claude提示附件上限怎么办

上个视频我聊了，模型的上限决定了你创造力的上限。今天我一个好朋友就立刻安排上了海外的 cloud 编程模型，不得不佩服他这执行力啊。但是他并不是从官方渠道购买的，还是买的一个模型。中转站核心原因有两个， 第一，用海外的模型，你得首先有个海外的环境，第二，你你要买会员，你就必须得有海外的这种支付卡，那所以要用上还是挺麻烦的。于是很多人都会选择第第三方的这个模型。中转站第一个呢是方便，第二个也是真便宜。 我们先说一下中转站到底是个什么东西吧，它本质上就是一个套利的生意。海外的这些顶级模型，像 cloud 叉、 gbt、 java 这些，因为你用不了，也付不了钱，那中转站干的事情就是帮你把这些门槛给跨过去，然后收你一笔过路费。 他既不生产算力，也不训练模型，就是把海外的这种 api 接口呢，请求包了一层皮，然后转卖给你。听起来好像也挺合理的嘛，帮人解决问题，收个服务费天经地义。但你有没有想过一个问题啊，他卖给你的价格比官方的还便宜，那他靠什么赚钱呢？ 要解答这个疑惑，我们得先了解一下中转站的定价体系，也就是他们行里面的两个黑话。 第一个是计价单位，比如中转站群里面有人说今天跑了多少多少刀，这个刀并非银行汇率里面说的美元，还是中转站自定义的这种虚拟的。这种计价单位， 同行的兑换比例基本上都是按照一元人民币约等于一美元来算的。第二个是倍率， 中转站会在 tik 定价的基础上乘以一个系数，这个系数就是渠道的倍率。 如果你充了一人民币，获得了一刀的额度，而你用的逆向渠道倍率是零点三的话，那实际上你花了零点三元的人民币就能用到官方标价一美元的这个 token 的 量。倍率越低， 对应的也越便宜，但背后的风险和质量折扣呢，也就会越大。回到我们刚才的问题上， 那他们是靠什么赚钱的呢？整条供应链是这样子的，最上面的是卡商和耗商，靠虚拟信用卡和批量注册账号为生，中间的是耗磁，囤积了大量的账号和 a p r 的 额度。 最下面的才是你就是掏钱买投看的这些终端用户，那他们是怎么样把成本给压下来的呢？ 主要靠薅退款的政策。拿 archubrick 公司举例，虽然他的条款里面写着封号就不退款，但实际上的操作中，被封的账号大多是能把预充值的钱给要回来的。 运营者就是吃准了这个政策的这个缝隙，批量开号用完被封申请退款再开新号，循环往复。这么玩好的时候，上游一刀的真实成本只要四到七毛钱人民币。 所以你你拿到手的这种低价的背后，其实占着一条灰色的产业链，虽然便宜，但是肯定是会有代价的。第一个代价就是模型的质量，很多人用逆向渠道会觉得模型怎么变笨了， 但是这其实不是错觉。官方的 api 层面，像 cursor、 windows f anti gravity 这类工具呢，针对于代码场景做了大量的 prompt 金条，内置了一整套的系统提示词，逆向渠道根本还原不了这些东西。 你以为你用的是满血版的 cloud， 实际上拿到的是一个阉割版的。更离谱的是，有些中转站标着最新模型的渠道，实际上调用的可能是老版本的，甚至完全都货不对版。 用户唯一的验证方式就是自己去测，没有任何的行业标准，也没有说第三方的审查。 第二个更隐蔽的代价就是你的隐私了，你发给中转站的每一次 api 请求都要经过他们的服务器，如果你用的是 cloud code， 你 专门来这些终端的工具，他们会全部扫描式的投喂上下文。你的代码仓库里面像什么数据库密码，云服务器密要啊，私密文件，只要没做屏蔽配置， 你就会一路铭文传到他们的中转站后台去了，风险还是相当大的。第三个代价就是稳定性了，这个赛道已经卷到了什么程度呢？就是一个新站上线当天可能就会被竞争对手用 ddos 打上几十 tb 的 这种流量， 活下来本身就非常难了，就算你用的头部的这些大站，也依然不那么省心，容易炸，是圈内对大站的普遍的一个评价。有可能你正吭哧吭哧的写着代码呢， api 可能突然就断了， 这种事情在中转站用户群里面几乎天天都在发生。国外顶尖的模型贵且麻烦，国内的中转站又有风险，那有没有折中的方案呢？ 还真让我找到一个海外有一家快速稳定并且是按照调用次数来付费的一个平台，叫 g m s 点 ai， 你 不仅可以用支付宝和微信进行支付，价格还相当优惠，如果大家有需要的话，可以自行去了解一下。

有没有想过， cloud code 的 大脑到底能装多少东西？每次你打开 cloud code， 它并不是从零开始的，而是先把一堆东西全塞进脑子里，这个脑子就叫上下文窗口。 它装着你说的每一句话，读过的每一个文件，执行过的每一步操作。但它有个致命问题，容量有限，装满了就开始丢东西。就是很多人觉得 cloud 越聊越笨的根本原因。 在你还没打字之前， cloud 就 已经加载了一大堆东西。项目根目录的 cloud 点 md 规则、自动记忆文件、 mcp 工具列表和技能描述，还有你的各种设置，这些全部自动进入系统提示，一个词都没说，上下文就已经占了一大块，你甚至不知道它们已经进去了。 当 cloud 开始工作，上下文还在不断膨胀，每读一个文件都在往里塞。路径专属规则自动加载，每次编辑后， post to use 勾子还会再塞一段指令。 如果让子代理去做调研，它用的是完全独立的上下文窗口，结果只返回摘要和一小段原数据，主窗口就不会被大量文件读取撑爆。这就是高手和新手的区别，懂不懂用子代理？ 当上下文快爆的时候， cloud code 会自动压缩绘画，把对话历史浓缩成一份结构化摘要。但问题来了，你写的指令压缩后还在吗？这取决于它们是怎么加载的。系统提示和自动记忆。从磁盘重新注入， 但带路径前缀的规则和子目录的 cloud 点 md 压缩后就丢了，直到再次读到匹配文件才会回来。所以，如果规则必须持久化，就别加 pass 前缀放到项目根目录。 最后怎么知道你的上下文用了多少？随时输入 slash context 就 能看到实时的分类用量和优化。建议 输入 flash memory， 可以 看到启动时加载了哪些 cloud， 点 md 和记忆文件。记住，上下文是你最重要的约束，控制好它， cloud 才能持续高效。关注我们，持续获取实用技巧，让你的开发更高效。

context 是 claud 的 工作记忆， claud 读的每一个文件，跑的每一条命令，你发的每一条消息，都会占用 context window 里的空间。你可以把 context window 想象成 claud 一 次能记住的总容量。每次你输入 prompt cloud 去读文件，跑工具调用，拿到工具调用结果，这些信息都会一点一点累加进 context window。 但 context window 的 容量有限，所以怎么用好这块空间就变得极其重要。 now when you approach this limit。 当你逼进 context 上限时， context window 会自动触发压缩，压缩过程会把重要细节总结下来，把不必要的工具调用结果清掉，腾出大量空间。但要注意，压缩可能会丢失之前对话里的一些细节。 you can run the compaction manually as well。 你 也可以手动触发压缩，跑斜杠 compact， 它会把你目前为止做过的所有事压缩一遍。想腾 context 空间，但又想保留之前工作的记忆，这个就很顺手。如果想完全从零开始， 不要任何之前的记忆，就跑斜杠 clear， 它会把所有上下文清空，从头来过。想看当前 context 状态，跑斜杠 context， 你 能看到 context 占了多少，哪些类别吃的最多？还有一张图，直观展示这些数据。 all of this a general rule of thumb。 一 条经验法则，你正在做某个 feature， context 已经满了，但还得继续做，叫 compact。 保住这个 feature 相关的上下文。继续开发很重要。 如果 plan 已经做完，要开新 feature 就 clear。 别让之前的对话给你新创建的东西带偏。有些东西你希望 cloud 跨 session 一 直记得，就写进 cloud 点 md 里，这样它就不用每次都从头重新发现一遍，要写得具体。 be specific 这里有个反直觉的点， prompt 写得越短，长远来看反而越费 context。 因为你不讲清楚， cloud 就 只能自己去代码库里到处翻，自己想，这比你多写一两句话明确说出来吃掉的 context 多得多。 m c p server 默认把所有工具定义都塞进 context， 如果你装了一堆跟当前项目无关的 m c p server， 把它们关掉就值得。也可以是 skill， 它跟 mcp 类似，但不会把全部内容塞进 context， 能省下空间。子智能体跟主智能体并行跑，但有完全独立的 context window。 所以 那种只要答案，不需要看探索过程的任务，比如认证端点在哪，可以丢给子智能体去干， 它跑完只把摘药回传给主智能体。 在 cloud code 里，管好 context 是 关键。用写钢 compact 总结，长 session 用写钢 clear。 从头开始想高效，用 context window 写清楚你要什么检查当前是什么在占 context。 对 只要答案的任务用子智能体分担。

context is claud's working memory is claud's working memory。 context 是 claud 的 工作记忆。 claud 读的每一个文件，跑的每一条命令，你发的每一条消息都会占用 context window 里的空间。 你可以把 context window 想象成 claud 一 次能记住的总容量。每次你输入 prompt， claud 去读文件跑工具调用，拿到工具调用结果 result this is adding on to the context。 这些信息都会一点一点累加进 context window。 但 context window 的 容量有限，所以怎么用好这块空间就变得极其重要。 now when you approach this limit。 当你逼进 context 上线时， context window 会自动触发压缩。压缩过程会把重要细节总结下来，把不必要的工具调用结果清掉，腾出大量空间。但要注意，压缩可能会丢失之前对话里的一些细节。 you can run the compaction manually as well。 你 也可以手动触发压缩跑斜杠 compact， 它会把你目前为止做过的所有事压缩一遍。想腾 context 空间，但又想保留之前工作的记忆，这个就很顺手。如果想完全从零开始， 不要任何之前的记忆就跑斜杠 clear， 它会把所有上下文清空，从头来过。想看当前 context 状态，跑斜杠 context， 你 能看到 context 占了多少，哪些类别吃的最多？还有一张图，直观展示这些数据。 a general rule of thumb 一 条经验法则，你正在做某个 feature。 context 已经满了，但还得继续做，叫 compact。 保住这个 feature 相关的上下文，继续开发很重要。 如果 plan 已经做完，要开新 feature 就 clear。 别让之前的对话给你新创建的东西带偏。有些东西你希望 cloud 跨 session 一 直记得，就写进 cloud 点 md 里，这样它就不用每次都从头重新发现一遍。要写得具体。 be specific 这里有个反直觉的点 prompt 写得越短，长远来看反而越费 context。 因为你不讲清楚 cloud 就 只能自己去代码库里到处翻，自己想，这比你多写一两句话，明确说出来吃掉的 context 多得多。 m c p server 默认把所有工具定义都塞进 context， 如果你装了一堆跟当前项目无关的 m c p server， 把它们关掉就值得。也可以是 skill， 它跟 m c p 类似，但不会把全部内容塞进 context， 能省下空间。 子智能体跟主智能体并行跑，但有完全独立的 context window。 所以 那种只要答案，不需要看探索过程的任务，比如认证端点在哪儿，可以丢给子智能体去干，它跑完只把摘药回传给主智能体。 just a summary to your main agent。 在 cloud code， 管好 context 是 关键，用斜杠 compact 总结，长 session 用写纲 clear 从头开始想高效，用 context window 写清楚你要什么，检查当前是什么在占 context。 对， 只要答案的任务用子智能体分担。

open klo 真的 挺让我失望的，我感觉我应该不是他的目标用户，但我认为真正适合使用他的，反而有可能是那些不太懂技术的人。 我先后呢，把他接近了飞书 telegram， 想着日常对话就能够操控电脑，感觉非常爽。但结果呢，他动不动给你 bug， 同一个问题他能给你回三四遍啊。有时候你发条信息半天没有反应，你都不知道他是在思考还是已经挂了。 那更崩溃的是，聊着聊着，突然超过了上下文的上限，那整个对话都作废了，你要重新来。二、说实话，对于我们做开发的人来说，它的提升是远没有 coloco 来的直接的。那 coloco 你 在开发环境里面跑，想要又快又准，那 open colo 呢？你光配环境啊，调权限，处理各种奇怪的兼容问题，时间就已经搭进去了。 但有意思的是，我后面跟一些不懂技术的朋友聊天，好像他们才是 opencloud 的 目标用户。因为不管是 opencloud 呢，还是 cloud code， 真正让他们强大的背后是 skills。 你 可以理解为 ai 大 模型的 sop， 比如帮你写小红书文案呀，分析竞品的视频啊，整理文件，自动发邮件啊，总结日报周报这些， 这些都不需要你懂代码。可问题是，我跟周围不懂技术的朋友聊了一圈，大多数人根本就不知道有这个东西，就算知道了，光是安装配置就能劝退一大半。我觉得这可能就是现在通用 agent 的 一个最大的尴尬，会装的人不需要，需要的人不会装。所以我现在的感受是，通用 agent 的 方向肯定是对的，但阶阶段它更像一个很酷的玩具，而不是一个靠谱的工具。

你的克劳德点 md 超过两百条了吗？如果是，那他现在大概率越用越蠢。这不是我瞎说，是踩过坑的经验。写到几百条，改一条规则，别的全乱了。 今天教你三步，把它收回来。第一步，看看要不要拆。官方建议不超过两百条，社区普遍认为三百条市上限超了必拆。真正的信号不是数量，是你改了一条规则，结果别处也跟着崩了。第二步，按功能去拆，别按文件大小拆，按功能拆。 每个文件只管一个方向。代码规范单独放，式单独放，安全单独放。跟文件只留下目目标和协助原则， 其他细则通通搬到 rose 目录里。容易冲突的规则一定分开放，比如测试要求和代码审不要写在一。第三步，拆完之后必须验证，用 memory 命令看当前到底加载了哪些文件，如果没列出来，就等于没有生效。进到目录里跑一次真实任务，再查一次对比跟目录和子目录的加载区别。 如果你以为某条规则生效了，但是没列出来，那就回去检查目录位置和层级。这套方法解决三个问题，规则冲突忌怎吃一太大改一条，带风一片。你的现在多少条拆过没？

我的 cloud md 从三十行写到一千行， agent 反而越来越不听话，这是为什么？后来我翻了 anspik 官方文档，又对着几篇开发者踩坑复盘，把自己的项目检查了一遍，才搞明白， cloud 和 agents 不是 文档，是 context 注入文件。 你写的每一行都会和正在改的代码、对话、历史工具输出一起塞进同一个 context window 里抢注意力，也就是 agent 每次对话能看到的全部内容上线， 它越长，能抢到的注意力越少。我发现大家最常撞的雷其实就这五个，今天一次性分享出来，你可以打开自己那份文件，一条一条比 第一个坑，什么都往里堆。 cloud md 里塞了三十多条规则， type script 风格 get 提交规范、 api 设计、错误处理、注视要求，什么都有， 结果 agent 跑着跑着，越靠后的规则越像没看见，机制不复杂，绘画越拉越长，规则越容易被代码、工具输出和对话、历史稀释。如果规则只存在对话或嵌套文件里，压缩之后还可能直接失效。 顶层 cloud md 会被重新注入嵌套的不会修复方向有三条，第一，保持在两百行以内， antibiotic 当前建议每个 cloud 的 文件控制在两百行以内，我自己实测也在这个区间最稳。 第二，每条规则都问一句，删掉它， cloud 会不会犯错？不会就删。第三，纯风格规则，比如用单引号，用 const， 如果令它已经能处理，那就交给工具， 别塞进 context。 顺带一题， anthropic 官方说的前两百行或二十五 kb 是 auto memory 的 加载限制，不是 cloud m m d 本身的阶段硬上限量级可以参考。第二个坑，纸巾不引导你只写一句，禁止用某个 flag， agent 在 那里反复试，不能用这个，那该用什么？附项约束不给方向， 等于让 agent 在 解空间里随机游走。修复方法很简单，每条规则禁止用什么，都顺手补一句，推荐用什么一行字的，是 agent 的 行为差很多。第三个坑，用 a t 路径引用大段文档，你以为是暗虚查阅，其实不是。 cloud code 官方对这种引用的语义就是加载 cloud mnd 时，把引用文件直接展开嵌入，每次绘画启动都全量加载一个五百行的 api 文档，几条这种引用就会吃掉大量 context。 你 以为的引用对 context window 来说约等于复制粘贴 修复模板。很简单，在引用前面写清楚什么时候去读，让 a 阵自己决定要不要展开，而不是默认全量加载。 第四个坑，命令写得不够具体，或者干脆漏掉 cloud 改了一个文件，转手跑全量 test， 慢得要命，或者改完没跑 typecheck 就 跟你说已完成 过两步，发现翻译报错。 agent 不知道你的命令习惯，他会用最通用的猜法，比如 npm test， pie test。 这种猜法对单文件改动经常不好，也常常对不上你的项目实际命令。 cloud md 里至少把这三种命令写清楚，第一，单文件测试命令。第二， typecheck 命令比跑全量 test 快 得多。第三，部署命令， 这是 agent 怎么也猜不出来的，必须写，写完这三条比写三十条风格规则有用的多。第五个坑，把临时状态塞进永久文件，你在 cloud md 里写当前 sprint 在 做什么，不要动哪个模块儿，当时是有用的， 但是两个迭代之后就成了过期事实， agent 还在按上个 sprint 的 要求干活。 cloud md 里所有内容都会被 agent 当成项目长期事实，临时状态写进来，迟早过期， 过期后也没人记得回来删。修复方向，永久文件只放永久。真相，技术站命令约定危险区 sprint 状态，当前任务临时禁区，放到独立的临时文件里。 绘画开始时显示说一句去读它，按需加载，不污染永久 context 这条最容易翻车，因为写的当下感觉特别合理。写完怎么自检？两个五分钟测试。第一个 tinkleberry test， 在 cloud md 里加一行，要求 cloud 必须用某个特定称呼叫你跑一个真实的 十轮以上的任务。如果中途 cloud 不 再这么叫了，说明文件可能太长，规则藏得太深，或者会话里的指令已经被压缩稀释。这是第一位上一篇两百行实测失败复盘里给的方法，我亲测好用。第二个，直接提问 test， 随便挑 cloud md 里的一条规则，直接问 cloud 这条规则是怎么写的，它复述不出来或者答错了。这条规则就算写了也等于没写，要么被埋了，要么写得太模糊。 顺手回应一个常见问题， cloud md 和 agents md 要不要都写五个坑？对两种文件大体都成立核心问题相通，它们都是给 agent 看的上下文指令不是强制配置，差别在合并语义， agent 是 开放标准， codex、 cursor、 copilot 等工具都支持。标准里的冲突原则是离当前文件最近的 agent 优先， codex 会从根目录到当前目录，拼接指令越靠近当前目录的内容越晚出现，因此冲突时优先生效。 cloud md 是 cloud 专属从文件系统根目录向下到当前工作目录的多份， cloud md 会一起进入 context 互不覆盖子目录的按需加载。 多工具团队的常见做法是，用 agents md 做真元 cloud md 用 simlink 软练过去，只维护一份，省一半儿事。 最后说一句，这五条不能保证什么。 cloud md 和 agents md 是 软约束，不是强制配置。写得再好， agent 还是可能违反真正的硬护栏要靠 hux c links， 让违规代码根本提交不上去。 cloud a m d 和 agents md 该承担的角色是把 agent 的 默认行为调到离你期望最近的位置，能控制住长度，能给到方向就够了。打开你那份文件，对着这五条扫一遍。

六十秒跟进每日 ai 动态 anthropic 刚刚官宣，和 spacex 达成新的算力合作，算力资源大幅扩充， 紧接着就是一播放量， cloud code 的 使用上限直接翻倍，高峰时段限速也取消了， opus 的 api 调用上限也同步提高。 uni 一 点一的图像生成 api 刚上线，直接拿下了 human preference 易烊榜第一， 支持最多九张参考图引导生成，可以用自然语言直接编辑图片原声，支持中文、日文、阿拉伯文渲染。 anthropic 一 口气发布了十个即开即用的金融 ai 代理，覆盖制作推介书、 k y c 筛查、收益审查、估值分析等场景， 每个代理都预制了领域专属技能，还能对接 dunn and brad， street varisk 等金融数据源，并支持接入 microsoft。 三百六十五 今日 ai 生产力工具发现 openai 刚推出了 chat gpt for excel 和 google sheets 的 插件，现在你可以直接用大白话描述需求，让它从零帮你打表格做分析， 不用写公式，出错了也能秒修，整个过程就在 excel 或 sheets 里完成，不用切换窗口，大幅减轻繁琐的工作量。

哎，泡沫清算已经开始了吗？最近一公司忘了给员工用 ai 设上限，结果一个月就跑出了五亿美元的天价账单，老板看到估计直接心梗了。大家都以为的 ai 降本增效，结果全被现实打脸。金融时报算了比账更是扎心。 最最理想的零成本假设下，未来几年几家大厂的 ai 投资回报居然只有一家是微微为正，其他全是负数，买它甚至能亏到负的百分之二十八。要是再加上现实里各种天价电费和芯片折旧数据只会更难看。现在从微软、 uber 到无数 公司，都在紧急给 ai 花销社上线砍项目，这场景像极了技术颠覆一切，但商业模型还没跑通的互联网泡沫时期，技术革命是真的，但为他买单的可持续性正在经受严峻考验。你怎么看？

如果要评选当代谁最会玩反转，我觉得马斯克绝对是非常好的后选人之一，因为这件事情的反转程度，我觉得连小说都不敢这么写。就在前几天，马斯克把他的二十万台的顶级超算 colossus 一 的全部的算力租给了他最大的竞争对手之一 ansapic， 也就是 cloud 的 母公司， 三百兆瓦的电力，二十二万颗英伟达的 gpu h 一 百， h 两百，甚至是最新的 gb 两百全都有。 三百兆瓦什么概念啊，差不多就是一个中型城市尖峰用电的水平，光这些 gpu 的 采购价格就达到了几十亿美元， 结果啊，全球的客到的用户一夜之间发现自己的套餐用量呢，上线直接翻倍，而高峰期呢，也直接不限速了。那这背后到底发生了什么啊？其实很简单是因为马斯克的 guo 克不太行了，只能说啊， ai 的 竞争太过于残酷。 我现在呢，都还记得谷铎刚刚推出的那个时候啊，那个时候整个世界对于马斯克的这个新模型有很大的期待。马斯克呢，用超能力拿到的世界最强大的算力集群， 所有人都在期待着摩尔定律能够带来的新的奇迹。但是这几年谷铎可以说是越做越不行，越做越没声了，可能没有几个人知道啊，谷铎四点三其实刚刚发布，但是它的关注度啊，我觉得连 g p t 五点五和 deepsea v 四的一个零头都做不到。 但是我还是非常的佩服马斯克，到了他这样的位置还能够如此的不内耗，花了几百亿的公司，说解散就解散，直接把叉 ai 呢给关掉，合并到 spacex， 这种及时止损能力我觉得也是非常难得的。平息而论呢，也没有什么人能够做得到，毕竟啊，这是多少亿的投资啊。那马斯克呢，正在跟 oppo ai 呢是对簿公堂， 他呢，把算力为给 openai 最大的竞争对手，我觉得就是在商业上去夹击 openai。 而第二点呢，就是他自己根本就不缺算力， guoalk 呢，根本就没多少人用。现在有个数据是说啊，他们的这个算力的利用率竟然只有百分之十一。 所以呢， colossus 一 呢，空着也是空着。而且呢，更尴尬的是啊，之前呢，他一直以为自己会发展得很快，所以除了 colossus 一 呢，他后来还搞了个 colossus 二超算集群，目前呢，还正在扩建。所以呢，把 colossus 一 租出来，根本就不影响 grok 的 训练，还能够年入几十亿美元。 这里说一下啊，有很多人以为叉 ai 解散了 guillac 这个模型以后就没有了，其实完全不是这样的。 guillac 呢，它这个模型还在研发团队，只不过是被并入了 spacex 的 ai 团队，当然规模肯定会小很多啦。 那第三，也是我觉得最容易被忽略的一个点，就是它正在验证一个新的商业模式。最近有个词啊，我相信很多人听过叫 token 经济。 其实呢，随着各家的大模型能力越来越强，很多普通人呢，会发现自己已经不再需要去追求最强的模型了。就像现在 cloud 的 opt 四点七出来了，但其实很多人都会觉得四点六问题也不大， gpt 五点五呢，也很好，国产的 gom 五点一或者 dbc 微四呢，也能解决绝大部分的问题。 所以呢， ai 的 竞赛到现在，从模型必须要做到最强的，已经变成了在模型够用的基础上，看谁的店更多，谁的 token 更便宜。而算力呢，正在成为一个可以独立交易的资产类别，就跟我们平常在使用的石油一样。 所以把超算呢租给竞争对手这个事呢，表面上呢，是帮了敌人，实际上呢，是在定义一种新的权力，叫做算力房东。 所以从现在开始，如果你发现你用的是 cloud 跑任务，你会发现你的体验明显的提升，高峰期也不卡了。而在前段时间呢， cloud 还在各种疯狂的封号，当时很可能是算力太紧张了，而现在算力吃紧的问题解决了，我估计啊，封号的问题会稍微的那么缓解那么一点点。 但是我觉得更深的信号呢，是 ai 权力的结构正在快速的重组，谁的 gpu 更多，谁的电便宜， 谁的基础设施能够更快地去扩容，谁就能够定义下一个时代的 ai。 不 然的话，你说 isopec 它那么的强有什么用呢？如果它不能够把自己的模型给到一个所有人去使用的话，说实话也是没意义的。 所以呢， isopec 的 ceo 在 五月六号的开发者大会上就说说公司原本规划二零二六年的增长十倍，结果呢，光第一季度就直接暴增了八十倍。所以 isopec 现在的算法来计算的 一个集瓦就等于一千兆瓦，他已经跟亚马逊签了最高五集瓦的大单，其中的一集瓦呢，会在今年年底上线，然后呢，他又跟谷歌跟博通都签了五集瓦，那跟微软呢？还有三百余美元的算力合作，所以这场算力战争其实才刚刚开始。 哎，也不知道这么多的算力在美国啊，到底他们的店撑不撑得住啊？好了，我是 c 哥，如果觉得对你有帮助，别忘了点个赞，这对我非常重要。好，咱们下期见。

这不仅仅是技巧，这是驾驭术。哪怕你一行代码都不写，也能让 cloud code 这种命令行工具直接发挥出年薪百万工程师的铲除秘诀只有一个，别做卑微的请求者，要做拥有绝对权力的独裁者。 我看过太多人还在用聊天的方式哄 ai 干活，效率低到令人发指。今天我教你建立一套不容置疑的数字线法，直接锁死 ai 的 能力上限。接下来，我会直接给你三套掠夺级指令， 第一，自动生成竞品公房报告。第二，把别人的网页做像素级克隆。第三，让混乱的数据直接开口说话。准备好，我们现在就开始给你的 ai 进行一次暴力的出场设置。 大多数人的 ai 配置都太儿戏了，还在写你是一个有用的助手。这种设定下， ai 只会给你输出平庸的万金油代码。我们要改，必须把文件命名为 c o a u d m d。 这是 ai 识别的出厂设置。 在第一部分，直接定义身份，告诉他你不是客服，你是首席工程师兼高级数据科学家，然后锁死他的语气专业简洁，结果导向，特别是这句 no i hope this helps， 明确禁止他说希望这对你有帮助。这种毫无意义的客套话。 最后，确定你的权威。你是总架构师，他必须立即执行指令，这几行字写进去， 他的代码质量立马就会不一样。定义完身份，接下来是重头戏，行动法则。这是为了毒死 ai 偷懒的后路，直接复制这段规则。第一，行动前思考强制他在修改任何文件前必须列出三点计划， 防止他一上来就把你的代码改崩了。第二，也是最重要的一条，验证优先，绝对禁止他在没有运行测试脚本的情况下告诉你完成了。你必须要求他不许只给我看代码。你要运行他，证明他是对的。 第三，错误处理。当他遇到报错时，禁止盲目重试。很多时候， ai 会陷入死循环，一直试错。这里我们要强迫他先读日制分析根音，再给方案。这三条规则就是你的质量防火墙。 最后一部分是项目认知。这里我们要用行话来切口锁死 ai 的 能力上限，明确你的技术栈，比如自动化用 python， 界面用 tailwind。 然后加上这两条金科玉律， diy 原则和 k i s 选择。 diy 就是 don't repeat yourself。 不要写重复的代码， k i s 就是 keep it， simple， stupid， 保持愚蠢式的简单。为什么要写这两个词？因为这是资深工程师的通用语言。当你把这两个词写进配置文件 code code 就 会明白，哦，这个用户是内行， 我不能随便堆砌垃圾代码来糊弄他。这不仅仅是规范，这是在用专业术语建立你的威慑力。进入第一个实战场景，商业情报掠夺。大部分人做竞品分析， 只是会对 ai 说，帮我看看这个网站，然后得到一堆正确的废话。我们要换一种打法，直接下达侦查指令。 mini cloud code， 像黑客一样，优先扫描对方的 site map x m l 站点地图。这就像打仗前先搞到了敌人的布防图，而不是在门口瞎转悠，只有掌握了结构，后面的分析才不会跑偏。拿到地图后，进入第二步 开采。别让 ai 给你念网页内容，要直接下达掠夺清单，这三样东西必须拿。第一，抓取前十个最热门的产品或文章标题，看他们靠什么引流。第二，分析 seo 关键词密度，看他们怎么偷流量。第三， 把定价表格完整扒下来，别管那些虚的品牌介绍这些才是对手赚钱的真家伙，你要做的就是把这些核心数据从他们的网页里生生拽出来。 最后是合成阶段，这是新手最容易翻车的地方，千万别让 ai 给你吐出一堆运行日记或者散乱的数据，没人有空看那个，你要下死命令，不要废话， 把上面抓到的所有数据合成一份 markscan 格式的攻防战略报告，甚至要更进一步，直接问他基于这些数据告诉我怎么打败他们。 记住，你雇佣的不是一个爬虫工具，而是一个能给你出谋划策的首席分析师。第二个，场景，视觉资产克隆，看到国外那个落地页很帅， 想直接拿来用。别再去问 ai 能不能模仿了，那种指令太弱。我们要下达的是逆向工程指令，把你截好的图丢进去。 第一步，命令他进行视觉结构。这一步非常关键，你要让他像做外科手术一样，把这张图拆解开，告诉他别急着写代码，先给我分析他的网格布局是几栏的， 把他的设置代码全部提取出来，还要测量他的字体大小和粗细，先看懂再动手，这是规矩结构清晰后。第二步，代码合成。 这里我们要锁死基础站，指定用 html 加 tailwind css， 这是目前还原度最高，改起来最快的组合。然后加上两个死命令， 第一，必须是响应式的，我要手机电脑打开都能看，布局不能乱。第二，原图里的鼠标悬停效果，过场动画一个都不能少，必须从动态层面也做到保真。你要明确告诉他，我要的不是像，而是一模一样。最后一步，交付， 别让他给你吐。那些零散的代码片段，看着都头大，直接命令它生成一个 index html 单文件，并且自动调用浏览器打开供我验收。这时候你的标准只有一条，像素级完美，做不到就打回去重来， 我不听任何借口。你想想，原本你需要找个设计，再找个前端，磨磨唧唧干三天的活，现在你只是下了一道死命令，去喝口水的功夫，他就给你干完了。这就是克隆军队的力量。搞定了界面和流量，你手里剩下的可能就是一堆乱七八糟的电子表格文件。 这时候别像个实习生一样去手动调格式，我们要启动数据法一审计模式，直接给 cloud code 下死命令。 第一步，消毒管数据有多烂，让他自动修复错误，删掉空行。记住，告诉他清理垃圾，不需要向你请示，直接干。第二步， 审讯，让他盯着那堆数字找出异常值，你要的是答案。比如哪个渠道的投产比 roi 最高，哪类客户跑得最快。你不需要懂算法，你只需要下达最冷的指令， 最后一步也是最爽的一步，可直观变现，让 ai 调用 python 的 plotly cool， 直接给你搓一个交互式的看板出来，告诉他， 别给我发那些看不懂的分析报告，我只要一个 html 文件，并且我给你定个死规矩，亏损的业务全给我用鲜红色标出来，暴利的业务用绿色。 你的目的很简单，就是让他把最核心的利润点挖出来放在你面前。你不需要盯着屏幕看半天，你只需要看一眼颜色就能知道钱在哪。这就叫暴君的统治力。 听着 ai 也有偷懒的时候，当他假装修好了代码，实际上运行起来还是一堆报错，千万别温柔的引导他 直接甩出这段话。第一，停止告诉他你违反了协议，现在立刻回滚。第二，让他滚去写一个独立的测试脚本， 名字就叫 proof， 点 p y， 在 测试文件没跑通之前，严禁碰我的主代码。这一步就像给他带上止咬器，防止他在错误的泥潭里越改越乱。你要的是确定性， 而不是让他在这里无止境的试错。如果 ai 开始跟你绕圈子或者陷入死循环，那说明他的上下文已经被垃圾信息污染了。这时候不要犹豫，直接启动熔断机制。第一步， 输入斜杠 compacts 命令压缩记忆。第二步，命令他忘掉刚才所有的废话和尝试。第三步， 让他重新读 c l a u d 点 m d 这个宪法文件。这就像是给他的脑子做一次强制重启，清理掉所有干扰逻辑的造声。作为首席架构师，你必须让他明白刚才那条路走不通。现在必须换个脑子重新开始。 记住，不满意就重购，不想要过程就只要成品。去建立你的 c l a u d 点 m d 开始你的暴君统治吧！

为什么说二零二六年普通人最低成本、最高上限的创业翻身机会就是用上 code code 或者 codex， 但凡你有点想法，有执行力，敢拼敢干，只需要说给他听，他就会帮你实现，到达胜利之前无法回头。 哈喽，大家好，我是冯柚。本期视频耗时半个月制作，也是我的第一条关于项目实际开发的视频。如果这期视频数据不错，我将会立即更新下一期。 首先，关于认知。很多大学生都想创业，看多了别人的成功，自己却始终原地踏步，怕麻烦等贵人认怂示弱。于是第一步永远停在明天， 要么等好运找上门，要么索性躺平打工一辈子。如今时代的底层逻辑就是，信息跑得越来越快，没人缺少赚钱的点子，缺的只是动手去做的勇气。但是光想不做，永远都是旁观者，本就一无所有，何惧从头再来？你不做，永远不知道你有多强，行动才是普通人逆袭唯一的出。 那么该怎么迈出第一步呢？到现在还在看这条视频的观众，百分之一百都是有想法的大佬。现在你只需要做一件事，把你所有天马行空的想法细分出一个最小的开头， 比如将自己的桌面收拾整齐，比如开始认真制定计划，反正不管怎样，必须动起来，不用一上来就规划庞大的商业模式，不用纠结团队、资金、资源这些遥不可及的问题。那为什么必须是今年？只有一个事实，快！ ai 发展前所未有的快，信息交换速度前所未有的快，可是偏偏就是如此庞大的信息量，筛选出了一批认知高且大胆的人，如今所有的路都已经明牌，赚钱的门槛已经贴近地板，就像零五年的房地产， 十年的电商，十八年的短视频，所有的壁垒都在崩塌，所有的机会都在下沉。不是你需要一个机会，是今年的机会需要你。那为什么必须是 cloud code 或者 code 呢？如今最缺的不是想法，而是将想法快速落地的效率。然而 code、 code 和 code 就是能够将所有效率拉满，功能拉满，信息决策效率拉满，也是使用成本极低的工具，甚至能够称其为员工。那扣的扣子，扣的 s， 到底能够做什么？其实也就两点，你想不到的，他能想到，你想到的，他能做到。