smart/TARE-Learn

Fork 0

Files

T

Xinbao e7d6db93c3 feat: 逐字稿

2026-07-03 00:59:44 +08:00

185 KiB

Raw Permalink Blame History

source, note_id, note_type, created, synced, link, tags

source

note_id

note_type

created

synced

link

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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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
时长：191分42秒

185 KiB Raw Permalink Blame History Unescape Escape