行联网搜索加交叉验证，什么都不用，准备直接跑，现在直接演示。我用的是 deep research 这个内置工作流。问题是二零二六年五月 ai coding agent 最新进展和各家产品对比， 这种问题必须联网回答，他没法靠自己的知识库应付，会触发多 agent 并行搜索命令输进去之后注意看他怎么拆任务，他自己判断需要起四个 agent， 每个负责不同的方向。这个分工不是我配置 的，是 cloud 根据问题现场决定的。这就是 dynamic workflows 和普通对话最直观的区别。普通对话是一步一步串行，这里是几个方向同时在跑。现在这几个 agent 在 并行工作，中间结果存在脚本变量里， 不会回到主对话的上下文，等他们全跑完，只有最终汇总的报告会回来。他把来源交叉验证了，这是单个 agent 搜索做不到的，一个 agent 容易被某一个来源带偏，多路搜索加交叉验证才能逼近事实。有几个限制要清楚， 跑起来中途不能插手，退出 colodico 的 就得从头跑，不能跨绘画恢复高风险代码改动不要用支付权限，这类不适合。 dynamic workflows 这套东西的核心价值不是 ai 更智能了，是把编排逻辑从模型的临场发挥变成了可控的代码资产，它依赖前沿模型的能力。 opis 四点八乘十度的提升是这套交叉验证机制能成立的前提。值不值得现在就上手。如果你是 cloud code 的 max 用户，先跑一个 deep research， 感受一下多 agent 并行是什么体验，再考虑更复杂的场景。希望本期视频对您有所帮助，我们下期再见。
粉丝8466获赞8.8万
相关视频
09:27查看AI文稿AI文稿本期视频来分享如何将 deepseek 的 vs 模型接入 cloud code， 并解锁 em 的 上下文以及 max 思考等级。我目前已经将 deepseek 的 最新模型 vs flash 和 vs pro 通过 ipad 的 方式来接入了 cloud code。 vs pro 模型在降价之后性价比也越来越高了，并且对 a 键的也有做专门的适配， em 的 上下文对于大多数人来说也更加友好。 视频内容主要分为四个部分，第一需要先安装一下 cloud code。 第二，安装开源工具 c c switch。 第三，需要购买一下 deepsafe 的 api 并完成配置。最后再来测试一下 deepsafe。 v 四 pro 加 cloud code 这套组合表现怎么样。废话不多说，我们现在开始 首先来说如何安装 cloud code。 大家常说 cloud code 经常被封号，那其实封的是拥有模型能力的个人账号，但 cloud code 作为一个单独的软件是可以正常下载和安装的。 没有订阅官方的模型，我们依旧可以使用它的框架当成是 opencloud 或者 hermes nint 这种。在他们的项目官方网站这里也有明确的说明。终端 cli 和 vs code 也支持第三方提供商。 本期视频演示的是安装 cio 版本，也就是最通用的版本。这里有一行中的命令，它支持 macos、 linux 和 windows 这几种不同的系统版本。 windows 这里分为 power shell 命令和 cmd 命令，并且 windows 用户需要先下载安装下 get， 如果没有安装的话，可以到 get 的 官方网站下载安装包进行安装。 这里复制这一行命令，然后打开终端 app 或者 power shell， 输入他们提供的命令回车执行就可以了。我这里已经安装过，所以不再演示具体的步骤。安装好之后可能会出现一个提示，大致意思是安装已经完成，但是 control 的 安装位置并没有加入到电脑的环境变量中。 这里直接复制这行他提供的命令，在终端执行一下，搞定之后输入可拷的 code 杠杠微刃来确定当前的版本号。后续使用的话，直接在终端输入可拷的命令就可以打开了， 但是你那里可能会提示不能连接官方服务。接下来我们来安装第二个工具 cc switch。 cc switch 是 一个开源工具，它能够让 cloud code codeys、 opencloud 这类的 a i a 检测，方便地切换模型。累计下载量有三百多万，在 github 上面也有五万多个 star。 它有很多实用的功能，比如一份配置同步到多个应用，支持热切换，不需要退出应用切换模型。还有用量仪表盘，能够查看你的请求数和头克用量等等。 我们在项目的首页这里有一个已发布的安装包链接，点击进去，然后在这个界面直接划到最下面。这里有很多的安装包版本，如果是 mac os 系统就下载这个 mac os 点 dmg 的 版本，如果是 windows 就 下载这个版本。下载好之后直接点击安装包进行安装就可以了。 它这个项目的说明文档也有比较详细的安装教程。第三步，到 deepstack 的 开放平台购买 api。 我们来到 deepsafe 官网，点击 api 开放平台，我这里之前已经充值了一些，在网页和 deepsafe 对 话是完全不收费的，但是想要调用 api 就 需要进行充值。他们目前没有推出类似 tokpline 这样的按月订阅的套餐，好处就是用多少花多少。 目前他们对 v 四 pro 模型打二点五折，每百万 tokens 缓存命中情况下输入是零二五元，未命中是三元，输出是六元， 这个折扣目前是到五月三十一号截止。 v 四 flash 模型和 pro 模型的价格对比可以在官方的 api 文档里查看，这里点击充值按钮，然后选择金额和支付方式。建议先小额买一笔，用完之后根据自己的实际使用情况再进行补充购买。 付款完毕之后，点击左侧的 api case， 点击创建，然后复制这个 key 的 密钥， 注意这个 k 的 密钥只能够在创建的时候查看，关闭这个页面就看不到了，如果丢失的话，就需要重新创建一个 k， 然后打开 cc switch 这个应用。我这里已经添加好一个 deepsea 的 模型了，选中这里的 cloud 的 图标，然后点击添加， 在预设供应商这里找到 deepsea， 在 api k 这里填写 k 的 密钥，然后这里需要修改一下这几个模型，可以直接参考我这个填写 默认模型就是 deepsafe。 v 四 pro 后面加上 em 是 因为之前的公告有说明，这样才能够开启 em 的 上下文，然后点击添加就可以了， 这里就会多一个 deepsafe 的 模型，点击这个按钮来测试当前 api 是 否可用。点击这里可以配置用量查询，查看当前还剩多少余额， 勾选这里，然后点击保存配置，这样的话就能够看到还剩下多少钱了，然后点击起用，就能够正常的使用可绕的扣子了。左上角有一个设置按钮，通用，这里建议打开开机自启使用统计，这里也能够查看 ai 模型的使用情况和成本。 我们打开终端应用，输入可绕的指令，那这个呢？就是 deepsea v 四 pro 的 模型，并且是一百万的上下文， 我们输入指令斜杠 context 能够查看，这里确实是一百万的上下文 tokens。 这里的默认思考等级是 medium， 可以 使用命令斜杠 effort， 然后空格后面的话就会显示哪些等级可选，这里输入 max 回车确认，这样的话思考等级就会调到最高。还有一个命令可以快速的切换模型， 输入斜杠 model， 然后回车。默认模型其实就是 v 四 pro， 我 们之前配置的 apps 和 sonata 都是 v 四 pro， 嗨酷模型是 v 四 flash， 通过键盘的上下按键来选择，选中这个模型，然后回车确认， 这样的话模型就切换到了 v 四 flash， 这里输入命令 context 能够看到它的上下文，显示是两百 k 的 tokens。 最后一部分来测试一下 cloud code 搭配 deepsea v 四 pro 到底贵不贵，干活效果怎么样。 首先说一下，它是基于文件夹的工作模式，所以你需要先通过 cd 命令跳转到你想要它打开的文件夹，比如我的项目文件夹的路径是这个，就需要输入屏幕上完整的指令回车，到了这个文件夹后，输入 cloud 的 命令来启动它， 如果路径很长的话就比较麻烦。有一种方法可以简化一下， windows 用户应该可以直接在文件夹右键从当前文件夹位置打开终端， mac 用户右键的话是没有的，但是可以直接将文件夹拖拽到终端 app， 那 当前终端打开的文件夹就是这个项目文件夹， 输入 cmd 命令，可以查看当前文件夹的路径，然后输入 cmd， 启动 cmd 的 code。 第一次打开的时候需要确认一下这个文件夹，点击 yes， 后续退出的话需要连按两次 ctrl 加 c。 这里安装一个归藏老师最近开研的一个 ppt skill， 设计是比较美观的。 来到他的项目仓库，这是一个电子杂志风的网页 ppt skill， 纯网页形式，适合线下分享，但是不适合培训课件。这个 skill 的 名称叫做归藏 ppt skill， 这里提供了多种的安装方式， 最方便的就是直接复制这一段话，然后发给 ai， 选中这一段话， command 加 c 复制，然后来到 kol 的 对话界面， kol 加微复制，然后直接发送。 kol 在 执行任务过程中会需要一些权限的许可，遇到的时候直接选中 yes 就 可以了，它的框架对于安全保护还是比较好的。 整个的执行过程我就直接跳过了这里提示安装好了触发词，就是帮我做一份杂志封的 ppt。 ok， 我 在这里输入这句话，然后告诉他要做的内容就在当前文件夹中。在当前的项目文件夹中，我放入了一个 mail 文件， 内容是关于 code 的 使用方法论，然后回车执行。他会先查看项目文件夹的内容和 skill 的 使用说明，执行过程中可能会问一些问题，根据个人的需求选择就行。 我这里也跳过过程，大概直行了六分钟左右，一共生成了九页 ppt， 并告诉了我每页的布局和内容，以及怎么操作。 ok， 我 们直接打开浏览器来查看一下这个网页的 ppt。 这是第一页 codex 的 方法论，整体的设计风格确实是比较美观的，如果是个人制作的话，可能要花费比较长的时间，并且效果还不一定有他这个好。 第二页这里的话可能会有一点点问题，下方的文字有一部分被遮挡了，后面的页数大家可以具体去看一下内容觉得怎么样。 最后再来看一下安装这个 skill 以及制作这九页的 ppt 一 共花费了多少钱。 我在做之前是九点八九的余额，刷新一下网页，那现在还有九点三九的余额，一共是花了五毛钱。这里有一个每月用量的图标，展示每个模型花了多少钱。下面也有 token 的 使用详情，包括输入和输出的具体数量。大家觉得 deepsea v 四 pro 的 性价比怎么样？
2.4万小陈同学c_z
06:58查看AI文稿AI文稿我们打开 color code， 加斜杠 config， 然后往下滑，这里有一个 thinky mode 开关，你有没有好奇过，打开它和关闭它到底有什么不一样？我们再打开看 color 的 桌面 app， 我 们问了一个问题，然后界面上会显示一段小字，我们点开它，会展开一段思考的过程。那你有没有想过，为什么在回答之前会有一段思考的过程呢？它对我们最后拿到的答案有没有影响？为什么要把它思考的过程展示给我看，直接给我答案不行吗？ 我们先把 thinking 模式的本质讲清楚，普通模式是这样的， cloud code 每轮发给模型一大堆上下文，比如系统提示词， cloud 点 m d， 工具说明，还有你的问题等等。模型读完了，直接预测下一步，它可能是回你一句话，然后可能是调一个工具，可能是跑一个命令，改一个文件，从输入到行动，中间没有东西， 简单任务，这样是没问题的，比如说把按钮的文案从 a 改成 b， 但是任务一复复杂就容易出错了。比如说你说用户偶尔反馈请求会丢数据，那么直接动手只会盯着最显眼的代码改， 但是偶尔出现的问题原因他可能是在缓存，可能是在网络，也可能是引发冲突。得先把可能性列全，才能一条一条排除，没有中间这一步推理，那么模型只能撞运气了。 thinking 模式不一样， a p i 允许模型在最终输出之前先生成一段 thinking tokens， 里面做的就是假设、排除和定位，把可能性都输一遍，然后再生成行动方案。注意这里技术上它不是 call code， 外面再套了一个什么多域算法，而是模型的 a p i 的 输出结构和 token 的 预算发生了变化， 多出来一段中间推理的 token， 关键在于 transform 的 特性，生成下一个 token 的 时候，前面所有的 token 都它的上下文。所以这段先写出来的 thinking token， 它并不是给你看的装饰，而是模型自己用的，它后续生成结果的时候，会基于输入的上下文，加上自己刚写的 thinking tokens 来决定。 所以一句话总结，普通模式是上下文直接生成行动，而 thinking 模式是上下文先生成中间的推理，然后再行动。中间多出来那段就是模型给自己行动之前写的草稿。我贴了两段代码进 coloco 的 cash， 点 j s 是 一个带 t t l 的 内存缓存，分别实现了写函数 set 还有读函数 get， 然后 app 点 js 是 一个测试用力。我们先 set 了一条数据， user 杠一，然后 ttl 是 一秒， 然后我们尝试两秒钟以后 get， 然后期望值是 now， 但是实际行为并没有过期，还能读到值。所以我们问他，我说 bug 是 什么原因，然后是怎么修复的，不用写代码。 然后他回答我说 get 里只读取了缓存里的值，然后并没有检查这个 ttl， 所以 过期这个行为从没发生过。这个缓存实际上是一个普通的 map， 然后还是一样，我们用老朋友 cloud tab 抓取一下这个问答后面的请求，看看 cloud code 里 dink mode 是 如何工作的。打开 cloud tab 抓到请求，有两个字段决定了 dink 的 行为。第一个是 dink 字段，它的值是 adaptive， adaptive 不是 开启思考，而是让大模型自己看着办，让模型根据当前问题的复杂度，自己决定要不要启动思考模式，还有思考有多深入。然后第二个是 effort， 它的值是 high after， 就 一句话告诉模型大概想多深，档位多高，思考的 token 越多，答案越细，但越慢，档位越低，那么少想几步跑得快。一共它有五短，一共是 low， medium， high， extra， high max。 我 们打开服务器返回的响应，主要就看这个 content 的 数值， 里面主要包含两块，一个这个 thinking block， 还有一个这个 text block。 我 们先看 thinking block， 你 看它这里就做了一件事情，就是定位到 bug 是 在这个 get 函数，它取出了值，但是并没有检查这过期时间。 然后我们再往下看这个 text block 的 正式回答，它的修复方案就是在 get 里加一步，对比这个 date 的 now 和 entry 的 过期时间， 过期了就从 map 里删掉，并且返回闹它结尾还给这个修法起了一个名字叫这个啊，惰性清理，英文叫 lazy eviction。 所以 看到这里 thinking block 的 作用就是找到 bug， 然后 text block 的 作用就是修复这个 bug， text 的 这个动作都对得上 thinking 里做出的思考判断。所以说 thinking 并不是写完就扔掉了草稿，而是得到 text 里动作的这些基础。所以总结一下 thinking 模式和普通模式输出的区别。 普通模式，它的 content 的 序组里只有一个 block， 就是 type， 是 text， 装的就是答案本身。但是 thinking 模式下多了一个 block， 是 type， 是 thinking， 它排在 textblock 的 前面，装的是模型给自己写的推理草稿，所以同一个模型同一套预测下一个 token 的 生成机制，区别只是模型在 thinking 模式下输出的最后的 text 答案。之前会把 thinking block 里的写的内容当做上下文都读一遍再做调整。 所以 text 里的答案它并不是模型的第一反应，而是过了一遍推理之后的结果。你可能会想，这段思考是如何产生的呢？ 底层模型还是 transformer 机制，还是预测下一个 token？ 那 么区别是在训练的部分。现在大模型的训练大致分为四步，第一步是预训练，让模型读海量的文本，学会原本身。第二步是指令微调，教他跟着指令回答问题。 第三步是 r l h f 人类反馈强化，教他如何答得更顺畅，更符合人类的偏好。普通模型走完这三步就上线了，那么看到问题直接吐答案，像 sonnet， 然后 opus 这种 reason 模型会多走。第四步叫 reasoning tuning 推理后训练，这一步未给模型的训练数据格式就变了，它会从问题加答案变成问题加 reasoning 标签再加答案。比如解方程这个二 x 减三等于十四， 那么普通指令微调的样本直接教它输出 x 等于十。那么推理后训练给它的样本会先在 reasoning 标签里写 step 一 展开括号，那么 step 二两边都加六，一项得到二， x 等于二十。 step 三两边都除二，得到 x 等于十，然后才会在 answer 标签里给出 x 等于十。于是模型反复看这种逐步拆解问题的样本，它就学会了遇到复杂问题先把每一步推理写出来再回答的输出习惯， 所以 reasoning 并不是外挂的算法，而是模型在训练里就多学会的一种输出习惯。但是光有习惯还不够，运行的时候还得有 api 协议配合。我们看回请求的时候，那个 thinking 等于 adaptive 的 字段，它就是告诉服务器允许这个模型在 content 里输出一个 thinking block， 没有这个字段，模型就算想推理也没地方写。所以一句话，推理的能力来自于训练里多的那一步。 reasoning tuning 推理后训练，然后运行的时候会被这个 api 的 协议显示开启。回到开头那几个问题， thinking mode 开关控制的是模型，在张嘴回答之前，要不要把思路在心里过一遍，过这一遍的好处，你看到了同一个 bug， 它会每举各种可能性找到合理答案，代价呢就是输出的慢一点，但是 token 呢，也稍的多一点。
471张司机在路上
07:06查看AI文稿AI文稿首先来猜一猜下面哪些是 cds 做不了的事？是从这个像素运动到这个像素，沿着能画好的路径，是时光飞逝，恰好停在六点十五分，是地图上一个真实的坐标，一段精准的海岸线，是可以听见的声音，是一字不差的文字， 是用代码下一场雨，是用复历页函数画出的樱花，是一百万条数据涌入，每一条都找到自己该去的位置。答案是 以上所有啊， cds 做不了这些。 cds 可令这些 diffusion 模型确实很强，它能伸展你脑子里想不出的那些画面，但是它无法精确地控制每个细节。而 remote 加 ai 可以。 过去的一个月，我都在用 remote 加各种 ai 平台，包括 cloud code 来做产品演示，数据格式，三 d 场景，地图、动画等等。 我发现越来越多的博主也在用 web 神，比如这个主播，七个视频，十三万粉，全程 web 神制作。现在我把一个月的踩坑经历凝练成十分钟的教程，里面有大量的实战技巧以及完整的工作流。手把手从零到一，带你告别 a。 一， 实现逗笑自由。建议点赞、关注、收藏，我们开始吧。 以前做动画视频，首先你要打开 after effects 或者 fusion 学图层，关键帧曲线编辑器，光学软件就要几个月。而现在，你只需要跟 ai 说，帮我做个中日韩三国生育率随时间变化的动画。啪的一下，很快啊，视频就做出来了，这就是 ymotion。 一 句话，凭感觉做视频， 什么实现 remote， 这 cloud 就是 一种玩法，当然你可以换成悟空， codex 都可以。这么说，你们容易理解， remote 就是 那个全自动的厨房， a cloud 就是 那个厨师，而你就是负责点菜的，想要什么视频，动嘴就行。 在我的另一只视频里已经详细讲过怎么样借助 cloud 安装 remote， 悟空啊， codex 这些平台的安装方法也都是一样的。我也贴在评论区了， 我们把悟空的官网链接丢给靠，让他根据这个网页做一个产品动画。注意啊，我加了一句，不要做像 ppt， 先跟我讨论你打算怎么做。我习惯先和他讨论方案，这样返工就会比较少。方案 ok， 继续，然后他就会开始干活了。注意看，每做完一个镜头，他自己会检查一下。 ok， 让他打开预览。这个界面看着很吓人啊，但是别慌，你什么都不用学。当然了，你可以点这边手动渲染，但咱们有靠的是吧，让他干活就行。给我渲染一个视频到本地，看视频就躺在文件夹了。 顺着刚才那个案例聊啊，与 motion 最适合做的其实就是软件动画和 ui 演示，因为它本身就是 ui， 很多画面不是画出来的，而是搭出来的。像打字机啊，中端风啊，界面飞来飞去啊这些它特别擅长。来看这个案例啊，怎么表达打碎机 ui， 让它彻底 c l i 画。你看整体效果 这里我把每个镜头要什么直接拆给他了，然后反过来问他，你觉得怎么样才能做到极致的酷炫？接着 ai 会给出他建议的工具，让 ai 自己选武器，因为他懂得比你多。 数据格式化是与 motion 的 绝对主场，像 g p t 近速图啊，手机销量图啊，份额变化图啊，华语乐坛人物关系图啊这些只要有数据，它就能变成视频。 你当然可以让 ai 自己上网去找数据，也可以让 ai 读取你自己本地的 excel 表格、建层数据集等等。图表画的好不好看，关键不在于 motion， 而在于你选了什么样的前端图库。 别慌啊，你不用真的懂这些库，只需要告诉他，我想要财经媒体那种丝滑的竞速图，或者直接扔一张参考图给他，他就知道该怎么配。这些是一些常用的图标库，供你参考。 地图动画当然也是预谋选的舒适区啦，这就没有不舒适的吧，旅游路线、地理大发现的航线病毒扩散热力图都能做。我之前的地图动画教程有六千多人收藏，但你可能会发现啊，同样的提示词，你做出来的可能就是这样。核心的诀窍是，你需要一个地图外挂。想做正经的地图动画，你光靠模型去脑补可不行，要接真实的地图底图。 国内直接用高德稳一点，海外码你可以用 macbox， 免费额度完全够用。你只需要去高德的开发者后台申请一个 api key， 剩下的码交给 cloud 去配。提示词里加上地图外挂，质感完全不一样。 那直接复刻别人 ae 效果可以吗？可以的同学，可以的。有博主直接用它复刻了小林说的动效，而我则用它复刻了代码宇的动效。秘密就是让 ai 直接读视频， 我们只需要安装一个 f f n pack 技能，把视频放在本地文件夹， ai 就 能读出这只视频的每一帧，更好的还原你想要的效果。哎，这比用嘴描述可高效太多了。 先看这个效果怎么做的，这是春节档电影票房三 d 排行动画。首先呢，让 cloud 收集电影票房的数据，把电影海报和导演的照片下载到本地，然后把这段提示词 发给他，他会自己去调用 r 三 f 来做。注意啊，这个时候柱子是三 d 的， 但场景还不是。我们去这个网站随便下载一个免费的。点击 l b 的 三 d 场景，放在本地的文件夹，让 ai 去读取，你还可以让它改成黄昏的氛围，或者任何你想要的氛围。 注意啊，三 d 场景的远近大小角度，用嘴来跟 ai 沟通，效率非常低。这是我从推特上一个大佬学的，让 ai 把这些数值作为属性暴露出来，在自己的预览里直接改数字，实时看效果，这样速度会快十倍。 唇釉 remo 选做完整的视频当然可以，但是把它和实拍进行结合，表现力会更加的丰富。比如这个效果以及这个效果背后的秘密是，透明序列针，把序列针拖进剪辑软件，就能做出别人做不到的效果。我自己视频里的很多过程以及包装，现在都是用 remo 选做的。怎么样？还挺酷吧， 再快速过几个啊。 remote 加 ocr， 写一段提示词，就能做出这种重点标注马克笔的效果，指哪打哪。把字母文件给 remote 写一段提示词，就能做出这种逐字高亮的效果。把音频文件给到 remote， 就 能做出音频和释 怀。还有一个必杀技啊，自适应尺寸，做好一个横版视频，一个指令瞬间得到一个自动适配的竖版视频，同时发 b 站和抖音，不用做两遍。 ok， 复习下今天的技巧。一、先讨论方案再动手。二、让 ai 自己选武器。三、搭配前端图标库，做出更酷炫的图标。四、地图要酷炫得加外挂。五、 整段视频都可以为 ai 参考。六、沟通不清楚的参数可以让 ai 变成属性，自己来填。七、导出透明矩阵帧和剪辑软件进行配合。 再说一下我的完整的工作流，我通常不会用 remote 来做一整段视频，而是会让它去做一个个小的片段，因为动效是辅助讲解的，而不是替代讲解的。当然，如果要做长视频，具体的流程是，一、先让 ai 来设计分镜，来规划每一帧的内容 以及节奏。二、让 ai 来搭整个时间线的框架，把骨架先搭起来。第三步，建议一个镜头一个镜头的去做，这样你调整起来就不会太麻烦。 四步，一个个单镜头做好之后就可以整体进行调优，节奏啊，风格啊，转场等等。再补充一个进阶的小建议，可以写一个 call 点 md 放在项目的根目录，告诉 ai 你 常用的分辨率、帧率、动画风格以及偏好。每次开新的项目， ai 一 上来就会知道你的审美，不用从头再说一遍。 最后再聊一个重要的话题，就是 remotion 适合做什么以及不适合做什么。上面的三项是主场随便打，中间是过渡区，能做，但是需要搭配外部的裤。下面两项别 影作有更好的工具。我自己就是 remault， 做动画剪辑我还是会交给剪映和达芬奇，遇到一些实拍的素材我还是会用 cds 和可林。 remaulting 不 会取代任何的工具，但如果你是知识博主，或者你想给自己的产品做演示的视频，而你又不想花几个月的时间去学， a e remault 加 ai 就是 最快的那条路。 ok， 如果你觉得这期视频对你有一点点帮助的话，就就给个一箭三连。在评论区我想看到诸位的作品，我们下期见。
2.4万十元钱钱
05:17查看AI文稿AI文稿大家好，今天再给大家分享一个好用的工具叫 browser honeys， 它是目前 ai 操控浏览器最省 token 的 一种方式，它非常的简洁，只有五百九十二行的 python 代码，然后上线三周已经突破了一万的 star， 呃， token 是 比以前的方式能省很多的 呃，目前我们 ai 操控浏览器一共有五条路径，一个是呃 cloud in chrome， 就是 我们平时用的比较多的一个 cloud 的 插件。然后第二个是 computer use， 就是 相当于你把 cloud 交给了呃的电脑，交给了 cloud， 让它去控制这个整整个电脑，但这种方式非常消耗托管，因为它需要截屏确定位置在哪 啊？第三种是 zenium， 这种是传统的方式我就不说了啊。第四个是 pre write mcp， 这是目前像那个 brother u， 呃，那个 use 啊，用的这个框架， 然后 brothers use 他 们现在开发出的 brother hannis， 这个是 c d p 直连的啊，为 ai 造的工具，这个是我们今天要重点介绍的，就前四个呢，它有各自的局限性。然后第五个就是专门给 ai 量身定做的啊，下面我给大家拆解一下。就是它的呃，架构呢，是 quad code 的 呃， 通过 c i 命令行，然后把这个命令发给了 d m， 然后 d m 再通过 c d p 的 web socket， 然后再到你的框，就就非常的简单简洁。它一共就四个核心文件，目前迭代了几个版本，它的命令的代码还是小于九百行的 啊，非常的非常的少，非常的简洁动，不像那些几万行的比起来还是简洁很多的。而且它是直接附用你的 cookies， 还有登录状态，所以能直接操控你的浏览器 啊，他本身还设计了一个叫自愈架构的，他有个 agent helps 啊，他开箱呢，就是你刚装完是空白的，你的 agent 通过各种各样的浏览器执行之后，碰到了一些问题他会解决，解决完之后他就会记录进去，相当于是一个自我迭代跟循环的。 然后仓库本身呢，就是你下下来之后，他已经有了几十个网站的这个操作的经验，就是你的 agent 用的时候就能直接去读取这些经验， 然后这样你一直用下去，它就有一个啊， feedback， feedback， loop， 然后正反馈的循环啊，就形成一个经验的，就是操作浏览器的一个经验的自动沉淀，因为每个网站的它的这个操作的方式可能有些细微的差别， 你怎么怎么去决策用不用这个软件呢？是，首先要看是这么判断的，首先要看你这个网站有没有专用的 m c p。 呃，你像 github， notion， slake 这些是有直接专用的 m c m c p 的， 就相当于它有 ipad 接口，你就根本就不要碰浏览器，你就去找他们接就好了， 通过那 mini 上去接就好了，这个就浏览器根本就用不着。那如果说你要开浏览器，那传统的现在用的可能多一点的就是 playwrite 的 mcp 啊。然后现在我建议你们大家都转成这个 bardeen， 因为它真的很省头，肯啊，非常的好用。 呃，反正大部分场景下 broderhanys 是 性价比最高的路线。呃，然后我我通过这个方式啊，我封装了一个技能，它这个技能的用处是什么呢？就是我们平时用这个追美版 a p i 不是 很贵吗？然后我用这个浏览器的技能接了呃追美版的订阅版， 就是它通过控制浏览器，然后打开 jimmy 订阅版的 jimmy， 然后输入这个提示词，然后就会自动把这个图片生成了，然后下载到呃项目的文件夹里，就这一套下来，你升图片相当于你就可以把额度用呃 jimmy 的 额度用满，就不用花这个 api 的 投肯了， 从投肯的消耗相比的话，大概比 content 柚子能省很多省省个八八倍左右。 呃，我的分享就到这里，然后我接下来会放一下我用这个呃 opus 四点六，然后控制我命令它，然后去生成图片，它自动调取我的技能 去呃生成那张图片并保存下来的过程。大家有兴趣可以接着往下看一看啊，欢迎大家关注今天我的介绍，先到这里，谢谢大家。
3711Simon林的日常
00:58查看AI文稿AI文稿不到一天，全网近三百万人围观， cologne 顶尖工程师已经把 markdown 抛弃了，并声称 h t m l 是 新的 markdown。 这句话慢慢火遍 ai 圈。我给大家拆解一下核心逻辑，这可不是简单的技术迭代，这是一次人机协助范式的彻底刷新。简单说，他们已经不再手写任何 markdown， 而是让 cloud 的 直接生成活的 html 文档。核心就三点，信息密度、视觉清晰度和双向交互。 markdown 文件超过一百行，你可能就不想读了，但 html 文档可以通过标签、侧边栏、格式化图标把海量信息组织得清清楚楚。更重要的是，它可以内置交互。比如，你想调整一个设计参数， 不用再反复描述，直接拖拽 html 里的滑块，效果实时呈现，满意了还能一键复制参数，丢回给 cloud 的 接着改。 这套方案已经渗透到 cloud 的 团队日常工作，无论是方案探索、代码审查、功能实现计划，还是交互原型、动画演示、数据分析报告，他们几乎都用 html 替代 markdown， 效率和可读性都翻倍，整个工作流因为 html 正变得前所未有的直观和强大。
2102阿博粒
01:37查看AI文稿AI文稿这就是普通人使用 cloud code 的 最佳路径。 cloud 如何使用 deepsafe v 四的能力，普通人该如何快乐地使用呢？那这个是 cloud 的 桌面版，那它其实现在是已经支持 windows 和 mac 了， 那么它这个最新的版本是支持导入这个第三方的模型，就可以快乐的使用这个 cowalk， 还有这个 code 模式。那么关于费用的 deep seek 模型呢？众所周知，量大管保，那么实际测下来一天急头白脸的用下来其实不会超过十块钱，所以你大可放心你的 token 资源燃烧的问题啦。那么什么是 cloud？ 什么是 cloud code？ cloud 你 可以理解成它是跟 deep seek 一 样的大圆模型，那么 cloud code 它其实是一个框架，框架的话也就意味着你可以使用这个 cloud 的 模型，那 当然也可以使用其他的模型。 cloud 的 桌面端已经开放了接入第三方模型的这个功能，从而让你可以在这个 cloud 桌面端使用它们这个 code 的 功能。 那么接下来跟大家分享一下如何在这个桌面端上接入我们的 deepsea 模型吧。首先点击这个 help， 然后点击这个 troubleshooting， 然后再点击这个打开开发者模式，好，那点击这个 enable 客户端，就会重启它，这边就会多了一个开发者模式以及这个 developer， 然后点击这个按钮，这里就选择 getaway 模式。那么呢，这里呢就填入这串地址，这串地址呢是兼容这个 ansurf 的 网站，那下面这个地址呢，就是你的 api key， 你 的 api key 呢？可以在这个 deepsea 的 官网 申请，自己申请注册充值，那么这一页呢，就照着设置就好了。填入这个 deepsea v 四 flash， 然后打开这个一照的上下文，这里再填入 deepsea v 四 pro， 打开这个，最后再点击这个 apply locally， 那 你的 cloud 的 桌面端就会重启，快去试试吧。
313阿达的AI思辨
06:51查看AI文稿AI文稿本期视频分享 obfuscate 加 cryptic v 四来搭建 obfuscate 加 ai 的 本地之库。而在上期视频介绍了将 cryptic v 四接入 cryptic 的 详细步骤，那这期视频我们把这套组合打包放进 obfuscate 中，让 ai 完成内容总结完、赚写等工作， 并且还可以让它画出我屏幕上展示的这些手绘风格的画板。视频内容主要分为四个部分，第一，安装 colorcode 和购买 deepsafe api 并完成配置。第二，介绍两款 obsidian 插件，能够实现 ai 接入。第三，演示 ai 加 obsidian webclip 来获取网页内容并总结。 第四，来安装 external 和 skill， 一 键完成白板的画布绘制。第一步，安装 cloud code 和购买 deepsafe api。 在 我的上一期视频有非常完整的介绍，你可以直接去看上一期视频， 不过在这里我可以快速的过一下。首先，到 cloud code 项目官网复制你电脑类型的一键安装指令，支持 microsoft linux， windows windows 用户需要安装一下 get， 直接到 get 的 官网下载安装包安装即可。 第二步，打开电脑终端应用，粘贴命令执行，执行完毕之后你就可以使用 colocode， 可以 通过 colocode 命令启动它，但是它还需要接入第三方的 api 模型。 第三步，我们来安装一个 cc switch 的 开源工具，它可以帮你把第三方的大模型接入 colocode。 在 项目的首页有下载安装包的地址，找到对应的安装包下载安装。 第四步，到 deepsea api 官网购买十块钱额度的 api， 然后创建一个 api k， 点击复制。最后打开 cc switch 这个软件，点击右上角的加号找到 deepsea 供应商，下滑粘贴 api k 模型，这里复制我填写的模型名称，点击保存，然后点击测试模型按钮，显示运行正常，之后点击使用就可以了，然后在终端应用输入可导的 code 了。 视频第二部分介绍两款 obsidian 插件，都能够实现调用 ai 的 功能，分别是 terminal 和 cloud 点，根据个人的需求来选择。先来介绍 terminal， 它可以在 obsidian 内部直接打开一个终端窗口来执行命令行的操作，比如调用 cloud code， 而且不离开 obsidian， 我 们直接在第三方的插件市场搜索这个名称安装即可。安装好之后，左侧会出现 open terminal 这个 logo， 点击一下 就会有三种使用方式可以选择，这三种模式对应三种不同的场景。外部模式它是在 obsit 之外启动一个终端应用，所以会脱离 obsit 的 环境，所以不太需要。 整合式，它是在 obsit 内部启动一个终端应用，所以推荐使用这个第三种。开发者控制台主要是给开发者调试插件使用，所以也不推荐。 我们在这里点击整合式，右侧的侧边栏就会出现一个终端程序，这个终端所在文件夹的位置就是当前知识库的位置，输 入 code 的 指令就能够直接调用 code。 比如我提问统计一下当前知识库一共有多少文章，多少个字，那它在侧边栏就会执行任务指令，如果需要权限许可的话，也会提醒 它可以在这里阅读文章内容，写文案，安装 skill 等等。操作和终端的使用体验是一样的，区别就是不需要额外单独的开一个终端窗口。 另一个插件是 cloud 点，在我准备视频的时候，它还没有上线第三方插件市场，但现在好像已经上架了，可以直接在这里安装。如果你搜索不到，这里也介绍另一种安装方式。我们直接打开 cloud 点的 github 仓库， 点击 release， 来到发布页面，需要下载这三个文件，分别是 g s， jason 和 c s s。 然后回到 obc 点第三方插件这里，点击打开插件文件夹，那这里呢？都是你在 obc 点中安装的插件，在这里新建一个文件夹，名称就叫做 ko 点。比如我这个， 直接把刚刚那三个文件都移动过来，然后重启一下 ko 点，在第三方插件里启动 ko 点， 左侧应该会有一个 open cloudian 的 图标，点击一下，右侧就会出现 cloudian 的 对话框，不需要进行任何的设置，只要本地安装了 cloud code 就 可以使用。我这里已经有了一些历史对话，它的界面相比于 terminal 是 比较美观的，对话时会默认选中当前正在看的 microsoft 文件。 右下角有三个按钮，分别是开启新的 type 页面、开启新对话以及查看历史的对话。我推荐使用考点，它比特米诺的适配度更高，也更方便。 cloud code 在 每一个工作的项目文件夹都会有一个 cloud 点 markdown 文件，用来指导 ai 如何在这个项目里面工作。一个完整的 cloud 点 md 文件可能需要包含这些内容，但这个是给开发用的，个人简单使用的话，只需要制定规范，明确输出要求和输出格式就行了， 不需要写得很复杂。我的 cloud 点 macdunk 里面就包括了简单的仓位定位、目录结构、输出规范等等。因为我可能会获取到一些英文的内容，所以会有翻译的规范。每个人的 cloud 点 md 根据个人的需求来不断修改。 在看一些扑克网站的时候，可以通过官方的 obsidian webcliff 这个拓展插件来将网页的内容保存成 macdunk 格式，并存储在 obsidian 中，并且是保留了章节的信息、配图等主要内容。 我之前的视频里会用到一个白板工具，用来展示整个视频的章节信息或者某个功能对比。 这个白板叫做 excel， 是 一个主打手绘风格的在线白板，它有单独的网页版，但是在 opc 店里面也是可以使用的，并且我觉得在 opc 店里面可能会更加方便，因为可以直接使用 ai 来生成内容。 我们首先需要安装一个 offset 插件，名称就叫做 extracutor。 然后我们可以在文件里面新建一个白板，在这里面进行内容的编排，可以直接插入图片或者输出这种手绘风格的文字。 但是想要让 ai 帮我们直接生成的话，就需要安装一个 skill。 我 安装了这个 skill 叫做 extracutor diagram， 安装方式也非常简单，直接复制这个 skill 的 仓库地址给到 cloud code， 然后说请帮我安装这个 skill 就 可以了。 安装好之后可以通过斜杠命令来险性的调用这个 skill， 比如让它把以下内容生成一个画布，具 体的内容是我刚刚从网页上获取到的，是关于 deepsea v 四的任务表现情况，那等待一会，它就会生成一个内容，一个简单的 deepsea v 四使用场景分析就做好了，如果需要修改的话，直接在这里编辑就可以了。 在之前的一期分享 obsidian 获取视频内容的教程里，有人让我分享我的 cloud 点 macdunk 文件，我会把我的配置保存成一个在线文档，包含这期视频提及到的所有内容， 一键三连，然后私信我， obsidian 自动获取。 ok， 那 以上就是本期视频的全部内容了，我们下期再见！拜拜！
1346小陈同学c_z
00:28查看AI文稿AI文稿我靠 club 的 用来写论文做深度调研真的太牛了吧，使用到了这个深度思考， 然后呢？谈不清，思考了五分钟，查看了一千多个网页啊，还在自己去进行搜索，帮我们去进行修改论文， 查找更好的数据啊，这还挺不错的，我倒也想使用到 club 的 用来写作科研，做数据分析，写代码等等都可以点击我主页的置顶作品找到我。
159阿坦说Ai
01:03查看AI文稿AI文稿分享几个 cloud code 好 用的小技巧，因为我一句代码都不懂，有时候写提示词的时候就很容易陷入死循环，后来用了这几个技巧，体验就顺畅了很多。第一个是安装 skills， 原生的 ai 有 时候输出的并不是很准确，但是装上了之后，它的思考能力和输出的质量都会变得更好。第二个是让它开启 plan mode 模式，让 ai 干活之前先思考好清楚，规划好更详细的解决路径再开始干活，这样解决问题的成功率就会大大提高。 第三个是及时使用 complex 来压缩上下文的内容，就是在你提出一个无关的问题的时候，或者是上下文快板的时候，就要及时清理，这样一来就可以减少 ai 在 思考的时候受到的干扰。第四个是调整提问的方式， 就是尽量不要给他直接下达指令，就当你不知道的时候，可以先把问题的现象描述给他，让 ai 来根据现象来排查问题和思考解决的方法，这样就可以避免下达错误指令的情况。第五个是优先找报错的日制， 就是当你的产品报错的时候，一般浏览器的后台都会出现小红叉，把它下面的内容发给 ai， 解决问题的成功率就会大大提高。
02:33查看AI文稿AI文稿cloud opus 四点七今天全球炸裂登场，我现在正在上海的浦东机场，第一时间啊评测了一下他的多模态能力，视频分镜能力实在太强，这下呀， jammy 老大哥的位置可能不保了。对我们音乐人和视频创作的来讲，这意味着什么呢？来和我一起看看吧， a i music。 我 们先说 closed 最强的地方，深度的视频拆解。我们给 closed 扔了一个五分多钟的抖音爆款账号物品，让他找爆款因子。 虽然思考时间稍长，但他把拍摄手法、视频形式扒的一清二楚，连弹幕风向、作者定位都结合了，大量联网搜索给你总结的明明白白。 这份报告的深度堪比行业几年的短视频专家。相比之下，杰米尼则展现了极其变态的观察力， 甚至能从一闪而过的工程录屏里捕捉到古祖是来自哪个制作人的踩样包。我逐帧暂停，才发现他说的全对。为了测极限，我们用 ai 短片饭还热着，让两款 ai 用导演视角拉片，两者对剧情理解都在百分之九十左右。 而 closed 的 一个明显体验硬伤是分析这种长视频会多次触发工具调用，额度受限，分析到一半就卡住， 非常艰难的啃下来。另外，我们测试了给这个视频设计配乐方案找参考曲，写出极高质量的 solo 提示词。 cloud 也是顶配级别，绝对和 jimmy 五五开。这部全网播放大几千万，点赞三百多万的视频配乐就是我们借助 ai 来打造的。那么对于音乐人来说， cloud 最大的软肋是什么？ 是他目前根本听不见音乐，如果上来想扔首歌给 cloud 扒取风和配器，抱歉，他目前只能做语音转文字，或者读一下文件源数据。连 cloud 都在对话里承认分析音乐得去找 gemini， 在 这一点上， gemini 的 原声多模态形成了降维打击。 在听懂音乐情绪、配器分析音效上， gemini 确实是目前的唯一解。总结一下怎么用最合理，需要深度分析影片拆解，写出完美的 solon 提示词用 cloud opus 四点七。但如果你需要 ai， 真正听懂声音，辅助作曲编曲 jamini 仍然是咱们的绝对主力， 把它们组合起来用，才是当前 ai 音乐工作流的终极答案。不过 cloud 最近对用户的提出要实名认证，大家使用的时候要注意不要频繁更换 ip， 减少被封号的风险。 记得点赞关注，我是小旭音乐， ai 音乐时代的领航员，咱们下次见！
127小旭 AI Studio
00:23查看AI文稿AI文稿office 四点八发布了啊，直接打开克拉扣的就能用。这次更新主要还是针对 agent 能力，在预算家里多项指标都是领先的。随着模型的发布，还有三个功能，第一个是动态工作流程，可以在单个绘画中运行上百个 sub agent。 第二个主要是网页和 co worker 里可以调思考强度。第三 个可以让你在不打断绘画的情况下更新系统提示词。那么你用上 office 四点八了吗？评论区说一下，我正在搞 az 图，下个视频见。
121阿图AI
01:28查看AI文稿AI文稿观众朋友们大家好，今天我们的站点迎来了第一波内测更新，主播在新的板块当中优化了先前板块的算法，在零额外基础设施的前提下，实现深度跨论文交叉分析。 现在我们的平台支持一次性导入十五篇参考论文。随后在上方的模型选择部分，选择自己想要使用的模型，输入对应的 api 秘钥，随后这个模型就会在我规定的框架下对论文进行切片研究，给出对应论文创新点。 这边我们三十二倍速跳过思考时间。 好的，我们可以看到这边 ai 已经完成了对论文的分析， 这个板块是主播制作的论文问答部分， 他会在你所给出的论文当中寻找你想要问题的答案，并且标出出处。
39无敌阳光菇大王
02:06查看AI文稿AI文稿哎，我的桌面宠物在桌面玩，对吧？然后这个时候我们把桌面的文档直接丢给它，然后它就会吃掉这个文档，然后自动弹出来一个 cloud code， 然后我们这个时候就可以去使用 cloud code， 只要它在桌面，我们随时随地都可以把文档和文件夹丢给我的桌面宠物，然后它就自动的会弹出来 cloud code， 然后这里我们就可以对 cloud code 进行正常的一个问答。 对，而且这个宠物的状态是和 cloud code 的 状态是一致的，比如说 cloud code 这里是在啊思考，然后他也会啊在思考，并且他的表情也是不一样的，而且啊，比如说这里完成了，他也会去啊做一个完成的表情，并且说完成了， 那比如说我们再再试一遍，我们把那个给他问一些问题，比如说给我出几道题目，然后他这里会仍然在思考，思考的话他的表情和动作都是不一样的。 对，然后我们还能看他的一些宠物的设置，然后他其实这里有一千多个宠物，然后我们可以去选择你 任何喜欢的宠物，然后这里的话我们可以去啊设置宠物的一个不同场景下的一个啊，说什么话，因为这有说什么台词，说什么，比如说这里是你好啊，我是傻子，这样是我自己说的一些啊 制定的一些话，然后宠物就会啊跟着说，然后这里话我们还可以设置宠物的一个啊，不光可以设置大小和移动的速度，还能设置一个长期的记忆啊，对，然后开启长期记忆之后，你可以让宠物记住你啊 所说的话，你只要只要给宠物说你记住我的话，然后他就会帮你记住。比如说我这里啊，我的女朋友名字叫什么？然后我的女朋友名字叫小芳，因为，对，他之前记录我的名字呀，我的女朋友名字叫小芳，然后这里我问他，他就会啊，帮我们做回答。然后这里不同状态他宠物的啊，状态也是不一样的。 对，当然也有很多种宠物，然后供你选择。然后这就是我开发的一个啊，桌面端的一个超级的 ai 宠物。对。
214AI鼬Pro
02:10查看AI文稿AI文稿如果你的 cloud 用不了，可以接入 deep sync。 v 四，用很低的预算解锁一百万上下文，加 max 思考等级。第一步，安装 c c switch c c switch 是 一个开源工具，专门解决 cloud code 切换模型的问题，一键将供应商导入应用， 一键在不同的供应商之间进行切换，内置五十家供应商预设软件可以进粉丝群获取。第二步，买 deepsea 的 a p i 并配置。打开 deepsea 官网，进 a p i 开放平台，网页版聊天是免费的， 但调 a p i 必须先充值。他们目前没有按约定约那种 token plan， 纯粹用多少花多少，对个人用户其实更友好。 v 四 pro 现在打二点五折， 每百万头肯缓存，命中输入零点零二五元，未命中三元，输出六元，这个价格到五月三十一号截止。点充值，选金额和支付方式，建议先小额试一笔，用完再补 付款完进左边 api keys 点创建，随便起个名字，把生成的密钥复制下来。注意，这个密钥只在创建那一刻能看到， 关掉就再也看不见了，丢了只能重建。打开 c c switch， 点 cloud 图标，添加预设供应商，选 deepsafe， 把刚才的 key 填进去，默认模型写 deepsafe vs pro， 然后添加后缀，这个后缀是官方公告里指定的，加了才会起用。一百万上下文 填完点添加，列表里就会多出 deep seek 这一项点测试按钮，验证 api 是 否可用。最后点起用 cloud code 就 可以正常用了。打开 vs code， 输入 model， 启动的就是 v 四 pro， 加一百万上下文，输 context， 验证一下，确实是一百万 tokens， 默默认思考等级是 medium， 敲 effort 加空格会列出所有可选档位，填 max 车就拉到最高 切模型用 model 社会列出来。 opus 和 sonnet 都映射到 v 四 pro haiku 是 v 四。 flash 上下键选中回车确认切到 flash 之后再敲 contacts 能看到上下纹变成二百 k。
6534吉米AI工作流
