diff --git a/企业培训3-1逐字稿/会前沟通.md b/企业培训3-1逐字稿/会前沟通.md
new file mode 100644
index 0000000..0e642ef
--- /dev/null
+++ b/企业培训3-1逐字稿/会前沟通.md
@@ -0,0 +1,414 @@
+---
+source: get-note
+note_id: "1912686642150570632"
+note_type: "local_audio"
+created: 2026-06-13 13:24:08
+synced: 2026-06-15 15:54:21
+link: https://biji.com/note/1912686642150570632
+tags: [get笔记, "录音笔记", "AI", "大模型", "技术培训"]
+---
+
+# 2026年06月12日 12点01分.m4a
+
+### 📑 智能总结
+
+#### 录音信息
+- **时长**：约 0小时 22分钟
+- **参与人数**：约 2 人
+- **内容类型**：工作会议
+
+#### 录音总结
+
+本次对话为企业AI技术落地培训的会前沟通，双方确认了两天的培训日程安排，交流了团队规模、技术栈现状、大模型使用方案和业务背景，同步了后续对接安排与待推进事项。
+
+**培训日程安排沟通**
+* **当前培训安排**：今天快速过技术知识，上午内容因压缩节奏较快，第二天留出一下午单独进行深度交流。
+* **明天下午安排**：明天下午将针对AI在企业内部推行的相关内容，向老板汇报规划与安全进展，不需要提前准备，仅小范围项目部人员参与。
+* **参会人员出勤**：本次培训要求所有研发人员参加，线下到场占总人数的70%-80%，其余人员因出差缺席，线上也有人员参会。
+
+**团队与组织架构情况**
+* **整体架构规模**：现有1个研究院、3个实体公司，共4个部门，实体公司分为电务、机务、车务，总共有48名研发人员。
+* **人员能力分层**：研发团队分为三类人员：编码占比高的核心开发熟悉AI工具，新人还在熟悉需求未大量编码，管理层/项目经理编码占比低，后两类人员对AI编码工具不熟悉。
+* **业务推动权责**：AI落地由业务部门发起，项目部负责组织推动，但很多参与人员不归项目部管辖，推进存在一定难度。
+
+**大模型采购与使用方案**
+* **计费方案**：目前采用按人头计算的模式，搭配基础套餐+自定义流量包的计费方式，基础套餐内置模型价格贵、调用量少。
+* **模型选择**：已经对接GPT-V4，同时GM大模型在写代码场景效果更好，但目前无法购买GM大模型，需要排队等待。
+* **混合使用策略**：先消耗官方购买的人头与名额额度，额度消耗完成后，再使用企业自定义的外置模型。
+
+**本地个人AI智能体介绍**
+* **产品形态**：类似龙虾智能体，是安装在本地电脑的桌面软件，可以调用浏览器执行操作。
+* **核心功能**：支持语音输入记录个人信息，所有数据存储在本地不会外传，信息录入越多对用户越了解。
+* **效率提升效果**：可以自动整理记录内容，协助生成PPT、文档，原来磨一下午的文档现在可以快速得到结果。
+
+**技术栈与部署要求**
+* **开发语言适配**：现有老项目使用Java开发，新项目可自主选择语言，整体更倾向于使用Java和C++。
+* **部署要求**：因为业务特性，无法上云部署，所有服务部署在本地几万块的小型服务器上，目前还没有自动化落地案例，效果暂不明确。
+
+**参会安排个人调整**
+* **晚上活动请假**：因为小孩明天需要学习，要晚上带小孩临时抱佛脚，今晚的活动不参加。
+* **日常工作时间**：参与培训人员日常工作时间为早八点到下午五点半。
+
+**安全生产月学习要求**
+* **考核规则**：隔1-2个月会组织一次安全生产学习考试，不完成学习会罚款，说话人1曾因此被扣1000元。
+* **学习体验**：学习视频无法快进，需要挂着慢慢播放，系统会卡住，需要手动点击继续。
+
+**业务背景与市场情况**
+* **业务覆盖范围**：业务面向全路铁路系统，全国总共有2万台机车，公司产品覆盖约40%的机车，同时还有出口业务，主要和铁路系统合作。
+* **业务模式**：做和硬件配套的软件产品，围绕自有硬件给客户提供业务设备管理软件，硬件更换成本高，存量市场壁垒较高。
+
+**培训问卷收集方案**
+* **提议方案**：建议下午提前发放电子问卷收集问题，给不习惯公开提问的人员提供反馈渠道。
+* **对方反馈**：该提议获得认可，同意执行该方案。
+
+**闲聊内容**
+* **午餐饮食偏好**：提到在场人员有山东人，爱吃面食，确认午餐是否有面食供应，随后移步二楼。
+* **AI项目行情变化**：去年AI项目刚火的时候，项目报价很高，团队也赚到了钱，今年这类项目的价格已经降下来了。
+
+### 📅 章节概要
+[00:00:00](https://getnotes.seek:0) **开场闲聊与日程确认**
+
+提到徐老师也在参与本次相关事项，闲聊确认午餐是否供应面食，随后约定移步二楼。双方确认本次培训日程：今天快速过技术知识，上午内容已经压缩节奏较快，明天下午留出单独交流的时间。
+
+[00:00:46](https://getnotes.seek:46) **参会人员与团队架构介绍**
+
+确认本次参会人员范围，对方介绍自身组织：拥有1个研究院、3个实体公司，共4个部门，实体分为电务、机务、车务，按产品线划分技术栈。本次线下参会占总研发人数的70%-80%，剩余人员因出差缺席，线上也有人员参会，总共有48名研发人员。
+
+[00:02:57](https://getnotes.seek:177) **大模型使用与采购方案沟通**
+
+提到当前有十来位研发是大模型重度使用者，目前企业版采用按人头计费，内置模型价格贵、调用量少。双方已经对接GPT-V4，GM大模型写代码效果更好，但目前买不到需要排队。最终确定混合使用方案：先用官方购买的额度，用完后转用自定义外置模型。
+
+[00:04:55](https://getnotes.seek:295) **明天下午汇报安排确认**
+
+询问明天下午的安排是否需要提前准备，对方回复不需要，明天下午要向刚回来的老板汇报AI在企业内部推行的制度、方法、问题，对应下周老板要听的规划与安全进展汇报，本次仅为小范围项目部内部沟通。对方说明AI落地由项目部推动，但多数人员不归项目部管辖，推进存在难度。
+
+[00:06:50](https://getnotes.seek:410) **本地AI智能体产品介绍**
+
+介绍当前以龙虾为代表的本地个人智能体产品形态：安装在本地电脑，可以调用浏览器，支持语音录入，所有数据存在本地不会外传。产品可以自动整理用户录入的所有日常信息，帮用户整理内容、生成汇报PPT和文档，原来需要一下午制作的文档现在可以快速完成。
+
+[00:09:37](https://getnotes.seek:577) **技术栈与部署要求交流**
+
+交流技术适配情况：老项目使用Java开发，新项目可自主选择，整体倾向使用Java和C++。询问是否有上云要求，对方回复业务特性决定无法上云，目前已经在本地搭建了几万块的小型服务器做测试，还没有自动化落地案例，不确定最终效果。
+
+[00:14:11](https://getnotes.seek:851) **AI项目行情与个人安排调整**
+
+提到去年AI项目刚火的时候项目报价很高，团队也从中赚到了钱，今年这类项目的价格已经降了下来。说话人1提出因为小孩明天要学习，需要晚上带小孩准备，今晚的活动无法参加，确认本次培训要求所有研发必须参加，缺席多为出差或临时客户事务。
+
+[00:17:06](https://getnotes.seek:1026) **研发人员能力分层与培训目标**
+
+提到本次培训参会人员分为两类熟悉度：已经有部分人频繁使用AI工具，也有大量新手还没开始使用。对方梳理人员分层：- 新人：还在熟悉需求，领导还没安排大量编码工作，对AI工具不熟悉- 管理层/项目经理：组织协调工作多，编码占比低，对AI工具不熟悉- 核心开发：编码占比高，已经在使用AI工具本次培训目标是让所有人员掌握AI工具，将个人效率提升转化为组织效率提升。
+
+[00:18:49](https://getnotes.seek:1129) **问题收集方案沟通**
+
+提出不习惯公开提问的人员可以通过电子问卷反馈问题，直接发放问卷网址收集，对方认可该方案。双方闲聊安全生产月学习，说话人1提到不完成学习会罚款，自己之前被扣过1000元，学习视频不能快进，还经常卡住需要手动操作，企业每隔1-2个月就会组织一次。
+
+[00:20:24](https://getnotes.seek:1224) **业务市场情况交流**
+
+对方介绍自身业务背景：做铁路相关业务，覆盖全国全路系统，全国共2万台机车，产品覆盖约40%，还有出口业务。业务模式是做自有硬件配套的管理软件，硬件更换成本高，存量市场竞争壁垒较高，目前行业竞争非常卷。最后闲聊提到朋友在安阳工作，对方刚搬到新场地，对话结束。
+
+### ✨ 金句精选
+
+- “你聊得多了之后，比如说内部公司要出一个使用经验，一个ppt汇报经验，直接和他聊，他就会知道你和他聊过的这些话题，就更容易去组织。以前真的是得磨一下午去磨一个文档，现在可能就比较快的，快速拿到结果去处理好。” (执行策略)
+- “以后大家都搞明白了，都是各站点全站点。这样我们才能把个人的效率提高，转化成这种组织的效率提高。” (战略洞见)
+- “硬件你换一下成本太高了。” (战略洞见)
+
+### 📋 待办事项
+- 对方：下午提前发送电子问卷收集培训问题
+- 说话人1：明天下午向老板汇报AI企业推行的规划与安全进展
+
+（检测到输入无`(我)`说话人标识，输出结束）
+
+---
+
+## 🎙️ 原始 ASR
+
+🟢 说话人1 [00:00:00]
+这个徐老师，他现在也是在参与这些事情。
+
+🟢 说话人1 [00:00:06]
+中午有没有面食?我看这有脸。山东人山东人，哎呀，我也是爱吃面。嗯，对，下面我们有两个门。去二楼吧。啊，好好。
+
+🟢 说话人1 [00:00:21]
+我们接下来想啊，就是把第二，今天下午就和上午讲的差不多，还是把技术知识快速过一过，完。可以。第二天，留一下午时间，我们单独聊。对。对。
+
+🟢 说话人1 [00:00:35]
+上午说的有点快，压缩了，压缩了。
+
+🟣 说话人2 [00:00:39]
+合理合理，按按照你的节奏来。
+
+🟢 说话人1 [00:00:41]
+嗯，整体的比较。
+
+🟣 说话人2 [00:00:43]
+还是。
+
+🟢 说话人1 [00:00:44]
+但是但是他们提的问题都是好问题。
+
+🟣 说话人2 [00:00:46]
+或者说他们提的问题可能会，突然把可能后面想说的就提出来。
+
+🟢 说话人1 [00:00:50]
+嗯，是是是是是。
+
+🟣 说话人2 [00:00:52]
+他们因为有些人是比较高。
+
+🟢 说话人1 [00:00:56]
+嗯，今天来的和线上的都是一整个部门啊，还是说专门儿的。
+
+🟣 说话人2 [00:01:03]
+我们是一个研究院，一个研究院三个实体公司，有四个部门儿。
+
+🟢 说话人1 [00:01:08]
+四个部门儿。
+
+🟣 说话人2 [00:01:09]
+对，然后实体公司呢，我们有电务和机务，然后还有车务。嗯。我们技术栈也是不一样的，整体上我们按产品线划分。
+
+🟢 说话人1 [00:01:18]
+啊，产品线划分。
+
+🟣 说话人2 [00:01:19]
+啊，啊，对。
+
+🟢 说话人1 [00:01:21]
+你们今天来的是怎么个?
+
+🟣 说话人2 [00:01:23]
+今天都在。
+
+🟢 说话人1 [00:01:24]
+呃，是所有人吗?今天。
+
+🟣 说话人2 [00:01:25]
+基本上我觉得有个百分之七十，百分之八十，因为出差了，我不知道线上，没看线上都有参加。
+
+🟢 说话人1 [00:01:32]
+线上我看也有很多很多的目标标，那基本上就所有人都在，所有研发都在。
+
+🟣 说话人2 [00:01:37]
+所有的平均经验，我们的四十八个人。
+
+🟢 说话人1 [00:01:41]
+哎，这现在这个他们工作经验比例，有年轻人吗?或者都是比较。
+
+🟣 说话人2 [00:01:47]
+我知道，生产车间的夜班嘛，然后然后就
+
+🟢 说话人1 [00:02:57]
+用过的用过的对他们没用，我前面也跟他们做过一些我们内部的分享，我感觉还是有有大概有那么十来个人是重度使用者。嗯嗯嗯他一个月现在干干他妈五五六个亿的跑粉，我感觉控不住你们交钱是怎么交?我看那个企业版是先有个基础套餐，然后计费我们现在搞了先按人头算呗我现在搞了一个内置模型，还有一个外置自定义模型，内置的吹的又贵，然后量又少是的。
+
+🟢 说话人1 [00:03:28]
+我看他不是在所以我们现在还买了 gps 的 v 四的，外现在已经接进去了，对我也把它接进去了。
+
+🟣 说话人2 [00:03:36]
+但是好像还是去内置的这个 gm 好像效果好一点。
+
+🟢 说话人1 [00:03:41]
+gm 确实我日常也在用，我现在用的最新五点一了嘛，之前四点六四点七那时候都跟他们官方还去过这个，一度在北京，也去看跟他们聊过，这个 gm 其实在写代码这块还是相当好的。
+
+🟣 说话人2 [00:03:57]
+我们现在买不了，排排队排不上。是是是是。
+
+🟣 说话人2 [00:04:49]
+啊，好好好。
+
+🟢 说话人1 [00:04:55]
+啊，明天下午大概是一个什么什么东西，我需要准备吗?
+
+🟣 说话人2 [00:04:58]
+不用准备。
+
+🟢 说话人1 [00:05:00]
+申报是吗?
+
+🟣 说话人2 [00:05:02]
+是我们老板比较关心这个事，老板就回来了，又觉得我们下周要汇报我们的规划。
+
+🟢 说话人1 [00:05:10]
+啊，规划。
+
+🟣 说话人2 [00:05:11]
+安全进展。
+
+🟢 说话人1 [00:05:12]
+啊，规划进展。
+
+🟣 说话人2 [00:05:13]
+对，就是关于 ai 电销企业内部推行的这些制度啊，方法啊，一些问题啊。领导已经过来了，我们前面有一个材料，要内容。
+
+🟢 说话人1 [00:05:27]
+哦，可以可以。
+
+🟣 说话人2 [00:05:28]
+哦，ok，那明白了，那明白了。
+
+🟣 说话人2 [00:05:33]
+小范围的就是我们项目部这几个人。
+
+🟢 说话人1 [00:05:36]
+走走。
+
+🟣 说话人2 [00:05:39]
+现在我们会由我们自己的业务部门，业务部门，然后主要事务部门是在我们这里，所以相当于我们自己组织推动这个事儿，但是很多人不归我们管。
+
+🟢 说话人1 [00:05:53]
+这个事儿挺麻烦，对对对，所以这些事情都需要一个。
+
+🟢 说话人1 [00:06:03]
+所以基本上是给官方买个人头费和名额费，然后剩下的我们先用它消耗完了之后就用自己的呗。
+
+🟣 说话人2 [00:06:11]
+对，就自定义流量包。
+
+🟢 说话人1 [00:06:13]
+嗯嗯。
+
+🟣 说话人2 [00:06:13]
+当时选税也是他考虑他这个点，他支持外置的。
+
+🟢 说话人1 [00:06:18]
+嗯，对，之前去年一直反馈一直骂，今年慢慢好多东西都放开了。
+
+🟣 说话人2 [00:06:50]
+哪个领域啊?
+
+🟢 说话人1 [00:06:56]
+嗯，哪领域?其实面向所有人，就是现在 ai 能力越来越强，就以龙虾为代表的这些人做了这些智能体嘛。
+
+🟣 说话人2 [00:07:06]
+哦。
+
+🟢 说话人1 [00:07:06]
+所以现在比如我们在电脑上安一个类似龙虾一样的东西，其实就和龙虾相似。
+
+🟣 说话人2 [00:07:13]
+哦。
+
+🟢 说话人1 [00:07:13]
+安了个软件之后，它能打开你的浏览器，然后你在手机上或者微信上走了走路，说哎，你给我查查什么东西。然后你跟他说的东西，他都存在本地，就是和就不会给你乱传，所以你的信息你告诉他越多，他就越了解你。现在每天吃的啥，都会和我们公司开发那个业务就说一声，他都会帮你存下来，这样的话以前我还得打个打开这个文档，那个那个什么一个 word 然后把它写一写。
+
+🟢 说话人1 [00:07:46]
+就把它存起来，存很多，现在就随便跟他说一声，说完之后他帮你整理好。遇到的人遇到事也和他聊，然后这样的话他能帮你回忆回忆。你聊得多了之后，比如说内部公司要出一个使用经验，一个 ppt 汇报经验，直接和他聊，他就会知道你和他聊过的这些话题，就更容易去组织。以前真的是得磨一下午去磨一个文档，现在可能就比较快的，快速拿到结果去处理好。
+
+🟣 说话人2 [00:08:19]
+但是公司还是一个综合的，这个是。
+
+🟣 说话人2 [00:09:37]
+然后不用，不能用原来的 java 然后最下面这个比较老老这个用 java 呗所以说我们现在对，要用 java 还有 c 加加。原来是 java 它就相对容易一些，只能适配一下，这原来是 java 所以最下面这个不通过，所以我们一般都用 java。你发现他们提的问题，后面都有，你倾向于加的比较多，但是你也可以把这个项目当成新项目，咱们都早一点你们负责验收这一块儿吗?
+
+🟢 说话人1 [00:10:28]
+你们也是参与到差不多吧三点三点咱们该怎么对你们搞了吧?
+
+🟣 说话人2 [00:10:49]
+早搞了。
+
+🟢 说话人1 [00:10:50]
+我记得一八年他们就搞了。
+
+🟣 说话人2 [00:10:52]
+但是他们最开始就是买买一般的电脑，找一个合适的，包括办公的，他们最开始对我们供应商的这种软件，所以要求这么彻底，你现在就是要。
+
+🟣 说话人2 [00:11:23]
+然后高系统比较多，有些是入级指定的，有 windows 有 win。
+
+🟢 说话人1 [00:12:13]
+还有上云的要求吗?
+
+🟣 说话人2 [00:12:16]
+呃，上不了云，觉得不行，觉得不行。
+
+🟢 说话人1 [00:12:22]
+都不上云了?
+
+🟣 说话人2 [00:12:23]
+所以刚才说那个东西，我们现在在本地已经做了，他们也在做一个东西。简单的套路就是本地这边弄个几万的服务器，然后这个区域的小服务器，这个服务器量小一点的，然后就。因为我们现在没有自动化的一个案例，我们也不知道跑出来是啥样。
+
+🟢 说话人1 [00:13:53]
+就搞信息化都这样，搞印章还好点，说搞同推软件信息化，搞来搞去还是要导出来到 excel。
+
+🟣 说话人2 [00:14:11]
+去年这个刚出来，刚火的时候，没有半年，都是卖那个一比一的，然后我们就就搞了一把，你们团队也挣了一把钱了，今年好像就这块儿都这个价格。
+
+🟣 说话人2 [00:16:05]
+今天晚上，我今天有可能就不参加了，我小孩明天到会场，早上再也得学习嘛晚上再带着他，临时抱佛脚是不是。
+
+🟢 说话人1 [00:16:30]
+今天来参加的，他们的工作就是八点到下午五点半
+
+🟣 说话人2 [00:16:41]
+对，我有的他们出差，有的临时有，在客户现场有别的事，就反正我们要求就是都要参加。
+
+🟢 说话人1 [00:16:54]
+那明天下午的话，因为你们上午还在，然后下午的话就对，我出差的这个会议是明天中午结束。
+
+🟢 说话人1 [00:17:06]
+那后面进来这个剩下的应该大概是
+
+🟢 说话人1 [00:17:14]
+今天这一次来想的是快速把基础的部分，新手这个还不了解，对对对问问题的都是可能用的比较多，但是也有大量的就是沉默的对沉默的，他们就是新手还没用的。
+
+🟣 说话人2 [00:17:28]
+或者是用的比较浅显的这个有点超乎我想象，我以为基本上大家都会，就用的不多吧，但最起码是开发工具已经放着了，其他的好像不是我我们是这样，我们有些人啊，有些人他是挂着我们公司的名头那有些编码工作，它占工作占比比较少，有两类。一类是新人，就是领导还不敢安排编码工作，还是熟悉了，然后在现场跑跑需求。还有一类是小组长啊，大项目经理啊，领导啊，就是组织协调的事多，然后编码就中间这一块儿，可能编码多的人，所以这两类人其实他们对这个东西还不大熟悉，我们也希望让他们都就上次您说的那个。
+
+🟣 说话人2 [00:18:13]
+就以后大家都搞明白了，都是各站点全站点。这样我们才能把个人的效率提高，转化成这种组织的效率提高。
+
+🟣 说话人2 [00:18:31]
+我们这个老板说这个事儿，其实也不想说，但是这个事儿，我们得跟大家说一下，我们要强调啊，这种事没法说，没法说对，但是这个你避免不了，时代在进步。
+
+🟢 说话人1 [00:18:49]
+下午或者下午也可以提前把这问卷发上去，有的人不太习惯在这个公开场合和你聊，那也可以提个问卷，咱拿电子表格。去问问卷什么的，都发个网址。
+
+🟣 说话人2 [00:19:04]
+哎，可以。
+
+🟢 说话人1 [00:19:36]
+你搞这个安全生产月也是答题是吗?
+
+🟣 说话人2 [00:19:40]
+哎呀，速度比较快，今天最后截止一天了，还得学完，还得还得，不学完还得罚钱呢，我上次我就扣一千。
+
+🟢 说话人1 [00:19:47]
+昨天就打开手机搁那看，我还不能快进，就慢慢看。
+
+🟣 说话人2 [00:19:51]
+对，你们都了解啊。
+
+🟢 说话人1 [00:19:54]
+但是我们刚开始，我们是到月底。
+
+🟣 说话人2 [00:19:57]
+我们不一定啥时候了，反正隔一两个月搞一次。
+
+🟢 说话人1 [00:20:01]
+就到月底。
+
+🟣 说话人2 [00:20:01]
+他那个系统他有，反正你不看，你搁一边让他自己跑，或者他卡住，或者你不点一下他就。我们那会还考试呢，上面有考卷。我们这个安全生产。
+
+🟣 说话人2 [00:20:24]
+弄的比较空白，比较成熟，因为是做铁路的，是的，铁路一直都是安全生产的，你们主要和郑州局合作全国都有，还有还有一个出口，我们所有全路的全路，全国总共有2万台机车。大概有一半的机车都有，大概占40左右，我现在也很卷，很多厂家也知道
+
+🟢 说话人1 [00:21:00]
+谁谁家占有市场就有谁的，这跟软件还不太一样，软件你也可以，硬件你换一下成本太高了。
+
+🟣 说话人2 [00:21:09]
+对，我们做这个软件都是配套我们硬件使用，就是我们打一个产品出来，客户他也要自己的软件去管理这些设备，管理他的业务，围绕我们的设备去管理。
+
+🟢 说话人1 [00:21:24]
+我有个朋友就是在安阳安阳路，安阳超市，安阳那个地方。
+
+🟢 说话人1 [00:22:45]
+你也是刚搬了一个新的
+
+
+
+---
+
+## 🔗 原始音频
+
+- 链接：[音频文件](https://get-notes.umiwi.com/get_notes_prod%2F202606131324%2Fgetnotes_lcf_1a8b3a5c4004e158ralwBlgp.mp3?Expires=1790150071&OSSAccessKeyId=LTAI5t7toTp72R3TvdXf9QdK&Signature=rrlyEaAHYntsqmw1wOCzug8gG58%3D)
+- 时长：22分46秒
\ No newline at end of file
diff --git a/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 上.md b/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 上.md
new file mode 100644
index 0000000..54222a3
--- /dev/null
+++ b/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 上.md	
@@ -0,0 +1,1254 @@
+---
+source: get-note
+note_id: "1912686771000116312"
+note_type: "local_audio"
+created: 2026-06-13 13:26:08
+synced: 2026-06-15 15:54:21
+link: https://biji.com/note/1912686771000116312
+tags: [get笔记, 郑州企业培训, 公开分享, "AI培训", "AI编程"]
+---
+
+# 2026年06月12日 09点03分.m4a
+
+### 📑 智能总结
+
+#### 录音信息
+- **时长**：约 2 小时 57 分钟
+- **参与人数**：约 6 人
+- **内容类型**：培训分享
+
+#### 录音总结
+本次为企业内部AI编程工具培训，核心围绕AI辅助研发流程，以陌生代码库理解、知识库构建为核心，讲解了AI在企业研发中的定位、使用方法与协作规则，解答了老项目适配、乱码等实际问题，明确了团队级AI协作的落地路径。
+
+**培训整体安排与要求**
+* **培训核心目标**：要求今年AI编码替代30%的研发工作量，行管中心将配合制定相关考核指标，董事会将今年AI编程培训列为重要事项。
+* **课程基础信息**：本次培训共36课时，合计6天，可根据实际情况延长培训时长；要求参训人员签到，培训时间为上午9点到12点、下午2点到5点，中间预留10分钟休息时间。
+* **讲师相关要求**：本次培训的两位讲师姬老师、徐老师均为大厂在职资深全栈工程师，同时是外部技术主播，要求参训人员不得拍摄照片对外宣传，避免扩散讲师个人信息。
+
+**AI编程发展现状与普及情况**
+* **行业普及数据**：根据2025年Stack Overflow权威年度报告，目前已有84%的开发者使用AI编程工具，近一半的专职开发者每天都会使用AI工具，还有大量非开发人员通过AI工具进入开发领域。
+* **发展阶段划分**：AI编程从最初Github Copilot的代码补全工具，发展到IDE集成对话框的对话式开发，目前已经进入agent阶段，可打通从需求计划、代码修改、测试、上线验证到提交的全链路。
+* **人机分工定位**：目前AI无法完全替代开发者，仅能替代重复性编码、低上下文任务、模板化代码生成；开发者需要转向业务判断、架构取舍、安全边界把控、质量责任把控与上线流程负责。
+
+**AI对研发工作内容的改变**
+* **工作内容转型方向**：开发者需要适应新的工作内容，包括清晰描述任务让AI理解、给AI提供有效上下文、拆解问题、验证AI输出结果、推进结果工程化。
+* **体系变革方向**：AI时代带来的是整个软件研发交付体系的改变，未来开发者的差距不在于会不会用AI，而在于能否把AI嵌入标准研发流程，最终腾出精力聚焦业务判断。
+* **效率提升定位**：AI提效不是压缩团队规模让少数人卷996，而是将原来10天交付的项目缩短到2天，让团队有更多精力去拓展其他业务。
+
+**使用AI理解陌生代码库的核心方法**
+* **核心解决痛点**：企业研发中大多数项目是接手的旧项目，没有AI时开发者只能通过手册、需求文档、注释了解项目，通常只熟悉自己修改的部分，对整体架构不清晰。
+* **本次训练案例**：本次选择若依项目作为训练案例，原因是若依是非常标准的后端管理系统框架，支持前后端分离与不分离版本，持续保持技术更新，采用标准三元权限设计，是中小型公司做管理系统的首选框架。
+* **核心训练目标**：训练内容包括查看项目整体结构、找到功能入口、追踪调用链路、验证AI输出依据；通过查看AI思考链中的文件引用，可判断AI输出结果是否可信。
+
+**AI研发专用IDE（翠）的使用要求**
+* **重新开发IDE的原因**：现有成熟IDE都是以插件形式集成AI，只有自研IDE才能打通模型底层能力，实现agent全链路循环，因此需要开发者学习使用新的AI IDE工具。
+* **今日训练任务**：今日使用翠完成的任务包括理解若依前后端目录、查找登录与菜单功能入口、分析动态路由生成与权限角色、输出AI可读取的代码理解报告。
+* **人工校验要求**：开发者需要人工校验AI输出，包括角色权限设计是否合理、数据权限范围是否正确、接口开放规则是否合规、敏感操作是否影响原有功能、生成结果是否可上线、权限变更是否影响现有功能。
+
+**项目AI知识库的构建规则**
+* **构建核心意义**：团队协作开发中，不需要每个人都让AI重新分析一遍整个项目，只需要由一个人构建基于项目的wiki知识库，后续所有人都基于已有的知识库查询即可，可大幅减少token消耗与算力浪费。
+* **知识库更新规则**：只有当项目结构、功能模块发生调整时，才需要更新知识库，每次交付版本打tag时，需要保证代码和知识库版本一致，避免出现文档和代码对不上的问题。
+* **协作落地方式**：构建完成的知识库可提交到git，所有协作者拉取代码即可同步；也可以部署到公司的远程知识库服务器，通过自定义mcp工具远程查询。
+
+**token消耗的影响因素与优化方法**
+* **消耗分类与价格**：token消耗分为上行token（用户提问的关键词）和下行token（AI输出内容），两类token价格不同，因此提问需要尽量简短清晰描述需求。
+* **知识库对消耗的影响**：如果问题可以在已构建的知识库中找到答案，AI不需要重新全局搜索代码，可大幅缩短思考时间，减少token消耗；只有知识库没有的内容，才需要重新搜索代码，消耗更多token。
+* **本地搜索的补充作用**：如果是已经落地到本地的md格式知识库，也可以通过本地搜索完成简单查询，不需要每次都调用大模型消耗token。
+
+**AI输出幻觉的识别与规避方法**
+* **幻觉产生原因**：即使是当前的旗舰模型，依然存在幻觉问题，尤其是分析调用链路时，AI容易基于训练数据给出不符合当前项目实际的结果。
+* **幻觉验证标准**：验证AI输出是否可信的两个核心标准，一是是否符合开发者对项目的已有理解，二是是否符合项目代码事实；如果AI提到的文件在项目中不存在，基本可以判定为幻觉，需要进一步追问。
+* **可信输出判断标准**：可信的AI输出需要包含四个核心要素，分别是准确的文件路径、清晰的调用关系、明确的前后端区分、标注出不确定点，满足这四个条件的输出可信度较高。
+
+**合格AI知识库的文档规范**
+* **信息密度要求**：文档描述要足够具体，避免宽泛描述，比如写“权限模块用于进行权限控制”信息密度过低，AI还是需要重新搜索；正确写法是“权限和菜单模块负责用户登录后加载角色、权限字符和动态路由，控制页面显隐”，信息密度更高。
+* **标准内容结构**：一个合理的知识库需要包含每个模块的职责、核心对象、目录和文件结构、核心调用路径、权限风险、日志操作风险；改造建议和不确定结论可根据需求选择是否添加。
+* **风险点与改造建议要求**：风险点需要写明具体场景，不能笼统说“权限有风险”；改造建议需要分优先级（P0到P3），开发者需要评估改造的风险和边际收益，决定是否执行改造。
+
+**AI智能体（Agent）的配置方法**
+* **智能体本质定义**：智能体本质就是一套核心提示词+工具偏好+规范约束，针对不同场景设置不同智能体，可让AI输出更符合需求。
+* **配置层级规则**：可分为全局通用配置和项目级配置，企业统一的代码规范、通用规则可设置为全局配置，针对特定项目的特殊要求可设置为项目级配置。
+* **智能体与Skill的区别**：如果某套提示词是你每次使用都需要的，就放到智能体里；如果只是特定场景使用，用Skill即可，二者本质都是提示词，效果差异很小。
+
+**老项目适配AI开发的问题解答**
+* **中文乱码问题解决**：老项目出现中文乱码，通常是因为老项目使用GB/GBK编码，而AI IDE默认使用UTF-8编码；解决方法是先将项目无损迁移到UTF-8编码，可先迁移到无中文的编码格式，再转成UTF-8即可解决。
+* **老项目添加新功能失败原因**：老项目添加新功能效果差，核心原因是AI没有获得足够的项目上下文，不知道项目的业务逻辑和执行逻辑。
+* **工程化优化方法**：可以采用渐进式开发，每个模块/文件夹下添加agent.md，约定当前模块的逻辑规则，不需要一次让AI理解整个超大项目，每次只聚焦一个模块修改即可；同时将分散的业务文档整理到AI的文档集中，让AI可以查询到代码之外的业务规则。
+
+### 📅 章节概要
+[00:00:00](https://getnotes.seek:0) **培训开场与整体安排说明**
+
+本次培训为企业内部AI编程培训，明确今年要求AI编码替代30%研发工作量，行管中心将配合制定考核指标，董事会将本次培训列为年度重要事项。培训总课时为36课时共6天，可根据实际情况调整延长，要求参训人员签到；培训时间为上午9点到12点、下午2点到5点，中间预留10分钟休息时间。本次培训两位讲师姬老师、徐老师均为大厂在职资深全栈工程师，同时是外部技术主播，要求参训人员不得拍摄照片对外宣传，避免扩散讲师个人信息，介绍完成后邀请赵总开场。
+
+[00:01:55](https://getnotes.seek:115) **培训发起背景说明**
+
+从5月到7月底，团队已经集中试用AI编程工具一个月，目前大家已经掌握基本使用方法，但还存在不会系统使用、不会合理控制token消耗提升效率的问题。因此邀请专业讲师开展本次系统培训，帮助大家提升AI工具的使用效果，介绍完成后鼓掌欢迎两位讲师开始授课。
+
+[00:03:20](https://getnotes.seek:200) **AI编程发展现状与人机分工讲解**
+
+本次上午课程先讲解AI编程的发展，第一天核心内容是使用AI理解陌生代码库，这是企业研发中最常见的场景——多数开发者接手的都是前人维护的旧项目，很少从零开始开发新项目。根据2025年Stack Overflow权威年度报告，目前已有84%的开发者使用AI编程工具，近一半专职开发者每天都会使用，AI普及速度远超预期。AI目前无法完全替代开发者，仅能替代重复性编码、低上下文任务、模板化代码生成，开发者需要转向业务判断、架构取舍、安全边界把控、质量责任把控，工作内容会发生变化，但不会直接导致失业。
+
+[00:07:20](https://getnotes.seek:440) **AI时代研发工作内容转型讲解**
+
+AI时代开发者的工作内容需要转型：需要学会描述清晰任务让AI理解，适应大模型的输入习惯；学会给AI提供有效上下文，避免无用上下文干扰AI输出；学会拆解问题；学会验证AI输出结果，推进AI结果的工程化。AI带来的是整个软件研发交付体系的改变，未来的差距不在于会不会用AI，而在于能否把AI嵌入标准研发流程，最终腾出精力聚焦业务判断，提升产品的用户体验。
+
+[00:16:32](https://getnotes.seek:992) **陌生代码库理解的核心内容讲解**
+
+本次第一天先讲解陌生代码库的理解，核心内容包括四个部分：一是压缩AI生成范围，避免AI无意义修改原有代码，比如将原有if else无脑改成switch case，这类修改没有实际收益；二是沉淀团队共享的项目知识库，避免每个人都重复让AI分析整个项目，减少不必要的token消耗；三是选择若依项目作为训练案例，因为若依是标准的后端管理系统框架，符合大多数企业的使用场景；四是AI提效的核心是理解快、交接快、定位快、风险暴露早、知识沉淀快，最终缩短项目交付周期，而非压缩团队规模。
+
+[00:22:32](https://getnotes.seek:1352) **AI专用IDE（翠）的开发背景讲解**
+
+现有成熟IDE都是以插件形式集成AI，字节、谷歌等大厂都基于开源VS Code自研AI IDE，核心原因是只有自研IDE才能打通模型底层能力，实现agent的全链路循环，因此即使开发者已经有习惯的旧IDE，也需要学习使用新的AI IDE工具。代码和业务是两个维度：代码只是交付载体，可使用的功能模块才是对企业有价值的内容，AI擅长写代码，但不了解业务逻辑，业务判断依然需要开发者完成，翠只能帮开发者理解当前代码的开发方式，不能帮开发者做业务决策。
+
+[00:26:49](https://getnotes.seek:1609) **首日训练任务与人工校验要求说明**
+
+今日使用翠完成的训练任务包括：理解若依的前后端目录结构、查找登录和菜单功能的入口文件、分析动态路由生成逻辑与权限角色设计、让AI输出符合AI读取习惯的代码理解报告。开发者需要完成人工校验，校验内容包括：角色权限设计是否合理、数据权限范围是否正确、接口是否应该开放、敏感代码删除是否影响原有功能、AI生成结果是否可以上线、权限变更是否影响现有功能。强调不能把重大决策完全交给AI或大模型，必须经过人工校验。
+
+[00:31:04](https://getnotes.seek:1864) **若依项目AI分析实操演示**
+
+本次演示使用若依带微服务的前后端分离版本，微服务项目对AI的上下文能力要求更高，更能考验开发者对AI的使用能力。翠更新后已经将原有的builder和mcp合并为agent，支持普通对话模式和agent模式，仅了解代码库使用普通对话模式即可。AI分析项目会先读取项目的pom文件，通过配置文件了解项目整体架构，再逐步深入读取对应模块的代码，通过提示词限制读取范围，只读取我们需要分析的权限模块，不会读取CRM、ERP等无关模块。
+
+[00:40:07](https://getnotes.seek:2407) **若依权限体系讲解与知识库落地说明**
+
+若依采用标准的三元权限体系：用户绑定角色，角色授权菜单，菜单携带权限；如果有部门分组，可增加用户-部门-角色的绑定逻辑。权限分为三个层级：页面权限控制用户能否进入页面、按钮权限控制按钮是否显示、数据权限控制用户能看到哪些数据，其中数据权限是最重要的，需要和角色绑定，做好角色数据隔离，不能默认超级管理员拿到所有数据。如果要落地知识库，可让AI生成MD文档，手动维护一份团队共享的知识库，作为项目资产，后续修改代码后需要同步更新知识库，避免文档和代码对不上。
+
+[00:44:12](https://getnotes.seek:2652) **AI分析结果输出与知识库演示**
+
+AI分析完成后会输出项目信息，包括项目使用的框架、技术版本、项目模块划分、权限体系设计、核心库表设计，内容基本符合若依的实际设计。如果更新了项目的角色配置，需要同步更新知识库，否则会出现AI读取的知识库信息和代码对不上的问题：聪明的AI会询问以哪个为准，不够聪明的AI会直接以代码为准，构建知识库的意义就不存在了。修改项目的正确流程是：先让AI基于现有知识库生成修改方案，修改完成代码后再更新知识库，保证文档和代码一致。
+
+[00:55:28](https://getnotes.seek:3328) **企业文档格式适配问题讨论**
+
+有参训人员提问：企业有标准化的Word格式变更方案要求，AI生成的MD文档能不能逆向转换为符合要求的Word文档，能不能直接用Word替代MD作为AI知识库。讲师解答：MD文档样式简单、结构清晰、信息密度远高于带样式的Word文档，更适合AI读取；如果需要符合企业格式要求的Word，可以用专门的skill解析MD文字内容，套入企业标准样式生成Word，也可以将现有Word文档转换为MD供AI读取，这个问题可以后续在实战部分详细讲解。
+
+[00:17:07](https://getnotes.seek:1027) **token消耗与知识库协作问题答疑**
+
+有参训人员提问token消耗和知识库协作的问题，讲师解答：token分为上行和下行，都会消耗，已构建的知识库可以大幅减少重复搜索带来的token消耗；知识库落地后提交到git，所有协作者拉取即可同步，也可以部署到公司远程知识库服务器，通过自定义mcp工具查询，落地方式可根据项目实际情况选择。因为网络卡顿，约定十点半休息十分钟，十点四十继续开始。
+
+[00:28:02](https://getnotes.seek:1682) **休息期间问题收集**
+
+休息期间有参训人员提前提出问题：一是AI修改代码后会导致老项目的中文注释乱码，修改后无法恢复只能重写；二是AI构建知识库等待时间太长，容易分散参训人员注意力。讲师和组织者约定，将问题提前记录，后续统一答疑，不打乱授课节奏，同时调整授课方式，AI运行的时候继续讲解PPT内容，避免大家等待。
+
+[00:37:37](https://getnotes.seek:2257) **休息后开场与知识库基础认知澄清**
+
+十点四十准时继续课程，先澄清对知识库的认知：知识库不需要复杂的向量数据库，也不需要对MD文档做向量化处理，仅仅是记录项目关键信息的MD文档即可，实现成本很低。针对文档和代码不同步的问题，可在每个版本打tag的时候，保证代码和知识库对应同一个tag，每次版本更新都同步更新知识库，就能避免文档代码不一致的问题。
+
+[00:40:17](https://getnotes.seek:2417) **AI输出幻觉问题讲解**
+
+即使是当前的旗舰大模型，依然存在幻觉问题，AI很容易给出不符合当前项目实际的结论，尤其是分析调用链路的时候。判断幻觉的两个核心标准：一是是否符合开发者对项目的已有理解，二是是否符合项目的代码事实；如果AI提到的文件在项目中不存在，基本就是幻觉，需要进一步追问。分辨幻觉的方法是先抽取已经人工审核确认的代码事实到知识库，再基于知识库扩展问题，就能大幅降低幻觉的影响。
+
+[00:51:05](https://getnotes.seek:3065) **调用链路分析与验证方法讲解**
+
+如果只构建了后端知识库，没有构建前端知识库，AI会自动触发前端项目分析，完成后再输出调用链路结果，开发者需要人工审核结果是否可信。可信的AI输出需要满足四个要求：准确的文件路径、清晰的调用关系、明确的前后端区分、标注出不确定点，满足这四个条件的输出可信度较高。可以将AI输出和实际项目文件对比，也可以将AI输出再输入到前端项目的AI对话框中，通过二次验证确认结果是否正确。
+
+[02:08:15](https://getnotes.seek:7695) **AI知识库文档规范讲解**
+
+一个合理的AI知识库需要包含：每个模块的职责、核心对象、目录和文件结构、核心调用路径、权限风险、日志操作风险，改造建议和不确定结论可按需添加。文档描述需要提高信息密度，避免宽泛描述，要具体说明模块的作用，方便AI快速定位。风险点需要写明具体的风险场景，改造建议需要分P0到P3的优先级，开发者需要评估改造的风险和边际收益，决定是否执行改造。
+
+[02:14:25](https://getnotes.seek:8065) **提示词与智能体配置讲解**
+
+有参训人员提问思考过程的配置，以及是否会增加token消耗，讲师解答：添加约束规则一定会增加token消耗，需要开发者平衡token成本和输出可用性，两种思路（添加约束控制输出/通过多轮对话调整输出）都可行。通用的约束规则包括要求输出简洁、深度分析、渐进式开发、强制使用中文、git版本回溯要求等。规则可分为全局通用规则和项目级规则，全公司统一的规范可设置为全局规则，项目特殊要求可设置为项目级规则。
+
+[02:21:14](https://getnotes.seek:8474) **智能体与MCP的概念讲解**
+
+智能体本质就是一套核心提示词+工具偏好+规范约束，针对不同角色（产品经理、架构师等）设置不同的智能体，可让AI输出更符合需求。Skill和MCP都可以调用工具，二者的区别是：Skill只能在当前对话中调用，MCP可以对外输出为服务，在多个场景中调用。关键词提示词的优先级高于智能体自带的规则，即使使用了智能体，额外添加的提示词依然会生效。只要项目架构或代码没有变动，不需要频繁重新生成知识库，只需要在发生变动时触发更新即可。
+
+[02:43:25](https://getnotes.seek:9805) **老项目适配问题答疑**
+
+有参训人员提问：十来年的老项目，使用AI添加新功能经常把项目搞坏，从零开发新功能没问题，但老项目改造一直不成功，还会出现中文乱码问题。讲师解答：中文乱码是因为老项目使用GB/GBK编码，AI IDE默认使用UTF-8，解决方法是先将项目无损迁移到UTF-8编码即可。老项目改造效果差是因为AI没有获得足够的项目上下文，不知道项目的业务逻辑，可采用渐进式开发，每个模块添加单独的agent.md约束当前模块的逻辑，一次只改一个模块，逐步完善AI对项目的认知。
+
+[02:51:29](https://getnotes.seek:10289) **老项目问题补充解答**
+
+补充解答老项目问题：老项目很多业务流程是口口相传，文档不齐，AI只能靠猜，因此效果差，本质问题是如何把业务流程整理成AI可读的信息，这和新人接手项目的问题是一样的，新人能跑通，AI就能跑通。可以把分散的业务文档整理到AI的文档集中，让AI可以查询到代码之外的业务规则，AI就像一个新实习生，需要开发者逐步引导，才能逐步提升工作效率。解答完成后到午餐时间，约定下午两点在本会议室继续开始培训。
+
+### ✨ 金句精选
+
+- “AI能替你写代码，但没法替你去负责。你最后交付的永远是一个可用的功能。” (战略洞见)
+- “未来的差距不是说我们会不会用AI，而是说能不能把AI嵌入标准的研发流程。” (战略洞见)
+- “AI它擅长的是写代码，而不是说去了解你的业务。” (战略洞见)
+- “一个可信的AI输出，一定包含准确的文件路径、清晰的调用关系、明确的前后端区分、标注出的不确定点。” (方法技巧)
+- “AI就像一个新实习生，需要开发者逐步引导，才能逐步提升工作效率。” (思考启发)
+- “AI提效并不是说我们原来十人团队有了AI变成两人，然后两个人还在卷九九六，而是说我们原来十天的一个项目，可以变成两天交付，然后我们会有更多精力去做别的业务。” (执行策略)
+
+### 📋 待办事项
+
+- 组织者：下午培训开始后向参训人员发放调研问卷收集问题
+- 组织者：建立培训微信群，收集参训人员的问题统一答疑
+- 讲师：后续实战部分专门讲解企业Word文档和MD文档的转换方法
+- 讲师：课程结束后重新构建一份标准知识库，对比展示合格知识库和不合格知识库的差异
+
+（注：输入中未包含`(我)`说话人ID，此处停止输出）
+
+---
+
+## 🎙️ 原始 ASR
+
+🟢 说话人1 [00:00:00]
+嗯相关的培训工作，这个至少今年 ai 编码替代，这个工作量的百分之三十啊，这个我们有一些指标要求，这个行管中心也要制，那个也会配合我们制定相关的考核数据啊。
+
+🟢 说话人1 [00:00:22]
+另外咱们这个全部课程是36课时，包含六天，这个可能根据后面情况，除了培训，和两位老师的指导也可以，你可以根据情况也就是延长，这个大家来培训要签到，这个董事会也要要求，就是说今年这个培那个 ai 编程培训做一个重要事项。另外大家这个手机静音，咱们上午培训时间是9点到12点，下午是2点到5点，这就会前后空点儿时间，大家处理流程一些工作，中间会有十分钟休息时间。
+
+🟢 说话人1 [00:01:07]
+咱们这个培训，因为这两个老师是目前还大厂在职员工。咱们尽量不要拍照片儿，涉媒在外面宣传啊，这个对两位老师不太好，就是不要扩散展示信息。简单介绍下两个老师，首先姬老师，他是那个在职的资深全栈研发工程师，外部 worker 的技术主播。
+
+🟢 说话人1 [00:01:36]
+也有多年的 agent 协作研究开发经验。另外是咱们那个徐老师，也是这个外部 worker 的主播，也是资深的全栈工程师。这个我这个简单的介绍，就到这里，就是下面欢迎赵总。
+
+🟣 说话人2 [00:01:55]
+啊，就是试这个工具，我们是七月底，大概集中大家使用就是五月份到现在吧，大概一个月。我们也了解一下情况，包括过程中大家提的一些问题，就是这个工具，就是基本的使用，可能大家都会用，但是怎么用好，用的更系统，怎么就更合理的使用这个消耗 token 提高效率。我们还是想请相对专业的老师给我们做一个系统的培训，帮助大家提升使用效果，是吧?
+
+🟣 说话人2 [00:02:25]
+就基本上说一下，然后我们鼓掌欢迎一下两位老师吧。好。好，那接下来时间就交给两位老师。
+
+🔵 说话人3 [00:02:34]
+嗯。
+
+🔵 说话人3 [00:02:42]
+那还切吗?不切这个也可以。嗯。
+
+🔵 说话人3 [00:03:20]
+可以，就直接用这个。
+
+🔵 说话人3 [00:03:54]
+各位同志大家好，就是上午的话，我们的课程是先简单说一下目前 AI 编程的一个发展。然后呢，今天一整天主要的课程就是通过 AI 去了解一个代码，了解我们不熟悉的代码库。因为我们在实际工作中，不可能每个公司或接手的项目都是从一开始，肯定有之前别人维护过的，或者我们接手的老项目。这时候，就需要我们通过在老项目中使用 AI 工具去更好的，更快的熟悉这个代码。
+
+🔵 说话人3 [00:04:36]
+如果没有 AI 之前，我们可能会用之前用户遗留的手册，或者说需求文档。还有就是代码里注释去了解这个，可能我们只熟悉自己需要改的那一块儿，对整个项目架构是没有特别清晰的了解。好，我就先简单说这个。其实这个数据是来自于25年的一份儿 stack o o follow 报告，这个报告也是在技术领域比较权威的，它每年都会有年度报告，然后也会有不同系列，比如前端的，后端的。
+
+🔵 说话人3 [00:05:16]
+然后一些主流开源的。可以看到目前有百分之八十四的人，已经使用 AI 工具了。然后有将近一半儿的人就是专职开发者，每天都会使用，剩下也会有很多之前可能不是从事开发行业的，然后通过 AI 工具加入进来。想说这个并不是说我们 AI 到今天已经非常强大，就是能完全把人替代，而是说它的普及速度已经超乎我们的想象了。
+
+🔵 说话人3 [00:05:53]
+大家有印象的应该是，我们这这次 AI 火起来，大概也就是 ChatGPT 可能也就短短的三四年时间，已经完全颠覆大家的认知了。之前每年就每次 AI 都会火一阵，可能之前叫什么机器学习，然后叫什么神经网络算法，每次火过之后就是火过去了。非非从业人员可能体会不到，但这次完全不一样。所以说我们现在去了解 AI 编程并不能说已经是一个新东西，更多的是我们要把这个已有的知识框架体系和 AI 编程去融合，更好的去使用 AI 然后把 AI 转换，把 AI 转换成一个可以交付的成果。
+
+🔵 说话人3 [00:06:48]
+这个就是 AI 的编程工具，编程工具的眼镜，最开始是从 github 出的 copilot 然后各种大厂也出什么通义灵码。然后记个记个 code 都是代码补全工具。
+
+🔵 说话人3 [00:07:10]
+一直点 table 就可以。再到最后，会在 id 工具右边集成一个对话框，然后大家通过对话去了解整个项目。
+
+🟡 说话人4 [00:07:20]
+是不是把那个电脑重启一下。power onpairing。
+
+🔵 说话人3 [00:07:23]
+嗯，再到现在呢，就已经进入了全新的阶段， agent 这个阶段。 Agent 这个阶段它的优势是在于。我们能把整个链路去完全的打通。从计划，从我们的需求计划，到整个代码修改，再到测试，再到我们的上线验证，最后我们再提交。
+
+🔵 说话人3 [00:07:50]
+所以我想的是这几天的培训，不是说让大家学会怎么写一段代码，而是说让大家能了解 AI 如何读懂一个项目，如何去找到正确的上下文，如何去观察其整个调用链路，然后判断 AI 的回答是否可信。 connected
+
+🔵 说话人3 [00:08:14]
+接下来这一点就是大家都比较关注的，都说 AI 会取代程序员，AI 的提效非常快。但实际上我们之前在做开发工作的时候，可能我们写代码的时长和我们下决策的时长是三比一或者四比一。我们可能写四个小时代码，然后用一个小时去判断我们刚写的这个代码是不是合适，逻辑是不是严谨，能不能完成正确的功能。但是 AI 来了之后，你发现写代码的人远远不如 AI 写的快。
+
+🔵 说话人3 [00:08:52]
+那我们就需要把原来写代码的时间也用来去做决策，去判断 AI 写的代码对不对，AI 生成的代码符不符合我们的项目规范。这也就导致原来我们的脑力劳动可能之前是四个小时写代码，一个小时下决策，现在会频繁地下决策，基本隔半个小时你就要决定刚刚的代码能不能用。反而来说可能对脑力消耗会更大。
+
+🔵 说话人3 [00:09:30]
+最后我觉得就目前而言 AI 来说，完全替代人是不太可能的，它更多的是能替代一些重复性的编码，还有一些低上下文的任务。还有就是生成一些模板化的东西。这个所谓低上下文的任务就是跟你的模型是契合相关的。如果你模型的上下文非常大，它可能会处理更多上下文，模型一般的话，它处理的上下文也是很有限的。我们人要做的就是更加往上层去抽象。
+
+🔵 说话人3 [00:10:16]
+比如说我们要去做业务判断，他写的这个代码符合不符合我们的当前业务。第二个就是第二个就是
+
+🔵 说话人3 [00:10:32]
+第二就是嗯嗯嗯嗯嗯嗯嗯嗯第二就是做架构的取舍。最开始的 ai ，可能就是在架构能力会偏弱一点，但现阶段旗舰模型的架构能力实际上已经很强了。但是它给的架构更多的是取决于它的训练数据，比如说它训练数据都是分三层，那么它给的架构可能也是分三层。
+
+🟣 说话人2 [00:11:11]
+可以这样的话它给的架构也是分三层，那我们就要判断它给的架构符合不符合我们的实际业务场景。
+
+🔵 说话人3 [00:11:27]
+还有一个就是安全边界。反目前来看的话，已经有不少的有不少人会爆出来，AI生成的代码存在安全漏洞，然后上线之后会有严重的问题。但这个安全边界就需要我们人去人为的把控。最后一个就是质量责任。说通俗一点就是，AI能替你写代码，但没法替你去负责。你最后交付的永远是一个可用的功能。就作为一个研发人员来说，你交付一堆代码是对企业也好，对整个项目也好是没有任何价值的，你只有交付一个完整可以使用功能模块儿的。
+
+🔵 说话人3 [00:12:14]
+可以使用的功能模块儿，这个才是有价值的。最后就是上线，人还是需要去负责整个上线的流程。
+
+🔵 说话人3 [00:12:29]
+所以说我们每个研发人员，他可能会经历一个工作内容的变化。可能未必会失去工作，但是你现在工作内容是一定会发生改变的。过去我们就写代码，查代码，然后自己改自己测。现在我们更多的是要描述清楚你的任务，我这个功能模块儿如何让 ai 能明白。说通俗一点就是我说的话可能不是带给人听的，更多的是给大模型听的，我们要适应大模型它的一个输入习惯。
+
+🔵 说话人3 [00:13:11]
+还有就是会提供上下文。目前你大模型的上下文有限，如果你提供了特别多没有用的上下文，第一个是会干扰它的决策，第二个就是输出来的效果也会被其他上下文所影响。最后就是会拆解问题。
+
+🔵 说话人3 [00:13:36]
+最后，比如最后的验证 AI 输出和 AI 结果的一个工程化。这两个是完全取决于我们当前使用的模型。就到现阶段，我们确实得承认有的模型输出的结果可靠性确实很高，但有的来说可靠性很一般。所以我们要通过它输出的一个结果，去判断能不能采用。结果工程化，这是一个比较大的课题，也是现在大家都是在想做的一个内容。我们如何把 AI 整个融入到我们的研发链路中，而不是每个人都用 AI 生成一段代码，然后再提交到 git 仓库上。
+
+🔵 说话人3 [00:14:27]
+后来其他同事再用别的 AI 再一改，然后又推荐另一种架构，然后再改完，可能功能也没有什么改变，代码行数也没有改变。但就是会产生没有用的提交，也产生了没有用的相互 talking 所以说到今天来说，AI时代它更多的是。就是你整个体系，整个体系的一个，整个软件交付体系，软件研发体系的一个改变。未来的差距不是说我们会不会用 AI 而是说能不能把 AI 嵌入标准的研发流程。
+
+🔵 说话人3 [00:15:10]
+现在就目前来看，只要是你会用豆包，会用 deepseek 的 app 就已经能超过百分之五十的人了。就有的人确实连这个对 ai 的了解程度，可能还是仅限于于是一个名词。还有一部分使用了豆包和 app 那我们要做的就是把整个 ai 嵌入到我们的研发流程，最后提供出可以交付的一个东西，然后也是会把我们的整个软件产品也增加 AI 功能。
+
+🔵 说话人3 [00:15:47]
+让大家更好的使用我们整个软件产品。当然我们就是腾出更多的手去聚焦我们的业务判断。比如说以前我们可能会考虑这个功能能不能用，能用就好，代码能跑就行。但是我们高质量的代码被 AI 替代之后，我们就要思考我现在这个业务场景符合不符合用户的使用习惯。我们的 AI ai 生成的代码能不能去更好的实现我们的业务?。
+
+🔵 说话人3 [00:16:32]
+然后今天也是我们第一天，先说陌生代码库的理解。这就我刚开始提到的，我们在做企业研发，或者就是说在做项目交付的时候，接手最多的是旧项目。很少会很少会我们一入职，或者说接手一个从零开始的项目。一定是有陆陆续续的人员流动，然后大家接手旧项目会更多。所以我们也是先基于一个成熟的项目去理解 AI AI 接入到整个陌生代码库，它应该去做点什么。
+
+🔵 说话人3 [00:17:14]
+第二个就是我们的最终调用链路判断影响范围。AI 生成代码，大家也都用过一段时间了，可能看到你随随便便聊几句，它就生成几百行代码。那你这时候你再挨行去审，可能就会比较费劲。所以我们先要压缩它生成的范围，让它不要一次性生成那么多。因为 AI 生成代码，它会有一个习惯，它会把它认为规范的代码给你再改了。比如说你原来是 if else 判断，然后你写了七八个，它可能认为你七八个 if else 是低效率的，它会给你改成 switch case 这种。
+
+🔵 说话人3 [00:18:01]
+但你这种功能对功能来说没有任何影响，但它确实是产生了一些优化。但你说这个优化的边际效益大吗?也未必，而且尤尤其是经过高级语言的编译。基本上你 if else 和 switch case 最后编译完的效率是完全一样的。还有一点就是沉淀文档。为什么要沉淀文档呢?其实你如果说我是一个个人开发者，那么我接手到项目，我随时问 AI 他让他去解释这个项目，这个是没有问题的。
+
+🔵 说话人3 [00:18:41]
+但是如果我们是一个十几人的团队或者二十几人的团队，每个人都把都把这个让 ai 去把这个项目跑一遍，这很明显是浪费 talking 然后也会消耗模型的算力。所以我们就需要比如说我们接到的项目，先有一个人基于整个项目建立一个 wiki 的知识库，然后把整个项目给沉淀下来。之后 ai 去查阅时，如果说我们的项目结构没有大调整，具体的功能模块也没有重新调整，ai查阅应该是查阅的我们的知识库。
+
+🔵 说话人3 [00:19:21]
+而不是说我们再去把整个代码链路再去调研一下。
+
+🔵 说话人3 [00:19:31]
+然后我今天的陌生代码库选的是若依。为什么选若依呢?第一个就是说我们书里有一张也提到了若依这个案例，第二个就是若依这个项目实际上是非常标准的后端管理系，后端管理系统，然后它本身也做了前后端分离，也有不分离的版本。还有就是它也一直保持了对最新技术的更新。另外就是权限设计这一块儿也是非常标准的三元权限。
+
+🔵 说话人3 [00:20:12]
+基本上可以说在前在没有 AI 时，若依这个项目作为很多小型公司做系统管理的一个首选框架。当然 github 上也会有很多基于若依的衍生版本，但是都一样。
+
+🔵 说话人3 [00:20:38]
+这刚刚已经聊过了。
+
+🔵 说话人3 [00:20:45]
+所以我们在提到 ai 能效，刚刚也提到的已经不是说在比代码儿写得更快，而是说理解的快，交接的快，然后定位更快，风险能更早的暴露，团队的知识沉淀更快。并不是说我我理想的提效并不是说我们原来十人团队有了 ai 然后咔变成两人了，然后两个人还在卷九九六。而是说我们原来十天的一个项目，可以变成两天交付，然后我们会有更多精力去做别的一些编辑业务。
+
+🔵 说话人3 [00:21:31]
+我们今天学的或者说让 ai 去跑的就是第一个结构，看整个项目的结构，第二个就是找整个项目功能的入口，第三个追踪整个 ai 调用的链路，第四个就是查找依据。
+
+🔵 说话人3 [00:21:54]
+查找依据就是 ai 在每一个关键结论，大家可以看 ai 思考时，它有那个思维链，然后你如果打开仔细看那个思维链的话，它会在每一个关键节点都会说它查了哪些文件。换了哪些函数，然后它认为哪些文件是做什么用的。我们看这个基本上可以大概能判断它的这个输出是否可信。
+
+🔵 说话人3 [00:22:24]
+好，终于进入到我们翠的这个定位。
+
+🔵 说话人3 [00:22:32]
+在这次 ai 之前，大家用的 ai 助手都是以插件形式，比如说我们用 IDE 也好，用 idea 然后用 vs code 这些，它都是把 ai 作为一个插件集成到我们系统中。但是为什么就是突然有这么多成熟的 IDE 工具，大厂还要再去做，包括字节的 tree 然后哪里 q 斗儿，以及国外的 coser 呀， code x 呀。
+
+🔵 说话人3 [00:23:07]
+谷歌的反重力，大家为什么还要自己做 IDE 尤其是基于一个开源的 VS Code 自己再去包一层。因为你只有自己做了开，自己做了开发工具，做了 IDE 你才能把一些真正模型的底层能力和你的系统去打通，然后你才能真正能把你的 agent 的整个链路去循环起来。
+
+🔵 说话人3 [00:23:34]
+所以说我们用到翠的话，肯定是如果你之前是做后端开发，可能会觉得翠这个工具跟我们之前用的工具，习惯完全一样，它可能会比之前的工具更复杂。那我们但还是要把这个工具给换过来，这是第一步。因为很多人会卡第一步，他会认为退这个工具，或者说我已经有非常习惯的 IDE 工具了，我为什么还要再去重新学习一个新的 IDE 工具?
+
+🔵 说话人3 [00:24:14]
+但如果你想要更好的使用 AI 你确实需要重新学习一个工具。
+
+🔵 说话人3 [00:24:27]
+另外就是代码和业务代码和业务完全是两个东西，就像我刚提到的，我们提交的代码是对企业没有价值的，但是我们代码开发的功能模块儿是对企业有和对项目有价值的。如果说我们把产品的就把整个项目的功能分为三个维度，比如说你第一个维度是能不能用第二个维度是，第一个维度是可不可以用，就是能不能实现用户的功能。第二个维度是好用不好用。
+
+🔵 说话人3 [00:25:11]
+第三个维度就是用户愿意不愿意去用。如果说我们这个最后研发完产品，用户每次用都捏着鼻子用，然后皱着眉头用，这很明显也是不符合我们的预期嘛，我们肯定是希望用户能更容易接受我们的产品，应用性做得更好一点。这就又回到了 AI 上，AI它擅长的是写代码，而不是说去了解你的业务。大模型它更多的是能基于你原来的事实去做，那么我们的代码就是事实，但是我们的业务对模型来说是不管是任何一个模型都是陌生的，它所熟悉的就是代码，它知道你的 if else 它知道你的 for 循环。
+
+🔵 说话人3 [00:26:02]
+它知道你的变量定义，但它不知道你为什么要去定义这个变量，为什么你这里要写一个 for 循环。所以说这个是需要人为去判断。
+
+🔵 说话人3 [00:26:16]
+所以我们在用翠的时候，它能明确帮我们的是当前系统是怎么写，当前代码是怎么开发，而不是说业务上一定要这样。
+
+🔵 说话人3 [00:26:32]
+最后就是适合翠的一些任务。当然这个只是说今天的一个模块儿，后面随着课程的深入，然后各个功能也会和大家去做介绍。
+
+🔵 说话人3 [00:26:49]
+今天来说我们主要就是通过 try 理解若依的一个前后端目录。第二个就是查找登录这个功能的一个入口文件。查找菜单的入口。还有就是分析它动态路由的生成，以及它的一些权限角色。最后就是能让它输出一份儿代码理解报告。AI 的代码，AI生成的代码理解报告和我们人去写的一些技术文档肯定是不一样的。我们人写的技术文档是给人看的，但 AI 它一定是符合它的读取习惯。
+
+🔵 说话人3 [00:27:34]
+然后我们今天要做的人工判断的任务就是这些，它的角色权限是不是更合，是不是合理，数据权限范围是不是正确。然后接口是不是应该开放?因为我们在设计权限时，我们可以前端去做权限，让用户看不到这个按钮，那么这时候我们的接口对不对用户开放?如果用户使用 Postman 或者使用 C I C U R L 这种方式能不能也换取到我们的接口?
+
+🔵 说话人3 [00:28:06]
+还有就是我们的一些敏感操作，比如说 AI 发现自己生成代码肯定有问题，但它会把整大段都删了，它会不会删，删完之后会影响我们原有的功能。最后就是代码生成的结果能不能上线?还有一个就是权限变更之后影响不影响我们现有的功能逻辑。
+
+🔵 说话人3 [00:28:37]
+这就提到了，AI可以去查找代码。但是它生成的初稿，我们必须人工去方程。我们方程的话，关注点就是它所描述的对项目的理解和用户的需求是不是一样的，或者说和我们的产品需求是不是一样的。最后就是不要把一些重大决策完全交给 tree 去做，也或者说交给模型去做。
+
+🔵 说话人3 [00:29:20]
+到这块儿的话，就可以看到基本的。稍等我把项目拖到这个屏幕上。可以看一下。
+
+🟢 说话人1 [00:29:51]
+行行行，如果有问题交流时间是不是可以说一下，或者有问题可以说一下嗯现在大家如果有什么想问的，可以提问，然后我把翠打开后投屏到这个上。
+
+🔵 说话人3 [00:30:07]
+大家现在有什么问题可以随时问。
+
+🟠 说话人5 [00:31:04]
+嗯宋总你那儿能看到不?没有你坐后面儿呢?
+
+🟢 说话人1 [00:31:10]
+可以可以像这个就是我之前已经拉了一个项目，拉的应该是他的前后端分离的一个版本，然后也是他这个版本是带微服务的。
+
+🔵 说话人3 [00:31:32]
+为什么我去拿这个版本去演示呢?因为对
+
+🔵 说话人3 [00:31:57]
+对 ai 来说，这种对 ai 这种微服务的项目架构，它是更难以理解的，因为它的上下文可能只会理解到你一个功能模块儿，那么这时候你就更考验 ai 的上下文能力和我们对 ai 使用的一个编排用户能力。
+
+🔵 说话人3 [00:32:30]
+我们刚聊到了，说让用 ai 去
+
+🔵 说话人3 [00:32:40]
+用 AI 去熟悉我们这个代码库。
+
+🔵 说话人3 [00:32:59]
+嗯，可以。
+
+🔵 说话人3 [00:33:06]
+我现在就已经跟进来了，然后大家可以看到它在新的版本更新之后，已经把原来的 builder 和 builder 类的 mcp 给合并成 agent 了。然后还有一个就是普通的对话模式。像我们现在如果只是了解 AI ，只是了解我们整个代码库，就是可以不用它的可以不用它的 agent 模式，直接用这个对话模式就可以。
+
+🔵 说话人3 [00:33:37]
+然后基于我们刚聊到的一个业务对象。这个是我之前已经跑的，让他去了解的一个东西。然后大家一会儿可以再，一会儿我再通过 AI 去生成这个东西。
+
+🔵 说话人3 [00:34:13]
+嗯啊我是现在这么说，大家可能更直观呢?还是说我切到 IDE 直接去操作整个 AI 整个 tree 大家会更容易理解呢?
+
+🟡 说话人4 [00:34:27]
+嗯看什么不是切到工程上，这样更具具象可以嗯嗯工程上那就先嗯
+
+🔵 说话人3 [00:36:14]
+像这个的话就是让 ai 去帮我们去分析整个项目。
+
+🔵 说话人3 [00:36:27]
+然后我们可以看到它整个的思维链过程，就是它会先去找整个项目下边儿的 pom 文件。整个 pom 文件就是标识了整个标识了我们项目的一个炸包儿的引用关系。然后可以通过分析这个去了解我们项目的一个大体架构。包括我们之前在没有 AI 的时候，我们去上手新项目也是。首先了解它的配置文件，通过配置文件去了解整个项目的架构。
+
+🔵 说话人3 [00:36:57]
+然后其次。再看它的一个。
+
+🔵 说话人3 [00:37:11]
+这就是已经拿到整个配置文件，然后再去。读取对应的。代码。
+
+🔵 说话人3 [00:37:23]
+可以看一下他读的代码的一个路径。
+
+🔵 说话人3 [00:37:33]
+因为我刚刚提到了，要关注的是用户以及权限，所以他可以看到他读的代码。他读的代码第一个是会有一个入口文件，第二个就是整个系统管理。这里边儿可能会有系统管理，然后有 E R P C R M。然后还有一些物联网 iot 的，以及它的一个商城，因为我拉的包是全部的。然后它根据你整个模型的定义，又去读取了你的 admin 这个对我们来说一般就是管理嘛。
+
+🔵 说话人3 [00:38:19]
+然后读到了权限和菜单，以及一些认证的，安全框架相关的。
+
+🔵 说话人3 [00:38:37]
+因为你上边儿的提示词约束了，所以它不会读取额外的模块儿，CRMERP这些，然后它会根据你当前的模块儿进行一个逐步的去深入了解。刚刚最上边儿是读取了模型定义 model 这一层，然后这一层是 ctrl 了，但实际上还是会聚焦于它这几个文件。然后我们再到下边儿，它会又通过 ctrl 再进入到 service 层，service层聚焦的还是这几个文件，最后又是实体，就是操作数据库的这一部分。
+
+🔵 说话人3 [00:39:15]
+角色的 do 和菜单的 do 所以我们在和 ai 对话首先第一个关键点就是我们要限制它的范围，不要去。就像我刚刚说的，帮我分析一下整个项目，它也可以做到去读取下边儿所有的项目。但是它会产生没有意义的 copy 这种操作我们在接手新项目，可能你做一次，然后把整个知识库去落地了。然后就会完成。后续如果你没有修改，就不用去管它，如果你修改了，一定要让 ai 同步把知识库相关的也改了。
+
+🔵 说话人3 [00:40:07]
+那这估计得跑一会儿，然后我们再切到这个课件。
+
+🔵 说话人3 [00:40:15]
+其实这个是我们自己，就是我们自己就已经清楚它的整个项目模块儿是分这么多。
+
+🔵 说话人3 [00:40:27]
+然后这些模块儿合起来也就是一个非常典型的后端管理系统。而我们今天就是说权限和菜单这两块儿，一会儿看它跑完的结果是什么。
+
+🔵 说话人3 [00:40:42]
+就这里说一下它在若依里它的一个权限角色。当然我们正常系统基本也都是这样，就是用户去绑定角色，角色去授权菜单。然后菜单里是有权限的。
+
+🟡 说话人4 [00:40:59]
+嗯嗯权限要控制到页面的按钮或接口。
+
+🔵 说话人3 [00:41:05]
+特别标准的一个三元权限。如果我们再有部门，可能就是用户下边儿再分部门，部门或者分用户组，然后再把整个组绑定到角色上边儿。
+
+🔵 说话人3 [00:41:27]
+刚刚提到的三种权限，决定用户能不能看到这个页面儿。嗯这里要提到用户能不能看到这个页面儿，只是他能不能跳转进去。对于我们的项目交付来说，最后你把代码都给到用户，用户如果说去代码里找这个页面儿，肯定是能找到的。所以就是有一些加密还是要放到后端去做，不要去相信前端的一个校验和页面加密。另外就是按钮的权限。按钮权限这个就更简单了。
+
+🔵 说话人3 [00:42:07]
+只是判断要不要显示这个按钮。最后核心的关键就是数据权限。数据权限也是最重要的。他看我们整个项目是哪些人有权限能看到所有数据，哪些只能看到当前自己的数据。还有哪些是只能看到部门的数据?这个数据权限通常是和角色绑定的。跟角色绑定，我们就要担心，我们就要去规避一个问题，我这个角色，他有没有一个继承的逻辑?比如说我的管理员角色是不是能操作所有的用户角色，所有的用户数据?
+
+🔵 说话人3 [00:43:04]
+这个我们是要做好隔离的，并不是说我们管理员就一定要拿到所有的东西，也不能说我们有个超级用户，他是能改所有的数据，这个数据一定要和角色绑定，这个角色一是你的业务角色。
+
+🟡 说话人4 [00:43:22]
+这就是我刚提到的，然后我主要让他分析了用户和权限，然后就是随着使用的深入，我们可以再把其他几个问题给添加进去。
+
+🔵 说话人3 [00:43:59]
+他这里还在跑。
+
+🔵 说话人3 [00:44:12]
+现在已经到了输出最后文档的一个阶段。
+
+🔵 说话人3 [00:44:37]
+如果我们要落地的话，其实可以刚刚让他把这个生成 MD 文档，或者就是。
+
+🔵 说话人3 [00:45:08]
+大家如果使用了比较多的 aiide ，会发现有的 ide 已经自动集成了这个功能，它会像初始化时，提示你要不要去生成微信知识库。但目前翠还没有这个，所以我们可以去手动操作。其实它内置集成这个功能也是内置了一套关键词。然后你点完之后它运行，最后就把这个文档去掉了落地这个文档怎么管理?
+
+🟣 说话人2 [00:45:52]
+就是同一个项目可能不同的人都要去分析对，所以这是我刚最开始提到的，就是说这个文档我们在项目初始化时维护一套就行，它可以作为我们的项目资产。
+
+🔵 说话人3 [00:46:06]
+实际上就是这个文档它有点儿类似于我们之前给用户交付的时候，可能会有什么详细设计，然后概要设计，需求文档，然后测试文档这种，我们整个项目也就会有一份儿。只不过那个文档是我们之前的一个交付产物，现在这个文档就是给 ai 去看，它第一次跑完之后，它会把它刚刚读到的，然后分析到的一些东西记录下来。那么我们要做的就是后续改完之后，写一个钩子也好，写一个 url 也好，就是强制要求他改完代码之后，再去对比，对比知识库有没有更，符合不符合当前项目。
+
+🔵 说话人3 [00:47:23]
+这也就说明提示词的重要性，如果我直接要求它生成 md 文档，它就不会再把这个逻辑再去跑一遍。
+
+🟠 说话人5 [00:47:34]
+现在的话，它相当于把这个逻辑又跑一遍，然后可能一会儿再要去创建一个文件。
+
+🔵 说话人3 [00:48:00]
+我就直接先把那个文档给
+
+🔵 说话人3 [00:49:25]
+既然不等他了，我把这个复制出来，复制出来给大家看一下。
+
+🔵 说话人3 [00:49:42]
+这个就是它整个的输出，输出之后会读到一些，会看到它整个整个执行的过程。这个就是开始读整个项目，然后在用这个 codebase 然后换用的工具就是 viewviewfold 这个就是查看文件夹，然后状态是成功。然后这一步应该是它整个在通过 AI 去调的 m 通过它内置的一个 agent 然后去调的 mcp 的工具。
+
+🔵 说话人3 [00:50:20]
+然后包括到这个设置 feel 也是在 mcp 的工具，然后每一步都是成功的。它就会一直在循环这个过程，一直在查看文件，查看文件。
+
+🔵 说话人3 [00:50:34]
+然后到这一步，然后文件查看完之后，它就设置整个扣的，就查找代码。
+
+🟡 说话人4 [00:50:40]
+下到这一步就是查看具体的文件，找到对应的代码，查看整个代码所在具体的文件。
+
+🔵 说话人3 [00:50:52]
+整个知识库，整个构建 wiki 知识库大概就是用了这么几个工具。当然这些如果说我们后续有自己的业务开发，或者我们要开发自己的一个 agent 构建别的 wiki 知识库，大概也用到的就是这几个。那这里面 m c p 的工具，它去循环的执行就可以。
+
+🟡 说话人4 [00:51:24]
+嗯好，这个跑完之后就可以看到它整个项目的一个架构。
+
+🔵 说话人3 [00:51:36]
+比如说项目名称，然后这些框架。这些文档是因为它已经开源了，所以它的内置文档构建也比较齐全，然后相关资料和语料网上也比较多。如果说是我们企业内部的项目，可能因为时间长，然后很多东西会有缺失。就是不一定会这么多，但是像我们常规的它构用了哪些框架，哪些库，以及技术框架版本，这个是肯定能拿到的。
+
+🔵 说话人3 [00:52:15]
+然后整个的项目模块儿。
+
+🔵 说话人3 [00:52:22]
+项目模块儿可以看到它是外部层负责整个页面，然后安全框架，像这个持久层用的是 MyBatis 。之后这些就是根据不同的控制模块儿去拆分。
+
+🔵 说话人3 [00:52:46]
+这个就是其他的一些微服务，根据整个项目交付的产物去做热发产。嗯这就到了我们今天想了解它的整个权限。
+
+🔵 说话人3 [00:53:08]
+这个就和我们刚才在课件里一样，AI是能通过我们简单提示词去分析出整个权限的体系。功能的权限，然后数据的权限以及用户隔离。不过我们如果是做整个项目内部交付的话，很少会用到多挖坑。然后他这里是把菜单权限和按钮权限放在一个了。菜单权限实际上就我们常说的页面权限，决定你能不能看到这个页面。
+
+🔵 说话人3 [00:53:47]
+他还会拿到你核心的库表设计。
+
+🔵 说话人3 [00:54:03]
+这些库表设计，我们后续开发的时候可能会有更改。也可能不会改，那么我们需要关注的点就是它这个库表设计哪些在系统里已经用到了，然后哪些媒媒体角色对应的是什么?因为我们后面儿可能要改的大部分是你的一个媒体角色，比如说我们又有了新的需求，要加一个要加一个部门管理员，或者区域管理员，我们就需要去更新这些。
+
+🔵 说话人3 [00:54:49]
+结构一般很难去改，但是你内置的一些东西会去改。涉及到更新这些，我们就需要通知整个项目的 wiki 知识库，要把这些也去同步更新了。不然的话，它会产生一个什么情况呢?比如说我项目读了 wiki 知识库，然后又会发现和我的代码儿对不上。这种呢它会聪明点的 ai 可能会谈一个问题，会问你以哪个为主，笨一点的会直接以你的代码为主，那你构建 wiki 知识库的作用就失去了。
+
+🟣 说话人2 [00:55:28]
+你要去改的话是怎么个路线?是改的话是先让它基于 wiki 去生成一个方案，再生成代码还是嗯嗯嗯这个倒不需要，这个如果是我们的一些小任务，可以直接告诉他去改哪个功能模块儿。
+
+🔵 说话人3 [00:55:45]
+然后呢我们会在 ruler ，或者那个 agent 去约束他，改之前你先看一下我现有的文档，就是你要根据我的文档去查找对应的功能。不要再去，可以看就是刚上班儿一直在 search 文件，然后去 search 代码。那么我们构建完这个之后，我们就希望他能快速定位到那块儿代码，不要再去全局 search 我们定位到这个代码之后，让他去根据以 wiki 为标准，再去改代码，改完代码之后再去更新整个 wiki 再去更新整个知识库。
+
+🔵 说话人3 [00:56:28]
+嗯，这下就到了这块儿，它的一个权限角色关联表。
+
+🔵 说话人3 [00:56:41]
+到这一步就进入了它整个权限校验的流程。可以看到它把我们的流程给画出来。用户 post 请求的是这个接口，然后换用的是这个 controller login 然后是 service login。最后再去返回 vo 在这整个链路里，如果我们之前人工去改的话，也是从看用户换的是哪个接口，再去整个代码全去搜索。嗯嗯。
+
+🔵 说话人3 [00:58:14]
+这个就是我们之前的开发流程，可能你找到，然后你先找到文件，然后再去文件里找到它对应的对应的内容，然后再一步一步点进去，再去改。
+
+🔵 说话人3 [00:58:40]
+现在我们可以就是直接去看整个知识库，看它的整个链路。
+
+🔵 说话人3 [00:59:35]
+这里它也会分析出你每一次请求你具体的一个整个流程，然后是如何去到的这一步。就以这个为例，它提取 token 再去验证 token 最后才能到返回了。
+
+🔵 说话人3 [01:00:05]
+功能权限是这一块儿的，可以看出来基本上它输出的东西是大差不差的。就是这个文档呢，就是相当于我们之前开发要在自己脑子里有的一个东西。这样你才能找到对应的功能模块儿，然后进行开发。
+
+🔵 说话人3 [01:00:50]
+在这里它会标注我们的一个核心逻辑，像我们刚提到的，它是整个代码的逻辑，就是我用户输入完用户名密码，然后点完登录按钮。他最后执行到你这个代码，那么到这一步可以看作是我们的一个业务逻辑，他会有这么三种情况。第一种是不添加过滤条件，然后你就全部放行，用户就登录进来。第二种是部门儿为空的时候，你就要返回有没有数据。
+
+🔵 说话人3 [01:01:29]
+然后这第三种就是你部门儿有条件，用户有条件，这个就是查当前登录人所在部门儿的数据。如果我们之后再要加一个只是当前登录人的数据，我们就会有情况四。根据 user 的条件再去查当前登录人的一个数据。嗯，看一下。
+
+🔵 说话人3 [01:03:34]
+这时候我们就可以直接让它去添加一个平衡数。
+
+🔵 说话人3 [01:04:33]
+啊，我刚让他去添加情况是查询当前登录人的数据，然后我们再看一下他的工作。
+
+🔵 说话人3 [01:04:43]
+当然在知识库里边儿也给了示例。
+
+🟣 说话人2 [01:04:46]
+他会把这个知识库的文件和代码一块儿改吗?
+
+🔵 说话人3 [01:04:53]
+嗯，这个如果说，嗯，如果你不要求的话，就是会看模型，如果你要求的话，基本上模型就都能做到。
+
+🔵 说话人3 [01:05:06]
+他首先看了这个文档，然后再去思考整个过程。
+
+🔵 说话人3 [01:05:27]
+其实下面知识库里就已经给了相关示例代码，可以根据当前业务去过滤。
+
+🔵 说话人3 [01:06:22]
+现在可以看到模型它的一个思考过程是英文的，这个其实也能在对也能在输入栏里去强制要求它输入中文。
+
+🟣 说话人2 [01:06:52]
+他把这个文档改了他把文档改了。
+
+🔵 说话人3 [01:07:18]
+比如说像刚刚这个事例就很有意思啊，就说我提示他让他增加根据文档增加情况四然后查询当前登录人的数据。其实我们刚才一直语境就是语义环境里是希望他去改代码，然后再把文档改了。但他很明显是受到了之前上下文的影响。他先参考了一个上下文，那么我之前的上下文就是构建知识库。然后他就会认为你当前的优先级是更改整个知识库的优先级会更高，所以他会把知识库先改了。
+
+🔵 说话人3 [01:07:59]
+这时候你再告诉他同步修改代码，或者说还有一种方式就是你要改代码，你不想让它被上下文污染，你再新加一个对话。还有就是你直接在提示词里增加，代码和文档都要改可以看见他这块儿已经那代码已经改了，注释也已经添加了。这只是一个小功能，如果我们非常熟悉这个项目，可能有敲这些关键字的时间，已经把这一行给写完了。但它整个流程是如果我后期不只是把权限这个文件去修改，涉及到整个链路去修改，我要新增加一个入口方法，然后从我的 ctrl 了一直到 service 再到最后的
+
+🔵 说话人3 [01:09:15]
+v d o 层整个持久层都要改，那肯定是 ai 会更快，但是对于我们来说提示词可能是不变的。
+
+🟠 说话人5 [01:09:26]
+然后还有一个就是比如说我刚上边儿让他去改这个，但他呢就是改了文档，改了文档这时候我再去要求他改代码，会很明显的发现他能快速定位到这个代码在哪里。
+
+🔵 说话人3 [01:09:50]
+因为你上下文就是他已经构建完知识库，他会只去 search 这一个文件，只去查找这一个文件。
+
+🔵 说话人3 [01:10:04]
+然后查找到一个文件就定位到这个问题，然后就增加了情况四。
+
+🟡 说话人4 [01:10:09]
+我们如果说我们之前没有整个构建知识库，然后也没有去让他先把这个内容给落地，那么我们这时候再去说让他去查找代码，他可能会更慢。
+
+🔵 说话人3 [01:10:48]
+你说我们可以试验一下老师我们有这种情况就是我们一般既有软件的更改，我们会去写软件变更方案嗯啊软件变更方案这个 md vkmd 文档的改动，我们会有一个变更方案，可能是嗯变更方案是什么呀?像 word 还是专门儿我们公司自己的一个 word 嘛，这种话咱实际工作中是咋处理这种事儿?就是
+
+🟣 说话人2 [01:11:18]
+就 ai 的 md 的文档，和你实际的技术文件这种变更的同步是咋处理的?就是靠人工还是有没有转化方式这个就更容易了，我们可以直接把你的技术文档，就你们已有的变更方案直接生成 md 自己做一个小的 mcp 工具。
+
+🔵 说话人3 [01:11:39]
+或者有找那个 skill 也行，直接读这个文档，然后再生成 md 再去更新 md 然后你再去通过 md 去驱动改代码那 md 这个文档还能再逆向回去我们的标准标准化文档。
+
+🟣 说话人2 [01:11:55]
+因为我们对外有一些审核要求啊md 再逆向回去对格式我们有格式要求那这个就得看那个也是做个专门儿 md 的对用 md 去做 sql 去生成对因为你这个其实大大量的工作是在处理样式。
+
+🔵 说话人3 [01:12:17]
+处理你们的标准样式，不是说处理文字，对文字放到 md 也好，放到 word 也好是一样的，主要是处理这个样式，你需要把整个样式扔给 skill 然后它能去解析这个样式，然后再给你返回。
+
+🟣 说话人2 [01:12:33]
+有没有可能我直接用我们的 word 文档去替代 md 文档去指导这个 ai 的工作??
+
+🔵 说话人3 [01:12:41]
+呃，这个也可以，但是嗯，这就为什么我说我们现在要做的就是让 ai 更好读的一个东西。
+
+🟣 说话人2 [01:12:50]
+因为 word 文档它本身是带很多样式的。但 md 文档不是，它的样式会非常简单，然后整个结构也比较简单，它的信息密度要远远比 word 高。
+
+🔵 说话人3 [01:13:04]
+因为我们 word 你可以最后你导出来之后，它会有个叉 html 它里面儿会分装很多样式。
+
+🔵 说话人3 [01:13:14]
+不过现在这种基本都会有很成熟的 skill 它能去解析你的，能解析你的 word 然后去读取出来。
+
+🟣 说话人2 [01:13:25]
+嗯这个在实战部分我专门儿说一下吧。好嗯嗯平常常用 mb 就是给体系审核的时候用但是文档的同步，有问题，需要自动化手段过程存档刚才我们只是看了这一模块儿，但之后的模块儿都是一样的。
+
+🟢 说话人1 [01:14:09]
+嗯这个我们还可以是
+
+🔵 说话人3 [01:14:27]
+知识库构建之后，刚才是我，我一直在看这个知识库，因为这个现在只是有一个，然后也相对来说会比较少。就是大家看起来还不会很费力，但是如果你后期会很多的话，其实这样查知识库也是一个非常费劲的工作。
+
+🔵 说话人3 [01:14:53]
+所以如果说你知识库多的话，你也可以直接问
+
+🔵 说话人3 [01:15:10]
+直接问那个，直接问，直接让 ai 去读你的知识库，然后你直接提出你的问题就可以。比如说我们的 talking
+
+🔵 说话人3 [01:15:45]
+但是我们可以不指定它这个文件夹。
+
+🟤 说话人6 [01:15:49]
+你现在还不指定文件夹，你可以用自然语言告诉它。
+
+🔵 说话人3 [01:16:56]
+而且像这种操作，你再去基于知识库再去跟它对话，它会快很多。
+
+🔵 说话人3 [01:17:07]
+然后它整个链路也是查找知识库，然后找到知识库的代码。
+
+🟠 说话人5 [01:17:17]
+客户打断一下，你像这种情况下消耗不消耗的消耗不消耗的消耗不消耗的肯定消耗它本地的它本地的位置也消耗了对相当于不是推展多，而是推展用户大模型了
+
+🔵 说话人3 [01:17:32]
+大模型这个 token 消耗是一个比较大的话题，就是它分为上行 token 和下行 token。比如说你问用户的问题，他会消耗 token 就你发出去的关键字会消耗 token 然后他吐出来的也会消耗 token 然后他只是这两个 token 的价格不一样，所以就是我们的关键词要简短的描述清楚自己的需求。
+
+🟠 说话人5 [01:18:06]
+哦，我想着是不是在本地也可以把关键词做着处理，如果是本地文档的话，在本地搜就行了，在文档上搜也可以啊，我们就是你看像我刚改这些东西，在本地你实际上也能找到对应的代码去改。
+
+🔵 说话人3 [01:18:22]
+但为什么还是要用 ai 去搜呢?因为这只是一个文档。后续如果你整个项目特别大，你都构建完知识库，你查知识库的精力其实也会相对比较高。人肯定不如 ai 看的快这个知识库是放在你那儿不是，这个是我刚才落地了你落地了一个一个 md 文档对，落地成一个 md 文档md 文档对那那如果多个人交。
+
+🟠 说话人5 [01:19:04]
+多个人协作的时候，这个只是你本地的，本地私有的是吧?嗯，多个人协作
+
+🔵 说话人3 [01:19:12]
+这个 wiki 知识库应该是你提交到 git 大家拉的时候都会拉下来。或者说你整个公司有远程的知识库，你最后把这些文档都上传上去，然后你 mcp 自己开发一个 mcp 查本地的工具，查本地的知识库，要查那个远远端服务器的知识库。就这个东西肯定是要落地，至于落地是根据项目的实际情况，是大家都每一个人都拉到本地，然后改完之后再推交到推到 git 上边儿的。
+
+🔵 说话人3 [01:19:53]
+还是说我们有一个专门的知识库服务器，大家都是从那儿去拿。
+
+🔵 说话人3 [01:20:09]
+然后刚才我问的不是 token 在 token 存在哪里吗?然后我们才能是。
+
+🟥 说话人7 [01:21:10]
+那套呢?
+
+🔵 说话人3 [01:21:11]
+嗯，不是网卡，不行下午就直接投屏吧。
+
+🟥 说话人7 [01:21:28]
+我闺女在这边儿浏览那个网址上打，打完之后再复制过去。
+
+🔵 说话人3 [01:21:33]
+嗯，对，先看过来。
+
+🟥 说话人7 [01:21:37]
+对行。
+
+🟥 说话人7 [01:21:48]
+要不十点半时候休息十分钟?
+
+🔵 说话人3 [01:21:50]
+啊，行，十点半的时候休息十分钟。
+
+🔵 说话人3 [01:23:35]
+然后我刚又对，我又去跟 agent 对话说请求拦截是哪里携带了 token token失效之后是怎么处理的。很明显发现他这个任务，就这一轮对话，他的思考时间会比较长。一会我们也可以看一下他为什么思考时间会比较长，和刚刚第一个对话有什么区别。
+
+🔵 说话人3 [01:26:08]
+我们可以看到就是刚刚他这一轮对话，他也去查了知识库，但是在知识库里没有找到相关内容，所以他就去找代码。这样的话整个思考过程和 token 的消耗就会比较长。所以如果我们之前构建过知识库，那么询问他的问题，则会明显缩短他的思考过程。另外一个就是它不会重复去消耗 token 现在如果我把这部分东西再落到我们的知识库里，它下次再去查找问题的时候，它就会直接从知识库里提取，然后不会再消耗 token 那不会再消耗这么多 token。
+
+🟡 说话人4 [01:27:02]
+嗯好，十点半了，那先休息十分钟，然后我们在十十点四十的时候再开始。
+
+🟢 说话人1 [01:27:21]
+咱们那个卫生间呢?
+
+🟡 说话人4 [01:27:23]
+嗯，好。
+
+🟥 说话人7 [01:27:40]
+哎，我，咱，我明天，你接下来等什么安排?不不不，我说你接下来怎么说这个东西?
+
+🟤 说话人6 [01:27:56]
+嗯，就是搞这个知识库，搞完之后呢?就今天就接下来一个半小时就搞。
+
+🔵 说话人3 [01:28:02]
+嗯，还有别的吗?
+
+🟤 说话人6 [01:28:04]
+这个知识库现场啊，演示的问题就是等时间太长，大家老师，我有个问题。就我改个代码，我改完之后，我原来里面的汉字注释呀，或者是有中文那种变量的，一改全部都乱码了。这种一般是咋整啊?我就遇见好几次，其中有些程序就没法再转不过来就睡觉了，就重写了。
+
+🔵 说话人3 [01:28:32]
+你之前项目用的是什么编码?
+
+🟤 说话人6 [01:28:35]
+项目是我我刚才刚试了一下，我拿一个我正在改的，待会试了一下就让他给我增加个看，啊国标还是你之前的项目编码是哪?
+
+🔵 说话人3 [01:28:44]
+国标还是 g b 还是 g b k?
+
+🟥 说话人7 [01:28:47]
+你这个乱码是它结构乱了，比如 js doc 乱了，还是中文看不懂了?
+
+🟤 说话人6 [01:28:51]
+就是那个编辑器打开里面中文都显，主主要是中文啊，那应该是编那个编码的问题编码问题，老项目的编码是不是用的 g b k 这一类的，因为基本上现在都是基于 u t f 杠八
+
+🔵 说话人3 [01:29:05]
+对那你可以先把那个找一个工具把你那个编这个应该就没问题那你转完后它编译器不认了咋整编译器它是因为你现在还在编译器这一块儿编那它这个 ai 它这一块儿可能只适用吗不行 ai 它只适用它也不是说只适应于点儿抗八，它是适应你大头儿的一个动力输出嗯，先确定这个你说演演示代码儿，他会等的时间会很长，慢慢就注意力就不在这儿，看看是先口喷。
+
+🟥 说话人7 [01:30:02]
+就是打完字儿之后让他转着，我们继续翻一翻这个 ppt 折回来。嗯
+
+🟥 说话人7 [01:30:11]
+这个破玩意打字这么费劲。
+
+🔵 说话人3 [01:30:14]
+有点卡，不行就那啥。
+
+🟠 说话人5 [01:30:20]
+这个月大概有一百十几号。
+
+🟥 说话人7 [01:30:23]
+他们也穿插问题，要不我就后面打算穿插的问题先记下来，记下来统一答疑，不打乱你的节奏。
+
+🟠 说话人5 [01:30:31]
+他这个刚才那个老师问的那个特色不是你这个外贸的，是 ai 儿消耗的。
+
+🔵 说话人3 [01:30:39]
+对。
+
+🟠 说话人5 [01:30:39]
+不管你提问的是其实你想的特色。
+
+🟢 说话人1 [01:30:46]
+然后就是我们想的是怎么去尽量让访问客户精准的向我们下单那你就是要看提示词了但是你这个提示词有没有具体规范?
+
+🟠 说话人5 [01:31:02]
+说怎么提怎么提问，都能会有，我们下面会详细的还有刚才那个协作那一块儿，就是协作的就是说是你
+
+🔵 说话人3 [01:31:52]
+就还是靠不了那么最后那一步就是对项目的一些核心观念没有具体的比如说我这个我 a 同事是吧然后我是 a 同事我下来了然后我对这个 a 文档进行修改然后再开始进行这一步后续修改过程中那就那就。
+
+🟠 说话人5 [01:32:21]
+我 a 同事的其实属于一个比较但是我 b 同志修改的时候其实是比较模糊的，他使用的文档虽然和项目是一致的，但是他可能就是使用的结果不同，再填进去的时候，如果我 c 同志我再去对 b 同志这个东西再去做的时候。那他就更他的就是你这个最初始的 mb 它形成的 mb 是你的项目所以说这如果你项目上如果改的话，它基本上
+
+🔵 说话人3 [01:32:57]
+你协作的时候肯定会有对，那你协作代码你肯定会更新你对应部分的内容，不是说会更新我能看到实际上就是刚刚那两个地方，它都有大部分它只是说喂你去吧你去吧
+
+🟢 说话人1 [01:33:56]
+嗯嗯嗯嗯啊我我喝的少，行，明天我喝的多了就。
+
+🟢 说话人1 [01:34:14]
+我这儿没办陈老师，我们后面比如下午，到明天，我们先把问卷给大家，问卷先汇一汇，然后机会可以我现在想对我们一会下午，我们再慢慢聊，就看大家怎么节奏，我看还是有很多问题想问。一会一会你可以说，我们一个微信群组，你让他在群里提就行。嗯嗯嗯
+
+🟠 说话人5 [01:34:52]
+哦那个啊，是吧?那没有，我不用你说的啥牌子，哎对对这个，你先弄吧。
+
+🟠 说话人5 [01:35:14]
+哦，你这样说呀，那肯定是就这，你这不动我我这咋了，这是。
+
+🔵 说话人3 [01:37:31]
+好。
+
+🔵 说话人3 [01:37:37]
+哎，10点40了，那咱们就继续开始。
+
+🟢 说话人1 [01:37:42]
+啊，好。
+
+🔵 说话人3 [01:37:48]
+刚休息的时候，有几个同事有一些问题，我觉得这个问题可能大家都会有，所以我就说再跟大家聊一下这几个问题。首先第一个就是说这个知识库。它并不是说我们非常使用向量数据库啊什么的，要去把整个 md 文档再做向量化，然后再去通过 ai 去查。没有那么复杂，只是说就一个 md 文档，然后它把这个项目的关键信息给记录了。
+
+🔵 说话人3 [01:38:27]
+这是一个，还有一个就是这个 md 文档一定会随着我们去修改项目，它会不断地去改，这时候也难免会有一些冲突，或者就是说有的人改了，但是可能这个文档没有及时更新，导致文档和代码对不上。这时候我们可以做一个全局的校验，或者说是全局的更新。比如说我定期去判断一下我整个 user 整个 md 文档和我的项目有没有发生改变。
+
+🔵 说话人3 [01:39:12]
+我们正常来说，我们每一个交付版本，做完这个 tag 之后提交到 master 分支以后，那么我们这个版本定稿，我们理应给这个版本所配套的知识库代码，它都会标记为一个 tag 在之后改的话。我们每次都应该去再同步这个你的 tag 你的 tag 标签，你的 tag 一定是项目文就知识库文档和你的代码结构是保持一致的。
+
+🔵 说话人3 [01:39:48]
+这样你才能保证之后是没有问题。
+
+🔵 说话人3 [01:40:07]
+这就是我刚刚提问的一些关键词。
+
+🔵 说话人3 [01:40:17]
+像这个用户信息和权限加载链路。
+
+🔵 说话人3 [01:40:23]
+这个我们刚刚在知识库里边已经有了，如果我们这时候再基于这个问题，他应该能很快查到。
+
+🔵 说话人3 [01:40:35]
+如果他没有很快查到，说明我们刚刚构建的知识库是不太符合预期的，我们这时候就要再思考它整个知识库的构建。需要怎么才去做?我们可以试一下。
+
+🟡 说话人4 [01:41:07]
+嗯嗯嗯这个我甚至没有让他再去根据知识库去查，然后你会发现，只要你有了这个东西之后，他会主动的去触发查询你的文档。
+
+🔵 说话人3 [01:41:52]
+一会儿我们结束后，我再重新构建一个知识库，然后大家就可以对比出一个好的知识库和你不是特别精准的，它会有哪些问题。
+
+🟡 说话人4 [01:42:08]
+嗯这是动态路由的一个加载链路。
+
+🔵 说话人3 [01:42:40]
+像这些基本都是通用的前端框架，或者通用的系统管理。获取到路由权限，然后后端返回菜单数，前端找回成路由对象，再挂载路由，然后最后用户再点击进入页面。按钮权限也是类似的一个操作。
+
+🔵 说话人3 [01:43:10]
+这个是后端接口的一个权限。
+
+🔵 说话人3 [01:43:20]
+其实，像这个需要确认的，那么我们在更新完知识库之后，这些会都在知识库里面有标记，比如说我们刚刚会看到他是进入的哪个ctrl 了，然后哪个 service 我们这时候我们再去问他。比如用户，比如用户登录的接口，ctrl 了有没有权限注解，service 有没有校验数据的权限，这里都能，这里都能看到。
+
+🔵 说话人3 [01:43:57]
+接下来就是你操作系统的一个用户链路。
+
+🔵 说话人3 [01:44:05]
+再就是调用链路分析的一个关键词。
+
+🔵 说话人3 [01:44:56]
+嗯，刚刚这个问题它已经返回了，会很明显比上边儿那个问题要快一些。然后我们现在再新开一个对话，避免上下文污染，然后我们再让它分析整个调用链路。
+
+🔵 说话人3 [01:45:28]
+这个执行完之后，会发现它和刚刚的知识库文档有一部分重合，但是又不太一样。那么我们这个链路呢?实际上就属于我们的一个业务的实际场景。至于这个业务的实际场景，要不要去落地到 md 文档里，这个就要看具体的项目了。 md 文档更多是倾向于记录项目信息，这就是早上提到的代码事实。而这个业务事实呢?它的变动会比代码支持更频繁。
+
+🔵 说话人3 [01:46:22]
+让它跑，我们看一下。
+
+🔵 说话人3 [01:46:37]
+一会跑完之后，我们看一下在。在 a 在它的输出结果里边儿会有哪些东西?。
+
+🔵 说话人3 [01:46:51]
+然后我现在一，等它跑完之后，我们再去回复这部分内容。我接着往下说。
+
+🔵 说话人3 [01:47:14]
+就是模型的幻觉。虽然现在模型已经非常强大了，但是它依旧会有幻觉的存在。那么我们就要能判断出哪些幻觉是模型。就哪些幻觉是模型是消灭不了的，它一定会有这样的幻觉，然后哪些幻觉是我们可以通过关键字，然后能去让它更好的去规避。
+
+🔵 说话人3 [01:47:56]
+其实在若依这个项目里，AI很容易给出特别不严谨的一些结论。比如说一会儿我们可以看一下它跑完的一个链路，它会把它认为的一个链，它会把它认为的一个链路，给到我们的输入文档里，但实际上这个链路不一定是项目里的链路。所以我们发现它和项目里不太对的时候，我们一定要去继续追问。那我们判断它对不对的一个标准就是两个，第一个基于我们之前对项目的理解，第二个基于我们的代码事实。
+
+🔵 说话人3 [01:48:52]
+就我们先构建完知识库，这个知识库先不管它没电了先不管它吧对先不管它的这个知识库它可能就是知识库的代码事实，这个大部分模型是不会出错的，因为它就非常简单的标记哪部分代码是做什么用的，哪部分代码是哪部分代码在哪一个文件里儿。而我刚刚那一段提示词让它去分析链路，那么它就要去基于你的代码事实，然后加上它的模型能力去产出它认为的一个结果，就很容易出现幻觉。
+
+🔵 说话人3 [01:49:35]
+所以我们在看的时候首先要对比第一个他所说的文件能不能对上?第二个就是你看到这个文件在我的代码里不存在，然后你就要问他这个文件是哪来的?是不是他凭空捏造的?一定要让他根据我们的代码事实有所依据，这样的话才是可信的。
+
+🔵 说话人3 [01:51:05]
+这是我刚给他的提示词，让他去分析整个调用链路。然后你会发现，由于我们之前只是有相关整个后端的一个，就是有个后端的 md 文档，然后没有前端的，这时候又会触发他去分析整个前端的项目。
+
+🔵 说话人3 [01:51:32]
+然后把这整个项目分析完，他才会再去读取我们的 md 文档。
+
+🔵 说话人3 [01:51:57]
+读取完 md 文档之后，它这样会输出整个结果。我们需要审的就是它这个结果是不是可信的。就像我们刚刚的。
+
+🔵 说话人3 [01:53:07]
+大家可以看一下整个两个两个的结果输出。
+
+🔵 说话人3 [01:53:15]
+刚才我们只是记录了它的一个简单的代码事实，它的一个请求流程。但是我们在分析整个调用链路时，会发现它会把核心的代码逻辑，比如说我这块儿我换的是 service 哪边儿的 login 但它能明白你这个 service service 你只是一个接口。然后你会有一个它的实现，你处理的核心逻辑是在你的实现里边儿。
+
+🔵 说话人3 [01:53:45]
+然后你会有这些处理。
+
+🔵 说话人3 [01:53:55]
+那么我们这个在如果说好的知识库，它会把这个记录完之后，那么我们再分析它的调用链路。只是从后端这部分来说，它能根据这个文档定位到它定位到我们的入口。然后我们也能查到它的核心逻辑会在哪里。
+
+🔵 说话人3 [01:54:23]
+关于这块儿，它是我们整个流程的入口，然后改的话是在改核心逻辑，需要在这里。
+
+🔵 说话人3 [01:54:45]
+这部分我们就没有必要再去把它放到我们的知识库文档里，因为你这个就是我们的业务事实，你业务逻辑可能你今天需要用户名密码，明天可能需要 oauth 二的方式，后天可能需要 sos 单点登录。那你这部分呢?你是可以交给 ai 每一次去分析你最新的代码。
+
+🔵 说话人3 [01:55:25]
+这些就是一些更具体的了。
+
+🟡 说话人4 [01:55:31]
+嗯行。
+
+🔵 说话人3 [01:55:57]
+如果说我们还需要把这个链路，我这里先。先我先写一个简单的示例，就还是以这个 login
+
+🔵 说话人3 [01:57:38]
+这时候我们发现它对不上的时候，我们就可以问它为什么没有提到这个文件。刚刚我们的知识库构建里面只是提到了其外层的 service 没有提到具体的实现。
+
+🔵 说话人3 [01:57:56]
+我们通常判断 AI 输出的结果可靠不可靠，也是会进行多方面验证。一方面是我们已经构建的一个基础事实，一方面是我们自己对项目的了解，还有一方面就是说它输出的结果在项目里找不到。
+
+🔵 说话人3 [01:58:41]
+他这里也会写到，更偏向于是概括，而不是具体的代码实现。
+
+🔵 说话人3 [01:59:10]
+所以说我们在屏蔽他幻觉的时候呢。第一个我们是先基于我们最开始已有的代码事实，就像刚刚的 md 文档，我们把这个事实抽取出来，这个事实是确定的。因为审那么几行，审那些比较少的文档，我们肯定是审得过来的。那些确定完之后，我们再基于它的内容去扩展，再找到对应的问题。这样的话，我们就能分辨出哪些是幻觉，然后哪些是没有问题的。
+
+🔵 说话人3 [01:59:58]
+所以说一个可信的，就是 AI 生成可信的，它一定是包含这几个东西的，第一个就是文件路径。比如说我们前端用了哪些 API 然后后端用的是哪个 ctrl 了，然后哪个函数。然后就是调用关系。调用关系是登录后先把 token 然后获取用户信息，get info 再把路由，再生成动态路由。
+
+🔵 说话人3 [02:00:37]
+然后不确定的点，比如说你，我们没有办法确定某一个接口是否有权限校验。
+
+🔵 说话人3 [02:00:46]
+这样的话，如果说他这四点都能做到，都能做，都能回答出来，那么基本上这个结果是可信的。
+
+🔵 说话人3 [02:01:05]
+我这里举一个简单的示例。
+
+🔵 说话人3 [02:01:52]
+以按钮权限为例，它这里提示到会有这个文件。稍等我把那个我把前端的项目也打开。
+
+🔵 说话人3 [02:03:21]
+这个就是若依配套的一个前端项目，然后这是他刚刚提到的代码生成的模板，然后就是我们去可以看这个里面的文件，然后去验证他刚才说的对不对。或许我们还有一个简单的验证方式。
+
+🔵 说话人3 [02:04:19]
+简单的验证方式就是我们再把这个文档里的一些东西再输给我们前端工程的一个对话框里
+
+🔵 说话人3 [02:05:27]
+到时候再看它的一个反馈结果，然后来验证这个结果是不是对的。
+
+🔵 说话人3 [02:05:47]
+另外像这种它会具体事例到某一个文件，然后具体哪些代码，基本上这种就是可信度比较高的。
+
+🔵 说话人3 [02:06:17]
+然后我。
+
+🔵 说话人3 [02:06:29]
+像这种回答，基本上就是没有可信度的。尤其是还会有一些问题，就是比如说我们做了一个很大的 to do to do 列表，就是做了一个很大的任务列表。然后 ai 跑完了，跟你说我这五条任务都完成了，但你实际上再去看，它可能只完成了三条或者完成了四条。它没有把全部的任务都进行完成。
+
+🔵 说话人3 [02:07:05]
+有时候我们也可以通过 ai 它整个思考和执行任务的结果和时间去看它这个任务是不是可信的。
+
+🔵 说话人3 [02:07:21]
+你看像这种可信的回答就会相对比较详细，它会具体到会用哪个方法，然后获取了什么，然后有一些核心代码的示例。然后这如果说有风险点，也会提示你有风险点。
+
+🔵 说话人3 [02:07:48]
+最后我们今天要检查的就是它的一个校验清单，比如说文件路径函数类名,调用关系,前后端的区分,不确定点，像这个我们刚刚跑完之后，基本上都会有。
+
+🔵 说话人3 [02:08:15]
+像这些问题，现在基本上旗舰模型，我现在不是用的 v 四 pro 嘛，旗舰模型基本很少会有出问题的。好，接下来
+
+🔵 说话人3 [02:08:44]
+接下来就是到了今天的最后一个模块儿。报告的主题，其实这个报告也就是说我们最后要生成对整个若依项目库的一个理解。我们如何去构造整个项目，就如何构造整个合理的知识库，我之前只是构造了一部分。
+
+🔵 说话人3 [02:09:16]
+像一个合理的知识库，它就应该有每个模块儿的职责，然后核心的对象目录和文件结构，核心的调用路径权限的风险，然后日志操作的风险。至于后面的改造建议和不确定结论，这个取决于我们需不需要，需不需要再和 ai 去沟通改造这个东西，如果说我们不需要的话，这两部分是可以省去的。
+
+🔵 说话人3 [02:10:01]
+另外就是我们在 m d m d 文档里常写的一些东西是应该怎么去写，怎么去规范 a i 它的一个输出。比如说像第一个我们权限模块是用于进行权限控制，你这样写的话会比较宽泛，然后每一次模型再去查找的时候，它读取完这句话是没有任何信息含量的。相对来说信息密度是比较低的，他还是会去触发他查找文件，查找代码。
+
+🔵 说话人3 [02:10:42]
+我们如果写的详细一点，就是权限和菜单模块是负责整个用户登录后加载角色，权限字符和动态路由是负责控制页面的显隐。那么他就会知道我们如果要去看为什么页面没有显示出来，或者为什么我这个用户信息是错误的，他就会去找用户登录后的一些操作。这个信息的密度会对 AI 来说会相对更高的。
+
+🔵 说话人3 [02:11:26]
+这就是一个核心对象的一个写法。刚刚在文档中也看到了，它会分为用户角色,菜单权限,字符,部门,以及后面的操作。
+
+🔵 说话人3 [02:11:52]
+这个就是风险点的，用户的 ai 输出风险点。像权限有风险，基本上是去年的一个模型，它会这么去输出，比如说这个功能模块儿怎么可能会有问题，但是像今年的模型已经很少会出现这么笼统的答案了。更多是会写明具体条件。比如说是只控制了前端显示，没有校验后端接口，还有一些用户可以直接绕过前端去登录。"检查,检查了有没有,有没有权限注释"。
+
+🔵 说话人3 [02:12:44]
+这个就是 AI 给的改造建议。这个改造建议通常会用到我们对我们对业务模块儿可能比较熟悉，但是又不会很了解。
+
+🔵 说话人3 [02:13:06]
+又不会很了解，那么我们可以去咨询模型，我们应该从哪里去改造，去优化它。但是这里的改造建议一定，AI输出也都是具体可落地的。比如说它会具体到它首先会有一个优先级，比如说我是 P 零，逼一，逼二，逼三，优先级越高的，它可能会越推荐你改。然后呢优先级低的，可能就是一些无关紧要的，是代码优化的一些东西。这时候我们要考虑的是改完优先级高的，他的优先级高的可能更多的是从整个逻辑出发，说要重构整个模块儿，或者说我整个模块儿要放到 a 文件里不合适。
+
+🔵 说话人3 [02:13:57]
+我要放到 b 文件里，这种我们就要思考他改完会不会影响我们的收益，就风险和我们的边际收益成不成正比。如果说我们的功能是没有问题的，那么他只是改一些优化点，让我们的代码更规范就可以。
+
+🔵 说话人3 [02:14:25]
+上午的课基本上就到了这里，然后是大家有什么问题可以提问，如果没有问题的话，我就接着往下说。
+
+🟠 说话人5 [02:14:45]
+这个老师刚才你不是说那个思考过程怎么去配置?
+
+🔵 说话人3 [02:14:52]
+而思考过程去配置这个就因为这个闪动比较快，因为我们
+
+🔵 说话人3 [02:15:10]
+在这里我们可以写一些 agentsmd 或者写一些规则，然后限制约束，这样他基本都会有很成熟的一个方案。
+
+🟠 说话人5 [02:15:30]
+那会不会造成消耗更多的成本?
+
+🔵 说话人3 [02:15:34]
+嗯这个肯定是会的，因为按照模型的一个整体逻辑，比如说我导入到把这个写完之后，它是在你每一次的上下文里都会带着这个相当于是一个求约束它一定是会消耗你的 token 然后你这时候我们就要去平衡你。的是写完这个你的收益高呢?是你是消耗一定量的 token 然后让你的产物变得更可用，还是说我不断地去对话，通过对话去约束它的一个产物，实际上是两种思路那这个在 m m 对呀。
+
+🟠 说话人5 [02:16:22]
+现在这种嗯怎么去约束它?就是说让它好好完成功能嗯这个我可以，稍等一下，我找一个
+
+🔵 说话人3 [02:18:13]
+这个是比较常用的一个规则，首先要求它比较简洁，然后就是深度分析，然后渐进式开发。
+
+🔵 说话人3 [02:18:27]
+最后就是要求中文必须使用中文。
+
+🔵 说话人3 [02:18:35]
+然后这个是版本的一些回溯要求， git 版本回溯要求。
+
+🔵 说话人3 [02:18:46]
+最后这个是一些检查的清单，如果我们根据项目，比如说根据项目有一些特殊的规范，我们才能根据项目去编写这个规则可以就是全公司统一的规则，还是某某一类项目的规则?比如说你像上边儿这些，这个是可以作为统一的规范。然后你下面儿这个的话就要看你能不能通用于所有的项目，比如像这个的配置里是因为我装了一个历史版本的插件，所以它会去查询这个。
+
+🔵 说话人3 [02:19:37]
+然后包括有一些对比的规则，甚至就是说对直接你可以直接在这边儿去
+
+🔵 说话人3 [02:20:53]
+这个他会直接去编辑整个目录。
+
+🔵 说话人3 [02:21:02]
+像这种就是我放到了点儿税，它就是关于整个项目群。
+
+🟣 说话人2 [02:21:09]
+这这是项目级的是吧?对。
+
+🔵 说话人3 [02:21:14]
+也可以在这里新建的时候会有全局和项目，然后加到全局里面，它会在你安装时，整个 tree 会有个安装文件，它会在那个安装文件里面构造一个 tree 的隐藏文件，然后里面会有这个东西。然后常见这个智能体。
+
+🔵 说话人3 [02:21:57]
+书里也提到会有一些智能体，然后不同的智能体去做不同的事情。所谓的一个智能体就是可以理解为一套核心提示词，然后有一些工具偏好，还有规范约束。所谓核心提示词就是你将会要求他，比如说你是一个产品经理，或者说你是一个架构师，然后呢你在要求他用什么工具，你必须用什么。啊，JIRA去构建流程图，或者你必须用MD去输，就是你必须每一次对话都会有档有档。
+
+🔵 说话人3 [02:22:43]
+然后你再去约束他的规则，比如说你架构师的规则就是。你所输出的架构要符合项目的实际规范。必须遵循通用的必须遵循通用的 MVC 架构，像这一类的。然后尽量使用或者尽量使用单体项目，使用微服务。这些你做好约束之后，他就会自己去根据这个你的条件去那个。或者你最简方案生成。
+
+🔵 说话人3 [02:25:01]
+甚至像刚刚的一些规则，我们也可以让 AI 去完整编写。AI 也会读到你整个项目的架构。然后他会写一套适合自己的。
+
+🔵 说话人3 [02:25:23]
+像我们之前都会有代码规范。嗯这个就是生成的。
+
+🔵 说话人3 [02:27:24]
+这时候我们就可以用我们刚加的 a 阵去跟它对话。
+
+🔵 说话人3 [02:27:41]
+其他在跑的过程，我们再看一下别的菜单。基本上现在通用的 aiid 就是这么几块儿，智能体，然后 mcp q是 tree 自己独有的。然后它的一个核心逻辑就是你在代码中，它能提供根据你代码的上下文，然后去提供它认为对的一个输出，然后你点推广，它就自动掉到文档上了。它和别的 aiide 有个大区别就是别的 aiide 会不能跨文件去内部补全，这个是可以的。
+
+🔵 说话人3 [02:28:28]
+另外这个就是模型，这里没有什么好看的。
+
+🔵 说话人3 [02:28:35]
+还有代码流，对话流。嗯其实像这个文档集，我们就可以把这个 wiki 放到它的文档集里去。
+
+🟣 说话人2 [02:29:30]
+它这个 wiki 不是所有内容还是针对某个项目?这是针对某个项目。
+
+🔵 说话人3 [02:29:37]
+这个引导词是针对于你当前的项目。
+
+🔵 说话人3 [02:29:48]
+通用的话我只建议增加企业专属对，一个是这个，还有一个就是只建议增加像通用的智能体或者通用的 skill 像这些我们可以增加通用的
+
+🔵 说话人3 [02:30:21]
+这些增加通用的，然后我们在项目里可以添加项目自己的。
+
+🔵 说话人3 [02:30:38]
+钩子这应该是新版本新增的吧?
+
+🔵 说话人3 [02:31:17]
+像刚刚这个，我们去让他用这个架构顾问的 agent 去从业务角度分析录一。
+
+🟡 说话人4 [02:31:39]
+我们还可以就是再不用这个架构，再去和他对话，用同样的提示词，这样的话我们就可以看到我们添加的这个 agent 是不是符合自己需要的，刚刚这个也是自己生成的。
+
+🔵 说话人3 [02:32:11]
+可以简单看一下它这个生成的就像这套关键词，比如说我们把它复制出来，放到你的
+
+🔵 说话人3 [02:35:01]
+就同样的提示词，然后我把刚才的 agent 变成了 sql 然后这时候你只需要分析项目架构，然后它就会调用这个 sql 它是本质上跑的还是刚刚这个架构顾问的提示词。
+
+🟣 说话人2 [02:35:27]
+效果是一样的对，效果是一样的。
+
+🟥 说话人7 [02:35:34]
+这里边儿细微的差异后面我单独说一下儿。
+
+🟠 说话人5 [02:35:40]
+但它这个不就会占用一个本身的摄象头吗?是我我理解的智能体它是可以单独开一个端口，进行一个摄象头的，比如说把之前的一些摘要给放到新的智能体里面，然后再加上这一个特定的任务，然后让子智能体去执行。但是智能体它就可能会塞到整体的摄象头儿对，所以现在我这块儿是没有选刚刚架构师的 agent 选的是他自己原来的 agent。
+
+🔵 说话人3 [02:36:13]
+他们会有一些差别，但就像你刚说的，实际上本质上还是提示词的一个差别。那么如果你觉得你每次都需要用这个提示词，你就把它放到 agent 里，你只是需要你特定场景，然后使用 skill 即可。
+
+🔵 说话人3 [02:36:55]
+然后可以看到说基本上虽然说有一些有一些格式上的出入，但是都是能把整个项目给梳理清楚的，这方面是没有一个特别大的问题。至于还会有 m c p m c p 就是调用工具。m c p 和 sql 的区别，因为现在在 sql 里也是可以通过写一些脚本或写一些代码去调用工具，所以很多时候大家会觉得是不是 sql 能替代 m c p 这种的。
+
+🔵 说话人3 [02:37:37]
+但实际上它们两个的区别是在于一个作用范围上。比如说我只是能在我当前的全局，就是我配到全局也好，配到项目也好，它只是能在我当前的绘画，我去通过绘画去调用这个，但是我 m c p 的话，我可以对外提供成服务。就是我不仅我自己能调，然后我开发出来，我在其他场景也能调。
+
+🔵 说话人3 [02:39:01]
+这个 box 的规范应该是和扣的 x 保持一致的，然后我们在里面可以定义一些它在什么情况下执行哪些脚本儿。嗯
+
+🔵 说话人3 [02:40:57]
+这个是刚刚用架构顾问这个智能体，然后让它从业务角度去分析返回的结果。可以看到它会把你的关键词加入到智能体上下文之后，它还是会以你的关键词为准，就是关键词的优先级会高于它的一个会高于智能体里面带的一个优先级。所以说它会增加一些业务的东西，就是解决了什么问题。但是可以看到从下边儿东西，从后边儿之后，更多的还是用架构的角度去分析整个项目。
+
+🔵 说话人3 [02:41:48]
+然后这个只是用了同样提示词的 skill 然后没有加关键词的约束，那么它就单纯的从整个设计架构上边儿去思考去去回复了，去梳理了整个项目，然后看到细微的差别，实际上就是在最开始上边儿有没有用，就是说这个项目是做什么的。之后可以对比大部分内容都是大差不差的。
+
+🔵 说话人3 [02:42:31]
+这也就是说，这验证了我们之前生成的 wiki 的文档可能大家每个人的提示词习惯不一样，然后它生成的东西可能也会有一些区别，但基本上内容是准的，那么我们后续就没有必要再去频繁的生成它，然后就可以在规则里去配置。只有代码或项目架构发生变动时，再去触发它的更新。
+
+🔵 说话人3 [02:43:10]
+好，那大家还有什么问题吗?
+
+🟥 说话人7 [02:43:12]
+对，我们接下来答疑吧。
+
+🔵 说话人3 [02:43:14]
+嗯，接下来答疑，然后上边儿上午这些内容大家有什么问题?
+
+🟠 说话人5 [02:43:25]
+问题你们就是既有工程的改造应该大家都遇到过，有什么实际工作有什么问题可以问一下老师说的都是干货，哎有什么实在的问题行这个这个我说一个问题，因为原来我们有这个十十来年的那个老工程对吧?然后我们比如说想新加一个功能，有新需求了我们就想着能很容易的在这边儿加，结果好像把我原来的工程搞坏了就是说然后怎么修复也修复不了。
+
+🟠 说话人5 [02:44:01]
+反正我用这个的时候，我实际用的时候，另一个就是说有时候我那个我那里面的注释啊，或者是什么呀，里面如果是中文的，还搞不清楚。
+
+🔵 说话人3 [02:44:14]
+也就是说我在使用过程中，其实它对这个老工程好像没那么友好，就是后来我还是用的那个代码平台的那种方式把问题解决掉了。如果说把工程交给他，然后我告诉他我加个什么功能，目前来说还没有完全成功过当然如果说从零做，比如说给我做个登录界面，或者给我做个收银菜单。
+
+🟠 说话人5 [02:44:47]
+这些都是可以成功的，但是在我原来的工程里面我想做的刚才实现什么功能，目前来说我们还没做成功啊，应该是可以成功的，你要反复就首先你刚说的那个中文乱码。
+
+🔵 说话人3 [02:45:05]
+中文乱码现在这个说实在的，在我刚参加工作时也碰到过，就可能有一些老项目，他用的中文编码是 GB 或者 GBK 的，但后面儿基本上都是 UTF 杠八的。所以就是说我们先第一步先把项目能无损的把它的中文编码迁移过来，这个基本上都会有现成的。
+
+🟠 说话人5 [02:45:35]
+嗯嗯无损的迁移嗯就是说能保证原有的是好的
+
+🔵 说话人3 [02:45:46]
+你看像这个它就会有配置，现在基本都是 utf 杠八的。然后对老项目也是，你就是像这种简单的问题，你直接问他他原来使用的哪些编码。如果是也是 java 项目的话，基本上大差不差，都是这种格式，它会有配置文件。你先迁移到 utf 杠八。然后迁移过程中可能就是 jdk 和 utf 杠八，它对中文对应的编码是不一样的，签完可能会有乱码，你这种你可以先迁移成一个没有中文库的语言编码。
+
+🔵 说话人3 [02:46:37]
+迁移到一个没有中文库的语言编码，然后你再转成 UTF 杠八，这样的话就能切过来。切过来之后，至于你说的，比如说他敢增加一个完全的新的功能模块儿，他就得需要足够的上下文，首先他得了解你这个项目是做什么的，你还是得先把项目丢给整个 ai。
+
+🔵 说话人3 [02:47:12]
+就大模型它本身还是一个概率模型，基于神经网络的概率模型。所以说你丢给他上下文，他是推测根据你这个上下文大家使用的哪个字符会概率更高。比如说你就问他今天天气怎么样，然后他实际上不知道今天天气怎么样，但他会去调用他的一个训练数据，然后大部分人都说今天天气是晴，那么他就会给你回复今天天气是晴，哪怕是在下雨，他也会跟你说今天天气是晴。
+
+🔵 说话人3 [02:47:50]
+这时候就是会有一些就加了 m c p 这种工具，他会你再问他今天天气怎么样。它会调用天气的接口，然后告诉你今天是下雨。所以就是你你你那个项目，它如果没有足够的训练数据，那么它确实很难推出你下一步代码是如何编写，如何开发。你需要第一个是把你的整个业务逻辑给它。
+
+🟠 说话人5 [02:48:21]
+但是把项目结构给它，业务逻辑给它，然后这时候你再去让它出方案。实际上就是我的项目的业务逻辑对吧?或者是执行逻辑，我怎么给他本身就是一个问题对吧?你比如说我是通过一句话，一句话或两句话，或者反复告知他对吧?我也测试过，反正就是测试了几次，可能还不如我把我用那个代码补全，比如说我说的在某个方法加个什么方法，马上给我，我考过去，可能稍微有
+
+🟠 说话人5 [02:49:04]
+对那个还没有那个效率高，就是说如果我自动给他，我觉得像个死循环一样，不是这儿差点就是那儿差点，就是很难因为你看啊，像你用代码补全，然后它给你加完你再粘过去。
+
+🔵 说话人3 [02:49:20]
+实际上是因为它拿到了你这一块儿代码足够多的上下文，所以它推断的会比较准。那么你就要在用 agent 的时候，就是说在让它完成整个功能模块儿开发时，你就要给它足够多的上下文，然后这个上下文怎么来呢?第一个就是你基于整个项目构建 AI 的认知，就构建模型的认知，不是说构建我们的认知，让它有了对整个项目的了解，然后你再去开发。
+
+🔵 说话人3 [02:49:57]
+开发的话，你选择应该是有个 plan 模式任务模式，这样的话它就会能更好的去执行。
+
+🔵 说话人3 [02:50:22]
+对，就是但是现在是这样，比如说我的项目对吧?
+
+🟠 说话人5 [02:50:28]
+他这个首先他背后那个比如说他那个字节那个模型，他从来没有用我们项目的代码去训练过对吧?他肯定是没有的对他肯定是没有的，就是说我怎么把我代码的这些逻辑关联关系啊对吧?你这东西给他，这本身就是问题啊。他会我喂给他以后，他就能消化，然后修改自己
+
+🟥 说话人7 [02:51:00]
+恩我打一下吧啊我我来答一下这个问题啊。刚才我也听这个 smart 刚才也回，他逐步回答了这俩问题，我觉得是相当于俩问题嘛，一个是咱这个中医编码，另一个是我们老项目在这个 ai 加入的过程中，发现不如咱这个老师傅这个经验。这个字符编码这个问题其实是个工程化的问题，刚才 smart 也答了很多，可能需要针对性去看一看我们怎么来修复。
+
+🟥 说话人7 [02:51:29]
+因为传统情况下，技术点已经确认了，就是编码的问题，字符编码的问题。那么这些模型训练时，可能本身就不会在意编码问题，产生了说我们插入乱码了，这个算是一个工程问题，可以具体去看。这个现在就变成了说我们发现这个 ai 我们尝试来帮助提升工作的时候，不好，效果不好，比较差。这里也是可以分成两个点，一个是我们工程上怎么去优化它，再一个是怎么和 ai 做协作。
+
+🟥 说话人7 [02:51:59]
+工程化做优化呢，就是刚才 smart 去提这个设置时，我们有一个叫上下文规则叫入子，或者说一个叫 agency 的 md ，它的作用呢，就是在当前模块下约定当前的逻辑规则。这个的意思呢，是不是，并不是说一个项目中只能有一个，它可以每个文件夹，每个模块有一个。这样的话，比如我们在改这个用户密码的时候，可能完全和这个用户权限完全没关系。
+
+🟥 说话人7 [02:52:29]
+所以我们就可以在合适的文件夹下，下面去添加这个 agent agent 点 md 就是约束一下，说这个模块是改这个密码的，那我们去专注这一部分业务逻辑，让他去填充说这一块是怎么做的。这样说我们有一个渐进式的流程，对你的老代码来说，或对你这个已有的现有的超超大的庞大项目来说，就可以逐步来改。因为我们很少说，一个命令下去把所有模块都改了，一般是一个模块一个模块改，所以你尝试去让 agent 去跟你协作的时候，你可以试一下，就是在不同的模块下添加这个 agent 然后来约束它的改动。
+
+🟥 说话人7 [02:53:08]
+然后让它来理解。在我之前合作的一些项目中，也有类似和你这样困惑，就是他们有一些自动化的流程，非常的靠，非常的老。靠口口相传，甚至说文档也不齐，然后 ai 去尝试理解的时候，它只能靠猜靠蒙。比如我们有一个外置的命令，大家都是说上线是统一按在这里交给一个特定的人来操作，至于怎么操作，我们不知道，那 ai 它也猜不到，就只能靠乱编了，所以就产生了说效果不好的这个东西。
+
+🟥 说话人7 [02:53:39]
+这个话题呢，就变成了我们怎么把当前的业务流程迁移到更对这个 ai 更友好，或者说对普通新人更友好的一个话题上来了。那新人进来之后，怎么能像老师傅一样把这些流程，这些业务逻辑也能跑通，如果新人能跑通，那就意味着他的这个上下文加载好了。那我们有可能会说，我们有需要加载更多的这个 word 更多的这个计划是怎么回事。
+
+🟥 说话人7 [02:54:06]
+某些环节，比如说你所有的部署你都不用参与考虑，因为这个环节是人工来完成的，甚至说需要审批来完成，那就如果我们把这些约束告诉完之后，他后面就不会尝试自己去琢磨怎么去完成这些部署，怎么去完成这些测试了。之前有一个常见的案例是，他们有一个企业是做自动移动端自动化测试的，他们要测各种安卓，安卓非常复杂，AI就尝试去做了，发现效果很差，还不如他们新来培训的这三个月的员工呢。
+
+🟥 说话人7 [02:54:37]
+就交流之下发现，哦，新员工能接受到很多文档，这文档呢，可能在网站上，在内网上，在钉钉上，就分散比较多，可回到结合这个案例呢，就变成了说我们遇到这个问题，看怎么去解决表面的问题。就把这个信息灌给他，深层的问题是怎么把这个文档更好地组织到这个代码中，或者说我们刚才这个崔里面也有一个这个文档集的一个概念，就是把这些文档喂给他。
+
+🟥 说话人7 [02:55:05]
+让他去尝试发现代码中没提到的部署怎么来做，某个模块要怎么来上线时，有可能去，他会去查这个文档集，当然这一个点又变成了具体的功能怎么来使用，然后工程上怎么来优化。这个也是我们需要点对点去看，所以回回归刚才提的这俩问题，基本都是可以从工程角度就是我们怎么去解决这个具体的问题。另一个像另一个角度就看怎么让 ai 去，他可能他能力只能读 utf 杠八，或者只能读你给的代码，你不给他文档，他就猜不到，也只能靠瞎编，怎么去引导他解决这个事。
+
+🟥 说话人7 [02:55:44]
+或者说现在相当于塞入一个实习生，他刚大学毕业，或者还在上学，怎么尽快和你有相似的认识，他可能很多细节不了解，但是你给他指点一下，他可能根据文档一步一步来操作。那 ai 和这个时候就和新实习生是一样的。能够一点一点的在你的引导下，逐步提高他的工作效率，减轻你的工作负担。
+
+🟥 说话人7 [02:56:11]
+就这样，我是想尝试说表面和深层的两个角度都看看怎么来结合，但具体能不能解答好你的问题，或者说怎么让崔来辅助好你的工作，可能需要点对点的去来看。我们去单独去讨论去去落地这个事情。
+
+🟢 说话人1 [02:56:28]
+那个要不中午就到这里，到饭点了，到下午两点，还在会议室。
+
+🟥 说话人7 [02:56:37]
+啊，你下午想说啥?我可以说。
+
+🔵 说话人3 [02:56:43]
+接着往下说。
+
+🟥 说话人7 [02:56:44]
+对你说第二天还是第一天还有内容?
+
+🔵 说话人3 [02:56:47]
+第一天基本没了，就接着说，然后不是要压缩嘛。
+
+🟥 说话人7 [02:56:51]
+嗯嗯，那个功能串点我也可以说，就是这都 ok 比如那个串刚才串库克斯的，库克斯看来他企业版才有，我查了一下，个人版还没有。这个就和科瑟对这个就和科瑟对齐了。
+
+🔵 说话人3 [02:57:06]
+吃完饭你中午可以午休，你午休也可以在这。嗯。好。
+
+
+
+---
+
+## 🔗 原始音频
+
+- 链接：[音频文件](https://get-notes.umiwi.com/get_notes_prod%2F202606131325%2Fgetnotes_lcf_1a8b3a7840202a38H8r8ajID.mp3?Expires=1790150072&OSSAccessKeyId=LTAI5t7toTp72R3TvdXf9QdK&Signature=i04tcswKusEbu2u5DF6cBJf9ytU%3D)
+- 时长：177分11秒
\ No newline at end of file
diff --git a/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 下.md b/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 下.md
new file mode 100644
index 0000000..15d02d4
--- /dev/null
+++ b/企业培训3-1逐字稿/郑州企业培训 3-1 第一天 下.md	
@@ -0,0 +1,1594 @@
+---
+source: get-note
+note_id: "1912686428476747496"
+note_type: "local_audio"
+created: 2026-06-13 13:20:49
+synced: 2026-06-15 15:54:21
+link: https://biji.com/note/1912686428476747496
+tags: [get笔记, 郑州企业培训, 公开分享, "AI编程"]
+---
+
+# 2026年06月12日 14点07分.m4a
+
+### 📑 智能总结
+
+#### 录音信息
+- **时长**：约 3 小时 2 分钟
+- **参与人数**：约 6 人
+- **内容类型**：技术培训分享
+
+#### 录音总结
+
+本次培训分享围绕AI辅助代码开发，讲解了提示词设计、上下文管理、模型能力选型、幻觉控制、规则配置等核心内容，同时针对学员提出的问题进行答疑，明确了后续培训安排与AI开发落地的量化方向。
+
+**AI辅助代码开发提示词设计原则**
+* **合格任务的核心要素**：一个合格的AI任务需要满足明确性、范围约束、边界约束、输出格式四个要求。明确性要求具体到优化点，不能笼统描述；范围约束要求限定本次修改只涉及特定子功能，不对整个模块做重构。
+* **边界约束要求**：需要告知AI红线规则，比如不能删除原有代码逻辑、不能修改中文注释，必须遵守项目现有代码规范，包括架构分层、命名规范等。
+* **输出格式要求**：标准输出需要包含本次修改的操作列表、代码diff变化、测试用例、验收标准四个部分，验收只能以功能是否符合要求为标准，不需要考量代码逻辑本身。
+* **任务示例对比**：笼统要求优化用户管理模块，AI会扫描所有用户相关代码，给出多维度无关优化建议；明确要求审查用户删除权限，限定范围为用户管理页面的增删改操作，要求输出表格不修改代码，AI可以精准定位目标文件，只输出符合要求的审查结果，减少token消耗。
+
+**AI开发上下文选择策略**
+* **必填上下文要素**：向AI提供上下文必须包含目标、范围、输入文件、约束四个要素，不需要可以不要求输出格式，避免不必要的token消耗。
+* **上下文层级分类**：上下文共分为四个层级，分别是工作空间级、文件级、代码级、外部资料级。工作空间级适合陌生项目了解整体架构，文件级适合聚焦特定功能模块分析，代码级适合分析单个函数方法，外部资料级适合查询框架文档与技术选型资料。
+* **上下文压缩的影响**：当输入内容超过模型上下文窗口大小，模型会自动压缩上下文，压缩方式包括去除格式、提取关键词、只保留最近几轮对话，压缩必然会带来内容缺失，增加幻觉概率。
+* **上下文选择原则**：选择上下文遵循先宽后窄的渐进原则，陌生项目先从工作空间级开始，再逐步缩小到文件级、代码级，避免一次性输入过大上下文造成污染与不必要的token消耗；完成一个功能模块后建议开启新对话，减少幻觉。
+
+**主流大模型能力梯队划分**
+* **国内模型梯队**：国内第一梯队模型为Kimi、Deepseek、GLM，第二梯队为Minimax、豆包、千问闭源版，第三梯队为开源千问等模型，版本越新的模型能力越强。
+* **不同模型适用场景**：Deepseek代码开发出错更少，逻辑链更严谨，token单价低，上下文缓存最长可达半天以上，多轮对话成本远低于其他模型；豆包和Kimi处理文档类工作表现更好。
+* **模态能力区分**：分为单模态与多模态模型，单模态只能处理文字，多模态可以处理文字、图片、音频、视频，原生多模态从训练初期就包含多模态数据，能力比后天追加多模态能力的模型更强。
+* **模型收费规则**：模型收费分为上行输入与下行输出，命中缓存的请求价格远低于未命中缓存，Deepseek缓存时间长，长期使用成本更低。旗舰模型token消耗费率是非旗舰模型的1.5-1.6倍，同样额度下能处理的任务量更少。
+
+**AI代码开发幻觉控制方法**
+* **幻觉产生原因**：AI代码开发常见幻觉分为死循环幻觉与虚构内容幻觉，死循环表现为查找文件时不断交叉触发查找无法得出结论；虚构内容表现为项目不存在对应文件，AI会自行构造内容输出。幻觉产生一方面和模型参数设置有关，越不理性的模型越容易产生联想型输出，另一方面和上下文不准确有关。
+* **幻觉控制方案**：控制幻觉的核心是强制要求AI必须基于项目已有的事实输出，先找证据，再判断原因，最后给出方案，要求明确区分确定事实、合理推测、无法确认三种情况。
+* **幻觉处理方案**：如果AI频繁出现幻觉，最优方案是更换更理性的一线模型，若上下文过多导致幻觉，建议开启新对话，使用干净的上下文重新处理任务。
+
+**Git忽略文件配置规范**
+* **需要忽略的文件类型**：真实配置文件、构建产物、本地环境文件不需要提交到Git仓库。不同AI开发工具会生成不同的隐藏文件，比如`.vscode`、`.code`等，所有AI相关隐藏文件都需要配置到Git忽略列表中。
+* **AI上下文提交规则**：有留存价值的AI对话上下文可以提交，但不能将密钥、敏感数据放到AI上下文中提交；为解决单个bug产生的多轮无价值对话不需要提交。
+* **敏感信息风险控制**：配置忽略规则时，需要屏蔽包含敏感信息的配置文件，禁止将数据库密码、Redis密钥、JWT密钥、第三方服务密钥等敏感信息提交到代码仓库。
+
+**AI代码开发规则Ruler配置方法**
+* **Ruler的作用**：Ruler是用来约束AI输出行为的规则，核心作用是减少AI输出的随机性，强制AI按照项目规范生成代码，同时节约AI每次学习项目架构的token消耗。
+* **Ruler编写规范**：编写Ruler需要明确四个要素：触发场景、必须执行的动作、禁止绕过的要求、验收方式。触发场景只对匹配的模块生效，避免不必要的触发。
+* **Ruler层级设计**：Ruler分为全局规则与项目级规则，全局规则适用于整个技术部门所有项目，比如前端按钮仅做交互控制，不能作为安全边界，增删改操作必须记录操作日志；项目级规则针对具体项目的技术栈与功能做细化规范。
+* **前端Ruler示例**：前端通用Ruler包含API调用规范、命名规范、状态管理规范，要求列表必须有loading、空、错误三种状态，表单必须做必填校验，操作失败后要正确处理提交按钮与弹窗状态，敏感操作必须增加二次确认，字典值必须复用已有配置不能硬编码。
+
+**学员问题答疑与讨论**
+* **代码质量提升方案**：AI生成代码质量和原有项目代码质量正相关，提升质量可以让AI扮演资深安全开发工程师，以挑剔的视角做代码审查，通过角色扮演强制AI找出潜在问题，比常规请求更容易得到明确的优化建议。
+* **Ruler使用必要性讨论**：如果模型能力足够强，能自主学习项目架构，可以不写Ruler；超大型项目、需要精细化控制输出、使用小尺寸本地模型时，Ruler的作用更明显。所有周边技术（Ruler、Skill、MCP）的核心目标都是把概率模型的输出变成确定性结果。
+* **异常流量消耗问题**：如果工具不操作也会大量消耗流量，一般是代码索引更新导致，检测到代码改动后会重新做项目索引；也有可能是软件更新被安全策略拦截后不断重试，建议联系官方客服排查。
+* **额度不足解决方案**：当前工具开放了自定义API接入，额度用完后可以自行接入第三方模型，小米2.5 Pro降价99%，申请通过率高，适合个人使用；Deepseek成本低，也适合作为补充。
+
+**AI开发落地量化指标讨论**
+* **现有可用指标**：企业版后台目前只能提供生成代码量、token消耗量两个基础指标，无法直接体现AI对开发效率的提升。
+* **指标收集方案**：可以结合Git提交日志与工单管理系统，通过AI分析提交行为，结合工单完成时间来量化人效提升；内网物理隔离环境下，可以通过Git hook做简易埋点统计，或者将提交日志导出后用AI分析提交特征。
+* **当前额度配置**：公司当前给每人配置了1亿的基础额度，额外配置了4亿的Deepseek额度，用户额度消耗差异大，激进用户会快速用完额度，可以后续根据使用情况调整分配策略。
+
+**后续培训安排规划**
+* **本次培训目标**：本次两天培训的核心目标是给不同使用基础的同学拉齐AI开发的基础认知，第一天讲解基础概念与使用方法，第二天会针对Skill开发、工作流程做针对性讲解，同时带读相关书籍，收集问题做针对性答疑。
+* **第二天培训安排**：明天上午为半天培训，会补完今天未讲完的内容，讲解技术演进八卦，梳理常见使用困惑，带读书籍结构，收集学员问题后做针对性解答；明天下午项目组会讨论给老板汇报的AI编程工作规划材料。
+
+**AI辅助开发实践的经验总结**
+* **Skill的价值**：Skill是封装好的标准化流程，不管是资深开发还是实习生都能使用，可以明确提升开发效率，是当前AI落地的核心方向，后续会专门安排分享。
+* **上下文精准性的价值**：提示词越精准，AI匹配的Skill越准确，token消耗越少，输出结果越符合需求，泛化的提示词会让AI反复匹配Skill，造成不必要的token浪费。
+* **小模型大作用的思路**：使用小尺寸本地模型时，可以通过精准的Ruler规则约束输出，实现接近大模型的使用效果，降低使用成本。
+
+**不同AI开发工具的使用体验分享**
+* **工具稳定性评价**：反重力工具改版后体验变差，已经很少使用；Cursor目前使用体验相对稳定，个人可以通过闲鱼购买共享额度，美区ID方式可以正常使用。
+* **自定义模型接入**：当前工具已经开放自定义API接入，可以自行部署模型接入，也可以直接接入第三方官方模型，解决原生额度不足的问题。
+
+---
+
+### 📅 章节概要
+[00:00:00](https://getnotes.seek:0) **AI开发任务设计基础讲解**
+
+讲解AI辅助代码开发的两种工作模式，一种是AI思考后直接修改代码，另一种是AI先提问确认，再输出任务清单，任务清单可以避免AI丢失上下文。提出笼统的任务比如“优化用户管理模块”会让AI无法明确优化点，输出不符合需求的内容。
+
+[00:03:09](https://getnotes.seek:189) **合格AI任务的四个核心要求**
+
+明确一个合格的AI任务需要满足四个要求：
+- 明确性：要求具体到优化点，不能笼统描述整个模块
+- 范围约束：限定本次修改只涉及特定子功能，不对整个模块做重构
+- 边界约束：告知AI红线，比如不能删除原有代码、不能改中文注释，必须遵守现有代码规范
+- 输出格式：要求包含修改操作列表、代码diff、测试用例、功能验收标准
+
+当前一线大模型已经会主动推荐优化点，会按照优先级排序，用户只需要确认高优先级优化点是否符合需求即可。
+
+[00:08:04](https://getnotes.seek:484) **不同清晰度提示词效果对比**
+
+演示模糊提示词的执行过程：第一次提笼统优化需求，AI询问具体优化点，用户明确为删除权限审查后，AI才开始分析模块，这个过程会产生两轮对话，浪费token与时间。演示精准提示词的效果，精准提示词明确要求分析按钮权限调用链路，限定范围为用户管理页面增删改，要求不修改代码只输出表格，AI可以直接精准定位目标文件，输出符合要求的结果，减少无效消耗。
+
+[00:16:50](https://getnotes.seek:1010) **标准提示词模板展示与效果验证**
+
+展示审查用户删除权限的标准提示词模板，明确任务、范围、禁止操作、输出要求，AI按照要求输出了关键文件、风险判断、修改建议、验证步骤。对比模糊提示词，精准提示词输出的结果更聚焦，不会额外扫描无关代码，符合用户的实际需求，提示词越详细，AI匹配Skill越精准，token消耗越少。
+
+[00:25:11](https://getnotes.seek:1511) **上下文核心要素与层级分类讲解**
+
+讲解给AI提供上下文的必填要素，包括目标、范围、输入文件、约束四个部分，输出格式不需要可以不要求，避免不必要的token消耗。将上下文分为四个层级：
+- 工作空间级：适合陌生项目，全量扫描项目生成整体认知
+- 文件级：聚焦单个文件，分析文件用途、调用关系、修改影响
+- 代码级：只分析选中的几十行代码，聚焦具体函数
+- 外部资料级：查询外部文档、框架新特性，做技术选型调研
+
+[00:29:54](https://getnotes.seek:1794) **上下文压缩与选择决策树讲解**
+
+讲解当输入超过模型上下文窗口时，模型会自动压缩上下文，压缩方式包括去除格式、提取关键词、只保留最近几轮对话，压缩必然带来内容缺失，增加幻觉概率。给出上下文选择决策树：陌生项目不知道入口文件用工作空间级，知道修改哪个文件用文件级，不理解单个函数用代码级，查框架资料用外部级，选择遵循先宽后窄的渐进原则，避免一次性输入过大内容，完成一个功能后开启新对话能减少幻觉。
+
+[00:38:03](https://getnotes.seek:2283) **不同层级上下文使用示例讲解**
+
+讲解工作空间级上下文适合项目初期了解架构，要求AI输出具体文件路径、类名、方法名，标注代码依据，这个阶段的目标是让AI和开发者都了解项目，不是立刻解决问题。文件级上下文适合已经有整体认知后，聚焦特定模块分析，查找速度更快，匹配更精准，减少token消耗。代码级上下文适合分析单个方法，明确方法作用、调用关系、失败处理逻辑，输出结果最精准。
+
+[00:54:10](https://getnotes.seek:3250) **模型能力选型问题答疑开场**
+
+讲解完上下文相关内容后开放提问，有学员询问当前系统各模型的能力差异与选型方法，主讲人开始介绍国内主流模型的梯队划分。
+
+[00:59:55](https://getnotes.seek:3595) **国内主流模型梯队划分**
+
+主讲人从使用体验出发，划分国内模型梯队：第一梯队为Kimi、Deepseek、GLM，第二梯队为Minimax、豆包，千问闭源版可进入第一梯队，开源千问属于第二或第三梯队，版本越新的模型能力越强。补充不同模型的适用场景：Deepseek代码开发出错少，逻辑严谨；豆包和Kimi处理文档类工作表现更好。
+
+[01:01:41](https://getnotes.seek:3701) **单模态与多模态模型区别讲解**
+
+讲解模型的模态分类：单模态只能处理文字，多模态可以处理文字、图片、音频、视频；原生多模态从训练初期就包含多模态数据，能力比后天追加多模态能力的模型更强。补充说明内置模型排序将第二梯队模型放在前面，是因为其为自家产品，token单价更低。Deepseek V4 Pro本身是单模态，不支持识别图片，不同部署方式会衍生出不同的版本。
+
+[01:03:30](https://getnotes.seek:3810) **Deepseek模型成本优势讲解**
+
+补充Deepseek V4 Pro的核心优势，一是能力强，二是token单价低，三是上下文缓存时间长，可以达到半天到一天以上，而国外模型缓存只有5分钟，缓存过期后重新请求需要重新付费，因此Deepseek使用成本远低于其他模型，适合在一个对话里持续完成任务。
+
+[01:07:51](https://getnotes.seek:4071) **token消耗异常问题解答**
+
+有学员提问为什么新建对话会大量消耗token，解答：AI的整个思考循环过程都计算token消耗，如果AI反复查找文件，会产生多轮循环，整体token消耗会很高，有时候一个简单问题也会产生很高的消耗，甚至出现一次消耗几百元的情况。解答小米模型的相关问题：小米2.5 Pro最近降价99%，使用体感接近Deepseek V4 lite，复杂任务能力弱于Deepseek，简单任务和其他模型拉不开差距。
+
+[01:10:02](https://getnotes.seek:4202) **模型套餐额度计费规则说明**
+
+说明套餐额度的计费规则：不同档位模型费率不同，非旗舰模型按1倍费率计算，旗舰模型按1.5-1.6倍费率计算，因此相同额度下，旗舰模型能处理的任务更少，具体规则可以找官方工单确认。有学员提问如何提升AI生成代码的质量，提到AI生成代码质量和原有项目代码质量正相关，原有代码质量差，生成的质量也差，询问如何提升。
+
+[01:14:49](https://getnotes.seek:4489) **提升AI代码质量方法分享**
+
+分享提升代码质量的方法：可以让AI扮演资深工程安全专家，用挑剔的视角找出潜在问题和优化点，这种角色扮演比常规请求更容易得到明确的结果，避免AI倾向于少改动、恭维开发者。这种方式本质是通过重新定义AI的角色，让AI更严肃理性地审查代码，已经通过这种方式找出了很多之前被忽略的问题。
+
+[01:16:25](https://getnotes.seek:4585) **不同编程语言模型选型建议**
+
+解答编程语言相关的选型问题：最终代码需要开发者兜底，因此没有强制推荐，团队可以做量化评测，让测试同学转化为评测岗，用10个模型分别跑相同任务，统计完美成功率，输出量化指标推荐模型，开发者可以根据指标选择，也可以按照个人习惯选择。提到本次培训第一天先拉齐基础认知，第二天会专门分享Skill开发与工作流程，Skill已经得到行业认可，能明确提效，适合不同经验的开发者使用。
+
+[01:22:16](https://getnotes.seek:4936) **闲置状态流量异常问题解答**
+
+有学员反馈工具不使用也会产生大量流量消耗，甚至单日达到好几G，分析可能的原因：一是工具检测到代码改动后会重新生成代码索引，这个过程会消耗token；二是可能无意间将内部依赖上传，或是软件更新被安全策略拦截后不断重试，建议联系官方客服排查，企业版可以让官方介入定位异常原因。
+
+[01:24:53](https://getnotes.seek:5093) **中场休息与第三方模型接入说明**
+
+安排休息十分钟，休息期间讨论额度超标后的解决方案，当前工具已经开放自定义API地址，支持接入自行部署的模型，小米模型赠送大量token，申请通过率高，适合作为补充；Deepseek成本低，也适合补充使用。讨论目前企业版只有内置模型有额度，第三方模型需要自行付费，目前业内都是个人自行解决第三方模型的费用问题。
+
+[01:31:17](https://getnotes.seek:5477) **AI开发工具使用体验闲聊**
+
+闲聊不同AI开发工具的使用体验：反重力工具改版后体验变差，已经不再使用；Cursor目前体验相对稳定，个人可以通过闲鱼购买共享额度，用美区苹果ID可以正常使用，Google验证严格，容易封号不推荐。提到不同人的使用习惯不同，没有统一的最优选择，按照个人习惯选择即可。
+
+[01:36:18](https://getnotes.seek:5778) **AI代码开发幻觉问题讲解**
+
+休息结束后继续讲解，讲解AI开发中的幻觉问题，开发场景中常见的幻觉是死循环，即查找文件时不断交叉触发查找，无法得出结论；另一种是虚构内容，项目不存在对应文件，AI会自行构造内容输出。幻觉产生和模型的理性参数有关，模型是概率模型，越不理性的模型越容易选择低概率的错误输出，更换更理性的模型是解决幻觉的最优方案。
+
+[01:41:24](https://getnotes.seek:6084) **幻觉控制方法讲解**
+
+讲解幻觉控制方法，要求AI必须先基于项目已有事实找证据，再区分确定事实、合理推测、无法确认三种情况，最后再给出方案。演示后端项目没有前端登录页面，让AI修改登录页面的场景，理性模型会直接告知不存在该页面，不会构造虚假内容，当前一线模型已经很少出现低级幻觉，上下文过多导致的幻觉，可以通过开启新对话解决。
+
+[01:48:02](https://getnotes.seek:6482) **Git忽略文件配置规范讲解**
+
+讲解Git忽略文件的配置规范：真实配置文件、构建产物、本地环境文件不需要提交，不同AI开发工具生成的隐藏文件都需要加入忽略列表。有价值的AI对话上下文可以提交，但不能包含密钥、敏感数据，解决单个bug产生的无价值对话不需要提交。需要屏蔽包含敏感信息的配置文件，禁止将数据库密码、第三方密钥等敏感信息提交到仓库。
+
+[01:53:11](https://getnotes.seek:6791) **Ruler规则配置基础讲解**
+
+讲解Ruler的作用与编写方法，Ruler是约束AI输出的规则，可以按照项目配置不同的规则，编写Ruler需要明确四个要素：触发场景、必须执行的动作、禁止绕过的要求、验收方式。触发场景可以限定只在对应模块触发，避免不必要的执行。Ruler分为全局规则和项目级规则，全局规则适用于所有项目，项目级规则针对具体项目做细化。
+
+[02:00:16](https://getnotes.seek:7216) **权限规则Ruler示例讲解**
+
+展示权限相关的全局Ruler示例：要求前端按钮仅作为交互控制，不能作为安全边界，修改权限必须检查后端对应接口的权限配置；所有增删改导出操作必须记录操作日志。这种规则可以强制AI生成的代码符合项目安全规范。敏感规则要求不能输出明文密码、密钥，不能提交真实生产配置，示例配置必须使用占位符。
+
+[02:05:31](https://getnotes.seek:7531) **Ruler层级设计讲解**
+
+讲解Ruler的层级设计：全局规则约束通用规范，项目级规则针对具体技术栈做细化，比如Java项目要求检查权限注解，Node项目要求检查路由权限，技术栈相同可以复用同一套全局规则。可以基于工具自带的code review规则，修改为符合自身项目需求的自定义规则，规则尽量用英文编写，英文对AI来说歧义更少。
+
+[02:14:18](https://getnotes.seek:8058) **前端Ruler规则示例讲解**
+
+讲解前端Ruler的设计方法，不能直接复用网上的通用方案，需要结合项目实际调整，明确前端修改流程：先找入口，再从页面到API模块再到权限字典，逐步修改，每一步明确禁止操作，要求必须检查前后端全链路，不能只改前端忽略后端。给出前端通用规则示例：新增按钮必须复用已有组件，接口必须放到对应API模块不能硬编码，敏感操作必须增加二次确认，字典必须复用已有配置不能硬编码。
+
+[02:25:10](https://getnotes.seek:8710) **规则作用答疑**
+
+解答老项目提升代码质量的问题，如果原有老代码质量较差，可以通过Ruler强制要求AI按照规范生成新代码，提升整体代码质量，规则可以设置为智能生效，只在操作对应内容时触发。展示完整的前端工程通用规则，涵盖列表、表单、字典、导出删除等各个场景的要求，比如列表必须有loading、空、错误三种状态，表单必须做必填校验，操作失败后要正确处理UI状态。
+
+[02:33:37](https://getnotes.seek:9217) **规则相关问题答疑开场**
+
+今天内容讲解完成，开放提问，针对规则和AI开发的相关问题做答疑，线上线下学员都可以提问。有学员提问知识库是自己积累还是可以先生成再完善，解答wiki文档本质就是给项目代码建立索引，让AI不需要每次全量扫描，能提升查询速度，wiki可以让AI生成，后续开发者再手动完善。
+
+[02:35:16](https://getnotes.seek:9316) **规则生成方法答疑**
+
+解答规则生成相关问题：规则可以先由开发者定义框架，比如要求后端代码分为ctrl、service、do三层，明确每一层的职责，再让AI生成符合要求的完整规则，项目本身已有框架，只需要把框架要求告诉AI，AI就能生成对应的规则。讨论Ruler是否必须添加，模型能力变强后，已经能自主学习项目架构，不添加Ruler也可以使用。
+
+[02:38:31](https://getnotes.seek:9511) **Ruler作用讨论**
+
+讨论Ruler的价值：超大型项目、需要精细化控制输出、使用小尺寸本地模型时，Ruler的作用更明显，能约束AI输出，避免AI抽风输出不符合要求的内容。Ruler可以节约AI每次学习项目架构的token消耗，上下文溢出、模型输出降质时，Ruler能提升输出质量。所有AI周边技术，包括Ruler、Skill、MCP，核心目标都是把概率模型的输出变成确定性结果。
+
+[02:42:55](https://getnotes.seek:9775) **后续培训安排说明**
+
+说明第二天的培训安排：明天上午为半天培训，补完今天未讲完的内容，讲解Ruler的技术演进，梳理常见使用困惑，带读相关书籍的结构，收集学员问题后做针对性答疑，后续会针对收集的问题做专项解答。有学员提问项目带宽限制，解答限制是为了避免上下文爆炸，模型会优先查找附近文件，控制上下文大小。
+
+[02:45:35](https://getnotes.seek:9935) **今日培训收尾与明日安排确认**
+
+确认明天上午九点开始培训，明天下午项目组会讨论给李老板汇报的AI编程工作规划材料，征集大家的问题和诉求，方便写到汇报材料中，今日培训结束，后续自由交流。
+
+[02:48:02](https://getnotes.seek:10082) **线下自由交流：AI开发指标讨论**
+
+线下剩余人员讨论AI开发落地的量化指标问题，企业版后台目前只有token消耗量、生成代码量两个指标，维度不足，说服力不够。公司当前给每个人配置了1亿基础token额度，额外配置4亿Deepseek额度，已经有用户在几天内就用了1.8亿额度，不同用户的消耗差异很大。崔本身的token消耗比CloudCode更高，缓存做得不好，整体成本更高。
+
+[02:54:47](https://getnotes.seek:10487) **内网隔离环境指标收集方案讨论**
+
+讨论内网物理隔离环境下的指标收集方案，内网物理隔离无法做中转站审计，只能通过Git hook做简易埋点，或者导出Git提交日志后，让AI分析提交行为，结合工单管理系统的工单完成时间，量化人效提升。可以通过提交频率、工单完成时间来衡量AI对开发效率的提升，当前只能做粗略统计，无法做到非常精准。
+
+[03:02:25](https://getnotes.seek:10945) **交流结束**
+
+确定后续逐步完善指标统计方案，结束本次交流。
+
+### ✨ 金句精选
+
+- “提示词越精细，那么它针对于的回答也是更符合我们的要求。这样的话，我们确保它每一次执行任务时，就能不会大批量修改整个文件，也不会改整个项目里的一些东西。” (执行策略)
+- “有时候也不是说上下文给的越多，它就越好，因为它也可能会存在上下文污染的情况，以及丢失上下文。” (方法技巧)
+- “如果我们一上来就把一个非常大的问题丢给AI。那它消耗的token也是非常大的。而且未必是你想要的一个东西。” (执行策略)
+- “如果说AI最后只是给出了一个结论，然后其他什么都没有，那么说明这一轮上下文对AI，就是对AI来说是没有任何价值的。” (方法技巧)
+- “所有周边技术，包括Ruler、Skill、MCP，核心目标都是把概率模型的输出变成确定性结果。” (战略洞见)
+- “我们谁也没有办法确定这种神经网络概率模型，它百分百每次出的都是我们想要的，所以我们就需要用规则去约束它。” (思考启发)
+
+### 📋 待办事项
+- 说话人3：发工单咨询官方，确认模型套餐额度的具体计费规则
+- 说话人3：联系官方排查闲置状态异常流量消耗的原因
+- 培训组织者：在微信群收集学员问题，汇总后用于后续答疑
+- 项目组：明天下午讨论给老板汇报的AI编程工作规划材料
+- 说话人5：完善AI开发量化指标的统计方案
+- 主讲人：明天上午补完今天未讲完的内容，讲解Ruler演进与常见困惑
+- 主讲人：明天带读相关书籍，梳理书籍结构
+
+（检测到输入中无`(我)`标记，停止生成）
+
+---
+
+## 🎙️ 原始 ASR
+
+🟢 说话人1 [00:00:00]
+就是他可能经过思考，然后就会直接去操作改你的代码。第二种方式就是他可能经过思考，然后又会询问你几个问题。然后呢，在之后就会把这个代码先生成一个任务列表，这任务列表可能就有第一项我要做什么，第二项我要改哪些文件，第三项改完后我如何进行验收，第四项我是如何通知用户。我这个已经改完了。他会把他要做的工作罗列出来，这样的话罗列他之所以罗列这个功能，也是为了避免自己会把上下文丢失，他会用一个东西自己约束自己。
+
+🟢 说话人1 [00:00:52]
+所以我们就是先把我们需要 AI 做的东西要说清楚。比如说我就写一个帮我优化用户管理模块儿，这样的话对 AI 来说，他可能就
+
+🟢 说话人1 [00:02:18]
+就像这个，我们就笼统的和 AI 说，帮我们优化用户管理模块儿。虽然它也会执行这个任务，也会调用相应的技能，但是它并不知道它需要优化的点是哪里。然后对它来说，它可能会把这些它认为不合理的地方都会罗列进来。有时候他认为不合理的，可能确实是不合理，也有可能是我们一个功能上的需求。
+
+🟢 说话人1 [00:03:09]
+所以我们这个就涉及到我们好的任务是什么?好的任务首先就是它是明确的。他不会像我刚才那个提问说帮我优化用户模块儿，他一定是具体到用户模块儿怎么优化。第二个就是范围。虽然这个用户模块儿已经具体到一个完整的功能模块儿，但是我们不可能会针对于整个用户模块儿进行重构，那么我们一定要约束它的范围是这次我们是优化用户模块儿的信息管理。
+
+🟢 说话人1 [00:03:45]
+还是优化它的一个登录，或者优化用户的一个删除。最后一个就是约束。约束就通，约束就很简单，就是告诉 ai 不能做什么，必须遵守什么。这约束不是说要约束他必须生成几行代码，或者说你必须给我完成这个功能，而是要告诉他红线是什么。我不能，比如说你不能删除我的原有代，原有代码逻辑，不能去改变我的中文注释。然后必须遵守的东西，必须遵守，要遵守我当前项目库的代码规范。
+
+🟢 说话人1 [00:04:28]
+比如说按照我的架构分层，或者按照我的命名规范，我命名规范所有的实体都是以 vo 结尾，像这一类的。最后就是输出格式。输出格式现在基本上一些旗舰模型，它都会有自己的标准格式，主要也包括了它这一轮儿修改了哪些操作，然后代码的 diff 代码和之前有什么区别。还有一个就是测试用例，有一些如果能自动化测试的话，它会已经完成测试。
+
+🟢 说话人1 [00:05:05]
+最简单的就是像 type 的校验，类型校验，还有一些基础的编译错误，编译有没有通过，语法有没有问题。最后还有就是会输出测试用例，这一部分可能涉及到页面操作，它会给你提示提出几个测试 case 比如说告诉你登录完之后，你要点击哪个按钮，看能不能达到什么样的预期。最后还有就是验收标准，验收标准就是功能功能性的，因为我们验收的
+
+🟢 说话人1 [00:05:41]
+验收的只能是功能，你没法去考量 ai 写的代码到底去，到底是逻辑对不对。如果你要去检查它的逻辑，那你可能未必会有你自己手写的快，因为它生成的特别多，你需要理解它写代码的所有上下文，然后再去看它为什么这么写，为什么要拆分函数。所以就是说我们能确保上边儿都没有犯错，我们验收的只能是我们的功能模块儿。
+
+🟢 说话人1 [00:06:25]
+就像这个。如果像前几年的模型，我跟他说帮我优化用户管理模块儿，他可能不知道你去优化什么。然后呢就随便挑他认为最重要的几个点。但是像现在的模型，它就已经会有这些。会有这些提问，他要求你 service 拆分，这就是推荐。推荐也就是说他认为这个是级别最高的，也就是说你执行完它。你最不容易出错，然后你的收益成本也会最高。
+
+🟢 说话人1 [00:07:01]
+还有就是重复了精简，他认为你这边儿有部门数部门数的数据拼接，这个逻辑重复了。还有就是性能优化性能优化就涉及到底层的 circle 如何优化查询，代码质量测试补充什么的。
+
+🟢 说话人1 [00:07:47]
+如果说你上面那些都不符合我们的要求，那么我们就可以再去补充更多的信息，然后让 AI 去执行这个。
+
+🟢 说话人1 [00:08:04]
+就我们举个简单的例子，然后让它去我们先让它去审查一下。
+
+🟢 说话人1 [00:08:51]
+刚才它提示我们需要有具体的优化方案，然后我告诉它要去用户删除权限审查，然后它就会分析对应的模块儿，再完成我们的删除检查。AI的审查关键点一般也就这几块儿，第一个是根据你现有的代码事实，然后就是能找到哪些依据。第二个就是前方的按钮，判断你的按钮，按钮权限对不对，按钮路径对不对，最后就是后端接口，你的 ctrl 你的权限注解，包括你的请求路径有没有问题，最后就是操作审计，删除完之后有没有会记日志，然后这个类型对不对?
+
+🟢 说话人1 [00:10:15]
+好，我们看刚才我让他去审查删除权限，这样的话他已经把文档出来了，第一个就是功能的权限，第二个就是数据的权限。
+
+🟢 说话人1 [00:10:41]
+这是他认为存在的问题，说一个是缺少存在性校验，也是他推荐优化的。
+
+🟢 说话人1 [00:11:16]
+这是他根据刚才的提示词给的优化建议。他认为这两个 p 零的优先级是最高的，然后 p 一和 p 二是你可以往后放的一个优先级。实际上我们在需要他去执行这个方案时，我们就要审查这两个 p 零的到底对不对。如果说我们当前的业务逻辑确实是这样，不需要他进行这么优化，那么我们就可以忽略这一轮的对话。如果说需要他去这么
+
+🟢 说话人1 [00:11:51]
+处理那肯定就是让他去优先处理两个 p 零的任务但是这就是刚才我们是通过了两次对话，比如说第一次我让他帮我优化用户功能模块第二次他给了我优化。他不知道需要优化什么，然后又去询问我，然后我要告诉他审查删除权限
+
+🟢 说话人1 [00:12:31]
+虽然也能完成这个功能，但是就造成了两个对话，然后也会浪费整个模型的 token 以及时间。
+
+🟢 说话人1 [00:12:56]
+这时候我们换一个更就任务性更明确的一个提示词。看一下它的输出结果是完全不一样的。比如说我们告诉他分析这个按钮权限的调用链路，这时候我们就告诉他你前端后端后端的整个链路你是要打通的。第二个就是范围是只有用户管理页面的新增修改删除。第三个就是约束不修改代码。结论标注文件和函数，区分前端权限和后端权限。最后就是输出的格式，我们要求它输出表格。
+
+🟢 说话人1 [00:13:40]
+最后就是要验收这些。
+
+🟢 说话人1 [00:13:51]
+像这个提示词就明确了很多，这也是一个合格任务的必备条件。如果说我们往往是一个特别大的任务，就是一个完整的功能模块，我们未必能自己写出这么规范的提示词，我们可能需要多劳对话。比如说我现在要新建一个车辆预定的模块儿，那么我们就可以跟 ai 沟通，我新建这个模块儿，我需要完成哪些功能??你对比哪些?你对比已有的项目架构，你认为它应该是补补全哪些内容?
+
+🟢 说话人1 [00:14:33]
+然后先让他给我们出需求文档，这时候我们根据需求文档再去跟他沟通我们的需求对不对?最后最后你才是你代码执行的过程。就像我们之前的开发也是，你编码的时间一定占你整个业务功能模块儿的少量时间，你的大部分时间一个是需求，还有一个就是你的功能检测功能校验。
+
+🟢 说话人1 [00:15:44]
+因为像我刚才已经约束了它的范围只有用户管理模块儿，可以很明显看到它马上定位到是系统的 user 然后只是查看 user 里的文件，不会再去查找别的文件。
+
+🟢 说话人1 [00:16:17]
+一会儿我们再回去看一下，只是跟他说优化用户管理模块儿，看他去做了哪些查找。然后就能对比出你提示词越精准，然后对它的要求越高的话，它会有一个什么样的行为。
+
+🟢 说话人1 [00:16:50]
+还是在查看整个用户的模块儿。我们先继续往下。
+
+🟢 说话人1 [00:17:10]
+这个就是一个好的上下文的模板。比如说还是以审查用户删除权限是否完整，然后我们要给他定义我们这个任务是什么，任务就是审查他的删除权限是否完整。范围就是管理页面，然后用户 API 客户端用户以及操作日志的相关代码。然后不能做的就是这个对话指向的审查，不能去修改代码，然后也不要给出泛泛的安全建议。也不要去猜测代码库里没有实现。
+
+🟢 说话人1 [00:17:49]
+必须要标注的就是文件的路径，方法名权限字符注解，以及没有办法，已经无法确认的事项。输出就是证据表，就是表格，它哪些文件在哪里是什么方法，然后风险判断是改了什么，可能会导致什么样的风险。还有一个就是修改建议，最后就是验证步骤。
+
+🟢 说话人1 [00:18:19]
+然后这个是我们的 ai 的验证过程。它会通过类似于白盒审查，然后去查看你当前的代码能不能完，能不能满足这些功能点。
+
+🟢 说话人1 [00:18:43]
+可以看到它已经在输出了。
+
+🟢 说话人1 [00:19:04]
+会给出我们的关键文件以及前端的亮度匹配，包括我们的一些不确定点。这个是因为只有后端，所以他是没有办法具体看到我们前端项目的一个指令具体实现。所以他不确定这个内容是否正确。
+
+🟢 说话人1 [00:19:30]
+第二个就是前端的 a p a p i 调用。
+
+🟢 说话人1 [00:19:38]
+最后总结就是校验机制是完，相对比较完善的。
+
+🟢 说话人1 [00:20:10]
+你看像刚才如果说我们没有明确规范，我们只是用户管理模块儿，他把所有用户管理相关的代码都去查找了，然后又找我们确认是哪个问题，然后我们说是用用户审计。他又看了用户删除的代码架构，最后给出这些建议，但是他们不会在里面提关于前端的一些东西，因为首先这个库里没有前端的代码，其次我们的提示词也没有要求他去没有要求他去有和前端相关的检查，那么他就缺少了这部分内容，前端的一个具体实现。
+
+🟢 说话人1 [00:20:59]
+如果说我们只是作为一个后端工程师，那么我们这一块儿就不看了，但是如果我们是前端的全站工程师，全站工程师的话，那我就不仅要关心后端怎么去做，也要关心我前端这一块儿有没有具体的实现错误。这就又回到了像微服务的项目架构，包括前后端分离的，它很明显是更考验模型的一个基础能力。
+
+🟢 说话人1 [00:21:33]
+我们再用这个去作为示例。
+
+🟢 说话人1 [00:21:54]
+同样是审查用户管理删除权限是否完整，第一个我们只是说了一句话，就是告诉他要审查这个功能。然后第二次我们是给了他具体的任务范围，包括相关的红线以及一些标准。可以明显看到我们给的越详细，他会调用一个 skill 去的 code 里业务。
+
+🟣 说话人2 [00:22:38]
+嗯大家可以基于这种像他已经已有的一些 skill 然后修改成自己项目所需要的。大概也是
+
+🟢 说话人1 [00:23:03]
+大概基本内容也就是这么几块儿，第一个就是 review 的范围，然后生成上下文，然后用可视化的一些图表，再用可视化的一些图表去绘制出来，包括流程图什么的。最后就是哪些模块需要用什么颜色来表示，如果是 IDE 在亮色模式下用哪些颜色，IDE 是在暗色模式下用哪些颜色。
+
+🟢 说话人1 [00:24:11]
+为什么说我们给的提示词越详细，输出来的效果越可靠呢?因为就是像这种已经带了很多 skill 如果我们给的提示词相对比较泛化，那么它会拿着你的提示词去不停地匹配适合哪个 skill 然后这个匹配过程也是会造成 talk talking talking 的消耗，以及未必会匹配的特别准。我们给的内容越多，它可能会找的更详细，也会更加的精准匹配到 skill。
+
+🟣 说话人2 [00:24:52]
+这样的话就能减少 token 的消耗。
+
+🟣 说话人2 [00:25:11]
+让它跑着，然后我们接着看 PPT 这个就是一个上下文。给 AI 上下文应包括哪些东西。
+
+🟢 说话人1 [00:25:31]
+上边儿的前四条是比较，前四条是必须要有的，就是目标我们到底要修改什么，分析什么。第二个就是范围是哪些，只限制他看哪些模块儿。第三个就是输入的文件。我们提供他，比如说我们可以定位到具体的某一个文件，只让他改正一个文件，那么我们就直接告诉他这个文件是哪个。最后一个，还有就是约束，不能做什么。如果我们想和他沟通一些需求，不想让他这么着急去改代码，那么我们一定要做好约束。
+
+🟢 说话人1 [00:26:20]
+最后就是输出格式，输出格式下面三个呢，如果不需要就完全可以不要求他，因为你每次输出他排版好这种格式，然后都不需要也不去看，也没有必要去消耗这种 copy。你只需要看他对你的任务完成度怎么样。就像我们刚刚分析角色权限，然后需要角色权限保存的话，可能就需要分析角色的页面，然后角色的 api 后端角色的 ctrl 了 service 菜单关系表这种的。
+
+🟢 说话人1 [00:26:59]
+同样我们也要约束他不要去改代码，也不要去猜。不过现在基本的模型，像 v 四就很少出现自己猜的情况了。基本上我们就跟他说不要去修改代码，就可以。
+
+🟢 说话人1 [00:27:25]
+接下来就是四代的上下文。我们的上下文喂给模型的话，它不仅可以把我们整个项目的一些有的东西给它，也可以是一些外部的资料，然后我们也根据我们项目里的内容，我们也可以根据我们需要的东西去鉴定式的披露给模型。比如说像上午我们构建整个 wiki 那么我们就需要把整个空间就项目里所有的东西都丢给它。它就需要你去全量的扫你的项目，然后去完成这项功能。
+
+🟢 说话人1 [00:28:09]
+这就是 workspace 它的一个层级。第二个层级就是 file 这一层级。 file 这一层级的话，相对来说就是要聚焦到功能，具体的功能了。我们需要了解这个 file 它是做什么用的，就这个文件是做什么用的，然后为什么要我们为什么放到这里，它是被哪些文件调用的。如果我们改这个当前的文件，会不会影响其他的东西?
+
+🟢 说话人1 [00:28:43]
+还有一个就是扣的级别的，比如说我们只粘了一个文件中几十行代码，这样的话我们选中直接添加到对话里，就丢给模型，让它去具体分析这一个上下文。第四块儿就是外部，就是查外部。我们内网的话可能会比较少，但是如果我们要连一些使用一些插件库，然后能连到互联网上。这时候我们就需要查外部的文档。
+
+🟢 说话人1 [00:29:20]
+就像我们用 JDK 十七或者用 JDK 二十一，我们不知道它有哪些新特性，我们就可以直接在对话框里要求它去查文档，然后告诉我 JDK 有什么新特性，然后我当前项目如何更好的使用。
+
+🟢 说话人1 [00:29:54]
+好，这个刚刚让它去审查删除权限的任务跑完了，所以我们就可以通过对比两次的内容。
+
+🟢 说话人1 [00:30:12]
+虽然他知道这个功能可能是这么写的，但是因为他读不到相关文档，所以他只能去无法确认。第二个就是后端权限，单个删除是在这里，然后批量删除在这里以及数据库的权限。包括操作日志，API审查以及业务的完整性。最后就是风险判断。
+
+🟢 说话人1 [00:30:44]
+他认为主要存在批量删除缺少了操作日志，然后缺少了校验用户以及少了一些注解。修改建议修改建议就是针对于他所认为的风险。第一个就是添加日志，然后添加校验性，最后添加为删除接口添加日志。
+
+🟢 说话人1 [00:31:22]
+然后我们再看一下刚才我们提示词比较泛化时，他给的一些建议。他认为也是缺少校验，缺少日志。然后会有一些逐条清理的性能差，因为你的性能也不够优秀，因为他还扫了你最后持久化数据库的那一层。
+
+🟢 说话人1 [00:32:06]
+但像这个，因为我们加了限制，所以它就只有这么三条建议。所以就是我们的提示词越精细，那么它针对于的回答也是更符合我们的要求。这样的话，我们确保它每一次执行任务时，就能不会大批量修改整个文件，也不会改整个项目里的一些东西。
+
+🟢 说话人1 [00:32:42]
+这就又回到了这一块儿。我们给的上下文一定要，一定要匹配我们当前的一个操作。
+
+🟢 说话人1 [00:33:00]
+如果我只是去修改一些文件，那我给他文件就可以。这个就是一个上下文的范围。有时候也不是说上下文给的越多，它就越好，因为它也可能会存在上下文污染的情况，以及丢失上下文。
+
+🟣 说话人2 [00:33:20]
+这里给大家看一下。
+
+🟣 说话人2 [00:33:53]
+它不同的模，像这些不同的模型，它的上下文大小是不一样的，旗舰模型可能就高一点，可能有个2000，然后一般的色体键就可能有27K 像这种的。
+
+🟢 说话人1 [00:34:10]
+然后再给大家往前翻，刚才他进行了一个压缩上下文的操作。
+
+🟢 说话人1 [00:34:25]
+像这里就是他上面读完这么多东西，他已经超出了他模型理解的上下文，那么他会把之前的上下文去进行压缩。这个压缩的算法也是不同的 agent 有不同的算法，但大差不差就是第一个就是数据的，把这种结构去掉，可能会原来有好几个空行，最后会变成一一长行的大文本。第二个就是提取关键字，要么就是只读上下几轮对话的一个上下文，因为他会认为你之前对话的上下文已经是没有价值的，他只会读你近期就近几轮对话的上下文。
+
+🟢 说话人1 [00:35:22]
+压缩完之后，它就会空出新的空间，继续去读取。
+
+🟢 说话人1 [00:35:30]
+所以说压缩一定会带来内容的缺失，这是不可避免的。所以我们在选择上下文时，一定要符合当前功能模块，如果完成了一个功能模块，我们也可以再开启一个新的对话。这样的话是对对模型来说，幻觉可能是最少的。
+
+🟢 说话人1 [00:36:02]
+这就提到了上下文选择的一个决策树。就如果我们拿到陌生的项目，构建完整个 vk 我们都不知道哪个入口文件在哪里，我们就直接问他。先就是，比如说我们要查找。部门儿删除的文件，就直接问他你部门儿删除的文件在哪里?是哪一个?如果我们已经知道要修改哪个文件，那么我们就用 feel 如果我们对哪些函数是行为是不理解的。
+
+🟢 说话人1 [00:36:39]
+因为现在模型训练出来它所生成的代码大部分都会非常规范，但是对于我们实际开发来说就有点过头了，就是事性编程会特别强。可能会超过一次复用，它会抽取一个公共方法。那这个未必是合适的。所以我们就可以判断哪些函数是需要拆分，哪些函数是不需要拆分。这时候我们就是代码级别的算上去就可以。还有就是我如果说我们项目里没有涉及到的。
+
+🟢 说话人1 [00:37:20]
+就是查框架资料。然后再回来验证，或者说我们在做技术选型时，让他去上网查一下现在主流的技术有哪些，然后每一个技术框架都有哪些特点。这个也可以。判断的原则就是先宽后窄。就是如果说我们也不知道到底应该用哪个，那只能你就是渐进式的来。你先让他看整个功能模块。然后再具体到文件，再具体到函数代码。
+
+🟢 说话人1 [00:38:03]
+就我们如果说我们一上来就把一个非常大的问题丢给 AI。那它消耗的 token 也是非常大的。而且未必是你想要的一个东西。接下来就是具体的一些示例。
+
+🟢 说话人1 [00:38:28]
+你看像这个就是需要它阅读整个工作空间。因为我们是要去寻找。寻找整个文件示例。
+
+🟢 说话人1 [00:38:40]
+这个任务就适合我们非常早期的时候。我们了解项目阶段。生成完 wiki 我们还需要了解它哪些文件在哪里。然后我们就需要，就可以使用这个提示词。
+
+🟢 说话人1 [00:39:28]
+那也可以看到我们配置完规则之后，它每次都会读取。
+
+🟢 说话人1 [00:40:02]
+那么我们把这个提示词扔给 AI 之后肯定需要有一个自己的验收标准，就它输出什么样的东西算是一个比较 ok 的，是我们需要的。
+
+🟢 说话人1 [00:40:22]
+那就是需要具体文件的函数类名，然后能区分出哪个模块是什么样的文件，是前端还是后端，然后标注出依据，它引用的是代码里的哪一行，然后哪一个文件具体哪一行。然后再给出具体的一些文件。我们这一步的目标并不是马上解决问题，而是让 AI 去了解整个项目，也是我们去了解项目的一个过程。如果说 AI 最后只是给出了一个结论，然后其他什么都没有，那么说明这一轮上下文对 AI ，就是对 AI 来说是没有任何价值的。
+
+🟣 说话人2 [00:41:46]
+一会儿我们看一下它的输出标准是不是符合我们的预期。
+
+🟣 说话人2 [00:42:24]
+像这个它会列出我们的后端文件是 outout 挡住了找 java 然后路径在哪里，然后关键的方法是 login 和 getproperty。firstmover 然后这个是登录认证的 service 主要是包含这几个，然后关键的方法是哪些?
+
+🟢 说话人1 [00:42:53]
+以及权限查询，菜单路由生成的一个核心。
+
+🟢 说话人1 [00:43:06]
+如果说我们之前，不借助 AI 的话，熟悉的项目还好，不熟悉的项目就肯定会造成有一些会漏改。或者就是有一些没有改完，没有改完全。
+
+🟢 说话人1 [00:43:27]
+最后这个就是数据转换以及响应的 vo。
+
+🟣 说话人2 [00:43:36]
+嗯do 层，包括每组这些。
+
+🟢 说话人1 [00:43:50]
+这个就是他给的一个前端的，因为这个代码库里也没有，然后他就会上网去查。
+
+🟢 说话人1 [00:44:01]
+上网去查，他找到了 gitee 然后根据 gitee gitee 它里面的一些内容，然后去推测可能存在这些东西。
+
+🟢 说话人1 [00:44:23]
+这样我们就发现，如果是我们代码项目里已经有的内容，对他来说就是事实，如果没有，大部分对他来说就是推测。
+
+🟢 说话人1 [00:44:49]
+接下来我们看一下文件级的上下文。
+
+🟢 说话人1 [00:45:01]
+文件级的上下文就是要具体到。非常聚焦的一个文件，只是到了这个文件中哪些方法，然后谁在调用，然后信息又存在哪里。
+
+🟢 说话人1 [00:45:38]
+如果说我们之前对这个项目已经有了整个项目级别的去
+
+🟢 说话人1 [00:46:12]
+我们把这个文件夹添加到我们的对话内容中，然后再让它分析这里边儿文件。
+
+🟢 说话人1 [00:46:35]
+这样的话它的查找速度会更快，因为它只查找这些文件，然后也会内容匹配的更精准，不会有其他多余的 token token 消耗。
+
+🟢 说话人1 [00:47:17]
+它跑的过程，我们接下来再说 few 调用链的一个模板。其实就还是要具体分析我们的入口动作是什么。比如说我们要分析一个用户的行为。就是动作是用户点击完，用户点击完删除按钮，然后前端是调用的一个 API。然后后端换了哪个接口，然后业务是在哪个 service 处理的，权限日志这些有没有审核?然后除了这些文件，哪些还需要补充?这个也是我们在
+
+🟢 说话人1 [00:48:23]
+使用文件这一层级上下文时，更要聚焦的是整个大模块里具体的功能点。
+
+🟢 说话人1 [00:48:48]
+他现在已经在输出了。
+
+🟢 说话人1 [00:49:11]
+可以看到他这块儿写的前端是通过调这个接口，因为这里边儿没有前端项目，他也没办法具体点击哪个按钮，所以就只能从这个接口开始，然后到了 ctrl ，再到了 service 再到整个 d o 层。这是查询用户信息的调用链。
+
+🟢 说话人1 [00:49:55]
+接下来我们就看 code 级别的了，就是代码级别的一个上下文。
+
+🟢 说话人1 [00:50:05]
+这个就更具体了，比如说要分析哪个方法，它是有什么作用?这个方法为什么要这么写?有没有别的，有没有别的文件还换用了这个方法??
+
+🟢 说话人1 [00:50:23]
+这方法失败了是怎么处理的?
+
+🟢 说话人1 [00:50:29]
+这样的话，它能更聚焦的去只查看这一部分的。这一部分的代码，然后对它有充足的上下文，它的输出结果是非常准确的。
+
+🟢 说话人1 [00:50:46]
+像这个就是 code 级别的一个检查清单，看有没有把你这个方法的输入输出，然后里面的业务分支，包括它的副作用，最后它是如何是恢复，重新滚，恢复状态回滚的。
+
+🟢 说话人1 [00:53:27]
+这个就是一个非常简单的，只分析代码的一个示例。
+
+🟢 说话人1 [00:53:37]
+这个应该会快一点，我们就等一下。
+
+🟢 说话人1 [00:54:10]
+最后一个上下文的范，上下文的范围就是外部的。比如说我们要查一些文档，或者让它去帮我们做技术调研，和外部资料，它只能用于参考，不能替代我们的项目已有事实依据。
+
+🟢 说话人1 [00:54:46]
+稍等一会，我们就以这个为例去判断它是怎么进行的。
+
+🟣 说话人2 [00:54:54]
+怎么去进行使用的。
+
+🟣 说话人2 [00:55:39]
+这时候它已经会告诉我们总共有六个地方去换用了这个函数。它包括后台登录，然后 oauth 授权，然后会员端登录。
+
+🟢 说话人1 [00:55:51]
+然后内部的有三种，然后它会有哪些状态?状态就是不存在，然后激活，然后自然过期是时间到，然后主动退出是 log out 然后刷新替换。
+
+🟢 说话人1 [00:56:24]
+这就是方法层面的一个上下文，我们更多是用来判断我们整个任务。
+
+🟢 说话人1 [00:57:02]
+像这种就是我们需要它去自己找外部上下文，或者说现在模型的能力强了，我们直接告诉它查找官方文档，如果没有稍微弱一点的模型的话，我们可以直接把这个文档的地址直接丢给它。然后让它去查找。
+
+🟢 说话人1 [00:57:54]
+我们可以直接点这个链接，它就会跳到对应的文档里面。
+
+🟢 说话人1 [00:58:27]
+这一步的话，如果我们大部分是内网的项目，其实我们可以在自己内网去把这些文档都拿到，然后放到内网上也可以，或者有一些现成的 m c p 它能拿到最新的文档，然后我们自己再搭一个 m c p 的服务就可以。好，主要就是上下文主要分这么四部分，然后看大家有什么问题的话可以问，可以提问。
+
+🟢 说话人1 [00:59:11]
+这个就是官方给的一些推荐架构。
+
+🟢 说话人1 [00:59:20]
+大家平时使用有什么问题也可以，比如说我们之前的上下文是不准确的，或者其他有什么使用上的困惑都可以。
+
+🔵 说话人3 [00:59:37]
+老师我提一个，我们这个系统里各模型的能力的那个介绍一下吧。
+
+🟡 说话人4 [00:59:43]
+嗯，选择模型。各模型的能力，
+
+🟢 说话人1 [00:59:55]
+那我就从我的使用体感来说，简单我从我的使用体感来说，就简单说一下目前国内前三的实际上就是 kimi deepseek 和 glm 然后再之后好一点的就是可能像 minimax 豆包这种。他们可能能到了国国产模型的第二梯队，还有因为这里千问最新的模型，因为我不知道这是开源的还是闭源的，如果是开源的话，估计也就是最新的也就是第二梯队，或者只能到第三梯队这么一个情况。
+
+🟢 说话人1 [01:00:43]
+如果说是千问闭源的话，应该是能到第一梯队。但开源和闭源的是两个东西，包括智谱也一样，智谱也是开源和闭源的，就体感还是有一些区别的。至于说具体，具体就是后面的一些版本号什么的，那肯定是越新的越好，这个是毋庸置疑的。
+
+🟣 说话人2 [01:01:10]
+嗯我们要选的话，就是我一般代码的话，我还是习惯使用 Deepseek Deepseek 它可能出错会更少，然后逻辑链会更严谨。
+
+🟢 说话人1 [01:01:26]
+如果说是一些文档类的工作，我可能会选择豆包和 kimi 它豆包和 kimi 文档类的工作会比较好一点。
+
+🟠 说话人5 [01:01:41]
+你让它点那个模型，旁边写的什么推理啊，图片儿啊，推理啊。
+
+🟡 说话人4 [01:01:46]
+啊解释一下。啊这个就是。
+
+🟢 说话人1 [01:01:51]
+模型它是分为多模态和单模态的模型。然后单模态的模型，它是只能读取文字，然后多模态的模型，它就可以读文字和图片，包括一些有的还，有的更强一点的，可能会读什么音频和视频，这种都可以，这种就是多模态的模型。就为什么会有多模态和单模态的一个区别呢?这就取决于模型基础训练时，有的模型它在训练时语料，训练数据就只有文字。
+
+🟢 说话人1 [01:02:27]
+那么它就是一个单模态的模型。然后有可能就是有图片也有文字，那么它就是多模态的。然后这里边儿就会衍生到有的模型会强调自己是原生多模态的一个模型。原生多模态就是说的所谓它在模型最开始训练时就会有图片儿有文字。还有一些说自己也是多模态，但可能不是原生多模态，它是基于你的文字模型，也就是最前期只训练了文字数据。
+
+🟢 说话人1 [01:03:02]
+后期因为可能也是要追评其他一些要求，然后他就会又把图片相关的数据再输进去。这个就是后天的一个多模态的能力。
+
+🟡 说话人4 [01:03:19]
+我这里接过来话头，我也补充一下我的观点，你往上滑滑最上边。
+
+🟢 说话人1 [01:03:23]
+你看它这个内置模型也是排序，也是有他们自己的考量了。
+
+🟡 说话人4 [01:03:30]
+头两个之所以我们说放第二梯队，虽然第二梯队放最上边，因为它是自家的，可能在 token 单价上会有一些优势，然后你看看这个 GM5,1现在是我认为国内体感使用最好的。的 coding 能力在表现上，在国际上也是一流的这个水平。然后你看再往下滑，最下面它会有两个 deepseek v 四，然后这里做一个简单的解释一下。
+
+🟡 说话人4 [01:03:56]
+这里其实就对应了，就说这个 kimi 他在去卖这个服务时，有没有去提供这个盗的一些能力，比如deepseek v 四 pro 它本身是只认识文字，不认识图片，我们截个图说这个图片啊。把这个图片里样式不对，或者说那个用户反馈的问题，你识别一下进行一个修改。这个情况下，它原生的这个 deepseek v 四是不支持的，但是可以区分成两拨，然后一个是自己去部署就是吹自己去部署，或者说他们背后的火山引擎去部署。
+
+🟡 说话人4 [01:04:30]
+另一个呢就是官方的这种方式。哎，这里呢就是产生了两个。然后刚才徐老师也提到他认为体感这个 kimi 和 deepseek 和密麦这个 grm ，我的体感也是这样，就是用起来比较舒服。另从另一个角度去看，就是现在这个模型，比如那个密麦斯 m 三是前段时间刚出的，然后性能上也是能赶上来。有时候我们会说目前这个模型很少，我们是以比较理性的角度去用。
+
+🟡 说话人4 [01:05:03]
+那一方面是越新的模型能力，理论上是越来越强的，但也有个别的情况会除外。然后这目前情况就是我们新出的模型可以去试去体验，很难去说服说我们大家一起都用 Deepseek 或者不用 GM 或这个也是千人千面的，你习惯用 GM 就继续去用就好了。然后我也了解到，这个企业版的个人账户，这些 token 可能也是有限额的，到了一定值之后，可能就会不好用，或者需要额外付费，或者干脆用不了，这里也可以接入下面这个添加模型。
+
+🟡 说话人4 [01:05:39]
+然后这里额外去推提，提到这个 deepseekv 四 pro ，是它的单价，单价比较低，首先就比其他这些模能力，一方面能力特别强，另一方面单价又非常低。还有一个特别提到点就是你用起来，成本也很低，是因为这个 deepseek 呢，它在做这个缓存的时候，就上下文缓存，我们聊好几轮的时候，它那个缓存时间会非常长。
+
+🟡 说话人4 [01:06:06]
+国外有些模型，它缓存只给你五分钟，五分钟一过，你以前的那个对话，它缓存就消失了，你需要重新付钱。这个用起来成本就非常贵，像 dbsick 有的时候它能缓存到半天一天以上，所以用起来很省。我们有时候会说多鼓励多开对话，减少注意力的分散。现在针对 dbsick 这种情况，就是在一个对话里持续来完成，持续来做，这也是没问题的，因为它性能足够强，另一方面成本足够低，把它用起来也是 ok 的。
+
+🟡 说话人4 [01:06:39]
+然后如果 gm 如果有采购的话，也可以考虑 gm 然后这个也是目前做的比较不错。这个是我刚才看徐老师补充时提到的，希望对你有个反，对你有个理解上的这个认识。
+
+🟢 说话人1 [01:06:54]
+对，因为现在基本上模型的收费，就是我们输入模型叫上行，然后模型吐给我们是下行，上行的价格和下行的价格是不一样的，然后命中缓存和不命中缓存的价格也是不一样的，就是它收费的条目会比较多。所谓命中缓存呢，就是说比如说今天有十个人都问今天天气怎么样，模型会换一个接口，就通过 mcp 查一下天气，说今天天气晴。
+
+🟢 说话人1 [01:07:32]
+第一个人他可能就是没有人去问，那么他模型就要去换这个接口，他拿到的数据模型会把它缓存起来，第二个人问他就不会再去查了，他会把你缓存的东西，这叫命中缓存。这个就相对来说比较便宜一点。
+
+🟤 说话人6 [01:07:51]
+就是新建对话会大量消耗都是什么?
+
+🟢 说话人1 [01:07:56]
+因为中间我们用的时候，我发现有一次就提供了一句，然后消耗了500多块钱。对，这是一方面看你给他的上下文触发了他多少响应的一个下文，如果他会一直 search 文件。这就还有一个点就是并不是说我们最后看到的这个结果算他的一个输出。就整个模型的思维链过程，他的思考过程都是算他的输出，他是一个不断去循环的。
+
+🟢 说话人1 [01:08:36]
+他比如说第一轮查了五个文档，然后他循环完发现不对，他又去查了五个。就这么一直循环，直到命中你所需要的那个。那么你中间这个思考过程，它也是消耗 token 的。这种可能有时候我们觉得就这么一个简单的问题，它居然这么费劲，我自己手改的话可能也早就改完了。
+
+🟤 说话人6 [01:09:00]
+老师，我有几个问题，第一个就是小米那个模型是怎么改完的?小米那个现在不是也不是说一折吗?
+
+🟢 说话人1 [01:09:08]
+嗯，小米这个我我说吧，这里是前段时间我们公司内部去换这个国内各个模型，小小米的模型，然后尤其是最近出的这个2,5 pro 而且前段时间又大降价了，降了百分之九十九。
+
+🟡 说话人4 [01:09:26]
+也是，至少这个体感上和原来我们使用这个 Deepseek V 四，我们对比的是 V 四的 lite 体感差不多，然后我们会更格外关注这个编程和这个人文这一块。体感用起来不如 Deepseek V 四强，但也是我们去合理的区分，就是很有大部分情况下可能需要区分这个复杂的问题和简单的问题，就是现在我们无论是用小米还是用刚才我们提到的豆包这些内置的这些模型。
+
+🟡 说话人4 [01:10:02]
+在普通的任务上是拉不开差距的，还是看我们这个任务难度有多大，多大，或者说我们这个任务对我们来说有多重要。有些理论，有些实践派是严格的，就是使用旗舰模型只做计划，就是我说我要做一个任务，他使用很少的 token 做一个计划，说要修改这个文件，那这个文件大概要改什么。具体执行时使用一个就是我们说的常规模型来做，这是一种流派，另一种流派则大家都用旗舰来搞，就看各位怎么选择，或者倾向于哪种方式。
+
+🟡 说话人4 [01:10:37]
+有的是前者就是去极致的性价比，那这个去看个人，看个人。
+
+🟤 说话人6 [01:10:43]
+这个税它现在不是有一个对我们来说有个突破嘛然后它可能是每个名额是五十兆然后但是它这个你像尤其是你这个 v 四 v 五的时候，它本身其实价格也是上存在差别。包括命中和未命中那么我这五十兆不管命中和未命中，不管什么样模型都是等量消耗啊今天中午它就会给你说去去折的今天中午了解到这个点了，看到它企业版的这个限制还比较多。
+
+🟡 说话人4 [01:11:12]
+可能还是过过往的这个新策略，其实你越往后看 agent 消耗的 token 会越来越多，越越越多，会我们称之为每半年可能就翻一番儿，每每一年可能就翻好几番儿。先看吧，看他有没有这个策略，或者说他后面会不会进一步放开，因为不够用是没办法那我是不是可以在当前的一个策略下，我尽可能直接用最好的就行了，因为它便宜我其实对我来说也没有任何成本我问个直接的，各位需要为 token 付付付付钱吗?就是公司采购
+
+🟤 说话人6 [01:11:50]
+那比如五十兆，我要五十兆我用 flash 用更多，那我肯定是用 flash 会更多，因为可能我是正常开发，我没有那么复杂的任务。但如果我说我 flash 和 pro 对我来说永远就这么多，那我就是我就不用考虑，我直接用 pro 或者是 dlm 就可以了。
+
+🟡 说话人4 [01:12:05]
+哦，单价电费是吧?这个可能得看他他们内部应该是有不同的配置。
+
+🟤 说话人6 [01:12:11]
+对，就是我的意思是现在在套餐额度里，别人这个就比如现在这个额度，比如说一个亿。
+
+🟢 说话人1 [01:12:15]
+它不是那么算的，因为它是正常模型啊，它会有这么几档，就比如说给了你五十万的 token 但是它计算费率的时候，有的模型就非旗舰的。可能是按一倍的费率去算。如果说旗舰的模型，它可能按你一点五倍费率或者是一点六倍费率去算。所以就是你会明显体感，你用了旗舰模型处理同样的问题，它 token 消耗就是快，因为它是这个计费也是有那个什么对应该是这样的逻辑，对都是，现在就都是这种嗯它它肯定要付出成本。
+
+🟡 说话人4 [01:12:56]
+就是要对齐各家的，你看每每百万 token 有的定价十六元，有的定价可能就一两块。他肯定要有差别对待，你提到 code ，他就是把这个东西明显明确化了，零点一倍和十六倍那我就如果我用 flash 五十兆也是同样的承诺同样的十个字儿。嗯十个字儿可能三个部分，我可能也可能两个部分，我十个字儿，然后我 flash 也是三个部分，我这个 pro 也是三个部分，那我直接 pro 得了，不要去这个这个还真得和官方发个工单。
+
+🟡 说话人4 [01:13:31]
+你去问一下就是怎么来消耗，或者他们内部有定价，应该是有明确的，这个可能得去问一下。
+
+🟤 说话人6 [01:13:37]
+行，我这边看一下是有那个
+
+🔵 说话人3 [01:13:40]
+消耗流量的那个手套儿啊对对对，应该会有一些规则然后这样我有一个问题想咨询一下，就是现在我就是用 train 啊，不管用 train 还是各种不同的开发工具的智能体开发。因为首先就是你的推理能力，你是跟你学的这个模型有关对吧?
+
+🟡 说话人4 [01:14:01]
+对这是第一个，第二个就是我在项目中遇到一个问题，就是他去理解你的这个项目框架儿，包括你这个项目的这个项目代码儿逻辑的时候我发现他去写的这个代码儿的水平跟你的原始代码儿这个水平是基本上保持一致的，就是我这啥意思?就是可
+
+🔵 说话人3 [01:14:22]
+能你的代码前期的一部分代码质量很差，然后他给你做出来的代码质量好像也很差然后如果就是说你的这个代码的这个结构，还有这个代码质量比较高的话。它生成的这个代码质量也会比较高，我们通过什么样的一个就是类似于 style 也好，还是其他的这种角度命令也好，能让他去提高那种代码质量吗?
+
+🟡 说话人4 [01:14:49]
+哦，前段时间我们做了seo 其实 seo 就相当于在我们写完代码让他去找茬，或者找出我们潜在的问题和安全问题。 seo 和安全，我们采取了几种不同的方案，一个方案就是写 skill 也好，提示词也好，因为ai 还是很擅长做这个角色扮演的，就是我们说你是专业资深的工程安全专家。你从要用挑剔这个角度去看我们现有的代码，指出一些问题，给出一些优化建议来，这样他会给的更明确一些，如果只是传统说找一些问题，他可能会尽可能倾向于就是少改动你。
+
+🟡 说话人4 [01:15:29]
+或者不破坏你，或者从恭维你的角度回复你的问题。所以用相对直接和冷酷这种口吻让他去独立去做审查，是一种挺好的方案。我们在做 seo 和安全审查时，找出了以前被忽略的一些问题。
+
+🔵 说话人3 [01:15:46]
+啊，就可能是我们规定更多的这种 style 或者啊，对对对。去去用这种 style 去约束他的时候，可能会对他的干扰性会更高。
+
+🟡 说话人4 [01:15:55]
+对对，因为这个 style 的我们有些安全的 style 和 seo 的 style 其实本质上也是这么一套话，就是我们去重新定义他的身份，然后告诉他他应该怎么面对我们提出这个问题。可能会更加严肃，更加理性。避免掺杂更多的一些辅助性的这种情感，而不同的模型之间应该没有什么区别，因为本身就是针对于所有底层的一个生存规则。
+
+🔵 说话人3 [01:16:25]
+是不是没有模型上的区别?从去年的这个体感来看，就是因为理论上我们把这个 c u 定义在这，它也你也你也了解细节，其实它本质上是我们有描述说当什么情况下应当被被调用。
+
+🟡 说话人4 [01:16:38]
+但它不是内置的这个透，就是不是大模型内置的工具所以它就存在概率说，同样相同的两个请求进来，有一种情况下它可能就不使用，有一种情况就这个去使用，我们称之为就是调用工具的积极性嘛。去年这个模型的时候，就有明显差异，就是同样的代码用不同模型跑，调用 schedule 的那个倾向是不完全不同的，但今年看体感来看好很多。
+
+🟡 说话人4 [01:17:07]
+我刚才也提到认可徐老师提的这个 gm 其中有一点就是 gm 在 coding 这块儿，它比较理性和积极的调用这些工具，就是调用这些 schedule 因为以往我们现在越来越多的大众都已经接受 skill 这种开发方式。就我们去定义很多脚本，让它跑一个流程。就是我们需要它确保真的在调用这个 skill 所以现在的模型都在积极去推说工具调用的准确性和积极性。
+
+🟡 说话人4 [01:17:35]
+所以现在体感来看差异不是特别大，但可能有时候我们会说本来不喜欢这模型，然后它刚好有50的可能性调用这个 skill 失败了，我们就加深了我们这个印象，说它调用不够积极。所以整体来看，之前也有一些排行，一些这个指标，但现在来看基本上大家都追平了，也就不再提这些事情了。所以我的体感来看就是大家对调用工具积极性是有差异的，当然本身也是有概率的，所以整体来看差异不是很大。
+
+🔵 说话人3 [01:18:07]
+这种是不是因为现在 c 六比较多，是不是我们要是专门去做开发的话，也不要尽量选一些排行比较好的 c 六，比如说我们做 java 或者 l 做 python 。这种对于 c 六有这因为你要很多有这种图像处理的，或者做点编程的，它跟 c 六有一些像这个点儿不一样，但是编程语言之间有没有就是说是比较好一点的这种 c 六推荐哦。
+
+🟡 说话人4 [01:18:36]
+这里边儿从两个角度来看，一个就是你不管用你用是好的模型差的模型，反正代码是你提交的，出了问题人要兜底，所以对应到这一点，就可以内内部去去我们去共识是同使用。你有偏好，我就喜欢 gm 我就喜欢 deepseek 那没问题，那我们可以去有软约束，说我们尽可能使用好的模型来交付好的代码。另一方面，我们延伸出来了传统的测试，就是我们会有一些测试岗或 qa 岗嘛，就是测试同学，他会对这个代码质量提这个要求。
+
+🟡 说话人4 [01:19:11]
+现在一部分测试岗在 ai 时代就变成了叫评测岗，就是他们要输出这个指标，就是我们现在有10个模型，你分别去，今天你本周的任务可能就把这10个模型把它量化起来。我们去模拟说，请你修改这个 java 里的某一行代码，然后我们去跑，分别用十个模型跑十遍，然后得出来一个指标，就是成功率，我们叫 perfect 率，就是看哪个模型成功率更高。
+
+🟡 说话人4 [01:19:38]
+那我们这样说就有理性的决策，推荐大家使用这三种，然后不推荐使用额外那几种，但是你要额外去使用也是没关系的，就是提供一种量化指标，这也是对不同岗位对在这个 ai agent 的时代有不同的需求。如果你希望更量化，更决策的更理性一点，可以去考虑做这些。评测这部分其实我觉得目前我们可能属于轻度使用，然后对于崔颖这个软件可能了解还不是特别深入，但是我目前感觉第一个就是智能体这一块儿就是说第二个就是正常交互过程中。
+
+🔵 说话人3 [01:20:18]
+一个就是你的提示词的准确性，刚才徐老师说的提示词这一块儿对于另一方面我感觉可能更多影响你代码质量的可能更多 skill 这一块儿对因为我们目前就主要是其实想。着就是其实之前也有一部分我们也了解就是后面也将 skill 这种运用还有这一块儿就是我们结合的想法儿就是这一块儿对，我们也是打算会分几拨儿来。
+
+🟡 说话人4 [01:20:53]
+就是最终交付目标可能还是 skill 大家也就是无论外界还是公司内部都已经认可 skill 这个重要性了，它也容易去交付，老师傅和实习生都能使用这个 skill 来完成这个工作。这个是真的是能提效的，我们也是在我们本次培训的这个培训目标里今天第一天和第二天来呢，也就是想把一些基础给拉齐，也是考虑到我们参与会的同学有这个同事。
+
+🟡 说话人4 [01:21:20]
+有的是偏年轻的，有的是比较资深的，先确保就是我们讲到的这些基本工具，他用的比较浅的，我们先做一个基础的拉齐，那下一轮我们会针对这个 skill 这个交付和这个工作流程。我们再做针对性讨论。而且我们第一天我们现在就是还没有，实际上就是离业务比较远嘛，还是对对，还是想把基础的东西先给我们共识好。嗯。
+
+🟡 说话人4 [01:21:48]
+各位可以再提一提，有想法儿用的深的用的浅的都可以我有个问题，就是在我们用的过程中，发现这个流量异常，不用它只打开它也不用它就流量异常这个也是合理的。我们做的我们现在也在做大量的工作，很多用户也在反馈说什么也不做，他在偷偷跑流量，虽然可能就是几毛钱或者连连几毛钱都不算，但是他可能有发现这个 token 的消耗。
+
+🟡 说话人4 [01:22:16]
+这里边儿有两个点就是它不是简单的几百兆几兆的流量，它是成 g 成 g 的往上涨一天一天的话可能你正常用的话可能用上午半上午，但是整天开着的话，你都成几成的话还有个中查，还有个中查，还有个综合中查啊，我这是觉得我也是这个推测，可能得有更多上下文来弄。这个时候会有一个常规性的整理，就是我们去分析代码变动，它去做这个整理，这时会消耗 token 就是比如在崔里面会有一个代码索引的概念。
+
+🟡 说话人4 [01:23:00]
+就是它如果你检测到代码改动比较多，它会重新做索引，重新认识就是把你的对这个代码的理，对项目的理解会保持最新，这一部分可能会消耗偷啃。另一部分我不确定，会不会是有审有审计方面要求，或者说无意间把一些内部依赖也扔上去。
+
+🟤 说话人6 [01:23:20]
+咱自己不是有个中国不是这里面不是有个中国工程的功能，他那个哦，ok。
+
+🟡 说话人4 [01:23:29]
+哎，这个可能就是我们需要有更多上下文，或者针对现场的时候再去看一看，再分析分析。
+
+🟤 说话人6 [01:23:34]
+他这个窗口是一直没有进过状态。
+
+🟡 说话人4 [01:23:38]
+嗯一直是相当于在任务能力这个不好说那你得看他后台会有一些请求，看他是发起哪些请求就是现在这个流量就是不明踪迹啊就有两方面，一方面看后台我们有没有审计去怎么回事儿。另一方面看因为我们采购也是企业版，可以和处理官方让他来介入，看这个异常流量是怎么回事儿，就是毕竟是异常不是上行下行流量下行流量那就很有可能在他自己后台在安装类似于 sql 的一些东西会是他会是对。
+
+🟡 说话人4 [01:24:18]
+这个这个就需要进一步分析，或者直接和那个吹的官方发工单让他们去看。一种还有一种可能就是，比如因为我们内部网络的原因，他尝试想做软件更新，但是我们拦截了，因为有时候他要下几十兆的一个包，我们中间我们有一些安全策略可能会卡住。卡住之后他会有一个重试策略，有可能因为这个原因，有可能他内部逻辑上有问题。这个不能给出明确的这个答案来。
+
+🟡 说话人4 [01:24:47]
+可以再发工单，让他们给看。
+
+🟠 说话人5 [01:24:53]
+得休息十分钟吗?
+
+🟡 说话人4 [01:24:54]
+嗯，行。来来来休息一会。嗯。
+
+🟢 说话人1 [01:24:58]
+那就到现在三十二，那到四十二嗯到四十二的话，还继续吗?
+
+🟡 说话人4 [01:25:05]
+你今天的电脑上的灯坏了，你接着往下说呗，然后到最后一个小时时，我先说我，然后说说这个八卦轻松的，然后我引一下明天讲的东西。我感觉今天你能把两天东西都讲完，我看你讲挺快的，弄不完是吧?
+
+🟡 说话人4 [01:25:26]
+看一下你们组我没理解，我们现在用的是企业版的这个账户嘛，就是它一旦流量已经超过它的设置上限，完了之后就无法进行交互了。嗯这个就是说可以通过其他的接入第三方的 a p i 来进行对它现在开放了，你点一下，点点一下那个模型，点往下滚一下，点高级设置。哦不，你不点这个，点那个高级设置我看一下。
+
+🔵 说话人3 [01:25:57]
+第三方的这个 a p i 进来对对对你点一下我看一下。
+
+🟡 说话人4 [01:26:00]
+啊，对对对，它这个自定义的请求地址是最近开放的啊。去年他不开放，今年开放我基本上现在自己部署的模型都支持 openai 协议啊我知道扣代码是可以的，因为上个月我们那个朝鲜的一个没用啊现在有一个 a 是免费模型。
+
+🔵 说话人3 [01:26:35]
+平时打的不那个什么时候就用免费模型可以试试小米也可以试试小米小米的
+
+🟡 说话人4 [01:26:45]
+他送好多个 token 然后你们公司内部可以分别去那个申请。对他那个通过率很高，基本上申请就给过。
+
+🔵 说话人3 [01:26:54]
+前期很多就是新的这个搞这个东西，前期有一些免费的一些。
+
+🟡 说话人4 [01:27:00]
+这个是公司内部各自想办法采购，还是公司统一出面说我再采购个 six api 大家去用。
+
+🔵 说话人3 [01:27:09]
+目前用 train 的话，目前我们公司用 train train 应该是内置的一个模型。
+
+🟡 说话人4 [01:27:13]
+啊对对对。
+
+🔵 说话人3 [01:27:14]
+它内置的模型就是开不同的这个开不同的额度，会员的时候它应该是。
+
+🟡 说话人4 [01:27:19]
+一个是费率差异的。这个应该是不一样，我们目前的话如果使用它了，其他模型都是自费的对对对没有那个啥，都是自己这个是没想到，那小米确实是值得推荐的，deepseekdeepseek 也可以，因为用起来成本也很低deepseek 相对来说还是便宜点儿对对便宜用。下来就是越用越省，这是事实就是相当于你说的它这个关联上下文儿，然后中间这个上下文儿关联这一块儿嗯嗯
+
+🔵 说话人3 [01:27:56]
+可能智能体之间这个代码开发能力啊，就是说写代码能力可能第一个跟那个底层的大模型有关，另外可能跟哪一个智能体，其实智能体就是针对大模型反应的结果去进行和用户交互其实也体现不出来智能体的话现在基。
+
+🟢 说话人1 [01:28:14]
+本各家都拉平了，因为有开源的嘛，有第一梯队开源的，大家基本都是这么一个标准，大差不差然后还有就是也包括你 skill 也是的我们拿不到你们项目，而且你们项目也不方便给我们看。
+
+🟡 说话人4 [01:28:34]
+所以我们就是先用这种方式来来拉起认知
+
+🔵 说话人3 [01:28:42]
+所以说后面这个产品部儿你说还是勾圈儿卡的中基本上这个区别就是表达能力和d c g 不它也加了框架只是比较笼统，也跟着若一差不多只不过我们用的都是表达能力上表达能力上尤其是要定出来大。
+
+🟤 说话人6 [01:29:06]
+概的一些问题点，然后在他基础上也可以，看看后面怎么安排，我们想就给了一个大纲，那个说嘛，但是今天一聊就有新的想法，我们看看怎么来融合一下。
+
+🟡 说话人4 [01:29:23]
+可以可以可以。我们现在就是多开展项目，我们就不接受外部的。哦，行。因为你外部图片如果太大，用不了，就是统一。哦，ok，ok，ok。对，然后对，然后现在也会出现那种。
+
+🟢 说话人1 [01:29:38]
+他不能像。
+
+🟡 说话人4 [01:29:39]
+对，然后现在也会出现那种。
+
+🟢 说话人1 [01:29:44]
+他不能像。
+
+🟡 说话人4 [01:29:51]
+对，然后现在也会出现那种。
+
+🟡 说话人4 [01:30:05]
+哎，这个应该他。
+
+🟢 说话人1 [01:30:13]
+对，装的多了未必是好事，因为装多了他可能会探测到。
+
+🟡 说话人4 [01:30:20]
+啊，啊是的是的是的，他这里就完全限制了。
+
+🟢 说话人1 [01:30:23]
+对对对，会你们什么。
+
+🟡 说话人4 [01:30:24]
+也就是处理做的不够激进，我们当时为了我在做这些的时候，就会给他盗一个工具，就是先经过他的流失，对对对，让用户有感觉，这个他们做的不够激进，或者他们不敢动。可能有策略有要求。
+
+🟤 说话人6 [01:30:42]
+这俩都是基于现在都在做，但是最新的客户我前一段儿都在这样看，挺烦的扣的最近挺挺激进，然后也和我们有接触，也还聊了一圈儿还行，他现在扣的前也能用的也行。然后你们反重力是不是都用了，我平时这个后台也用了，反重力去年我们第一季度用的多，因为它能反贷美观美化上会保证吗?
+
+🟡 说话人4 [01:31:17]
+额只要他一改版，他也把自己作死了，现在也不用了，他想一出是一出。
+
+🟤 说话人6 [01:31:25]
+现在反正还是感觉，然后口袋还能凑合凑合买，而且现在用的还比较稳。
+
+🟡 说话人4 [01:31:34]
+你们有什么什么方法，比如再采购一批，这个买个账号或买更高的功能。
+
+🟤 说话人6 [01:31:42]
+现在这个确实给的比较少。就通过我们现在补充的方式，就是通过 deepseek 去买一套 deepseek 流量包，然后接个企业资金你是在 deepseek 官方买还是在淘宝?
+
+🟡 说话人4 [01:31:53]
+哦哦哦哦，对，现在是开放了，因为去年他坚持不开放，今年开放了现在我可以直接买，然后我这样弄，的确是他流量包不够用，我现在就可以买 deepseek 流量包有点不够用。你们发工单多多多骂骂，多催催付费用户，他们都是弱势才多少人呢不不不不，付费用户他们都挺贵，就贵的挺快的他去年还挺便宜他自好像今年个人用户也不行。
+
+🟤 说话人6 [01:32:17]
+个人用户也涨价个人用户他们有压力，他们养了好多人，但做出来效果就是没办法，大家还是认别的那天我问了一下，整个团队现在差不多三百人但是比科特贵，他反而现在咱这些企业版没涨。
+
+🟡 说话人4 [01:32:30]
+企业版没涨，企业版退的企业版个人版其实有点比科特贵他是他国内不好收钱，他搞那个一四九九那个是吧?两百多那个对我好像有特殊要求，就是要出一个尊贵的我现在个人玩儿的话，一般玩儿就是二十二十块钱科特，二十块钱的
+
+🟤 说话人6 [01:32:50]
+然后再买点可能再买个八十美元的扣带，如果你们都在用扣带的话，闲鱼上也可以看看，就个人个人，这个那就没招儿了，就是这东西我没法，也就两两层。
+
+🟡 说话人4 [01:33:03]
+就是咱能交代就继续用退，然后各私底下开开热点，你爱用啥用啥这个肯定官方就是退嗯，那你们就这个就没没没明面上就没法说了，就是我我们之前以往都在测各种模型。也是闲鱼上去买，然后共享开拼车都带的是开一百开开开一百的也去试现在好像封的挺厉害的，我现在口袋闲鱼上有招儿我口袋子我是通过美区 id 那个方式啊对对我们也是就是开那个去年用信用卡。
+
+🟡 说话人4 [01:33:34]
+这个就是各显神通我是苹果账号，那个比较方便，但是 google 那个封太那不行，那个也别考虑了，那个上上午开俩小时就那个还现在人脸验证我也不用考虑，而且那个四点八四点七效果也不好。现在后期我更需要的可能是想了解一款那个能效这一块儿，我现在 google 正在用，我正在研究嘛，我挂 google 但是
+
+🟤 说话人6 [01:34:03]
+年后就好，但是真正采纳率你们内部对就想量化指标是吗?对你肯定不会用吹 solo 是吧?吹 solo 用吹 solo也用是吗?对你这个 hook 是 hook 在 solo 下 hook 在这个 solo 下还有用吗?有用有用是吧?
+
+🟡 说话人4 [01:34:24]
+那还行我这两天刚做了正式，但是触发率很悬，他没有扣带字稳这个没招儿这个没招儿，他们产品力看产品力还是有问题唯一能证明的就是他就是扣带字那个翻版，我只能说他是按照扣带字思路做的对，他也是刚出来吧。个人版也是刚出来，
+
+🟢 说话人1 [01:34:43]
+是。
+
+🟤 说话人6 [01:34:44]
+文档还没有，我上次给他们要了，他们说没有，然后我就没办法自己在那儿捣鼓了。
+
+🟢 说话人1 [01:34:48]
+没有，因为他之前应该是上过，然后又下了，然后现在又上。
+
+🟤 说话人6 [01:34:52]
+啊上过又下了，我现在就很害怕，我刚给他弄好，刚弄个扣子能勉强好，因为 a 那个。
+
+🟢 说话人1 [01:34:56]
+所以你就等等吧，我估计。
+
+🟤 说话人6 [01:34:58]
+因为大模型就是提示词注入这种不管是技能还是提示词注入更不稳。
+
+🟢 说话人1 [01:35:03]
+对，所以我觉得还是。
+
+🟡 说话人4 [01:35:05]
+呃，所以我觉得后面我们也改改策略，就是我们基础讲完，大家拉齐认知之后，更多还是去看这个流程，业务流程，思维这些。包括每个公司的一些管理层，他们就更在乎看我这个东西用好没用好，他们就更考虑的是我们这个指标怎么样那我们就讨论这个量化指标的事儿吧，因为对你们有交付。我就有你们是可能赵总也有交前两天也让我多联系您这边儿看这个指标这块儿到底应该对对我们那我们多聊吧，就该做调整调整吧，因为也对，你是还是不了解情况。
+
+🟡 说话人4 [01:35:36]
+我们就拍了这个大纲嘛，我们大纲做调整就行前面这没问题，可能指标其实就是我们几个需要考虑整体大家对对对，这个也是这个是做交付时候要考虑的点，然后我们继续交流呗。继续看好
+
+🟤 说话人6 [01:35:50]
+只要有什么好的想法，给我也提一下。
+
+🟡 说话人4 [01:35:52]
+对对对对对对我们一块聊。
+
+🟤 说话人6 [01:35:55]
+嗯行。
+
+🟤 说话人6 [01:36:00]
+这么一看这个会这个额度给的太太少了。
+
+🟢 说话人1 [01:36:05]
+嗯，是。
+
+🟤 说话人6 [01:36:06]
+这投入投入真不足。
+
+🟢 说话人1 [01:36:09]
+但国内就我们家做还没办法。
+
+🟢 说话人1 [01:36:18]
+好，那我们就继续开始。就刚刚我们是聊到了模型的一个上下文。然后我们现在呢?现在聊一聊模型里经常可能会出现一个幻觉。
+
+🟢 说话人1 [01:36:41]
+幻觉的话，就它在这个我们的开发场景中，可能会出现一个幻觉的死循环。它往往出现这个死循环，就是它去查找某个文件，然后某个文件又会触发它查找另一个文件。然后就大家这样就会导致他在这两个文件或者说这几个业务场景里一直会跳转，他是无法得出一个具体的结论。所以就会触发一个死循环。还有一个就是他对自己的就是模型本身，他会对自己的一个理解会比较自信。
+
+🟢 说话人1 [01:37:34]
+可能你没有的，他认为也是对的。
+
+🟣 说话人2 [01:37:36]
+嗯这个就是看各家模型的一个能力，包括模型它本身也会有自己的一个参数。
+
+🟢 说话人1 [01:37:45]
+比如说有的模型是偏理性的，它会严格遵循你有没有严格遵循你项目已有的事实，然后再去做对应的再去做对应的输出，有的模型可能调的会不那么理性。然后它就会出现一些幻觉，就模型没有的东西。为什么又会说回到模型是否理性?因为我们每个模型它都会有一个参数值，这参数值可能不一不一样的模型厂商标准也不一样，有的是0!1，有的是1!100。
+
+🟢 说话人1 [01:38:26]
+比如说。0,1的话，它可能0是最理性的，然后1是最理性的。它这个判断理是否理性的判断标准也是基于它模型本身就是大数据的。大数据概率模型，神经网络概率模型。比如说还是以查天气为例。你告诉他今天天气怎么样。然后有85的概率，大家都选择今天是晴天，那么如果是比较理性的模型，它会选择这个概率特别高的。今天天气是晴天。
+
+🟢 说话人1 [01:39:02]
+然后可能还有人会回答今天去上班儿，就你问他天气怎么样，他回答今天去上班儿。虽然也会有这种回答，但它的概率会比较低，如果不太理性的模型，它就会把这个答案也采纳进来，你可能就会得到两个答案，你问今天天气怎么样，它会告诉你今天下雪。然后今天去上班儿。这就是模型是否理性，如果出现幻觉，大概率就是这个模型它底层的会比较不太理性，它更多是倾向于联想型舒缓型的。
+
+🟢 说话人1 [01:39:39]
+一个模型，这时候我们其实换模型是最好的一个方案，因为你这时候给的提示词越多，他可能会更联想，然后分散，这样就未必有最好的一个效果。
+
+🟢 说话人1 [01:40:01]
+然后我们要控制幻觉的话，就是强制要求他必须基于我当前已有的项目，然后再去判断原因，最后给出方案。比如说就像刚刚我们在代码儿里，在后端代码仓库里是没有前端的代码，所以我们让他去改，他可能就会出现幻觉，这时候我们可以试一下。嗯。
+
+🟢 说话人1 [01:41:24]
+就是因为我们这是一个后端的项目，是肯定没有登录页面的，这时候我们再让他去修改登录页面。如果说非常理性的模型，或者说好一点的模型，它会告诉你没有这个页面，如果说一般的模型，它可能就会自己去构造一个页面，然后告诉你我已经改完了。
+
+🟢 说话人1 [01:41:54]
+这个就是模型幻觉的一个原因。它一方面是跟它自己本身的嗯，调调调节参，调节参数有相关性。另一方面，就是我们的上下文也不是很准确，在没有的时候让他去修改。所以这时候我们想让他不出现幻觉，就是先找到证据，先控制他这个东西到底有没有，其次再判断原因，他为什么会出现这样的幻觉，最后再给出解决方案。
+
+🟣 说话人2 [01:42:41]
+嗯嗯接下来就是证据。
+
+🟢 说话人1 [01:42:56]
+这这个证据呢，就是说模型要基于哪些是确定性，哪些是推测，哪些是不确定的。比如说我们之前上午生成的 wiki 文档，包括他自己能在代码里找到的，就都是已经确定的事实。第二个就是合理推测，像是我们前几轮对话中，虽然我们没有前端文档，没有前端文档，但是他能根据我后端返回以及对这个框架的了解，他知道你控制权限是用的哪个自定义指令，然后用的哪个权限关键字。
+
+🟢 说话人1 [01:43:35]
+最后无法确认的是他既没有去改，既没有去合理推测，然后也会在也没有拿到相关的代码依据，然后就去改。
+
+🟢 说话人1 [01:43:58]
+像这个有可能会陷入到死循环，看一下。嗯。
+
+🟢 说话人1 [01:45:52]
+这就是我们就让他去执行，因为我们没有登录页面，然后让他去改，他最后告诉我们这项目是空的，他改改变不了，然后也会有一些自己推测的原因，或者问我们下一步的计划。这个就是现在基本上模型已经不会出现这种低级的幻觉了。
+
+🟢 说话人1 [01:46:20]
+所以这部分我们就简单的过一下。
+
+🟣 说话人2 [01:46:24]
+但实际上刚才的那个问题，他也是思考的时间会比较长。
+
+🟢 说话人1 [01:46:31]
+这也就是还是会以我们的事实基准为依据，他会全局搜索你的登录页面，如果说我们之前在本地的 wiki 文档里面已经定义了，我这是一个后端项目，没有前端页面，他可能会找到，然后快速返回。
+
+🟤 说话人6 [01:46:57]
+嗯这个就是如果他给出的方案，就比如说他刚刚给了两个方案，然后一个是去拉新的前端项目，另一个就是说自己再写一个前端登录页面。
+
+🟢 说话人1 [01:47:13]
+我们需要根据他给的一个方案，确认是否要进行这么操作。如果说不需要的话，我们就直接跳过即可。
+
+🟢 说话人1 [01:47:32]
+这个就是幻觉的控制。现在基本上一线的模型很少会有这种情况，出现这种情况也有一种可能就是上下文过多了，这时候我们就需要开启一个新的对话。然后让他去有一个干净的上下文。
+
+🟢 说话人1 [01:48:02]
+接下来就是基本上每个项目都是这样的，就是哪一些文件是不能提交的，然后哪一些文件是可以提交的，就是我们常规的像最真实的配置以及构建产物，这个是不需要提交的。然后本地的这些也不需要。然后至于 ai 上下文，这个要不要提交?如果说我们这是一个有价值的，其实也可以提交，但是不要把一些密钥啊，然后关键数据放到 ai 的上下文里。
+
+🟢 说话人1 [01:48:38]
+如果说也是没有意义的，只是为了解决一个问题，解决一个 bug 然后跟他又扯皮扯了好几轮儿，那是没有必要提交的。
+
+🟢 说话人1 [01:48:53]
+另外这个就是我们提交的时候要看有哪些风险，比如说你的文件里边儿
+
+🟢 说话人1 [01:49:11]
+因为这是一个开源项目，所以它的配置会有一些相对敏感的信息，但是我们在真实项目中就不会提到这些。
+
+🟣 说话人2 [01:49:33]
+嗯，我看一下他的这个。
+
+🟢 说话人1 [01:49:48]
+这就具体他做了哪些忽略。
+
+🟢 说话人1 [01:49:56]
+然后还有一个有意思的点就是因为我们现在用的 AI 开发工具越来越多，然后不同的 AI 会有不同的隐藏文件，比如说点 py 点 vs code 然后有点 author 可能还会有什么点 code 然后点 code x 这种。就是 AI 的百家争鸣吧，其实这些隐藏文件也都是需要进行忽略的，就都配置到这 git 了。
+
+🟢 说话人1 [01:50:27]
+嗯get 一个 more 里面儿就可以。
+
+🟢 说话人1 [01:50:46]
+如果我们这个会比较多的话，也可以让 AI 去帮我们检查，比如说。
+
+🟢 说话人1 [01:51:58]
+嗯，这个忽略文件一定是根据我们具体的项目来的，因为即便是你再一样的配，再一样的项目，它肯定也是有不同的一个特殊处理。
+
+🟢 说话人1 [01:52:17]
+这就它提示我们会有这些，要把配置文件也屏蔽了。
+
+🟢 说话人1 [01:52:50]
+这是一个标准的示例。
+
+🟢 说话人1 [01:53:01]
+这个就是到了 ruler 的一个相关讲解。 
+
+🟢 说话人1 [01:53:11]
+ruler 的话，我们刚上午也是简单的加了一个 ruler 然后呢?但是那个 ruler 呢，可能会比较简单。然后我们需要根据不同的项目，有项目级别的 ruler 就以若一这个为例，加一些关于安全的一些 ruler 尤其你后端的可能更关注是账号密码，然后接口权限的注解，然后菜单权限，然后数据敏感这些。
+
+🟢 说话人1 [01:53:41]
+所以就是这里边儿有一些东西可能需要让 ai 去参与，有一些东西不需要让 ai 去参与，这时候我们就需要在 ruler 里边儿去进行配置。
+
+🟢 说话人1 [01:53:58]
+写 rule 的时候，我们可以就明确哪些功能，它的触发场景是什么?像刚刚写的那个，它就每一次都会触发，但未必是我们需要的。这样的话，我们就加一些触发场景。比如说我是有一个用户的 rule 那么我就把用户相关的权限要求都写到这个里面儿。我换部门儿或者换其他，换什么商城的，这种它就不会触发你用户的一个 rule 第二个就是 rule 必须执行的一个动作。
+
+🟢 说话人1 [01:54:34]
+AI 它应该去检查什么?去执行什么?然后权限注解什么?第二，第三个就是 AI 不能去偷懒或者绕过什么。AI 偷懒就常见的就是一个特别大的任务，它列了五六条，最后可能只完成两三条，然后告诉你它已经完成了。这时候我们发现它做的页面也不太对，然后东西也会有丢失。最后的一个验收方式就是咱们确定规则被遵守了。我们就需要事例是，比如说它的文件路径，注解有没有这种权限的测试合理不合理。
+
+🟢 说话人1 [01:55:20]
+像这种事例，我们就可以加进来。
+
+🟢 说话人1 [01:55:27]
+这个就是像是权限的一个 ruler。
+
+🟢 说话人1 [01:56:06]
+这里边儿加入了，就我们可以在这里加，比如说我添加一个项目的入了，或者我们也可以直接在这里加。
+
+🟢 说话人1 [02:00:03]
+这就是我们现在已经加了两个入了。
+
+🟢 说话人1 [02:00:16]
+我们可以看一下安全相关的入了，我们就添加示例第一个就是前端的按钮，它只是作为交互控制，不能作为安全边界。这也就是要求涉及到修改权限相关的代码，它不会以前端权限完成就终止任务，它必须会它肯定会它后端相关的反馈了，sorry 这些有没有增加对应的权限?第二个就是只要涉及到修改权限，权限涉及到新增修改删除导出的操作，就必须要去记录日志。
+
+🟢 说话人1 [02:00:53]
+相当于我们把原来一个可能就是你新增一个导出的权限，现在已经聚合成为导出的权限，它必须校验你前端有没有做，后端有没有做，以及你这个导出的权限有没有记录操作日志。这样的话就能约束它生成的代码尽量是符合我们项目规范的。
+
+🟣 说话人2 [02:01:21]
+嗯接下来就是权限和审计的一些
+
+🟢 说话人1 [02:01:47]
+进了。
+
+🟢 说话人1 [02:01:53]
+比如说涉及到用户这些的时候，不能只依赖于前端的安全权限。这个进入了，它的强制措辞就更加强烈，以及它也增加了审计的要求。说明了更加具体的一个行为。如果说刚才那个是约束我们整个项目，它必须有哪些操作，那么像这个入了，它就会更多去约束你所有的行为，它能不能去。执行。不同的 ruler 它应该是有不同的层级规范。
+
+🟢 说话人1 [02:02:29]
+比如说像我们刚才不管什么项目，它业务需求全局的 ruler 都是刚刚那几个都是刚刚这些。我前端的按钮只能作为交互，然后涉及到后端就必须检查后端的权限控制。然后涉及到增删改，增删改的时候必须记录日志。这个可以作为我们全局的规范，就是我们整个项目团队或者说整个技术部门的一个规范。然后像下面这个，那么我们就涉及到具体的项目。
+
+🟢 说话人1 [02:03:12]
+比如说有的项目，它可能不会有部门儿或者不会有岗位这么一个功能，我们就直接在这里写涉及用户角色菜单，就不需要再添加部门和岗位这两部分。然后像这个它是检查后端的ctrl了，但是我们有一些项目可能是没有用到若依这个项目架构，或者就不是用 java 做的，我们这时候我们就要求它是跟我们的项目相关的。比如说我要用 node 写，它就会检查 node 的跳转或路径什么的。
+
+🟢 说话人1 [02:03:54]
+再之后就是注解，这也是项目特有的一个行为。我必须要有注解，然后我有 aop 依据以及我下边儿是无法确认权限的时候，标注为不确定，并且添加 ctrl 和 service 相关日志切面的文件。
+
+🟢 说话人1 [02:04:17]
+前面这个是整个大体的规则约束，后面就是涉及到具体的了。它会更细致的要求我们在这个项目里，他能做哪些操作。
+
+🟢 说话人1 [02:04:37]
+再之后就是敏感的规则配置。
+
+🟢 说话人1 [02:04:46]
+敏感的规则配置就是第一个不能有数据库密码，然后像什么数据库 redis jwt 然后第三方密钥不能有这些。第二个就是不能提交真实的生产文件或者开发文件。第三个就是示例配置使用占位符这些等等。嗯嗯。
+
+🟢 说话人1 [02:05:19]
+嗯，像这个的话就不那什么了，我们就直接跳过。基本上还是刚刚要求的几点。
+
+🟢 说话人1 [02:05:31]
+最后就是如何编写它的整个规则。以这个项目为例的话。
+
+🟢 说话人1 [02:05:44]
+它的规则一定是，这就是下到了项目级别的一个规则和我们整个。整个全局的规则是相对来说更细化的。如果说我们的整个技术栈一样，可以使用同一套规则，如果说我们的技术栈不一样，那么我们在全局的规则下边儿只约束它的一些强相关的条件。给他搭好具体的大框架，然后我们下边儿在项目里再去细化这个框架的具体规范。比如说像这个，前端页面不能直接手写请求体，必须放到对应的 API 模块儿。
+
+🟢 说话人1 [02:06:28]
+然后后端必须保持，然后新增枚举时一定要先检查有没有相关配置，不要在一个页面写硬编码，其实这个对于成熟的商业项目来说，像这种应该都是同一个标准，就是我们不要在页面写硬编码。然后要求分层必须明确，请求地址必须合理，像这样的。最后代码生成的检验必须经过校验才能会提交。
+
+🟢 说话人1 [02:07:24]
+这个就是代码生成的 review 清单。
+
+🟢 说话人1 [02:07:31]
+像这种，像这种的话就是你看像我们刚才翠里边儿，它自己也会有自己的 code review 然后我们可以就基于它那个，比如说拷贝出来一份儿，然后我们改成自己需要的 review。这时候的话，第一个你自己写的 review 相对来说会比较安全，第二个也更符合我们的使用。还有一点就是其实大家可以看到，目前即便是中国版就是国内版的，它的 ruler 就它的 skill 也大部分都是英文的。
+
+🟢 说话人1 [02:08:09]
+这时候我们就可以用，就尽量还是用英文吧，因对于模型来说，英文的歧义可能会更少一些。
+
+🟢 说话人1 [02:08:22]
+检查的方式配到 skill 里，然后我们在入了里面就配置它要去检查哪些。比如说检查抗初老，检查菜单权限，然后检查操作日志这些。至于怎么检查，那就是 skill 的事情。
+
+🟢 说话人1 [02:08:48]
+再之后就是测试我们的规则有没有生效。
+
+🟢 说话人1 [02:10:42]
+它会告诉我们测试的步骤，然后一些预期以及我们应该测试的哪些点。
+
+🟢 说话人1 [02:11:00]
+可以看到它已经在读取时使用了我们权限的这个输入。
+
+🟢 说话人1 [02:12:45]
+我们可以再开一个新的对话，试一下我们刚刚的配置。
+
+🟢 说话人1 [02:13:17]
+像1点 md 这个入了它就没有生效，因为我改它是涉及到代码生成相关的。并不是在我们这个权限校验里，所以我也所以它也不会生效。然后因为我要做这个测试用例，实际上如果我们不用这个权限的入了也可以。但是这个入了更多的是约束了它的测试用例要符合我们之前的一个项目规范。比如说还是回到权限内部，必须前端后端都增加权限，然后我的权限需要哪些?
+
+🟢 说话人1 [02:14:00]
+哪些操作需要记录日志。
+
+🟢 说话人1 [02:14:18]
+再之后我们说一下前端的规则。前端的规则的话，像这些的话，基本上网上都会有非常成熟的一个方案，那么我们是需要根据他的一些方案制定符合我们项目的一个 rule。并不是说把它整个拿过来，它可能更多的是针对于他们项目的，或者说一些通用的方案。用起来不能说不对吧，但可能不是很准确。
+
+🟢 说话人1 [02:14:58]
+所以我们先要明白前端的一个改动流程。改动流程就是我们崔应该先做什么，然后他不允许做什么。比如说我们第一阶段是找到入，找到入口，毕竟是前端嘛，先从页面进来，然后页面再找到对应的 API 模块儿，再找到权限字符，再找到字典，就这么一层一层找下来，找到入口之后再去改代码。是我们需要改页面，还是需要改 API 的接口，还是需要改权限。
+
+🟢 说话人1 [02:15:36]
+每一步我们都要标识它不允许做什么操作，最后就是查看有没有风险，有没有漏改的，然后需要二次确认的。以及一些错误提示，这就不允许他只看前端，不看后端。最后就是验证给出我们需要，如果说我们需要测试的一些关键逻辑点。
+
+🟢 说话人1 [02:16:08]
+这就是用户管理页面的一个规则示例。比如说这些按钮必须增加权限控制，然后删除必须二次确认，提交失败有没有恢复的，提交失败后恢复的 loading。然后修改完用户之后刷新列表，敏感字相关的。
+
+🟢 说话人1 [02:16:34]
+之后是权限的审查表。比如说新增的，新增删除修改这些。这个最后是应该让 AI 给我们出来这么一个审查表，然后我们对应的相关审查表去看我们的代码是否符合要求。它不仅是前端的，然后更多也，然后也会有一些后端的。
+
+🟢 说话人1 [02:17:04]
+这个就是一个具体的规格配置。就是新增页面按钮的时候，首先我们要复用项目里已经有的，不要再去自己新增。第二个就是接口调用的时候，必须放到对应的 API 文件里。页面不能只调用封装方法，页面只调用封装方法，不能再写硬编码，也就是把接口地址直接写到页面中。第三个就是涉及到删除重置密码这种需要二次弹出二次确认框，就是比如说用户点完删除，再弹一个是否要确认删除这样的。
+
+🟢 说话人1 [02:17:42]
+最后就是字典的展示，必须使用已经有的，而不是每一套逻辑，它都会自己再生成一套字典。最后就是权限的相关控制。
+
+🟢 说话人1 [02:18:04]
+我们再把这个也加进来。
+
+🟢 说话人1 [02:18:17]
+像这个的话，我们就直接可以加到前端的项目工程里。
+
+🟢 说话人1 [02:21:28]
+因为我们现在没有，这次没有相关生成代码的演示，所以就直接去通过这个方式调研它的一个规则生效。
+
+🟢 说话人1 [02:24:56]
+比如规则三，敏感按钮二次确认和 loading bug 这里会有一个空指针的风险。
+
+🟣 说话人2 [02:25:06]
+然后剩下三条呢?
+
+🟢 说话人1 [02:25:10]
+剩下这三条是不适用的，因为它是没有字典相关的，然后 API 封装这个是合规的，所有接口都会在 API 文档里。像这种规则呢，就是通常我们在生成代码之前，让他去遵循我们这个规则。然后如果说是我们已有的老代码，像刚才也有同事提到我们这个生成的代码质量可能和原有的代码一样，如果提高它的质量，那么就可以通过这种规则去强制要求他必须按照一个什么样的质量去提交。
+
+🟣 说话人2 [02:25:51]
+嗯嗯然后接下来我再把刚才弄的安全的嗯嗯
+
+🟢 说话人1 [02:26:57]
+像这种的话，我们就可以选择智能生效，或者手动触发，只有我们在操作相关的东西时，再让他进行再让他进行触发。首先还是刚刚提到的真实配置环境不要提交到仓库，然后密码这些也不要不能在源码里体现。
+
+🟣 说话人2 [02:27:35]
+嗯嗯然后账号密码不在前端写死，然后也不能在日志里有。
+
+🟢 说话人1 [02:27:45]
+如果涉及到重置密码和操作密码，必须有人工审，人工审会弹出对话框。
+
+🟢 说话人1 [02:27:59]
+再之后就是前端权限的一个边界。以及后端权限的一个边界，还有数据权限的一个边界，还有操作日志。最后就是代码生成相关的。然后刚刚还有一个页面相关的规则，也是简单写了这几条。我再找一下整个完整的。
+
+🟢 说话人1 [02:29:06]
+像这种就通常是一个比较完整的 lora 它不是说和刚才的页面相关，而是整个前端工程都会用到的。比如说一个是 API 调用，它会要求哪些接口是需要放到哪里，然后新增修改删除必须遵循命名规范，还有就是不要在多个页面里重复写同样的请求逻辑。还有一些动态路由的规范规则以及按钮权限相关规则，也就是列列表页面，比如说列表页面必须有 loading 状态，有空的状态，有错误的状态。
+
+🟢 说话人1 [02:30:00]
+还有一些默认的状态，以及我查询之后应该刷新数据之类的。还有就是表单页面。表单页面的规范就是新增主要的就是有没有增加校验，哪些是必填项，哪些是非必填的。然后请求失败之后，我是关闭呢?还是说停留在当前页面，然后重新释放提交按钮?包括我包括新增和编辑之后应不应该关闭弹窗?嗯有没有确定发起列表以及表单重置相关的??
+
+🟢 说话人1 [02:30:44]
+最后就是导出和删除的规则。
+
+🟢 说话人1 [02:30:56]
+还有就是字典显示相关的规则。比如说我们一些状态，然后类别，性别这种的，优先使用自己的字典值。然后不要在页面里面临时写死硬编码的字典值。还有就是修改字典值的时候必须做全局检查。
+
+🟤 说话人6 [02:31:20]
+嗯包括列表,表单,详情,导出,这些。
+
+🟢 说话人1 [02:31:25]
+另外就字典值缺失的时候，不要直接报错，会有一个兜底的展示。还有就是字典值异常的时候，不能导致页面崩溃。这个就是相对来说比较完整的。
+
+🟢 说话人1 [02:31:42]
+但这些更多还是说我们前端项目的一个通用规则，如果我们涉及到具体的项目页面，我们也可以要求他更。更细致一点，比如说我们的样式，如果有样式的公共文件，就要求他必须添加样式都放到哪个文件里，然后添加的页面都放到哪里。然后不能，然后我们的依赖循环是怎么样的?必须是从上到下，不能形成父子循环，或者依赖循环。还有一个就是
+
+🟢 说话人1 [02:32:56]
+接下来的部分还会涉及到一块儿，整个测试和编码的一个 ruler。时间可能对就说到这儿，明天我过来说时间可能不太够，所以就是这个不行，明天再说，然后针对于刚刚的有哪些有什么问题，大家可以再提问，然后我们去做一个答疑。或者就是说大家在编写规则的时候感觉哪里会有问题?
+
+🟠 说话人5 [02:33:37]
+有什么问题?你可以你这边有什么问题?有什么问题?
+
+🟢 说话人1 [02:33:44]
+就也别的问题也可以啊，就是跟整个 ai 开发的。嗯，其他问题也可以，不一定是非局限于今天讲的这些内容。因为大家可能使用程度不一样，碰到的问题也不一样。我们在有时候有一些课程安排的话，也是从浅到深，看大家有什么具体的问题。当然就是线上的同事有问题的话，直接发到对话框里就行，我这边看见会解答的。
+
+🟣 说话人2 [02:34:23]
+嗯嗯就是说这个知识库是根据个人经验自己去一直积累的，还是说可以有一个整体的东西，可以先借鉴一下，先初步生成一个，然后再慢慢完善是上午聊的那个吗?
+
+🔵 说话人3 [02:34:56]
+对就是根据项目，其实那个是跟个人的习惯没有关系，他只是
+
+🟢 说话人1 [02:35:06]
+看这个吧，这可能大家更清楚一些。
+
+🟢 说话人1 [02:35:16]
+索引和文档，实际上上午那个 wiki 文档，它也是在做这个过程，只不过这个过程我们手动去把它细化一下，如果说我们就像我们后端查数据库，如果我们不见索引的话。可能查的会比较慢，但是我们建了索引会查的比较快，上午那个 wiki 文档也是一样的道理。实际上是相当于把我们的代码建立了一个索引，都放到一个文档里，ai去查的时候，它能查得更快。
+
+🟢 说话人1 [02:35:50]
+它作用就是这么一个作用，它不会再去查找整个项目或整个我们的工作空间，再去一点点搜集这个代码。相当于是我们手动把整个项目的信息都压缩，再喂给 ai 它就是这么一个作用。
+
+🔵 说话人3 [02:36:10]
+这个也是让他们让 ai 去生成的。
+
+🟢 说话人1 [02:36:13]
+对，让 ai 去生成，因为只有 ai 它自己清楚它想要什么。就是我们，就我们添加规则也好，添加这些都是基于我们对项目的一个判断去添加，添加完之后就我们自己写完，我们也可以让 AI 再去校验，或者说再让 AI 去修改。有一些描述可能我们认为是合理的，但对 AI 来说，它确实理解不了，它认为会有歧义。因为它所理解的是大部分人都使用的一个习惯。
+
+🟢 说话人1 [02:36:51]
+所以他给你的推荐也是他数据，他训练数据里有的这一部分，更倾向于他理解我看你现在说的这个规则这一块儿规则的话，基本上每个项目都可能跟你现在举举一个是弱的对可能有的项目可能有点区别。
+
+🔵 说话人3 [02:37:15]
+你这个规则是 ai 生成的还是自己的这个规则是你先定义大概的框架范围，比如说我们的基于商务，我们整体的架构有了，那么我们就添加新的功能模块儿。
+
+🟢 说话人1 [02:37:31]
+我们就要求它必须是分三层，就以后端为例，分三层，ctrl了 service 然后 do 层，我们就分这么三层那么我们告诉他新增一条规则，然后项目要新新生成的模块儿要分为三层，然后每一层做什么。你把你的要求告诉他，他自己会生成符合的规则。
+
+🔵 说话人3 [02:37:55]
+其实在开发的时候，我们基本都会有一个工程，虽然是前期的工程，可能会有一个框架类的工程，然后到开发的时候，也给他提了几个规则。市场也会默认按照这个标准架构来进行，就像你说的按后来分餐这种对对对这种规则的话，还不如提前学习，再写就行了啊这个其实有看你的倾向，就是规则它管的非常细。
+
+🟡 说话人4 [02:38:31]
+或者说你适合做一些非常精细的管理，那你现在 ai 这个智能已经足够强了，很多时候可能你不用这个入子也是没问题的，它都本身足够聪明，能够拿到所有上下文。拿到所有的细节，可以说你可以选择性的说到这个点是因为有些超大型的项目，或者自己的习惯想精细的去控制某一块模块儿，比如同一个仓库有两个完全不同的理念。或两个不同的项目，然后这样的话可能这个入子起的作用会更明显，更明确。
+
+🟡 说话人4 [02:39:05]
+但是像他这种我使用过程中就发现他已经按照我们项目的规则分那个项目名称来了，这种规则是不是不用再做一次其实这个就是
+
+🟢 说话人1 [02:39:20]
+首先就是说我们这一轮 AI 火起来之后，大家会发现几乎隔几天会出来一个新技术，隔几天会出来一个新技术，大家可能都学得焦虑了。但是也不太清楚它这个新技术能解决什么问题。它会有一个时间差的概念，比如说我最早是模型出来，然后大家发现它的生成太随意了，我就增加 rule 去约束它，然后越到后面又发现它没有工具调用的能力，我就增加 mcp 再到后面我们就发现它可能没有相关执行能力。
+
+🟢 说话人1 [02:39:56]
+也没有相关的规划能力，我们增加了 agent 就说我们不断地在模型的外围，丰富我们的框架，然后去约束模型的输出。在这个过程中，模型本身也一直在进步。有一些确实会被淘汰，但是你要说它有没有意义呢?我是个人认为还是有意义的。它是避免你出现模型百分之一或者就是百分之零点一那么一个抽风的可能。你不能说你不，因为我们谁也没有办法确定这种神经网络概率模型，它百分百每次出的都是我们想要的，所以我们就需要用规则去约束它。
+
+🟢 说话人1 [02:40:41]
+像它现在模型能力强了，它可以学习到我们已有项目的一个架构。但它每一次生成，它都会去重复这个学习过程，然后再去重新生成。如果我们把这规则落地之后，第一个是能节约它每次去查询项目学习的过程。第二个是能强制要求它必须按照我这个规则去输出。它起到就是这两个作用，但是你要说现在模型能力这么强，你不加这个可以吗?
+
+🟢 说话人1 [02:41:12]
+它其实也可以。
+
+🟣 说话人2 [02:41:13]
+嗯但是可以的话就是你上下文报表，上下文超出来的话，或者有时候大家使用多了会发现模型有时候会有降质的行为，你可能算力不够的时候，它确实会输出的质量很一般。
+
+🟢 说话人1 [02:41:36]
+这种也会需要规则去约束。
+
+🟡 说话人4 [02:41:39]
+额外再提两个点，有些人会炫技，就是比用非常小尺寸的模型做出来就是和顶尖模型一样的效果，比如模糊的说一个需求，他可能需要这个褥子就精准的描述每一块的业务逻辑。防止就是让这个小尺寸模型也能自我反思，自我调控，所以这是一种实验场景。另一个点就是这个褥子它现在不够通用，就是咱现在在这个脆上用，后面如果咱换用其他工具，习惯其他工具，这个褥子可能就不生效。
+
+🟡 说话人4 [02:42:12]
+这就相当于他们定了一套规则，这里也有很多故事，明天打算去讲一下这个眼镜的一些细节，或者说我们讲一下这个技术的八卦。你刚才提到A AI 很多情况下就足够聪明，我们也是认可，就是薛老师也说到，我们会有一个 agents md 的概念，就是在每个模块里都可以去约束这个 AI 的能力。它更粗放一点，更宽泛一点，然后现在 AI 能力足够强，其实已经能够正确去遵循，所以回应的说这个褥子有没有用，很多情况下是可以不用，但是取决于你对这个 AI 做的事情信任程度如何，和 ai 这个能力到底智力智商如何?
+
+🟡 说话人4 [02:42:55]
+就是我们使用一个可能电脑上就能跑的小尺寸模型，然后恰当的使用这个版本的话，是能够自我约束它的。比如它改着改着飘了，那我们这个入子去加进来，它可能去改的时候会把这个上下文加进去，就能去控制和避免它的这个思维又飘或者乱改，这是一种比较常见的一种场景。如果我们使用其他编程工具，这个入子可能就不生效，就是说需要再做额外的迁移。
+
+🟢 说话人1 [02:43:22]
+对，其实这也就是大家会发现不管是模型周围的技术，周边的技术，包括 mcp ， skill 等各种技术的演进，它只是解决了一个问题确保模型输出的稳定性。因为概率模型，我们谁也不知道同样的关键词喂给他，他下一轮会输出什么，这完全取决于它的一个概率，它选择概率。比如说同样是这次它输出选择了85的人选择的概率，下次可能是选择了88的。
+
+🟢 说话人1 [02:44:01]
+所以我们做的就是 ruler skill 这些都是通过我们不断的提示词去约束，然后确保它所输出的东西是我们需要的，把它的概率问题变成确定性的问题。这个就是现在大家都在做的一个东西。
+
+🟡 说话人4 [02:44:21]
+我们明天应该是半天的安排，然后明天计划把薛老师没讲完的部分让我们快速补，因为我们这两天第一阶段的目标还是把用的浅用的不熟的这个同学。然后把这个认知拉上来，我们就是确保基础部分都是能讲得通的。然后另外的部分，我会详细尝试在专门说一下，比如就刚才提到这个 rules 它的演进变化，然后我们包括这个吹里面还有一个 comments 的那个命令那个概念和 skill 可能是比较相似的。
+
+🟡 说话人4 [02:44:52]
+这里做一个拆解，就是把一些常见的困惑，使用上的困惑，把它做一个快速答疑。然后另一点呢，就是各位手头上都有这个书了，然后明天也会快速过一下书的结构，然后就是快速做一个讲解，细节可能不做每一行每一页的介绍，主要还是带读一下。然后这样说，我们在下次见面时，各位可以再理解一下这个基础的使用，然后 ai 一些这个基础的部分，这个知识。
+
+🟡 说话人4 [02:45:17]
+然后书上有如果有这个问题或者不清楚地方，可以留下，我们也是看陈老师看能不能组织一个问卷儿，我们下一波的时候针对这个问卷儿上的问题更针对性做一个回答，然后我们再沉淀一些知识。
+
+🟠 说话人5 [02:45:31]
+其他人那个东东你这儿有啥问题?其他人有没有?
+
+🟤 说话人6 [02:45:35]
+老师我再问一下，就是那个微信两 m 嘛，我记得是不能超，带宽不能超过两 g 还是三 g 我记得之前好像试了是比如我现在在外面的这个，然后在你的服务器上跑。
+
+🟡 说话人4 [02:45:54]
+啊这个可以打个点啊，对，这我下面明天带个带案例试一下，这个应该就是可能会有防止上下文是这个爆炸的这个限这个限制，但它的这个技术的这个实现上也是先就近。就是先优先改，他要改某个文件时先看附近的，然后再一层一层往上找这个东西也不希望它非常的爆炸，非常的多。嗯那个要不咱什么，你刚才新老师问的问题清单，要不咱微信群里你建个就是
+
+🟣 说话人2 [02:46:33]
+另外一个明天的安排是咱们那个明天上午半天课，因为那个下周一或二，给李老板汇报 ai 编程工作规划。
+
+🟠 说话人5 [02:46:47]
+那个项目组有几个人给辛老师和徐老师明天下午会讨论汇报材料。关于我们这个 ai 编程，的发展或下一步大家有什么问题，也可以在那个微信群里反馈，我们也征集一下写一下，因为给老板汇报的时间也大家有什么心声啊对他的反馈，我都可以写在群里反馈，我们也征集意见，没有其他问题，还有其他问题吗?这个线上的那个有十多个人有什么问题没有?
+
+🟠 说话人5 [02:47:27]
+咱们可以对你你摇一下，聊天儿那个应该还说我发的什么声音上午的上午九点
+
+🟣 说话人2 [02:47:44]
+恩在那个那个那个谁那个陈源那边看不到。
+
+🟣 说话人2 [02:47:56]
+恩那要不今天下午就到这，那个明天上午还是9点啊。
+
+🟢 说话人1 [02:48:02]
+好明天照样签到。好下午没录是吧?啊
+
+🟡 说话人4 [02:48:23]
+累瘫了吧?哈哈哈下午没下午没录吗?
+
+🟢 说话人1 [02:48:27]
+可能是，没事，不用管他那你那你你是明天走是吧?我今天晚上的票晚上几点?嗯，今天晚上我买的是八点的票八点对八点多吧就八点，八点十几就基本上多也多不到哪去不带巧，他这个临时有事是
+
+🟠 说话人5 [02:48:55]
+走那个饭店吃个饭，吃完饭再走。因为坐那个坐那个地铁是最快的，它可以七七分钟，地铁八号线。
+
+🟢 说话人1 [02:49:02]
+一会儿坐地铁。
+
+🟠 说话人5 [02:49:05]
+八号线很快。
+
+🟢 说话人1 [02:49:06]
+吃饭应该就可以。
+
+🟠 说话人5 [02:49:08]
+时间几点?
+
+🟢 说话人1 [02:49:10]
+啊，你和你和季老师吃，我就先撤了。
+
+🟠 说话人5 [02:49:15]
+啊。
+
+🟢 说话人1 [02:49:16]
+应该可以，你直接去坐坐地铁。
+
+🟡 说话人4 [02:49:21]
+嗯，下一个就明天吧，就说还没说完的，然后就我们刚才说嘛，目标还是把这个东西拉齐，然后再反馈一波儿，刚才和海波也聊了聊他关心的这个指标，我们后续第二个准备到时候再讨论。到时候我和海波再多聊一聊，然后看看这个规划。
+
+🟢 说话人1 [02:49:40]
+行，然后看指标，如果不行就安排到后面儿，不是说需要这个指标的只是少数人，我们等他们回一个表儿，然后再讨论一下。
+
+🟡 说话人4 [02:49:54]
+行，走走走。
+
+🟤 说话人6 [02:49:56]
+其实我年轻过，就是一个缺点就是这个指标到底能不能收集。嗯主要看你这个工作到底能不能建立成对对对你再说说你的预期，咱就是拆一拆看就看这个事儿。
+
+🟡 说话人4 [02:50:09]
+现在这个企业版后台我没看，比如你们有什么诉求，对了有一些指标企业版后台有一些，但是我们目前主要还是那个采纳率的问题，采纳率难是难自己做，然后其实采纳率这个数特别难这个采纳率之前前年还有说。因为那个 tab 就是你摁回车然后再点，但是现在可能已经完全没话摁回车了，所以它的采纳率应该
+
+🟠 说话人5 [02:50:33]
+地铁不堵车你直到东单那直的你要再开车的话还绕这会儿还堵车我们那个没有任何冲突嗯我我我我们现在还没有建立所谓的需求计划然后再去消耗你没有一个参照嗯嗯在这个里面我可能只能做一些过。
+
+🟤 说话人6 [02:50:50]
+程指标就是采嗯我只能看我这个 ai 生成这个代码儿最终和我提交到计划上那个代码儿哎咱这样我看一会儿我看看后台数据咱看现在有哪些指标看因为不一定最终
+
+🟡 说话人4 [02:51:04]
+反正最终可能不叫这个词儿，或者说有别的词儿，反正还是给人汇报去观察我们下面情况，包括那个固定消耗量，包括这个活跃情况应该也是可以分析的。要不您在这儿看一眼，我今晚还有点事儿。哦哦哦，那就。你走你走吧。我先撤了，你告诉他们一声。你要回房间去。
+
+🟢 说话人1 [02:51:28]
+我不回了，我直接去做。
+
+🟡 说话人4 [02:51:30]
+你赶个时间。
+
+🟢 说话人1 [02:51:30]
+直接去做。
+
+🟡 说话人4 [02:51:31]
+你用我我送你。
+
+🟢 说话人1 [02:51:34]
+嗯，你拿上我给你放，你拿上我给你放，你先看看后台。
+
+🟡 说话人4 [02:51:41]
+不是我在找，我现在在找这一块儿东西，这我刚弄的，然后后台这一块儿他现在有这几个。
+
+🟤 说话人6 [02:51:48]
+这其实没什么意义，然后再。
+
+🟡 说话人4 [02:51:52]
+啊，就这儿，他现在目前是三个。
+
+🟤 说话人6 [02:51:56]
+这说实话这个也没什么意义。
+
+🟡 说话人4 [02:51:57]
+也对这个 q 的话。
+
+🟤 说话人6 [02:51:58]
+现在他只有一个生成率和代码质量。
+
+🟡 说话人4 [02:52:02]
+代码量。
+
+🟤 说话人6 [02:52:03]
+他这个是。
+
+🟡 说话人4 [02:52:03]
+但是这两个其实。
+
+🟤 说话人6 [02:52:06]
+是他的指标，其他他倒是给的细节给了个公式。
+
+🟡 说话人4 [02:52:10]
+可以把。
+
+🟤 说话人6 [02:52:11]
+嗯，说服度不够，目前现在其实就是。
+
+🟡 说话人4 [02:52:14]
+维度不够。
+
+🟤 说话人6 [02:52:15]
+嗯，对。
+
+🟡 说话人4 [02:52:17]
+现在人都能用完吗?有，就是每个人消费情况。
+
+🟤 说话人6 [02:52:21]
+有的人不用，有的人能用完，的确是。
+
+🟡 说话人4 [02:52:24]
+嗯。
+
+🟢 说话人1 [02:52:25]
+就还是。
+
+🟤 说话人6 [02:52:26]
+你像我都不敢用，都用自己的，我现在也自己。
+
+🟡 说话人4 [02:52:28]
+我看了一下，旗舰版里面就一百块钱。
+
+🟤 说话人6 [02:52:31]
+钱老师用的。
+
+🟡 说话人4 [02:52:33]
+也还好，你现在是个十百千万十万百万五百。
+
+🟤 说话人6 [02:52:38]
+五百多万。五百多万还好。主要还没加，我感觉还是没加什么规则，我怀疑规则什么乱七八糟一加起来估计就今天比较咱东西还比较干净今天一个是比较干净，一个今天实际上都没有生成代码对就已经五百万了是吧五百万对每个月五千万咱们。
+
+🟠 说话人5 [02:52:59]
+那几个人上上那个上几个亿那是几几个呀五一个月是五千万你看我们那有人这已经几天了一点八亿了啊一个月是五千万哦又满了我们现在是给每个人现在定的是一个亿。
+
+🟤 说话人6 [02:53:16]
+然后再外加四个亿的 deepseek 现在是这样，先看看只能说一点一点的试，不然也是个无底洞说实话，trick 有点费流量 trick 有点费 token 也费 token 是吧trick 它额度我看给的不高。而且有点黑盒儿我当时用 trick 跑，包括 cloudcode 去跑我的 glm 我当时 glm 上不是买了一个嘛trick 不管是我从完成率，还是它 token 消耗量都是远高于 cloudcode 的 GLM 的效果因为其实崔的缓存做得很一般。
+
+🟢 说话人1 [02:53:56]
+Kimi 应该是做得最好的Kimi code 是吧反正现在硬指标各位都得用，用超了之后就 cc 也好，什么 open code 也好，就是各各自选了的一般用超现在就是我们给他大约五个亿嘛。
+
+🟤 说话人6 [02:54:10]
+就是我们现在超两个超，一个超可能是崔的这个本身的协位额度超了，那协位额度超我们可能给的策略就是我们去买这个 c 个流量包，然后去做通过这个自定义模型。我们企业你们内部搭一套是吧，好的企业这儿可以有一个企业模型，它这儿它这个可以搭一个模型，您看也可以现在我把 k 删了，所以还没有，然后通过这种模型。然后再去每个人再去限定一个额度，比如四个亿，我让你再去啊对对对，okok。
+
+🟤 说话人6 [02:54:37]
+那如果再超，那可能就没招儿或者慢慢探探用户到就是我们企业到底应该每个人配多少，其实现在也是一个。
+
+🟡 说话人4 [02:54:47]
+嗯这个东西肯定最后不是一个均分的嘛，就是一个对对我们内部也是就高非常高低的就比较对一般是大致就会一人你就感觉比较多少我们骗我我我现在公司用的都比较超比较狠。我们期限都是每周是五百五百美元的额度走你们就放放因为我们比较激进就全托管了就走了各种基本上我昨天刚买了扣的 x 二十倍的那个啊我现在就想买二十倍的二百刀我现在就买二十倍的走。
+
+🟡 说话人4 [02:55:22]
+我二十倍基本上那个就能我用二百刀的话差不多就这个样子哦有了是对你看像像咱说的话其实就已经比较激进或比较尖端了就不代表大部分人情况对对主要现在这个东西就代表不了什么用我比如我拿这个去给这领导就看我说我这个 ai 有效果。就是
+
+🟤 说话人6 [02:55:46]
+大家可能都会说我这个你能从 commit 或者整体的项目管理角度去看到有大的和去年同期比之类的这种就是没有极限没有极限对，而且我们的是内网，我们的 git 是在内部的，它现在有什么情况呢?我这个东西现在是外网的，我们现在的确是在外网，但是到提交 git 时，我需要去把这个网络断了，换换到一个专网，然后那个时候它其实 ai 已经接受不了，至少外面的 ai 是接入但你能就是执行那个 get 命令。
+
+🟡 说话人4 [02:56:18]
+写到这个就是对我们现在想的就是写到 t r t 里，然后再让 ai 去分析这个我自己我包括我自己在聊，为什么我一直在纠结这个用它的 hook 嘛。
+
+🟤 说话人6 [02:56:28]
+我一直之前我一直在问加点对我是在想在这儿加点，然后就创这种 g c l 这种形式，然后去统计统计完之后再结合 git 那个在 git hook 那边儿就是在我 commit 这个你现在加在后台加模型是直连官方的，dbsic官方的还是你们自己搞一个 new api 之类的中转站呢?他这边儿可以直接能审计吗?
+
+🟡 说话人4 [02:56:50]
+有多少审计他能直接对他能审计到他那也能得到这个人用了多少，但是我得不到这个人具体用在哪儿，但是这个审你要说审计他用到哪儿都审计不到，他现在就是这个税只能得到我提一个点哈。就是有很多项目我们现在也是，就是什么 new api 这个词你不知道你知不知道，就是相当于搭个中转嘛，我们就是没有公网也没有一个专门的网站，我就是一个服务器或者一个什么我去中转这个事。
+
+🟤 说话人6 [02:57:21]
+我中转不了，我没有这样一个平台去中转你们不允许有还是不能有不能有不能有没有这样一个内网的也可以，也不行，内网就拉不出来了外网进不来了，我就出不去等于说物理隔离了那我提这个有没有那种中间的机器。
+
+🟢 说话人1 [02:57:37]
+就是一边儿是连着外网，一边儿是连着内网没有一机双网的，我们现在就是单网那就是拿不到底层的审计了，也就是说能装能装那个网卡还是啥，因为我不行不行不行。
+
+🟡 说话人4 [02:57:50]
+不合规不合规啊不合规不合规，一级就是那所以就没法通过中转站留底儿现在我是怎么留的呢?
+
+🟤 说话人6 [02:57:56]
+就是我这个也是只能靠人，就比如我这儿我记录到本地，让他再 commit 让他提交到远程时，我等于是我在记的仓库那边儿已经到我的那他我在仓库那边儿可能做一些脚本去我只能这样粗暴的统计。但是我现在其实嗯嗯，拿不到底儿的话，只能是从这个询上，commidcommid 或者 pr 这个交付上去粗的，而且没有基线，没有去年同期的话，也就这几个指标。
+
+🟡 说话人4 [02:58:23]
+这个 hooks 也不一定准，但是，主要是你对这个指标可信程度现在没有多少信心，这个就不太好把一个 hook 现在埋点它就是，要么 hooks 要么 ai 提示词里面加。
+
+🟤 说话人6 [02:58:37]
+但是 ai 提示词又特别费，而且对对对，没必要那个幻觉太高了然后 hook 相对稳一点，但是 hook 这个东西而已然后它只是给你显示个我改了多少行，如果我需要记录到追踪到某个代码。那个代价太大了嗯，那个我需要花大量的空间去可能就是哎你现在这个 hook 是怎么弄的?
+
+🟡 说话人4 [02:59:01]
+就是换个 api 就行了，请求个 api 就行了呗换个 js 嗯我想尽可能 node 一下是吧?okok 对这个话能简化成什么请求啊，无所谓，这都一样了，这都一样了然后其实最简单的还是问一下使用高德，看他的提交记录对，就关键那个东西你们就是就你直接看那个 git 日志嘛。
+
+🟢 说话人1 [02:59:26]
+你直接可以看那个 git 日志提交记录啥的然后你是关键就是你得去，你得还是你得区分它 get ，得有证据证明我哪是 ai 生成，这不是 ai 生成，我 ai 生成率多少不是。他如果说这个不好拿了就是他使用的多，然后他的提交频次和开发效率和之前保持一致，就之前也是三天一个功能模块儿，你使用 ai 加了那么多套你还是三天一个功能模块儿。
+
+🟢 说话人1 [02:59:56]
+你就得问那个是问题出在哪你这整体上有一个正相关或等比例的一个，嗯对可以根据提交频率，这个是一个思路嗯因为你现在能衡量的就是 ai 的，就你最后下到实地还是 ai 产出有没有用，如果说他真的是能自己把 token 造完，然后自己手撸的速度能赶上 ai 我觉得也挺牛的其实 ai 有其实大家都知道一个很明显就是 ai。
+
+🟤 说话人6 [03:00:28]
+ 生成代码会多，而且会很正规，这个是能一眼就能看出但是我当时想的是我在 gitlab 那一层，就我们 gitlab 那一层，我通过一个模型去分析，但那玩意就是说是 ai 去分析的准不准咱没法说这个指标。
+
+🟡 说话人4 [03:00:43]
+不是不是很好或者 ai 认为你只是 ai 给你生成的，它就不是像咱这种零和一这种是和非的问题。嗯
+
+🟠 说话人5 [03:00:51]
+很很规范，一定要注释完整注释对关键就是那个问题说你可以说规范就是你凭什么主观太主观了呢嗯对这个是那我就注重写实化他这个其实老师说这个是这个的确是可以分析出一些行为还有一个点就是因为我不。
+
+🟢 说话人1 [03:01:08]
+知道你们的 git 提交是不是规范啊，其实像我们 git 提交是非常规范的，比如说你 fix 就解决 bug 就明显是 fix 然后新功能就是 feat 然后然后那个修改样式就是 style 就是目前不规范。
+
+🟤 说话人6 [03:01:25]
+但是后期想通过 git 想通过 skill 或者 root 去规范通过这个就能分析出来，而且因为我们也是用的那种类似于 jira 的工单管理工具，我提交的时候是必须关联我的工单号儿啊啊啊然后你通过这样的话就能量化任务完。
+
+🟡 说话人4 [03:01:44]
+成时间是衡量任务完成时间，后面其实就是整个整套软件 sop 的一个建议，不是光这一块儿因为你这个提高人效的话，就你不能说你提高了代码生成率。
+
+🟢 说话人1 [03:01:58]
+你只能说你提高了人效其实这两个应该还是需要靠 ai 对 host 记的测了一个分析，一个数据分析对你你拿到这个对，只能自己把那个啥。嗯。
+
+🟡 说话人4 [03:02:12]
+你拿到崔这边的表，然后把内网上 git log 日志打出来，再让 ai 分析一下。
+
+🟢 说话人1 [03:02:19]
+你拿到 git 的提交日志，它里会有很多东西，然后你直接把提交日志丢给 ai。
+
+🟡 说话人4 [03:02:25]
+也对。
+
+🟤 说话人6 [03:02:25]
+对，就是分析嘛。
+
+🟢 说话人1 [03:02:25]
+然后具体看哪一个用户提交的，你分析他的提交行为。
+
+🟤 说话人6 [03:02:30]
+走。
+
+🟢 说话人1 [03:02:31]
+那个 ai 是能分析出来的。因为我们现在也是就写日报，我就是靠这个。
+
+🟤 说话人6 [03:02:37]
+啊，是，有有我们有同事也让他看。行，那行，先这样，先慢慢的，我这几天也在完善着，刚好行，咱们看能不能利用几天。啊，那也不耽误你。那没事。嗯。
+
+
+
+---
+
+## 🔗 原始音频
+
+- 链接：[音频文件](https://get-notes.umiwi.com/get_notes_prod%2F202606131319%2Fgetnotes_lcf_1a8b3a1b40129100AyFtLgCV.mp3?Expires=1790150069&OSSAccessKeyId=LTAI5t7toTp72R3TvdXf9QdK&Signature=Qr%2B4P7vOyJtGrCbw7QHhwRoxHOs%3D)
+- 时长：182分55秒
\ No newline at end of file
diff --git a/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 上.md b/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 上.md
new file mode 100644
index 0000000..99106f5
--- /dev/null
+++ b/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 上.md	
@@ -0,0 +1,1403 @@
+---
+source: get-note
+note_id: "1912686190105123088"
+note_type: "local_audio"
+created: 2026-06-13 13:17:07
+synced: 2026-06-15 15:54:21
+link: https://biji.com/note/1912686190105123088
+tags: [get笔记, 郑州企业培训, 公开分享, "AI编程", "Cursor"]
+---
+
+# 2026年06月13日 08点51分.m4a
+
+### 📑 智能总结
+
+#### 录音信息
+- **时长**：约 3 小时 11 分钟
+- **参与人数**：约 3 人
+- **内容类型**：技术培训分享
+
+#### 录音总结
+
+本次为AI编程工具Cursor（翠）的技术培训，完成了徐老师前两日内容的回顾，完整介绍了实体书《崔和AI Agent的协作实战》的目录结构，并分享了AI编程领域的技术演进八卦与行业观点，梳理了规则、技能等核心功能的发展路径。
+
+**开场与课程安排**
+* **上午课程安排**：本次为半天课程，原计划两天的内容压缩到今日上午快速讲解，后续需接续徐老师昨日未讲完的内容。下午安排编制汇报材料，仅需部分人员留下参会。
+* **线上设备调试**：解决线上腾讯会议无声音问题，最终选择使用笔记本麦克风完成收音，调试后线上线下均可正常收听课程。
+
+**徐老师昨日内容回顾**
+* **基础项目探索部分**：以若依大型陌生项目为例，讲解了项目探索、权限替换的基础使用方法，徐老师已完成代码实战演示。
+* **AI需求结构化拆解方法**：针对模糊需求，拆解为目标、范围约束、输出格式和验收标准，对比了好需求与坏需求的差异，按照工作区→文件→代码从大到小分层分析。
+* **AI幻觉控制方案**：分找到证据、分析原因、给出答案三个阶段，引导AI验证问题，锁定修改范围，修改范围支持代码行、文件、模块三个级别，最终将模糊需求明确化。
+* **规则的安全与复用设计**：针对涉密场景，要求排除隐秘文件，避免直接泄露原始密码，支持项目、全局多个层级使用规则，在若依项目中为按钮、接口等操作制定了前置规则，规则可以分层维护，版本化管理，支持升级迭代。
+* **资产库设计方案**：将规则文件存入代码库，实现复用、验证、回溯、演进，规则分为提示词、模板、检查点、案例四个分层，满足不同角色的使用需求。
+* **规则验证方法**：从多个维度验证规则是否可行，明确规则触发条件、可做/不可做内容、验收标准，输出结果要求用表格展示，验证通过后再追加写入新规则。
+
+**《崔和AI Agent的协作实战》目录介绍**
+* **书籍基础信息**：全书共278页，包含14章，分为三个部分，覆盖初、中、高三个学习层次，标题为《崔和 AI Agent 的协作实战》，副标题为多智能体AI编程。
+* **初级基础使用部分（第1-5章）**：第1章介绍崔是什么及AI演进史；第2章讲解崔的安装与基础功能，崔基于VS Code做功能叠加，对有VS Code使用经验的开发者迁移成本低；第3章介绍崔的三个核心模块：基于VS Code的IDE模块、隐藏IDE细节强化对话的solo模式、面向非开发者的tree work模式，还支持移动端远程操控；第4-5章讲解AI侧边栏命令使用，介绍q代码补全功能，从行级补全演进到跨文件补全。
+* **中级核心功能部分（第6-8章）**：第6章以心情笔记应用为例，演示solo模式从模糊需求到完成开发的完整流程，AI会自动生成需求文档、技术架构文档，逐步开发并截图验证。第7章介绍MCP的原理与使用，MCP最初用于打通AI与硬件的连接，现在逐渐被Skill替代。第8章讲解Skill的编写与使用，Skill分为文科型和理科型两类，理科Skill依赖渐进式披露解决了上下文爆炸问题，支持创建、市场下载、团队共享，腾讯搭建了中文Skill生态市场。
+* **实战案例部分（第9-14章）**：第9章面向非技术人员，讲解如何用一句话需求开发纯前端网站；第10章讲解如何开发古籍识别网站，接入国产千问视觉模型，支持将图片中的文言文翻译为白话文，可打包为Windows安装包离线使用；第11章由徐老师编写，讲解在现有若依项目中新增会议室预约模块的开发流程，遵循先数据库→再后端→再前端的开发顺序。第12章讲解多智能体开发，以西游记团队角色类比：唐僧对应产品经理拆解需求、悟空对应研发工程师写代码、八戒对应测试人员挑错、沙僧对应文档维护保证代码文档一致，演示开发了离线隐私本地笔记软件。第13章讲解RAG知识库搭建，支持将已有文档向量化存储，实现自然语言语义搜索。第14章讲解移动端小程序开发，使用uniapp支持安卓、iOS、鸿蒙多端打包，个人可使用测试号进行开发调试。
+
+**AI编程领域技术八卦**
+* **规则文件标准演进**：早期cursor定义了.cursorrules规则，Cursor影响力不足后，Cloud推出cloud.md，最终社区达成共识使用agents.md作为跨工具统一规则标准，崔同时支持私有规则与社区标准规则。
+* **上下文与Token成本变化**：早期上下文窗口仅几K，当前最新模型已支持两百万上下文；早期大模型调用价格昂贵，deepseek和小米降价后，国产最强模型每百万token价格降到4元以内，个人开发者少量使用基本用不完低成本额度，企业级大规模使用可放开预算提高生产力。
+* **代码补全技术演进**：从行级补全到段级补全，再演进到跨文件多文件修改，当前solo模式下AI可直接完成全流程开发，q补全功能的历史价值已经弱化，行业统一转向强化对话流程的work模式。
+* **命令与Skill的迭代**：崔早期的斜杠command能力有限，当前已经被跨工具通用的Skill替代，Skill支持按需加载，支持脚本化工作流，可打包分享，降低认知成本，当前行业都在围绕Skill做生态。
+* **MCP的历史价值**：MCP由Cloud推出，统一了AI调用外部能力尤其是硬件的协议，推动了传统硬件的AI适配，但MCP存在上下文爆炸问题，十几个MCP就会导致不可用，最终MCP能力被Skill整合，Skill成为当前主流方案。
+* **多智能体团队的发展现状**：当前行业对多智能体团队存在分歧，一派认为单模型足够强大不需要分工，另一派认为可以按角色分工协作，国内大厂都在尝试多智能体团队产品，分为固定角色分工和动态创建用完即解散两种路线，崔当前也支持多智能体，支持智能体被其他智能体调用，本质和Skill能力相通。
+* **崔的产品形态演进**：从最初的IDE模式，演进到强化对话的solo模式，当前独立出面向全人群的崔work产品，阿里、腾讯、字节都推出了类似的work模式产品，同时开放了移动端支持和CI能力，可嵌入飞书、钉钉、gitlab等研发流程。
+
+**现场互动交流**
+* **工具使用问题交流**：提到Chrome DevTools MCP在崔中难以触发，在cloudcode中使用更顺畅；放弃小龙虾改用爱马仕，爱马仕架构设计更友好，结合deepseek的硬盘级缓存，token消耗非常低，充20元可以使用数月。
+* **培训需求反馈**：现场收集反馈，学员希望增加更多案例练习，后续培训计划脱敏后使用真实工作项目做实战练习。
+* **书籍合作进展**：北京某中学已经采购不到一百本书作为教材，AI编程培训已经进入基础教育领域。
+
+**当前行业观点**
+* **可流程化标准化的工作都容易被AI替代**：当前AI已经进入编程领域，未来所有可量化的理科工作都容易被AI操作，生物科研等领域也开始大量使用AI提升效率，人的核心价值会集中在情感连接与创意部分。
+* **付费模式变化**：AI运行有实际成本，当前免费版资源紧张，崔免费版需要排队十分钟以上，会引导用户付费，旗舰版每月费用100元人民币，企业版额外收取合规审计费用。
+
+### 📅 章节概要
+[00:05:32](https://getnotes.seek:332) **开场准备与课程安排说明**
+
+提前确认书籍与设备，说明本次课程为半天安排，原计划两天的内容压缩到今日上午完成，接续徐老师昨日未讲完的内容，下午安排编制给老板的汇报材料，仅需要部分人员留下。
+
+[00:12:10](https://getnotes.seek:730) **线上会议设备调试**
+
+解决线上腾讯会议无声音的问题，先后测试了多个麦克风方案，最终确定使用笔记本自带麦克风收音，调试完成后线上线下均可正常收听，声音符合要求。
+
+[00:15:48](https://getnotes.seek:948) **徐老师昨日课程内容回顾**
+
+快速回顾徐老师昨日的授课内容：以若依项目为例，讲解了大型陌生项目探索、权限替换的基础方法，讲解了模糊需求的结构化拆解方法，按照工作区、文件、代码三层从大到小分析；提出了分阶段控制AI幻觉的方案，锁定修改范围，明确需求；讲解了规则的安全设计，要求排除涉密文件，支持多级别规则使用；介绍了资产库的分层设计，实现规则可复用、可验证、可回溯、可版本化演进；讲解了规则的验证验收方法，要求用表格输出结果，验证通过后再写入代码库。
+
+[00:35:15](https://getnotes.seek:2115) **书籍整体介绍与目录框架说明**
+
+说明书籍总页数为278页，共14章，整体分为三部分，覆盖初中高三个学习层次，书名是《崔和 AI Agent 的协作实战》，副标题是多智能体AI编程。
+
+[00:37:02](https://getnotes.seek:2222) **书籍1-5章基础内容介绍**
+
+第1章介绍崔的基础概念与AI演进历史；第2章讲解崔的安装与界面功能，崔基于VS Code做功能叠加，有VS Code经验的开发者可快速迁移；第3章介绍崔的三个核心模块：基于VS Code的IDE模块、隐藏IDE细节强化对话的solo模式、面向非开发者的tree work模式，还支持移动端远程操控电脑；第4章讲解AI侧边栏命令的使用；第5章介绍q代码补全功能，q从行级补全演进到跨文件补全，是AI编程演进中的过渡方案。
+
+[00:43:36](https://getnotes.seek:2616) **书籍第6章 solo模式实战介绍**
+
+第6章以个人心情笔记应用为例，演示solo模式完整开发流程：用户仅需要用自然语言描述模糊需求，AI会自动生成需求文档，逐步澄清问题，生成技术架构文档，确认后逐步开发，开发过程中自动截图验证效果，整体展示了AI协作开发的完整流程。
+
+[00:51:36](https://getnotes.seek:3096) **书籍第7章 MCP原理介绍**
+
+第7章介绍2025年热点技术MCP，MCP最初用于打通AI与外部工具、硬件的连接，统一了调用协议，推动了传统项目的AI适配，但MCP存在上下文爆炸问题，接入十几个MCP就会导致上下文溢出，现在逐渐被Skill替代，当前主流方案是Skill。
+
+[00:56:17](https://getnotes.seek:3377) **书籍第8章 Skill功能介绍**
+
+Skill分为两类：文科型Skill用于把零散口语化内容整理为符合规范的书面文档；理科型Skill用于封装标准化工作流，支持稳定输出，降低token消耗，小模型也能达到大模型的效果。Skill核心优势是渐进式披露，默认不加载所有细节，仅命中需求时才加载，解决了MCP上下文爆炸的问题，支持AI自动生成Skill，有公共Skill市场可下载他人分享的Skill，可存入代码库团队共享，腾讯已经搭建了中文Skill生态市场。
+
+[01:09:28](https://getnotes.seek:4168) **书籍9-10章初级实战案例介绍**
+
+第9章面向纯小白或非技术人员，讲解如何用一句话需求开发纯前端无数据库网站，帮助非技术人员理解AI开发流程；第10章讲解古籍识别网站开发，接入国产千问视觉模型，可将图片中的文言文识别转换为简体白话文，支持打包为Windows安装包离线使用，所有数据自定义可控，可用于家谱、文物碑文识别等场景。
+
+[01:18:29](https://getnotes.seek:4709) **书籍11-12章中高级实战介绍**
+
+第11章由徐老师编写，讲解在现有若依项目中新增会议室预约模块，若依被很多中小创业公司使用，遵循先设计数据库、再开发后端、最后开发前端的顺序，讲解了在现有复杂项目中新增功能的方法；第12章讲解多智能体开发，以西游记团队角色做类比：唐僧对应产品经理负责拆解模糊需求，悟空对应研发工程师负责写代码，八戒对应测试负责挑错找问题，沙僧负责维护文档保证代码和文档一致，基于这个框架开发了离线隐私本地笔记软件，所有数据存储在用户本地不联网。
+
+[01:30:21](https://getnotes.seek:5421) **书籍13-14章高级实战介绍**
+
+第13章讲解RAG知识库搭建，可将已有文档转为向量存储，实现自然语言语义搜索，解决传统关键字搜索匹配不到同义词的问题，支持离线部署，适合企业整理内部陈年文档，市面上也有现成的商业化知识库产品可采购；第14章讲解移动端小程序开发，使用uniapp开发，支持安卓、iOS、鸿蒙多端打包，个人可使用测试号开发，不需要上线就能本地使用，举了外卖AA计算小工具的案例，非技术人员也能开发出满足自身需求的小工具。
+
+[01:42:11](https://getnotes.seek:6131) **书籍整体架构复盘**
+
+全书整体分为三大块：第一部分是基础使用，适合入门用户查漏补缺；第二部分讲解核心AI技术点，包括q、MCP、Skill；第三部分是由浅入深的实战案例，从纯前端网站到古籍识别、现有项目接入、桌面端软件、知识库、移动端，覆盖不同场景，本书是2026年编写，内容贴合当前最新发展，对崔的细节讲解足够细致，企业实战的提示词规则等内容由徐老师专门展开讲解。
+
+[01:45:58](https://getnotes.seek:6358) **中场休息安排与现场互动**
+
+安排休息十分钟，十点五十返回课堂，发放课程问卷；交流中提到北京某中学采购了不到一百本书作为AI编程教材，海淀地区已经有基础教育机构引入相关内容。
+
+[01:47:35](https://getnotes.seek:6455) **工具使用问题现场交流**
+- 交流Chrome DevTools MCP的使用问题，该工具在崔中难以触发，在cloudcode中使用更顺畅；
+- 交流AI客户端选择，已经放弃小龙虾改用爱马仕，爱马仕架构设计更友好，结合deepseek的硬盘级半天缓存，token消耗非常低，充20元可以使用数月；
+- 交流个人笔记方案，现在选择用纯文本markdown存本地，结合git私有仓库做永久备份，解决了飞书限流、搜索不便的问题。
+
+[01:56:07](https://getnotes.seek:6967) **培训需求收集与行业闲聊**
+
+讨论CS是否会被AI编程取代，提到可量化的工作都容易被AI替代，生物科研领域也开始大量使用AI，人的核心价值集中在情感连接；收集到学员反馈希望增加更多案例练习，后续计划脱敏后使用真实工作项目做实战。
+
+[02:00:18](https://getnotes.seek:7218) **规则标准的技术演进八卦**
+
+早期cursor定义了私有规则格式.cursorrules，Cursor影响力不足后，Cloud推出cloud.md，最终行业达成跨工具共识，统一使用agents.md作为通用规则格式；崔同时支持私有规则和通用规则，可通过配置勾选开启，私有规则优势是可精准控制不同文件生效不同规则，支持智能触发、手动触发多种方式。
+
+[02:10:11](https://getnotes.seek:7811) **上下文窗口与Token成本的演进**
+
+早期AI上下文窗口只有几K，当前最新模型已经支持两百万上下文；早期大模型调用价格昂贵，deepseek和小米降价后，国产最强模型每百万token价格降到4元以内，区分个人用水和工业用水，个人小批量使用基本用不完低成本额度，企业级大规模使用建议放开预算，让开发者放开手脚使用，提升整体生产力。
+
+[02:22:18](https://getnotes.seek:8538) **代码补全技术的演进**
+
+代码补全从最初的行级补全，演进到段级补全，再发展到跨文件批量修改，当前solo/work模式下，AI可直接完成全流程开发，开发者不需要关注细节补全，q补全的历史使命已经完成，行业统一转向强化对话流程的work模式，阿里、腾讯、字节都推出了类似的产品。
+
+[02:28:22](https://getnotes.seek:8902) **模型选型的行业共识**
+
+当前崔支持自动凹凸选型，根据任务难度自动选择合适大小的模型，行业共识是：豆包、deepseek在中文文档生成上效果更好，deepseek pro、小米、GLM、kimi在代码编写上理工思维更强，可根据不同任务选择不同模型，符合成本最优原则。
+
+[02:31:38](https://getnotes.seek:9098) **命令与Skill的迭代演进**
+
+崔早期的斜杠command是私有能力，跨工具不通用，当前已经被跨工具通用的Skill替代，Skill支持按需加载，支持脚本化工作流，可打包分享，认知成本低，行业都在围绕Skill建设生态，鼓励用户沉淀共享Skill。
+
+[02:38:11](https://getnotes.seek:9491) **MCP的历史价值与现状**
+
+MCP由Cloud推出，第一次统一了AI调用硬件和外部工具的协议，推动了传统硬件的AI适配，完成了启蒙价值，但MCP存在上下文爆炸的固有缺陷，十几个MCP就会导致上下文溢出无法使用，Skill通过渐进式加载解决了这个问题，现在MCP能力已经被Skill整合，Skill成为当前主流方案。
+
+[02:41:23](https://getnotes.seek:9683) **Skill生态的当前发展**
+
+Skill从去年开始流行，现在已经成为行业共识，万事万物皆可封装为Skill，从新人入职自动化到日常工作流，不同岗位都可以沉淀自己的Skill，多个大厂都搭建了公共Skill市场，用户可直接下载使用。
+
+[02:50:14](https://getnotes.seek:10214) **多智能体团队的发展现状**
+
+当前行业对多智能体团队存在分歧，一派认为单模型足够强大，不需要角色分工；另一派认可按角色分工协作，国内大厂都在尝试相关产品，分为固定角色分工和动态创建用完即解散两种路线，崔当前支持多智能体，允许智能体被其他智能体调用，本质和Skill的能力相通。
+
+[02:59:44](https://getnotes.seek:10784) **崔产品形态的演进趋势**
+
+崔从最初的IDE模式，演进到强化对话的solo模式，当前独立出面向全人群的崔work产品，阿里的cowork、腾讯的coderbody都是同类产品，都屏蔽技术细节面向所有用户，同时开放了移动端联动，支持手机远程操控，还开放了CI能力，可嵌入飞书、钉钉、gitlab等现有工作流程。
+
+[03:04:31](https://getnotes.seek:11071) **付费模式与当前产品现状**
+
+崔免费版因为成本原因，当前需要排队十分钟以上，会引导用户付费，旗舰版每月费用为100元人民币，企业版额外收取合规审计费用；当前内置浏览器、网页操作相关功能还在持续演进，代码索引向量化方案逐步被实时索引替代。
+
+[03:07:38](https://getnotes.seek:11258) **课程总结与收尾安排**
+
+本次上午课程完成了三个目标：接续讲完徐老师未完成的内容，帮助不同水平的学员拉齐认知，讲解了规则、Skill等核心功能的使用，帮助大家在工作中落地提效；完整介绍了书籍的目录结构，方便大家后续自主阅读；分享了技术演进八卦，帮助大家理解行业发展趋势，方便后续切换其他工具时做参考。收尾安排填写课程评价，下午两点继续交流方案，安排接送季老师。
+
+### ✨ 金句精选
+
+- “一旦能够流程化和标准化，这个就好，就容易被操作。人人价值可能还是和人和人之间这种情感联系的更好。” (战略洞见)
+- “可量化是一个很重要的指标，包括量化这 ai 的能力，量化这个调用次数，调用频率，其实都是很关键的一点，也是正儿八经的企业研发。” (执行策略)
+- “如果呢，我们把预算提高到这个500美元，那基本上大家就不会去考虑精打细算的提词了，就是疯狂去用，你用好了之后，我们有再有合适的这个评测和合适的这个汇报，就和大家把这个好经验给沉淀出来。” (执行策略)
+- “以前我们视为珍宝的东西，现在大家都有了，都习惯了就好了。” (思考启发)
+- “万事万物皆可skill” (战略洞见)
+
+### 📋 待办事项
+
+- 说话人1：十点五十组织学员返回课堂，发放课程问卷
+- 说话人1：下午两点对接季老师，交流方案后送季老师到地铁站
+- 项目组：后续将若依项目相关开发案例分享到记录库
+- 培训团队：后续梳理脱敏后的真实工作项目，增加案例练习环节
+
+（⚠️ 本次输入未包含 `(我)` 的说话人ID，到此停止输出）
+
+---
+
+## 🎙️ 原始 ASR
+
+🟢 说话人1 [00:05:32]
+陈老师还有本书吗?然后一会儿我说说那个书的那个标目录什么的。
+
+🟣 说话人2 [00:05:38]
+我那个有多的吗?上次邓哥那本儿哦，行行，你一会儿用，代读一下。
+
+🟢 说话人1 [00:10:23]
+嗯嗯嗯开始吧我们上午的课程开始了，今天就半天课，下午准备跟那个编制和老板汇报材料儿，
+
+🟣 说话人2 [00:10:56]
+一部分人留下来就行。
+
+🟢 说话人1 [00:10:59]
+还行，那我们开始。那今天上午呢，因为我们就压昨天也有意压缩了一下内容，然后我们今天原计划两天内容呢，今天我们上午的时候快速再过一下，过完之后把徐老师昨天讲的内容再续上。让我们整体做一个回顾，回顾完之后，昨天也说嘛，就我们再把这拿到实体书嘛，实体书那个目录和结构，我再给大家再快速过一下，如果这个需要学习和理解的话。
+
+🟢 说话人1 [00:11:28]
+我把这个知识做的简单一串一串，这样说方便大家后续，在下次见面之前，可以再看看这个梳理的内容，然后结合徐老师和今天要讲的内容。
+
+🟣 说话人2 [00:11:41]
+嗯和今天要讲的内容做一个这个整合。
+
+🟣 说话人2 [00:12:10]
+恩我们先调试一下设备，再等会。
+
+🟢 说话人1 [00:12:22]
+我测试一下说话。
+
+🟣 说话人2 [00:12:26]
+这是那个腾讯会议没声音是吧?
+
+🟢 说话人1 [00:12:29]
+我没开，这个是干什么的?
+
+🟣 说话人2 [00:12:31]
+腾讯会议没声音吗?对。嗯，你你。
+
+🟣 说话人2 [00:13:50]
+嗯嗯我们继续再试，做一下。
+
+🟢 说话人1 [00:14:19]
+也线上可以听到了吧?我们来继续说吧。是有麦克风的输入。
+
+🟢 说话人1 [00:14:34]
+也可以用我这个麦克风，我开麦，然后我电脑静音。本地的话用它，它看起来就是个扩音器。
+
+🟣 说话人2 [00:14:46]
+你把这个给关掉，把这个先关了。
+
+🟢 说话人1 [00:15:18]
+那我用我的笔笔记本麦克风吧，你把这音频关了。
+
+🟢 说话人1 [00:15:41]
+现在声音应该 ok 了吧?ok。
+
+🟢 说话人1 [00:15:48]
+嗯，很好。昨天刚才线上的声音可能没说的，我再快速说一下。今天计划我们上午呢，就是快速，回顾一下昨天徐老师讲的第一部分内容，然后徐老师讲的非常细致，讲了各种技术点的这个展示。然后我把他昨天没讲完的部分讲完，然后第二部分我们现在线上线下都拿到这个实体书，我再过一下这个实体书的这个大纲，然后会讲一讲这个背后的一些设计思路。
+
+🟢 说话人1 [00:16:17]
+也方便我们下次培训之前，各位可以再消化一下这两天讲的内容，还有书里这些知识的编排，看是怎么来设计，也方便后续工作中可以这个做一个消化和吸收。
+
+🟢 说话人1 [00:16:48]
+嗯，好。这是昨天下午讲到的第一部分内容，就是先快速说了一下，吹的一些基础使用，然后因为设计师设计的思路，是我们先拿到一个大型的陌生项目，以若依为例。快速讲了如何去探索若依这个项目，权限如何来换用的，然后这里结构图和配合并配合做了一些知识的一个输出，然后徐老师也做了一些演示，这里是不做这个进步的这个回顾了。
+
+🟢 说话人1 [00:17:19]
+就相当于我们去探索这个项目，讲了一些基础功能，然后在第二天的这个部分里，徐老师还是继续尝试去看代码，然后结合代码实战，继续来说一下，这里的这些设置项，这些功能如何使用。目标呢还是通过各种约束和规则的使用，让这个生，AI生成代码更理解我们，更让我们写的代码更安全，也能找到潜在风险。所以呢，昨天这个部分还是从三个关键词，上下文规则，还有资产化，目标也是我们得到一个自己的一个规则 rules 这个上下文也是提到了，就是上下文目前的话会有比较好的。
+
+🟢 说话人1 [00:18:04]
+比较多的这个，这个问题，比如昨天提到说我们比较差的一个问题是来优化这个管理模块，那这个问题徐老师昨天就进一步地做拆解，因为这个需求比较模糊，那我们进不逐步地去约束，那定义了目标范围约束。这个输出的格式和验收标准。有了这几个点，它分开分别进行了一个展示。这比如举的一些具体的，嗯这个方式，那坏的是什么，好的是什么。
+
+🟢 说话人1 [00:18:34]
+这里边分别用了各种功能。在这个部分用到的是这个 work space 的功能。往后还有一些 files 还有一些 rules 啊，在这里写到了 work space 整体的这个工作区。然后第二个 file 是看具体的文件，然后在文件内部，有具体的 code 然后这样划去从大到小，这个工作区文件，还有这个代码部分。
+
+🟢 说话人1 [00:18:57]
+这样把这个业务逻辑就分门别类的进行细致的分析。也有一种通过查询的方案，可以和外界的信息进行一个查询。所谓外界就是指我们现在有些这个知识库，还有一些这个网络上的信息。接下来就是开始说 work space 如何使用，如何验收。这个是 fire 部分如何来使用，说到了这个具体的案例和扣的部分。这里就快速一过。
+
+🟢 说话人1 [00:19:31]
+然后再接下来的这个部分呢，还是开始讲这个解决他实际遇到的问题。那 ai 并不是百分之百能触发，解决问题，百分之百能解决我们实际想表达的这个点，他可能会有一些幻觉，所以这一部分就是进一步的去控制或者驾驭 ai 如何让它更好的服务我们。在这里我们去想分不同的阶段，就是找到证据和分析原因，最后来给答案。通过这种方式，引导 ai 去验证这个问题，最终找到证据和问题后，再锁定要修改的范围，最终完成代码的改动，并锁定该修改的范围，最终完成代码的改动，它有可能是代码行级别，有可能是文件级别，甚至是模块级别。这里也
+
+🟢 说话人1 [00:20:22]
+提到了徐老师挨个说的这个提示词。这是到昨天的部分，这是最终验收的部分，也是核心，我们把模糊的问题通过我们刚才提供结构化的方案来把这个需模糊的需求变得更加明确，然后也能锁定要修改的这个文件的范围。
+
+🟢 说话人1 [00:20:47]
+再下下一部分，就说到入子规则那一部分了，首先是一个非常可能涉密的，就是一些环境上下文，这里主要是针对热一这个项目出发的，实际项目中可以做一个参考。就是有些隐秘的文件需要这个再排除掉，无论是使用这个 git ignore 还是我们在 ai 沟通的过程中，避免直接把原始的信息，原始的密码告诉他。这个是提供一个提示词，看现在的代码有没有问题，还是找到核心的几个关键词，然后让他去查找。
+
+🟢 说话人1 [00:21:25]
+然后这里是提高了一个，给它，嗯，这个话就是相当于工程化方面去把常见的问题给排除掉。到这个部分就是到后面部分，安全部分，这个还是和刚才说的快速移，这里快速移过了。在这个部分，薛老师特意去强化了这个入子规则，然后写了一些入子，昨天也提到了去项目级别，全部级别去使用这些规则文件。就是有一个练习。到这部分应该都是到
+
+🟢 说话人1 [00:21:59]
+实战去讲规则，这里提到了几个提示词。最终呢是我们的模板和验收方案。好，到了这里应该就是续上了昨天要结束的内容。那我们今天还是继续把他没说完的部分给说完，然后这样形成一个完整的知识框架。那是说到了，说到了这里。在这个以若一这个项目为例，它有一些权限按钮，就是更细致的从整体的页面安全权限，现在到用户与用户的各权限级别，它提供了一些这个速查表。
+
+🟢 说话人1 [00:22:38]
+查了这个表之后，这里我不做额外的演示了，我们加速一下这个讲解部分。这里也是薛老师提供了一个入职规则，其实我们在这个入职规则也能看到，我们希望把这个规则加进去之后，后续使用 ai 来进行开发的时候，它能去约束这些规则。比如我们要加一个按钮，加一个接口，可能就是我们必须要完成 a b c 前置的一些任务。
+
+🟢 说话人1 [00:23:03]
+比如我这里特别提到加按钮时，可能需要增加这些对应的权限和指令判断。这样说有了这些规则和昨天思路一样，就是无论我们是大尺寸模型，还是小尺寸模型，或者各种各样尺寸模型，都能进行一个合理的一个约束。这里涉及到一些细节，按钮的，调，接口的，还有一些字典的。哦，好，这里的话就续上昨天要说的部分。那我们现在进入这个第八个模块，还是资产库的建议。
+
+🟢 说话人1 [00:23:35]
+这个也是我们核心想交付的目标。就是我们拿到自己的项目，还是我们拿到外部的一个项目，最终还是希望为我们所用，或我们能够快速地理解项目，去梳理需求。那有新的需求进来，新的 bug 进来，我们能够快速地去修改，并且能正确安全的。有更有信心的去做这个提交和交付。所以在这一块，提，提供了几个建议，沉淀的一个规则，我们逐步去说，也能快速看到，就是针对若一这个项目，他在权限这一块儿，菜单这一块儿，然后按钮这一块儿。
+
+🟢 说话人1 [00:24:11]
+包括审计这一块儿都做了一些规则，我们一步一步去提。我们交付的这个规则，一，简单来看，从直，从用户角度来看，我们可能是一系列的这个 markdown 文件，或者说规则文件。里面定义了这个规则里应该有哪些东西，我们什么时候来调用。昨天也提到了有一些可以精准来调用，有些是智能来调用。啊，有了这些文件在我们代码库中去把它纳入这个代码库之后，其实后面做这个改动的时候就可以复用这些资产了，也就是我们能够达到的，我们所考虑的可以复用，可以验证。
+
+🟢 说话人1 [00:24:50]
+可以回溯，可以演进。这样说，所谓演进这一块儿就是我们去后面可能发现现在写的规则不满足预期，可以进行一个升级和升级，这样说其实是项目内全局可用的。这个我们称之为资产，或者说我们希望能够达成大家都可以复用的目标。这样说，无论是你是项目的一个新手还是老手，那我们在写代码的时候，可能都能写写出来，可能一开始写出来需求不明确不准确的代码，都能通过这种方式来验收。
+
+🟢 说话人1 [00:25:21]
+这里特意提到了我们如何去尝试，分门别类的去分层设计。那在这个以若依为例，我们希望在提示词里做一些约束，方便快速使用。在这个规则这里，在模板这里，包括这个检查点这里和案例这里，分别去做一个分门别类的设置，这样的话后续我们也好维护和升级。有的人可能重点去看这个前期的代码约束，有的人可能重点去看质量把关。然后我们有了在案例部分做这个核心代码，让方便其他人去阅读时能够快速理解我们目标是什么，模板是什么。
+
+🟢 说话人1 [00:26:00]
+这里是挨个举了一些例子，那我们在这个提示词里可能就定义了如何进行这个链路分析，那在这个 check list 里定义了代码如何进行 review。那么配合刚才说的好规则坏规则的对照，就进一步解释了我们假定的这个分层方案如何编写。那具体细节可以参考我们刚才提到的这些以若依为例的案例，然后进一个迁移，看实际的生产项目中大项目和小项目如何来根据这个结论，根据现在这个模板进行一个梳理。
+
+🟢 说话人1 [00:26:41]
+这里其实就是有几个特定的文件，然后对应起了昨天提到的部分内容。接下来应该就是全新的部分了。刚才也提到这个在我们入子规则也不是一次性能提交就完成的，那我们随着发展可能有发现模糊的地方，需要明确的地方，我们就可以去升级和升级。这里我们也纳入了这个版本的概念，这其实也是个虚拟文件名，或者说在文件内部去定义当前版本是多少，有0,1,有0,2。
+
+🟢 说话人1 [00:27:14]
+这样的话后面方便和后续一些，比如上线验收，版本变更做一个交付，我们对比0,1和0,2就知道我们这一版做了哪些修改，也方便审计和通过变化变更。来找到我们这背后演绎的一些思路。
+
+🟢 说话人1 [00:27:34]
+接下来呢，就是我们去提到还是结合这个案例进行一个实战的一个验，这个练习。我们这个规则，昨天其实也看到我们这个规则有不同的触发方式，它什么时候能够稳定触发，触发完了之后怎么去验收，其实就是相当于我们在写代码的时候。需求说清楚了，代码编写完成了，那么在要准备提审或提交或上线之前，怎么去验证，那对应到这个部分呢，其实就是我们来验证这个规则写的到底对不对。
+
+🟢 说话人1 [00:28:10]
+是否可行?那就是我们从几个指标，从几个维度去提问，然后通过我们给的答案，进步地描述这个规则这个柱子是否可行，是否能够达到可以验收，可以上线的标准。那么这个规则什么时候能够稳触发，它应该做什么，不应该做什么，这样和最后怎么验收，通过这几个提问，我们依次做回答之后，就能对这个规则是否满意，是否能够稳定运行。
+
+🟢 说话人1 [00:28:43]
+有着一个比较精准的一个回答，一个有一个验证的一个方案。这里我们会举一些具体的一个案例，这里我就快速一过。我们在涉及到，以这个若依为例，在涉及到一些具体的修改时，我们应该检查哪些东西，必须要完成哪些东西。AI其实就是非，是非常听话，也是非常强调规则的一个虚拟形象，我们去提到必须完成，必须完成。就，它就能够理解到我们有哪些点是比较重要的，就配合刚才我们提到的一些检查点，提到的一些技术细节，就能在这个好的规则之上，作为这个第一版。
+
+🟢 说话人1 [00:29:31]
+这里，就做进一步的拆解，其实和刚才讲的差不多，还是明确几个范围，和昨天讲的内容是一致的，还是明确我们触发范围，触发敏感操作必须要做的事情，还有验收。这里是举到了这个具体点，还是以这个为例，在当前的工作区中，去检查当前的入子 md 就是这个规则。看是否符合当前的这个项目，重点去看权限,审计,数据,按钮,各种规则。
+
+🟢 说话人1 [00:30:04]
+有了这种方式，就是我们去正确的应用，使用崔提供的这个方案来完成当前工作区当前项目的一个检查。
+
+🟢 说话人1 [00:30:17]
+我们检查完之后需要输出结果，这里对输出结果做一个约束，就是始终使用这个表格的方式进行输出，它一有了哪些规则。这些规则应该怎么样?这里举了一个模拟的案例，当前的这个问题，可能就是太宽泛，无法触发。那如何验收呢?就是我们去做这个，做进步的修改。我们这个所有的这个交付的沉淀，避免的就是停留在对话框中，还是我们来决定。
+
+🟢 说话人1 [00:30:49]
+根据这个结果是否来决定这个写入这个追加新的规则。这是提供了一个模板，有输入有输出。这是模板的结构，和刚才表格中展示的内容相似。接下来会有一个更明确的说明。这里还是以这个若一为例。刚才提到权限敏感操作和审核，包括 api 这部分必须做一个明确的标注。
+
+🟢 说话人1 [00:31:18]
+在这部分呢，其实我们快速过到了昨天想说的，以入组为例，以规，以崔提供的这个规则为例，如何我们把我们想和 ai 更好的协作，如何让能约束它，规范它，并且确保它改完的东西是符合我们要求的。然后通过我们提供的这几套方案，找到潜在的问题，潜在的风险。并且把它纳入这个资产库，就是纳入我们的代码中，纳入我们的工作流程中去完成代码的交付，所以这是我们希望完成的目标。
+
+🟢 说话人1 [00:31:59]
+回顾一下昨天想说的整体内容。我们先以若依为例，在第一天中快速讲了使用这个陌生的庞大项工程来配合翠讲基础和使用基础的规则。在第二天中，以翠为例，使用翠的这些特定功能来控制我们还是上下文来控制它的改动，来控制它和我们协作的时候，让我们使用更舒服，让我们改动更安全。让我们提交更有信心。所以我们在这里控制幻觉时和一些安全的部分，安全的涉及密钥隐私，然后我们代码中如何去定时做 review 在编程的部分呢，我们就强调了去使用这个规则，把这些规则一步一步地拆分好。
+
+🟢 说话人1 [00:32:48]
+拆分细，然后有了这些规则，我们还需要对它执行的这个工作进行一个验收，我们去看反馈的结果是否当前的规则写完了对不对，好不好。让 ai 再去用审视的视角去验证我们的规则是否符合要求。那最后我们就给定到了一个模板，我们这个1,0版本应该如何使用。
+
+🔵 说话人3 [00:33:15]
+嗯。
+
+🟢 说话人1 [00:33:16]
+这是我们这两天改动的内容。这个第三天先不展开。这两天呢，这样的话就是我们想说的核心点，这样话就快速过完了。还是回到刚才我们这两天，以 ppt 的内容为例，讲到了如何使用 tree 如何使用这个我们公开的一个项目，去了解它，去熟悉它。最终的目标还是我们的人和人使用这个工具来完成我们的工作的开发。那使用恰当的方式管理好 ai 的这些动作，一个是组织上下文，这个控制好上下文，避免它产生额外的偏差。
+
+🟢 说话人1 [00:34:01]
+最重要的还是控制这个幻觉，然后我们编写规则的时候和沉淀规则的时候，方便我们后面去使用。有了这些这两天的讲解，其实在一定程度上我们对于一个新手来说，对一个老手来说，都能更安全更稳定的去驱动处理来完成我们的工作的开发。AI的好处呢，就是它永不疲惫，当我们精力好和精力差的时候，它都能够稳定的去完成我们的这个工作。
+
+🟢 说话人1 [00:34:31]
+在一定程度上相当于人和机器进行一个协作，让这些有序的流程来约束我们的这个工作。这样话就把薛老师想说的这两天的内容给说完了。也是和各位也看看有没有针对课程内容，我们想做提问，想做补充的。我们留一点时间，线上或线下有没有?可以直接来沟通。
+
+🔵 说话人3 [00:35:07]
+嗯行，这个我们一会儿再留这个时间窗口，各位也可以想一想，看针对这一部分还有没有这个有疑问的。
+
+🟢 说话人1 [00:35:15]
+接下来呢，我先快速点一下这本书的目录，然后也点一下下次的时候想说什么，也根据时长，然后我先往下翻一下这个之前想说的那个第三部分模块演进，说轻松一点，其实是一些技术八卦。啊，就是我们刚才说的这个褥子，其他模型，其他工具也有，然后就有各位其实昨天交流也了解到，除了我们吹之外，有的人也在尝试和他过往的经历中也有一些其他的一些演进。
+
+🟢 说话人1 [00:35:47]
+也相当于我在打算呢，就有余力的情况下，先讲一部分这个第三章的内容，这个先不展开，一会我们根据这个图书讲完这个时间和安排，再做这个调整。行，半小时就过完了我们想说的 ppt 部分，那各位手头上或者可以互相看一看周围的书，然后书一下书的总长度是应该是两百多页，对，两百七十八页。我以目录为例，说一下这本书是怎么来设计和规划的，然后各位可以做一个参考，自己阅读和理解的时候可以做一个吸收。
+
+🟢 说话人1 [00:36:27]
+整本书呢就是标题还是崔和 AI Agent 的协作实战。在这本书里有一个副标题叫多智能体 AI 编程。这一部分呢其实和后面想说的崔里面儿他推崇的多智能体就是他有一个名字功能模块儿叫智能体。想在这个部分呢就是做一些整合。直接到这个目录部分。目录一共应该是十四章。对，一共是十四章，大概分成三个结构。面向的方式呢，也就是我们想是涵盖这个初中高，三个层次。
+
+🟢 说话人1 [00:37:02]
+我们现在初级的部分就是先了解崔是什么，AI的这个眼镜史，也就是第一章的部分。然后在第二步，第二章呢，就是介绍了如何安装和使用这个崔，崔里面界面上都有哪些功能。其实如果各位是研发之前用过类似 VS Code 这样的工具，或者 coser 这样的工具的话，都可以快速做一个迁移。翠的变化不是特别大，因为核心还是从 vs code 做了，做的这个修改，或者说做的这个功能的叠加。
+
+🟢 说话人1 [00:37:36]
+然后在第三张部分还是去说这个页面的部分，页面中有哪些功能。额外去提到的，就是这个三点二部分，其实翠这个工具从前年去年和今年这三年演，留了一些演进的痕迹。各位，我昨天交流也用到，也提到其实现在最新版本呢，可能分成了三个大的模块儿，一个是我们核心在用的这个 ide 部分，就是以 vs code 为基础，然后增加了这个 ai 的功能。
+
+🟢 说话人1 [00:38:09]
+也是我们核心在日常使用。那第二部分就是它在 id 部分提供了 solo ，强化了这个新的发展趋势，就是因为 ai 的能力比较强，也越来越受到大家的认可，很多 id 的细节可能用的比较少。id 人成了制约ai 编写代码的约束，所以它引入 solo 模式。在这个 solo 模式里，它会隐藏很多 id 的一些细节，我们常见以往的编辑器是放在了右侧，作为了一个小的控件。
+
+🟢 说话人1 [00:38:45]
+我们也可以直接去不去展示，这一点在前年的时候还是比较震撼的。我们作为一个研发工程师，IDE不需要看到原始代码，强化了对话的部分。然后现在新的版本中，又推出了一个 tree work 的，之前叫 tree work solo 现在叫 tree work 的方案，就强化了这个 IDE 中这个 solo 的部分，就把这个tree 。
+
+🟢 说话人1 [00:39:10]
+完全变成了一个 for work 方式，不再单纯 for coding 为日常工作，有些非程序员，比如一些教师，一些传统行业，各种各样的工程师，非工程师，非大学生，非学生。为他们做准备，用自然语言的方式。和使用崔提供的能力完成这个代码的编写，或者文档的编写。在第三个部分，这个崔现在出了一个移动端，相当于和电脑结合起来，电脑上打开这个崔之后，手机上可以装一个软件，然后去远程遥控它，也可以通过手机这种方式去遥控电脑上整理桌面。
+
+🟢 说话人1 [00:39:51]
+或者把这个桌面上的文章，桌面上的文档找到它，定位它叫什么名字，或者发给你。这个是额外想提三点二部分，这个三点二部分强提到了这个 solo 的部分。然后这个 q 的部分呢，coe 的部分呢?这个就是我想说的这个叫技术八卦嘛。所谓这个 q ，是崔自己研发的一套这个功能点，初看时很奇怪，它是一个和崔一样，他们又造了一个新的词，叫 coe 本质上，还是延续前年的研，这个乐坛。
+
+🟢 说话人1 [00:40:29]
+就是在 ai 的时候，我们写代码是一行一行写，那 q 早期会说尝试把你想打的内容提示给你，那我们摁一下 tab 就能完成一行代码的这个改动。有时候我们写注释的时候会更简单，更快。q 的升级版，它会提到 q pro 其实就强化了这个补全的逻辑。不光可以这一行代码，也可以这一段代码，甚至可以跨文件来补。有时候我们去提到说有发现有一个拼写的错误，那在这个 q q 功能中会把多个文件多个模块都给你做一个改动。
+
+🟢 说话人1 [00:41:09]
+你们甚至可以整整体的去优化一个整整个项目，这个是它在前年和去年的时候是反复强调的。就是改动的代码补全能力和提示能力更完整。这是去提到这个 q 部分。在第四章部分和第五章部分就开始进入这个详细介绍。还是面向这个熟悉传传统 IDE 无论是使用其他各种方案，那我们去强调了 AI 的这个侧边栏如何使用。其实就可以映射今天提到的，我们说在这个对话框中引入第四章部分，引入不同的命具体的命令，我们去约束规引用 workspace 呀，规则呀，还有 fire code 呀。
+
+🟢 说话人1 [00:41:59]
+引用不同的规负责去进行 AI 的一个对话。通过这种方式，就是先从对话和 AI 进行沟通，看当前代码中有哪些问题，你想去深入细节时，可以进行一个细节的沟通。在第五章的部分，其实刚才在我这也快速提到，所谓这个 q ，其实就是增强版的强化版的代码补全，代码提示。那刚才也提到有些高级功能会提到跨语言跨项目，甚至说前端的 js 和后端的 java 之间也可以进行一个互动。
+
+🟢 说话人1 [00:42:32]
+因为他们是一个全能的项目，它能够进行一个智能的感知。其实在 q 的后期，也就 q pro 时候，我们就已经意识到了它的改动点不光是当前聚焦的个别文件了，它已经开始尝试怎么说，夺你的这个键盘，来自动地去感知你没提到的部分。它也能去感知到。那其实这个 q ，就站在了一个中间节点上，那左侧呢，我们可以理解为我们传统的一行一行写代码右侧呢可能就是现在的全 ai 来帮你写，它站在了一个中间节点下。
+
+🟢 说话人1 [00:43:07]
+也是这个演进这个路线上必不可少的一个渐进式的一个方案。在前年的时候，如果提到像今年一样，一句话就能完成一个模块，前年是不敢相信，也是无法去验证有没有有效的，所以不得已提到了这个 q 的中间一个过渡方案。而随着能力越来越强， q 的能力越来越强，逐步开始往 solo 方式去提，所以在第六章开始进入了实战部分。
+
+🟢 说话人1 [00:43:36]
+第六章着重说到这个 solo 开始改名，现在叫 agent solo 其实换汤不换药，都是一个意思。在这个 solo 模式里，其实是面向整体的高层，整体的上层。用小白也好，或者说整体架构师也好，我们用一个实例案例就是提了一个全站方案，我们说想记一个心情，想记一个笔记，自己想想在这个有一些想法，有些笔记的时候。
+
+🟢 说话人1 [00:44:04]
+随手就记下来，记下来存起来，后续方便他做一个归类，使用 a 的方式去做一个这个情绪的记录，今天开不开心，今天有哪些烦恼，明天想做哪些事情。使用这个 tree 的这个方案呢，就是一句话来完成。如果看在这个六杠一的部，六杠一，六杠二的部分，其实就提到了早期的这个提示词啊，非常的简单，就几段话，一百来字，就说了一下想做什么东西。
+
+🟢 说话人1 [00:44:31]
+可以第三到第这个我们可以看一下第五十四页部分。六十三的左下角，他说用非常这个怎么说不严谨，非常自然语言，非常普通人的角度，就说我想做一个什么什么的应用。这个用户就我们讲一个故事，用户每天都可以选择一个状态和写一段话，录一段音，把它存下来，然后我们后面还可以去分析，去观察多维度的去看，你这一个月或这一段时间记了哪些东西，有哪些条儿，心情都是怎么样的。
+
+🟢 说话人1 [00:45:43]
+然后最后在第三段就提到，我希望有一个紫色或者蓝色的视觉风格。其实从这个角度来看，就非常的上层或者非常的普通人。就是我们用一个非常模糊的需求，他完全没有提到我们技术方案要怎么设计，这个需求怎么来拆解。这个其实也代表了，就是从今年以来非常多的一个趋势，这个趋势，就是越来越多的非非程序员，非研发也去使用这个 AI 他们就是使用这，就用这种口吻来和 AI 进行沟通。
+
+🟢 说话人1 [00:46:17]
+在这个 solo 中，他会逐步去验证说，我根据你的需求，先写一个需求文档。然后快速完成这些需求的模块的拆解，中间会提出一些问题，你希望这个模块你说的比较模糊，我们做一个澄清。在新的版本中，他会直接进行一个提问。有这个模需求模块呢，其实他希望你停下来就去读这个文档，这个其实就比较工研发工程师，工程师工程师思维了，就是我们先设计架构，然后再去需的拆解这个需求。
+
+🟢 说话人1 [00:46:54]
+有这需求之后，我们在以往就会有一些项目经理，或者产品经理提到这些规范，来主导整个项目接下来的一周两周一个月两个月怎么描述产品需求。拆成不同的模块，拆成不同的阶段去规范这个开发。那有了这一部分呢，我们把需求明确好之后，就可以到这个第65页部分了。六十四页这，就说了这个模板中有哪些，这个可以做一个参考，因为各位其实都有明确的分工，其实这个面向的是这个没有研发背景的人去看，他进行一个需求的拆解。
+
+🟢 说话人1 [00:47:35]
+需求拆完了之后，下一步要怎么办呢?能不能直接写代码呢?这里还是不建议直接写代码。在这个 solo 里，他就提到了说，接下来你开始写技术文档，就是有需求的，我称之为文科的需求文档，理科的技术设计文档。在这个部分呢，它会自动完成一个技术文档，一个架构文档的设计。那我们开始往后翻，在这5页，就提到了他怎么去设计整个需求，啊，分成了前端层，后端层，服务层，也有数据库的部分，在前端部分，拆成了不同的路由，有哪些功能。
+
+🟢 说话人1 [00:48:10]
+然后有了这么一个技术文档，中间也会提问说你要不要改，然后在这个案例中，在第六七页中，它直接就有个按钮，它说如果你确定没问题，我们点一个按钮就直接进入开发模式。在很多场景下，它会比较智能的去根据需求，根据技术文档了解接下来要做什么东西。因为上下文是有限，它可能说我们先做一杠一部分，那先做一个整体的架构设计，写一个非常简单的一个，可能写一个 hello world 把这个证明前端写完了，数据库能写调通了。
+
+🟢 说话人1 [00:48:43]
+那逐步的去做一个演进。其实观察这个过程的时候，其实就是像我们一个 ai 思维拉齐的过程，看 ai 是怎么使用这个它提供的能力，一步一步把这个代码给实现的。最终呢，它会提供不同的功能，其实它内置了一个浏览器，它会一边开发一边去截图验证，这个过程就是展示了在25年的时候，它要想在未来如何人类和如何和 ai 做一个协作。
+
+🟢 说话人1 [00:49:15]
+那 ai 会参与更多，不仅夺你的键盘和编辑器，连编辑器，然后自我截图复盘验证呢，都是进行了一个这个能力的一个纳入。在数据库部分，它也使用了合适的集成方案，这个不一定和我们实际项目能关联上，但主要是去验证说他这个设计思路，把这些能力作为封装也好，作为 sdk 也好。去把这个能力进行一个接入，这样的话，无论是小白还是研发老手，都能根据他提供的方案，把这个数据库进行一个接入。
+
+🟢 说话人1 [00:49:49]
+这样的话，我们就到了第69页。第69页，第70页就是截图了他展示的这个效果。其实在这个部分，在去年的时候还是挺震撼的。没想到 ai 能够一口气完成这个功能。当然去年从下半年开始，ai能力越来越强，然后今年以来，今年也完成上半年了，在今年以来这个能力去年我们惊讶的地方，今年就已经习以为常了。其实在这个第六章整体上讲完了一个具体的小 demo 为例，然后完成了整个代码编写。
+
+🟢 说话人1 [00:50:26]
+那震撼完之后，我们就开始反思了，那我们这个过程人应该参与哪些事情，然后保障这个事情就是六六点四要想齐的部分，我们希望完成一些自己写写小工具，有时候我们会看到很多这个技术爱好者，或者说不一定非得是研发，他用 ai 这个吹的工具写了自己习惯的小工具。常见的测试，有的人，然后就这个可能不严肃啊，有的人说，每天把自己衣服扔进去之后，每天给他一个设计一个穿搭啊，有的人每天出门之前自己写一个黄历。
+
+🟢 说话人1 [00:51:03]
+来看一下这个根据黄历做一个出门穿什么衣服，这个也挺有趣的。就这个案例，其实是说 ai 能写出来一些小工具，那在六杠四呢去强调我们如何和 ai 进行一个约范约束的规度，那个交流。其实在这部分昨天和今天我们讲这个实战的时候，讲的比它还细。所以这个是书中篇幅有限，没有讲到的部分。然后接下来第七章，就是我们翻到第75页，第七章，就是想在这第七章讲一下 mcp 的一些原理。
+
+🟢 说话人1 [00:51:36]
+它是什么?当初作为25年的一个热门，当时25年，而且这个 mcp 它是英文缩写，看这个名字是完全不理解这个是什么作用的，所以作为一个知识的引入，说下原理是什么。然后如何使用别人提供好的。和如何自己开发一个。站在26年的当下呢，就是很多 mcp 的能力。mcp 这个东西呢，作为了相当于承上启下的一个结婚砖。
+
+🟢 说话人1 [00:52:05]
+打开了大家任何 ai 打交道的一个这个大门。打开后迅速被抛弃，现在还是鼓励使用 skill 来完成。mcp 有它 mcp 这个应用的场景，在很多场景下和 skill 技能本身是重叠的。这里不就我做一个简化，就第七章去说到了这一部分。原理。这里我看书中应该没提到，就这里简单一说，就是 mcp 会有一些问题，尤其是用的越多，用的越深之后，就会意识到其用的越多之后，效果会不太好。
+
+🟢 说话人1 [00:52:40]
+就衍生了接下来可能会说的这个技能部分。这第七章还是讲的比较细，就是简单的使用，甚至我们在讲了一些常见的一个个工具。在浏览器中，它有些工具就是操控浏览器来完成。它之前谷歌在第六十第八十八页提到了一个特定的叫 Chrome DevTools MCP。嗯这个是比较新的，这个是去年刚刚出的。它的作用就是在代码中，在编辑器中让 AI 去操作浏览器。
+
+🟢 说话人1 [00:53:13]
+哎，这个也是打开了一个新世界的大门，从谷歌出了官方 MCP 之后，大家都在去进行屏蔽和封装。有的人嫌它细节多，有的人嫌它用的不够完善，所以能有很多演进，就是把它进行一个封装，可能说找到按钮并点击，就可能一句话来完成，这是一个基石。就是大家都是基于它来做的。然后后面其实也做了一个如何去编写一个这个工具。
+
+🟢 说话人1 [00:53:47]
+这个呢，最在设计之初，mcp对它寄予的是操作一些硬件儿。比如有很多机器狗机器猫，就是那种通过电机驱动四条腿或四个轮子来驱动的。是原始还是希望通过这种方式把电流电机这些驱动封装成能力。然后我们在这个 ai 中，在这个手机中，或者说在这个电脑中去调用这个能力。那我们说让这个比如我们有个遥控小车吧，希望接入 m 遥控小车的 mcp 呢，就说前进后退，或者说我们打字，或者说我们设计一个游戏，让这个设计一个迷宫。
+
+🟢 说话人1 [00:54:30]
+ai 解了迷宫之后，生成一系列指令，通过 mcp 来控制小车前进后退。原本是希望来完成这个事情，后来其实把这个思路给打通了之后，很多硬件也就是通过接入这个 mcp 方案，就和这个互联网和软件进行了一个打通，这样的话我们就能够在网页上。在手机上有了这个 a 接口儿之后，就是手机网页电脑都可以控制硬件了，或者坚持去看这个硬件。
+
+🟢 说话人1 [00:54:58]
+这样说，以往我们推进会比较慢，可能就需要写一套系统或写一套非常复杂的流程来推这个事儿。那现在有了 mcp 之后，你和我们去推进这个需求时，就变成了你要接入 mcp 就把我们很复杂的需求变成了一个名词的一个落地实战，本质上是去做这个事。那其实这里就做一个延伸，如果一个遥控小车把 mcp 搞出来了，那它就可以变成命令行，因为它已经变成了这个摘选数据或者服务服务器了。
+
+🟢 说话人1 [00:55:33]
+那我们用命令行，用这个命令行，用这个技能的方式可以做封装，这样说其实就是变成了 mcp 辛辛苦苦做了很多知识的渗透，这个观点的梳理，最终大家又不去用它了。嫌它用的比较麻烦，用这个命令行的方式来做交互，相当于做了一个啃砖的作用，这也是它发展的一个有很多技术限制，导致它现在 mcp 不是特别火的原因。就是他做完了这个工作，大家不认可他，然后做进步的封装，通过 c r i 的方式又可以完成一个指令的封装，也可以说通过命令行通过指令的方式驱动这个遥控小车儿，或读取这个数据。
+
+🟢 说话人1 [00:56:17]
+这是 m c p 部分。然后我们回到第九十三页部分。开始说呢，这个的 skill。 skill 去年和今年的热点，尤其是今年上半年。做参加很多技术活动，参加很多技术分享，都在反复地提到这个 skill skill ，我在我这个概念中始终分成两个部分，我称之为就一个文科思维和一个理科思维。所以文科思维呢，就是说我们很多人他擅长，他擅长表达观点，就像我坐在这可能侃侃而谈，但是你说你说太多了，你给我写一篇，写个报告吧，写个文章吧，那我可能就写憋半天憋不出来。
+
+🟢 说话人1 [00:57:00]
+有很多人写了一些就是写文章的 skill 他可能会说你把零碎的细节按这个先思考怎么进行一个组织，然后写在这个组织的时候画一些流程图，画一些这个方案图。
+
+🔵 说话人3 [00:57:15]
+我们可能简单的说，我们设一个数据库，这库里可能有几个字段说的比较笼统，那有的人会封装成文科的这个 skill 写文章也好，或怎么着也好，或者说汇报 skill 也好。
+
+🟢 说话人1 [00:57:28]
+就是把这个零碎的需求告诉他，然后他形成一个优美的格式，符合规则的文档。那我们昨天提到说我们有一些可能有个变更需求的文档，可能他就是比较适合通过这种方式来完成。我们把这个零碎的需求用马克档，用 g r t 或者用 ai 生成的方式，把这个零碎的需求告诉他，那最终交付结果可能是一个 word 我们他呢这个 skill 里会说。
+
+🟢 说话人1 [00:57:52]
+哎，把这个需零碎的口语化变成书面化，然后变成一二三，变成符合特定的结构，最终生成一个 word。生成一个 pdf 这是一种我称之为文科思维，就是宽泛性的约束。在这个还有一种理科思维呢，就是代码中的文书中会提到的，就是我们说一下里面的细节。里面是这个使用这个脚本，就是我们尽可能的把这个流程，比如我有些 skill 会说，review skill 安全 skill 昨天就提到了我们那个吹中有一个东西叫命令或者叫规则。
+
+🟢 说话人1 [00:58:30]
+你看这个代码，这个项目中有没有安全问题啊?就可以封装成这个安全 skill 这样拿到不同项目中都可以去用。调用这个 skill 之后说，当前有没有问题，它内部可能就分分成了多个这个脚本。先去扫特定的关键词，扫完之后再扫一些特定的模块，然后再用 ai 的方式去读一读里面的代码，我称之为就理科，它可能是一些工作流。
+
+🟢 说话人1 [00:58:56]
+现在去年和今年其实很多人在推崇理科 skill 它的好处就是更稳定。更稳定的作用意思是说它本质上是一个工具，是一个网站，是命令行，我们换这个 skill ，它会依次完成第一步，第二步，第三步，第一步的输入，第一步的输出会作为第二步的输入。这样的好处是一个是省 token 就是因为他不用推测很多事情，他只要执行脚本儿，他就能得到这个稳定的结果。
+
+🟢 说话人1 [00:59:28]
+这个比如说我们想做一个总结，我们拿到了一个文件夹，里面有几十个几百个项目文件，那我们可能就编写一个 skill 读依次地读文档，然后总结成这个输出这个 markdown 然后做一个总结，就方便比如我们去写一个大纲。啊，这几十篇文章，非常多，新人是读不完的，那我们怎么能写成一个标准，符合标准的总结大纲，先看第一这个总结大纲，再去看具体内容，这也是一种思路。
+
+🟢 说话人1 [01:00:00]
+这种我称之为理科，理科 skill 它的好处呢，一个是用多少次，它都按标准方式来用，在用的过程中对 ai 的依赖是比较小的，就是用的东西也比较少，所以能够更大规模的去用。这样的还有一个好处就是我们用一些小尺寸，比如 DeepseekV 四 Light 它是一个小尺寸的模型。它换这个理科 skill 的时候，和用非常贵的模型，效果是一致的，因为很多流程都已经约束好了，这个其实又变成了我们研发工作嘛，我们很多研发工作都是把模糊的数值，零碎的数值变成一个可视化标准的工作流，先点第一步，再点第二步，其实思路是一样的。
+
+🟢 说话人1 [01:00:41]
+这个 sql 火了之后，很多人就一拍大腿说，哦，我不一定非得写 app 不一定非得写这个网页，这个这个控制端。这个 sql 本身可能也是一个产品，也很多人在鼓吹用 sql 来创业，就说其实你用户真正关心的是当前这个工具工作，比如这个遥控小车工作是否正常。这个机器的这个指标是不是都在安全范围内?。那我不在意不在乎你，我是通过手机 app 看，还是网页看，还是通过 sql 输出一个动态的网页，动态的 markdown 来看。
+
+🟢 说话人1 [01:01:16]
+啊，就是这么一个招儿，这么一个方式，是有很多人有很多拿手的不外传的 skill 也是一个沉淀的相当于一个工具，成为作为一个创业方向，作为一个交付的方向，这是一个点。好，那说回来，那第八章呢?其实就讲了一些基础，第八章讲了一下 skill 如何来编写，它有哪些结构，它有些约束，其实在第八点一点一的时候就相当于一个叫渐进式的工作原理，它非常有用。
+
+🟢 说话人1 [01:01:50]
+所谓渐进式披露就是嗯嗯它是如何杀 mcp 的?mcp这会有些限制，就是我们如果接入二十多个 mcp 你说一个 hello 它也会把这个 mcp 的工具怎么都给你加进去，就上下文就会爆炸。一旦上下文爆炸后，你后面说的需求就会变得模糊，变得不确定不确定。那 skill 有一个大愣神呢，叫渐进式披露。啊，说的这个非常复杂，简单来说就是它不把所有细节暴露给这个ai了，它只把一段话，一段自然语言，那那个自然语言可能就说当用户想去检查代码有没有问题的时候。
+
+🟢 说话人1 [01:02:30]
+请主动调用当前这个技能。那么有了这一段话就变得模糊了，用户说，你看有没有问题，可能你就能面命中这个 skill 当用户说你看我这个代码中这个什么什么模块是怎么使用的，ai 就会发现和这个 skill 不相干。它就不会去看这个 skill 这个里面有哪些细节，有哪些脚本。但只有命中的时候，才去看这里边的细节，才去加载这个 skill 提交的 skill md 文档，就是说明书嘛。
+
+🟢 说话人1 [01:03:02]
+就是这个说明书默认是不可见的，只有命中这个描述的时候，才会去看里面细节。通过这种方式呢，直接就宣判了 mcp 死刑了。就是我们有很多用户见过非常极端的案例，有的用户搞了几千个，上万个 skill 就说他要把方方面面的细节，这个工作流程全都变成这个技能，让让以后和 ai 聊天的时候。只需要用自然语言去聊， ai 就会自动选择合适的技能去完成它的工作，就变成了严守法随，说白了，你看看代码有没有安全问题，那 ai 就会去调用对应的 skill 去完成这个工作。
+
+🟢 说话人1 [01:03:41]
+最终输出这个结果。这里边的细节呢，它又约束了怎么去返回可能是一个文档，可能是一个图表，可能是一个文本。
+
+🟣 说话人2 [01:03:48]
+嗯啊，这是 skill 最核心的工作渐进式。
+
+🟢 说话人1 [01:03:54]
+在第九十六页这里，就说了这个 skill 这么复杂，我们要不要手写呢?是不是要学很多东西啊?刚才我说了什么渐进式披露，又说什么说明书，其实不用，这个吹里面自带了这个叫模一个模板，就是如何创建 skill 的 skill 啊，其实你看我们在这个九十六页左下角就说了。说给我做一个 skill 我每次做这个国际化的时候，因为以前我们会做什么中文中中英啊，有的时候出海的时候，这个为这个海外用户，可能会做一个日语和越南语的翻译。
+
+🟢 说话人1 [01:04:32]
+以往这会搞得非常复杂，现在 ai 非常擅长做这个事。我在这里就用非常自然的语言说，我说我想做一个这个技能，做一个 skill 它俩是相通的， skill 就是技能。我想做一个技能，然后用来完成国际化的处理，它该包含 a b c 它该如何使用，它该如何进行一个工作。把这段话发给 ai 呢，这个 tree 呢，在第九七页就开始不断地执行，最终真的生成了一个 skill 后续呢你又不需要说，给我把这个什么模块儿进行国际化。
+
+🟢 说话人1 [01:05:08]
+国际化要做这个中英语，中英双语，那其实换这个 skill 就说，换这个国际化，它就基本上就会来命中。这里我提到了一个基本上，就是凡事不能百分之百，那后面，所谓基本上就是它有可能还是有幻觉，比如你有两个有三个国际化，有的国际化是做中英的，有的国际化可能是中日的。就可能有工作相似，那 ai 可能就说我到底是用 a 还是用 b 呢?
+
+🟢 说话人1 [01:05:36]
+其实在后面就会讲到怎么去做进步的约束，这里不做展开了。第八杠二呢，就是有一个工具是它有个市场，各位可以翻翻，相当于一个大保障，大宝藏。有这个会有很多人贡献了，就是流行的这个技能，去看别人是怎么做的，有些是英文，可以把这个英文发下来，或者直接问 ai 说这个技能你简单给我描述一个场景，它什么作用。然后给我举几个案例，我怎么去使用它，就慢慢理解了。
+
+🟢 说话人1 [01:06:06]
+这就是提到这个 skill 有的东西 skill 会非常复杂。啊，非常的强大，这就是甚至可以创业，或者可以产品化，可以商业化的一个原因。啊，再接下来几页快速一翻就是如何使用，这里就不做额外展开了。啊，在这个第一百零一页，中间这里就说了，你看我这个需求就非常口语，哎，使用什么技能来完成什么这个中英的国际化，有些日期和国那个这个货币呢，咱中国可能是人民币。
+
+🟢 说话人1 [01:06:41]
+美元，海外的可能就是美元，就会做一个这个调整。这是使用的部分，然后快速往后翻。第翻到最后一百零四一百零五，就说这个技能，它本质上是一个文档，是一个代码，是一个文件，所以可以放在仓库里。然后这个 tree ，企业版也可以放在企业版里，所以后面这个其实就变成了大家都可以复用，有一部分人可能负责攻坚，把这些技能沉淀下来，沉淀成 review 沉淀成需求拆解。
+
+🟢 说话人1 [01:07:21]
+沉淀成写变更需求文档。而把这些技能沉淀下来之后，可以放在这个代码中，然后我们在代码中后续和在吹中打开时就可以直接去调用，这是一个共享的方案。然后其实再往后呢，还有这个吹里边儿也可以在百度上搜，或者说在这个常见的搜索引擎去搜，有很多社区的 secure 就是汇合。这个我把海外老外的东西给你翻译一下，腾讯就做了一个中中文的 secure 生态，回头可以搜一下，有点忘名字了。
+
+🟢 说话人1 [01:07:54]
+他就是做了一个搬运，很多人甚至说，在搬运过程中，他夹一些私货，就把一些广告儿给打进去，因为他流量比较大，这是一个，就相当于又变成了互联网行业。就是大家这个信息量非常大，不知道怎么分类，有人分类之后，他就做一些这个信息的摘取，有的人他那个 skill 技能就是广为宣传，它里面儿才会做一些招聘呀，招做一些宣传。
+
+🟢 说话人1 [01:08:21]
+做一些他的介绍，相当于在这个技能这个描述里打广告啊，这也是需要关注和清洗的部分。这是技能部分，这也是接下来第二波第三波我们再来沟通的时候，想去着重去讲的。我们有个观点就是这个技能啊，怎么说都不为过。对初级研发，对中级研发，对这个高级研发，对这个架构师，对这个管理层，对这个非研发，都有这个不同意的指导。
+
+🟢 说话人1 [01:08:50]
+而且这个tree ，它有那个 solo work 模式，甚至还有手机模式，就是配置好之后，在手机上也可以调用这个 c 语言完成这些工作。这个是释放了很多想象力的地方。好，这是讲完了第一部分和第二部分，第一部分是基础软件怎么使用，第二部分讲了几个 ai 时代带出来的几个核心知识点，一个是 q 代码补全，一个是 mcp 这个打通软件硬件打通这个把代码带到软件之外。然
+
+🟢 说话人1 [01:09:28]
+后第三部分呢，是讲了这个 skill 技能就是讲了这个 skill 如何来使用，如何来查找，如何来调优，如何来找到更多 skill 如何在团队中进行协作。那书呢，就进入第二部分，也就是最终这部分，最终部分呢，这里也快速一过，有很多这交流呢，很多人已经用过了，就是在第九章呢，第九章做了个什么呢?就是一句话的需求，做了一个网站，做了一个纯前端，没有这个数据库的网站。
+
+🟢 说话人1 [01:10:01]
+然后这一部分主要是面向纯小白或者非技术人员，比如我们有这个项目经理，或者说说授授权的话，可以在这一章获得一些灵感输入，原来这个研发工程师是这样来工作。有时候 AI 是一个很好的老师，他不会嫌弃你问的基问的基础，或问的不准不精准，你不断的和他聊。就他能慢慢的把这个知识都给你讲清楚。有时候我们和人聊，有时候会不好意思说，哎，我昨天问过了没，其实没懂，今天再问可能不太好意思。
+
+🟢 说话人1 [01:10:34]
+其实在这一章就是比较基础的做了一个实战。这是第九章，第九章我这里就不展开了，其实就串起来了之前说的那个完成和 AI 进行一个协作，然后完成这个需求文档，产品文档等设计，然后再做落地。然后看到效果之后再做微调，这个其实咱都是研发者，其实这部分对各位来说可能没有更深的理解，可以看一看我们是如何设计，然后做一个参考。
+
+🟢 说话人1 [01:11:11]
+在这个技术部分，我们也特意选了不同的技术方案，然后用了去年比较新的这个 swift vivo ，这个对应的就是前端框架嘛，有 react vivo 这个是使用 swift swift 好处就是编译产物比较小。然后后面还做了一些 su。这里我就快速跳过了。这是第九章做一个网站。其实后面还有一些最佳实践，这里看了之后就懂了。
+
+🟢 说话人1 [01:11:43]
+第九章讲的比较细，是方便非研发背景的人去看。我们翻到第141页，就变成了第十章。第十章这里呢，我是每次这个宣传的时候都会刻意去说一下。也是给大家打开一个新思路的一个方案。第十章这是开发了一个古籍识别，这简单来说就是你把图片儿，你做了个网站，把图把这个文言文的图片儿，然后丢给他。它换了一个视觉模型，把这个文言文，或者说不清楚的文字，进行了翻译，变成了白话文，也就是普通话。
+
+🟢 说话人1 [01:12:23]
+通过这种方式呢，你就能看到很多这个。我的观点就是你能看懂很多文物，比如我们去看一些博物馆的时候拍了照，这里说了什么，可以用这种方式。自己做，根据这个教程，自己写一个网站去分析它。其实这部分主要是为研发准备的，很多情况下像现在用豆包，用 kimi 它也内置了这些模型。在去年的时候，大家还多模态还比较少。
+
+🟢 说话人1 [01:12:54]
+其实目标呢还是把这个翻译出来。这个和豆包相比，我们的好处就是所有东西我们都是自定义的。我这本书里也提到说如何接入这个，当时选了咱国产的这个千问，是个视觉模型。然后后面就是输出的结构也进行了一个规范，然后这个存的东西也进行了一个收纳，你要放在豆包里，豆包信息是拿不出来的。所以我们相当于写了一个网站，写了 app 来完成这件事。
+
+🟢 说话人1 [01:13:24]
+我和很多人说，开玩笑说，我家里有个这个家谱，这个什么存在几十年了，然后我呢就是把它们拍了一些照片儿，喂给 ai ai呢就一一点一点的给我讲清楚了，我不懂的地方就问它，然后一页一页看懂了。啊，这个就是有点儿在对非技术人来说，也能从中变成了这个人生这个新的一个感受，用 ai 辅助让让我们的生活变得更好，以前看不懂东西现在能看懂。
+
+🟢 说话人1 [01:13:56]
+啊，这里的整个流程，也是我们先生成需求文档，再生成技术文档，然后有了这两个文档之后，我们再去完成这个代码的编写。我这里就翻得比较快，在技术部分，也是有一点炫技的部分，就是我们使用的这 a s t r o extra 的方案。 extra 就是拓展性非常强，写出来代码完全不依赖 g s 框架，然后写出来的东西比较小，而且也可以后面接服务端，做成服务端的一个项目。
+
+🟢 说话人1 [01:14:31]
+然后再生成，有了产品文档，有了技术文档，就可以进行这个代码的编写了。所谓的代码编写就是我们又回到徐老师提到的那些，怎么去约束代码写得更好，怎么去调优。那我们改着改着发现这个需求可能写得不对，就是我们自我反驳自己就反驳自己了，怎么再回过来再去调整文档。在第156页就有一个截图，这个是我做的一个案例，就是左侧呢，我把我的古那个家谱的书那个照片发给他，粘贴在那儿，一点识别呢，就右侧出来一个结果，右侧呢有一个简体中文，因为它原本是繁体，现在变成一个简体中文。简体中文呢，下面是
+
+🟢 说话人1 [01:15:16]
+一个白话文。白话文呢，就是讲了这一页讲了什么东西。然后，因为这个流程都是我们自己写的，我们可以很精细的控制。我要从右往左排，我要展示一个白话文。我还想把这个白话文呢，每次都存在我这个网站上。它也是能够做到这一点的。这样的话，我就是不光是自己看，还能存下来，存下来之后发给别人看。这样说也能相当于说自己学到的知识，或自己产生的文档，产生的一些识别结果，发给别人，让别人去看。
+
+🟢 说话人1 [01:15:47]
+大部分人还是就只有这个白话文，普通话的基础，所以把这个白话文就发给别人看，说哦，原来是这本书在讲这个东西，这个。或者说这个碑帖或者一个墓碑，或者说这个博物馆里的文物在说这个东西，这个就相当于我们怎么说啊，往好说就是跨越了千年进行了一个对话。我看这个家谱的时候还挺感触的，发现就是和有这个家谱是有一些东西是明这个什么元朝时候，这个明朝时候写的。
+
+🟢 说话人1 [01:16:17]
+我说哎呀，没想到隔了几百年还能和当时写这些文章的人进行一个理解，没想几百年之后用普通话的方式把它给看了。这个感触还是很好的，有时候很适合对外汇报，就是你写这么多 ai 这么多东西能不能结合案例去讲，这个东西其实就是一个案例，对非技术背景的人讲，能讲的比较好。然后再往后，他就再往后啊，就是尝试去做部署。
+
+🟢 说话人1 [01:16:46]
+在做部署的时候，因为我们国内有审核合规的要求，所以老外就是能够快速上线一个网站，我们国内不太方便，而且一旦涉及到审批，域名，就变得复杂了。所以在这一章呢，讲了一个方案，就是我呢，我不交付这个网站，我交付的是一个应用。我这把这个网站变成一个软件，你在 windows 上变成一个安装包，你一装，你就能启动我这网站。
+
+🟢 说话人1 [01:17:19]
+其实背后是用了一些 electron 如果各位有这个研发背景，可以了解这个就是有一些技术把网页包装成网页，一个软件，一个软件，安软件就是有些东西可以连接，离线使用。这是第十章，相当于讲了一个如何把 AI 的能力给接进来，实现调用 AI 的能力，我们不光是和 AI 对话了，我们也在调用 AI 的能力，其实延伸的话有些文字和图片的这个模型也可以接进来。
+
+🟢 说话人1 [01:17:52]
+我们说这个生成一个绘本，去年是非常火的一个商业方向，就很多人把生成科幻故事画成动画，然后画出来画之后再去变成故事书。也有很多老师会生成一些绘本给一些年龄比较小的孩子们去看，然后慢慢教他们知识。我们很多人开玩笑说，很多英语老师会非常喜欢这种，把结合第十章提到这种方案，就是生成一些一说英语的动画片，然后教教给这些三年级小学生去看。
+
+🟢 说话人1 [01:18:29]
+啊，各位如果有孩子或者周围有孩子的话，也可以参考这种方案，说我们要学会这10个单词，那我们生成一些图片，甚至生成一些视频，然后再在这个电脑上去看，或者在这个手机上去看，是可以实现这一点。就是所有东西都是自己生产，自己可控的。ok，这本书的话，这样话就说到一半儿一多了。接下来第十一章呢，其实就是徐老师写的，徐老师把这个若一项目给讲了一下。
+
+🟢 说话人1 [01:19:01]
+啊，其实有了这两天的思考，这一部分其实就可以翻得比较快了。啊，徐老师，因为若一在市面上很多创业公司小公司用的都是若一，因为它有 java 和 vivo 就方便，就人才储备比较多，就方便招人，所以很多人去使用若一。它里面就是模拟说我们要做一个会议室预约的一个模块儿，在 o ，他就说怎么去分析我们做一个会议室管理，大家去预预约使用状态，如何设计这个数据库。
+
+🟢 说话人1 [01:19:32]
+以往的项目都是从零到一，这个是在现有的项目中把它加进来。其实也是符合徐老师一贯的宣贯策略，就是如何不过说，不要说这个小项目，我们就说复杂项目，怎么在复杂项目中把它给抽进来。这边有些 java 层的一些概念，都是分层设计，然后先搞完，整体在这个全站时就有一些优势，就是先搞后端，先搞虚字段部分，设好设计好字段之后再搞前端，前端的话就直接能换接口，一口气完成。
+
+🟢 说话人1 [01:20:06]
+这是先后在前的这个方案，或者说先数据库在后端在前端的这个方式。这里我就快速翻过了，其实有了昨天和今天的这个讲解，其实这一章消化起来就比较快了。我就快速往后翻了。有些接口的测试，模拟的测试，如果有些最佳实践，其实相当于这两天的思考，把最佳实践拆碎了拆细了说，因为篇幅有限，是不可能讲得非常细的。薛老师专门在这 ppt 里去说，我们讲了非常非常细，去定义这些入子，定义这些规则。
+
+🟢 说话人1 [01:20:46]
+在这我翻到了一百九十页，从第一百九十页开始，我们进入了第十二章，也是倒数第三章。这一章呢，核心的思路呢，就是引入了多智能体。也是给大家打开一个思路，这后来可能是一个演进方向。这一部分呢，有很多技术上的争议，包括老外呢，这个他们也有争议，就是多个智能体能不能互相配合协作。其实崔这个工具，从前年开始压住，他坚定的认为是多智能体的时代，结果去年没有爆发，今年稍微爆发了一点。
+
+🟢 说话人1 [01:21:22]
+所以它是算是两头兼顾。在这个第十二章呢，工具呢，其实倒还好，就是我们使用 Electron 开发了一个笔记软件，我们写的笔记存在自己电脑上，不联网，即便没有网络也可以，就是所有数据都是我们的，不不上云，隐私能保护的比较好。然后用了 Electron 这个应用技术本身，相对有技术背景的话是相对容易理解的，没技术背景跟着学也能做出来。
+
+🟢 说话人1 [01:21:48]
+这一章除了讲这个如何实战使用之外，其实延伸了一个新的思考，就是怎么叫多智能体进行思考。这里，我抽象了一个比较好笑的多个智能体，我就说我们做一个西游记的团队，哪里有唐僧，有悟空，有八戒，有沙僧，有他们师徒四人，我们给他定义一些身份。我们把这个唐僧，认为是一个项目经理，或一个产品经理，他直接和用户就和我们自己和普通人打交道，用户说我要做一个网站，这个产品经理唐僧就可能去拆解，就是写我们需求文档。
+
+🟢 说话人1 [01:22:28]
+写我们的各种和他交流，把这个用户的模糊需求变得清楚。那悟空呢，可能我们抽象一下，他可能是一个研发工程师，就好好玩儿一点，他可能是一个大师兄。能力比较强，那很多攻坚的任务就交给他。唐僧可能会输出一个技术文档，然后交给悟空，悟空则负责执行，就咔咔写。有时候我们说唐僧可以用这个 deepseek 模型，因为它和豆包模型，因为它的文档写得比较好。
+
+🟢 说话人1 [01:22:59]
+那执行时，悟空可以使用这个 glm 或者这个 deepseek 因为他们理科思维较重，擅长写代码。其实有了唐僧和悟空，就能完成一个小队了，就是有人负责这个需求拆解，有人负责代码实现，那我们去人工去验证就好了。那额外为什么还有另外两个人，两个角色，另外两个智能体呢?其实这就延伸了我们一以贯之的一个概念，就是 AI 不可信，AI要去审审审查它，所以我们引入了一个八戒的概念，就是它的作用是 review 我们假定说八戒认为传统的形象。
+
+🟢 说话人1 [01:23:33]
+八戒八戒是个好吃懒做，喜欢摘桃子，喜欢挑刺儿的。那悟空干了很多活儿呢，肯定有遗漏或肯定有实现不对的地方。那八戒的作用可能就是一个复盘和审查，八戒的作用可能就是专门去挑，专门用挑刺儿的角度去看这个悟空做的不对的地方，不好的地方。悟空可能设计的比较复杂，或设计的比较简单，八戒可以指出来说，你这里设计的不好。
+
+🟢 说话人1 [01:24:00]
+好，应该怎么样，应该怎么样。那引入这八戒概念呢，他们仨人呢，就可以变成一个小队，又是变成一个循环。八戒指出来问题，唐僧看或者悟空看合不合理。他们再去这代，这样说就是有需求，有工作，有检查，他们仨人就是变成三人小队，也可以来工作。那我们再引入一个新的叫沙僧的概念，就变成一个四人小队。沙僧我们有什么有什么特点呢?
+
+🟢 说话人1 [01:24:23]
+他可能是尽心，或者是默默的做一些事情，不抢功，不邀功。那我们在这个书中呢，就引入沙僧的概念，就是他呢，悟空和八戒相当于制造混乱，不能说制造混乱，就是编写代码。改来改去呢，我们发现用户有时候说，哎，改着改着改着发现改完之后的这个效果才是我们想要的。我们说的原始需求不对，那沙僧其实就有个概念是虚拟文，正这个定期整理文档。
+
+🟢 说话人1 [01:24:49]
+啊原来代码中已经决定这么做了，那唐僧写的这个需求文档还是不对的。我们实际项目中很多有时候也会就是改着改着也不行，这个需求文档我要做变更。沙僧呢就是定期性的去检查代码和文档是否一致，确保文档和代码，代码就是文档，文档就是代码，保证一致。他呢，他的作用就是看代码和文档是不是一致，不一致的地方指出来，自己去改或者让唐僧去改。
+
+🟢 说话人1 [01:25:14]
+这样说就既有两人小队，又有三人小队，又有四人小队，这么几个智能体互相依次使用时，我们就形成了这个多智能体的概念，也是去年以来，大家不断讨论如何接手更多工作。有这么一套循环，尤其是在吹 solo 模式下，彼此智能体之间可以互相艾特，互相引用，这有时候就可以实现了说，你们这四个智能体就是互相协作吧。然后他们互相写写代码，检查问题，更新文档，就这么一套流程跑起来。
+
+🟢 说话人1 [01:25:50]
+现在这个老外呢，现在鼓吹这个agents team。也就是有些在国内的其他模型上，也会提到这个 agents team 就是多个智能体是一个团队，其实就被的，就是和这个崔的工具是一致的。所以我们往提的拔高一层，就未来可能我们会继续用，也有可能不采用，或者说大家可能会使用其他 ai 编程工具，或者说干脆使用这个各种各样的 ai 编程工具。
+
+🟢 说话人1 [01:26:20]
+其实背后的原理都一样，大家都还是在约束，在实实战这个多智能体，也就是 sub 这个 agents teams。啊，老外现在还在讲一些循环， loop 循环就是这个人，人人的这个作用越来越小，人呢就只是决定这个日，上不下上，上不上线了，其实这个循环中也是多个智能体循环协作，和本书第十二章讲的东西是一样的。
+
+🟢 说话人1 [01:26:46]
+所以这第十二章相当于讲了两个点，一个是怎么来实现一个桌面端软件，不联网也能用。另一部分是怎么引入这个多智能体的概念，现在叫 agents team 的概念。在吹里还是坚持叫多多智能体，有的其他编程工具会叫 agents team 这里边儿往简单的说，就昨天也说到了，说这个agent 智能体啊，有时候和这个 command 命令相似，和这个入字规则相似，和这个技能相似，其实呢还是层次不同，这个智能体呢可能包含了更高的层次，里面可以去调用注册不同技能，不同的这个命令。
+
+🟢 说话人1 [01:27:29]
+我们在书中也会提到去创建一个智能体，然后里面有些点，这个可以结合我们实际的操作来使用。这个是讲了这个项目如何实践。其实在这一张就明显的看到，ai夺了这个键盘，我们不再一行一行写代码，抢完键盘之后开始抢我们的代码实现和需求实现，甚至说代码和文档的审核过程，就是人又放手。就是让 ai 去使用了，就参与了更多的决策，这样说就是隐隐隐约约已经有了一个循环转圈儿的一个过程了。
+
+🟢 说话人1 [01:28:11]
+因为用人提一个需求，有意思的拆解工作审查这个变更文档。这么一，这样一圈就能转完了。那就是，往后展望就是怎么看这个转圈转得足够快，足够自动。然后接下来其他部分就是在说这个技术细节，就是怎么去设计这个架构。这里刚才其实已经讲得比较细了，这样我也就快速做一个跳过。在这一张应该也是用这个 s 车，它是一个全站的。
+
+🟢 说话人1 [01:28:44]
+不仅用到了前端和服务端，后端，还用到数据库，数据库这也为了联网嘛，就是用了这个 sqlite 内置一个东西，所以就所有的数据都在你自己这儿。因为很多人在乎这个隐私嘛，就是有时候会把一些个人隐私也随手记录下来，像写日记一样，这样说这个数据始终不连网，也在这里说都在你自己电脑上，都在你自己手里，这样会更安全一点。
+
+🟢 说话人1 [01:29:12]
+而且如果改进的话，可以进一步去做这个调整，很多人在甚至是一个产品方向，有很多工具，包括咱手机上的什么小米笔记，华为笔记，都在强化这一点，就是你写了笔记之后。自动帮你做一个总结。打一些标签儿，其实这也是一种方式。把这个内容总结好之后，你每天都记一下心情，每天跑了多少步都记一下，后面的话就方便让 ai 去帮你去做整理，画一个图表，画一个网页儿，这些都是 ok 的。
+
+🟢 说话人1 [01:29:46]
+这是本章想去想去做一个 ai 笔记的一个事情。这个里面说的比较细，这里和本次培训无关，就我快速一过。嗯，打包的部分也讲到了如何做一个打包。这里想强调的就是在这一章开始，我们引入了多智能体的概念。也不一定，各位不一定非得叫悟空八戒，就可以叫传统的什么架构师，产品项目经理，测试工程师。这些都是 ok 的。
+
+🟢 说话人1 [01:30:21]
+行，我说完吧。接下来还有两张，十三张和十四张。十三张这里，讲了一个在二五年非常火，也是非常大火，现在也是非常流行的一个点，叫知识库。你看我们已经产生了很多数据，有时候我们说我写了一百一百篇文章，一千篇文章，能不能系统化的梳理起来?我说诶我好像写过一个什么什么什么模块，记不清名字，也记不清路径，你能找到它?
+
+🟢 说话人1 [01:30:50]
+其实本章在尝试去做这件事。这个东西也是可以离线来完成的，如果有内网的 AI ，或一体机的话，其实都可以配合这本书，这一章来完成。这个东西叫 rag i a g 也是一个英文单词。这个工具的作用，防止各位不知不懂，还是简单解释一下。这个 i a g 的概念呢，就在前两年非常的火。它的作用呢，就是把我们这个写完基本不变不变的东西，比如写的日记，我前年的一些文档，它肯定是很少很少改动了，它就非常适合。
+
+🟢 说话人1 [01:31:26]
+把它变成向量，就是变，把它变成 ai 容易能理解的东西。这里有很多技术点，比如说我喜欢吃苹果，这是一个非常口语的内容。那有的人可能会说，这个老外可能说什么什么 i like apple 啊，就是这俩另一个人可能说我只愿意吃苹果，另一个人可能说我只愿意吃 apple 啊，就是用不同的方式，去表达了同一个意思。
+
+🟢 说话人1 [01:31:55]
+那在我们传统的观念数据库中是搜不出来的，因为我们只能通过关键字，苹果这个词去搜，如果他说 apple 那我们可能就说不通了。如果有一些人不讲苹果，他说苹果的品种的话，那就更没招了。有什么我记着想不起来，比如什么金元帅这种品，这个老品种，它可能背后也是苹果的意思。但是如果在传统方式下是搜不出来的。那我们组建这个 rag 的方式呢，就是它会尝试把自然语言变成一个醇向量。
+
+🟢 说话人1 [01:32:26]
+这个非常玄，非常玄幻，就是把一句话变成了一千多个维度，或者四千多个维度。它呢会包含了所有的这些细节，技术细节。那我喜欢苹果，它可能包含了我，喜欢的话，可能就隐含了它是兴趣。偏好的意思，苹果代表了一种食物，代表着一种水果，代表着一个苹果本身，代表着苹果下面的多个品种。就是通过这种方式把它存入数据库，然后后面我再卸载，就是引入这一块儿，ret的方式，就可以把存到数据库里的东西再出事，用自然语言的方式。
+
+🟢 说话人1 [01:33:06]
+这里边儿呢，会，先是从技术积累，就是你选了一个可以离线部署的一个数据库，叫向量数据库，然后把这个找一些合适的工具，这个这个模型和语言模型不同。它是一个专门儿的一个分类，就像那个文生图模型一样，是和这个 deepseek 是不一样的。它是一个专门用来这个叫 embedding 就是把普通话，把文字变成向量的一个模型，很小，在笔记本上就能跑，很多人也是一种产品方向或创业方向。
+
+🟢 说话人1 [01:33:46]
+就是把你的文档丢进来，它在离线，你可以把 wifi 关了，让它自己在你电脑上运算，运算完之后存储。有的人会写笔记比较多，其实就可以配合刚才的拍照识别，识别之后在这个向量化。啊，这里可能有的人不熟悉，我就是得快速一过。这本书讲了个什么呢?这本书讲了一个，之前我和徐老师在做播客嘛，就是采访了很多人，写了很多文章，就是可能有一两百万字。
+
+🟢 说话人1 [01:34:16]
+那有时候我们说，这个人他说过什么观点，我忘了，因为他可能是好几年前采访的。这个方式呢，就把这个文字稿儿，喂给 AI 就变成这个向量存起来，后面呢，我只需要和 AI 说，这个人他说过什么观点，他自动会在数据库里找，找到之后说，是这个文件的第多少行。然后 AI 呢，再去把这个文件内容读出来之后，再做这个整理，哦，AI这个嘉宾说的这个观点，那个人说的那个观点。
+
+🟢 说话人1 [01:34:42]
+我们对应的企业中，有可能有非常多陈年的一些文件，和一些相似度比较多的东西，我们一下子记不清了，或者说没有一个很好的索引，就可以通过这一章来尝试来学习。也不一定非得用手写的方式，我也说了一些别人是怎么来做的，在二百三十八页这就讲了两个工具，一个是阿里云，它是怎么来设计这个知识库的，一个是有一个这个专门的软件。
+
+🟢 说话人1 [01:35:11]
+它是怎么来设计知识库的，东西都是一样的，然后这个书里讲的东西都是最新的最完整的内容。然后第二百39页开始，就开始实战了，就是把我采访的这些文字稿儿，我说话他说话我说话他说话这个东西开始处理。简单来说，就是把文字稿儿找出来，然后拆分，拆分之后变成量化，然后存起来。那存起来之后，我们在后面会把它再卸载，就是再找回来，就是用自然语言方式找回来。
+
+🟢 说话人1 [01:35:44]
+第二百四十四页这儿，就开始讲到了，说这有个重排序的过程。比如二百四十五页，我说不同嘉宾对 ai 的看法如何，这可能就是一个非常大的需求。因为可能有二十个嘉宾，三十个嘉宾都提了对 ai 的看法，然后这个方式就会自动去数据库里捞出来，包含 ai 观点相关的，实战相关的，把它捞出来，返回一些十五个条目。然后根据这十五个条目，我们再为 ai ai 做一个总结，最终就是产生的结果，说的，嘉宾 a 是这么想的，嘉宾 b 嘉宾 b 是这么想的，这样的话就把死的知识。
+
+🟢 说话人1 [01:36:24]
+死的信息变成了真正的知识，可以索引，可以这个吸收的知识。这个是说的细节比较细，这个可能难度也稍大，可以根据这个实际情况来弄。这个是手搓的方式，刚才也提到有些网站是有现成的，甚至可以采购的。因为这个知识库，企业知识库也是一个产品方向，甚至是创业方向，所以市面上有比较多的知识库。如果是采购服务的话，可能就有专人帮你做这个清洗。
+
+🟢 说话人1 [01:36:56]
+嗯十点半了，按理说该休息一下，我还是说完吧，就是第十四章快速一过。第十四章是本书的最后一章。之前我们说了在网站上怎么搞，写一个网页，写一个网站，就都依赖你的笔记本电脑，台式机。那有没有方式我们用手机上来操作呢?就是这里呢，选了一个工具，就选了这个移动端开发。我们在手机这里面也涉及到比较多的细节，一个是在中国在国内上线一个小程序，其实有很多技术之外的这个事情需要做。
+
+🟢 说话人1 [01:37:30]
+这里是篇幅有限没展开，包括你做一个安卓，做一个 ios 做一个鸿蒙上线，也会有很多技术之外的事情需要做。各位不确定是用 net 还是用 flutter 其实东西都是一样的，就是有需要审批和审查的东西，这里主要介绍技术方面怎么实现。就是微信小程序你不上线自己用也是可以的，尤其是安卓的话，自己本身和安卓和鸿蒙的话，自己本身是可以打出包儿来安在这个自己的手机上的。
+
+🟢 说话人1 [01:37:59]
+就是安卓是可以无限期试用的，鸿蒙上是可以试用半年的，就半年一续半年一续。苹果上会比较复杂，不过苹果，苹果本身比较复杂，推荐试用其他手机。这本书呢，这一章呢，其实就选了一个这个比较成熟，就是 ai 比较贴合的，就要用的 uniapp 因为 uniapp 是 js 写的，所以 ai 非常擅长写 g s t s 内容。
+
+🟢 说话人1 [01:38:25]
+然后也结合了一个它自带的那个工具，跑起来了安卓 ios 和鸿蒙。这个也是去年鸿蒙特别火，然后去年我也参加了一些鸿蒙的一些开发，所以抓紧时间把鸿蒙也给加上了，就是有的在当前，只要你但凡开发 app 一定会有用户问我鸿蒙怎么装?啊所以就是把这个鸿蒙也给加上了。说的时候也说了非常多的一步一步来使用，这里涉及到这个提供了各种截图，也就是如何在这个 h p u 这里创建一个项目。
+
+🟢 说话人1 [01:38:58]
+然后怎么把这个产品需求，在使用那个西游记的团队，那四个人给唐僧说话，唐僧一步一步去完成这个整个事情。也就变成了传统的这个ai研发了。研发完之后，可能是，这个需求拆完之后，悟空开始编写代码，编写完之后，八戒可能去找茬找找问题，找不足，不足之后悟空再去修改，改完之后，沙僧可能去验证代码和文档有没有不同。还是贯彻一个理念，就是代码就是文档，文档就是代码。
+
+🟢 说话人1 [01:39:33]
+然后还会有一些自动化的审查，而自动化的检查，不同于网页，因为我们在手机上展示一个效果，电脑上可能看不到，所以又把这一步流，这部分日志啊流程啊又给串起来了。然后在这个二百七十页之后，就是最后几页，就说一下，你如果是非研发的话，怎么做一个申请一个小程序，我这里用了一个非常讨巧的方案，就是用一个测试号的方案。
+
+🟢 说话人1 [01:40:03]
+现在我测试了，就是任何人都可以在自己的微信上就没法分享给别人，但是在自己用上，就是自己开发小工具什么的都是 ok 的。我这里举一个小案例，就之前也是反馈给我的，有人就是通过这本书，或者说他本身有些技术积累，他说他们公司这个一般都是点外卖，就是习惯吃外卖，有的人吃10块钱的外卖。有的人吃20块钱的外卖，有的人买了圆，虽然大家一起点点了30块钱，一人花10元，一人花20，但是他们有5块钱的圆，他们说就是不想这个让人受到损失和这个占便宜。
+
+🟢 说话人1 [01:40:43]
+就是这个十块钱应该是省多少钱呢?就是按一个按比例计算，他写了个小程序。就是把十块钱二十块钱输进去，把最终说花了比如应该花三十，结果他花了二十五，那么另外两个人应该转多少钱?可能是卖七块八毛五之类的，就做了这么一个小工具，对他们来说很有用。这样说也不伤面子，就是大家把这个钱输进去后，我应该转给付外卖的那个人七块八毛五，而不是十块，大家的话就比较好，这样轮流来。
+
+🟢 说话人1 [01:41:10]
+这个其实挺震撼，就是他是运营，他是非技术人，然后也通过 ai 的方式写了个小程序，真的能够满足自己的需求，他不一定有很多人去用，可能就他自己用，然后他能满足他的需求。这也是挺好的一件事情。然后后面最后又说了一些安卓上的一个运行，这个可能各位不一定深入移，做移动端这一块儿，就是安卓上有安卓 studio ，安卓模拟器这一块儿， ios ios 有 ios 模拟器 ios 证书这一块儿。
+
+🟢 说话人1 [01:41:41]
+鸿蒙的话也是需要在鸿蒙后台注册开发者，也有证书签名这一块，鸿蒙这一块和鸿蒙介于安卓和 ios 之间，既有安卓的一些优点，也有 ios 的一些优点。也有安卓的一些缺点，也有 ios 的一些缺点，就是说一下鸿蒙这一块儿，最后说一下怎么串起整个流程，然后自动化完成。好，这本书就基本上串完了，然后啊，这个没想到这个真的能串完。
+
+🟢 说话人1 [01:42:11]
+这本书就串完了，整体呢，捋一下，整复盘一下，整体上其实分三大块儿。基础技术技术基础部分怎么使用，可以给年轻人或者刚开始用 c 的人使用。啊，各位其实已经用了一段时间了，所以这一部分对各位来说相当于查漏治本，看看还有没有不熟悉的地方。中间部分呢，就说了核心的几个 a 的技术点， q 是什么? mcp 是什么?
+
+🟢 说话人1 [01:42:36]
+技能是什么?第三部分呢，就是几个实战，也是有设计目的的，由浅入深，首先是这个做一个前端网站，纯前端的，然后再做一个调用 ai 能力的前端网站。然后在这个部分中已经深入了，开始实践这个更加复杂的流程。再往后呢，就是在现有项目中接入 ai 就是昨天徐老师反复提及的，不以若依为例，那咱项目中可能用的不是若依，也是可以迁移的，就不一定非得说一定要这个不用若依就完全不看了。
+
+🟢 说话人1 [01:43:11]
+这个都是反正写代码都是一样的，就是看什么用什么框架而已。然后这个再下接下来呢，就是前端开始往网页之外去跑，前端写了一个桌面端，也写了一个，安装包，mac和windows呢都准备了。在这一章就开始讲这个多智能体了，再往后就是非常新的，写一个正儿八经的桌面端，就写完就冲着桌面端去用了，然后离线可用的，写了个知识库。
+
+🟢 说话人1 [01:43:42]
+那写了这个桌面端还不好，我们手机上移动端上怎么用，就说了一下移动端，在小程序安卓 ios 鸿蒙上去用了一下，整体上是这么一个架构设计。这本书是今年写的，当然这个往后，一年后两年后可能会过时，但站在当下，20年当下是不过时，后面可能也会有其他 ai 相关的书，然后，我相对自信的说，还是以本书为准，其他书可以做一个参考。
+
+🟢 说话人1 [01:44:11]
+本书讲的东西是对吹的细节讲的比较细，没讲到的点是什么呀?一个是具体怎么和吹打交道，入子怎么来定，刚好呢，就徐老师专门去讲掉了，讲强调了，就在企业中如何去实战，如何去约束。好的提示词，坏的提示词，好的工具，坏的工具，包括如何评测，如何去量化。其实我们很，其实正儿八经去开发的话，量化是一个很重要的指标。包括量化这 ai 的能力，量化这个调用次数，调用频率，其实都是很关键的一点，也是正儿八经的趴化，那个企业研发。
+
+🟢 说话人1 [01:44:52]
+然后如果再有其他书或类类似这种培训的话，其实可以按这种观点来看，就是技术软件，这个工具基础怎么来使用?有哪些 ai 的名词怎么做解释??能不能让用几个实战来以练代学，然后配合去使用?。还行，这个就快速说完了，原本还想带各位实战几个其中项目，后来和徐老师沟通了，其实还是以实战为例，因为其他项目可能各位用的不多，所以就这两天我们第一波和原计划的第一二第二波的一部分去说这本书和点。
+
+🟢 说话人1 [01:45:31]
+今天我们压缩时长，就基本上把这个点都讲完了。啊，这是书内容说完了。各位针对书这部分和刚才我说的这一通有疑问或有点吗?可以来来交流，或者说已经读了一部分，哪一部分讲的不好，不细的我可以针针针对性的去讲。
+
+🟣 说话人2 [01:45:58]
+有没有，我来提一下。
+
+🟣 说话人2 [01:46:05]
+写一本书是不容易的，要要要要统筹要
+
+🟢 说话人1 [01:46:17]
+还行，刚好也十点半，一个半小时，我们中间再休息十分钟吧。
+
+🟣 说话人2 [01:46:20]
+啊，可以。
+
+🟢 说话人1 [01:46:21]
+也行。
+
+🟣 说话人2 [01:46:22]
+我们十点五十回来，你把那个问卷发下去。
+
+🟣 说话人2 [01:46:29]
+休息十分钟。
+
+🟢 说话人1 [01:47:03]
+还真让陈老师我们之前在北京时说中了，那个有一个中学老师，中学学校才签了个协议，应该也是买了几十本几百不到一百本，说当教材用。是还真是，那个有学校积极去，因为这个很多人还是愿意看书，慢慢按这种正儿八经的方式来。
+
+🟣 说话人2 [01:47:25]
+这玩意。
+
+🟢 说话人1 [01:47:26]
+啊，有北京。
+
+🟣 说话人2 [01:47:28]
+太卷了哈。
+
+🟢 说话人1 [01:47:29]
+太卷了，尤其是海淀那些人参加活动都带着小孩，哎呀，真是不一样。
+
+🔵 说话人3 [01:47:35]
+我在用 tree 的时候，它有一个应该说 mct 里面不是有一个 play 那个。
+
+🟢 说话人1 [01:47:40]
+play rights 不要用那个，浪费时间，过时了。
+
+🔵 说话人3 [01:47:44]
+它，不过没关系，二是主要是我本来用 kimi 那个 kimi 那个 web。
+
+🟢 说话人1 [01:47:50]
+对，我就提那个，你用它就好。吹好像很难触发的，我专门儿硬调，因为它本身有个浏览器哎，它它我想想啊，嗯嗯很难 webbridge 是吧?前段时间哦，那你跟着可以很难调，调不动，在吹里我调，我在 chrome 做的一调就行，然后它吹里它有，用那个一般咱用那个技以前的技能是 webtest 的嘛，web testing 它调它还会去装那个。
+
+🔵 说话人3 [01:48:19]
+就我哪怕我吹这边有个这个，它还识别不到，它会自己装，关键然后我这儿我就算挂了你要这样的话它还装不上，经常不是说装不上，经常到某个房子也能调，但是很难调动。有时候就是纯看运气我在 cloudcode 里面换是很方便，当然也可能和我那个什么网那个哎这个案例这个反正咱都能异步交流，你说你这个案例你整理整理我试试吧webbridge 我用 cloudcode 很爽然后现在包括那个我看您之前书上写了一个 chrome 那个本。
+
+🔵 说话人3 [01:48:55]
+之前他那个装起来也是有成本，那个有成本，那个写的时候是刚出，当然他要不出，其他人不好整，他出了之后大家才有这个是的确能参考，但是这个就是我在翠里面我试过。我不知道为什么我也在用，我们在开发那个啥，我们也把它给接进来就是翠不好触发，我看你还用爱马仕，爱马仕应该触发很舒服。哎，您是现在比如说就是这边儿就爱马仕不用小龙虾了是吧?
+
+🟢 说话人1 [01:49:28]
+嗯是的，那个小龙虾它是今年去年写的，就是它去用去年的 ai 写的，龙虾呢这个爱马仕是用今年今年的 ai 写的，然后龙虾呢那个作者呢，他他还是个副正儿八经副的那个龙虾的作者呢。他纯外部扣顶，他 bug 太他妈多了，而且看的太重而且我们就是对他的感受不好，去年咱火的时候都在用嘛，结果就被聊聊不聊了，其实就他有问题对爱马仕现在火了之后。
+
+🟢 说话人1 [01:50:01]
+我们就用爱马爱马仕这不现在出这个桌面端了啊我把它这个接 wifi 那个没接上接了那个 deepseek 然后再接上那个 qq 然后画在 qq 上那它消耗怎么样?
+
+🟢 说话人1 [01:50:16]
+编码编程还真不清楚，扣顶的话无所谓的那就用用它就行。
+
+🔵 说话人3 [01:50:25]
+就是我。
+
+🟢 说话人1 [01:50:25]
+它架构设计很很友好。
+
+🔵 说话人3 [01:50:26]
+因为它那个消耗问题，就比如我十块钱能用多久。
+
+🟢 说话人1 [01:50:30]
+哎呦，我你接 deepseek 我用不完，我感觉前几个月充了二十块钱一直用不完。 deepseek 它有一点特别好，有也是有个误区，对它是硬盘级的缓存。那个老外那个 cccloudops 四点六性能特别强。
+
+🔵 说话人3 [01:50:45]
+嗯。
+
+🟢 说话人1 [01:50:46]
+它真他妈特化，可真他妈瞎搞，它给你五分钟的缓存。
+
+🔵 说话人3 [01:50:50]
+哦。
+
+🟢 说话人1 [01:50:51]
+你跟它比如你跟它说聊天工具，你中间停了一会儿，五分钟回来之后重新算。消费特别特别贵， deepseek 是半天一天级的，所以你和它聊写代码也好，聊天也好，用不了几分钱，所以我们公司做了一个付费软件，达不到爱马仕水平，所以我们当爱马仕竞争对手就学它的这个记忆啥的。
+
+🔵 说话人3 [01:51:15]
+现在包括我现在看大家慢慢对 agent 这块儿不再就开始走那个上上一个流程，就是我看商汤现在不是开始搞，包括很多前两天我也在玩这个东西，我在这个控制电脑里面所有 agent 所有的比如说都带 c d l。  我
+
+🟢 说话人1 [01:51:37]
+对胶水儿对啊这也是实在就是我我们也在开发类似这个爱马仕龙虾一样的产品也是这就是你怎么卷你卷得过 cc 呢?所以我们就很很很很没招儿，就是不得已也是做个胶水层，你既然大家都用 cc 都用扣的 s 那你们就接 cc 吧，就是尽量不让你在我们工具里离开是，就是前两天看之前看那个 youtube 上面他们有个人分享。
+
+🔵 说话人3 [01:52:03]
+有个老师分享的是他自己接的扣的 s 之类的，然后自己写了一个对就写就我需要扣点是特别的开放，比 c 我现在特别讨厌 c c 就喜欢扣点是扣点是它有图很爽对扣点是什么 server 它本身起一个服务，那都有 api 了，你自己开发网站。
+
+🟢 说话人1 [01:52:21]
+自己开发移动端我想写什么，我想写一个 ppt 很方便，直接就是本质上去，我这边只需要描述我的画面和工作这几点，然后他去扣点是里面既能生图又能分析图。
+
+🔵 说话人3 [01:52:33]
+而且扣点是分析图那个 d p d 分析图能力还真强，我们非非正式的说，就你爱这个爱习惯用啥还是习惯用啥
+
+🟢 说话人1 [01:52:43]
+但是呢还是那句话，就企业级是和什么审计合规啊，对这种事就不好说了我看你还用 office 它那个效果怎么样?
+
+🔵 说话人3 [01:52:55]
+这个就 office 这个就这个你你还用这个吗?这个之前了解过，然后最后我一直在犹豫，我之前又用飞书搞过终端，然后就用我现在跟你说它的好处，我很好，我和很多人交流我现在直接用记的去也对，可以可以，它的好处是它是纯文本。
+
+🟢 说话人1 [01:53:13]
+我和它每天聊的东西和其他软件聊的东西都会存下来，存下来是作为一个容器，我不一定非得打开这个软件，我不一定随时打开一个笔记。随时记点儿东西。它是从 markdown 我能和爱马仕再结合起来，就是我的路径是它，以后你也记住它，就是我今天写了什么东西，它就去它就去找，然后我今天和爱马仕分配哪些工作，我就整理一下，也存到这今天的复盘上去。
+
+🟢 说话人1 [01:53:46]
+这样说就有很多好处，是即便我今天明天不用爱马仕了，但我的东西还在我本地。你再配合咱自己的 git 搞个私有仓库，就永永久备份儿。我之前考虑的，我之前用的是飞书，本来用了，然后飞书改飞书了飞书有一点不太好，就是限流的，对，一个是用用，一个是上云，再一个呢，搜索不方便，你看现在 cc 以 cc 为主的。他们用关键词匹配搜索，就不用 rag 这一套了。
+
+🟢 说话人1 [01:54:12]
+就是比如说我昨天聊过啥，或者说它这个 meeting 模，它这是向量的搜索吗?不是不是，就是你看在 cc ，我们去找一个，比如说我要修个模，它会搞出来二十个单词，不管对不对，它去搜看哪个有结果，有结果它就认为可信度强，然后再进去看这文件。看是不是你想说的，它这种也是就是你本地文件，你搜 txt 一搜全搜出来了。
+
+🔵 说话人3 [01:54:37]
+就是唯一的就是如果真涉及一些像图片文档之类的文件类的也比较大那就是对现在变成知识库了我现在用这个其实本质上我当时对他的诉求就是我可能就像你好几个微信。然后我需要他们共享一些内容，我只操作一个微信肯定没问题，但是操作多了我就需要有一个中转去帮我去我们现在更激进的就是把所有记忆什么的都存在本地。
+
+🟢 说话人1 [01:55:06]
+我今天用这个，明天用那个，包括你吹的时候也可以在系统提示词里说，读一下我们硬盘上的某个目录，它是可能重要的，它里面提供了什么东西，今天你用，明天你用什么 code 的话，也可以签入。
+
+🟢 说话人1 [01:55:24]
+去卫生间你不去卫生间吗?
+
+🟢 说话人1 [01:55:45]
+昨天我站旁边看着徐老师吭吭喝水嗯我今天知道了，说不少是咱确实功能少。
+
+🟣 说话人2 [01:56:07]
+你看那个 cs 是不是也很容易被 ai 编程取代?
+
+🟢 说话人1 [01:56:14]
+往后看，就是因为程序员开源代码多，所以 coding 先解决了，那以后不光是 cs 所有理科，所有可量化的都容易操作。今年很多创业方向都是搞生物的。
+
+🟣 说话人2 [01:56:30]
+搞生物科学的，搞细胞搞 dna 的，也都用 ai 去参与了。
+
+🟢 说话人1 [01:56:36]
+这个生物学博士说，你要是用到 ai 就容易往上走，你不用 ai 就可能被别人卷。骗人可能就是人，人人价值可能还是和人和人之间这种情感联系的更好。所以一旦能够流程化和标准化，这个就好，就容易被操作。
+
+🟣 说话人2 [01:57:03]
+刚才看了看那个课堂那个培训效果统计，我看大家都希望能多点案例，你可以有时间弄个啥，大家练习一下儿，也等个十分钟二十分钟看看行啊行啊，对这这这有反馈，咱就好好安排嘛。
+
+🟢 说话人1 [01:57:20]
+因为这也是我们原计划想这个第一波儿时候说一些基础，然后昨天那个海波儿也聊也给了很多按那个想法甚至是我们工作的真实项目，我们也可以对这个也是想第二波儿时候我们看看能脱敏到什么程度。或者海波儿海波儿这个整理一下，你们审阅后做个交流初心还是想就把这事给搞搞好开始研究没研究口袋最新那个 reset 那个那玩意儿就新出了一个他送了我他送了我一次那个是更新速率还是更新额度就更新额度。
+
+🟢 说话人1 [01:58:30]
+他对上周他是有更新速度，我也没敢用，我怕我又不敢用他是他他没他隔你要是买订阅，他隔三差五就重置一次我知道没错然后上次我们也坑我们就是他中间就给重置了，结果我们上周儿才用百分之三十对，上周儿我们就干不了活儿了，然后就又回到那个 api 那一套了，然后这不现在好了，就是给你一次。你什么时候用什么时候申请，这样会好一点，它其实相当于送一个重置，就是七天重置对，那挺好的，那我都敢放心用了，我都害怕倾诉率了，我说倾诉率啊，我们对我们用扣的 s 一百和两百的。
+
+🟢 说话人1 [01:59:07]
+就是现在买的就一百双就足够了，一百双一就够了，有的他二十有点儿多写了好多 ai 流程，纯自动化的他们游戏消耗比较高那个高老高老的模式就也对对对模式反正你现在很多东西就咱。
+
+🔵 说话人3 [01:59:29]
+之前那一套很多东西都有点儿搞 space 现在那个好像感觉有点不是很好做能力越来越强，我们说的这一套对啊好在是搞不出来新花火儿了，就是 ai 全都卷到满分儿了。
+
+🟢 说话人1 [01:59:51]
+这能力上差不多了除非将来某个模型我们太惨了，啥都没有了。嗯嗯。
+
+🟢 说话人1 [02:00:12]
+嗯。
+
+🟢 说话人1 [02:00:18]
+嗯，我们回来了，那我们就继续。刚才留的气口比较少，看各位，哎，对，也可以互通过问卷方式就是这个交，这个互动，然后刚才海波也聊了好多。各位还有要提问的吗?没有要是没有的话，想说的内容就是前两天的内容压缩也讲完了，然后书的那个代读也讲完了，然后再往后还有一点透的部分，然后再补充一下。说一些相对轻松的，也是相对更用审视和挑剔的方式，我们再看一下这个翠，这个软件本身。
+
+🟢 说话人1 [02:00:57]
+今天是翠，明天可能，翠额度用完了，可能会去用其他的，然后我们也横向做一个对比。主要还是我称为技术八卦吧，就是有些东西现在还有，它可能虽然还有，但是用的已经比较少了，或者说大家主流已经用，开始用其他的，我这里稍微点一下。这主要还是去针对深度使用去参与工作的朋友，再做一个这个技术上的一个观点的相相关。内容其实也比较多看，说到哪算哪。
+
+🟢 说话人1 [02:01:29]
+首先，就是刚才我们在昨天和今天花了比较多的篇幅，讲了这个第三个图标，点翠下面有个 rules 规则。其实这个东西呢，点 tree 这个东西其实就已经是一个私有协议了。那比如我们要换到其他的工具，肯定它就不认了，或者说它需要主动去迁移过来。现在广泛去认可和使用的就是第四个， agents 点 md 其实这背后也有一个隐秘史，或者说话语权定义的一个争夺。
+
+🟢 说话人1 [02:02:01]
+那早期其实大家在前几年，前年之前，大家其实在前端和做外部开发时候，用 vs code 的是比较多的。 vs code 的拓展能力非常强，甚至它有一个点 vs code 的文件夹，可以配置很多东西。包括他把 copilot 引进来之后，在里面也可以配很多 ai 的一些配置。嗯那 vs code 火完了之后呢，cursor 会更火。
+
+🟢 说话人1 [02:02:24]
+cursor 其实可能在前年去年算吧，就前几年 cursor 是非常火的，今年这几年就不太火了。他就开始尝试去做一些定义和话语权的争夺，就是他定了一个点 cursor rules 的一个概念，里面写这个一点 mdc 就是像 markdown 一样的一个文件，其实就是现在的这个 tree 的这个目录。东西都是一模一样的，就是大家起叫法不同。
+
+🟢 说话人1 [02:02:53]
+那他这个约束呢，就是说特定后缀文件或特定文件夹下的文件，或者用我们技术的方式把这个文件筛出来之后，要遵循这个规则，某个规则。早期是纯 markdown 不好用，后面写了一些 ui 页面，可以点亮点两下去约束。那崔作为早期他崔刚开始做的时候也是模仿和致敬这个科瑟这一块，所以他也把这个褥子给拿过来了。然后褥子拿过来之后，这个结果就是这些科瑟，话语权不足，影响力不足，所以也没有办法被推到所有人去认可。
+
+🟢 说话人1 [02:03:34]
+后面这个，cloudcode 他们火了之后，就 cloud 本身用户，用户量比较多，然后人口和人才密度比较大，所以能把这些点给推下去。他们推了一个叫 cloudmd 所以在这个 tree 里有个设置，叫说，在这个 tree 我打开这个设置，在这个模型这儿。
+
+🟢 说话人1 [02:04:05]
+哦，在这个规则与记忆这，它就提到了，将 cloudmd 包含在上下文中，这就是，cloud 非常的早，非常的火，所以其他模型只能说，你不读的话，就用户就会骂你，说我在其他工具下用这 cloud 就是项目级的约束是 ok 的。在你这不行，所以他就必须开放这个功能，就必须这个打勾，就是把其他模型的这个规则也给引进来。
+
+🟢 说话人1 [02:04:34]
+但这个 cloud 呢，它是自己的这个 c c 里提了个概念，然后其他模型呢认为那个你把你的产品名定成一个规则不好，也不够泛化，所以大家就默认共识呢，大家都叫 agents 点 m d 所以我们在昨天。薛老师也提到嘛，包括我昨天也提到，就是现在比较广广泛的跨语言跨项目使用的 agents m d。就是无论你是用 tree 还是用其他工具，还是用命令行工具，基本上都是认 agentsmd 的。
+
+🟢 说话人1 [02:05:06]
+但是呢，那个 cloud 是肯定不认的，就是它还是要坚持自己推行自己的理念。mcp 和 skill 都是 m cloud 他们团队研发的，所以他们有这个能力说自傲吧，或者说就是坚持自己的行为。所以对应到这个 tree 本身，就是一个小的玩家，无法去争夺这些定义权，所以他就不得已，比如说我也支持 agents 打上勾，我也支持 cloud 所以你用其他模语言的模型导进来之后，也会自然地去阅读。
+
+🟢 说话人1 [02:05:35]
+啊，那关上勾的话，就只能变成了这个 tree 入子这些规则了。打开勾就可以来使用。所以我们后面跨语言跨工具做对比的话，这是一个值得注意的点。就是相当于私有协议和社会共这个社区共识，还有这个 claude md 这里做一个介绍。其实还是早就是优势，但早并不一定能影响所有人认可。就是大家还是把 claude 作为共识，把 claude 产品名给拿掉，然后因为除了 claude 之外，可能还有谷歌，还有这个 openai 我们国内还有这些千问。
+
+🟢 说话人1 [02:06:16]
+也都也都有类似的这种规则。千问可能什么点什么千问，或者什么点扣的啊之类的，这些都是在尝试做，定自己的规范嘛，就是分层的私有协议，然后还有一个跨语言的这个 agent 协议。这是有时候我们会说，哎，其他人打开其他模型，发现没有点儿入这个文件夹，可能原因就是在这。如果这个，就假设的话，如果这个科特当时足够火，那么吹里面可能也有个复选框，或某个工具可能真的就有一个复选框说。
+
+🟢 说话人1 [02:06:47]
+迁移，把吹的这个褥子迁移到当前这个褥子来，这也是有可能的。只是因为我们对这个吹接下来的这个工作安排不确定，所以就是假定它就有可能会有这样的工具，那我们选择其他工具时可能也会有一个。就是这算一个技术八卦，就是我们有一个演进史，还有一个定义权，这个产品定义的一个争夺标准的一个背后一个故事。这里就展开细一点，就是早期是都是点 westcode 的，大家科瑟尔为主呢，就开始在我们称之为在代码中，在你源码中开始拉屎了，就开始塞塞东西了。
+
+🟢 说话人1 [02:07:26]
+吹也是，就是塞了一些代码无关的配置文件嘛，但好处是项目级别可用，大家都用吹的话，这些褥子是可以共享的，就开始塞东西了。那行，大家认可的方式是 agency md 和 cloud md 在一些实践中，就是我们日常工作中，基本上就是在说与我们代码中有一个软链儿硬链儿的概念。就是我们会把会写，把内容写在 agency md 里去，然后做一个软件儿，就是它俩文件是一模一样的，只是文名字不同。
+
+🟢 说话人1 [02:07:58]
+这是一种技术手段，有的工程呢不太认这个软件儿。也可以呢，在 cloud 里写一行，请读取 agents md 的内容，这样说无论你使用何种工具，都可以正确的读取。一般来说都是读这个，然后特定的工具会读这个。就是既然事已至此，我们如何来做一个迁移?我们花了很多时间讲了 tree 里的这个，其实不能说被淘汰，就是它还是在精耕细作，就是非常的精细。
+
+🟢 说话人1 [02:08:34]
+甚至我们用这个 glb 就是用程序的发，用程序化的方式能够精准控制特定文件。有可能相同文件夹下的不同两个文件，一个会命中 a 规则，一个会命中 b 规则，这是入字的好处，就是它能够精准的去控制。然后另一点呢，它里面也有智能啊，就是智能触发呀，手动触发，还有指定文件，指定文件就是我说的，就是能够使用 blob 这种方式，让特定的文件，特定的文件夹生效，就是其他文件不生效，这是一种方式。
+
+🟢 说话人1 [02:09:06]
+就因为这四种方式，徐老师也提了，就是有不同的应用场景。全局生效的，特定文件生效的，然后自动判断的和手动是手动来触发的。其实如果手动触发就有点像这个卡梦子，就是定一个命令来定发触发这个规则。应用场景呢，这就不展开了。这是入子这个存在的意义和它的一些特点。这个薛老师也提到嘛，就是我们入子可以分层，就是这里还可以建这个按名字按要求来建不同的规则，那可能我们内部可能有分工。
+
+🟢 说话人1 [02:09:43]
+有的人，我们这代码中可能包含前端和后端，或者包含不同模块儿，不同模块儿可能去定义这样的入子规则。也方便按全局的模块儿的，或者说流程上的这个规则。其实有了这个入子，一定程度上在早期是非常符合当时的规则的，因为后面的 m c p ，后面的技能，后面的扛把子都没火，就是入子就起到了这个作用。这是怎么来迁移啊?
+
+🟢 说话人1 [02:10:11]
+就是这里我也是相当于我们把早期东西做了个迁移。之前甚至有真的有工具，就是相当于写一个命令行嘛，就读读取这个 cursor 的规则把它迁移过来，哎，这个就不展开了，这个就是重复的话。也就是说，这个规则是有很多经验的，这个手手动触发就相当于技能，这是在 tree 这个语境下定义一下如何去使用这个东西。然后我再说第二个观点，就是 token token 在前几年窗口比较小，很难想象刚出时，窗口可能只有几 k 大小，就是聊一聊可能就忘记之前聊什么了。
+
+🟢 说话人1 [02:10:56]
+现在我们昨天在聊选择什么模型的时候，就提到有的上下文是两百多。三百多 k 五百多 k 一百万，现在也开始出两百万的，最新的一些模型开始推崇两百万的上下文。这样说就是早期和现在是有一些差异的。再一个点呢，早期我记得当初刚开始，调 ai 是很贵的，现在的话就是越来越便宜，以这个 deepseek 这个和小米为代表的这两个降价网啊。
+
+🟢 说话人1 [02:11:30]
+这种打了一个先例之后，就基本上定义了定价权，就是以后国产的开源项目，每百万的 token 就是要在四块钱以内，两块钱以内，就是基本上就这个定义了。在这个 deepseek 和小米降价之前，过往国内的什么 gm ，deepseek ，kimi 这种模型，基本定义为每百万 token 是十，十六块钱左右，就是最最强的模型，比如千万 max 那种闭源模型。
+
+🟢 说话人1 [02:12:00]
+就商业正儿八经商业化的，基本上就十六块钱，再往下的话，十六块钱一档，十块钱一档，八块钱一档，四块钱一档，基本上没有比四块钱更低的了。当初千问出这个中中等尺寸的模型，每百万 token 四块钱的时候，大家都惊呼，没想到这百万 token 才四块钱这么便宜。现在这个 miro 和 deepseek 一降价，所以在上下文的消费上，其实就已经低得多了。
+
+🟢 说话人1 [02:12:29]
+接下来和配合另一个观点就是，接着慢慢说，就是单次调用以前贵，现在就已经越来越便宜了。这一点呢，就是早期的时候，大家真的是裸着去掉用这个底层的 api 他没有能力。然后这两年呢，这个厂商，尤其咱国内这些厂商都已经越来越聪明了，就有意的把这个工程化，就是代码结构这些都训练进去了，所以你调用 api 本身就调 ab 这个 deepseek 本身的时候。
+
+🟢 说话人1 [02:12:59]
+它已经做得足够优秀了，它知道当前代码有了这个选型方，这个技术架构之后，它就能够推测出一些合理的方案，并且主动去调用这个合适的工具，去让这个能力也越来越强。这也是说我们前年之前，大家追求更大规模的模型，我们国内可能以前是几百 b 四百 b 五百 b 现在后面就一千 b 只知道一一一 t 现在开始 t 就是不断的规模膨胀。
+
+🟢 说话人1 [02:13:29]
+膨膨胀总有底儿，所以就没招儿，那训练量有了之后，就开始强化这个 agents 甚至以 kimi ，就是强调这个模型级 agents 就是把很多能力都提炼好了。那我们用吹也好，用其他工具也好，都可以做，减少做很多事，甚至很多人的观点说，你用这个三方的工具，像用这种吹这种工具，可能反而会一定程度上劣化了这个 ai 的聪明程度。
+
+🟢 说话人1 [02:14:01]
+就相当于你对一个大学生说，哎，这个骑车的时候，这个要好，要这个要检查这个有没有气儿。哎，他这个观点对一个小孩来说，他可能是有用的，对于一个成年人来说，可能就不需要关注，就是你刻意强调，可能会反而浪费他的精力去消耗。所以有些人会关注这一点，就说大道至简，可能某些提示词的优化是不必要的。但这个也是看场景和认知程度，有些非常优秀的模型。
+
+🟢 说话人1 [02:14:32]
+他对这个提示词要求程度不高。但有些非常极客的人，我昨天也提了，就是有的人用非常小尺寸的模型，坚持要做出非常厉害模型能达到的效果，他这个时候就需要做反复调整，精细调整，这也相当于一个怎么说啊。人类的一个游戏化方式，就是在限定条件下达到最好的成果。这可能是我们当前阶段的一个，也是一个目标，就是看怎么来调试平衡提示词和 ai 能力了，最终的交付效果要好。
+
+🟢 说话人1 [02:15:07]
+现在呢，以往咱以前的时候，以前的时候能力各种差，这就不说了，哎早期关注。现在呢，就关注这个上下文能力不偏移不飘，不漂移。其中在前去年之前，还没有 subagent 这个概念，就是会把调工具调用这个，比如我们执行一个当前说当前有什么目录，它会把 ios 作为上下文扔进去，然后就会很快塞满这个上下文。就触发压缩，一压缩，就丢失细节，所以这个从去年今年包括未来，大家都会一直强调上下文怎么更好的组织，把无关的细节识别出来抛出去，甚至会做这个。
+
+🟢 说话人1 [02:15:46]
+小尺寸就是 webdiscoverlight 和 pro 组合使用，light 做一些粗活儿，粗活儿干完之后，交给 pro 时做一些精细化操作。啊，这是当前最近两年的一个目标。上下文要更关注，工具调用更要有效率啊，这个就特别表扬或者批评一些模型，它的调工具调用不积极，就是你可能说的很精很精准，它依然有失败的情况。
+
+🟢 说话人1 [02:16:15]
+有的模型以 glm 当初以4,7为主，它会强调工具的调用成功率，会更激进的调用工具，这当时是饱受好评，因为调用工具之后，它就更能去约束代码自我反思和自我检查，这是一个点。刚才我们也反复强调交付物要可验证，质量要能经得起考验，其实不断在说量化。现在有一些岗位，就是在北京吧，有一些岗位传统的前端，就是不是不受待见，就是因为在 agn 时代，现在无论是研发还是测试工程师都无法有足够多的精力面对这个海量的代码提交了，所以就需要去做量化，去做这个。制度，有时候我
+
+🟢 说话人1 [02:17:04]
+们说，我们选用 a 工具，还要选用 b 工具，那可能需要我们去量化这个交付物，去跑评测嘛，就分别跑几十轮，或者跑不同的提示词，最终我们选一个结论。这样说更符合我们在企业协作下的架构，不是拍脑门的说选 a 还是选 b 那就是有一个量化指标，就是可验证，这也是一个点。接下来还有一个观点，还是在 token 这儿，我称之为个人用水和工业用水。
+
+🟢 说话人1 [02:17:34]
+有时候我们也是昨天了解才意识到，一开始我不太理解各位提到说咱这个提示词简体中文要不要关注，这个对上下文占用有多少，我不太理解。聊交流后才明白，就是我在我之前的观念中就是你买，你充给这个充20块钱，或者给这个人充个他100块钱用国内模型是靠聊天，或者靠简单的任务是花不完的。我的对我来说，这个充20块钱靠聊天话，几个月几年可能都用不完，因为它太便宜了，而且它的硬盘缓存也非常强。
+
+🟢 说话人1 [02:18:08]
+就是我们个人靠聊天是用不了多少，但是呢，一旦我们正儿八经用 AI 去编程，它可能每天每，以前是每天可能是百万的 token 现在是每小时每分钟是百万 token 现在有。在有些非常极端的场合，或非常炫耀的场合，他会说每天用了几百亿的 token 几个亿的 token。嗯啊，要按 b 来算，这个就是工业用水了，就是咱家庭用水，他能用几吨呢?
+
+🟢 说话人1 [02:18:35]
+那工业用水可能一天就能用几百个家庭，几千个家庭的用量。所以在这种情况下，一个观点是很多点你不需要关注，就是个人聊天，个人小批量代码是用不完这些额度的。另一个观点，就是如果我们在意额度精打细算，其实每次的提示词可以做适当精简和优化，避免积少成多，就是在海量的工业用水面前，可能积少成多是可以省的。但这个点呢，我在很多场合，大家是不屑一顾的，甚至是会反驳的，就是。
+
+🟢 说话人1 [02:19:08]
+偷啃还是要管够，或者说合规的偷啃还是要管够，就是先把基线大家的平均水平先拉到一定水平之后。这个，这个生产力就放开了。我们有一个观点就是，我们有些模型，有些朋友会用这个海外模型，就是他们认为海外模型更强，或者说没有合规的这个思考。公司这会提供管够，就说以前我每天给你提供五五十美元，就是三百多块钱的额度，你去用。
+
+🟢 说话人1 [02:19:37]
+后来他们说我进一步提升，每天一百块钱，然后每天五一百五十，每天五百美元，就是接近三千块钱，就是这种就是他不断提高，他们有个观点是说啊，就说如果你定一天五十块钱的额度的话，有些人用到二十五块钱，他就开始精打细算。就是想着避免影在工作。那如果你把它额度提到一百，他这个就开始滞后了，因为绝大部分人可能就是五十五块钱的消费水平。
+
+🟢 说话人1 [02:20:03]
+所以等他到六十块钱之前，他才开始精打细算，那五十块钱之前，他就是疯狂的去用，去和 ai 进行一个协作。如果呢，我们把预算提高到这个500块钱，500美元，那基本上大家就不会去考虑精打细算的提词了，就是疯狂去用，你用好了之后，我们有再有合适的这个评测和合适的这个汇报。就和大家把这个好经验给沉淀出来，就是在你如果去过参加工厂，去过去参那个水，就是啊，以前我们是一滴水也舍不得浪费，那去过工厂之后，原来说啊，24小时开着，甚至24小时多个水龙头都开着。
+
+🟢 说话人1 [02:20:40]
+他们是有他们的目标，在这种情况下，大家就能放开头脑，放开手脚，去多使用 ai 把这个 ai 的用量给提上来，提上来之后，我们可能就能去找到很多关键点，大家习惯什么水平，习惯怎么样。一般情况下，比如我们一开始先广泛的说500美元，那绝大百百分之九十九或者百分之百人是用不到这么多的，大家他会用到百二百五十美元或五十美元，有一个量，大家就有约束。
+
+🟢 说话人1 [02:21:08]
+我们去收紧一点也是 ok 的。那如果大家超过某一个平均值，那可能需要关注一下他在做什么事情。啊，就是也是这样，我们去把这个像用水一样，把用水用多了之后，这个生活水平才能高，这个智能化程度才能高。哎，我们以前缺水，可能用的水比较少，一水多用。现在这个水全管够之后，这个生活质量也变高了啊，这个洗漱用水啊，生活用水，洗澡用水啊，这至少是这个生活质量变高了，那映射到工作中，这个工作质量可能也变高了。
+
+🟢 说话人1 [02:21:41]
+就没有各种束手束脚的行为了。啊，这是刚才说的 token 的这个观点。再提一些新的观点。这也是技术八卦哈。就是以前我们会说，以 cursor ，我们会说一行，我写着写着代码，哎，摁个 tab 就把这一行代码给补全了。啊，我们好多一些人应该也会有这么感，这样的感受。啊，这是行级别的。那后面呢，就是我们叫段儿级别的，就是我有，在去年和去年的时候，我当时写代码怎么写呢?
+
+🟢 说话人1 [02:22:18]
+就是写注释。把那个注释用 jsdoc 写好，我说我要写一个工具，输入是什么，输出是什么，大概怎么写。写完之后呢，等等什么?等 ai 给我补全。 ai 会写得非常好，我摁个 tab 一下就给我补全了。当时我们是那么那么来写写代码的。就是代码细节不写，就写注释，写完注释之后，就等着 ai 来弥补。这个时候你就是多行了。
+
+🟢 说话人1 [02:22:43]
+那后面随着 ai 发展，我们有时候会很惊艳地意识到，比如说不小心单词拼错了。这个单词呢，可能还是个 util hyper 工具，就是被大量人使用，那有时候我们需以前的时候需要在这个工具中去搜，搜出来之后逐个去改。那像有了coser 有了这个 tree q 之后，就发现哇，它敢大问大规模地去修改，就是一个 tab 修改两个文件，多个文件。
+
+🟢 说话人1 [02:23:10]
+啊，这个就很神奇，就是程序员用起来很舒服很爽，啊一下子就比你多比你多想了一步，把这个文件给修改了。后面呢，它又引了一些智能引入，就是更简单了，咱以前都是代码，咱写代码都知道先引先声明再使用，先引进来再使用。他现在写着写写注释的时候，他发现，你这个判断这个用户的，比如说判断新用户的，他是有一个通用的有 title 的，你不用说，它自动把你引进来，自动帮你写，你写规则就越写越快。
+
+🟢 说话人1 [02:23:44]
+所以在第一阶段就是打打助手，就是做一点点工作，在第二阶段就是帮你完成比较多的工作了，就是手写的代码数写的越来越少了。但其实到了后面，到了去年下半年，我们开始引入这些新的模型能力越来越强，工业也越来越强，然后很多代码细节都不看了，就是我们只看，只和 ai 聊，ai给说啥。因为就像和人信任一样，信任 ai 之后，可能说啥我们就信啥了，所以很多时候像吹的这个 solo 模式里，就是不让你看代码，就代码这个它生成的非常快，就是基本上靠 agent 这个内置的这些能力了。
+
+🟢 说话人1 [02:24:26]
+有了，如果大家都用吹 solo 吹 work 的话，那 q pro 就意义不大了，就是我们在这个吹这个这个吹 ide 里。这这个吹 ide 里还会提到打开这个代码的时候，它还有这个 q pro 就是它来它来去量化说你有多少次这个跨文件的兑现，它有一个量化。它未来量化呢，可能会补区失败，所以它可能还会有些变更点，就是做一个内置的 git 吧，就类似于 git 这个版本这个概念，就方便你去做回退，因为以前的时候 ai 能力不够强。
+
+🟢 说话人1 [02:25:10]
+它比较激进，它改坏了之后，它需要做一个变更点，这是 q 东西。但这个东西我称为就是如果你穿到这个吹 solo 之后，就已经没人在乎了，就它这个入口都没人看不到了，而且大量的代码，大量的文件都是在这个对话中来完成的。这个细节你需要专门去看才能看到，所以在一定程度上这个 q 二 pro 也能承担它特定的历史责任，那越越往后，其实你看吹近几年的，近近期的这个升级叫吹吹 work 腾讯有 work body 这个它也是强调。 
+
+🟢 说话人1 [02:25:51]
+work 这个阿里这边儿有扣，什么扣 work 他们三家大厂又站在同一水平线上，就是大家都认可了这个 ai 能力写的足够快，这个人眼已经无法识别这个代码了，所以就强化了这个 work 理念，强强化了对话流程这个词。如果各位用过一些什么其他模型的话，像那个以扣的 s 。它那个提示词啊，更过分怎么，它会怎么样呢?
+
+🟢 说话人1 [02:26:19]
+就是比如说我要改一个实现一个功能，它会第一层的时候，它会把流程一一就是做什么事都告诉你，它做完之后，它把这个过程给你折叠掉，它不让你看，它认为那个过程大家只验证只验收结果。它会把结论给你看，这过程给你收起来，这就验证证明了一个接下来一个眼镜思路，就是 AI 能力足够强，这个大家对它足够认可，那我们只看结论就好了，这中间这个过程改了什么。
+
+🟢 说话人1 [02:26:48]
+怎么来改动的，这个过程你需要的时候才做展开，它倒不是说不完全不让你看，你点的话还可以看。这也算是未来一个方向，就是从单行到多行到多文件，甚至不再在乎你代码的补全了，我们因为全都是代码来完成，只有一个加号和减号就是删除和改动，这是一个技术趋势和一个观点。啊，你们呢，早期在去年时候参加他们官方的一些活动，他们还会花比较多的时间，作为半小时一小时的时间。
+
+🟢 说话人1 [02:27:26]
+细致的去说 q 背后这个本身做了什么，做了怎么大量的工作。现在来看以前做的大量工作，现在都变成技术基基建了，就是不被认可了，这也是一个技术发展一个历史。以前我们视为珍宝的东西，现在大家都有了，都习惯了就好了。以前是作为一个专门要说，专门要说，慢慢给大家就害怕大家不接受，现在大家都接受了。这也是其他工具也会有类似的点。
+
+🟢 说话人1 [02:27:55]
+比如我们提到阿里和腾讯了。阿里和腾讯也有什么 cowork 那个 coder 和这个 coder body 和 tree 是一样的。他们都是一致的。如果我们感兴趣，可以横向对比，就能窥见大家的眼镜趋势。IDE 的 IDE 增长有限，对他们产品线来说 work 可能是对面所有人的，这也代表了一种方向。
+
+🟢 说话人1 [02:28:22]
+昨天我们也点到了，就是选什么模型。在 cos 以 cos ，它强化了凹凸模型，就是不告诉你用什么模型，它自己来判断。它可能根据你这个，你问个 hello 就没必要用旗舰的模型，用个小模型就可以。你说我要看这个代码，在哪，他可能也用个小模型就行，要复杂的任务，他可能就需要用大模型。啊，而且呢，凹凸模式呢，会有这个比较低的倍率。
+
+🟢 说话人1 [02:28:50]
+我们假定比如默认模型是一，然后凹凸可能是0,8或0,5，那个旗舰模型可能是二倍三倍。这个哪个模型会专门量化，会比较夸张，什么凹凸是0,2倍，这个旗舰模型是可能是16倍，中间有几百倍的差异，有消耗的 token 单位计价。
+
+🟢 说话人1 [02:29:14]
+这里边儿呢，我建议还是比较务实嘛，就是看看咱的习惯和额度来。咱之前也提到一些大家的共识，就是认为豆包和 Deepseek 在文档这一块儿就是因为国产的模型这一块儿做的强化比较好，写出来的文章不至于那么一板一眼，那么刻板，哎，别那么理性。但是在写代码的时候，比如 DeepseekPro 然后小米还有这个GLM 还有这个 kimi 他们理工思维比较强，就是写代码数比较强。
+
+🟢 说话人1 [02:29:48]
+一定程度上，比如以崔为主，他们允许你在调用智能体时约定这个当前选择什么模型，也可以这么来做。就是文档归文档，检查归检查，干活归干活，这样相当于一个比较精打细算，比较务实的方案。这个我们也是一个粗广结论，很难有量化指标或大家认可，因为各自模型的粉丝或用的比较多，所以你提出的观点来，很多人会反驳或不认可，而且每个人的体感也不一样。
+
+🟢 说话人1 [02:30:20]
+所以可以根据自己的情况和根据自己体感来尝试。所以我们对代码来说，有代码的理解，代码的改动，文档的改动，还有企业的一个企业上的一个集集成就是自动化这一块儿。啊，这个是相对务实，而且我们这个企业版背后是可以做一些趋势图的，也可以做进步约束的，我们以往在内网也会搭一些调用工具去方便去做审计或沉淀。就是大家用的什么模型，体感怎么样，这个也是可以做一个量化，因为还是做数据分析嘛，有人的一些决策背后可能是一些能够量化一些思考，那我们去做宣贯做这个的时候，包括内部培训，这个跨部门的交流可能也是一个点。
+
+🟢 说话人1 [02:31:14]
+啊，这个是徐老师提到那些点，改造的时候大家怎么来做啊?快速模型，尝一下上下文模型，包括图片识别。像最近的这个 mimo m 三是国产的，默认原生支持图片，所以可以把截图扔给他，然后甚至说之前我那个书中说什么图片识别，它也是能够做到的，这也是可以合理的进行一个使用。
+
+🟣 说话人2 [02:31:38]
+嗯我们进行下一个技术八卦的一个观点。
+
+🟢 说话人1 [02:31:45]
+我们今天和昨天花了比较多的时间讲了这个定义的这个 command 这个命令。所以 command 就定义了一个代码块儿或一个文件，我们在输入框中摁斜杠儿，或者用特定的方式可以去换用它。这个也是怎么说啊，就是定义，产品力不强，或者说影响力不强，所以在一定程度上其他工具是不认可崔斜杠儿 command 这个理念和这个观点的，也是从早期的科瑟有，但是科瑟也是很很还是那句话。
+
+🟢 说话人1 [02:32:17]
+也不如 cloud 这个背后的公司，这个产品力强，影响力大，所以大家现在认可的还是 skill 这个命令。那 skills 这个东西呢?默认情况下，我们推荐在 tree 去用，但是 tree 又是一个私有协议，所以也可以想象就是在这个技能与命令这儿，它也有一个打框，所以这就是打勾的意义。他说开启之后，我可以读点 agents， skill 下面这个技能，所以咱在项目中也可以把这个点 tree 斜杠 skill 改成点 agents 点 skill 那你用其他模型，其他工具也可以来调用。
+
+🟢 说话人1 [02:32:56]
+啊，这也就是怎么说一个妥协之举，因为只你写的 tree 这个 skill 只有它能用，其他工具不认，所以大家还是变成以在这个 agents 在在这个早期的时候，大家只认 cloud 斜杠 skill 但是又有产品的名字。品牌名，谷歌 openai 肯定是不认的，所以大家共识就是做一个点 agents 所以又回顾起了我们早期的那个入子这一套 agents md 这一套就是鼓励大家去使用点 agents 方便后面的迁移和跨语言跨工具的调用。
+
+🟢 说话人1 [02:33:39]
+啊，这个还是产品就是私有协议和公开协议的差别。在一定有了这个 skill 技能之后， skill 本身有两种调用方式，一个是斜杠来调用，一个是自然语言，在这个自然语言去去自动去调用。如果是斜杠调用的话，其实就替代了这个 command 的这个定义。 command 能做的 skill 都能做， skill 能做的 command 可能还做不了。
+
+🟢 说话人1 [02:34:06]
+所以 skill 本身它又是一个跨工具的，所以也是一个社区的共识，社会的共识。所以鼓励各位还是往 skill 上去操作，而且后续可能各位和其他跨部门儿或汇报交流时，大家还会去提到 skill 的沉淀率，或者说技能的沉淀率。这个东西是能够被量化的，所以一定程度上很多人在 comas 用的越来越少，然后用 skill 用的越来越多，这个 skill 能够去掌握它。
+
+🟢 说话人1 [02:34:37]
+这也是个 aai 发展的历史上总会有些弯弯绕绕，就是新的东西比老的东西更完美，更符合大家的这个喜欢，所以这个 skill 还有很多好处，就是按需加载嘛，就是有很多好处。所以这个观点呢，就是鼓励使用 skill 然后沉淀 skill 甚至形成越来越多的 skill 大家内部去比拼，或者说去量化 skill 的这个沉淀率是多少。
+
+🟢 说话人1 [02:35:04]
+我之前在很多技术分享的场合会提到，就是你说 mcp 或说 ai 这些工具调用，大家不听，但是你说 skill 的话，大家都能听，还是下到小学生，上到这个技术爱好者。这个中老年人，他们都能认可 skill 因为你把 skill 分享出来，或者把这个观点教给他们，他们自己也可以去搞。就是认知成本也低，也就是写起来也比较简单。
+
+🟢 说话人1 [02:35:34]
+这是卡曼为数不多的这个存在的作用，也作用大也作用小，其实这个 skill 技能本身都已经替代到很多了。
+
+🟢 说话人1 [02:35:47]
+skill 比早期的这个卡曼子有两个升级，这个书中和刚才提了，一个是按需加载，就是你的用户极端的有几千个甚至上万个 skill 这种情况下，它依然能够 work 就是依然能够按需去加载。因为绝大部分人加 skill 它可以做一个内部做一个聚类，就是我聊生活的时候，你没必要谈工作，谈工作的时候就没必要聊生活。
+
+🟢 说话人1 [02:36:10]
+就是这样， skill 本身可能会内部有化一个分类。再一个呢，就 skill 它本身我做一个压缩包，可以分给其他人，也可以放在 git 里儿。它有脚本儿，就本身是有脚本儿，有脚本儿的话就 token 消息就少了，就更稳定了，就工作流了变成。这个可以举个我的例子。我以前有一个非常复杂的项目，可以做一个参考，就是我之前会说看看这个大家写了更新了哪些文章，就是写了很多文章，有英文的，有中文的。
+
+🟢 说话人1 [02:36:46]
+那其实我消费的流程，我就是不去，我肯定看不了英文的，所以我写一个流程，把英文的拉下来做一个翻译，翻译之后再做一个总结，我每天早上起来，打开工作室就给我推一个日。这个日报，看老外在聊什么，或者说有哪些新的社会热点社会新闻，就去看这个，这个里面呢，就我写了个 schedule 就包含了英语的翻译，就翻译的过程也把它脚本化了。
+
+🟢 说话人1 [02:37:11]
+这样说对我来说只需要写运行一个日报，那 schedule 就会包含了我所有的工作，就变成一个工作流，要不以以往的话，我需要点好几下。甚至需要做一个网站来完成这个工作，现在的话就变成一个脚本了，变成一个技能。啊，这个我在刚才介绍书的时候提到了，就是有两种气质，一种文科生的，一种理科生的，就是有的其实有的，本身也就几行代码。
+
+🟢 说话人1 [02:37:40]
+因为有的人比如说你说话风格要用这个文言文，有的人认为他习惯看这个文言文比较好，有的人可能说这个会包含一个复杂的工作流程，就我刚才提的就理科生。这个刚才说过就不重复了，就是有这么两两种观点，也不能说务虚务实吧，就是有的是品牌向的这个文字向的，有的是这个逻辑向的脚本向的。
+
+🟢 说话人1 [02:38:11]
+再抛一个观点，就是 mcp 现在还有多少用?mcp它有它的价值，mcp也是cloud那边那个公司推出的这个东西，推出的时候大家也是石破天惊，大家在它之前就不敢去想。就是我举的那个传感器和遥控小车那个案例，在这个 mcp 之前，大家不敢去想，也没有能力去推动这种传统硬件。去接入到这个互联网，这个 ai 世界中去，因为要做很多改动，很复杂。
+
+🟢 说话人1 [02:38:46]
+但有了 mcp 之后，宣贯下来呢?mcp的作用就是，对，这个刚才说的，说的就不，不展开了。就 mcp 的价值就像是一个份砖嘛，就是唤起了一些陈旧的，工具，陈旧的，研发流程，往面向 ai 这个做适配。那传感器如果做了一个 mcp 的话，它就能再让 ai 定期去，查询这个指标是否异常，或者像我的小遥控小车一样，那调用 mcp 就让它前进后退，因为有些打比赛是穿迷宫的。
+
+🟢 说话人1 [02:39:20]
+所以它计算之后，可能就是 ai 往前走，通过 mcp 驱动硬件来完成。就是主要是面向硬件市场。而打开这个可能性之后，其实一定程度上推动了很多陈旧项目的改造。以往你很难说服遥控小车或传感器厂商去提供接口或提供东西，他们有各种各样的顾虑，现在有 mcp 很多东西就不用再被说服了，所以相当于统一了这个工具的描述方式。
+
+🟢 说话人1 [02:39:50]
+以往我们还是说你做一个开放接口，那开放协议千差万别，各家有各家的，那现在呢就是 mcp 统一了这个协议，那推动了这个改造，所以它的怎么说啊?有它的历史价值，也是无法被磨灭的价值。但它一旦做完之后，mcp认可之后，又变成了我既然已经有这个接口了，那我干嘛还用你呢?我写一个脚本，写个技能就能替代你，所以这也是mcp被快速推市场，推场景的一个因素。
+
+🟢 说话人1 [02:40:24]
+再一个点呢，就mcp它那个提示词比较多，也是 skill 针对性的怎么说啊，就针对压着你的这个弱弱点打，那 skill 有一个渐进式加载，所以你有几千上万个 skill 同时在也是没问题。但是你要 mcp 的话，十几个以上就基本不可用了，就是用起来就非常吃力了。这就是我刚才想说的这个 m c p 推动了 c 这个命令行就 c i 的这个思维，那相当于我开放了这个协议，那我用命令行也可以去读数了。
+
+🟢 说话人1 [02:40:57]
+有，既然能用命令行读数，我就可以写成脚本，写成脚本我就可以用 skill 搞来搞去，大家就变成了，无论你是 c i 还是命令行还是 m c p 大家都是 skill 的一部分，所以也算是一个螺旋线上升。有的人负责把这个观点推广下去，有的人负责这个不能说摘桃子，就是负责把这个优点增强，弱点弱化，就这样 skill 是一个比较完美的存在。
+
+🟢 说话人1 [02:41:23]
+所以 skill 这个技能从去年开始火到今年。火了那么久，还会越来越火，人越来越多的人。我看一些，什么周鸿祎他们也在去强调这个。什么技能超市，技能市场。哎，就是把各行各业的这种，沉淀下来，包括最近的这些点，那个飞书飞书钉钉都是允许要通过，允许你使用命令行来完成所有操作，他们举了个案例说，拉一个新员工入职，以前的话需要人啊，把他拉进群，拉进群之后再艾特他几个。
+
+🟢 说话人1 [02:41:58]
+这个几个文件，几个链接，说你读一下新人文档，然后你看完之后，你要完成 a b c 的操作，需要人来完成。有了 c i i 之后，就可以自动化的完成拉，自动化拉人进群，自动化 at 自动化的验收。有了 c i i 再用 skill 一沉淀，那就变成了新人入职技能，新人入职 skill 背后呢，本身可能换了几个命令行。
+
+🟢 说话人1 [02:42:20]
+新人一来之后，把这个自动拉他进去，自动给他发材料，自动让他去完成一些我们叫答题啊，或者说一个那个新人入职的一些材料阅读啊，就这么一个东西。所以嗯嗯，万事万物皆可 skill 甚至很多人以前会说这个减肥，今天我要吃这个，明天吃那个，吃几个我要量化。其实把它封装成减肥 schedule 的话，就是你减肥 schedule 把你今天吃了两个苹果，告诉他，因为回车它背后可能代表了一个工作流，就是把两个苹果记下来，把那苹果的热量记下来，可能它就告诉你，你接下来还能吃哪些东西。这也算是一种万事万
+
+🟢 说话人1 [02:43:02]
+物皆可 schedule 的一个东西，那映射我化协作化，有可能这个安全检查 schedule 或者说 review schedule 就是这样话就把非常复杂的细节变成了一个名词，这个名词背后又包含了很多细节。那对我们去交流的时候就不用说很多话，因为协议都是相通的。以往各位也能想象到光是对这个数标指标，这个名词的叫法， a a 部门叫这个名词，部门叫那名词，就很有很多业务细节，现在全都交互，这个交互了之后，就全都统一了。
+
+🟢 说话人1 [02:43:36]
+现在如果各位去了解一些技术活动，基本上都是围绕 skill 来展开的， skill 有很多想象力。很多不懂代码的人也能，就是非程学，比如他是个工程师，或者他是一个老师，教中学生教小学生，可能也可以做自己的 c 级了，就是做能力的组合，这也是 ai 时代的一个趋势。就是在这中也有 mcp 在这个 mcp ，它也有项目级和这个啥，然后在这个加的时候，你看它也有手动的话就是纯代码，也就是你明确知道，他也会有市场。
+
+🟢 说话人1 [02:44:17]
+市场的话就是开发了一些 c mcp 其实显然，要是了解多的话，显然这部分流行程度已经不如 skiller 了，比如。这 slack 可能用的不多，slack 就是对应国内的钉钉，这是老外一个工具，他做这个 mcp 相当于打通了，他以前可能是个封闭的一个工具，就像钉钉一样。他有 mcp 之后，就把这些能力变成 api 服务了。
+
+🟢 说话人1 [02:44:42]
+那既然有 mcp 其实就有了 api 就有了 ci 就又变成 skiller 因为我们到 skiller 时候再用，所以这里会有一个市场。啊，这个点也可以推广给各位，就是我们内部有时候会量化或什么的，也可以有这么一个市场的东西，一个网页号，一点加就把它引进来，这是有各种各样啊 skill 啊，有简体中文的。
+
+🟢 说话人1 [02:45:02]
+这是一现也是一个宝藏，这个各位可以去看。啊，mcp server，这里还有很多细节，mcp分三种啊，这个就不展开了，这个现在讲的太少了。
+
+🟢 说话人1 [02:45:16]
+啊，这里我举了几个例子，就是我我，我常在会议，每天上班时候会写一个这个，我们会开晨会，不知道各位会不会开。我们开晨会时简单说一下昨天做了什么，怎么样，今天打算做什么，方便做一个认知，方便做一个进度控制。那我们就有一个日报 skill 就把你昨天的，git，commit 做一个整理。然后做一个合并，比如我可能五个 commit 其实是做一件事，然后可能提了几个 pr 还没合，那可能今天需要把它合进去，这样说不用我思考了，就是变成懒人包了。
+
+🟢 说话人1 [02:45:53]
+那我自己去用就能稳定地去做这个特定几个命令行。啊，刚才技能也是，内部查询也是，规范也是，我们甚至还有一些设计，就是我们比如全平台都要使用科技蓝，或者说什么一个什么什么什么绿。这个把它变成一些，ai，那个 csa 变量，把它变成 skill 之后，后续我去做新的，开新的这个业务模块的时候，都是符合我们视觉统一的，不会今天是红色，明天是绿色。
+
+🟢 说话人1 [02:46:24]
+这也是一个不同岗位场景都可以往这边来做。然后我们再看一下这个，tree 这个 skill 它是怎么去做。
+
+🟣 说话人2 [02:46:35]
+啊。
+
+🟢 说话人1 [02:46:36]
+在这个技能与命令里，你看其实它也意识到技能和命令很多情况下是可以互相替代的。它这里面也会有一个全局的概念。然后有一个项目的概念，然后去打勾，全局关闭的话，全局打开。然后命令的话也可以设置这个命令，这个我看了，就是这个不会打开的命令用的不多，可以忽略它。创建的话，这里哎，这个应该有企业版的，其实它也会有一个市场，就是去共享这个。
+
+🟢 说话人1 [02:47:04]
+然后像腾讯和三六零，也有这个 c 购市场。叫什么腾讯 c 购。啊，对 c 购 hub 这个也可以从看这个。看这些网站，然后从中获取一些灵感，有时候我们可能只能聚焦到研发，因为我们都是研发，可能聚到研发。然后也可以看看别人分享了哪些，做了哪些。这个是腾讯出的，腾搜腾讯，就有了。它里面有一些市场，就是他做的事情就把英，把老外的东西给你翻译一下英文，中文，然后这样方便去做，然后国内的话，你看这个肯定还是要塞自己的货的，塞塞自己的货。
+
+🟢 说话人1 [02:47:51]
+六幺八这个腾讯小程序，高考，这样的话也是相当于万事万物都可，甚至，这也不太好啊，就是有人在那个什么高考培训上也正也有也弄了一些，就把把一些背后的一些流程。商业化决策也做了，那这些换，因为它换的话还是换接口，换接口的话就可能需要你注册和花钱，这也是去说如何保护私密，如何保护隐私，如何保护商业秘密的一种方案。
+
+🟢 说话人1 [02:48:20]
+就是授权之后才可使用。这是在技能部分。在这里也提了，刚才也提了，就可以导入其他的这个技能。你看我在默认带了一些 trade 然后我可能这是我当前目录，我可能在这个我们会有些记忆，这我自己在其他工具上定义的这个全局技能，在这个 trade 中也能去调用，因为它是全局的。什么 esp 三二啊，然后写这个样式的，这个写写动画的，然后写调用这个百炼的，然后写调用各种知识库的，这都是我的一个。
+
+🟢 说话人1 [02:48:58]
+在这个我中，我中可能这个 review 这个 loop 是一个循环，如果去写这个 ppt ，都是 excel 都是全局的，所以它吹打这个勾之后就能够打了勾之后就发现了这个，现在是没打勾是七行。打了勾之后可能就多了，就是去读其他目录下的，也是鼓励各位往上面做，然后这个代码中它有两层嘛。就是可以在代码中去新建一个文件夹，和用户目录下去建一个文件夹。
+
+🟢 说话人1 [02:49:28]
+这是 tree 的，可能各位不了解，可能会容易被忽略的一个细节。这是 skill 时间差不多了，然后我再说两个点，后面下回再说。这个还是技术观点，也是技术八卦。早期的时候，大家就是纯纯组装一下这个原始的调用，就是你和 deepseek 换取一个 api 写一个提示词，然后你把功能告诉他。后面就是变成封装了，就是动态的系统提示词，动态的描述，包括 schedule 塞进去，是就称为单 agent 单 agent 会有很多问题，一个问题就是把一些非常琐碎的活儿也丢进这个主 agent 。
+
+🟢 说话人1 [02:50:14]
+就是就是不好的，就是需要把一些冗余代码丢进去，所以这个子任务。这个子任务其实已经内化到这个翠本身了，这个不展开了，就基本上 sub agent 就是子任务，就主主的模型，换一个换一个任务去，在独立的上下文窗口去做，做完之后把这个返回的结果再返回回来，这样上下文就不用关注很多细节。只输出结论就好了。所以这个第二这一点基本是所有模型的共识。
+
+🟢 说话人1 [02:50:43]
+但 agents teams 呢，有很多人是反对的。但是实际上来看，咱国内这几家 coder 腾讯的和阿里的和字节的这个 tree 基本上都没招了，因为它不是个压倒性决策，所以 agents teams 现在还在提。tree 这边这叫智能体，特别点一下，在这个 solo 模式下。点这个智能体，点创建的时候，取消。
+
+🟢 说话人1 [02:51:13]
+它这里呢就说可被其他智能体调用。可以换什么，然后英文名如何调用，其实一定程度上它在说。你这个智能体是一个 skill 看吧，它是没招了，它。一个智能体也可以是一个 skill 我可以。创建多个，在它技能火热之前，它就靠这个智能体来延续这个技能这个点。那我可以理论上做一百个智能体，每个智能体只做一件事，等着被其他智能体调用。
+
+🟢 说话人1 [02:51:44]
+啊，这是一种妥协的方案。啊，另一种呢，就另一个方案，另一点呢，就是也可以做。不同的角色，像我刚才提到的，我那个书中有一个什么悟空唐僧八戒。之前他们也可以这个 loop 循环起来，就是每个人。产品的归产品需求归需求，代码的归代码，这个找茬的归找茬。这样话也可以说我在提示词里说。你唐僧啊，你这个拆完需求之后，你要主动去换这个悟空。
+
+🟢 说话人1 [02:52:12]
+然后这里边呢，这个悟空这个提示词里就去打这个勾。允许被调用，调用之后说悟空这提示词里就说。我呢，可以去适合有了需求文档之后编写代码。这样说他们就可以串起来。这样说，这是智能体崔的一个妥协之举，也是一个技术八卦，就是在崔引入 skill 之前，通过这种方式可以来绕过，这是一个方案。早期呢，还有一些什么呀??
+
+🟢 说话人1 [02:52:41]
+就说他认为这个编辑和这个终端呀，有的人不需要。就是早期呢，还会强强势尝试让你来耦合，比如你写文档时就不需要，就这个写写在就写一些扯查数不要联网，他就不能联网，就少了一个内置的命令。这个实际来看，后面应该还会进一步做弱化，因为实际情况下，绝大部分情况下都是打勾的，没有不打勾的时候。所以呢，这是一个点。啊，阅读就是纯 read 不能没有，纯纯 read 不能编辑，编辑有可能产生副作用。
+
+🟢 说话人1 [02:53:14]
+啊，终端呢就是在执行这个命令行，执行一些 shell 命令，启动预览呢，就去啊，预览这个对，预览这个接口，这个这个网页这一块儿。所以这也算一个八卦，就是崔在早期或中间一段时间，他也是犹豫不决的，不确定为大家认可的是技能还是多智能体，甚至说不鼓励这个多，agents team 这个概念。现在为什么很多人不同，不赞同 agents team 呢?
+
+🟢 说话人1 [02:53:46]
+就是有的人认为，他们认为这个 ai 是足够强大的，不需要你扮演这个角色才能去做特定的事。就是一个人从上，从从前写到后是没问题的，所以很多人是有这个观点。也有的人呢是就是角色分工。如果各位看一些新闻，社会新闻的话，有一些最近搞出来了，这个腾讯搞出来一个贾维斯。它就是默认给你分配了一些，默认你是公司老板，可能有 cto ceo 有员工，有的员工可能还摸鱼，就叫马马维斯，我搜一下它就是这个 agents team 的一个概念。
+
+🟢 说话人1 [02:54:37]
+这个观点呢，就是我说这个培训结束，下半年或明年可能这个观点会发生改变，这只能代表一种趋势。而它这个产品呢，就是代表了你是一个公司团，看吧，它有不同的员工，有不同的员工这是管文件的，这是管浏览器的，就是这个是这个总的，然后他可能会按目标去给不同的智能体。这样就是一个 team 然后他可能做了一些视觉上的变化，就容易出圈啊，其实本质上是这个 agents team 的概念。
+
+🟣 说话人2 [02:55:11]
+这个现在安装了吗?
+
+🟢 说话人1 [02:55:13]
+对，它是一个安装包。我这个电脑上应该是把它给卸了啊，卸了。嗯，这个的其实嗯，尤其是以去年以龙虾为主。腾讯这边儿这个邱可露。哦，还。啊，对对对对对。啊，你这么一说提醒我了，提醒我了。啊，好多人敢开玩笑说，我终于知道老板什么需求，就把所有需求告诉一个。
+
+🟢 说话人1 [02:55:44]
+还真有一个。还是是哪啊，是 coder 出的。啊，这个这个阿里出的。啊，行行，这不展开了，不展开，我这个得需要找一下官网。总之吧，他这里应该也是，他叫牛马。啊，也是个 agent team 它里面还是传统的角色扮演，就说有人负责调研，就是需求我们才能向项目决策或项目管理。有前端工程师，后端设计工程师，代码审核员，那映射到我那个套路上就是什么唐僧啊，这俩是悟空，那这个可能是八戒，这个可能是沙僧，其实都是一回事儿。
+
+🟢 说话人1 [02:56:22]
+就是有些人会认可多角色同步推进，有的人不认可，但这个现在还没有压倒性角色，所以就是我提到这点，算是一个技术八卦。你看这个大厂也在跑马，也就是内部去去先搞出来，成不成的搞出来，失败了就悄悄关闭，成了就大力推广，他们就这种方案。那他这种方案呢，也是延续老外这种思维，就是你先定义好之后，我说一个需求，30秒内启动这个团队，就是他有的是啊，就可视化的给你去看，就是哎，牛马 a 在做，已经开始工作了。
+
+🟢 说话人1 [02:56:59]
+牛马 b 也开始工作了，就让你有这种掌控欲，这掌控感有的叫专家团啊，总之是这么一个概念。那我书中呢，是 ceo 团队，在咱自己呢，也可以去做这个什么映射到项目组长啊，哎不是那个项目管理员怎么说，需求，管需求的，管管严，管实施的，管交付的，甚至管售前管售后的。也可以去做。这个是站在当下算一个时髦的词儿，然后崔目前还没有去强化这一点。
+
+🟢 说话人1 [02:57:30]
+估计后面可能会强化，因为这个词有个坏处就是 token 消耗的比单个 token 消耗的不是线性关系，比如我们说的四个智能体是不是四倍消耗?不是，它可能是十倍的消耗。所以后面去推有一定元素就是 token 消耗的更快，就是拉闸开水那个，所以这些产品也会往这个方向去做，彼此之间有的还会对话。早期甚至我说我想做一个，我想复刻一个什么网站，a 团队调来回聊聊完聊去说我不建议你做，就是他们来回就是有一个是那个反驳者的角色，就是针对你的每一个话都给你挑刺。
+
+🟢 说话人1 [02:58:11]
+就是让你不断去澄清，就是不断去解释，解释完之后这个需求就澄清了嘛。我可能解释的不够充分，他说那最后结论是你不建议做，就是变成了我让 ai 干活，ai拒绝给我干，因为我的需求他认为不合理，这也是一种角色扮演的方式，就这一些就有可能我们以往说的。这个需求不合理，或者需求没必要，但是我们又无法去说服这个人，那就有可能说，你和我的 a 团队聊吧，a 团队其中有一个反驳者的角色。
+
+🟢 说话人1 [02:58:42]
+那我们逼着人把这个模糊的需求说清楚，把必要性说清楚，那说服他之后，我后面可能开工就更好，这是一种趋势，这个 tree 后面可能会有进一步加强。其实在这个抽，这个 tree work，tree solo work 里面就已经强化了，刚才咱看到什么 code 呀，就是阿里这边和腾讯这边都在尝试去做这些事情。
+
+🟢 说话人1 [02:59:06]
+啊，就两种形态。一种是角色扮演的，固定的，就是写死了，就是他管前端，他管后端。一种短期的就是，这老外有时候会会去推，但这个不太很认可，我给各位说一下，了解即可，就是他们说的。你不要定义这个 agent team 你就定义需求，定义需求之后，里面有个负责人的几个角色，他自己去定义，要不要 ui 或者要不要设计师，就是他们用完之后就解散。
+
+🟢 说话人1 [02:59:35]
+这个就是完全不留痕迹啊，这是一种思路，这个看崔后面怎么搞，也是预测一下未来。
+
+🟢 说话人1 [02:59:44]
+我看后面可能还比较多，我就说到这儿吧，然后崔 solo 里面有几个设计信号，也代表一种交付形式，可能和我们工作用的不多，也是和各位一起看一下社会上和以及其他团队都在做什么。就是除了研发之外，往前探设计和需求，往后探这个部署和验收，可能都在做。然后分化这里我稍微提一下。咱各位可能日常还在用这个吹 ide 可能一部分人开始用这个吹 solo 了。
+
+🟢 说话人1 [03:00:20]
+吹 solo 的话就是相比 ide， ide 细节更少， solo 更强调这个对话。这是代表了一种形式。然后他最近又把那个吹 solo 独立出来，现在又改名，现在他们内部变化也快，现在叫吹 work 是一个单独的这个软件。叫吹 workcn ，这个形式下就是一个新的交互形式，可以写 work ，可以写 code ，也可以写 work 应该是通用的。
+
+🟢 说话人1 [03:00:49]
+啊，这个 work 形式下就会更加的屏蔽技术细节，比如说我整理一下桌面，那个 code 里面可能会说执行 ab 命令，执行 b 命令，执行 c 命令，这 work 下可能就是给你隐藏了。这是代表了一种未来趋势，就是屏蔽细节，面向所有人。还是那句话，就是他还是要有商业化目标的，就是卖卖要卖给非程序员，所以要逼着他们去做 work。
+
+🟢 说话人1 [03:01:14]
+同时呢，你看我给各位各位看一下我这个 work creditwork 这个是阿里的，这个 workworkbody 是腾讯的，崔 work 是字节的。然后打开我们看一眼，效果都是一样的，所以各位也可以更有信心一点，他们这个用起来效果都是一样的，和崔都一样。或者说各位用过那个 code s 的话，都是一样的，你看他这边有专家，专家里面提到了模拟这个东西，说到底还是智能体，只不过表现和封装叫法不一样。
+
+🟢 说话人1 [03:01:49]
+崔里面也有这个概念，都是一样的。我们稍微看一下崔吧。就是是，技能这边也会有很多市场，应该翻不完的，然后点开之后还会有，还会有更多。甚至我们还可以去上传，这样去辅助我们的工作，的企业用户。啊，自动化的话也是跟老外说的，就是我说那个晨会，晨会，就是每天我上班的时候，他会给我发一个模板，就是这么一个趋势，这是一个发展趋势。
+
+🟢 说话人1 [03:02:20]
+啊，除了这个 work 之后，就是开始要覆盖更多人，就是在移动端，所以呢，在吹 work 里面儿可以这个扫码，登录这个手机端在手机上，我在安卓手机上就有一个在我这安卓手机上就有一个崔的。在我是小，我是小米，现在用的小米手机，小米上搜崔就有个移动端，它俩是可以联动的，所以很多时候就是比如电脑和电视机打开这个崔沃克，连好之后不用管，不用关机。
+
+🟢 说话人1 [03:02:47]
+那我在外面时，或者在家时，在任何时候可以在手机上和它交互，相当于这就是有点龙虾的感觉了，龙虾的话就是始终活着一个应用，然后我在这个手机上和它交流。在微信上和它交流。然后另一个点，崔的企业版一个 ci 我看了一下额外付费的，可以不用，就是它的作用，就是这几种形态之外，用这个命令行的方式，可以嵌在我们 gitlab ，就内容的 gitlab 也是有 action 的。
+
+🟢 说话人1 [03:03:15]
+我给它吧，还是有 action 的。然后我们钉钉飞书的话也是有这个机器人的。所以一定程度上，很多人在尝试使用，比如飞书艾特一个机器人，你帮我检查一下这个我今天做了啥，它背后呢就换了这个 c i i 换了你的移动端或换你的电脑去完成了你的 get 可密的一个判断。所以这也是多，多角度多方面去做触达，就是 i d e work 然后手机上，然后非这种这个命令行方式里面，这种服务器上去跑，这也是有的，这个春的企业版现在开放这个 c i i。
+
+🟢 说话人1 [03:03:52]
+就是所以叫 i d e 之外的出口。飞书钉钉企业微信研发流程 gitlab 然后咱有 c s d 可能用的是那个，就是看自己 c s d 里也可以跑这个命令，也可以也可以去结合，然后发布系统就是这个是我之前的工作经历，所以就稍微一提。好，这样话就基本说完了，我看后面还有啥，后面下回儿就说。啊，付费模式这个我看了一下，昨天这个海波也在反馈说额度不太够用，我看了一下这个旗舰版里面是100块钱人民币的那个费用，到时候你可以再去发工单或者是进一步去看这个一百块钱是怎么来消费的?
+
+🟢 说话人1 [03:04:31]
+企业版的合，主要钱啊，和大头啊，或者一部分还是花在合规审计上和回归上。所以这个看是怎么来这个付费使用。这里边也有很多商业化的决策，首先不同于以往就这个大厂烧不起，就没法做补贴。以往的时候，我们说一个人先送他十块钱，他用不用的。但是 ai 时代不一样，ai用的时候一定有成本，背后每次消耗都有成本，所以现在免费版会用的越来越轻，甚至吹免费版排队要两千，就是十分钟起就要排队两千个人以上。
+
+🟢 说话人1 [03:05:08]
+就是去逼着你去付费。养成了这个付费的习惯，这个是没招。这个刚才提了。浏览器这个海波也提了，就是我们去哪儿我们有一个内置的浏览器。还有现在有一部分工具是刚才提这个，devtoolsmcp，还有一些 kimi 也有一个 webbridge 一个工具，就是在网吧里去完成一些操作。填一些表单，填一些工具，填一些截图，就是去操作这个事儿。
+
+🟢 说话人1 [03:05:39]
+啊，这里有几个演化路线，早期都是脚本，后来脚本嫌脚本浪费的 token 太多，就把脚本进行裁切，就叫 agentsponsor 这有个 skill 然后就去操作，你看最近又开始模拟这个指针模拟了。就是用比较黑客的方式去模拟移动你的图标去鼠标去点击，这样说能够过一些 ai 的操作。啊，这就是有这么几个模拟，网页移动端桌面端，还有一些硬件互联网，现在最近，的，很多人在搞那个物联网，不知道各位有没有用，就是我们现在有些火的是你们搞那个 ESP，就是能联网做一些智能化。
+
+🟢 说话人1 [03:06:18]
+做一些硬件感传感器模拟，就更量化的生活，量化一些工作，量化一些工作状态，这个是一个趋势。行，这个就不说，这个是代码库稍微一展开，就是代码库索引，现在也下后了，以前是需要向量化，现在都实时索引了，这个映射到崔的打开吹的时候，打开一个项目的时候，它会提。
+
+🟢 说话人1 [03:06:56]
+还有个代码索引，我有点忘在哪了。
+
+🟢 说话人1 [03:07:01]
+啊，在这。啊，索引百分之百。这个意思就是把源代码向量化索引了，后面方便查。但这个呢，路线不是很好，现在逐步被放弃了，就是这个后面可能也会被下掉。就是这个里面有比较多的劣势，这个后面再展开吧。哎，时间也差不多了，11点了。啊，再回顾一下，再翻一翻这个片子，然后今天预期是讲半天嘛，讲三小时。说了三块内容，就是把昨天徐老师说，想说的那个技术细节全都过了一遍。
+
+🟢 说话人1 [03:07:38]
+都过了一遍，然后说了这个我们的一些目标。我们这是后面可能还会再来，就是我们这两天的目标呢，还是把。各位用的浅和用的深的都拉齐相同的认知，我们花了很多精力去讲这个数字规则，讲这 command 讲 skill 真是是希望把各位在工作中把这些东西给用起来，然后后面也方便去做工作上的这个提效，我们也方便去做这个知识的沉淀，这是一招儿，一个点。然后我们
+
+🟢 说话人1 [03:08:09]
+下午讲完这部分，下午把那个书给过一遍，因为这个书很，就是昨天刚拿到，然后各位想看的话可以去把这个书看完，或也方便做些笔记，有些讲的是那个，可能是操作性比较强，然后我稍微做了一个展开，花一些时间。第三小时就是展，讲了一下刚才一些就是八卦，就是把徐老师讲的一些点没点到的，我又给串了一下，比如这个代码，所以技技能与命令，他俩很相似，其实可以来弄，包括这个点这个勾和少的时候。
+
+🟢 说话人1 [03:08:40]
+这些都有变化，也得给串了一下，它背后有些眼镜式，这样说即便后面各位这个额度用完了，去尝试想去用其他工具，或者自己出于代码爱好，想去用其他工具，也能不能有一个对比和展望。就是未来下个版本或未来几个版本吹可能会演变成什么样子，也做一个参考。啊，十二点零一说完了。陈老师看看。
+
+🟣 说话人2 [03:09:05]
+大家有什么问题吗?我们那个项目组也在海波那边儿在开发那个，弱的，spare也在按计划开发，然后我们那个这种是不是还都得到时间发给每个人，然后再自己那个上面ppt 还是什么??就是那个 spare 的弱的那些的
+
+🟢 说话人1 [03:09:27]
+就是将来都是他分享到那个记录库上啊啊啊可以可以对对对我们游戏就慢慢在网上再聊吧。
+
+🔵 说话人3 [03:09:36]
+嗯就是看咱第二次来的时候再看怎么个交付形式吧。
+
+🟣 说话人2 [03:09:41]
+行吧，那那上午课就到这里，有问题交流一下，没问题了就到这里。
+
+🟣 说话人2 [03:09:50]
+下午没有了，下午没有了。那个课程评价那个大家填一下儿交流什么问题。
+
+🔵 说话人3 [03:10:04]
+有两个信息可能你这边还没同步，那个哎，季老师，下午您那几点?
+
+🟣 说话人2 [03:10:10]
+您那个房退了吗?
+
+🟢 说话人1 [03:10:12]
+呃呃，那个还没退，我在我那个包儿还在那儿。
+
+🟣 说话人2 [03:10:15]
+啊呃，下午一两点我再过来呗。两点多啊，走走走，还在这儿呗。
+
+🟢 说话人1 [03:10:22]
+你等会儿还在这儿呗。
+
+🟣 说话人2 [03:10:23]
+嗯，这都我们店嘛。
+
+🟢 说话人1 [03:10:24]
+行行下午你接一下季老师，然后他交流完了，你把他要不送地铁站都行。啊，对对对。
+
+🟣 说话人2 [03:10:30]
+没有车。
+
+🟢 说话人1 [03:10:31]
+没车，他杨伟谁送。
+
+🟣 说话人2 [03:10:34]
+我等一会中午，我等一会中午我出去接客人。
+
+🟢 说话人1 [03:10:37]
+啊啊啊，行行，那就是我下午的时候在门口再迎我一下。然后下午我们再对一下，过一下那个方案那个事儿。
+
+🟣 说话人2 [03:10:46]
+行，那我们下午两点走走，好。正好用这个投屏呗。
+
+🔵 说话人3 [03:10:50]
+到时候您联系我就行。
+
+🟢 说话人1 [03:10:51]
+也行。
+
+🔵 说话人3 [03:10:52]
+那个收入模式现在企业版的是桌面端可以用，就是能 work 工作嘛。
+
+🟢 说话人1 [03:10:58]
+嗯 work 然后那个移动端现在还不能用，只有一个手机号登录，等于说没有企业登录。
+
+🔵 说话人3 [03:11:03]
+没有企业登录。
+
+🟢 说话人1 [03:11:03]
+啊，他动的慢，他刚出他刚出。
+
+🔵 说话人3 [03:11:06]
+哎，咱们还有一个。
+
+🟣 说话人2 [03:11:08]
+哎，宋月你下午把那个。
+
+🔵 说话人3 [03:11:12]
+出是22是吧，然后入就是您说六块五。
+
+🟣 说话人2 [03:11:15]
+可以可以。
+
+🟢 说话人1 [03:11:16]
+我还真没注意最近的价格，我也没注意。他会降价的，他不降价你等吧，你等就行。
+
+🔵 说话人3 [03:11:27]
+我们到食堂吃饭吧。
+
+🟢 说话人1 [03:11:28]
+哦哦，好好好，那我们一起啊。
+
+🔵 说话人3 [03:11:30]
+走。
+
+🟢 说话人1 [03:11:31]
+恩，我再回来。
+
+🟣 说话人2 [03:11:33]
+嗯，你关吗?
+
+🟢 说话人1 [03:11:35]
+关了关了。
+
+🔵 说话人3 [03:11:36]
+我们一楼是吧?食堂吗?哦，一楼是吧?
+
+
+
+---
+
+## 🔗 原始音频
+
+- 链接：[音频文件](https://get-notes.umiwi.com/get_notes_prod%2F202606131316%2Fgetnotes_lcf_1a8b39ec8004e158WCPBu926.mp3?Expires=1790150068&OSSAccessKeyId=LTAI5t7toTp72R3TvdXf9QdK&Signature=hc0KA68AIN4IUcqCJJwqls6zhG8%3D)
+- 时长：191分42秒
\ No newline at end of file
diff --git a/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 下.md b/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 下.md
new file mode 100644
index 0000000..83d3779
--- /dev/null
+++ b/企业培训3-1逐字稿/郑州企业培训 3-1 第二天 下.md	
@@ -0,0 +1,1710 @@
+---
+source: get-note
+note_id: "1912728273268955408"
+note_type: "local_audio"
+created: 2026-06-14 00:10:20
+synced: 2026-06-15 15:54:21
+link: https://biji.com/note/1912728273268955408
+tags: [get笔记, 郑州企业培训, 公开分享, "AI编程", "企业数字化转型"]
+---
+
+# 2026年06月13日 13点59分.m4a
+
+### 📑 智能总结
+
+#### 录音信息
+- **时长**：约 2 小时 45 分钟
+- **参与人数**：约 5 人，含外部咨询人员2人
+- **内容类型**：工作会议
+
+#### 录音总结
+本次会议是传统制药企业内部团队针对**企业级AI编程工具落地推广方案**，向外部有大企业AI落地经验的专家咨询的沟通会，围绕项目目标、工具选型、技能资产库建设、试点跟踪、安全管理、预算与技术债等核心问题展开讨论，明确了落地方向与调整细节。
+
+**项目背景与基础情况**
+* **团队与工时情况**：公司自有软件研发人员共6人，另有13人规模的外包团队。研发人员平均编码工时占比为58%，剩余工时为需求沟通、现场运维等非编码工作。
+* **项目目标**：以AI编程工具为切入点，在全公司推广AI赋能研发，目标提升研发人效，节省人力与资源成本。
+* **推广周期规划**：计划从6月到12月，选取4个试点项目完成可行性验证，后续逐步全公司推广。
+
+**效果量化指标讨论**
+* **现有指标问题**：当前选用的`tree`自带的代码接受率偏高，普遍在90%以上，无法直观反映人效提升。
+* **备选统计方案**：提出统计git仓库中当月提交代码总量里AI生成代码的占比，用这个指标衡量落地效果。
+* **指标合理范围**：当前设定30%的年度目标属于中等偏下水平，当前深度使用AI的人员比例已经超过该数值，目标合理留有增长空间。
+
+**非编码工作的AI赋能讨论**
+* **提效范围**：AI仅能赋能需求拆解、文档生成、bug日志分析等可自动化的非编码工作，无法替代人和客户的现场沟通。
+* **扩围方向**：大厂正在推进AI赋能全工作场景，文档、PPT生成等非研发场景已经能实现提效，可后续逐步扩展，不需要局限在编码领域。
+* **组织级提效难点**：现有员工沉淀的个人使用经验不愿意共享给组织，目前计划通过技能资产库固化经验，拉齐整体使用水平。
+
+**落地推广形式讨论**
+* **推广活动建议**：可以参考国企的落地经验，举办内部黑客马拉松/AI开发竞赛，针对同一个需求让大家比拼开发效果，以此激发分享动力，识别用得好的员工和优秀经验。
+* **替代方案**：也可以选取已经交付完成的历史项目，让团队用AI重新开发，对比开发时长与效果，更贴合企业实际情况。
+
+**工具选型与策略讨论**
+* **选型现状**：当前选定字节的`traincn`作为公司统一推荐工具，调研过阿里coder、国外copilot等多个工具。
+* **选型策略建议**：现阶段选一个相对稳定完整的工具做基线即可，不需要强制禁止员工使用其他工具，尊重个人使用偏好，因为AI工具迭代快，按季度调整选型更灵活。
+* **流量分配策略**：当前采用大池共享模式，重度用户会提前用完额度，建议给每个人设置基础基线额度，根据每个月的使用情况动态调整额度，用量高的下个月增加额度，用量低的下个月减少额度，流量额度不过期，不会产生浪费。
+
+**企业级AI技能资产库建设讨论**
+* **资产库定位**：资产库分为两部分，规则部分是红线规范，用来约束编码、安全、提交等要求；技能部分是通用工作流，用来固化标准化开发经验，方便新人快速上手。
+* **分层建设思路**：可以按岗位封装成智能体，比如产品经理智能体、架构师智能体，由顶层智能体调度底层细分技能，保证单一技能职责单一。
+* **适配网络隔离情况**：由于企业存在内外网隔离，知识库无法放到云端统一索引，只能按项目本地维护，不强制要求云端共享。
+
+**试点项目跟踪讨论**
+* **效能统计难点**：当前生态不完整，缺乏成熟的测试流程，很难直接对比人效变化，可以统计bug修复提交占比，对比使用AI前后bug占比的变化，间接衡量代码质量提升。
+* **token消耗统计问题**：当前无法统计token消耗到具体哪个项目的哪个模块，如果需要关联只能做中转服务，但中转会带来数据安全风险，成本也会额外增加，建议对齐项目交付结果即可，不需要强统计token流向。
+
+**代码仓库权限与安全管理讨论**
+* **当前风险**：计划在研发网（外网）建立公共大仓，统一管理多个实体公司的代码，担心不同公司代码互相泄露，担心整体权限失控。
+* **权限管理方案**：按项目仓库分配人员，每个项目按角色分配权限，项目经理有master权限，普通开发只有developer权限，分支权限也可以单独控制，配合两步验证、SSH密钥访问，可以满足基础安全要求。
+* **风险补充说明**：代码本身脱离环境和配置无法运行，单纯拿到源码没有实际价值，内部恶意泄露的风险任何管理方式都无法完全避免，现有权限方案足够应对常规风险。
+
+**token预算额度讨论**
+* **额度现状**：当前计划总预算为30万/年，当前深度用户一个月就能用完一亿流量，额度消耗增长速度超过预期。
+* **额度增长规律**：用量会逐月递增，因为使用习惯养成后会越来越依赖AI，用量不会下降，除非放假，所以预算需要按季度逐步上调，老板提前做好预期。
+* **当前额度建议**：现阶段每人每月100元基础额度足够覆盖日常工作，核心开发者可以额外增加额度，总预算30万符合当前推广阶段的需求。
+
+**AI生成代码技术债应对讨论**
+* **常见问题**：AI生成代码容易产生屎山，设计不优雅，耦合度高，后续维护难度大，甚至有外包公司因为接手AI项目维护难度太高直接赔钱。
+* **应对思路一**：交付完成后固定节点停下来复盘，核心负责人检查代码，补充文档，强制要求人工审查，单个PR限制在8个文件、500行以内，降低审查难度。
+* **应对思路二**：拆分功能颗粒度，每个颗粒只负责单一职责，颗粒可抛弃可复用，如果出问题直接扔掉重新让AI生成，不需要强行修改原有代码。
+* **架构适配要求**：AI协作会推动软件架构向微服务、细颗粒度模块方向调整，大单体架构更容易出现技术债问题，需要逐步适配。
+
+### 📅 章节概要
+[00:00:00](https://getnotes.seek:0) **会议开场与项目背景介绍**
+
+会议开场接入外部参会专家，项目负责人介绍项目基本情况。本次项目目标是在全公司推广AI工具，以AI编程为切入点赋能研发。公司自有6名软件研发人员，另有13人的外包团队，研发人员平均编码工时占比58%，希望通过AI提升编码人效，节省人力成本。介绍项目整体规划：先选定工具，梳理研发全流程，做内部培训交流，选取4个试点项目做可行性验证，最后配套绩效激励机制推动落地。
+
+[00:06:33](https://getnotes.seek:393) **工具选型与成本规划介绍**
+
+选型阶段对比过多款工具，最终选定字节的`traincn`作为主推工具。价格为199元/人/月，基础流量无法满足需求，计划额外给每人每月增加100元的流量预算。当前研发全流程都是纯人工操作，希望AI赋能需求、设计、编码、测试、debug全环节。计划建设企业级技能资产库，包含约10个通用公共规则，覆盖安全红线、提交规范、代码审查规范等内容，针对不同技术栈额外补充规则，后续计划沉淀16-19个常用高价值技能，经过自验、试点验证后入库，做版本控制持续迭代。
+
+[00:12:26](https://getnotes.seek:746) **效果量化指标问题提出与初步讨论**
+
+项目需要给管理层提交可量化的结果，当前遇到指标定义问题。`traincn`自带的采纳率和渗透率数据不准确，普遍显示为90%以上，无法体现真实人效提升。参会方讨论后认为，人天、PR数量的变化更直观，但传统制药企业的研发生态不完整，没有成熟的统计基础设施。专家建议，先拿去年或上半年的平均值做基数，和推广后的数值做对比，从现在开始建立统计基线也来得及。对于复合岗位，可以看项目开发人数的变化，比如原来两个人做的项目现在能不能一个人完成。
+
+[00:24:58](https://getnotes.seek:1498) **30%代码接受率目标合理性确认**
+
+参会方咨询，设定年度代码接受率30%的目标属于什么水准。专家答复，对于纯PC软件研发团队，30%属于中等偏下的目标，当前深度使用AI的人员占比已经超过这个数值，目标设定合理，预留了后续增长空间。参会方确认，当前确实只有少部分人深度使用，大部分人还没开始用，符合这个判断。
+
+[00:27:22](https://getnotes.seek:1642) **非编码工作的AI赋能讨论**
+
+参会方提出，研发人员大部分时间承担需求对接、项目管理、现场运维等非编码工作，这类工作怎么提效，怎么评估效果。专家答复，人和客户的现场沟通这类工作AI无法替代，只能对需求整理、文档生成、bug日志分析这类工作提效。测试领域AI只能辅助自动化测试，运维领域AI可以辅助分析线上bug，截图加日志扔给AI就能快速定位问题。大厂当前在推进全工作场景AI赋能，写PPT、写文档这类常规文职工作AI已经能明显提效，可以后续逐步扩展，不需要局限在编码领域。
+
+[00:32:07](https://getnotes.seek:1927) **推广落地整体框架完整性咨询**
+
+参会方介绍当前的整体框架：选好工具、梳理研发流程、建设技能库、提供学习渠道、做试点实战、建立反馈机制，请专家判断方向是否有偏差，有没有需要补充的内容。专家询问内部分享的形式，参会方答复，当前做了几次基础培训，效果没有达到预期，项目团队本身也只比普通员工领先一点，缺乏专业培训经验。参会方提出，可以参考国企经验，举办内部AI开发黑客马拉松，选定统一的业务需求，一天内完成开发，最后打分评比，这种形式能激发出优秀经验，也能识别出不同人的使用问题，操作成本不高。也可以选取已经交付的历史项目，让大家用AI重新开发，对比原来的开发时长，结果更贴合企业实际，更容易让老板看到效果。
+
+[00:46:28](https://getnotes.seek:2788) **工具选型策略讨论**
+
+参会方提出，选型阶段内部有争议，部分极客员工认为国外工具更好，纠结是死磕一款国内工具，还是组合多款工具给员工选择。专家答复，现阶段选`traincn`做基线是合理的，`traincn`的方案相对完整，支持私有化部署，不需要强制禁止员工使用其他工具，尊重员工的个人使用偏好即可。AI工具迭代速度非常快，今年的主力工具明年可能就被淘汰，建议按季度调整，不要包年采购，降低试错成本。当前只要保证基线工具能用，优秀员工有自己偏好的可以自由选择，不会影响整体推广。
+
+[00:54:07](https://getnotes.seek:3247) **流量分配策略讨论**
+
+参会方提出，当前采用流量大池共享模式，重度使用者会快速用完所有额度，导致其他员工没有额度可用，咨询合理的流量分配策略。专家建议，给每个人设置基础额度基线，每个月动态调整，这个月用不完下个月减少，不够用下个月增加，当前流量不过期，所以不会产生浪费。参会方介绍当前方案：给每个人固定充值额度，pro、flat不同套餐分配不同额度，额度不过期，符合动态调整的思路，专家认可该方案，认为这个方案适合企业当前情况。
+
+[01:03:16](https://getnotes.seek:3796) **企业技能资产库建设思路讨论**
+
+参会方咨询，企业级AI技能资产库应该包含什么内容，采用什么建设路线。参会方内部讨论的思路是：资产库分为规则和技能两部分，规则是红线约束，限定编码规范、安全要求；技能是通用工作流，固化开发经验，方便新人快速上手。专家认可该思路，提出可以在这个基础上做分层：底层是单一职责的细分技能，上层按岗位封装成智能体，比如产品经理智能体、架构师智能体，由上层智能体判断调用哪个底层技能，这样既保证技能颗粒度合适，也方便用户使用。由于企业存在内外网隔离，知识库无法放到云端，只需要按项目本地维护，不需要做云端统一索引。
+
+[01:12:18](https://getnotes.seek:4338) **技能规则合理性验证讨论**
+
+参会方展示当前梳理的技能规则清单，请专家判断优先级是否合理。参会方介绍，当前把红线规则放到rules，每次生成代码都会带入上下文约束，常用通用技能先列出来，后续按场景逐步补充，最终目标是统一输出规范，拉齐新人与老员工的使用水平，新人经过简单讲解就能上手使用AI。专家认可当前思路，提出要做好技能使用留痕，量化统计技能的使用频率和效果，方便后续迭代。讨论到git提交规范，提出可以在commit钩子增加规则，统计ai生成代码的占比，当前因为内外网隔离，只能在外网开发阶段做，内网提交无法强制，所以不做强制要求，逐步规范即可。
+
+[01:35:43](https://getnotes.seek:5743) **试点项目跟踪方法讨论**
+
+参会方提出，当前计划选取3个自研项目做试点，重点跟踪使用日志和效能，年底输出试点总结报告，咨询如何做好效能跟踪统计。参会方提到，当前项目多是超敏捷开发，没有完整的测试流程，很难直接统计人效提升。专家建议，可以统计bug修复提交占比，对比使用AI前后，相同时间段内修复bug的提交占比，如果占比下降，说明代码质量提升了，这个方法简单易操作，不需要复杂的基础设施。专家提到，现在成熟团队已经度过了强制要求使用的阶段，默认大家都会用，只对齐任务交付结果，不需要过度统计过程。
+
+[01:43:24](https://getnotes.seek:6204) **token流量中转与统计问题讨论**
+
+参会方提出，当前无法统计token消耗到具体哪个项目，想要做中转服务统计每个项目的用量，咨询中转方案的可行性和风险。专家答复，中转服务需要企业自己承担带宽和并发成本，还会带来数据安全风险，中转服务商可以拿到所有传输的代码，不建议做中转。如果老板一定要知道token花在了哪里，建议结合项目管理、员工周报做对齐，不用从token层面统计，现阶段只要统计到个人用量就足够了。
+
+[01:53:16](https://getnotes.seek:6796) **代码接受率统计方法讨论**
+
+参会方提出，两种统计思路：一种是`traincn`自带的统计，计算生成代码中最终被保留的比例；另一种是统计git仓库当月提交总代码中AI生成代码的比例，咨询哪种更合理。测试发现，`traincn`界面显示的接受率和导出表格的数据不一致，导出数据更准确，当前统计得到全公司代码接受率只有7.2%，远低于界面显示的90%。讨论得出结论，`traincn`的统计是衡量工具本身的生成效果，git的统计是衡量企业落地的效果，两个是不同维度，可以同时保留，用`traincn`导出的官方数据计算，简单省事儿，只需要验证数据准确性即可，有问题给官方提单修复bug。
+
+[02:04:59](https://getnotes.seek:7499) **外网代码仓库权限与安全讨论**
+
+参会方提出，计划在研发网（外网）建立公共代码大仓，统一管理多个实体公司的代码，担心不同公司代码互相泄露，权限失控，咨询通用的管理方法。当前敏感级别高的代码都放在内网，只有低敏感代码放到外网大仓，三个实体公司分开建仓，各自管理。专家答复，git本身支持细颗粒度权限控制，可以按项目添加人员，按角色分配权限，项目经理有master权限，普通开发只有developer权限，分支权限也可以单独控制，配合两步验证、SSH密钥访问，安全级别足够。代码本身脱离环境、配置和依赖无法运行，单纯拿到源码没有实际价值，内部恶意泄露的风险无法100%避免，现有方案足够应对常规风险。
+
+[02:18:29](https://getnotes.seek:8309) **token年度预算与额度讨论**
+
+参会方咨询，当前计划年度token预算30万，额度设定是否合理，用量增长有没有天花板。当前重度用户新增一亿流量两天就能用完，用量增长速度超过预期。专家答复，用量会逐月递增，因为使用习惯养成后会越来越依赖AI，用量不会下降，除非放假，所以预算需要按季度逐步上调，提前给老板做好预期。现阶段每人每月100元基础额度足够覆盖日常工作，核心开发者额外增加额度，30万的总预算符合当前推广阶段的需求，老板也认为30万并不多，可以接受。
+
+[02:30:07](https://getnotes.seek:9007) **AI生成代码技术债应对讨论**
+
+参会方提出，担心第一年推广AI，会产生大量技术债，第二年维护出问题，咨询应对方法。参会方提到业内有“十倍提效，十倍屎山”的说法，也有外包公司接手AI生成项目因为维护太难赔钱的案例。专家分享两种应对思路：一种是流程管控，交付完成后固定节点停下来复盘，核心负责人检查代码，强制要求人工审查，单个PR限制在8个文件、500行以内，降低审查难度，必须有人工确认环节；另一种是架构适配，拆分功能颗粒度，每个颗粒只负责单一职责，颗粒可抛弃可复用，如果出问题直接扔掉重新让AI生成，不需要强行修改原有代码。AI协作会推动软件架构向微服务、细颗粒度模块方向调整，大单体架构更容易出问题，需要逐步适配。
+
+[02:43:37](https://getnotes.seek:9817) **会议收尾**
+
+参会方感谢专家咨询意见，表示后续会整理思路调整方案，不做过于激进的推进，后续有问题再在群里交流，会议结束。
+
+### ✨ 金句精选
+
+- “ai编程这个东西，就是我们一直想的是先验证它不行，然后才能确定它到底哪里不行。” (方法技巧)
+- “代码本身不值钱，你能拿他代码你跑不起来，因为一旦起来跑是缺这个权限缺那个权限，代码的价值和人的价值、生产环境验证的价值合起来才是总资产。” (战略洞见)
+- “十倍提效，十倍也就是十倍的那个屎山。” (思考启发)
+- “对于ai来说，它改一个bug的成本比它重新再写后的成本会更高。” (执行策略)
+
+### 📋 待办事项
+
+- 项目团队：验证`traincn`导出数据的准确性，数据有误则给官方提单修复bug
+- 项目团队：整理本次咨询意见，调整AI推广落地方案与任务计划
+- 项目团队：按本次讨论的权限规则，优化研发网代码仓库的权限配置
+- 项目团队：按动态调整策略，重新规划年度token预算与月度分配方案
+
+（注：输入未包含`(我)`说话人ID，到此停止输出）
+
+---
+
+## 🎙️ 原始 ASR
+
+🟢 说话人1 [00:00:00]
+系统的对，就是企业的落地我我我反正根据我们自己的一些了解调研，自己也有一些规划，然后就是想跟您请您来这一块儿，然后沟通一下，就是看看这个规划上总体方案上方法上。
+
+🟣 说话人2 [00:00:20]
+框架上是否合适，包括有一些具体的点，可能我们有些疑问，也咨询一下。
+
+🟢 说话人1 [00:00:26]
+行啊，然后马博儿那你就把我们的材料儿简单说一下也行。哎，这个有外网吗?让我让 smart 在会上也听一下。
+
+🟣 说话人2 [00:00:36]
+可以啊对他在央企，他在他有些大企业的经验。
+
+🟢 说话人1 [00:00:39]
+对可以嗯加一个 ai 那你跟徐老师说一下嗯啊一会儿发我们那个群里也行对你发群里边儿艾特我，我刚给他留言了
+
+🟢 说话人1 [00:02:34]
+开个麦克风吧，对，和他聊一句看看。嗯。喂，薛老师，有声音吗?
+
+🔵 说话人3 [00:03:10]
+哦，可以听到，可以听到。
+
+🟡 说话人4 [00:03:11]
+哦好。
+
+🔵 说话人3 [00:03:12]
+啊。
+
+🟡 说话人4 [00:03:14]
+那我先简单介绍一下，就我们这个项目其实本质上就是希望把这个应该说是把 ai 在我们的整个软件研发流程中推广下去。然后就开展所谓 ai 工具，我们以 ai 编程工具为出发点，进行在全公司进行推广。然后这是我们之前做的一些调研呀，包括就是我们这边儿培训。然后我们这边的项目背景是调研公司大约有在用的软件研发人员，然后是6个人，其中除了6个人之外，应该说还有10，大约13个人的一个外包团队。
+
+🟡 说话人4 [00:04:05]
+然后我们可能希望通过 AI 编码这个形式，在人效上进行一个提高，包括可能后面为公司能带来一些人力上的一些，也可能资源上的一些节省。
+
+🟡 说话人4 [00:04:22]
+然后现在我们可能有一个问题当然和这个可能就是我们本身除了编码工作之外，还有一些需要现场一些需求沟通啊，包括运维之类的一些非编码类工作，需要人去到某一个地方。然后我们也对公司软件研发整个团队的工时占比进行调研，最终一个结果是我们这边你可以看到总体平均的一个编程代码工时是百分之五十八。也就是我们在我们的所有研发人员代码儿，就是编码工程，大约占百分之五十八的一个工时占比。
+
+🟡 说话人4 [00:05:11]
+然后这是我们这个项目当时我们做的一个规划，就可能首先是我们做的是首先我们先选定工具，就是我们现在选的是这个吹的这个工具。然后我们又梳理了整体的一个软件研发流程环节，从需求到设计，再到开发，再到测试，再到后面的一个运维阶段的 debug 流程。然后主要可能会涉及到一些类似于文档生成相关技能，然后代码儿开发相关技能应该说是方案设计相关技能，然后代码儿开发相关技能，还有测试用力相关技能。
+
+🟡 说话人4 [00:05:52]
+以及这个应该说是 debug 和音查询的相关技能。然后我们制定学习组，制定对象，我们可能有一些内部交流，包括让请我们的，我们这些老师们过来给我们进行一个系统级的培训。我们会，我们在这个推广过程中，然后是计划用四个试点项目进行工具，包括我们技能规则级的一个可行性验证。然后最后可能还会设计，对在企业内部进行一个绩效考核呀，利害机制呀，来激发员工的一个积极性。
+
+🟡 说话人4 [00:06:33]
+然后我们的 ai 工具选型，当时我们考虑的有，不管是高德呀，tre呀，coder呀，其实我们是经过很多是的一个选择，然后最终选择的是字节的 traincn 然后我们统计了一下大致的费用。我们计划的是可能因为现在 train 对我们可能一百一百九十九一个人每个月，但是流量其实我们老师们也能发现这个流量的确对我们是不够的，然后我们想了一个措施。
+
+🟡 说话人4 [00:07:06]
+就是每人每个月可能在每人一百块钱一个基础的额外流量，这个感觉是应该常规开发大部分除了重度的，正常来说一个研发工作什么样?然后我们整体软件开发现状就是在没有 ai 没有 ai 介入的时候，我们可能需求不管是技术方案，包括编码研发，就是编码，包括测试以及稍微大的阶段。我们这边儿都是纯人纯人工。然后我们希望借助 ai 就是通过 ai 的赋能，然后能包括在需求上，技术方案设计上，以及技术方案设计上这个到我们这儿 coding 上，以及测试上，还有我们最终的一个 debug 。
+
+🟡 说话人4 [00:08:00]
+或者说 review 上，有能不能通过 AI 提升我们的效率和质量。然后我们这边在我们这个项目里，因为可能是为了让整个团队统一规范嘛，因为属于企业级团队级的，我们要建一个计划是建设技能资产库。就主要这个技能资产呢，它不是单纯的数，可能说这个技能，它主要可能里面包含了一些规则呀，用词啊，包括一些技能。然后规则的话，大约是十个左右的规则。
+
+🟡 说话人4 [00:08:36]
+也就是一般是在那个规则，因为我们每个项目可能有单独的规则，但是我们尽可能采用一些公共性的，有通用性的，然后在这个基础上，大家可以再去额外对他们项目进行一个针对。通用性的话，我们大我们划了有十个基本规则，比如就是我们的红线，就包括这个密码儿啊安全性的一些规则，包括我们即可提交的一些规则，然后还有代码审查上的一个规范，当然这可能有些东西可以放里面，也可能有些可以放规则里面，也可以配合使用。
+
+🟡 说话人4 [00:09:23]
+然后还有一些就是让这个税能更好工作的一些规则，比如说你必须用英语回答，你在执行完计划之前必须先让我检查一遍，不能直接执行，因为现在我们使用直接发现有这样的问题。它会自动执行。然后还有测试用力上的一些使用规则，然后还有数据清洗数据格式转换上的一些规则。然后再针对不同的语言，比如 java 前端，然后用前端使用 vue 技术栈，包括我们数据库，以及我们的 cdp pod 上再制定一些规则。
+
+🟡 说话人4 [00:09:59]
+我们计划是先建立这些基础规则，然后每个项目的相关负责人再根据他们的需求，当然也可能会根据他们个人能力，然后为他们的项目再额外增加一些规则，或者 a 级 b 级，然后我们还计划建立19个用，就是属于相对常用或者价值较高的一些技能。就是我们那个 brain storm 然后 brain mini 包括这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这个这。
+
+🟡 说话人4 [00:10:43]
+这个这个这个这个这个这个这个这个这个这个这个这个先选工具，然后选一些工作面上比较优秀的技术库上，然后整理，再使用，先自验，再比如试点项目进行一个验证，收集技能反馈，看这个技能是否最终留住我们的技能库。如果留我们就留下来，然后后期可能通过一个版本的控制，然后进行一个长期的公司技能的一个升级。然后后面就是一些技能的一些解释。
+
+🟡 说话人4 [00:11:28]
+然后学习能力就是可能我们有内部的分享交流，包括老师们的一些系统性讲解。
+
+🟡 说话人4 [00:11:41]
+然后我们项目实战是选择四个项目，计划从六月份到十二月，然后进行一个 AI 工具在上面进行验证，其中我们验证时再配合技能和规则去验证技能和规则是否健全。以及这个工具这些东西是否真的适合我们企业，或者说能让我们企业提升多少?好，这是我们的实战项目啊，然后后面有一个比较重要是我们班儿，嗯，因为我们做这个项目，最终我们就是要让这个项目体现这个项目最终交答卷的时候，可能一是实质性的让每个员工能够使用它。
+
+🟡 说话人4 [00:12:26]
+并且用它产生价值，但是那个的话，它没有一个直观的可量化标准。然后包括昨天和老师们沟通的就是我们希望建立一套不管是过程指标还是结果指标，结果指标是希望通过一些量化数据去展示这个项目最终的一个效果。包括也是给领导他们一个答复。然后我们目前在翠这边得到的是采纳率和渗透率，满意是我们自己去通过问卷做调研。然后采纳率和这个渗透率现在我们在翠上有但是给我感觉不准，好像就是永远百分之九十九那种感觉。
+
+🟡 说话人4 [00:13:11]
+然后我们现在在也我这儿也是在尝试着去建立一些工具，看能不能获取相对可靠的一些采样率。然后后面是我们的一些奖品机制。然后还有一些就是 ai 编程可能存在一些风险，就是数据毕竟是用云上的东西，还有代码质量就是这些模型能力啊，这些上下文儿啊，什么都可能会影响我们这个代码生成，就像我们老师之前说的用规则和不用规则，其实就是我用规则，我至少能保证我这个代码基本上是按照这套风格走。
+
+🟡 说话人4 [00:13:51]
+那我要不用规则，可能今天这个风格都很规范，但最终可能不是我们想要的一个质量，是这样的。包括然后成本上有什么成本可能还会涨，以及我们后期的一个技术覆盖的问题。
+
+🟡 说话人4 [00:14:10]
+这是我们整体的一个工作规划。然后这边是我们技能库的一些，技能库建立的一些要求，就是规则这块儿，就是大概建立这么一个规则，规则清单。然后技能就是要技能验证的技能，大概是十六个技能。
+
+🟠 说话人5 [00:14:35]
+嗯这边儿还有一个，这边儿还有这个，啊这记得代码库的这个记着，没事，最后你就往上加就行。
+
+🟡 说话人4 [00:14:49]
+技术这一块儿有什么感觉?
+
+🟤 说话人6 [00:14:50]
+这就是咱们当前技术的使用情况。这是咱们公司既有数据的统计，这个跟咱们那个没什么关系。然后下面是咱们当前的这个 tree 的一个使用，包括咱们的 token 使用人数和这个活跃人数的一个统计。
+
+🟤 说话人6 [00:15:14]
+这个是公司 AI 编程 top 五，就是使用 token 比较靠前的这些人，他们在哪些项目中哪些模块儿，然后做哪些文档的编写。一个提效的一个评估。
+
+🟠 说话人5 [00:15:28]
+目前这个是针对我们当前出现的主要问题吧，一个是 token 这个问题，还有一个就是 ai 生成代码带来的技术负债。
+
+🟤 说话人6 [00:15:42]
+这是我们对于技术负债准备采取的一些措施吧，比如建立 ai 代码审查机制，要 ai 生成代码在提交仓库之前要有对应的人事审核。第二个是要对项目中 ai 代码生成的占比与其相应的缺陷进行一个评估，并且进行一个跟踪。第三个是 ai 生成的核心业务代码，要求强制编写详细的数据说明，后期便于维护。嗯还有这些东西。
+
+🟤 说话人6 [00:16:18]
+嗯嗯嗯别的话再说。嗯徐老师，谢老师主要是因为我们的内容可能也比较多，就是简单的通一下，然后我们就着反正这上面这个顺序，然后有些问题，包括我个人，包括他们有些问题，我们
+
+🟣 说话人2 [00:16:35]
+交流一下。就第一个目标这个问题，就咱一个一个说吧，就是目标。我我我们去设这个代码儿接受率，这个目标合适不合适?或者说完美不完美，能不能代表我们对公司的价值啊，或者说是我们做这个事儿的体现出来它的效果。就这个一般在企业里是怎么会去定义这个 ai 工具的?
+
+🟢 说话人1 [00:17:08]
+这个有点像，我我我我咱先瞎聊哈。
+
+🟡 说话人4 [00:17:11]
+对我是看感觉这个有点像指标，就是他接受度到百分之百或者百分之九十九十多八十多，不太能说明人效。嗯对，所以我们看看是不是可以像一个正相关的量化，同期我们不知道我们这边儿是以 pr 或者 commit 为主，或者怎么着这个阶段性的交付，我们以往类似的项目可能有需要二十个 pr 或者说需要二十个人天。
+
+🟢 说话人1 [00:17:40]
+那现在是否这个人日上有变化，这个应该是更纯理性的，就是它数值高了数值低了有直观的变化，就是这个百分之三十变成百分之五十和百分之百，没有体感上的这个这个区别。
+
+🟣 说话人2 [00:17:56]
+我说一下就是我们这个目标来源是因为我们原来开 train 它有这个指标儿然后我们第一次跟老板汇报时，我们就提到这个指标儿，结果那从老板他直观的感觉上。那你 ai 代码儿接受率到百分之三十，那我认为我的人就可以减百分之三十。他就是直观的这种他想要一个正向，也是想要一个正向的。对一个正向的，或者换句话说，我们不说减人的事。
+
+🟢 说话人1 [00:18:32]
+我们有个观点，就是说我们一个人用 ai 开发可能能翻十倍两个人一块儿开发变成五倍，三个人四个人可能就比以往快两倍，就是我们交互和思想碰撞还是有瓶颈的所以这个上由于还其实变成了软件。那个工程化的这些问题了就是它这个指标的增高不一定明显有一个等比例的关系。
+
+🟣 说话人2 [00:18:59]
+对。
+
+🟣 说话人2 [00:19:08]
+但您刚才说这个可以听到吗?啊，可以您说啊。
+
+🔵 说话人3 [00:19:13]
+嗯，就是我个人感觉这个 ai 代码接受率它肯定不会低，比如说我们跟 ai 对话，最后你第一轮对话它写的代码不太行，你可能又会第二轮对话。最后它生成的代码你肯定是你先认可了，然后才会接受，这就会导致你最后跟你主要的对话，你到底算不算 ai 生成的?如果说不算的话，你的接受率永远都是百分之百或百分之九十，因为你不可能拒绝，因为拒绝的你都不会去看，拒绝的你不会主动去点拒绝，你只会跟它进一步对话。
+
+🟣 说话人2 [00:19:54]
+徐老师原来我们定义这个指标儿了，这个计算是这样，就是我们搞了一个记的服务器，就是我也想就是这个百分之三十怎么评估，比如说到今年最后一个月，我去看这一个月我全公司的提提交到这个 git 上的总量代码。然后我看里面 ai 代码的比重，我们原来计划这么去统计，这个是不是就比较硬，这种指标儿对对对，就是一定要看比如我们现在总体代码是多少，然后 ai 代码是多少。
+
+🟣 说话人2 [00:20:36]
+所以我也刚才我们有一页儿是说这个 git 的，其实 git 跟这也是挺关联的，就是说就这个指标儿呢，可能不能完全代表，但他是能从投资者，从老板作为一个投资者的角度来看，他觉得我花了一年我花了三十万，然后我替代了这种百分之三十的代码。他觉得还行但是您刚才说这个 pr 可密的这种对比人日的变化，我现在有个困难，就是其实我们公司是传统制药企业，就是我们的 pc 软件整个生态不是那么完整甚至你像这种计算。
+
+🟣 说话人2 [00:21:20]
+什么这种反正很基础的东西，我们也是近几年开始弄就是我们现在没有想到好的手段去统计是吧?这个以往这个项目的，比如一个项目统计了多少，然后现在我减减了多少，我增加多少，我缩多少，这个有没有好的统计方法，或者我们需要去先做一些什么基础设施建设。然后才能达到这个目的。
+
+🟢 说话人1 [00:21:46]
+那司马的你看你们内部有类似的活动或比赛之类的吗?
+
+🔵 说话人3 [00:21:51]
+嗯，其实这个是很常见的一个问题，因为我们现在就基本上这种公司他都会可能不同的子公司有自己的队，然后甚至不同的项目都有自己的队，你这个就提不起来。所以我想的还是以你给我找一个基数的话，就是比如说你去年的平均值或者上半年的平均值，然后再去看你对比你今年这个完全没有介入的一个平均值，然后哪怕你就算最基础的那个代码。
+
+🔵 说话人3 [00:22:29]
+恩不或者就是说你交的嗯确实现在能看到的，从记得这方面能看到的就是一个代码啊?那或者我们从现在开始，我们从现在开始我们去建立这个期限是吧?
+
+🟣 说话人2 [00:22:53]
+比如说我们从七月一号开始，我们就开始统计一个什么样的项目，然后我一般记得一个月多少个提交量，这种可能不同项目差别比较大。然后都是一些简单功能的提交，但是有些可能提交的代码虽然少，但是都比较关键，所以你这个就只能往内部去浪费比如说我原来一个工作号儿我用了几天。
+
+🔵 说话人3 [00:23:34]
+有了 ai 之后我就可以还有就是我原来是两个人开发一个项目，有了 ai 之后，就可以一个人去开发一个项目嗯嗯嗯
+
+🔵 说话人3 [00:23:52]
+对你，ai 编程这个东西，就是我们一直想的是先验证它不行，然后才能确定它到底哪里不行。就是先把它的领域给测出来，比如说给一个特别复杂的系统，它确实不太行，那我们再试着一点点往下降。因为这个东西人肯定都会有惰性，就哪怕你一个人他很ai 做得很好，原来三天的工作应该完成的，但他跟你说用 ai 之后打算完成的。
+
+🔵 说话人3 [00:24:28]
+然后又控制不住自己去看别人所以还是要先测出最大潜力就就说说一个不太好听的就是高压测试就你一个人一天能不能把这工作完成如果不能的话好。
+
+🟣 说话人2 [00:24:58]
+那么如果我们说回这个代码接收率，就是我们把它定义成百分之三十这个目标，这个是什么样一个水准?就是根据我们目前工作的情况或者了解这行业的
+
+🔵 说话人3 [00:25:13]
+但是相对来说，中间偏下啊，就是我们明年还有一辆，然后就还是能能能能能，那今年我们干百分之三十，明年老板说我靠百分之五十，百分之七十但是因为我知道你们之前的。就是在我们这里做软硬结合的一个工作，像纯软件的公司的话，你这方面就是中等偏下的，那怎么跟你们内部来对比?
+
+🟣 说话人2 [00:25:46]
+我们现在列的基本都是纯 pc 软件人员纯 pc对，纯 pc 就是先加了一个这个范围。
+
+🟣 说话人2 [00:25:57]
+包括我们前几天拉了几个用量排名比较靠前的几个人，我们聊了一下，大家普遍其实这个现在用的比较开，其实这个比例远远大于这个百分之三十。
+
+🟢 说话人1 [00:26:13]
+嗯但是还有一大坨人就没咋用。这个对就是深度使用的是比较高了。
+
+🟣 说话人2 [00:26:21]
+是，这个也是常态，这个也是人性的事儿。嗯，那就是三十还行，不算很高的目标是吧?
+
+🟢 说话人1 [00:26:39]
+对那三十不算很高先进一点的现在可能小的业务线或者小的单部门，做到了百分之九十，百分之八十，百分之百也不一定，但是话又说回来，
+
+🟣 说话人2 [00:27:01]
+嗯好，这下面有一个问题，聊一下就是我们现在这个68个纯 p 人员，他不是纯干这个编码工作，他好像承担了很多这种跟客户的交流啊。
+
+🟠 说话人5 [00:27:22]
+嗯嗯嗯然后他承担了一个产品经理，因为我我们公司的销售，可能有好些他对业务不是特别熟，客户可能更信任我们软件人员，因为对，然后他承担了很多这种需求对接。
+
+🟣 说话人2 [00:27:38]
+然后甚至一些项目的管理啊，还有一些技术维护，就现场产品出问题了，去解决一下问题啊。像这种人的能效，他们用了这个 AI 工具之后，第一个问题，就是我们怎么评估，因为我们从记载上看代码，只能评估这种编码这一块儿的能效。就他做了一些文档类或者什么的有没有手段去评估?还有一个第二个就是对于他们这种非编码工作，就目前我们这个工具或者将来在这方面的效率没有什么提升的手段?
+
+🟠 说话人5 [00:28:27]
+就我不知道是两位平时主要是编码，还是说也有一些这种产品的工作，是在这方面目前是个什么方向什么形态?
+
+🔵 说话人3 [00:28:42]
+我大概明白，但是明白你的意思，我反正还是一个销售部，相对比较就没有具体的岗位规则，大家统一又做需求又做开发又做测试，还做运维，对吧?
+
+🟣 说话人2 [00:29:00]
+对。
+
+🟣 说话人2 [00:29:03]
+就这帮人就是这种符合型的这帮人或者这帮就这部分工作工作量，我怎么给他提效?或者说怎么包括怎么评估他的效果?
+
+🔵 说话人3 [00:29:17]
+嗯，其实这部分工作是有一它会有一个硬性的时间要求。
+
+🟣 说话人2 [00:29:21]
+就比如说我跟客户对接的这个需求，哪怕客户今天叨叨了一天就叨叨了一个问题那么我在是耽误你一分钟，这种事情你没办法对你能提到的只是把客户的需求拿。
+
+🔵 说话人3 [00:29:36]
+然后化成你的圆形图，或者就是拆解成具体的文档，你能提到的只是这部分，所以这要看这部分的时间，在之前具体的工作，它是占比有多少。
+
+🟠 说话人5 [00:29:49]
+嗯这个就包括到我们测试和运维。
+
+🔵 说话人3 [00:29:54]
+测试的话，如果你是做回归测试，就是分了三个点点点嘛，就是还是用户报点点点，这种其实也要去找因为我之前试了几种 ai 加自动化测试的软件，它不能把整个流程都跑完，它只能测一部分。
+
+🟠 说话人5 [00:30:21]
+如果这部分可以内部你自己做整个侧开的就是整个侧开测试，现在也会有一些自动化测试工具，尤其是加上 google 它会有自己浏览器相关的 api 这种应该能起到一部分。
+
+🔵 说话人3 [00:30:39]
+就是工具成熟的话能起到一部分。另外如果是运维的话，这个工单的解决时长，这个也很不去衡量，这个完全就是看他对系统的掌握，或者就是对整个流程的掌握。如果你是说解决 bug 这个可以，就回到了 bug 就又回到了我我我们也调的调研的时候，他们有一个反馈说的就是现在处理现场的 bug 包括现场 bug 还有就是他们在公司开发过程中发现的 bug 确实也有帮助。
+
+🟣 说话人2 [00:31:25]
+他那个截个图，把日志扔进去，咔咔咔就帮你分析出来了。
+
+🟢 说话人1 [00:31:29]
+是的。
+
+🟣 说话人2 [00:31:29]
+嗯现在我的感受也是，人和人之间工具还是加不进来，咱是把 ai 还是当当工具来用。是比如说我们以前说开了会之后写月底，那我们一说下午给，那这部分可能时间能加，能加快，那加快之后可能也不会产生这个明确的一个反应。嗯就是一个小时后给和五个小时后给，可能对整个流程大链路来说，可能不是那么大，就看但是呢 ai 加进来，比如说会议总结呀呼声啊，包括我们之前说的变更需求文档。
+
+🟢 说话人1 [00:32:02]
+这些固定的流程是 ai 可以加进来的，也是能够明明确这部分也是能想象到的。
+
+🟣 说话人2 [00:32:07]
+嗯那如果是障碍在人沟通上，这个也没招，也不好去加。那像你看几个大厂在做的这些工具都在向有 solo 向 work 这个方向走对它这个方向是不是就是我我说的意思就是将来我们有没有就是再扩大这个范围。比如我把这个 work 再就是让让这些产品经理也用起来，或者是甚至是非研发人员，就是这个沃克这个它现在是个噱头，还是说将来真正能对我有价值的东西啊现在就是在沃克之前就只能是扣顶，扣顶的话就是小白他是不敢用，也用不起来的，因为需要学。
+
+🟢 说话人1 [00:32:48]
+现在尝试着把扣顶部分全都给抹除，但还是纯聊天，像网页一样聊，但他却能够因为在你电脑上完成这些工作，所以对他目前受到的白领或者说我们日常文员性的工作，很多东西是能够提效的。
+
+🟣 说话人2 [00:33:08]
+写写 word 啊，写 ppt 啊什么这些东西是吧?
+
+🟢 说话人1 [00:33:10]
+你看像 kimi 啊，像这些 gm 啊，它甚至都有 ppt 里边儿都有那个技能和那个插件，就是 ai 的插件，现在做 ppt 啊，写 word 写写那种常规的那种文书文案。现在 ai 参与的挺高的。这可能需要拆，就是我们限定的场景可能就能拆出来说我怎么来加速这个事。
+
+🟣 说话人2 [00:33:32]
+啊，拆场景是吧?
+
+🟢 说话人1 [00:33:36]
+以往写一个 ppt 以前可能磨很久，现在全 ai 流程之后，就是先把想法先录音或 ai 说，说完后直接变成文字。零碎的点，让他找到之间的彼此联系，再画图。画完图之后，把这个初稿拿完之后，剩下后续的文字甚至写 ppt 就好快很多了。
+
+🟤 说话人6 [00:33:57]
+嗯，嗯。
+
+🟣 说话人2 [00:33:58]
+嗯，因为我们原来写这一篇儿目的是干啥?就是想告诉管理管理层，其实替代了编码工作，并不是说就可以把人替代，因为他是个复合性的人。
+
+🟢 说话人1 [00:34:09]
+是的是的。
+
+🟣 说话人2 [00:34:10]
+我们主要想表达这个引导这个。
+
+🟣 说话人2 [00:34:16]
+行可以，反正现在当前是 coding 但是其实原来集团给我们的任务就是在研发过程中 ai 赋能，所以并没有指定说一定要 coding 只局限于 coding 只是说我们在探索。
+
+🔵 说话人3 [00:34:33]
+嗯，看从这个只能是把之前嗯，这个其实比较复杂，因为大厂它之所以能提到它会有一个明显的边界。就比如我产品是只做需求，我可以通过 AI 把需求颗粒度做的特别细，比如我原来需求文档，但是我加了 AI 之后，虽然我不懂技术，但是我能根据需求文档出一些设计。比如说具体到这个需求需要涉及到几个表。要把系统丢过去，原来你这些表涉及到几个表，刚才几个表字段它是能到这种程度的，那么这种程度再丢给开发，然后开发看是没有问题，然后给 ai 然后出了 bug 再和 ai 一起搞一下。
+
+🟣 说话人2 [00:35:25]
+我那我去，我如果去传播这些能力的话，我还是要把它固化成 skill 然后去传播是吧?就你刚才说，比方说我我能把需求切得特别细，我能把表格处理特别好是不是我我，到时候我们小组我我们那个实验完了东西用用 skill 传播给大家嗯啊嗯这个画面。
+
+🟢 说话人1 [00:35:46]
+我很多场景下都是用这个画面就来来来触达的，好多的反正也看过很多写 ppt 比较好，画的比较好，或者说他这个以往我们可能越简单数字，但是他使用合理的方案和使用合理的技术之后。做出来的表格更就是更图文可画可视化性更强，这是明确的。其实或者说我们把 skill 做一个经验包，这个是没问题的，这个理解是没问题的。
+
+🟣 说话人2 [00:36:10]
+其实这里面有一个性的问题，就是其实我也念我们的培训人员，包括我们这个小组人数在这里面占比很少，大部分还是大家都在实体公司的，他们在过程中我们也在过程中。他们甚至比我们用的还熟，或者他们沉淀的更多，但其实大家都不愿意把提高个人销售东西拿出来作为组织力共享，但是我们追求的目标是组织级的一个提升。所以这边其实也有这方面因素其实从换个角度说，老师傅和小师傅同样的东西做出来都那么漂亮，老师傅的这些经验可能就被在这个过程中抹平了是是是
+
+🟣 说话人2 [00:37:01]
+这个是我们对我们做这个事儿的整体的规划。其实有些指标当时列的比较容易达成，像这个软件全覆盖啊，舒适度啊，你看我们这个都是通过培训啊，或者是这个日常的推进啊去实现，采纳率可能硬一点，就是底下列的几个事儿。对我们去做这个项目是不是全，我原来想的是工具要选好，然后结合公司的流程，梳理好各个环节，哪些环节能赋能的，我们做好技能库，给大家支撑好这种学习的渠道。
+
+🟣 说话人2 [00:37:40]
+然后辅导好我们一些项目的实战，建立反馈机制。就是从这个面上，从这个我们去做的事儿上，就是两位老师可以给我们看一下有没有方向偏的，或者说可以再补充的这一块儿。嗯是
+
+🟢 说话人1 [00:38:40]
+嗯内部分享这个一般是什么形式什么结果?是比如刚才咱选了五个使用用量比较多的，他们会做分享吗?然后能推广吗?
+
+🟡 说话人4 [00:38:49]
+现在就是我们之前也做过几次那个培训，就你们今天和昨天上午说我们是两个小时，刚开始我们想法也是培训一些基础，那规则我们包括技能想的是先把这些基础给大家讲。然后慢慢可能后面再做一些实践上的培训，就是我们主要也不太会讲什么东西，就是系统性的去设计这一块儿的东西。目前效果不是没有达到预期因为大家其实是一个起跑线在跑，但是我们又肩负着要给大家拉动这个事儿，所以我们还有别的一些其他项目，像海波他可能还有别的什么事儿。
+
+🟣 说话人2 [00:39:33]
+所以其实在我看来，我们顶多是比别人领先那么一点点，然后还有一个就是有时候大家也没有专业这种讲课经验所以就这个点上，其实原来跟海波也探讨过。就是我们像外外部的这种技术活动，黑哥松什么的就是有没有这种企业内部我们去可以搞个内部竞赛啊，或者这种我这个就刚才想提， smart 也知道，就是我们有一个也是在国企的朋友，他们去年就是招了个标，就是一个常规的需求。
+
+🟢 说话人1 [00:40:09]
+就是相对业务上的需求，他是那个老板想借这个事儿，就把这个需求 word 发在这儿，公司内部我们拿出一天两天时间来，大家都去搞这个事儿，最后我们去打分。就是前端后端就是你不管是前端，不管哪个岗位都去跑，前端后端整个业务流程都去点最后看哪个实验效果好，他们就是公司内部相当于一个马比赛或者叫黑客马个马拉松这么一个形式。
+
+🟣 说话人2 [00:40:35]
+嗯从早到晚干到晚，最后我们打分，看有的分可能就百百分九十九十多分，就是完全可以交付，前后端都有的，就是数据库这些都牵扯到了，有的分可能就比较低。
+
+🟢 说话人1 [00:40:46]
+那在这个过程中，其实大家都在做相同的事，有的人做得好，他就可以分享，或者有人做差就可以去点对点，这样说不至于说你为什么提交少，我做的活都是修 bug 的，很难。我一天一个提交就已经很难，很很很了不起了。
+
+🟣 说话人2 [00:41:00]
+那另一个他可能做新业务，一天几百个提交，所以这种要是有这样合适的场景，然后我们也不是去就是通用的场景，这样对对大家的这个本身自己就能完成，也不需要花很多精力就能搞的话。
+
+🟢 说话人1 [00:41:15]
+这种应该也可以。其实就是看互相比互相看看谁用的好，谁用的哪个地方有问题，这样识别出来。有些人他 ai 用的比较溜，他可能就有一些自己的经验，有的人用的少，他就写的慢。
+
+🟣 说话人2 [00:41:28]
+啊。嗯。像接榜挂帅，让大家同志朝着一个项目去干。
+
+🟢 说话人1 [00:41:33]
+嗯。去年的时候他们就有人搞到了90多分。就是可能以往更多人力更长期的东西，在一天内完成效果比较好，也是因为他们有比较成熟的以往项目做做参考。就相当于我们再开一个模块儿，或开一个页面儿，或开一个功能，然后在这个方式上让 ai 去跑，他们就跑出来效果还挺好。
+
+🟣 说话人2 [00:41:54]
+公公司会有一些奖励是吧?
+
+🟢 说话人1 [00:41:56]
+对，这样的话就是我们有这个奖励或各总之还是要鼓励嘛，鼓励分享啊大家识别问题，也不一定说做的慢或者做的差就不好，还是找到他哪地方用的不习惯。
+
+🟣 说话人2 [00:42:11]
+我们现在一个人都好几个活儿，因为我们这个就是每个人的精力，整个公司可能大家精力都没有很闲的那样其实包括我当时想的这个客户，您提的另外一种方式。
+
+🟡 说话人4 [00:42:24]
+我当时想的是可能我更偏向孵化产品，我可能比如这几天这一个周期内，咱们去做经纪人做产品，做一些产品，但是产品中也是通过打分儿，这个时候看能不能发现一些，比如我的主题是必须和 ai 挂钩儿。看谁孵化产品更优秀，更和 ai 更有产品价值，然后对于企业来说，其实可能是未来的一个产品线。
+
+🟢 说话人1 [00:42:49]
+嗯这个也有，但这个很多人不服气，或者说个体差异比较明显，就有的人他可能天生爱表达，或者说天生工程思维比较强，他拆的就快。因为以后到了我们那时候，磨刀就是其中一环了，或者说我们老板很多就说，你只要把这个定义好了，我就不在乎，因为你一定能做出来，就之前就是磨还是磨刀，磨刀之前这个事你做得足够好，那么剩下的事情，他中间这个过程怎么扣都不管，就看结果了。所以
+
+🟢 说话人1 [00:43:21]
+所以也需要具体去搞一搞试一试。就有可能个体差异比较大，这俩人本来就交流少，或者说这个工程思维弱一些，拆分这个结果或拆分这个产品的能力会弱一些。
+
+🔵 说话人3 [00:43:37]
+或者就是最简单的把一个之前已经交付的项目，再说一遍把所有功能模块儿都删了，梳理出需求文档，然后交给几个用 ai 比较常用的同事，然后拿着文档。然后对着我们的项目架构，看你一天能把这个功能还原到多少。
+
+🟢 说话人1 [00:44:00]
+嗯，那这可以。
+
+🔵 说话人3 [00:44:03]
+因为这个是最贴合企业实际的，不管是你自己写一个项目或做一个什么的，对领导或老板看不到这个意义，所以说我们把之前已经有的，就我们已经完成交付的。那么我们可以通过这种方式对比一下，我们现在有了 ai 之后一天一个人能完成多少，然后之前是几天一个月完成的这个项目，我们再把这些需求的时间熬过去。就我们算一个效率嗯，嗯，其实还是过程中复盘。
+
+🔵 说话人3 [00:44:42]
+嗯，对，那你现在怎么去立这个需求?
+
+🟡 说话人4 [00:44:50]
+但他也有一个前提就比如说现在我们在这个项目，说今年主要是推先推出嗯今年去同时干这件事会不会有点操之过急呢?
+
+🔵 说话人3 [00:45:03]
+嗯，你这就看看你们可以是其实这工作的职位，只要跟奖励挂上钩的，就有他就愿意去做是而且就是看昨天看这个东西消耗，实际上消耗比较高的，他也有很多，他用自己的方式自己用。因为学习过反正也会有自己的方法，然后我们也可以就是说非得证明这个 ai 它确实可以，我们也可以证明 ai 是不行的，然后或者说目前我们这个阶段可能不管是方式不行还是模型不行，还是其他原因，我们找到问题的瓶颈。
+
+🟣 说话人2 [00:45:52]
+嗯可以这个后面我们策划对可以根据实际情况来看。其实目前刚才这个图儿就已经很明确了，工具流程，包括我们沉淀的结果，后面就是看验证这个事儿了，实战其实就是一个验证。验证啊
+
+🟣 说话人2 [00:46:28]
+这个就说说这个工具，其实我们前期选工具的时候，其实有一段时间挺纠结，就是其实我们调研的情况啊，有一大家底下都认为像 coser 啊，context 啊，的骡克的啊，就是比较好。然后国外东西比较好，虽然有些人很嫌弃国内的东西，就是用的比较极客的公司有那么几个人，我们聊我们当时有一种担心，就是我们推的这种国内版的。
+
+🟣 说话人2 [00:47:01]
+然后这种工具也好，模型也好，然后面上大家用，但实际上还是用自己的。后来我们结合这个扩大了解之后，其实大部分人都还没有开始用，所以后来我们就也对这个也合理，先就是这个只是保留嘛，至少大家都能装上，也至少能体验起来对对有优秀的人。
+
+🟢 说话人1 [00:47:25]
+有有自己明确这个偏好的人，用用更好的工具或者他只要产出的结果是好的就行。
+
+🟣 说话人2 [00:47:31]
+嗯，但是后来我们发现国内的工具其实也挺卷，特别是我们应该是三四月份调研的时候，那段时间阿里 coder 也在大力的在推广，就是宣传，然后我觉得趣反而有一段时间就是比较静默。
+
+🟢 说话人1 [00:47:47]
+嗯我也去听了一次我们这边阿里中心的分享，然后反正就各有各有利弊。嗯嗯在国内其实你看我我那个电脑上也装了几个他们出的这个 worker 这个这个这个各种 id 的这些工具。至少是没有说功能是差的了，因为在大大厂人人也多，人才密度也高，所以这个东西先抄，再从再找这个差异化，现在也是明确的对这里面就是想问个什么问题?
+
+🟣 说话人2 [00:48:22]
+就是就将来我们走什么样路线?我就往死了，还是说就我们换一种方式，然后我组合式的可能将来我把 code 引进来，或者 code 八天，我能弄两到三个给大家使用，或者说我甚至用用 cc 用 cc 的工具配国内的模型给大家就我是压保一个让大家就用透用熟了。还是我组合式的哪种是现在主流的一种做法?
+
+🟢 说话人1 [00:49:05]
+你们人多，你们人内部有有要求或有偏好吗?
+
+🔵 说话人3 [00:49:11]
+嗯这个其实如果说第一期能用好的，其实用好的这个是实话对然后像刚刚您提到那个说要不要就死磕税，我目前感觉啊，最起码得保证它这个软件的生命周期一直在，所以还是年付或者半年付这么一个趋势。
+
+🟠 说话人5 [00:49:47]
+因为现在 a i 其实变化挺快的，它今年可能是主力产品，明年并不知道会是一个什么样的情况。嗯包括会之前它前身还是拉扣的
+
+🔵 说话人3 [00:50:01]
+所以说里面的阿木等于 q 的也行。阿木这种东西有一部分也是出于内部绩效考核所诞生的，就你不太确定它能不能稳定多久，所以更多还是做一些通用的会比较好。然后至于说未来用哪个，这我也不太清，我也不太清楚，我也不知道一年以后大家都卷出什么样。
+
+🟠 说话人5 [00:50:30]
+嗯只能说现阶段只能说我们基于现阶段的选择来说。
+
+🔵 说话人3 [00:50:36]
+会的方案是相对来说最完整的，也能做干了部署。
+
+🟢 说话人1 [00:50:43]
+嗯他们也是买词儿买流量，然后用他们做的内容嗯嗯这个感触挺深，去年我们有大半年在用那个 c 瑟尔，还充了好多钱嗯今年之后不用了，第一季度用什么反重力。然后第一季度结束之后也完全不用了。然后我们有一部分人用的 c c c c 净作妖，经常会污染给你干坏事。
+
+🟣 说话人2 [00:51:12]
+嗯 cc 也不用了，用用 cuda cuda 呢，现在它之前是命令行，现在那个软件也好看了。
+
+🟢 说话人1 [00:51:18]
+现在有 cuda 你看国内的国外的话，其实那个 open cuda 它是开源的，就是这个源码上至少是可可可控的。其实 open cuda 呢，最近那个小米出了一个小米的 cuda 它就是把 open cuda 改的。
+
+🟠 说话人5 [00:51:30]
+嗯就是其实这个思路也是 ok 的，所以 smart 表达那个点就是我们现在肯定是安全的，就是至少大家基线一样。
+
+🟢 说话人1 [00:51:38]
+至于说优秀的人，或者说有明确想法的人，我就爱用 cc 就用个啥，这个应该看这也是看实际情况。而且他这个季度喜欢用 cc 那下季度可能就不用了，就是包括这个充值也是。现在这个尤其是 ai 变化太快，咱国内 gm 最近前几个月算优秀的，这几个月其他模家发模型之后他刚发信息五点二晚上五点二，太好了，太好了，对，就他们现在模型发也很快。
+
+🟢 说话人1 [00:52:05]
+现在大家都习惯了就说我按季度买，或一键买，就买包年的话，不必要，就现在这个口碑也在变，所以当现在这个好在是咱选的空运工具还是不差，至少是个骂声来自经营的人。经营的人有主见的人，他肯定是骂，这个说法，我们内部公司我们用 ai 用的比较激进。现在也是约束不了，就是我们现在扣的 s 和 cc 就是买那个老外的模型用的比较多，但是也是大家想统一到一个上也都不同意，也阻力比较大。
+
+🟢 说话人1 [00:52:38]
+然后就是看习惯吧，有时候就跟我们老一辈写代码的时候，我就不用 vs code 就用这个这个 webstorm 或者就用这个习惯 vim 这种方式，可能有这种偏好，有这个情感在。现在至少大家都不差，没有明显拖队的。
+
+🟣 说话人2 [00:52:53]
+我们也没有强制要求大家一定要说不能用其他的，就是我们只是从公司层面，我们现在推这一个，但是可能他们比方说这个流量不够用了，或者他们有时候用他自己的。我们也不会去明面上或者怎么去禁止他们这种事儿啊有时候我感觉就是比如说我个人的话，我倾向于公司有一个作为兜底的，费也好，然后主管也好，就有一个合法兜底的。
+
+🔵 说话人3 [00:53:27]
+然后在此阶段的流量可能就是流量或者均分的，就是按人来，那你最后按人报销也好，或者是就是大家去找管理员申请流量包也好，这种可能都可以，就是有个兜底的存在。
+
+🟠 说话人5 [00:53:49]
+嗯嗯如果说也不排除有其他的，你觉得真的好，那就是相当于你把这个流量空出来，你可以自己在开发市场，然后搞促销啊，对这种形式嗯，徐老师你刚才又说了一个点，也是我们比较关心的，就是流量策略问题。
+
+🟣 说话人2 [00:54:07]
+就刚才说的流量均分，流量均分可能就是大家像共产党，就跟你们合作一样，这个反正大家就是每月你也是三百块钱你也是三万，你用完就没了，这是一种策略。我们现在策略是我们没有去做这些，我们直接给了一个大池，谁用的多了，都把别人吃，把别人的量都吃掉了。
+
+🟠 说话人5 [00:54:27]
+嗯我们现在这么放，但我们现在发现有些重度使用者，他吃的太多，就搞的后面可能就是后面可能想用的他就没了。
+
+🟣 说话人2 [00:54:36]
+就是像这种一般流量的这种在公司给大家用的这种，什么样的策略，最终什么样的策略会稳定下来，是一个合理的策略。
+
+🟠 说话人5 [00:54:45]
+嗯其实我也担心我们现在属于大锅饭嘛，是吧?对但是一旦比方说大家都会用了，用了好的，特别我担心我们一培训两回儿以后都会用了，我发现这东西挺好，上瘾了，系统似的，然后我们现在有点撑不住或者不公平是吧?嗯所以就我个人的想法是有一个兜底，比如说每个人只有不管你就只有五十兆的兜底。
+
+🔵 说话人3 [00:55:20]
+然后呢你这个月如果你把你的五十兆用完了，那么我下个月可以给你六十兆。然后这个人他可能五十兆都用不完，那么下个月只给他四十五兆，如果充裕的话就只给他五十兆。就是有一个基线，然后动态可以调整。多用多给但这个呢，就我之前老板也说了，就是我们之前是一人一天50美元的额度。然后后来发现呢，就提高到150美元，大家敞开用了，敞开用的过程中，肯定也有浪费或者肯定有用用的不对地方，慢慢的经过多交流之后，大家这个认知水平就拉上来了。
+
+🟢 说话人1 [00:56:04]
+但是我们的老板目标是，就是先花特定成本把这个人均，但是我们人少，或者说相对大家认知是一致的，就是原来有热点，他就提到说，你锁比如锁在20美元，但我们用的其实10块15块的时候，那离周五还有好几天呢。那我这几天可能就得想办法，或者用的就少一些，在一定程度上就限制了他的发挥。这个也是一个人的点你们给的预算还是挺充足的，一人一天五，一天五十美元但实际上用对一天完，其实用不了那么多，就是你偶尔可能个别用的多，我们也有预警嘛。
+
+🟢 说话人1 [00:56:39]
+就是我们也去看消费，明显的过多或勉强有问题是不对的，但是大家先不至于产生恐慌这个点，用着用着今天周三，结果今天就用的差不多了，那周四周五可能就受影响我们编码量可能没有你们那么多对对对。我说表达这个点我们的情况就是这有点特殊，比如这个月他们就还没到月中，他们大部分就是好几个人动动用户他已经把里面用完了，但是正好这个月他们有大量这种信创的转信创的。
+
+🟣 说话人2 [00:57:11]
+整工程转，他可能干完这个后，然后后半个月没啥活但单子就上来了就是，我看是比如什么 gm 买个什么买几个 max 然后我们内部再去返贷。
+
+🟢 说话人1 [00:57:33]
+然后对对外出，这样是不是比这个合理，就是我们设定一个，那相当于说你先充个六百，然后这个六百之后我们去给每个人定格，定格之后用完后我们再去申请现在我们就是近这个月我们打算用这个充值每个人比如我充三千充三千。
+
+🟡 说话人4 [00:57:51]
+然后看看有没有剩，如果有剩的话下个月继续用，如果没有剩的话我可能下个月还有金额嗯以这种方式，然后我们还在退测去限定他们不管是这个 pro flat 的一个具体用量。比如我 pro 给你一个亿，然后 flat 给你四个亿，然后再通过这种方式，每个人相对其实就给他了一个固定的额度了不过这个它只接受充值，所以你给我两百块钱。
+
+🟢 说话人1 [00:58:20]
+但我只用十块，那剩下一百九其实没消费，还是能下个月还有的对对对，所以不会产生浪费，因为它不过期。
+
+🟣 说话人2 [00:58:27]
+对，不会浪费。
+
+🟡 说话人4 [00:58:28]
+对。就咋说呢，我觉得你说的那个五十兆对我来说，我五十兆要是能耗肯定能耗，关键是我的网速耗不了。
+
+🟢 说话人1 [00:58:38]
+啊，这就这也就是因为个体和情况不一样。
+
+🟣 说话人2 [00:58:42]
+像徐老师说的那个法儿啊，就有点我们现在管预算的这种方式。
+
+🟢 说话人1 [00:58:46]
+嗯。
+
+🟣 说话人2 [00:58:46]
+这就是年初报预算，你到年底我们盘点一下预算执行率，预算执行率低，那我明年就往下给你调，你预算执行率高就说明你干活儿了，我就往上给你调，就是有一种调节机制。
+
+🔵 说话人3 [00:59:00]
+这样我们就这对这合理，这合理，这是面向所有人的因为你买的流量包也就是周一到周五肯定是高峰，周六日就没人用，就像我们这春节也没人用，春节这一个月你再美人付费的话。肯定是吃亏的嗯嗯我觉得咱们这个这个这个策略应该是可以的现在还行，对就是看看后面的事态发展。这两天也不行
+
+🟡 说话人4 [00:59:36]
+两个人还是限三个人儿?啊三个人儿诶，怎么没见一厨会啊，还得进一个诶那个在二楼会议他是不是在听啊?哦，是我说怎么没见了你这是在听啊你这是因为会议没参加嘛是吧你跟他说让他对让他来公司我再建一个，让他来509你跟他说来509就行
+
+🟣 说话人2 [01:00:11]
+大家大家回忆一下，也不是慧君慧君来不来?
+
+🟡 说话人4 [01:00:19]
+啊孙龙月孙龙月，你是接一个领导那我重新开一个吧，我不知道他不用开，他自动就已经转回去了会转回去吗?
+
+🟤 说话人6 [01:00:34]
+没有转回去好像没有，嗯到了再说吧，到了我们再联系啊已经退了也行，行重新来一个那你重新来一个吧，我要接了
+
+🟡 说话人4 [01:00:46]
+尽量在这个时候把后面反馈要什么记下来就要记下来你们现在还是每天一百美元这种用法我们最近老板也顶不住，投资人觉得你们这样钱烧的有点快。
+
+🟢 说话人1 [01:01:19]
+而且就不太好量化，现在是用那个和海博一样，我们是开一百和两百的那个扣的。
+
+🟣 说话人2 [01:01:27]
+也就是200美元的话，就挺多，然后因为有的人他也是偏，就是偏交流的，或者就不一定那个高强度代码的，所以有的是100，有的是200。两百的话基本上用不完，基本上是用不完的，用完的太少了，就是没事没事地用着知道，你看外面这些东西能听到效果好，嗯嗯，其实有一个点就在于，你确实你要100的话。
+
+🟢 说话人1 [01:02:06]
+其实充了比较多的钱，你要是用同平平移到国内别国内 gm kimi 也都是 max 模型了因为对他现在他我最喜欢我用他主要他那个完成率完成度对他现在生存能力很强也是这个是他我们就说在 coding 之外。各行各面儿都好一些但你至少和国内比也不会差开很多很远的差异，因为现在 coding 都差不多了主要我是他一个工具能解决什么，我以前用几个工具是是是是
+
+🟡 说话人4 [01:02:42]
+啊共享了啊共享了好行这个我们下去再想想下一张这张我啊下面它下面你要想就是这张这个没删了这就报告记录这是什么技能库这是盖的然后后面有详细规则下面技能其实技能库开发可能是我。
+
+🟣 说话人2 [01:03:16]
+们就是小组的其他的可能都是买工具啊，组织培训啊，那技能库开发呢，我们现在也在摸索，就是一般我们目标是建立企业级的一个就是技能资产库就是这块儿的话一般应该包括什么内容，然后什么样的工作路线就是想咨询咨询。包括今天不是咱培训讲的有规则嘛，有 skill 嘛，然后像智能体 mcp 我们就没列啊对对，你看这个还是大家想法都相似，这刚好也反正也讲讲和讲的也对应上了。对嗯
+
+🟡 说话人4 [01:04:02]
+是照我的想法，我用我用的 free 加上一个 brain storm 更好用。
+
+🟠 说话人5 [01:04:07]
+顶多再加上浏览器其实前面我凯波儿也有一些争论，我觉得建这个技能库应该包括两个部分，一个是设计图纸，设计可能是需要用我们公司的一些针对不同项目的设计方案。
+
+🟣 说话人2 [01:04:35]
+然后去转化。比如说我们要做一个我们具体的什么技术分析软件儿。
+
+🟠 说话人5 [01:04:43]
+嗯可能以前我做了一个店务的，我现在做个基础的，但是我把以前我店务的这个行业的这个分析软件儿的这些架构啊什么的，我通过什么方式，我们会固定，这是企业的资产转化成一种。
+
+🟣 说话人2 [01:04:55]
+还有一种这叫设计图纸，还有一种叫施工流程。
+
+🟠 说话人5 [01:05:01]
+恩觉得什么呢?就是他是去
+
+🟣 说话人2 [01:05:05]
+知道你怎么干的，而不是知道你干什么嗯嗯嗯对吧?知道你怎么干的比方说第一步干啥，第二步干啥嗯啊，然后怎么拆需求啊，然后这个测试是怎么搞，这部分呢，网上也有比较多的，这个东西我们可能没必要去专门发明它。可能就是网上找一些开源的，我们就采采而且现在说这个先说这基石那一块儿，我们了解到有个叫 open spec 就是基于这个，他们要基于这个规则编程或者基于这个spec 编程的这种，也有这种开源的东西。
+
+🟠 说话人5 [01:05:50]
+然后现在施工管理这一块儿呢?
+
+🟣 说话人2 [01:05:54]
+海波儿你上次那个叫什么?你参考的开源的我认为刚刚赵总咱俩说的没有什么，我觉得本身就是你说的那些像红线呀，其实它就是规则，规则或者包括我的 atp 管理这
+
+🟡 说话人4 [01:06:10]
+微信传 d 我可以做架构嘛，我把系统架构系统是干嘛的说说完，然后把一些开发规范，把我们公司的一些开发规范，比如状态规范什么我放到我规则里，这没问题然后像一些工程流程。我放在 skill ，这也没问题，我这样放 skill 我就能浮现我在其他系统里的一个施工流程，可能不是代码级别的，可能是一个验证级别的，或者一个什么级别，我们用 skill 就完成了。
+
+🟡 说话人4 [01:06:35]
+然后我用规则去框就是限制你范围，就是画红线嘛，我不让你改，我规则的目的就是把这个边界给你画清了，我希望通过你不要去越界我的边界。然后这两个东西我觉得就够了，然后至于 spag 我觉得spag 首先在执行方面，执行方面用吹了用 spag 或者后面我这边准备验证 spag spag kit 微软那个差不多了。
+
+🟡 说话人4 [01:07:01]
+然后 spag 它本身产生了那些东西，其实就是刚才说的一些规则，包括一些本地里面可能附带的一些东西对 spag kit 本身也没有黑科技，都是我们通过这个提示词。
+
+🟢 说话人1 [01:07:13]
+通过这个 spag 来组合，那真真真正的要落地了要本地化，可能我们叫什么宪法宪章我们就是一个红线，就是这个也是适配，就是可以吸取经验，不过看多了之后大家都差不多，就是你还是吸取经验为主。
+
+🟣 说话人2 [01:07:28]
+基本上就是说这个意思，就是一部分我们觉得是公约，就是用来限制大家的，还有一部分我们认为是服务，就是给大家构建一些通用的流程的，是不是就这两个方面就可以了?
+
+🟢 说话人1 [01:07:41]
+嗯，我理解就还，有点像我们这个数字资产嘛，一个是这个知识库的一个资产，我们把这个新来的需求也能按我们想法预期的去拆。另一个就是我们这个 skill 技能资产，就相当于我们以前靠口口相传，或者靠人人人人这一交给的把它这个标准化流程化了，其实变成一个工作流了，我们现在这块儿 skill 更多的像一个工作流，把它约束好。
+
+🟠 说话人5 [01:08:09]
+嗯对嗯对。
+
+🟣 说话人2 [01:08:11]
+像您说的这个其实另外就有一个知识库的资产是吧?相当于我们现在搞的是技能库资产，但是我们现在列的这个技能库资产里面，其实也包括规则和工作流。工作流我们就说用下半部分的这种技能去做规则呢，其实原来我们想就是做一些红线的规则，比如我们把企业的一些编码规范是吧?包括一些设计规范，然后甚至一些软件设计框架，我们通过这个规则方式约束起来。
+
+🟢 说话人1 [01:08:43]
+嗯啊，然后你们知识库里面是不是就是具体的项目了?
+
+🟣 说话人2 [01:08:47]
+哪一类项目是什么样的，怎么样做法?
+
+🟢 说话人1 [01:08:50]
+对，这个也看我们这个比如打开新项目，开新坑的频率有多少，比如已有项目的话，就是彼此项目之间完全是隔离的，这个这个知识库来说可能意义不是特别大。但如果说我在这个公司在这个 a 对 a 用户这儿要做一个东西，b 用户这儿是相似的，这些东西可能是共享的。我们现在在实践的时候，现在把所有项目都放一个仓库里，放一个大仓库里，大仓库这样是方便这个前端后端移动端后端这个服务器这些运维，他们都在一起。
+
+🟡 说话人4 [01:09:20]
+嗯一个项目放一个大仓库，还是说应该不是所有吧?
+
+🟢 说话人1 [01:09:25]
+我我一一个大产品线也就是这样减少它跨，对对对，ai还是把 a ai不怕累，只要是放在一起，它都能识别好，这算是其中一个方向。
+
+🟡 说话人4 [01:09:39]
+这样比较方便。
+
+🟢 说话人1 [01:09:40]
+嗯那对应到这儿可能就你们可能有可能比如说这个产品设计文档呀，就是文档类的可能就聚合在一起，这样说后面找的时候可能也会统一去找我当时思路是我把这些尽可能把共性给抽出来。
+
+🟡 说话人4 [01:09:55]
+然后你真的到某个项目解决业务级别的东西，可能还是需要他这个对应的项目经理或者相关的一些组长和负责人去细化，我唯一能给他提供的就像 wiki 我我可能在看这个 wiki 如果大家每次生成方式不一样。效果不一样的话，我能不能把这些 wiki 的生成方式给它做一个计划把这些东西给他做一个，或者是给他做一个知识库，提供一些学习资料，提供工具，其实我刚才说这个知识库其实作用不是特别大。
+
+🟢 说话人1 [01:10:26]
+就因为已经有相对本就分不开的公司，而且我们内部还有一个相对隔离的公司与公司之间，我们现在知识库我的理解是以基础文档的方式存在的。那知识库的作用咱还是以后找代码或找需求时能找到，应该他这个什么企业知识库这种这种形式来交付以后可能就是 skill 去帮你，就是可能就是做一套 skill 它去帮你去相关就跟常态是七 m c d 一样对对就是这个思路。
+
+🟢 说话人1 [01:11:01]
+就是我们你要是放一堆图片儿一堆这个 word 它可能不容易被索引，那我们就有这个假定的这个知识库概念，可能就是我们把这关键词或把这文字先放这儿，后面他找的时候好找。大概说的是这个文件夹里的这个文件，具体文件有什么，我们再用 skill 再去读这个 word 呀或者是视图这些东西。
+
+🟣 说话人2 [01:11:20]
+这个知识库是放在那个企业知识库它的目录下
+
+🟡 说话人4 [01:11:28]
+其实没必要，它本身就相当于一般测试用的对对这个我觉得有一个地方能让 ai 搜到，或者我们有一个方式能让 ai 就是 ai 如果需要扩充它的内容的话，它可以去找这个地方。第一，为什么在我这儿没有提，因为我这儿是个网络隔离的情况，我的知识库没法创造一个副本，比如说我 ai 测我无法直接越过这一块，可能要么他在自己电脑上自己去做一个 skill 去关联或者单我单独在自己的服务器上。
+
+🟣 说话人2 [01:11:55]
+单独做一个库因为我们的知识库它肯定有些设定我们不敢放到云端，如果你想让 ai 去读，它就必须或者你三种就是专门走专线的，但是咱这两个一般都是不允许不允许啊。
+
+🟢 说话人1 [01:12:08]
+好的好的
+
+🟣 说话人2 [01:12:18]
+对，杨老师帮我看一下，就是按照这个思路的话，我们现在列的这些技能规则，合适不合适?是不是挺重要优先的?或者有没有别的补充的?
+
+🟢 说话人1 [01:12:31]
+嗯，我看这不也提到了这个技能的验证和这个想量化嘛，就使用频率，包括你我看到你那个 book 里面去执行的脚本儿，那个思路就是对的，就我们去调用的时候留痕嘛。
+
+🟣 说话人2 [01:12:43]
+就是在验证那个，主要这个东西错了，它就是颗粒度还是不够。
+
+🟢 说话人1 [01:12:49]
+啊对，这这这这也算是个大活儿嘛，但这种思路是对的，就是我们去还是去量化有多少人用，用起来效果怎么样。
+
+🟣 说话人2 [01:13:23]
+我们一般会把这个不同技术栈的这种，你像什么重构规范呀，编码规范呀都会把它做成一个实践区的要重构的话，你们是单开仓库俩仓库也行，其实都到都 ok 我说应该是单开对单开单开。
+
+🟢 说话人1 [01:13:37]
+然后放在一起，放在相同的那个相似目录，这样的话因为重构还是要保持原来的功能我们重构思路就是我觉得重构思路就是我先把老代码儿理解成直接文档放在这里。
+
+🟡 说话人4 [01:13:49]
+然后再去就不要去直接翻，前一段是直接翻的啊因为你这个项目太复杂了，你直接翻会关 short 这种方式，基本上是除我我觉得除非 cloud 那个它最新出那个东西。它很难实现你这个第一行616 612就是红线，第二行就是辅导大家更科学的去做重构是吧就这些东西基本上大家都要用，然后这些东西基于每一个语言辅导大家就合理的去做重构是吧不是。
+
+🟡 说话人4 [01:14:20]
+他说都是规则，就是我直接就放 rules 里面，然后这些东西对他们来说就是他们每次都会带到上下文里，然后只是后面技能的话是在和 ai 交流中，它可以主动或者说让 ai 自动判断就触发了规则这一块。儿就是我其实你可以理解为我影响生成和检测加访费用高价值技能，这个主要是文档类的是吧?嗯，对，包括常用的技能就是你不管是开发呀，包括像他们现在废弃这些的，其实我觉得那个我现在反正对 ai 上有我觉得生活中也会用的，然后你不管是在开发，在生活中都会用到你的一些技能。
+
+🟡 说话人4 [01:15:06]
+这是最通用的，但是哪个场景都能用，我先把这场景用处最高的先把它列出来。
+
+🟣 说话人2 [01:15:11]
+技能第二批是干啥?就是辅助一些方案设计啊，方案架构设计的这种设计是吧对这个技能到时候验证比会大一点，因为我们需要验证一个这个和是干啥的是一个套件儿，就跟你 openstack 一样对这个东西其实可以弱化它。
+
+🟢 说话人1 [01:15:27]
+咱咱也不会把它直接拿过来用，肯定还是要改造一下，比如我现在用对的本身它的 spec 和我用这个哪个效果更好?
+
+🟡 说话人4 [01:15:37]
+我肯定是尽可能让大家用一个比较好的，在现有条件下用一个相对好一点的，让他能够更容易完成的东西嗯你像我说的用 m d 文档和我们的技术标准技术文件之间转化的这种。
+
+🟣 说话人2 [01:15:52]
+虽然是在我们那一般比较新的有通用技能，放到后面通用技能。
+
+🟡 说话人4 [01:16:02]
+然后这个就偏业务偏框架化，就是对于 java 的框架化的东西
+
+🟣 说话人2 [01:16:09]
+也看到麻辣大爪儿这一块整体思路是有一般是用其他办法去开源的比较好的，因为他们也会更新，然后可能有一些没有暂时没有的话就先自己开发，包括最终可能我现在列了这么多。
+
+🟡 说话人4 [01:16:26]
+可能最终会多或少，可能会比多一点，可能会少点，因为最终验证可能有的我觉得不够，有的我觉得不用我们预期什么效果?
+
+🟣 说话人2 [01:16:37]
+就这东西我们的可能更多的我们也是开源拿过来改一改什么的，觉得大家使用了，然后验证完了我们一直存效嘛，就是会不会有些人来可能各有各的喜欢，是吧我觉得其实这个东西不管怎么做。
+
+🟡 说话人4 [01:16:52]
+一一就是统一规范嘛，就是统一尽可能让大家用 ai 的情况，输出了不管是规则还是什么，尽可能让大家的东西是统一规范的，然后有些还是要强制性要求的，比方说你红线的东西，这是强制性要求的，是吧?
+
+🟣 说话人2 [01:17:05]
+就不是说你自己去网上你各自用各自的，有些东西是我强制性要求的，有些是推荐的对，然后还有一个好处就是拉齐嘛，我是给你拉到一个很高了，我本身我自己用的不好。
+
+🟡 说话人4 [01:17:18]
+而我们其实本身都是在探索，然后尽可能让大家拉一个中能，或者你至少下一个新人来了，或者他没用过 ai 的简单几天的一个讲解，或者我就比如李阳吧，我站他旁边给他讲讲。他第二天就能用，能凑合写嗯嗯嗯那上边儿这个表儿和下边儿这个表儿九三零的那个我推广一下上面是不是写的是思路啊?
+
+🟣 说话人2 [01:17:57]
+就是具体干什么就是底下怎么干上面怎么干啊上面只写的是思路然后下面是根据是里程碑一样的啊，对对，大里程碑大思路，具体干货就底下有然后后面会有一个表是专门儿详细的我是感觉这玩意儿太多了。就是现在市面上太多了对市面上就是属于选择困难症，并不是没有是吧?
+
+🟡 说话人4 [01:18:18]
+嗯选择还有组合，就是东西就是有时候对于不同人群的判断，就比如bring stop 那个 bring 和那个 grave 其实在有些场合你用一个也凑合能用，但是两个组合用可能更可以这个多了之后很多人不一定习惯用，对，就是很但是没问题，就是基线的就标准的。
+
+🟢 说话人1 [01:18:44]
+甚至他他拉下来代码儿就是原本就有，他就不可能删掉，这个是没问题嗯你像技能这一块儿是我我的想法是，我也不能给我也不能给你太多，但是我至少你要是需要的话。
+
+🟡 说话人4 [01:18:57]
+这些东西我得有是这个意思，就是如果我没有，你需要我给你弄，我给你提供出来，可能你用不上，但是你要真的在日常开发高频开发的话，你需要的话你就去找你这个 git 指的什么?
+
+🟣 说话人2 [01:19:14]
+就是那个代码合并那个红线后面他在提交时，你像咱现在 git 这么说，咱其实 git 可能很多人连怎么使用都不会，有人还用 svn 还有人包括提交我有没有分支。
+
+🟡 说话人4 [01:19:29]
+我提交我那个 commit 的什么样的格式，那你这个东西其实就包括昨天薛老师提的怎么判断哪些可能是我们之前都是随便注释的，那我如果以后注释都规范我可以认为至少我记得在 commit 这一层。我们是有 ai 介入的啊，我们现在也有这相关的 hook 呀，lint 这些规则对，包括就刚刚咱说的我在 hook 的时候，或者在能跳能跳的时候，我一是要靠这个 hook 然后二是要靠 commit 前那个 hookcommit 前 hook 是干嘛。
+
+🟡 说话人4 [01:20:02]
+是主要对那个我记得上面的一些 log 然后配合这个代码里面的一些内容进行一个分析，是不是 ai ，我可以在这一层我还是能我因为我还没有到那个初始侧我在咱们的错误其实是可以让 ai 介入的是是。
+
+🟢 说话人1 [01:20:17]
+像我们内部是怎么统计这个 ai 就我们代码是 ai 生成的，是有什么标签吗?
+
+🟣 说话人2 [01:20:25]
+还是有什么软件还是手工还是咱关心这个指标不关心我给不了计划，我们是给出来了你用人工是不可能完成的任务，就成靠 ai 就是基本上成靠 ai 了我们百分之两百的 ai 就是写代码用 ai 改代码也是用 ai。那我们是不是到一定程度可能也就不存在这个接受力度问题了，其实大可能将来趋势是这样的，但我不敢保证，我没法去保证，因为有的人但这个东西是已经比较激进了。
+
+🟢 说话人1 [01:20:58]
+就是在全球上可能都算比较激进的这种就很少比如三四个人，很快我们就因为他的人都是筛选过的嘛对我我们旁边就有一家公司，威客网，他们搞那个教育 ai 的。
+
+🟣 说话人2 [01:21:14]
+他们就是接入这种火山的 api 接口，云上他们给高校做那种课程说一些短剧或者是对对对对对对对教育他是有一个国外回来的留学生。然后领着他那个团队，我们去跟他交流了，他说基本上就是用国外的，他基本上是说代码就没啥价值，就是全是就是说百分之二百都是对对现在的人一看主要是咱公司不一样。
+
+🟢 说话人1 [01:21:43]
+就是就是这个我们人也是人也少啊，就我们人少，他用的少的话，这个坚持不不变的，我们就就把它换掉了你现在基本上就不咋写代码了我和司马在聊，我们今年没有写过代码儿。就看代码儿就看看就好，对现在你看那个扣的 s 知道那它它那个中间过程，它最后结束都给你收起来，它不让你看中间过程，你看结论就好了。
+
+🟣 说话人2 [01:22:04]
+现在就是勾了对，我们现在就是同时开四五个那个 session 就是中间也别管它，它转完它哪里亮哪里亮了点哪里。那你们审查呢?就是你你你 pr 或者对，这就是点嘛，还是回到驾驭工程，就是你代码写完，你得你得这个评估好，所以我们刚这部分没提，我没分享，就是就是和你一样。
+
+🟢 说话人1 [01:22:23]
+我们在那个 push 之前。在 commit 之前会有一个 prereview 就是在那里儿会 review 一层，然后丢上去之后，在 github 或者 gitlab action 里面儿再去引这个 i 这个 c i i 再去这个 review 一下。你扣的 s 本身就有个 review 功能，或者你写一个在网上找一个 skill 相当于在云端 linux 里去跑一个扣的 s 然后它那个也能跑，然后这样说我们就变成了我我我在其他场合分享就是嗯我们叫 look 嘛。
+
+🟢 说话人1 [01:22:51]
+现在和老外那个 look 有点相似，就是我们需求进来之后定位问题和这个写代码其实都是自动的，那我们这个现在就是全自动 ai 提推上去之后，等那个反馈，有问题我们再自动修。修完之后再推上去，直到全绿了为止，就合进去。
+
+🟡 说话人4 [01:23:08]
+我看他们现在还有用那种方式对，就医术的话，其实就相当于文档嘛，就是唯一的标记，就大家不要去东奔西走了，用户的反馈也好，我们自己发现问题也好，都往那里放。
+
+🟢 说话人1 [01:23:19]
+然后我们去捡，捡完之后都是有关联的。
+
+🟡 说话人4 [01:23:22]
+诶，那我是能这么理解，就是我们六月份那两个网是断的嗯啊我们那两个网是断的，而且我们里面是没网的。就是 git 测你能理解为你顶多我顶多给你配个32的模型，这是最多了也可以，32B 其实就够了对就是顶多，但是就是想我只能说我到这儿断了一下，我无法做到他就是给我一秀拉过来之类的。一秀我获取不了，可能我能获取一些 log 这些东西就可以，但是我无法获取到他的代码啊你说推推推 git 时对咱哈尼思我为什么一直没有说完全因为咱本身的这一套流程还不足以支撑整套哈尼思的一个东西。
+
+🟡 说话人4 [01:23:54]
+我只能在你这会比如我写了代码，我 commit 这 push 了之后，然后呢?现在是吧，现在如果就包括刚刚咱说的 commit 我还必须限制你，因为 commit 对于我不是呀，我们不是通过 vpn 解决这个外网问题吗?我们往放银行推的时候我的电脑现在是要连要么能护士上去，护士的时候是不能连互联网的连内网对，你护士时候你是无法连互联网，等于说你这个时候至少我外面的 ai 是进不来的嗯。
+
+🟢 说话人1 [01:24:24]
+那你们买个显卡或买个好机器运行小尺寸在这个现在有对对对打算后面是这样，但是就是可能他没有反向到我们做什么我也没问题，你们这个很流畅，这个很自动化的效果达不到你们没招儿包括康密的他现在还有一个。
+
+🟡 说话人4 [01:24:42]
+因为有的人就是对于有的开发你们有说什么我在外网写代码，然后切到内网去提交这个过程吗?有我们现在就是这样整现在就是一台电脑允许外网开发啊就一台电脑，我就来回切 wifi 是吧?对来回切我之前写了，我们之前支持过一个项目，就是他那外网内网来回切，就是我后来写了个脚本嘛，就是全自动化的来完成，其实你内网的数据也可以内网拉下来之后切外网。
+
+🟢 说话人1 [01:25:14]
+然后再把 review 的过程拉回来嘛，这个过程也是自动的对，但是就是可能有一项一休他好像必须，我记得是当时是有 api 其实是远程拉一休了嗯，都有这部分你用 gitlab 也好，github 也好，都有 api。
+
+🟡 说话人4 [01:25:27]
+等于说我先写个脚本，先去拉到一休再拉到本地，然后从本地去分发它对，哎主要是咱也对，这样说就是有可能开着开着这个断网了，因为他正在换 wifi 但这但也可以在一台机上完成也是一台。但是它需要就大家公共机器放那儿不管相对就是现在这个项目我要干的事儿很多可能那个事儿我需要就是在有限的时间内把这个事儿先大主效率追上去。
+
+🟡 说话人4 [01:26:00]
+然后我们再慢慢去做一些，当然这个东西也不是一蹴而就，我说假定有一个一般的电脑，它专门就放在这儿，专门是定期的拉内网拉拉外网推，一小时我都不需要那个。不需要公网，不需要踏板，我们是直接插一张卡就能连，但是插这张卡连的时候我必须断本地的这个互联网啊等于说我可以完全插着卡说我去进行就像我可以尝试用脚本切换然后先执行去拉那个。
+
+🟡 说话人4 [01:26:29]
+然后再拉完之后，他在广告，然后再弄哦哦，这个确实是啊，确实是但是这个咱思路是相通的，对对咱思路是相通的思路是对的，到时候儿可能要验证的东西，它也很多，首先我这个东西支不支持这样干。然后我拉过来我判断它什么时候，我判断我也是需要约束的，我们每天晚上也会跑一些脚本儿，跑一些验证啊，就是各种防范吧，这种思路，比如每天晚上一早之后推一下昨天这个东西也是 ok 其实还是怕排除很离谱的错误。
+
+🟢 说话人1 [01:27:03]
+那可能精细化这个个别的有待商榷，这个无所谓，就是开始识别离谱的错误包括我们的系统在使用上还没有达到一个对齐就是可能就刚刚我说的 commit 是吧?
+
+🟡 说话人4 [01:27:15]
+可能像对于我们哦你要这么一说，commit 了我加一个不可见字符也行，人人人人打是打不出来的都无所谓嘛，反正只要关键是有的人，人家可能压根儿不通过 ai 审直接还是 idea 里自己审。因为他认为他这样放心了大部分都不通过对，所以这是一个要就我刚才的规范，为啥我也没有强制要求，我希望他通过团队，可能将来也希望公司能约束着因为 commit 这个东西我可以和互联网没有任何关系。
+
+🟡 说话人4 [01:27:45]
+我无非是我自己手手写注释的问题，包括我自己审核的问题。那有人其实大家审核是为了放心嘛，他可能就是他有的人操作习惯可能我查查代码，我再 commit 再啊那这个时候其实你你反而如果他都是通过给我写个 sql 我写个规则。 ai 介入的话，那我是可以考虑的，如果 ai 手动我 ai 是接受不了的，通过制度规范去慢慢的
+
+🟡 说话人4 [01:28:12]
+去约束到某一侧，什么这样嗯嗯你这个审查我理解不应该是在合并之前吗?
+
+🟣 说话人2 [01:28:20]
+是吧?你这有个审查那审查的多了，合并之前会审记得后面有个审查吗?这个审查是指的是没有网是吧?这个我们是做一个他是我要这个规则，我们这个规则使用还是在接外网时使用，不是初始时候使用你你这个肯定是在接外网时使用，因为这必须有 ai 接入
+
+🟡 说话人4 [01:28:42]
+但刚才我们谈的是 commit 这个操作，它既可以在内网时 commit 也可以在外网时 commit 但关键是如果它在内网时 commit 或者它手动 commit 你是人。你 ai 是接受不了也可以其实内外网可以接受，内网接受不了，外网可以通过骗 git hook 然后外盗 cli 形式，我硬是让 ai 去做它啊对你要是决心要是比如说通过我们通用的 skill 通用这个方式来统一完成。
+
+🟢 说话人1 [01:29:09]
+这个东西就好处理，就看有没有必要做但是还要考虑一个问题，万一这个人来偷偷会用完，然后这个 skill 还是好的就限制很多
+
+🟣 说话人2 [01:29:21]
+现在大部分先通过税户口现在都是人工处理对先通过税户口没有人现在这个阶段我估计今年没有人放心直接用所所以你在能效上我只能说通过吹户口我去统统计一些 agent 烂 remove 烂它统计不到具。
+
+🟡 说话人4 [01:29:40]
+体的某一个字儿我只能统计你比如我这次操作这个工具操作删除可以了可以了，就这已经可以了啊对对不用那么细啊
+
+🟣 说话人2 [01:29:55]
+ai 行为是什么意思??这个你写这个 ai 行为审查后面这个对，审查后面这个红线 git 审查 ai 行为就是那个对那个 git 审查可以再补充点儿字儿，容易塞不下嗯之前这个规则我本来以为全群可以用的。
+
+🟡 说话人4 [01:30:23]
+其实就是这儿写的，类似于这种两司啊我们也叫法司劫匪是站在想你你那个需求看你汇报了有十几个，但是我感觉比如说像那个需求设计规范，这些你要写一个成熟的话，到时候它里面东西不会很多。
+
+🔵 说话人3 [01:30:55]
+我在想你要不要就是外包再包一层 agent 然后 agent 基础 agent 然后里面的需求再拆分出来，比如说面向 c 端的需求是或者就是我变一下不同行业的需求，加一些东西，然后再去做另一个您说是把它一个对因为是那个我上个厕所因为昨天看这个对他反正看了以后这个尺寸就可以看到内容已经很多了。但是这只是一个代码审查，如果你要看这个，主要是官方给的尺寸，它很多是各种文本，然后有一些代码
+
+🟡 说话人4 [01:31:43]
+所以说你如果把一个非常能反应的东西都封装到里面，你每天在携带的时候，我感觉到时候会爆炸，所以你不如弄一个非定量的一个东西，然后你再去分这个再通过因为我其实当时也是有一些东西在纠。结，就比如我这个是给我分析还是不分析，或者说也是非得让他去转成代码是分析的话，我认为是比如我是产品或者方案设计，他能直接就通过某个名字，他就直接我他意思我我我就直接叫这个。
+
+🟡 说话人4 [01:32:34]
+但如果也是在纠结，比如我用一个通用的，比如某个设计，然后它既能覆盖产品，又能覆盖方案设计，性能方案就是架构设计产品它都能覆盖，但是这个会不会让某个使用人痛苦?我就担心这个问题。对他不知道怎么触发的一个是触发频率，其实人不知道的时候，ai大概率不知道，他只是根据这个元素去匹配关键字对所以一个是关键字精准度，就是业务更多就是你关键字精准度。
+
+🔵 说话人3 [01:33:09]
+但是别的性能可以就是模糊一些，就是一个需求，什么需求都是，这边需求也好，别的需求也好，什么需求嗯，那其实我可不可以理解我把这几个技能最终打包到一个组智能体里面让它去判断去调用。
+
+🟡 说话人4 [01:33:27]
+但是我技能打不到原技能里我还是不就是技能里我但是不管怎么你要那就是技能会变大是想在多个技能再包一下是吗?如果包一下我就怕这个技能职责不单一了，其实就是我应不应该单一的问题就是你技能职责应该是单一的，然后你外边儿的 agent 可以去了这风格的。
+
+🔵 说话人3 [01:34:02]
+就像我们就比如说你用豆包也好用其他的也好，它会写你是一个写作助手，是一个写作助手，但是这个写作助手里面有写公文的使用，有写申请文的使用，有写作文的使用。
+
+🟡 说话人4 [01:34:21]
+哦，我明白。
+
+🟡 说话人4 [01:34:26]
+可以做比如做一个产品产品经理的智能体，或者系统架构师的智能体，包括可能测试的这样的，他们可能里面他有一些技能，包括他有一些自己的一些思路和
+
+🟢 说话人1 [01:34:44]
+哦对，再分个层。
+
+🟡 说话人4 [01:34:47]
+嗯但是那你在整体加点儿，对里面估计还是有问题。
+
+🔵 说话人3 [01:34:55]
+嗯，而且。
+
+🟡 说话人4 [01:34:58]
+上对，对他来说，上手其实也没那么多难度，尤其是你让他选一下，选一下你可以自己把那个相关的东西都 ok。行，都看报。
+
+🟡 说话人4 [01:35:23]
+这个东西就是后面做，不要列也行，没事反正我们后面做的过程中可以再交流吧，反正我们培训可能也有这方面内容这是之前对这是之前这个就直接跳过去直接把那个看你要清单就没必要要这个对这是。
+
+🟣 说话人2 [01:35:43]
+刚才说的这个也想聊一下，就是原来我们想搞几个试点项目，我们重点跟踪一下也就是你看上面股份信息，现在是我们三个实体公司，人家我们自己项目，我们可以自己去掌控就是我们想跟踪一下，就是大家比方说对 ai 工具的使用日志啊，包括使用效能啊。就是想做出示范，比方到年底了，我们总结了这仨项目，我们觉得就是一总结，然后输出三个 ai 项目试点的一个总结报告。
+
+🟠 说话人5 [01:36:25]
+嗯就这个我们怎么去做?
+
+🟣 说话人2 [01:36:28]
+我说结合我的经验，因为我们现在做的可能就是这个，过段时间找他聊聊是吧?这个有什么问题没有啊?或者就这个效能的跟踪统计，还有比方说推进它用的更好，更产生效果，有没有什么这方面有没有什么建议?
+
+🟣 说话人2 [01:36:54]
+就杨阳列了几个阶段，你看他从设计阶段，他引引入这种 ai 工具去做一些设计文档，编码儿阶段，那就是实验做一些编码儿，然后能跟踪他们一些 debug 的一个情况。还是说就这种我们做这种工作只是跟踪一下他们的使用情况就行了，这个其实没有想太清晰我当时缺乏一个就是我们判断不了他是否提快了，主要是这个对。说白了还是一种效能统计通过我们这种快频次的效能统计，比如我们公司我们半个月看一下他这个项目，用咋样，然后去然后反复返回，通过一些考核，通过一些手段。
+
+🟣 说话人2 [01:37:49]
+哎压着他去把他这个东西用好
+
+🟣 说话人2 [01:37:56]
+不可能咱们有这个压力，因为你现在这个编程都已经全是这个，我们这儿现在还处于一种，这个因为作为一个宣传和试点是没问题的对代码注释率上倒可以认为我可以认为一些代码都是编码。
+
+🟡 说话人4 [01:38:17]
+的有什么大小写啊，驼峰啊这样，包括注释啊这些是可以认为是质量上的一个提升，包括测试的一个完成度你们测试有什么测试报告之类的吗?
+
+🟢 说话人1 [01:38:33]
+测试报告，bug 情况啊这些指标儿啊，您说的可能就是代码质量方面啊对现在就是我们这个生态不完整，甚至好多软件他们就没测试啊也就是你像在信息，我原来在信息公司待着。
+
+🟣 说话人2 [01:38:51]
+他客户天天一个飞机软件干了好多年，天天提需求，客户也今天改了这，明天加了那，还有什么项点和逻辑项点，现在搞了几百个，也天天改，改完后也在公司一改，改完然后自己一确认没问题。往线上发，就这种状态，就是它不是一个完整的软件生产，就属于那种超敏捷的那种方式。但是我现在了解他们确实也在用这个 ai 那我们又想跟踪他这个效能，要么最笨的法儿就是我们天天去问别人啊，是哎，又咋了，然后生成多少代码儿也很累其实可以分析记录，你可以在记录提交时就都记着他干是吧?记得提交是能分析
+
+🟡 说话人4 [01:39:40]
+出来一定的，因为他比如上次改完之后，下次改他一般可能就是给改某个 bug 你可以看这个 bug 出现率，在这一段儿你看它这个以后这段儿的提交 bug 在整个提交里面所占就修复 bug 的一个过程啊从这个阶段上看。
+
+🟣 说话人2 [01:39:57]
+它会有备注也是吧?这次改了啥或者因为啥改了啥代码儿，其实前面还有考核正规点的话，他们还会看一个比如 fake 这种 bug ，你去根据那个前缀去抓的话，就可能很有效的比如这一段儿这个项目出现的 bug 率和往年这个项目出现的 bug 频率在提交比如我提交了一百次。
+
+🟡 说话人4 [01:40:18]
+然后以前是可能有百分之五十都是在修 bug 嘛，然后今年提交发现一百次只有百分之二十，那你就这个或者整体质量提升百分之三十吧就是徐老师和金老师这边儿。
+
+🟣 说话人2 [01:40:31]
+你们现在在公司已经不面临这种公司去推 ai 编程这种压力了，或者要求了是吧?就是默认大家都已经开始用了，没有这种研究指标儿是吧?
+
+🟢 说话人1 [01:40:45]
+smart 打了看看吧。
+
+🟣 说话人2 [01:40:47]
+啊。
+
+🟣 说话人2 [01:40:51]
+哎，徐老师你能听到吗?
+
+🔵 说话人3 [01:40:53]
+嗯，可以。
+
+🟣 说话人2 [01:40:54]
+就是您现在在工作中还面临着公司对 ai 编程的这种使用的这种要求的压力吗?
+
+🔵 说话人3 [01:41:04]
+不会，基本不会不会是吧?嗯过了那个阶段了是吗?
+
+🟣 说话人2 [01:41:11]
+嗯因为这个就是爱用的就他的移动用户说最喜欢的，他一定能成为他然后我们现在是这个阶段，其实按理说吧，老板就安排任务就行了，你的活儿反正你不用反正你就是手敲嗯你们会统计那个 token 额度就是消耗情况吗?
+
+🟢 说话人1 [01:41:48]
+头几名或后几名之类的也不会啊我们只会记人员，我们只会统计工人啊记人员就是默认你已经使用了，那么你的效率就提高了啊你过了这个阶段了那这样的话，我们再干一年。
+
+🔵 说话人3 [01:42:09]
+我们再干一年，我也不干这事儿了。因为大家都已经拉齐到一个高水平了，我开始就像我们吩咐的任务是你靠手销是无法完成的，就像我们现在的目的老板目的就是我要达到您现在这个状态。
+
+🟣 说话人2 [01:42:23]
+就分配的目分公司分配任务，你靠手销无法完成，但是你又能干成嗯对现在不敢这样分，怕万一分了真的人家完不成了，最后弄不好销销货嗯，现在我们这个至少今年，包括明年的很长一段时间。我们就处在这个阶段，就是过渡是那我们具体一点就是工具使用率这个是没有问题的，是很容易统计的，我们现在看这个平台上的税平台上的这种活跃啊什么的是也是比较明确的。
+
+🟣 说话人2 [01:42:59]
+但是现在有一个问题就是我们不知道他们去哪儿了，就是有些人可能一个月干七八个亿，我不知道他去哪儿了，他是编码了吗?还是写文档了?
+
+🟢 说话人1 [01:43:11]
+他七八个亿的话，他肯定是得用你 dbc 了吧，你能审你能审到吗?
+
+🟡 说话人4 [01:43:15]
+审不到，dbc 甚至连 api 哪个 api 用了多少量我都看不出来，哎你我分了十个 api 我就看不出来哪个 api 可以哎昨天我们讨论是讨论到哪儿了?
+
+🟢 说话人1 [01:43:24]
+我说我们公司内部接了个 new api 这个但是你能连 deepseek 呀他连 deepseek 是哦哦，你们不允许有这个中央服务是吗?
+
+🟡 说话人4 [01:43:36]
+不能有啊这这这也有个点，也是想咨询的，就是我们要不要搞个中转他你他他都连直连 deepseek 了，通过你连 deepseek 也合理呀就是中转服务器是要通过我们公司的名义去买一个中转服务器。我们公司不允许通过这个名义去买我们先在办公室，我一这台电脑就是 ip 然后你大家这个 openai 连我这个 ip 斜杠那个 openaiv 行嘛你要是都在一个办公室肯定没问题而且你还出差。
+
+🟢 说话人1 [01:44:12]
+这这些厂商是不可能把这个隐私给你公开的，所以就你要么只能自己建，就看怎么来建这个留底儿的，对就是没有这样的公司给你做中转，不然我就做转发是是但是我转发我还要考虑我这个服务器能否撑得起。
+
+🟡 说话人4 [01:44:26]
+么多那么高的并发量呀，包括带宽速度啊，不然我慢还好，偷啃还好，纯文字我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我我对。
+
+🔵 说话人3 [01:44:38]
+因为它纯透传那需要外网 ip 嘛，它要供网 ip 嘛，对就是如果是在这台电脑上，其实我不需要供网 ip 但是如果比如某个我在一楼，他在六楼，然后我们两个可能就需要这个时候就需要通过互联网才能连上网哦你们内部。没有 vpn 我们 vpn 就是一连上就不能连外网了，就是它就是一个不能一机双网的一个条件实际上能连那是 bug 你们现在有 bug 了，我觉得能连内部不稳定。
+
+🟡 说话人4 [01:45:10]
+我试过，我连了一次过了一会儿直接掉了，反正我用了几次都可以你来回切的话，它那个 tree 会加载不出来，有时候你换着换着会很麻烦网络直接断，他得自己电脑那是不是要找一个供应商。
+
+🟢 说话人1 [01:45:24]
+他们为企业级服务的背后是做了一个 deepseek 的代理，他中间可能赚合理利润，然后是你需要找这个是吧?因为你都已经连 deepseek 了，那就是公网了，那就是找一个合理的服务商，他有这个审他有监控平台对他有监控，他有留留底那这些代码儿就是我们一些技术秘密或者代码儿会不会也通过这个中转拿回去。
+
+🟡 说话人4 [01:45:48]
+他肯定能干到那，你因为都已经审计了，他肯定能拿到，甚至说啥都能拿到所有东西都肯定你们内部你请求到他那儿，他来请求 deepseek 然后你们内部肯定是没招儿了是吧?而且翠好像是这样，翠好像不知道我说对不对，我记得翠好像是其实我们本质上都访问翠然后翠去做了一个中转去访问然后翠是允许你去开一个比如你有个翠有这个接口儿对你有个单独的 ip 是可以允许挂上去。
+
+🟡 说话人4 [01:46:17]
+但是我们没有这样一个 ip啊就如果我们搞这个 ip 对你有什么用吗?就你可以去拦截一些你能通过判断比如他的一些代码去尝试猜一些他的项目其实这个东西它意义不大，就是它就是刚才说的，人家对齐的是需求的导入和你任务的完成度比如说我们现在一个人配100块钱的 deepseek。嗯他保证他每月完成，你不用管他中间过程，他你对齐这头对齐这头，中间它是一个黑盒，统计这个现在应该也没有公司去统计中间这个东西
+
+🟡 说话人4 [01:46:59]
+对，他本身已经统计过消耗量了，消耗量其实他是有统计，只是你知道你某个项目消耗了多少但是你想你你你你说的有道理啊，从投资人角度来说，就老板来说，老板到年底可能会问我花了三十万买了多少 token 这 token 都去哪儿了?
+
+🟣 说话人2 [01:47:17]
+是写文档了?写代码了?还是揣兜儿到哪家了?是吧?
+
+🟡 说话人4 [01:47:21]
+是通过这边是能统计到某某个人他的用量，不管是 gitc 的还是啊，我那天看了大致分配的，对，如果你想统计到某一个人他具体你用在哪，那么我可以中断服务，但是我中断服务我怎么去判断呢?我可能对他的请求进行一个分析，我关键打日志要么打关键字分析，要么通过 ai 去双重分析，这个也是需要费用的这是对花一毛钱干活儿，花三毛钱分析是这个意思，就是我肯定是需要东西代价去做这个事儿的其实我我更希。
+
+🟣 说话人2 [01:47:52]
+我更想要的可能比方说七个亿的 token ，项目 a b c 就是说分别用了多少，用到哪个项目的哪个模块儿，到这个程度就相当于把 token 和后端我们要的效果和项目关联起来了。
+
+🟡 说话人4 [01:48:07]
+那其实我们现在可以通过数据去分析一些东西比如他可能用在哪个领域，比如 c p p 那我就可以认为他在做 c c m d 可能他在写文档类工作但你没有实现端到端打通对你们但我们这合规至少。在目前来说是合规的按理说我觉得这个应该也是使用 a i 工具的大家对企业的强需求对他这个问题就是什么就是以前大公司说的这个人和企业之间的一个信任度。
+
+🟤 说话人6 [01:48:42]
+为什么不让人从工时报到按小时，然后装个监控监督你，我不要去管这个中间过程，要给员工自由啊使用这个东西也是一样嗯对这个这个是从人性角度去对就跟你最近钉钉报的那个是吧而且我说实话。
+
+🟡 说话人4 [01:49:00]
+你出中转出问题，咱的问题，如果咱现在出问题，税这边儿合同可以你说这点对了，咱这个数据要丢了之后，咱这这是得进去的问题了所以我觉得我可以找税所以我感觉最后下到实际还是找这几个负责人谈一谈。
+
+🔵 说话人3 [01:49:24]
+风险是怎么回事为什么会出现这种情况那个小伙伴，你加的图片越多，大家对你的看法就越高。
+
+🟠 说话人5 [01:49:36]
+你加了代理，他可能自己再给你代理一层，他再使用以后，再接着别的所以我觉得你还是就比如说你验收各个部门，重点验收的项目里，你无非就是容易考核他这个。
+
+🔵 说话人3 [01:50:04]
+他们加了 AI 这个转化服务，对，对大家会有什么区别到底有没有提供质量不行，如果看设定的话，可以提供的话，是吧?
+
+🟣 说话人2 [01:50:25]
+这个也可以，就是从他的周报，从他的工作，从他的任命，从任命，然后我们去快速核对，是吧?也也是可以的就是看他们项目组的功能，这就是您这边我完成什么，完成多少，做了什么，其实这本身就已经能看到就不用从中间去从点头儿去确认是吧?
+
+🔵 说话人3 [01:50:46]
+还有一个，就是因为我不知道你们项目的管理模式是什么模式啊?比如说你要是敏捷开发的话，你这边儿你的项目就是你的任务，包括你的故事板，你的故事任务这些都拆的已经很细了，那你是能具体追追踪到你这个任务，它需要几个资源，资源，方案，费用方案。
+
+🟣 说话人2 [01:51:14]
+嗯这个就得看你自己项目的一个管理机制。
+
+🔵 说话人3 [01:51:20]
+就如果说真的就是来一个大需求，然后大家都拿到需求就开始干，我就说人也开始，他们就也整体去考虑，然后你反正你尽量多弄点大家加班儿回来，你就不用来加班儿了。
+
+🟡 说话人4 [01:51:39]
+嗯所以说这已经就是现在你管理是吧?
+
+🔵 说话人3 [01:51:42]
+现在管理是把这种安排，包括你人员也是这样，小的简单的任务，他可能做的很大的任务，你这些你他得有个有了它的模式，然后你也规划了，它的交付率也是会有小问题。所以从源头到我们开始用 ai ，把这个项目给细化，项目颗粒都给细化，然后任务的任务给细化，在任务到底让我感觉到 ai。
+
+🟣 说话人2 [01:52:22]
+可以从我们的项目管理工具一些需求啊，或者是他的一些意思啊，或者是包括一些工时登记去分析，对照人对照项目尤其是这种你分散在地里的，然后你技术技术也会有工时记录，你这种做一个统一的中间产品。
+
+🔵 说话人3 [01:52:51]
+确实会比较难，还是根据不同的项目去观察他们的一个运行，比如公司比较成熟的交付项目，他们是一个什么样的项目管理方式，提供的敏捷，反馈沟通，还有最后的实现。
+
+🟣 说话人2 [01:53:16]
+这里面想想咨询就是 ai 代码查查率的计算方式，原来我们想的应该是通过提交这个仓库的 ai 代码总量作为分母，然后其中包含的 ai 生成代码作为分子。但是我们看 tree 里面它这个代码审查率它应该不是这么算，它没有和这个绑定嘛，然后它其实它算法我感觉好像是就这个 tree 它生成了多少代码，然后最后又有多少被删掉。
+
+🟣 说话人2 [01:53:55]
+有多少被接纳了。
+
+🟡 说话人4 [01:53:56]
+它有个保留哦对，所以说这个概念我们现在选哪个去做，就是 tree 现在统计这个指标这个值对我们有没有参考价值，我们能不能直接按照它那种方式，那种那种指标去衡量我们这个效果。
+
+🟣 说话人2 [01:54:15]
+但是我是觉得从这个记得上提交的这个可能是更干货的东西。或者说这两种统计方法上，它是不是也是线性的?就同比例增长。
+
+🟣 说话人2 [01:54:37]
+你说 tree 生成比方它生成一百行代码，然后最后被接纳三十个三十行。就他怎么知道他被接纳三人?是咋确认的?
+
+🟤 说话人6 [01:54:47]
+他不是说了嘛，你是要么是你手确认点击勾选的，要么你这行代这些代码是没有删除掉的，合并到你项目里去他咋知道合并到项目他有两种，一种叫做你每次说完他会有可以你自己去勾选保留或者放弃。
+
+🟡 说话人4 [01:55:02]
+就这个按钮你保留，他就会认为你接纳了，然后还有一种但是大部分你像我可能我就压根儿是懒得，有时候他改十个文件，对吧?我我才不去呢，我可能我就直接发一条信息，他就会默认为你那个上面都同意了没反对没反对他就全接纳了对，他这样子怪不得我们刚开始看都是百分之九十多百分之九十多那你最近统计的成百分之七了，你咋统计的?
+
+🟤 说话人6 [01:55:27]
+那个百分之九十多，他那个是前面写的 ai 生成的，那百分之七十把他的你通过他那个管理工具把数据给导出来他那个管理就是你看的这个界面上跟他导出来的数据有偏差，这个已经问过他们了，你们啥情况?
+
+🟣 说话人2 [01:55:45]
+到底哪个是准的?
+
+🟤 说话人6 [01:55:47]
+导出来的表格是准的，表格是准的他们这上面这个数据呢，就是也问过他们官方，以前我们也评估过，他在做的过程中也有一些 bug。
+
+🟣 说话人2 [01:55:56]
+啊，这也合理啊你们怎么和他交流?
+
+🟢 说话人1 [01:56:01]
+提供单或者支持群呗?
+
+🟣 说话人2 [01:56:02]
+支持群吗?我们好不容易让他拉了一个支持群回吗?回信息吗?
+
+🟤 说话人6 [01:56:07]
+回信回啊，可积极那行那行，能训能训的，毕竟是甲方付款没有，我们都没有甲方的感觉，他好像就就就最后弄了一个拉了一个群，因为我们数量不够，当时说好像得二百人。
+
+🟣 说话人2 [01:56:22]
+磨了好长时间，然后他这有个你看那个删了，那个百分之应该在后边儿，再往下没有，你删了啊，你这当前代码产单率百分之七点二
+
+🟤 说话人6 [01:56:40]
+上第一行那也太低了吧对，看过他那个表格，他这个就是说他会生成很多过程其实很正常不是，但咱们理解的不一样，他会生成很多过程代码，但是过程代码最终是合并到你项目中了然后他认为这些过程。代码也是他 ai 生成的哎那你说人家统计的还挺客观，这个跟我们要的也有点像嗯跟我我们要的是提交记录的是吧但是他的过程代码是输出还是说是 add 和 write 里面出来的代码如如果我按照他的要求。
+
+🟣 说话人2 [01:57:14]
+按照他这个标准去定，我到年底能干到百分之三十
+
+🟡 说话人4 [01:57:19]
+我这儿也有一部，最近发现也的确挺我我想说的是这它这个当前代码采纳率对咱们没有多少利益啊它生成一亿行，你就算只采纳百分之一，你这百分之一进到你 git 里可能占的那个比例就很大。
+
+🟤 说话人6 [01:57:34]
+因为你最终提交 git 代码仓库的代码量不会有多少我知道你意思，这个只是衡量它的工具对这个是衡量工具的高了，你的工具说明比较好对，包括咱这个你说 git 它只能衡量它生成的东西好不好。
+
+🟡 说话人4 [01:57:49]
+对对，这只能衡量工具对，但是可能我今年就提交了这一行，而且这一行就是 ai 生成的，那就是百百分百了
+
+🟣 说话人2 [01:58:00]
+所以说那要就不放，你放这儿就同一个说法，然后两种计算方式放这儿就容易产生歧义，你知道吧?
+
+🟤 说话人6 [01:58:07]
+对，这个就是 ai 生成的代码，我们采纳了和最终采纳的和我们提交的总的这是两个维度的东西。
+
+🟡 说话人4 [01:58:16]
+啊，这不一样对，这不一样对这这这不一样的两个概念我觉得如果那个 git 那块儿要能大的那块儿是对 git 那块儿的话就是嗯有个问题，就其实刚才也提到了。
+
+🟣 说话人2 [01:58:30]
+就是我们怎么去统计这个怎么打标签儿，哪些代码是一般是从我说我觉得你有没有想过一个最简单的假如你这个百分之七点二，比如说我们现在统计数据是四十万行这个数据是准的然后你 git 当月提交了多少行。
+
+🟤 说话人6 [01:58:53]
+我是能很快统计出来的，嗯这俩数据一除也行，简单粗暴因为这个是客观的，tr 统计的，那个是我客观的 git 统计的，不掺杂任何人的因素，也从这边儿进到那儿入。然后一除我这边能给你行数，行数我能给你拿到，但是我们得验证他这个七点二是否最终在我们项目当中真的是进去了，这个需要把一两个项目去试可以，但是我看一下我这边有你去编程了。
+
+🟣 说话人2 [01:59:33]
+那可能是你编码提交的一部分，然后别人又 coser 又 cc 玩儿了或者什么的那就没事儿了，那就说你们确实没招儿了，你们没招儿了，那我们就只能这个样子。
+
+🟤 说话人6 [01:59:48]
+那你还有说我们默认大家都用这种方式
+
+🟣 说话人2 [01:59:52]
+这是你搞了个网页我搞了一个自己的一个就是对他现在是在是你的代码质量就是评价 ai 代码质量这个其实就是说没啥意义，就生成了多少行，但是和你那个是可以比的这也是一种方法。就是 tree 它帮你统计了，它帮你统计了自己帮你统计那也行，你要是我这儿有这个原始数据我也可以给你挺好，你说这招儿挺好，就是省事儿，但是前提是准不准对。
+
+🟤 说话人6 [02:00:37]
+就是去验证这个验证这个它是应该准，因为它走接口，它走接口它能拦，它这对可以拦到，它可以拦到它也不知道它它准但是它不应该有百分之九十多了，一会儿百分之九十多。
+
+🟣 说话人2 [02:00:48]
+一会儿百分之七代码生成行数有这个参数，有这个数据，这个数据是准的，这个数据它拿到的还是比较准的当然也有可能是某一行一直改你看你可以把那个管理那个页面打开。
+
+🟤 说话人6 [02:01:06]
+再导出一个数据它的管理页面儿，你选那个数据分析，然后选一个日期。
+
+🟡 说话人4 [02:01:22]
+嗯嗯导等一下，它得等三分钟。嗯嗯它它以前是找直接下载，它是刚给你改的。我们的确这样看，给我们发邮件你看它这你看它那的，它就生成代码没有。
+
+🟤 说话人6 [02:01:41]
+采纳代码，一共就12行昨天我们生成是只有12行吗?
+
+🟡 说话人4 [02:01:49]
+感觉不是不止吧反正都是验证代码，你看他噼里啪啦都是验证操作演示这个二是什么意思啊?
+
+🟢 说话人1 [02:02:03]
+这个东西都不好说，所以这个数据十二感觉有点太少了，我感觉随便生成一个你看你看那个管理界面上，它显示的 ai 生成的行数是多少?
+
+🟤 说话人6 [02:02:16]
+你看上面 ai 生成率百分之八十七，你看这个 ai 代码生成量十四行十二行十二行十二行他有他的十二行十二行他这个十四是吧?
+
+🟡 说话人4 [02:02:30]
+啊啊哦，和后边儿的，那个是两行，这个是十二行哎，我我我我还有问题啊，就是如果用 clean 模式也是能统计进来的是吧?
+
+🟤 说话人6 [02:02:44]
+也是能统计进来的 clean 模式它上面儿你点那个 ai 生成代码那我看昨天群里有人问说他们用安卓开发，什么用 clean 啊什么的你申请了七万多代码我都是自己的你可以导出来看一下你的数据。从5月14号到6月12号我导个你你不他他默认的就是5月我因为这几天正好儿啊嗯这几天好统计的一百五十五六月5号6号但是
+
+🟣 说话人2 [02:03:29]
+那海峰儿你就不用验证了，如果说他这个数儿准的话，你就不用搞那 skill 啊，都费费半天劲是吧?是吧?我们只要确认好他这个数儿弄，能省事儿了行也行，他生成一万六，采纳三十五，这个东西我不知道他们内部是咋统计我说实话，我好像没有用 q 我觉得 q 有时候很迷反正我没有刻意去用 q 这个东西到时候你再给他提个工单。
+
+🟣 说话人2 [02:03:55]
+让他确认准不准
+
+🟤 说话人6 [02:04:00]
+行，回来回来这个维度好像不是很准我也改只要是那应该没有仔细但是我的想法就是我们如果自己写的那个能比它更准吗?
+
+🟡 说话人4 [02:04:13]
+那肯定不如我他那个接口儿是最准确的所以这个东西官方肯定只能信啊官方就算不准的话，我们找到不准不准的点，然后给他提供单促进他改进这个是可以。
+
+🟤 说话人6 [02:04:27]
+就比如说我上次跟他说我导的这个表格的这个数据，我单导出这个人的数据和我导出汇总数据不一致，然后他过了一周他把那个 bug 给改了，他现在导出方式都变了嗯可以没事。
+
+🟡 说话人4 [02:04:41]
+到时候多联系，对刚才才说的详细的规则，对这两样一个是规则，一个是技能，因为放不下，所以先放那儿不说了，这个技能技能想说一下，想咨询一个问题，金老师你们是不是也都是用的技能是吧?
+
+🟠 说话人5 [02:04:59]
+我现在有个问题，我也比较困惑，我我我原来代码儿都是在我们云内，大家都没放出来，我们现在搞了个技能，放到我们研发网，这是我们云外然后这个研发网呢，我们和官网还通过 vpn 连接了。
+
+🟣 说话人2 [02:05:20]
+然后呢，我让一些实体公司的项目都搬进来了，但是我们现在有个风险，就是做个大仓做个大仓，相当于我们把责任全担了我现在担心这个东西的安全能不能泄露。就是我们现在是把权限分了三个仓库，然后三个实体公司各自管各自的，然后这是就他们管这块儿有没有风险??比方他们组之间可以互相看代码儿删代码儿，或者三个仓库三个公司之间可以互相漏代码儿，这个是三个公司之间互相漏代码儿，这个是大家都很不爽，这还是内部的问题。
+
+🟣 说话人2 [02:06:01]
+还有就是现在大仓都在我这儿，都在张伟手上，我有这个权限，他可以把所有代码儿拆了，我我我我不知道，按理说就是大家都用这个计算，应该有这种，就通俗的通用管理手段。应该怎么去管这个事儿。就比方说你们公司代码儿，你们也是用计的，你们咋管这个权限啊?咋去控制这种风险?还是说代码儿真是就不值钱，不用管这个是比较困惑，我最近在想这个事儿怎么去，因为这个东西你不解决啊，大家就不放心，你知道吧?
+
+🟣 说话人2 [02:06:43]
+我现在是让大家把其他尽量都搬进来，当然我们这样摆的大多是敏感级别比较低的啊，我们敏感级别高的我们都在内网，都没有出来。
+
+🟢 说话人1 [02:07:00]
+这没什么好招儿，没什么好招儿，我也见过，因为你都 get 了，你这个什么连个这个回家电脑或者这个东西，这个传给他吧，什么传给他的意义啊，不小心设公开啊，怎么学习啊或者 ai 给你捣乱。不小心给你搞上去了，这个没招儿现在它是支持权限配置，你没有权限了，可能你是没有是没法去但是呢它没有黑科技，你看点 get 里面是有所有你的所有数据给您安个心。
+
+🟡 说话人4 [02:07:33]
+首先就刚才说至少外面的 ai 那么强的 ai 包括睡，它没法直接操作这个机器，因为它就算是用个 vpn 它还是我说的你要么用 vpn 要么用啊外边儿的 ai 现在连不到我们 ai 我就算我把我本地的这个仓玩儿坏了。我最多可能影响我这顶多就是你本地回滚打 tag 可以回，这个没问题的，然后组也有，就是各种有什么什么组，在组织里啊现在按群组都有这个这两个是应该是比较比较哦对
+
+🟣 说话人2 [02:08:09]
+难道现在大家就是互联网公司或者一些企业大家用 git 都是这种方式吗?都是直接在外网上暴露吗?
+
+🟢 说话人1 [02:08:26]
+斯巴拉你们是怎么搞的?你们一般都是内网在 git 仓库呗，gitlab 搞个社区版公开版啥的内网就在公司开发吗?
+
+🟣 说话人2 [02:08:36]
+就是出差咋办?哎能听到能听到嗯
+
+🔵 说话人3 [02:08:41]
+他刚才说的是什么?刚才声音不太好。
+
+🟣 说话人2 [02:08:48]
+啊，什么问题?
+
+🟡 说话人4 [02:08:49]
+那就是我们这边现在是有建了一个内网的 gitlab 然后我们可以通过一张 vpn 的卡，就还是刚刚我提到的那张卡，然后通过这种 vpn 方式，然后让我们的软件研发人员从这个我们的云里面荡下去，或者是 push 上来。然后现在是有几个大家比较在意的风险。那就可能我们有一个比较高的注册账号儿，然后大家可能认为这个人会不会把代码全下跑了。
+
+🟡 说话人4 [02:09:21]
+其实本质上大家都是对这个代码是否安代代码仓库是否安全，是否会泄露产生了这个困惑，主要问题在于这里。
+
+🟣 说话人2 [02:09:32]
+对了就是徐老师想咨询一下，一般咱们这种包括您那儿的公司怎么用，或者您了解一般用计算的这种接入外网的是怎么样一个管理方式?
+
+🔵 说话人3 [02:09:48]
+因为我们可能没有你们这么要求，因为我们的 vpn 是能异地刷网的，能连内网也能连外网，所有的配置也都在内网，然后比方说泄露风险的话，肯定有，但是我们也有网墙这些的。还有一个就是我个人认为这个权限控制会相对来说比 svn 更安全，然后有用的账号的话，一般人不是所有人都有用的账号呀，可能也就是让赵总或几个负责的核心同事，他们会有 root 账号，一般人都会只有自己的账号。
+
+🟡 说话人4 [02:10:36]
+嗯，然后你在账号的权限你也是，包括你一个项目种类也不可能所有人的权限都一样，比如说我项目经理或者技术经理 master 的权限，然后他就能访问当前项目的所有分支。
+
+🔵 说话人3 [02:10:53]
+然后呢我普通的开发人员就是有 developer 权限，他只能访问 developer 的分支，那么就是其他的分支代码，它是只能看，也不能提交，也不能合并，合并的操作只有开发才可以。他在这个项目层级也会有一个单，一个分支，如果在，你再有的话就是不同的项目，就是建仓库的时候，他会添加人员，只有是被添加到这个项目里的人员才能看到你当前的项目，其他人也看不到。
+
+🔵 说话人3 [02:11:33]
+其实这个是没有问题，是相对来说比较嗯
+
+🟣 说话人2 [02:11:40]
+那主要还是靠这个特殊账户管理，还有权限管理来解决这种风险是吧因为是个代网对啊有什么二 f 二两步验证什么的他在那个网上开那些东西在研究那个都对那个二两步验证是独立计算的。
+
+🟢 说话人1 [02:12:00]
+应该是可以开的那个不需要联网但是你得在研发网上布一套他需要一个同步时间的东西对他需要一个这个这个这个这个你们就自己研究吧，就是这两步验证是两步验证能开
+
+🟡 说话人4 [02:12:17]
+他们可以个人账户的话个人账户时间和上面和外面时间是有差异的个人账户验证是什么意思就是你记得服务端会算一个就是把两个密钥就是手机上一份儿电脑云端一份儿。
+
+🟢 说话人1 [02:12:31]
+然后基于当天时间算出一个码儿，三十秒有效就是你把手机上的码儿输进去后，点登录就能登录上确保是他本人对对对就跟签了将军令一样对对对将军对将军令。对对对就这个意思。我刚才我看背景
+
+🟡 说话人4 [02:12:50]
+如果时间不同，我们确实没法实现这个东西，上面看的这个东西原来我考虑有没有可能就是说我们拆代码或者做一些敏感操作的时候，我们有一个授权或者是跟主管确认的一个审批的。
+
+🟣 说话人2 [02:13:08]
+程，好像比较好弄，好像又是刚才那个中转服务的那个概念了是吧?
+
+🟡 说话人4 [02:13:14]
+读一般没有限制，拉一般也没有因为有仓库权限，他就是读的权限，只记得官方说的这个，你这个人看这个仓库首先他只能拉这个仓库。
+
+🟢 说话人1 [02:13:24]
+啊，徐老师您说啊。
+
+🔵 说话人3 [02:13:27]
+我就说这个权限，它颗粒很小，但是你也可以自定义权限，它读看写，包括就是每一个分支的权限都是独立的。所以比方说有一些涉及到危险操作的话，你不给他这个权限，他就操作不了。
+
+🟢 说话人1 [02:13:46]
+这个怎么理解呢?就是用员工肯定删不了这个仓库了，这个也没什么好说的。嗯。
+
+🟡 说话人4 [02:13:57]
+我说我是对或者你再安全一点，你就把 http 的请求 http 的协议都关了，都用 ssh。然后再加密钥，再加公钥和私钥，用这种方式，然后账号和用户名这种方式也被它屏蔽掉，只能通过 ssh 加公钥和私钥这种方式去访问地址。嗯这个应该就安全级别最高了。其实本质上我觉得吧，就是因为本身你用了 vpn 卡，本身也不存在拦截这个问题，因为你这个网它直接走了，等于是要我电信网也不存在公网是去建个基站拦你。
+
+🟡 说话人4 [02:14:39]
+因为他就算拦他也访问不了你不是访问就已经有很多很多事儿了除非是内部有些人恶意去做一些事儿，这是因为基本上没有误操作把这个代码传到公网。
+
+🔵 说话人3 [02:15:00]
+不会有这种从另一个角度看，就是代码本身我们很多人都这个观点，代码本身不值钱，你能拿他代码你跑不起来，因为一旦起来跑是缺这个权限缺那个权限
+
+🟢 说话人1 [02:15:23]
+然后本身这些就是没有就没有实际这个价值对代码儿的价值会越来越弱化对应该可以说是代码儿的价值，人的价值和我们这些生产环境的这些验证的价值合起来才是一个总资产对在我们这个事的第二步实际上才是最。
+
+🟤 说话人6 [02:15:41]
+重要的，我们要把所有东西都给跑通，要编译过要生成可现场交付的，这个是一个很敏感的一个东西去交付因为你那时候你不光有源码，你还需要各种依赖各种环境，包括各种三方他们现在怎么跑本地编译那每个人的笔记本电脑上都是要有完整的环境开发的时候肯定就已经要了那开发就是这个样子那就分散到他个人了。
+
+🟣 说话人2 [02:16:15]
+对是吧对这样比较方便快所以还是要再研究研究对，因为正常来说，我尤其我去现场的时候，可能我现在去改，我发现现场 bug 了，因为我不能完全模拟现场的环境。
+
+🟡 说话人4 [02:16:33]
+可能我是本地改一个代码，然后我赶紧打包上去看看效果行不行，行的话我可能才会去提交的记录我先我我一般不会说我先交这个你是在本地验证完后我本地可能打个包儿，然后就放到你放一些客户服务器上，然后看看改好没改好，改好了那我就可以认为我这功能改了。我就到时候同步到系统而不是到基层打个 c s d 然后走然后再所以所以说那个你估计实验起来难度挺大，像一体机的吧，他们以往都是到客户现场验证完后再提交是这样的。
+
+🟡 说话人4 [02:17:08]
+就是我们那个是理想情况下对你不可能在你这儿什么一体机的搞一套，什么一体机的搞一套什么
+
+🟤 说话人6 [02:17:18]
+所以 c i c d 就是今年即使能整也就是枪式先跑了就行。p c 上面的话能跑几个重点项目可以试和硬件关联性小的不是互联网公司，互联网公司 c i c d 还是挺明显的枪式的稍微好办一点，枪式的硬件都是我们自己的最主要的是人在公司都可以完成啊
+
+🟢 说话人1 [02:17:55]
+那你们是想把这个 c i c d 走通了，还是这个制品库流荡了?这一块儿这是我们另外的工作，是张亚伟在干，就是我们来标准化就是一个记得建起来，另外就是这个代码管理起来，另外我们会搞服务器把制品库建起来嗯嗯对，然后再把 c i c d 跑起来，你看我们规划什么东西来做。
+
+🟣 说话人2 [02:18:23]
+就是最终是想把我们这个平台做起来
+
+🟣 说话人2 [02:18:29]
+什么限制条件?特别是这个网的问题，穿网的问题，大家什么代码儿这种泄露风险啊什么这些问题。其实我们去做这个事之前，其实大家也都是在玩官网，只是我们没有抬到桌面儿，没有统一去搞。对
+
+🟣 说话人2 [02:19:10]
+哎杨武你这底下这个绩效评估是他们沟通出来的往下压的啊往下压的我知道你往下压的是他们沟通出来的对跟他们沟通了，然后数值让往下压了啊他们沟通了就可上面说了是吧但这都主观的嘛对都是主观的。
+
+🟡 说话人4 [02:19:29]
+没有百分之两百没有没有我们没达到这种级别呢，最高的就百分之七十百分之八十过会吵起来你们百分之七八十那个现在没往上写
+
+🟢 说话人1 [02:19:44]
+也是是他们这几个都是用的比较好的对然后他们都觉得帮助挺大。
+
+🟣 说话人2 [02:19:54]
+刘康乐人家那个服务器管理程度，他说他服务器说操作数据库啊，那个 cloud 那些操作基本上全是让 ai 做。
+
+🟣 说话人2 [02:20:07]
+那可能两三天干到干就干出来了，原来可能需要两周的工作你看这样的话，两天完两周的话，这就不是百分之一百百分之但这话我不敢说啊，我怕这话我们你说这个后面还有维护还有现场交流那些事，那些不能算纯编码，但是它确实是这项任务里面的啊啊啊啊我还装环境了这还不敢说，要跟老板说这那是玩儿赖。我靠你你这种你都解释不清，你你你要不你就过来你就给他解释，我们这个编码里边儿，然后后面儿还得改，然后还得跟客户沟通，还得证明需求，因为他们这种公司它其实比较小。
+
+🟡 说话人4 [02:20:46]
+你看着可能麻烦，但是它比较小，它是完成一个小的任务，它很好完成，你反而完成一个将来工程化的东西，它看着工程都不难，但是最终你怎么给它每一步都实现，每一步都完成。能达到之前规划的效果是很难的你这是列的都是一个月，然后搞了四五个月是吧对对基本上都有他主要还是用在编码上看是吧?
+
+🟣 说话人2 [02:21:17]
+你这个是这个比例是跟他们口头沟通的还是不是这个比例是根据那个平台对平台输入那个表上的导向就是编程语言导向嗯
+
+🟣 说话人2 [02:21:32]
+其实我们剩下做的工作就是把后面六十三个人拉到给他拉齐到 top top 五对拉齐到这个水平的话，基本上就成功了就成功了现在还有不怎么用的有些不怎么用的。就是确实没有没法工作，你像商店里天天沟通，哎呀发货了，我现场出问题协调个人，然后去给客户现场待一周调研需求不变嘛，你怎么都提升不了对，那你是所以其实也对，因为现在前面这几个他们都给我反馈过，反正说是现在工作比较急，在做一些重点工作，流量就不够用，就感觉用的很快。
+
+🟤 说话人6 [02:22:24]
+你给他新加一个亿，两天，前天开的，今天上午就没了这个重点保障嘛是是是这种不能不能贬
+
+🟣 说话人2 [02:22:41]
+嗯就这两个最后应该就是最后这两个东西，就是重点再交流一下儿。这个问题就是这个量够不够，就说两位老师初步了解我们现在这个情况，五个亿这什么样的水平?跟您这儿没法儿比，你这一天五十美元是吧?这个东西设多好就比较合适，或者一个设置原则应该是逐月上升的，逐月提升的，就是说可能涉及到增增增加的幅度可能还不低，就是这样的可能每几个月可能要翻一番，这种幅度有没有顶棚?
+
+🟣 说话人2 [02:23:31]
+还是说这个一直就本来我们可能跟老板报了预算，可能我 token 今年就是三十万，到年底给他搞个一百万啊就是就是这种，因为我们汇报也要，就是老板就关心要钱要多少钱?啥效果东西要跟系统的话，还真没多少钱那确实没多少钱没多少钱他看运气了，我之前写个技能十分钟十块钱啊我之前让他给我创建个技能，十分钟给我花了十块钱。
+
+🟡 说话人4 [02:24:03]
+我我刚充十块钱，报警了对，就我这个数儿我要不要换，要不要换我们那边比方我要五个亿，还是要十个亿，还是要二十个亿，每人每月我要三百块钱还是五百块钱还是多少。
+
+🟣 说话人2 [02:24:16]
+就这个其实我们现在也没有心里没大有底就咱们这一块儿是集采还是个人采购，然后公司报销呢
+
+🟡 说话人4 [02:24:24]
+就咱这个额度，比如50美元，所以咱自己先用，然后公司报销他是买就是买，他现在有两种嘛，要买买会员儿，要么买 api 就买 api就是自己先买，然后公司报销，就是公司采买公司采买对就是我们这一个 api 因为这。这就是为什么写成四个亿吧，就是我按元按多少钱来衡量衡量不了，就这一块儿我是衡量不了的是因为单价不一样我只能设置，就是我在 train 那边，我唯一能限制的就是在 train 那个地方去限制一个就是流量。
+
+🟡 说话人4 [02:24:58]
+但其实就像咱说的四个亿 flash 和 pro 价钱不一样，输入输出价钱不一样，命中不命中价钱也不一样，所以这个东西它就没法去衡量这个你这接口儿也比较多，不太好说就只能用一个比较中庸的。可能就我先这样用，如果下个月发现大家都差不多够用或者顺着还多着，那我再往上扩，只能这样我感觉这个东西就是刚才老师说的，它是在逐月递增的，比如说上个月咱们买的那74个账号儿对那应该是还有一周的时候才上了 deepseek 不够了。
+
+🟤 说话人6 [02:25:32]
+然后现在这个账号儿是才用了一周，现在我感觉都已经用了二分之一或者三分之二了，可能到下周就得开 deepseek 了。
+
+🟣 说话人2 [02:25:43]
+这是新新老师按您经历的一个过程，他主力运营这个是怎么一个成长，然后有顶峰没有，还是说有顶有顶有顶有顶峰是吧?因为骗你干公司的活儿，你就随便你自己说自己
+
+🟢 说话人1 [02:26:02]
+爱好也就那些活儿，时间和精力还是有限有底儿有底儿逐月递增，我们是不是到时候我们也加一个，虽然老板心里有个预期，因为逐月递增，是吧?
+
+🟣 说话人2 [02:26:15]
+逐月递增比方每月增个百分之二十这种而且这个东西就跟人大脑一样，你吸了一口放不下是不会降下来的，除非放假了才降下来现在那个扣带字我周六上周六出去的时候。
+
+🟡 说话人4 [02:26:30]
+我让扣带字自己跑了一天，我都不管，我让他反正我觉得他不能闲着，我再给他找个活儿干但是这样的话其实你是包月的话，你要是按用一天的话对那就不敢上，我是按周的那种就是我得让他干起来现在是我们在推这个事儿。
+
+🟣 说话人2 [02:26:47]
+实际上让大家先尝一口，上瘾了以后最后你拽都拽不下来，然后到时候因为我也有这种担心，今年变相降薪今年老板可能也有兴趣这个明年一看我靠 hold 不住了。我靠你是每人每月一千，每人每月两千三千，你还不划算，我靠到时候再给你断供每月三百的话，因为那个好像就已经占了大头儿了对对你要是一个人一个研发用一百块钱这个真不算对给的不算多是吧嗯嗯。
+
+🟢 说话人1 [02:27:24]
+主要是因为三百这边儿不是纯因为那个两百就已经减掉了主要其实理论上我觉得一百块钱这个是够他一个月的。
+
+🟡 说话人4 [02:27:32]
+不是说就是咱已经纯 ai 化，他们以 ai 去定因为现在这个工作其实他不是按你有 ai 的工作去安排工作的但是你考虑一下啊，就是刚才前百分之五是吧 top 五 top 五那按按他们的用量。
+
+🟣 说话人2 [02:27:47]
+如果我们就是拉齐大家都按他的用量来上来那时候那个公司的场景不是这样的，那个公司场景代表着公司认为我这个 ai 我能节省百分之五十的效率。
+
+🟡 说话人4 [02:27:57]
+好那我这个人可能会增加百分之五十的活儿，我有 ai 了，那么这个时候用量就会上去了，如果是公司还没有到那起码是正向的，其实有价值是吧对这对公司是有就我按照正常来说就是这个量。如果按照现在现有阶段大家都没有用 ai 这叫你突然用 ai 一百块钱就够你目前工作去覆盖了，甚至还有但是难度在于对于咱现在难度是我控制不了这个一百到底是多少量，我控制不了没事儿，我上次跟老板汇报了，老板说才花三十万块钱不行太少了这个到时候改一下加个力度我刚才也提了。
+
+🟢 说话人1 [02:28:37]
+top五可能是按个例，比如你可能只能负责到前十几个人是，因为后十几个人对他们来说也可能这一段儿项目开发完之后，他们就降下来了啊我每个项目都有一些核心开发者。
+
+🟣 说话人2 [02:28:49]
+一些边缘的对对
+
+🟡 说话人4 [02:28:52]
+对就后面那些人他你怎么拉也拉不到这个程度对对大概率拉不到这个程度，但是会再往后一批人，就是你们前五个人可能再往后排十个人可能再往上拉一拉也可能在底下稍微拉一点。
+
+🟣 说话人2 [02:29:05]
+可能就其实他就是一个你你就算给你这么多，就将来是两种情况，排五个人有没有那么多活儿让他消耗了对就是开始找活儿了是吧对这就是这个，如果活儿多的话，那可能的确量上去。
+
+🟡 说话人4 [02:29:18]
+如果活儿其实还是如果拉上来以后也没活儿上不来，就业务也上不来，那老板就要减业务这个东西对你就你要把业务弄上来
+
+🟣 说话人2 [02:29:29]
+现在我们可能不是说现在主要忙的还是活儿干不完的两种方式，对这个到时候我们适当再往上再提提，然后列一个这个不限递增或者按季度或者是多少的赶超，让老板有一个预期。第二个问题就是技术债，也是我现在比较担心的，就是今年我们第一年搞，然后可能会基地也好，王者也好，明年一定会带来一个问题，就是库里至少百分之三十的代码谁来维护?
+
+🟡 说话人4 [02:30:07]
+现场出问题的时候，咱们这个之前也是个大问题，也是工程化问题，就是你看咱这个代码，它没有说洗就像数学一样，这个就一定要这样写，没有这个说法，它怎么绕怎么写。
+
+🟢 说话人1 [02:30:22]
+可能今天看挺好，明天看可能就冷了。我们内部叫十倍提效，十倍也就是十十倍的那个屎山。
+
+🟣 说话人2 [02:30:30]
+也有也有这个招儿，嗯我们现在目前
+
+🟢 说话人1 [02:30:35]
+集体就是固定节点停下来，松就是有紧的时候有松的时候，松的时候我们就赶紧看看在这个有没有觉得那个代码儿，因为 ai 它可能对没有很多限制，写起来可能让它来。我们会有一个有一个过程，停下来的过程。
+
+🟣 说话人2 [02:30:51]
+嗯就是这个技术台上一定会比 ai 写的越多，它这个整体这个数量上一定也会也越来越多。就是固定节点停下来，意思就是停下来，然后盘点一下。
+
+🟢 说话人1 [02:31:03]
+对，我们是这个也不是说固定嘛，就是我们这一段儿这交付完成了，我们就停下来看看各自有没有这个反馈上有没有一直看着不爽的。嗯但是你也刚才也提到，已经写了一些路子，比如说一些文件啊，或者一些引用啊，这个可能就还 ok。
+
+🟣 说话人2 [02:31:23]
+您说停下来大家会去看这个代码儿，复盘这个代码儿，复盘这个路子，复盘这个也是个别的人，就可能小组长或者说核心，他本身就对代码儿有感觉，他能意识到这一块儿 ai 为了着急。
+
+🟢 说话人1 [02:31:35]
+就没有设计那么优雅，或者说我们人类还是推崇分模块儿啊，耦合呀，这 ai 可能就一股脑先给你搞搞出来。
+
+🟣 说话人2 [02:31:43]
+我们会对 ai 生成代码儿补充这个文档吗?
+
+🟢 说话人1 [02:31:47]
+也有文档自动化的文档也是自动化文档，但经过人确认的，就是这块文档对应着 ai 生成的这块儿代码儿，是这样吗?嗯改了代码生成每次都有文档，文档得往里合，这个是自动的。
+
+🟣 说话人2 [02:32:04]
+嗯主要是我们改提交代码都是可控的，就不会说我今天想改改改那个一下子给改飘了，这个倒是很少见。
+
+🟢 说话人1 [02:32:14]
+一般都是有明确的说，我们要实现这个功能，这功能代码写完了，文档也抓好了你怎么去保证它可控?
+
+🟣 说话人2 [02:32:20]
+你是通过修改文档去驱动这个代码儿
+
+🟢 说话人1 [02:32:23]
+现在是文档优先，就是设计优先，所以很多都是先写那个前端嘛，就全站这个页面儿嘛，现在都是先把 a p p 先搞出来，就不要文档，就先把视角先搞出来。确定了之后再写，因为我们意识到写的话就是都很快。
+
+🟡 说话人4 [02:32:39]
+所以我们原来也是想就是 ai 生成的代码儿什么的，这个我不管，我们第一个要有人负责，就算是全是 ai 生成的，责任还得在这个人头上。
+
+🟢 说话人1 [02:32:51]
+是是是然后就是这个文档的配套是要有是是要配然后包括你刚才提的阶段性的我们去复盘，是吧?
+
+🟣 说话人2 [02:32:59]
+让让小组长啊，让让软件主管啊，阶段性的保证我们和现场出问题了，我们都能看懂，你像我们有些设备在现场都是影响人家铁路的生产运营的。就是这个点啊乘务员排队在那儿刷那个一体机嘛，就是出勤。如果出了 bug 也瞧不出来，我靠一堆人家全是乘务员，那火车开不了是是这个呢就现在也开始分班儿了，是 ai 写的太快了，有的人就是有信心一点，有的人真的稀里糊涂往上抬。
+
+🟢 说话人1 [02:33:30]
+因为你就问你有什么问题，你和我 ai 聊就是有的人是这样的，而且也有特别激进的现在有外包公司，就是对这个技术没热情，就是看着像跑着走，细节怎么回事儿我算了。我也不管了，就这样的，或者说以后可能这种事就是你我代码儿已经写完了，点了两下也是对的，那有的人又爱负责，就是真的去瞄一眼大概瞄一眼就改东西，其实我就是拆了个 pr 的然后有的边界也模糊了以后。
+
+🟡 说话人4 [02:34:02]
+把产品做的对对得降下来，一个大模块儿搞上去有实习生我们把那个实习生可搞笑了，那你这个东西怎么设计的?
+
+🟢 说话人1 [02:34:11]
+你为什么不这么做?丁老板你和我 ai 聊吧前一段他们外包公司嘛，有一些外包公司不是接项目嘛，然后有朋友之前听他们说接了一个 ai 写的项目，赔死了，因为太难改了，因为他用 ai 生成那个人等于说改动了。
+
+🟡 说话人4 [02:34:29]
+然后让外包公司改了，然后后面的外包公司就说不接 ai 做的项目
+
+🟢 说话人1 [02:34:35]
+好的架构带来好的设计，坏的架构只能是失败而且它有时候会 ai 陷到一个就可能有个 bug 它一直修，那可能你自己修很快，但是它有时候一下午 ai 它能力强大也有可能陷到某个死循环代码审查这一块儿。
+
+🟣 说话人2 [02:34:55]
+我们现在是怎么干的?
+
+🟢 说话人1 [02:34:57]
+就是那几个 review 我们 commit 的时候 commit 有个本地的 review 然后推到线上，线上的 review 我们就是其实这块儿很多都有商业化，当然对对我们这儿因为因为做的不大。有很多是专门儿在那个微软公司可能做 bug 这样的专门儿不过如果你们内网有，其实也是相当于写一个 github 那个 github action 也是在里面跑就是其实在里面跑个脚本跑个过程配个 cc 然后配个内。
+
+🟢 说话人1 [02:35:28]
+网内网的那个小程序模型 review 一下儿，没有太离谱儿的是不是想法儿人参与吗?
+
+🟣 说话人2 [02:35:35]
+这个过程想法儿是全自动的没有人去做这个代码儿的事
+
+🟡 说话人4 [02:35:42]
+代码儿你不看，就只剩下人所以说这个人工审查我就把这个人累死但一般前期我觉得还是先辅人加上机器啊我们这个过程可能是需要人，但是审着审着你才审出感觉他这个加人不是让他看代码。
+
+🟤 说话人6 [02:36:01]
+是让他留痕让让负责比如说李江山是教培组的，高伟强提标一堆 ai 生成的，高伟强提的李江山你看不看你得确认证明这个王里边儿和李江山啊而且本身就是条件儿就是俩人儿必须对对必须要有个别人那个没有没。
+
+🟣 说话人2 [02:36:18]
+有你至于是秒点还是因为
+
+🟡 说话人4 [02:36:22]
+对现在李航这儿就是他就是抢那个正常都是这个流程对一定要有人搞一下对现在 ai 你想让它尽可能被控制就是设们门对我们的们门也会说比如什么八个文件以内啊什么五百行以内一个单个卡密的单个儿。
+
+🟢 说话人1 [02:36:40]
+ pr 不要太复杂行就这样把困难度降下来，他也好对之前有家伙就提还改了很多东西就是我们扔上去说三个问题修修了之后再等一会儿又三个问题再修，就一轮儿一轮儿一轮儿无休无止。他们没有这样意识到这样复杂度太高了不好对
+
+🟡 说话人4 [02:36:59]
+您只要问它问题，它都会解决，给你回答问题，只要问它就会往下推，它就开始算，而且大模型它会把上面上下文当做这一块推理出来。
+
+🟣 说话人2 [02:37:12]
+的徐老师，关于这个技术附带这一块儿，您这儿还有什么意见?
+
+🔵 说话人3 [02:37:19]
+这个可能情况不太一样，因为我们现在共同的一个认知是 ai 生成的高质量代码越来越多，那么你人写代码这件事本身的价值可能就变低了，所以你要把控的是一个功能。那么我们在做整个项目设计或者整个框架架构时，我们就会把这个功能拆分的颗粒度特别细。比如说像我们后台管理，哪怕就是一个表单，我规定它输出了五个字段，然后这五个字段进行什么处理，然后再给我输出五个字段或者输出六个字段。
+
+🔵 说话人3 [02:38:00]
+卡了输入和输出，然后页面样式什么的。那么如果之后这个组件也坏了，或者说这个页面坏了，大不了我就把这个页面给全部扔掉，然后我再把这一套数据规范。这一套流程规范再丢给 ai 它再重新考一遍。就是这样。
+
+🟣 说话人2 [02:38:18]
+嗯。
+
+🔵 说话人3 [02:38:19]
+就是你没有必要非必须保证你所有的功能模块儿你人都能看懂。 ai 生成的越来越多，你人是看不懂的，然后你再去审查，你困难度肯定就更翻倍。你能控制的只是 ai 生成的颗粒，然后你每一个颗粒都是可抛弃可复用的。
+
+🟣 说话人2 [02:38:41]
+嗯。
+
+🔵 说话人3 [02:38:46]
+这是我们现在的一个思路，然后我们在包括我们现在重构项目或者重构架构的时候，也是在往这方面靠。
+
+🟡 说话人4 [02:38:56]
+就是咱现在完全碰不到他去修改一些本来你不想他修改的模块儿的代码。
+
+🔵 说话人3 [02:39:02]
+会呀，但这时候我们会先看这个模块儿，第一个它能不能重构，或者说有没有存在的必要，然后如果说再让 ai 改的时候，也会要求他先不去改，先看这个文件能不能再去拆分。让它定位到具体的某一行代码，然后再去落地改。就是对于 ai 来说，它改一个 bug 的成本比它重新再写后的成本会更高。
+
+🟡 说话人4 [02:39:35]
+就我比较担心的一点是其实我比较担心比如我在写一个用户管理，然后他不小心就我可能我会在规则上包括可能我们在提示词上去约束他只改某个功能模块儿，但是如果上下文儿过长的时候。上下文儿长有长的好也有坏的，他可能会产生幻觉去改到某一个代码但是其实你看我们说约定八个文件不要跨模块儿对跨文件夹儿怕失效，我是怕这个失效你单独就是你相当于你在这个 pr 或者这个 commit 的时候再去看 diff 你直接比哦。
+
+🟡 说话人4 [02:40:09]
+直接看 diff真的还有一点就是这个就说到我刚刚拆分的，拆分的一个颗粒度。
+
+🔵 说话人3 [02:40:20]
+比如说我们完全可以把整个用户表单，整个用户管理，剩下改查，然后它打成一个 n t m 包，那么我拉的时候，我这工程里可能就只有这么一个 n t m 包，然后它剩下无依赖的就是 mock mock 数据。或者就是像昨天你们演示的那个项目，它本身就是微服务了，那么我能定位到是哪个服务有问题，我打开的只有这个服务的代码，然后我改也只是改这个服务的代码。
+
+🔵 说话人3 [02:40:50]
+不会改其他的代码。就即便你上下文再混乱，他也不可能改到别的工程。
+
+🟡 说话人4 [02:40:58]
+嗯，可能之后我们还得稍微慢一点，可能对我们来说这个我们谋划出来没那么细。
+
+🟤 说话人6 [02:41:09]
+结合咱们实际对，所以就是我们之后可能需要去跟 ai 协作的话，你的整个软件架构肯定会发生改变，这也是毋庸置疑的。
+
+🔵 说话人3 [02:41:19]
+包括现在已经有了，就看最新的论文，大概也应该有新的一些架构方向。
+
+🟣 说话人2 [02:41:28]
+就加入我们的文档这方面但是不是就包括整整体项目，你像我觉得在 ai 时代那个微服务模块儿上很方便，我颗粒很小对对但你要像咱们可能一个系统里面几百几千个文对就大单体的话。
+
+🔵 说话人3 [02:41:45]
+那就确实会有什么大单体确实会有这个对所以就是技术发展的每个阶段都会有每个阶段适应的项目架构，我们现在是把新技术去适配之前的项目架构。对肯定会有一些问题
+
+🟡 说话人4 [02:42:06]
+系统进行分析。
+
+🔵 说话人3 [02:42:08]
+嗯，那就说到这个代码审查，这大体思路就是刚刚那些，最后就是核心业务输出的逻辑详细注释。这个我理解其实是如果我们之前已经有成熟的注释，AI可能就不用做，但是AI生成的注释的话，我感觉也未必是越详细越好，因为我现在更多的场景是让它有方法级的注释。然后方法的颗粒度是。
+
+🔵 说话人3 [02:42:51]
+就如果你在一个大项目是拆不出来的话，你就是拆一些方法，方法及有些不是保证每个方法的单一职责。这样就能够很好的去规避这个情况，能确保。就说首先我们认为他有技术债，也是要还的前提就是我们要去改它嘛。就我们先把这个如果能确保 ai 生成的，我们尽量去改它是一个可以把它的模块。要有这个认认知，就可能会更好一点。
+
+🟣 说话人2 [02:43:36]
+走。
+
+🟠 说话人5 [02:43:37]
+嗯那基本上就这样，我们下去整理思路，然后咱这个事儿也不能太激进，也不推进了。
+
+🟤 说话人6 [02:43:57]
+今年你要是整太激进，明年他们让研究院背锅。
+
+🟣 说话人2 [02:44:00]
+对呀。
+
+🟤 说话人6 [02:44:01]
+去年研究院非让我们这样整的。对。
+
+🟣 说话人2 [02:44:09]
+对。
+
+🟣 说话人2 [02:44:14]
+走吧。那徐老师，那我们今天就这样。
+
+🔵 说话人3 [02:44:20]
+好好好。
+
+🟣 说话人2 [02:44:20]
+好，谢谢谢谢啊。
+
+🔵 说话人3 [02:44:22]
+嗯，没事，下次再。
+
+🟣 说话人2 [02:44:23]
+后面再交流啊，好。
+
+🔵 说话人3 [02:44:25]
+嗯，后面再交流，好，拜拜。
+
+🟣 说话人2 [02:44:27]
+好。
+
+🟡 说话人4 [02:44:30]
+后半段儿没看。
+
+🟣 说话人2 [02:44:34]
+嗯，把这个任务计划搞出来，大家上午去做，下午。
+
+🟡 说话人4 [02:44:38]
+后半段儿后半段儿没看，回头再说。
+
+🟢 说话人1 [02:44:52]
+行，那我们今天就这样。
+
+🟡 说话人4 [02:44:54]
+嗯，好。
+
+🟢 说话人1 [02:44:55]
+好。
+
+🟡 说话人4 [02:44:56]
+嗯。
+
+🟢 说话人1 [02:44:57]
+到时候我们在群里再聊，包括采购，然后这些提出问题，包括下回儿来的时候再这个。
+
+🟣 说话人2 [02:45:01]
+可以。
+
+🟢 说话人1 [02:45:03]
+可以。
+
+🟡 说话人4 [02:45:04]
+嗯，可以。
+
+🟣 说话人2 [02:45:06]
+我觉得你们就是，你们这些风险就是。
+
+
+
+---
+
+## 🔗 原始音频
+
+- 链接：[音频文件](https://get-notes.umiwi.com/get_notes_prod%2F202606140010%2Fgetnotes_lcf_1a8b603640229100Ixyg7BWf.mp3?Expires=1790150073&OSSAccessKeyId=LTAI5t7toTp72R3TvdXf9QdK&Signature=mvjlyP5edgzSKSKr2gA2OWjbtFc%3D)
+- 时长：165分9秒
\ No newline at end of file
diff --git a/企业培训3-1逐字稿/郑州企业培训 3-1 索引.md b/企业培训3-1逐字稿/郑州企业培训 3-1 索引.md
new file mode 100644
index 0000000..f3acacc
--- /dev/null
+++ b/企业培训3-1逐字稿/郑州企业培训 3-1 索引.md	
@@ -0,0 +1,57 @@
+# 郑州企业培训 3-1 索引
+
+> 培训时间：2026年6月12日-13日（周五、周六）
+> 讲师：姬老师、徐老师
+> 课时：36课时/6天（本次为前2天）
+> 对象：传统制药企业内部研发团队（6人自有 + 13人外包）
+
+## 📂 文件目录
+
+| 时间 | 文件 | 时长 | 核心内容 |
+|------|------|------|----------|
+| 周五上午 | [[郑州企业培训 3-1 第一天 上]] | 2h57m | AI编程现状、人机分工、陌生代码库理解、若依项目分析实操 |
+| 周五下午 | [[郑州企业培训 3-1 第一天 下]] | 3h02m | AI任务设计方法、上下文分层、模型选型 |
+| 周六上午 | [[郑州企业培训 3-1 第二天 上]] | 3h11m | 昨日回顾、书籍《TRAE与AI Agent协作实战》全书14章讲解 |
+| 周六下午 | [[郑州企业培训 3-1 第二天 下]] | 2h45m | 制药企业AI编程工具落地推广方案专家咨询会 |
+
+---
+
+## 第一天 上 — AI编程入门与陌生代码库理解
+
+- **培训开场**：明确年度目标（AI编码替代30%研发量），36课时/6天安排，讲师身份保密要求
+- **AI编程现状**：84%开发者已使用AI工具，AI无法替代开发者，需转向业务判断与架构取舍
+- **工作转型**：学会描述任务、提供上下文、拆解问题、验证输出，AI改变的是交付体系而非消灭岗位
+- **陌生代码库理解**：压缩AI生成范围、沉淀共享知识库、以若依项目为训练案例
+- **AI IDE介绍**：自研IDE才能打通Agent全链路，代码≠业务，业务判断仍需人做
+- **若依实操**：微服务版本分析，三元权限体系（用户→角色→菜单），页面/按钮/数据三级权限
+- **知识库落地**：MD文档 > Word，修改代码后同步更新知识库，避免文档与代码不一致
+
+## 第一天 下 — AI任务设计与上下文工程
+
+- **任务设计四要素**：明确性、范围约束、边界约束、输出格式
+- **精准 vs 模糊提示词**：精准提示词token消耗更少、结果更聚焦，演示了标准模板
+- **上下文四层分级**：工作空间级→文件级→代码级→外部资料级，先宽后窄渐进原则
+- **上下文压缩风险**：超窗口自动压缩会丢失格式与细节，增加幻觉概率
+- **模型梯队划分**：第一梯队 Kimi/Deepseek/GLM，第二梯队 Minimax/豆包，千问闭源可入第一梯队
+- **模态分类**：单模态（纯文字）vs 多模态（图文音视频），原生多模态能力更强
+
+## 第二天 上 — 《TRAE与AI Agent协作实战》全书串讲
+
+- **昨日回顾**：若依项目探索、模糊需求拆解、AI幻觉控制、资产库分层设计、规则验证验收
+- **书籍框架**（278页/14章/三部分）：
+  - 基础篇（1-5章）：TRAE安装、IDE/Solo/TreeWork三种模式、侧边栏命令、代码补全
+  - 技术篇（6-8章）：Solo实战、MCP原理与局限性、Skill（文科型/理科型）渐进式披露
+  - 实战篇（9-14章）：纯前端网站→古籍识别→若依新增模块→多智能体开发→RAG知识库→移动端小程序
+- **核心观点**：Skill替代MCP解决上下文爆炸，腾讯已搭建中文Skill生态；多智能体类比西游记团队（唐僧=PM/悟空=研发/八戒=测试/沙僧=文档）
+
+## 第二天 下 — 制药企业AI编程工具落地咨询会
+
+- **项目背景**：6人自有+13人外包，编码工时占比58%，以AI编程为切入点全公司推广
+- **工具选型**：选定Trae CN（199元/人/月 + 100元流量预算），支持私有化部署，建议按季度采购
+- **技能资产库**：10个通用公共规则 + 16-19个高价值技能，分层设计（底层技能→上层智能体）
+- **效果量化**：采纳率数据不准确（普遍90%+），建议用人天/PR数量变化做对比基线
+- **30%代码接受率目标**：中等偏下，合理且有增长空间
+- **推广形式**：内部AI黑客马拉松、用AI重做历史项目对比原耗时
+- **流量策略**：个人基础额度+动态调整，额度不过期，尊重个人工具偏好
+- **安全与统计**：不推荐token中转（安全风险），结合项目管理/周报对齐用量即可
+- **试点跟踪**：3个自研项目，统计bug修复提交占比变化判断代码质量提升