你的 Claude Code 代理操作系统弱爆了
CChase AI
Computing/SoftwareAdvertising/MarketingSmall Business/StartupsInternet Technology
Transcript
00:00:00你的 Cloud Code 智能代理操作系统很糟糕，这是因为你关注了错误的
00:00:05事物。
00:00:05你把所有时间都花在了华丽的仪表板和类似这样的指挥中心上
00:00:09还有这一个，而不是专注于在 Cloud Code 智能代理操作系统中
00:00:14真正驱动价值的东西。
00:00:15那就是这个：一个真正驱动一切的技能与自动化骨架。
00:00:20问题是，要高水平地打造这样的东西需要时间，
00:00:25既不显眼，甚至可能有点无聊，
00:00:28尤其是当你把它们与这些能带来海量流量的酷炫指挥中心相比时。
00:00:33但事实是，要从 Cloud Code 智能代理操作系统中获得任何价值，
00:00:37特别是当我们谈论可观测性部分、
00:00:40仪表板部分、指挥中心这类东西时。
00:00:42只有在这一步到位后，一切才会发生。因为一个强大的
00:00:48智能代理操作系统包含三个部分。第一部分就是你在这里看到的。
00:00:52它是技能与自动化骨架。
00:00:54其核心思想是将 Cloud Code 转化为一个
00:00:58能为我们提供可靠输出的系统。
00:00:59我们将把你、你的团队或你客户的日常工作流和任务
00:01:05转化为技能，并在合适的地方将这些技能转化为自动化。
00:01:09在这个过程中，构建出像你在这里看到的这种凝聚性系统。
00:01:14这样我们就能高水平地重复同样的操作，并获得
00:01:19一致的输出。智能代理操作系统的第二部分是记忆层。
00:01:23我们该如何处理上下文工程（Context Engineering）的构想？嗯，
00:01:27有很多种方法可以实现。
00:01:28我们可以用成熟的知识图谱做一些非常花哨的东西，比如 LightRAG；
00:01:32或者我们可以保持简单，直接使用 Obsidian 这样的工具，
00:01:36这对绝大多数人来说已经足够提供 80% 的解决方案了。
00:01:40只有当我们锁定了所有这些内容，任何形式的仪表板或操作系统的指挥中心才有意义，
00:01:45因为仪表板的价值实际上体现在两个方面。首先是可观测性。
00:01:51其核心在于我可以弥补一些在终端（Terminal）操作的弱点。
00:01:53即能够弥补在终端操作时的一些不足。
00:01:57比如查看我社交媒体频道的各项指标，
00:02:00并让所有的研究成果都在一个标签页中向我展示。
00:02:03另一半价值来自这里，也就是所有这些按钮。
00:02:06其核心想法是，如果我想把 Cloud Code 的力量带给一个
00:02:10从不使用终端的团队成员或客户，
00:02:14我可以为他们构建出那套技能架构，并将其分配给这些按钮，
00:02:17这样他们基本上只需点击一下，就能按需执行这些任务。
00:02:22所以今天我将向你们展示如何正确设置这套技能骨架。
00:02:26然后我们将讨论仪表板的一面，因为在这种场景下，
00:02:30实际上有很多你可以做的事情。通常有两条路径。
00:02:35你可以像刚才看到的那样，我一直在向你展示两个版本。
00:02:37一种就是你在这里看到的，它实际上是 Obsidian 本身的一部分，
00:02:40这非常酷，因为我们还获得了一个集成终端；
00:02:44另一种是 Web 应用版本，它是专门为分发而设计的。
00:02:47如果你想引入其他团队成员或为客户打包功能。
00:02:50但在我们深入探讨具体的操作细节之前，
00:02:53先听听今天赞助商——我本人的简短介绍。如你所知，在 Chase AI
00:02:56Plus 内部，我刚刚发布了 Claude Code 大师课，
00:03:01这是从零基础变身 AI 开发者的首选途径。
00:03:03而且我还刚在里面增加了智能代理操作系统大师课。
00:03:06所以你在今天视频中看到的提示词、仪表板、设置，
00:03:11所有这些都可以在 Chase AI 内部找到更深层次的内容。
00:03:15置顶评论中有相关链接。此外，就在今天，
00:03:19我猜当这个视频发布时，
00:03:23我将举办一场关于如何为自己设置
00:03:24贯穿全部三层架构的智能代理操作系统的免费网络研讨会。
00:03:28所以如果你想加入，请务必查看置顶评论。
00:03:32我会在那里放上这两个链接。既然核心价值都在这里，那我们该如何设置？
00:03:35为什么要这样设置？为什么它看起来像一张组织结构图？
00:03:38这种像你在这里看到的组织结构图布局，我们将内容
00:03:42拆分成不同的部分，如生产力、研究和内容。
00:03:46这只是为了帮你可视化一些原本无形的东西。
00:03:49这仅仅是为了建立你的心理模型。
00:03:53其核心思想是，你在日常的工作流程中，
00:03:54无论是在业务上还是个人生活中，都会跨越许多不同的领域。
00:03:58对我来说，这被划分为诸如生产力之类的事情。
00:04:01比如谷歌、研究、内容、我的社区、代理机构、销售等等。
00:04:04对我而言，这被划分为诸如生产力之类的事项。例如 Google、
00:04:09研究、内容、我的社区、我的代理机构、销售等等。
00:04:13把所有这些不同的任务拆分出来，并将它们转化为技能。
00:04:18为什么要转化为技能？嗯，
00:04:21很可能你现在使用 Cloud Code 的方式是，当你需要它做某事时，
00:04:26你只需在终端启动 Cloud Code，然后告诉它要做什么。
00:04:30你基本上只是把它当成一个稍微好用一点的 ChatGPT。
00:04:32如果你一直这样做，
00:04:34为什么不把这些操作编入技能中呢？
00:04:37因为当我们将其编入技能时，会带来几点好处。第一，
00:04:41它非常方便。我接手了整个任务，
00:04:44而不再需要用一整段话来描述，
00:04:47我只需输入技能名称，哪怕只是一个单词，它就能完成。这非常方便。
00:04:51第二点是，既然我们已经将其编入代码，
00:04:54我们还可以使用“技能创建技能”之类的工具对其进行测试。
00:04:56我们能够真正地为我们创建的技能设定基准。
00:05:00这样我们可以看到，首先，
00:05:05这个技能是否有意义，因为它会进行 A/B 测试：使用技能 vs 不使用技能。
00:05:09随着时间的推移，如果技能足够好，我们就能在这个本质上是
00:05:14非确定性的系统中，开始获得更多确定性的输出。
00:05:16当我们谈论 LLM（大语言模型）时，它存在一定的随机性，
00:05:20这是由其工作原理决定的。任何时候只要能减少随机性，
00:05:25就是进步。通过将你日常所做的事情编入代码并转化为技能，
00:05:30我们就朝着这个目标迈出了一大步。
00:05:33虽然这对很多人来说很有道理，但如果你问他们
00:05:38是否真的曾坐在终端前，打开麦克风，
00:05:42打开 Claude 并说：“嘿，这是我的日常计划，这是我平时做的，
00:05:45你能从中提取一些技能，并使用技能创建技能将它们转化出来吗？”
00:05:47真正这样做的人数比例恐怕屈指可数，
00:05:50这太疯狂了，因为这是升级你使用 Cloud Code 方式的
00:05:54打开 Claude 并说：“嘿，这是我的每日计划。这是我做的事情。”
00:05:59“你能从中提取出一些技能，然后利用‘技能创建器’技能”
00:06:04在很多不同的领域做了很多不同的事情。
00:06:05通常情况下，我们甚至可以将许多任务组合成
00:06:09所谓的“工作流技能”或高级技能，让它一次完成多项任务。
00:06:14例如，我有一个名为“内容瀑布”（Content Cascade）的技能。
00:06:15这个技能本质上是一个内容二次开发者。当我制作完一段
00:06:19YouTube 视频并调用内容瀑布技能时，它会为我做很多事。
00:06:22它会下载字幕，生成博客文章，
00:06:28创建 LinkedIn 动态，编写 Twitter 帖子。它会启动 Playwright，
00:06:32然后帮我把这些内容发布出去。
00:06:33这是一堆相互独立的任务，但现在不需要拆分成九个不同的技能，
00:06:37这个技能本质上是一个内容重分发器，当我制作好
00:06:42YouTube 视频并调用“内容级联”技能时，它会为我执行多项操作。
00:06:46它会自动下载转录文本，生成博客文章，
00:06:50创作 LinkedIn 动态和 Twitter 帖子，甚至启动 Playwright。
00:06:54正是这种逐步梳理并将其代码化的过程，构成了
00:06:57智能代理操作系统的力量。除此之外的其他东西，
00:07:00无论是记忆层还是仪表板，都只是点缀其上的装饰。
00:07:03如果你并不打算与团队成员协作，
00:07:04也不打算将这些东西打包出售，
00:07:09你大可以在这里止步，因为这个 80% 的解决方案
00:07:12已经让你遥遥领先了。
00:07:13执行这个过程的核心其实非常简单。
00:07:18就像我说的：打开终端，启动一个新会话，然后开始倾诉。
00:07:21最后说：“嘿，我们能把这些转化成技能吗？”
00:07:24我有一整套提示词，详细分解了如何进行技能分类筛查，
00:07:27但其核心就是这些：这是我做的事，把它转成技能。太棒了。好，来测试一下。
00:07:30接着转向我业务或团队中的下一个领域。问题在于，
00:07:32这将是非常定制化且完全针对你个人的。
00:07:35我觉得我们有时会迷失在市面上流传的那成千上万个技能中。
00:07:38我们去逛那些大型仓库，比如“Awesome Claude Skills”，
00:07:43看着数以千万计的技能，心想这些东西会改变
00:07:47我使用 Claude Code 的日常产出。
00:07:51这就好比在大海捞针，而忽略了
00:07:54Claude Code 最强大的地方之一，就是为个人进行定制是多么容易。
00:07:58我们为什么不更系统地利用这一点呢？
00:08:01但在这些定制内容之外，我认为有几样东西是几乎所有人都能受益的。
00:08:06在生产力方面，如果你处于谷歌生态系统中，
00:08:10我之前提到过，使用 GWS CLI 工具
00:08:15基本上可以让你在谷歌生态系统内执行任何操作，并将它们转化为技能，
00:08:19无论是邮件分类、谷歌云端硬盘操作，还是日历管理。
00:08:21但事实上，你也可以直接使用 Claude Code 自带的标准 MCP 连接器。
00:08:25我指的就是基础的 Claude.ai Gmail、谷歌日历和云端硬盘连接器。
00:08:27你唯一的损失是无法直接发送邮件，
00:08:31但你仍然可以创建草稿，这对很多人来说已经足够了，
00:08:34因为他们并不想让 AI 直接把邮件发出去。
00:08:38设置这些只需 30 秒，而它带来的生产力提升，
00:08:39再次强调，真的很少有人去实际操作。现在，
00:08:43在你完成了这个技能创建过程之后，
00:08:44接下来的关键是决策树。对于每一个技能的自动化，
00:08:48它是需要按需执行，还是可以转化为 Claude Code 内部的例行任务？
00:08:53当我们谈论 Cloud Code 的例行任务和自动化时，它被分为两个部分。
00:08:58即本地自动化（Local）与云端自动化（Cloud）。
00:09:01如果你不确定该选哪个，就选本地。这意味着只要你的电脑开着，
00:09:05它就会在某种形式的云端接入下运行。
00:09:06而云端自动化意味着它将在 Anthropic 的服务器上运行，
00:09:11你会受到执行次数的限制，因为成本是由他们承担的。
00:09:15而且如果是在云端运行，
00:09:17它是无法访问你真实的电脑的。它不在你的机器上跑，
00:09:20也就无法访问你的命令行界面、技能或文件。
00:09:24所以大多数情况下，如果有疑问，选本地自动化准没错。
00:09:27这就是构建 Claude Code 智能代理操作系统骨架的过程。
00:09:30我一直在提 Claude Code，但事实是 Claude Code 只是引擎。
00:09:33我们稍后会更详细地讨论这一点。你完全可以把它换成 Codex，
00:09:36或者任何其他工具。我们要构建的是它的底盘，
00:09:39引擎是可以随时更换的。
00:09:43所以这里所说的一切也同样适用于像 Codex 这样的工具。
00:09:47在深入探讨指挥中心和可观测性仪表板之前，
00:09:49我们先简单聊聊 Obsidian 和记忆层，
00:09:55因为我觉得很多人对于 Obsidian 到底能带来什么以及它的意义感到困惑。
00:09:59记住，Obsidian 的作用仅仅是一个组织层。
00:10:02Obsidian 并没有对这些 Markdown 文件做任何特殊处理。
00:10:04它只是给了身为人类的我们一个方式，去理清文件里
00:10:07到底发生了什么，并提供了一种简单的连接方式。
00:10:10它本质上并没有改变记忆机制。这不是 RAG（检索增强生成）。
00:10:11它没有嵌入任何东西，也没有所谓的向量数据库，
00:10:15尽管你可能会看到那些酷炫的图形展示，
00:10:17但从技术层面来说，它并不是真正的知识图谱。话虽如此，
00:10:22保持组织性是非常重要的，特别是当文件规模达到成千上万份时。
00:10:26这种重要性不仅体现在方便你找东西，
00:10:30在一定的规模下，对于 Claude Code 在 Token 效率和内容精炼方面也变得至关重要。
00:10:32这就是为什么大家都会提到 Karpathy 的 RAG 命名法，我们快速过一下。
00:10:36其核心思想是，我们有一个“库”（Vault），也就是 Obsidian 的所在地，
00:10:39以及一系列子文件夹。Karpathy 认为：
00:10:42我们需要一个 raw 文件夹来存放非结构化数据；需要 wikis，
00:10:44用来将这些原始数据转化为报告、文章等信息；
00:10:48最后是 outputs 文件夹来存放最终交付成果。举个例子：
00:10:50我做了一些关于 AI 智能代理的研究，这些原始资料进入了 raw。
00:10:54随后这些研究被整理成了一篇关于 AI 智能代理的文章，
00:10:55存放在我的 AI 智能代理 wiki 文件夹中。
00:10:59（此处原文无第 189 段翻译，按要求补齐）
00:11:04（此处原文无第 190 段翻译，按要求补齐）
00:11:09（此处原文无第 191 段翻译，按要求补齐）
00:11:13（此处原文无第 192 段翻译，按要求补齐）
00:11:17（此处原文无第 193 段翻译，按要求补齐）
00:11:21（此处原文无第 194 段翻译，按要求补齐）
00:11:24（此处原文无第 195 段翻译，按要求补齐）
00:11:28（此处原文无第 196 段翻译，按要求补齐）
00:11:29（此处原文无第 197 段翻译，按要求补齐）
00:11:32（此处原文无第 198 段翻译，按要求补齐）
00:11:36（此处原文无第 199 段翻译，按要求补齐）
00:11:37当达到一定规模时，这对 Claude code 来说也很重要，
00:11:40关乎 Token 效率和精简。这就是大家提到这个的原因，对吧？
00:11:45Karpathy 的 RAG 命名，我们快速过一下。
00:11:47其核心思想是，我们有一个库（Vault），
00:11:49即 Obsidian 的存放处，以及一系列子文件夹。Karpathy 说，
00:11:53我们有用于存放非结构化数据的 raw 文件夹。我们有 wiki 文件夹，
00:11:58将这些非结构化数据转化为报告或文章。
00:12:02最后我们有用于存放交付成果的 outputs。所以，
00:12:05我做了一些关于 AI 智能体的研究，存入 raw。
00:12:09这些研究在我的 AI 智能体 wiki 中转化成了一篇文章。
00:12:13嘿，我把它变成了一组幻灯片。大概就是这样。
00:12:16事实是，你完全不需要非得这样做。
00:12:19你只需要找到一种对自己有意义的方式即可。
00:12:24而且这种方式能让你和 Claude code 轻松穿梭于文件夹系统。
00:12:29即使里面有十万个文件，
00:12:33这样的基准也是一个好的开始，特别是因为存在所谓的
00:12:37主索引文件和散布各处的索引文件。
00:12:40这些索引文件基本上存在于 Obsidian 的每一层级。
00:12:45记住，Obsidian 只是一个文件夹。
00:12:47所以我们讨论的是向下延伸的每一个子文件夹。
00:12:49总有某个文件夹充当着目录的角色。
00:12:52如果我在库中点击里面的 wiki 文件夹，
00:12:57wiki 文件夹里有一个名为索引文件的目录，它告诉我：
00:13:02“这里面有智能体、RAG 系统和内容创作 wiki。”
00:13:06太好了，我知道去哪了。我进入 AI 智能体文件夹。里面有什么？
00:13:11还有另一个索引。又一个目录在说：“嘿，”
00:13:16“在 AI 智能体文件夹里，”
00:13:18“有这份文档和那份文档。”这是我从 Karpathy 那里学到的核心观点，
00:13:23即索引的概念，以及在 Obsidian 和文件结构的每一层中，
00:13:27都有一个主文档引导我找到正确的方向。
00:13:30如果你一开始没有建立这个机制，
00:13:33等到有 5000 份文档时，你就慢慢找吧。
00:13:34就我而言，我有几个文件夹。我有归档、内容、笔记、
00:13:38仪表盘、收件箱、运营、项目系统、Wiki，这对我来说很清楚。
00:13:42我有一个索引。我明白是怎么回事。
00:13:47你需要定制这些东西，让它对你有意义。
00:13:49你需要根据自己的需求进行定制，这样它对你才有意义。
00:13:53说到定制化，现在让我们进入仪表板的部分。
00:13:57我们之前已经稍微谈过其中的价值了，对吧？
00:14:01关于这一点的价值所在，我们之前已经稍微讨论过了，对吧？
00:14:03它的核心理念在于可视化，让我能直观地看到那些
00:14:07而且我们有这些任何人都可以使用的技能面板。
00:14:08接下来的问题是，为什么会有两个？
00:14:11为什么要在 Obsidian 内部放一个？
00:14:14因为我现在就在 Obsidian 里面。
00:14:17为什么还要在本地主机上搞一个 Streamlit 应用？
00:14:19那本质上是一个 Web 应用。这两者有什么区别，
00:14:22分别适用于什么场景？我认为 Streamlit 应用，
00:14:25或者说任何 Web 应用的价值，
00:14:28在于它是你智能体操作系统的仪表盘层，是为了分发。
00:14:31如果我想把这个带给团队，或者想把它打包给客户，
00:14:35采用这种配置会非常简单。
00:14:38我可以把模板放在 GitHub 上，然后非常迅速地
00:14:41分发给任何地方的任何人。
00:14:46搭建过程真的只需要几秒钟。
00:14:48如果这是给非技术团队成员或非技术客户用的，
00:14:50尽量保持简单，只需要清晰的按钮
00:14:54映射到各项技能并执行。这太棒了，正是他们想要的。
00:14:57Obsidian 仪表盘则有点不同。
00:15:01你是在牺牲分发性来换取人体工程学（操作便利性）。
00:15:04而且我认为它更强大，因为操作非常简单。
00:15:08正如你在这里看到的，你也可以在 Obsidian 指挥中心里
00:15:11集成一个终端，
00:15:16这意味着我现在拥有了两全其美的方案，
00:15:19更不用说因为它在 Obsidian 内部，我的所有资料都在手边
00:15:22供我随时取用。而且 Obsidian 拥有无限的定制空间，比如这里，对吧？
00:15:26我有完整的日历，但这不是那种日历插件。
00:15:30这实际上只是我把 Google 日历网页
00:15:34打开并放在右边，这样就能非常清晰地了解
00:15:38当天的安排、任务，以及
00:15:43动态流里的内容，还有我在不同社区的状态。
00:15:45以及动态消息的进展，还有我在不同
00:15:48社群中的处境。我想深入探讨受众相关的内容。
00:15:51也有专门的标签页显示热门 GitHub 仓库、
00:15:54Hacker News，以及我的一些简报，这些也与技能挂钩，
00:15:58比如头条新闻、X 和 YouTube 上的动向以及内容机会。
00:16:02再说一次，如果处于纯终端环境，
00:16:06处理这些会有点笨重。
00:16:08也会更加困难。但是，
00:16:12正如我提到过的，Obsidian 方案的问题在于分发。
00:16:14我该如何把这样的东西分发给团队或客户？
00:16:18其实也可以做到，因为这整个仪表盘指挥中心本质上
00:16:23只是 Claude code 创建的一个自定义插件，但还是那句话，
00:16:28帮别人搭建会很笨拙且尴尬。不是简单的“克隆即用”，
00:16:32而是“先克隆，再进 Obsidian，”
00:16:37“启用这些插件，把这个移到这，那个移到那，”
00:16:41“做完所有这些步骤。”所以存在一定的尴尬感。
00:16:44所以，如果你是单兵作战，并且想：
00:16:48“我想要一个带 Claude code 的智能体操作系统，”
00:16:52“想要所有这些酷炫的自定义按钮，”
00:16:54“还想让终端在同一个面板上清晰可用。”
00:16:58那么 Obsidian 路线是完美的。另一方面，如果你想：
00:17:02“我打算把这打包给团队和客户，并将其产品化。”
00:17:07那么 Web 应用才是王道。
00:17:10但请记住，这些系统的强大程度仅取决于其下的技能架构。
00:17:12它只是 Claude code 之上的一层漂亮外壳，
00:17:16如果没有底层架构，
00:17:19这只是些花哨的废话，仅此而已，对吧？
00:17:21你需要一些实实在在的内容。所以不要忘记你的核心价值所在。
00:17:26那么我就讲到这里。
00:17:30希望我已经讲清楚了这些智能体操作系统的价值所在。
00:17:31我看到有一部分人对此大加抨击，说它们毫无价值。
00:17:36我觉得这种评价非常不公平。
00:17:37当他们抨击时，通常针对的是仪表盘那一面，
00:17:41如果你脱离背景去争论仪表盘或指挥中心，那确实有道理，
00:17:45但这并不符合现实。真正的力量在于，
00:17:48仪表盘和所有这些只是某种表象，
00:17:52真正起作用的是背后的东西。那才是重心所在。
00:17:56我认为我们应该关注那里。如果我们关注技能系统，
00:17:59那么，
00:18:02难道我们会认为不该拥有一套基于日常生活、成体系的技能吗？
00:18:06我觉得很难反驳这一点。哦，最后一件事，
00:18:07其他人也提到了成本问题，这很重要，
00:18:11尤其是如果你最近有关注相关动态。
00:18:13使用 dash P 命令进行无头模式的
00:18:17Claude code 运行，似乎是 Anthropic 现在不喜欢的做法。
00:18:20所谓的“不喜欢”，是指
00:18:22他们虽然专门给了 200 美元用于此，但计入的是 API 成本。
00:18:26在这一整套设置中会有问题吗？因为你可以想象，
00:18:31这一切在底层都是无头运行 Claude code。既有问题也没有问题。
00:18:31要用完每月 200 美元，你得疯狂刷这些指令才行。
00:18:35所以我认为在现实中，
00:18:40这可能不会成为问题。如果真的成了问题，
00:18:45或者你觉得遇到了用量瓶颈，或是客户遇到了用量问题。
00:18:49简单的解决方案是，把这一切迁移到像
00:18:55Codex CLI 之类的工具上，因为 Codex 也很棒，而且没有这些问题。
00:18:59而且你能获得更高的性价比。
00:19:01在这里切换底层为 Codex 也非常简单。
00:19:04我是说，你可以用 Claude code 来做这件事。
00:19:09你只需要让它指向代码，然后说：“好，”
00:19:12“我们改一下，现在改用 Codex CLI 替代 Claude。”
00:19:16所以这基本上是几分钟内就能完成的重构。
00:19:18你甚至可以在仪表盘上放个按钮，我以后可能会加。
00:19:21比如：“好，切换到 Codex 版本。”
00:19:26总之，这是需要注意的一点。实际上，对于 99.99% 的人来说，
00:19:30它没有影响。这就是我要讲的内容，再次强调，
00:19:33你在这里看到的每一项，
00:19:35如果你想要我这套 Obsidian 指挥中心
00:19:40以及其他所有的配置，都可以在 Chase AI Plus 里找到。
00:19:43另外，记得查看正在举行的网络研讨会，
00:19:45如果你想要我那个 Obsidian 指挥中心
00:19:50以及其他所有内容的具体设置，你可以在 Chase AI Plus 中找到
00:19:53另外一定要关注正在进行的网络研讨会，就在，你知道的，
00:19:57大概在这段视频发布后的 20 小时左右。
00:20:01除此之外，我们回头见。