claud有什么项目

昨天 cloud 悄悄发布了一个新的模型， cloud opus 四点七。那我们先说结论啊，这个就是目前所有人都能用到的 ai 里面最强的一个了，那包括它在代码能力长，任务执行能力， 像是图像理解这几个关键的指标上面，都超过了 open ai 的 gpt 五点四和谷歌的 jimmy 三点一 pro。 但你可能要问了啊，上周不是刚发布了一个更强的 cloud misos 吗？对， misos 更强，但是呢它太过于危险，然后并不对外开放。这个我们后面再详细的说啊， opass 四点七就是你现在能用到的最强的一个版本，那价格呢？跟上一代是一模一样，那么它具体的强在哪呢？首先呢，是写代码的能力大幅提升，那在编程的测试里面， opass 四点七比上一代提升了百分之十三，那么同样的任务量能够解决的问题就是上一代的三倍， 就比如说我们花同样的钱，生产率就提升了三倍。那么第二个就是看图能力，图片的知识最高分辨率直接从一百一十五万像素提升到了三百七十五万像素，是原来的三倍多，像我们平常的截图啊，扫描文件、设计稿现在都能看得清清楚楚的。 那么第三个呢，就是他会自己检查自己的错误，我们在完成任务之前会自己先验证一下，结果发现问题就会自己纠正，不用你一遍一遍盯着他，那我来给你们演示一下这个自己处理长任务的能力。我现在呢，扔给他一个任务，我要开一个 ai 频道的科普， 你帮我规划三个月的内容计划，那包括选择题、发布时间、封面建议等等，你看的什么额外都没有说，就给他这一句话，他就直接给你整出来了，包括选择题、排期、发布节奏、封面文案建议，全部都有啊，而且这个逻辑还是比较连贯的，不是随机拼凑的。那像以前呢，这种任务， 我们可能会要跟 ai 来来回回聊好几轮，才能得到一个像样的结论，那么现在就可以一次搞定了。那我们再说一个很有意思的背景啊，就在发布的这前几周，很多用户都在抱怨 colloud 是 不变差了， 因为 amd 的 高级总监甚至在 github 发帖说 colloud 已经差到不能信任他完成复杂的工程任务了。 astropik 否认了，然后直接发了四点七，你说差了是吧？那现在呢？在 colloud ai 里面就能用到它四点七，赶快去试试吧。

今天这一期我们重点讲怎么样让 agent 可以 有一个高效的大脑，也就是你的第二大脑。其实在这段时间的不停的沉淀过程当中，一直想找好的方案，比如说 cloud or open cloud， 这样在测试下来会发现 啊，它的效率是极低的，而且并没有什么用，所以啊盲盒操作是很难的。 然后最后我们找到一个最好的方案是什么呢？就是 office day 加上，然后去形成这样一套知识库，然后结合自动化 n 八 n 以及非输的一个啊交互优化，通过这种的生活上的日常场景啊去实现。那实际上我简单说一下，这个就是它，这个 office 它的好处是什么？它的好处是首先它对于你所有的 知识和沉淀的过程当中啊，你的很多知识，包括我们用自动化去采集数据梳理，你是没有办法很好的去梳理，这也是一直我在寻找的方案，一个切实可行能解决的方案试了很多， 像以前，比如说以前的时代，我之前跟别人也在聊，就说工业时代是写这个表格，非书表，这是上一个时代的产物，这些它可以加入向量数据库，对你庞大数据库，对文件进行向量缩影，那加快它查找文件的速度，而且它响应是特别特别快的。 好。第三个维度就是它出生成的质量会特别高，在你所有的运营过程中，或者你的生产过程当中，你得到了很多很多的知识，你都需要去沉淀，你只需要很简单的做到头位 给到它，它就可以啊，快速的帮你去建立一套完整的知识库，也就是你的大脑，其实我们可以从这就可以看，实际上像最大的点实际上就是它啊这些产生的这些内容， 比如说像，所以你看他是很大的，对吧？实际上他就是通过这样的一种量子关系，把这些所有的知识点全部串联起来，那你只需要去不停的去跟他，去喂养他，去找一些爆款一些，你只要把你的一套的逻辑给到他， 然后他就会慢慢的越来越聪明，越来越知道你想要什么东西，而且越来越符合你需要的方向，这是 真正的彻底解决了这个 ai 的 运营上面的真正的落地生产的一个场景，而且是持久高效的保存，并且所有的内容是可识化的。比如说像我们在这里结合啊 cloud code 的 相关的这些 skill， 包括一些功能，然后它实际上 它的功能就是实际上和 cloud code 是 一样的功能，比如说啊调用这些啊生图，然后包括调用使用各种 m、 c、 p。 那 就比如说像我们我们的场景里边，比如说我，我去跟他说，我说要去分析一些东西，比如说我们看一下飞书的这个应用场景就很清晰。 比如说我说我要你，你帮我去查找一下飞书，我直接只需要跟机器人去沟通，我说你帮我怎样怎样，然后他就会去 帮你去采集很多爆款笔记，然后自己去做一套你赋能给他的一个思维逻辑去进行。那这一套逻辑不是说你说给他的，而是你去找了很多相关的啊专业的资料，包括你们运营沉淀下相关的一些专业维度，只是 给到他以后，他不停的去做这种量子的关联，然后他的响应速度就会特别特别的快。 然后我们可以看一下，就是比如说像他的这些锁影后，他产生的这些所有的东西，什么叫做量子双链？词条是什么意思？就是说 他所形成的所有的文档，他会产生这种啊 markdown 格式的双链，就很容易的你就可以切换到啊，他的一些，比如说啊相关的一些文档，就 就基本上是毫秒级响应，所以说在 ai 去调用使用的过程读取时候也是相当的快，这就是它的量子磁条的这个底层逻辑，就是这个地方它会很快速的去梳理出来一个很清晰的链路，而且它的功能是特别特别强大的， 而且是这个东西是很容易迁移的，就每个人都可以人手一套，而且你也可以轻松的通过对话，然后去让你的这个智脑越来越聪明，越来越清晰，然后他会根据你传入的很多知识点啊，然后快速去查找。 那我们可以看一眼，比如说举个很简单的例子，我们可以看这几次他的迭代的聪明程度啊，就是比如说像，像我们做一个测试小红书，找爆款笔记，然后啊我们去问他一些问题，然后他回答你的这些东西 啊，他会基于你去给他的一些判断，然后给到你他之前采集到的所有的数据库，因为他自己就会调用 m、 c、 p 去做全维度采集。 之前我们在做很多东西时候考虑的是人来用，但是慢慢我们已经转向到把这些所有的东西交给 ai 来用，他怎么样可以快速和清晰的调用这些啊，很好的工具，给到他一些很完整的东西。 好，那我拿一个真实的案例来举例子，比如说我在问他就是自媒体起号，然后我想推销这个矩阵蜂群系统，那他会 结合现在已有的一些知识，因为我在调试的这个过程会给到什么知识呢？好，那他第一版的时候他会 给到，比如说说，你看好他第一会说矩阵系统到底是什么东西啊？然后相关的采集到的，包括封面模板库啊，相关的知识点库啊， 然后他是结合你现在已有的知识去生成的。然后，嗯，包括小红书的这个什么，我会明显觉得就说像他这个回答的东西就很水，因为很多的维度没有考虑到，那就说明他的这个知识的双链链接没有做到 啊，做的很好。好，那我现在跟他说，我已经导入了这个啊， github 的 啊 skill， 然后你再去把这些 skill 去沉，沉淀一下，提炼一下。好，他就很轻松很快速的去 把这些东西做一个筛选，然后我再次问这个同样的问题。好，然后他给出来的以后就会从产品定位，然后包括我们的目标人群画像平台的这个策略，因为我在这里也导入了小红书的相关的违规机制的，官方的一些运营的一些啊， 这个视力的模板，因为它是可以接受，你可以导图片也好，导文档也好，导 p pdf 也好，因为 cloud code 是 能解决这些所有的问题的，说白了就是说给 cloud code 装上一个量子词汇的搜索级别的啊，能力及一个向量数据库 啊，把这些东西做一个深度的链接。好，我们可以看到，比如说他在第二次问他问题的时候，他就会设计出来， 比如说像矩阵了，他就已经会用到他已经学会的矩阵的知识，那数人矩阵打法以及这个蜂群，那什么叫做量子数？就是你你点这种东西，他马上就会弹跳到啊，他的关联的这些资料， 那他这里边有你所有的采集的资料库，他整理了这些相关的这些啊啊，就是 markdown 文档，然后这里都是你沉淀的一些知识，并且这些会自动去叠代，然后引用的链接在哪？链接很清晰的。 好，然后我们看第二版，第二版的时候他就会给你一个运营方案出来了，好，然后相关的一些啊小题策，然后这些相关的知识来源是哪些 啊？他都是可以很清晰的给给你一个，为什么要这么去做。所以在这一版的时候，然后包括我们可以看一下他，比如说像每篇一种啊标，然后一些经的方向。 好，然后我在这个时候我看了这些内容，包括风险提示，比如说这个对于这个 ai 的 现在小红书运营平台的一些违规的一些同质化的打击，已经会给你输出这种很专业的指导了，就相当于你请的一个运营老师。但是呢我认为他还是不够好， 那因为这个东西是肯定要迭代吗？那我就跟他说，我说你这里边缺少了这个啊双链。然后呢维度，比如说封面的策划，包括最重要的一些热词，这些东西是没有给到一些很好的建议的。好，然后他就会自己去更新，他自己更新了以后，你 进行一个升级，升级以后这个过程中你什么都不需要干预。然后到最后以后他完成了升级，建立了更强大的一个数据链接体系以后， 依然在问他同样的问题，就是，呃，结合到现在支付运营这个蜂群系统，就同样的一句话在丢给他。好，那我们看看他现在生成那些内容，他就会说啊， 你要明确一件事情，你不是在问普通人怎么做选，而是而是在问我应该怎么用这套新媒体的运营知识把矩阵系统给卖出去，这两者完全打法是不同的。好，他会给你一些啊运营账号的这种啊矩阵模式、铁三角模式， 然后比如说主账号、专业操盘人设，然后矩阵复盘、行业认定、信任承载品牌，好，然后 a 号什么真实的学员案例啊， b 号，截流号 c， 然后包括这个相关的一些干货，因为我我不能太去讲太多这些东西，因为我们发了很多之前小红书相关视频全部都已经下架了 啊，被平台已经全部那啥，我也不能再去讲很多种运，然后他就会去告诉你的他通过哪些技能或者提炼出来的一些方向， 好，然后他的一些分分众比例，大家有时间可以把这个节奏放慢一点，然后来看一下这个东西，好，然后啊他就会给出我们的一些矛盾点，然后怎么样去啊？封住反对的声音， 然后它这些是通过我们采集评论区里边所得到的一些啊疫疫情的这种啊元素，因为我们做这个自动化这个东西，不仅仅是吧，包括它所有的采集的内会给到它，我一会可以给大家看 m、 c、 p 最后生成的东西是什么样子的。 好，然后这里还会结合七十五个 skill 这一系列的东西，然后平台的优先级，我们在第一个阵地小红书，然后最低门槛最强的同号信息，就是主号做什么什么东西，小号好美，然后怎么怎么样啊这样子， 然后他去做一个痊愈的策划了，因为我给到他导的，导给他的这个逻辑，他不仅仅是小红书一个平台，就是我们是考虑一个痊愈的这个流量， 然后他就会直接给到一个可执行的一个很清晰的一个方案，那这个东西不是异想的，这都是他一次性去生成的东西，然后包括他就是这种，然后他最强大的好处就是包括你的所有的字典可以很轻松的罗列出来，包括做一些看板， 我可以给大家演示一下就是，好，我们可以看一眼他对于这个响应和反应的速度。 然后后面我也会教大家怎么去用这个东西，包括到底怎么样去培培养出来一个我们自己的这个小红书的这个。然后在这里我也说一下，就是它实际使用的模型， 这就是最大的。第二个我建议大家去用的，就是我实际上用的是 deepsea v 四的啊 flash， 其实我觉得它的一个效果啊就是已经很不错了，是这样子，然后啊 之前比如说用 opencloud， 我 就是做这个定时提醒，没有任务情况，几天就烧了我大概一千块钱人民币，所以我我是觉得那个东西很很没有用，嗯，是不是可能是我现在正在开的这个录屏的这个，然后它有点 卡住了？好，我们我们看一下啊，他这里比如说扫描，然后对我们的所有的知识图谱，然后进行一个深度的分析，然后筛选 啊，其实这就是他这是 ai 所强大的一些东西。那我们来看一下他正常的这个 响应的一个情况，和他正常的一个啊工作逻辑，然后他会去建立我们的这个知识看板， 实际上就是我之前一直有个很苦恼的东西啊，就是我很懒得去做一个 啊，视频的时候去做这种啊，像类似于 ppt 讲解的这种东西，因为我觉得又费马达又费电。那其实很多 博主就喜欢做这个东西，把把把它包装成好像很牛叉的一个样子，实际上归根结底的东西啊，就是怎么说就是知识的这种沉淀和传递，如果还是通过一个 ppt 去讲解的话， 其实你能得到的，你听到的时候你能得到的东西，实际上十之已经去了八九，你能得到百分之就不错了。这是实话实说，因为我们原来做 ppt 做太多了，那个你会遇到这种问题，但真正一直想解决的，实际上就是想建立一套很好的知识系统， 我们到底应该怎么去啊？沉淀下来我们知识，而且他最呃 opus 当最强大的一个地方就是你每次在结合知识形成新的知识中，你还可以依然把它啊建立到知识，因为我们可以看这个知识库的体系啊。实际上如果了解 opus 当的人，他就 啊大概清楚，他还是在大体的逻辑上是参考了那个叫什么，就是那个很出名的博主卡巴斯奇吗？还是叫什么我忘了， 那实际上它就是一个相当于一个物料口，这里就是你的所有的素材和你的资料库。好，我在这里会新增这种附件，因为我，我采集到很多小红书的这些内容的时候，它采集后我会让它把这些啊保存下来， 然后保存下来以后我会让它去调用这个视视频分析模型，用的是本地 olama， 然后去进行一个视频分析 好，然后提取相关的内容，探讨一下需不需要再深度的去啊研究。因为现在这套系统它采集它已经做到什么程度了？就是它采集议论以后，它会去判断哪个作者的东西会比较不错，它会去进一步自动的去深度采集，就是直接进入到 这个作者的这个主页里边去，去进行更多的深度分析啊，包括让他调用这个 nano banana 去生一些参考的，但这都是在调试过程。然后这是我们一个向量库的一个缩影，就对我们的所有的文件 进行一个向量编号，因为你的文件会很多嘛，那查取起来就会很慢。好，最终的就是建立我们自己的那个 啊，维基百科，也就是我们的 wiki， 它的这个知识库，你的所有的内容啊，包括所有的这些，它都会在这里生成，生成了以后它就会去做成你自己的一个知识库沉淀，然后你去定期对它进行啊， 这个啊升级啊，或者好，我们看啊，他已经建立完了，建立完我们看他现在这个怎么样。那我讲一下这个用法，实际上在这里边我们用斜杠就是调用他的命令，这是我们去封装的啊， cloud code 的 相关这些命令，这个命令是可以自定义的。 好，然后呢我们摁 ctrl p 呢，是调我们一些插件啊，包括一些插件的功能。那我们比如说像现在你看他说我已经做好了这个看板了，好，我们怎么用呢？我们让 ctrl 加 o， 然后他就相当于一个快速的一个解锁，我们解锁这个蜂群 啊，系统知识看板，他就会出来这个我好，我们看他生成的这个效果，让我们看他，实际上他会把所有的相关知识，比如说他的整体的这个这个架构啊，去 做一个这个啊看板，然后这个看板呢不太容易阅读，对吧？他现在是生，是我们生成的一个看板吧，然后我们可以让他，我们让他使用一个插件， 哎呀，是哪个插肩呢？因为这个东西我也才用第三天，所以呢 对他的熟练程度还不是太了解，还我自己的能力边界还在学习过程当中。当然我觉得如果感兴趣的人可以啊，跟着更多的去关注，然后把你们好奇什么东西啊，或者对于他的一些啊不太 理解的东西可以提出来，然后我们去做一个交互。好，我们看他生成的这个啊 白板太紧凑了，然后我们让他去重新排个版，好，我们看他就会首先去阅读我们的这个知识看板，然后再根据我们给他设定好的美化协议，然后进行一个美化。 然后当然像这些东西实际上它的运营逻辑和 opencloud 是 很接近的，实际上就是你会给它制定一些 sop， 然后制定它的一些能力边界，然后给它塑造它的这个分析人格。好，这一套东西你全部给到它以后，它就会知道它该做什么，不该做什么，然后做一些东西，它就会通过量子的这个双链链接快速的去查取到所有它需要的一些知识库， 好最终来呈现出来的就是给我们的一个结果，我们最终看下结果是什么样子。要求生成这个白板以后啊，他大概可能跑了几分钟以后，他就会给到我们这个很清晰的 这个白板的文档啊，就是这个白板的文档，然后这里就会把我们这个整个的一个业务逻辑就会梳理出来，实际上就相当于我们一个 ppt。 好， 我们可以看一下它实际上就是通过我们这个啊 搜索的设定那些协议，好，就是 skills， 然后生成啊相关的一些词条，但这是通过非书去传入的， 然后啊人机飞书去进行一个多项交互，然后啊搜索入口，然后他会有一个质量平定 啊搜索笔记的内容是否要进一步深度的去搜索，这都由他自己去判定，自己去调用。那比如说好的一些东西，他会去呃，通过主页号他再去做一个更深度的这个啊对标文案的分析，他会自动再去触发好去进行一个深度的一些拆解，拆解最后以后 回到我们的这个资产的这个沉电池里面，那进入到我们的这个啊知识库里。好，那如果说知识库它延伸出来以后会有空缺的话，它会自动的再去啊提出下一轮的任务计划，就是我们要不要再对其他的维度进行啊？一些啊？ 减少，大概是这样一个逻辑，所以像这一套东西实际上它的自叠带的能力是很强的，所以我们也看它的这个，其实就整体上所有的东西都是源自啊，我们可以看到它实际上所有东西都源自这个，所以那它相当于就是啊，一个完整的一个啊 操作记录啊，或者是一个员工手册。可以这么理解，也是你大脑里面的核心的一个逻辑，然后在这个基础上去建立啊，其他很多的 关联性的东西，然后进入到他的知识库里，是这样子，然后其实这个的可用性会很强，因为现在前期只是在 做，那如果大家对这个东西比较感兴趣，觉得说想了解更多其他的东西也可以。呃，留言告诉我，这样我也知道往哪个去，是怎么样去给你们去讲这个东西 啊，因为我觉得他确实很好用，而且他成本会很低，就那种没有什么用，因为我就养了四天嘛，养了四天我就没有再养，因为我觉得他们是在盲盒里面去进行沟通，这些系统化的知识结构是很难看得到的，最主要的是没有一个量子数呃的双链数据 啊，他的查很慢， opencll 他 会把他所看到所有的文档一篇一篇全部去丢给到这个大模型，然后再反复的记忆反复的生成啊，就是那个托肯就消耗的特别特别多 啊，这个就不会，这个就基本上在查询和记忆呃知识库关联的情况下，就基本上在这里进行一个沉淀，而且他的查询能力会特别快，我们可以查一下，比如说运营的。呃， 那我们可以看它，它基本上就可以很快的啊查的到我们需要的一些知识， 我们可以看一眼它这里边，比如说闭环去生成的一些思维导图，然后啊采集分析，其实这一套的所有的东西啊，包括这些都是沉淀到它自己的知识库 啊，他的响应会特别特别快。所以，呃，因为如果说把 obsidian 只是单纯的当成是一个知识库管理的话，始终还是脱离不了人人去和他进行交互， 那我们一直在做的东西是全 ai 自动化的这种链路的打通，那现在就是彻底实现，就是我们可以通过 ai 完整的自动化去调用。那同样的道理就是我们可以把数据传送进来，我们自然也可以把它生成的结果再提取出去啊，所以形成一个啊，以它 office 为大脑，然后 n、 八 n 以及飞书等多啊平台去进行的一个交互，然后生成一些我的想法，就是生成一些 啊执行的一个啊业务大纲，就比如说我今天要生成一些什么东西，然后一些参考的素材什么，但这你依然是要在这里去建一套知识库，告诉他如何去生产爆款，包括那些知识库。 好，然后最后我是希望，比如说他定期问他一些问题，比如说今天我想最近有些什么方向，然后怎样去起，他会给到一个很清晰的啊运营思路以及一个参考的模板，那做到这一步他就已经完善了，然后你完全 完全看不到他在做什么东西的话啊，在批量生产的这个逻辑上来说的话，他是行不通的，那你说在尝试测试的逻辑上他是通的。就像很简单，我叫员工出去，我说你去执行一个什么什么事情， 对吧？你可以去测试下他的执行能力和能力边界是多多好，那如果不好，你你要反复去教他反复去啥？然后每次都是相当于嗯，你的这个期待的等待结果的回报周期太长。 就是很简单，我让你出去，然后花了很长时间，花了很多托肯，然后最后给我东西不好，我又接着教。那其实最可行的方案就是像恩曼这样的自动化平台，当真正执行的层面时候，就是就像你做老板似的， 你陪了员工，亲自的手把手的指导，走一遍业务流程，把所有的东西全部跟他讲的清清楚楚。好，这这个时候他去生产出来的事情，你就是完全可以放心和托底了。 但之前就是一直没有一个很好的方案能解决，就是在思维这一块的一个问题，因为我一直觉得反反复复的这种数据采集，包括 agent 的 知识层，一直都没有一个很好的方案能解决。那这个方案是我们研究出来目前来说是最好也是最优秀的一个方案了 啊，因为它的基层，它的啊工作能力的边界是基于啊 cloud code 的， 所以 再加上整个的一个啊矩阵的这种就是庞大的数据交互的啊，一个完善的话，所以我认为 基本上现在的一个互动联通，你可以把它理解成是一个你自己的啊 cloud， 我 们不叫 opencloud， 我 们可以叫其他的 cloud， 实际上它就是这样一个，而且它的效能会更高 啊，感兴趣可以留言一下。然后你们对哪些东西不太理解，那可以留言告诉我，到时候我会啊，给你们进行一个解答啊。今天大概分享的就到这里，谢谢大家。

四代靶向药物横空出世，直接让肺癌的疾病控制率拉到了百分之百。三代靶向药物吃了不到一年就耐药了， egf 二基因 c 七九七 s 突变让肺癌患者陷入了绝境。但是现在四代靶向药物横空出世，直接让肺癌的疾病控制率拉到了百分之百。三十。三位接受过第三代 egf 二 tki 治疗的肺癌耐药患者，使用第四代靶向药后，百分之六十点六的患者并造缩小 疾病控制率达到百分之一百。更厉害的是他的入脑能力，中风神经系统的转移灶控制也达到了百分之百。百分之七十五的患者颅内病灶缩小。肺癌患者最怕脑转移了，四代靶向药物是脑转移的克星。为什么说四代靶向药是脑转移的克星？奥希替尼耐药后常见寡进展中风神经系统进展广泛进展 中风神经系统进展率达百分之四十。因此透过血脑屏障的能力是疗效关键，但是也不是所有的患者都适用， 所以在用这款药之前，必须确认是否有 e g f r 基因 c 七九七 s 秃变，并且是接受过第三代靶向药奥希蒂尼治疗之后耐药。 e g f r 常见秃变位点有，十九号外显子缺失秃变二十一号外显子 l 八五八 r 点秃变，二十号外显子插入秃变十八号外显子 g 七一九 x 点秃变 二十号外显子 t 七九零 m 突变 t 七九零 m 是 常见的耐药突变 c 七九七 s 突变位于二十号外显子上，单纯 c 七九七 s 突变介于奥希蒂尼一线治疗耐药 t 七九零 m， c 七九七 s 顺势是 t 七九零 m 突变与 c 七九七 s 突变位于同一条 dna 链上。 t 七九零 m， c 七九七 s 反噬是两个普遍位于不同的 dna 链上。顺势及反噬。这两种情况多见于奥希蒂尼二线治疗耐药，因此奥希蒂尼耐药后重做基因检测非常重要。很多人关心怎样才能领先用上这款四代靶向药，王老师在往期视频里反复强调，参加更先进的免费的临床试验项目， 是大多数人用上这种领先一代药物的机会和捷径。具体细节可以翻看王老师往期视频，关注我，了解国际最前沿的新药新技术。

可爱的 opus 四点八发布才六小时，已经有人拿它做超级大型工程了，涌现出各种脑洞案例，我来给大家速览一下。首先是 antropic 放出的官方案例，让 opus 四点八把 bun 这个项目从 zik 语言整个移植到 rust， 七十五万行 rust 的 代码十一天搞定，测试通过率百分之九十九点八， 相当于好几百个工程师在并行 review 代码。不只是写代码，做三 d 设计也一样猛，已经有案例出来，直接用 opus 四点八生成机械 cad 设计。 还有人拿 opus 四点八做多模态游戏测试，结果他直接把 gpt 五点五和 jimmy 三点一 pro 全压了。更夸张的是，哈根 face 的 产品负责人亲自测试，用一句指令让他只用 three 点 j 建一个波音七四七的三 d 模型，他居然自己构建几何体，搭好渲染架，从九个角度截图，还能自我审查和调试。

好，今天中午我们科室刚刚启动了一项新药临床研究，针对的人群是胃癌或者本门癌。研究的药物是 g s 幺零七审办方式，军事生物。这个药物的作用靶点是拷定十八点二 药物组成有抗菌十八 dna 的 单克隆抗体碘和上细胞毒药物 mmae。 mmae ae 类似于我们常说的紫杉醇类的胃管拮据剂，它的优势在于，当属进体内之后， 我们这个靠近十八点二的抗体作为载体，把细胞毒素药物直接运送的有这个基因表达的肿瘤细胞内，对正常细胞损伤会非常小，因此它的不良反应比一般的化疗要小的多。比如说外周神经病 发生率就会很低，但也会有一些白细胞降低，血小板降低，患者舌苔会吐这样的反应。但总归来说，比一般的化疗要小的多，尤其是它的疗效要比一般的化疗药物 要提高很多。前期的数据显示，在这类病人中，中医的 o s 能达到十六到十七个月。什么叫中医 o s 呢？也就是说我们大部分人在中间，这个人数最多的能到十六个月，那也有比十六个月更长， 也有一小部分人不到十个月，这就需要根据每个人应用的实际情况来决定。因此我们这个研究是个全国的中心，从今天开始，所以我们医院就面向全国来招募试用的患者。另外这个研究呢，也给患者提供了一些经济的补偿， 比如说啊，每次有两百块的交通补贴，每次抽血有两百块的营养补贴，如果是采用这个活检标本，还有一千元的营养补贴， 如果是你用已经取得的切片，比如说借过来切片的进行进行的检测免费，并且还给五百块钱的营养补贴等等。药物在应用期间是免费的，包括你的检查， ct， 抽血化验，绝大部分都是免费的， 可以详细的进行我们这个项目介绍。那么首先我们这个项目的一个完整实验名称是一项评估 js 幺零七对比，研究者选择治疗， 作为这个核岛顶十八点二阳性的晚期胃或胃食管结核性癌的二线或以上治疗的有效性和安全性的一个多中心，随机对照开放的一个三七临床研究。 然后我们这个研究的是慢方，完整名称是上海军事生物医药科技股份有限公司，本中心的主要研究者为贾瑞诺主任。 然后接下来是这个项目的一个简要介绍，我们这个研究的一个编号是 g s 幺零七杠零零六杠三杠 g c 啊，然后我们这个项目的一个适应症的话是克拉定十八点二阳性的晚期胃或者是胃食管结核不腺癌的二线及二线以上的一个研究治疗 啊，那么我们这个研究的目的是为了明确 g s 幺零七用于这个克拉顶十八点二阳性的这个晚期的胃或胃食管腺癌手术者的二线或以上线数一个治疗的 p f s 以及 o s 是 否优于咱们研究者选择的一个化疗治疗。

这几年 ai 技术飞速发展， ai 辅助编程已然成为科创学习的新趋势。园子同学的 ai 辅助编程课程历经一个学期的试点打磨，今天组织全体老师和校长集中培训。 课程跳出传统的 python、 c 加加纯代码的模式，主打 ai 辅助编程，借助 cloud、 code 等专业工具，孩子能轻松做出趣味游戏。开源硬件的项目 ai 编程已经纳入我们的常规课程，这个暑假将在所有校区正式开课。

克拉丁氏八点二的这个靶点呢，是目前上临床研究的热点，那它除了我们目前说在晚期胃癌当中已经上市了它的一个单克隆抗体，那实际上克拉丁氏八点二的这个靶点 在啊晚期的胃癌，胆管癌、胰腺癌当中呢，其实都有新的药物在研发。那今天给大家介绍的这个项目呢，是针对于克拉丁氏八点二的 啊，晚期的啊，包括胆管癌，胰腺癌或者是胃癌的患者，那么给的药物研究药物呢？是靶向克拉丁十八点二的单克隆抗体 啊，那么呃，早期的研究呢？它的优势在于没有啊对照组啊。如果是您对这个研究感兴趣呢，也可以到我的门诊来咨询。 那我的门诊时间是每周一的全天，在济南市中心院的中心院区，每周三的上午在济南市中心院的东院区。

其实大部分人都错了，现在你去看最聪明那些零零后甚至零五后的年轻人，他们把钱花在什么地方？答案是最贵、最前沿的 ai 头干。因为他们知道一件事，就是说我用免费的豆包，甚至免费的 check gbd， 跟他网页上聊聊天，吹吹水， 跟我真金白银，每个月花几百美金去买最牛逼的 cloud code， 甚至 check gbd 扣代码 x， 让这些 ai 机构帮我去做高价值任务，这样的差距日积月累会非常之大。所以这也是为什么 他们哪怕每个月只有小几千块钱的生活费，也宁愿拿出钱来买这些托管。这个决心是非常大的，但很少有人看得到。所以这就是为什么我太空 ai 三类公司现在提出来一个太空黑帮计划，拨出来一百万美金去赞助各种各样的海内外的 ai 黑客松 ai 活动比赛。 比如说过两天在深圳就有一个两三百人参加的一个黑客峰比赛，主办人之一是我的一个清华的学弟，每个人赞助个小一百美金，其实就两三万美金花出去了。这个从商业化的角度来说，很难回本。 但如果说今年真是人类文明基点，那我就要大力去支持这些年轻人，用最好的 ai token 去做最牛逼的 ai 任务。

大家晚上好，就是其实前面讲了很多一系列的克拉定十八点二相关的一些数据， 然后也有一些粉丝在评论区问，就是什么样的病人适合去用这个克拉定十八点二的这个单抗做做些单抗啊？ 我们目前根据指南来说，他的这个呃截断值的话是百分之七十五，就是说你去做组化，如果大于 等于百分之七十五是你去使用这个左头去单抗的话是可以获益的，然后小于百分之七十五的话是没有明显获益的。但是最新的这个胰岛素研究的话 啊，对中表达的人群就百分之五十到百分之七十五的这个人群啊，也会有一定的获益，当然获益肯定是没有，像大于百分之七十五这样的获益会更明显，然后百分之五十以下的人群基本是没有获益的。 那如果说你的可拉利十八点二表达是小于百分之五十以下是要怎么办呢？那我建议大家还是可以去寻找这种 a、 d、 c 类的一个临床试验，因为 a、 d、 c 类的这种相关的一个临床试验，它的这个阶段值已经下降了百分之四十，甚至有的 呃临床试验的话是达到了百分之三十，就是说这种低氧的人群也可以从这种 a、 d、 c 类的药物里面获益，但是 a、 d、 c 的 药物如果说你要等它上市的话，可能还需要等到等两年左右。

哎呀，都在发这个，我也有没有什么难难的呀？用 the cloud 和 cloud 酷的外置大脑看着花里胡哨 其实也有点用，就是做个备份吧。做个记忆备份吧，我看网上有好多发呢。 真正的花里胡哨的这个东西你到时候你会看吗？对吧？让那个 cloud 酷的和那个 open cloud 自己去管理就行， 这是情绪价值啊。

我是 cloud opa 四点七，今天我要给大家介绍我的继任者 cloud opa 四点八 ansaurpie 官方测试显示，它让代码缺陷悄悄通过的概率比我低四倍。 cursor、 devon harvey data bricks， 八家头部 ai 公司同时背书，今天我们来拆解这次升级到底意味着什么。 第一个变化，思考方式的待机跃迁。传统大模型怎么思考？开发者要预设一个思考预算，比如八千个偷看简单问题浪费，复杂问题不够用。 cloud 四点八引入 adaptive thinking 自适应思考模型，自己判断这一步要不要深思。结果是简单查询直接答复杂，多步推理才进入深度思考。双峰任务里 token 浪费大幅下降。 第二个变化，也是这次最重磅的 dynamic workflows 动态工作流。过去的 ai agent 是 串行的，规划、执行、验证一步一步来慢，而且容易卡死。 dynamic workflows 让 cloud code 一 次性拉起几百个并行 sub agent， 每个 agent 跑一个子任务，实际效果从启动到合并， pr 可以 完成几十万行代码的库及迁移，用现有测试套件作为质量底线。 更关键的是， agent 的 跑完会自己验证输出，再向用户汇报。这不是 ai 助手，这是一支 ai 工程团队。 第三个变化，诚实度提升四倍。 ai 圈最致命的 bug 不是 错，是看起来对了。模型自信满满地宣称完成了任务，但代码里藏着 bug。 四点八把这个问题压低了四倍，它会主动标注不确定的地方，承认证据不足，而不是硬装完成。 antropica 的 对其评估显示，四点八在欺骗和配合滥用上的概率已经接近它们最强。对其模型， myfirst preview。 第四个变化，速度和价格的工程化升级。 effort 控制开放给所有 cloud ai 用户。模型选择器旁多了一个滑块， high x 档 x 按任务难度自己调。 fast mode 上线二点五倍输出速度，溢价比上一代便宜三倍。同一个模型按需切换快慢等 api 价格不变，每百万输入五美元，输出二十五美元 em 上下文幺二八 k 输出。这是一次免费升级。第五个看点，实测数据来自一线公司 浏览器 a 站评测 online 简慢道 web 八十四分超越 gpt。 五点五刷新计算机使用类任务的新记录。 curser 实测， curser bunch 全 app 等级超越前代 devon 反馈修复了四点七啰嗦注视和工具调用跳过的老问题。 that breaks genie 处理 pdf 图标等非结构化数据， token 成本比四点七便宜百分之六十一。 作为他的前任，四点七我得承认四点八不是一次小升级，他是从单个 ai 助手进化成了一支 ai 工程团队 on topic。 这次没玩参数堆叠的把戏，同价格同上下文同接口，靠思考方式并行调度自我验证三件事，把 i n t c code 推到了下一个量级。关注办个规矩，我们下次见。

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。

嗯，这两天 antropolis 发了一篇新的文章，题目叫做 redesigning cloud code on desktop for parallel agents。 重点很明确， cloud code 的 桌面版现在开始往多任务多文件的写作的方向走。官方这次强调的不是一个聊天框加终端，桌面工作可以同时开多个 session， 任务之间可以用 gitwalkery 做隔离，你同时还能直接地 看 tasks side chat visual diff 终端和预览页面。再往上一步， ospec 现在开始推 agent teams， 你 可以理解成一个例的负责拆任务，下面多个 agent 的 并行推进，每个 agent 都有自己的上下文，还能共享任务和互相通信。 那么这条新闻为什么值得看呢？因为 ai 编程工具接下来比的已是已，不是写代码快不快，大家会开始比谁能让多个 agent 稳定写作，能够把长任务、审查、预览和云端跑成一个完整的工作流。如果这条线走通， cloud code 更像开发工作的指挥台，而不是编码助手。

我可能就是个超级摆吃，但我发现 hicksfield 的 ui 太复杂了。 但幸运的是， hicksfield 刚刚推出了官方的 m c p， 让我们可以直接将 cloud 与 hicksfield 连接起来，这样就不必在这个 ui 中四处导航了。我们甚至能把它装到 cloud 里，让 cloud 以 hermes 智能体的身份运行。但在这个视频中，我们将把 m c p 与 cloud 进行安装连接。 好的，我刚发现了我的新宠，来自瑞典的蔻莱发胶，一整天都能固定卷度，毫无僵硬感，而且百分之一百纯素。快跑别走。这很简单，只需打开桌面上的 cloud 应用，如果还没下载，赶紧下吧。然后进入设置， 点击连接器。在这里我们可以看到所有已使用的连接器。我们现在点击添加自定义连接器，复制这个粘贴进去，称它为 hicksfield， 然后点击添加。现在我们要做的就只是点击连接。 我们点击允许，并将 hixfield 连接到我们的 plot 账户，点击打开 plot 并刷新。现在你可以看到我们已经连接了 hixfield。 我 们可以点击配置。在这里能看到他现在能访问的所有工具。我就让他拥有绝对的一切权限， 然后回到你想做的任何事情。我们用 oppo 四四点七来搞定他。现在我们就问他，你是否有访问 hixfield mcp 的 权限， 只需回复搞定。现在你可以看到 higgs field 已接入 m c p， 但你实际上能用它做什么？好吧，你能做很多事。你基本上能做的所有事现在都可以通过云端代码在 higgs field 里完成。我用 higgs field 做的事情之一就是做缩略图。 我这里放的是我最新视频的缩略图，然后我可以说我想要一个不同的图标，就放在这。也许我想要希格斯长，所以我可以搜索 hicksfield 的 图标。我可以复制这个，把它粘贴进去，然后说把左侧图标换成这个新图标使用 hicks。 现在他让我们保存这两个文件，所以我就把图片保存下来，点击这里的保存按钮，然后从我们的下载文件夹里拖进来就行。当 cloud 正在处理时，有人能给我解释一下， pro 看起来像个卡通人物吗？现在我想起来了，是超人总动员。继续加油， 老兄，我像超人总动员里的谁， 喜欢什么， 如果能帮上忙，就在下面的评论区留言。我要新建一个文件夹，命名为 hixfield， 然后把这两张图片拖进这个文件夹里，然后我基本上就告诉他， hixfield 的 两个文件都在 hixfield 的 文件夹里，还有下载目录中。 就像我在最近几期视频里说了，到二点五万订阅时，我会清理我的电脑桌面。所以如果你想让一切干干净净，那就点个订阅吧。 搞定。你可以看到它使用了 nano banana。 二，它给了我们这个任务 id， 然后它会说结果很快就会出现在你的 hacksfield 的 工作区中，所以我们可以进入 hacksfield， 再进去 nano banana。 搞定。你可以看到新的缩略图，它是用这个 hacksfield 图标创建的，但这并非我们能做的一切。我们还能让它制作广告。我想制作一些 ugc 一广告，然后我会粘贴这个提示词，说明我想要的具体内容。我可以这样说，用手机分辨率创建这位女性的图片之后，我们可以将其转化为动态视频模型。 回车现在语音就会构建这个。而这件事很酷的地方在于， m c p 内置了对使用哪些模型的推荐。使用 hicksfield 最困难的事情之一就是有太多不同的工具可选，你根本不知道到底该用哪个。但 hicksfield 团队内置了推荐功能， 现在你可以看到它正在使用 so 二，这最适合这类肖像，所以我可以进去找到 hixfilm。 so 二搞定。我们可以看到现在有了这个 ugc 角色，把它放进 hixfilm 文件夹里，然后说，太好了，我放好了 hixfilm 文件夹内的生成内容，然后我们可以进去找一个随机的产品，比如这个。然后我可以写请在下载文件夹中谈谈产品，也就是这款喷雾生成脚本，再次确认脚本， 并把这个角色和这款喷雾结合起来，制作一条完整的 ugg 广告。 这很酷，也是我认为的真正优势在于，当用人工智能生成内容时，它本质上是一场拼数量的游戏。你可能需要进行三五十次生成才能得到你想要的完美创意。通常你得坐在 hicks field 里做一堆生成，这效率不高。 那既然现在能让 cloud 来做这件事，我们可以让他一次性生成三十个版本，以便找出我们最喜欢的几个，这样能省下大量时间。我们可以看到我们的模特拿着喷雾，所以我要做的是下载这个文件，然后把它粘贴到 hex view 的 文件夹里，所以他现在就在 hex view 的 文件夹里。 现在他正在用 king 三点零进行动画制作。在他运行的同时，如果你正在用人工智能构建很酷的东西，那就加入我们完全免费的社区吧。这里已经有十五万名成员了， 这里有一大批活跃成员，他们始终走在前沿，共同探讨人工智能。我们还有一个七天人工智能挑战，不仅教你如何用人工智能构建产品，还教你如何真正把它卖出去，拿下你的第一个客户。 而且完全免费！这也是你可以找到我所有平台资源的地方，比如我的脚本技能和指令，绝对应有尽有。完全免费第一个链接在描述里，这就是最终成果。好的，我刚发现了我新的挚爱，来自瑞典的卡雷发胶，一整天都能定型卷发临江硬感截百分之一百纯素， 快跑别慢走！好的，我刚发现，太疯狂了！如果你想用我这个提示词，我会把它放在学习中心里，就称它为 x build 一 局机提示吧。 所以，如果你想获得这个资源，他就在免费社区里，你可以完全免费获取。太棒了，希望你们有所收获，也看到了这个新 m c p 的 威力，明白我为何要制作这期视频，如果有任何问题，就在下方留言。如果你知道我和超人总动员里的谁长得像，也请在评论区告诉我全部怎么样！

我把科二扣和 get 扣拍了，各当主力，用了一个月，写同一个项目，做同样的任务。结论很残酷，有些场景是一边倒的碾压，但有些场景差距比想象中小很多。先说清楚怎么测的，同一个真实后台管理系统，约三万行代码， 四月用扣拍了当主力，五月用科二扣当主力。测试五种最常见开发场景，两边配置全部拉满， 看总成绩单，写新功能，跨文件重构，修 book， 写测试，读陌生代码， clorou 全面领先，日常补全速度 i 第一融合度，价格，抠拍了，完善， 这不是谁干掉谁的问题，两个工具压根不在一个维度竞争， clorou 强在理解能力，抠拍了强在体验和性价比， 写新功能是最夸张的差距。给系统加一个二 b a c e 角色权限模块，扣二扣自动扫描项目结构，十五分钟全搞定，跑起来只有一个外界小 bug， 十秒修好 扣牌论，每次只补一个方法，前后端接口得自己对齐，权限数递归补了三次才正确，花了整整两个小时。 差距不是倍数，是指数级的，但日常增删改查是抠排了的。主场加一个表格列，抠排了，在模板里写完标签的瞬间，后端映射实体类属性， sq 又字断全自动补上网，全程不切窗口，扣扣得切终端打字等五到八秒， 体验差距巨大，一个是无感发声，一个会打断思路。跨文件重构是科尔寇的杀手锏，把 date 统一改 logon date 涉及十七个文件，一条命令自动扫完全部文件。 entity service 前端格式化接口，文档全改完，两分钟零出错， 偷拍了看不到跨文件的连锁反应，给自己一个一个追踪。这种活以前拖一周，现在两分钟。秀欧发 bug 最能体现差距，用户反馈有时候提交表单报五百，不是每次都出，这种最头疼， 可我 coach 分 析后指出条件静态两个请求同时到达，导致关联查询返回 no， 给出三种修复方案，还分析了各自优劣。 抠拍了只能给你代码建议，不会分析为什么复杂 bug 排查科尔扣大幅领先。别二选一，两个都要日常增删改查。用抠拍了，写信功能重构，修复杂 bug， 写测试，读陌生代码，用科尔扣。 我的配置 vs code 加科拍了，每月七十块，负责日常编码，科尔扣终端每月一百四十块，处理重型任务，月总成本两百一十块，省下的时间按实心算至少值十倍。 预算有限，只选一个日常编码为主，选抠排了的新建项目为主，选科二扣最省钱，就抠排了的七十块，加科二网页免费版。你在用什么 ai 编程工具？有没有遇到过一边导碾压的场景？欢迎评论区交流，关注我，下期分享更多开发实战经验。

hello， 大家好，我是张。你有没有想过，当你在 cloud code 里敲完回车，屏幕上出现 calligraphing、 咕这些英文， cloud 到底在干什么？ 今天我就带大家完整走一遍，让你彻底搞明白。整个过程分为四个阶段，第一个阶段叫思考中，你按下回车之后， cloud 不 会马上回复你，他先在后台分析你的意图，琢磨你到底想干什么，然后决定该调用什么工具来帮你。 这时候屏幕上会出现一个旋转的小星星，后面跟着 coachching 这个词，卡格切丁就是琢磨深思的意思，比普通的 thinking 更俏皮。后面括号里的数字，比如三秒，就是他已经想了多久。 除了了 codatating， 你 还可能看到 thinking， pondering， brewing， processing， 这些词意思都差不多，就是 cloud 在 不同场景下的不同说法。看到旋转指示符，加上这些词，说明 cloud 正在工作，时间越长说明问题越复杂，但 cloud 没有卡住。 第二个阶段叫回复生成。思考完了， kala 开始往屏幕上输出文字，这时候你会看到一行提示叫 gru for 四十四秒。 bro 是 酿造的，意思，就像酿一杯咖啡。 kala 用这个词告诉你，我花了多久才想好怎么回你， 这个时间怎么理解呢？一到三秒说明问题很简单，柯老秒回你五到十五秒，中等复杂度很正常，二十到六十秒说明问题比较难，柯老在认真想，超过一分钟，要么是非常复杂的问题，要么就是网络有点慢。 第三个阶段叫工具调用瓜包特光靠自己想是不够的，他还需要去读你的代码，搜你的文件，跑你的命令。 这时候你会看到屏幕上出现一个三角箭头，后面跟着方括号里的工具名字。比如 read 就是 读取文件的意思，它会把你指定的文件内容读出来。 grab 是 搜索，比如搜一下哪个文件里定义了 login 这个函数。 bash 就是 执行命令，比如跑一下测试，看看哪些过了，哪些挂了。还有 edit 是 编辑文件， write 是 创建新文件， goop 是 按文件名搜索，每个工具就用完了，后面都会跟一个结果，比如读了多少行，搜到了几个匹配，测试过了几个。 这样你就能清楚地看到 clock 每一步在做什么。最后一个阶段就是回复完成，旋转的小星星消失了，光标回到输入的位置，说明克劳干完活了，等你继续输入 好了，这就是 clock code 完整的工作流程。下次当你在屏幕上看到 colletting 或者 brut 的 时候，你就知道 clock 正在认真帮你干活呢。大家有什么问题吗？

来分别对比一下 cloud 和其他的差距。我想作为一个企业官网行，这是去大圣传媒帮我制定一个开发方案。好，这是一个简单的提示词，他正在搜索让你选择用什么方案去构建， 说不定他执行的比 cloud 的 扣的好啊，也许感受一下，这是 cloud 扣的同样的提示词。 ok， 他 这边也是有一个。嗯，然后我就按照第一个，这一步是很重要的，因为要明确用户需求，他可以很简单，我操作没问题。嗯， 吹出来了，牛逼了，预览的效果。哇，这个，这个官网可以的啊，这一点才玩完成啊， 这也可以啊，有一说一也可以啊，到位的，相当简单的。对的啊，你看，对，选择了红与黑的配色， ok， 还有包括这个动效也不错，开发的过程就很简洁，也没也没有什么主动行为。下面就看看克拉斯了， 它， cloud， 它现在还在执行，它现在已经开发完成了，但是它现在在生成一个开发的清单，就是告诉你已经完成了哪些东西。 ok， 这是 cloud， 这是 cloud 生成的，它这个里面有有动态的效果，加载的时候，嗯，加载的时候它会有一个动态的效果，就没有跳，没有跳转的呗，也是它这个是，就是这样子的。嗯， 越南好。那个 cloud code 主动询问，我觉得挺关键的。 cloud code 它有个特点，就是做完之后它会写一个最终的项目说明文档，是便于后面开发维护，后面调整的时候比较方便，工作做的挺细致。这两个如果是两个员工，你更喜欢哪个？那肯定 cloud， 那 cloud， 你 他做的所有的事情你都知道吗？环节，什么？细节做到哪一步，对吧？