今天咱们聊聊Cloud Code
最近一年
这个名字在程序员的圈子里
可以说是火的一塌糊涂
但我是搞嵌入式驱动开发移植的
平时的火基本都在ARM平台上
调驱动、做移植、封装底层API
在近一年的时间里
想写个测试demo
搞个自动化脚本
写个MIC file
甚至写点视频里的动画程序
这些杂活我都是交给Tree加Jimmy去干的
所以网络上有些UP主分享的
使用Cloud Code快速写个网页
录个后端接口
说实话跟我的关系并不大
直到上周
我的电迷你额度又一次用完了
就想刚好趁机搞搞Cloud Code
在使用Cloud Code的时间上来看
我也是一个刚进场的小白
所以今天我以一个入门者的角度
先说说Cloud Code的安装方法
模型切换方法
视频后半部分
再说说Cloud Code能做什么
以及使用它的痛点是什么
如果你也想亲自上手试试
参考视频的前半部分即可
如果你是Cloud Code的自身使用者
欢迎帮忙提提建议
这个安装指南主要针对的是中国大陆区的朋友
在中国区要使用Cloud Code框架加Cloud系列模型比较困难
即使搞定了科学上网
还要注册Cloud的账号与购买Cloud API Key
但是Anthrobic默认是不对中国区用户开放的
对中国区用户的风控非常严格
即使搞定海外手机号
搞定外币支付
能够正常注册Cloud的账号
与购买Cloud的API-K
仍然有很大被封的风险
加上最近出台的失明认证机制
让中国大陆用户
使用原汁原味的Cloud模型的可能性
几乎变成零了
当然了除了购买官方套餐
还可以使用API中转站
但我个人不太推荐使用这种方式
一是不稳定
二是我也有好的办法
确定中转站使用的模型就是Cloud系列
所以咱们本次讲的安装指南
指的是安装Cloud Code框架
加替换中国大模型
有两点需要再说明一下
一是在中国区域
由于区域的限制
我没有办法参照官网的方式安装
二是安装Cloud Code前
需要安装环境依赖
Note.js
版本要求是18以上
Cloud Code是基于TypeScript编写
并通过NPM分发的
所以安装Cloud Code前
需要安装Node.js运行师环境
另外还建议安装Git
这样可以让Cloud Code
更好的理解我们的项目
接下来我会把Ubuntu
和Windows操作系统下的
Terminal安装方式都演示一遍
首先来看Ubuntu下的安装
为了避免安装过程和
使用过程速度全约互乱的问题
我们借助NVM来管理Node.js
首先安装NVM
安装完成之后
我们通过SaaS
使环境变量生效来加载NVM
接着我们再查看一下NVM的版本来验证安装结果
NVM的版本是0.40.3
接着我们通过NVM来安装Node.js
指定版本24
等待它安装完成
安装完成之后我们可以将其设置为默认版本
之后我们可以来详探一下Node和NPM的版本
可以正常显示安装的Node.js的版本号
现在Node.js已由NVM管理
我们就可以不用速度权限来安装Cloud Code
接下来我们就可以安装Cloud Code了
执行NPM install来安装
耐心地等待一会儿
等待它安装结束
Cloud Code安装结束之后
我们就可以安装CC Switch来进行模型切换了
我们可以到GitHub的相关链接
来下载针对X8664架构的Ubuntu系统的底半包
在这里感谢各位开源大神的辛苦付出
接着我们安装CC Switch软件包
稍等片刻等待它安装完成
安装完成之后
我们就可以在图形终端下
启动CC-Switch的GUI程序来进行模型切换
这里我们点击加号
选择目标模型
比如我的是DeepSeq
输入已经购买的API Key
点击添加
添加完成之后
我们点击一下这个测试按钮
来测试一下添加是否成功
成功之后
我们就可以回到命令行终端
运行Cloud来验证下
首次启动Cloud会提示进行相关的主题配置的
我是一路默认的Enter
接着就可以通过命令行与Cloud的交互了
上面是OneTool系统下的整个安装流程
接着我们看一下Windows系统下的安装
安装的整体过程其实与Ubuntu是基本一致的
我们总结一下就是安装Node.js环境
安装Gate for Windows
安装Cloud Code
安装CC Switch
因为已经有了Ubuntu操作系统下的安装基础
那么在Windows下的安装就相对来说简单多了
首先我们安装Node.js环境
是通过命令行安装
还是下载安装包安装都行
根据个人习惯来
我演示是通过命令行安装的方法
我们以管理员权限打开PowerShell终端
通过Winget来安装Node.js
我们执行安装指令
等待它安装完成
由于我的环境已经部署好了
我就直接演示一下需要的安装指令
不再显示指令执行后的过程
安装完成之后
可以检查安装版本
以验证安装结果
这里再补充一句
如果你不想使用管理员权限来安装
可以去了解一下SCOPE
这里我们就不花时间来介绍了
接下来安装Gate for Windows
如果已经安装过
就直接略过这一步
安装完成之后
还是通过查看GateVorion
来检查一下安装的结果
接着安装Cloud Code
我们还是通过NPM Insight来安装
安装完成之后
通过查看Cloud的版本
来验证一下安装结果
如果能显示对应的版本号
那么恭喜你
说明Cloud Code已经安装成功了
接着我们安装CC Switch
我们下载Windows版本的安装包
下载完成之后
双击安装即可
安装完成之后
我们打开CC-Switch
其他的步骤
同Ubuntu下的操作方法是一致的
添加目标API-K即可
添加完成之后
最好点击一下测试按钮
来测试一下模型是否添加成功
在CC-Switch中进行模型切换
对比于修改环境变量的方式
非常的方便
因为你通过修改环境变量的方式
进行模型切换的话
每添加一个新的模型
你都需要手动的去修改一次环境变量
添加成功之后呢
我们就可以通过命令行来运行cloud了
这里还有一点要提示一下
不管是在Ubuntu
还是在Windows操作系统下
最好是切到目标的工程目录下
与cloud进行交互
免得我们因为疏忽
让cloud在其他目录或是系统目录下
生成一堆文件
造成不必要的麻烦
接下来我们来看看cloudcode能做什么
从他的这个概略描述来看
他把自己定义为一个智能编程工具
一个AI驱动的编程助手
所以他面向的主要是软件开发人员
以及有编码需求的用户
但是根据很多使用者的反馈
Cloud Code结合Cloud系列的大模型
在素材整理文档编写
事据分析
这些非编码任务上表现的也相当不错
有运营的同学用它做周报
拆解OKR
有设计师用它配合Figma出稿
甚至有技术记者完全不用写代码
首先用它做内容生产
现在我们借助一个实际的应用场景
来演示如何使用Cloud Code
以一个ARM64平台加Celix的K7系列的FPGA
实现的多路看模块为例
这个工程目录下的几个文件夹
对应的内容分别是CinLinksXDMA的驱动
以及基于CinLinksXDMA驱动封装的看功能接口
还有CinLinks看IPcall用户手册
以及驱动工程师与FPG工程师之间的沟通文档
在当前目录下
我们打开一个PowerShell终端
运行Cloud
我们让它分析一下当前MKanLibXDMA所实现的功能
并根据现有的接口
用C语言编写看测试demo
以及编写相应的MIC file文件
暂时先不让它参与交叉编语
以实际测试
我们给到它具体的执行指令
Cloud开始执行
在执行过程中
它会输出概要的执行步骤
在涉及到要创建文件的时候
它会征求我们的意见
反复和我们确认是否进行下一步
针对比较复杂的任务
咱们还是慎重一点
就是最好一步一步来
针对简单的
可以让它直接将整个流程执行完毕
这个使用势力相对来说比较简单
没有跨平台的交叉编译
不涉及到与实际的硬件交互进行测试
我们就让它将整个流程一口气执行完
执行过程中
它进行了接口功能分析
编写了看接口功能测试程序
还编写了mic file文件
并生成了一个redme文档
用于对看测试demo进行必要的说明
我们浏览一下生成的文件
至于能不能编译
能不能直接拿来测试
我们先不讲
就是它目前所做到的
就已经可以给开发人员减轻很大的负担了
起码交给他做一些杂火是绝对没有问题的
接下来我们来看看Cloud Code最大的痛点
前面视频中的使用事例
还不足以发现Cloud Code使用过程中的痛点
我搜索了很多相关的使用资料
总结得到如下两条
就是消耗的Token不可控和生成的结果不达标
这不光是Cloud Code的问题
这几乎是当下所有AI agent的通病
我们先来看看Token不可控
比如
他为了解决一个简单的bug
他可能在后台自主决定去读了几十个投文件
跑了好几次编译
又回过头去分析了几千行的日志
每一步动作都在消耗token
可能还没解决几个问题
已够的token就消耗的差不多了
如果是团队协作的话
是用了多少token也不太好精确计算
如果想优化成本
又搞不清楚哪类操作更费token
由于这不可控的token消耗
让很多程序员的工作
从编码调试
变成了要控制好AI制整体的token消耗
可能在适用的初期阶段还更累了
但我们总要给新事务机会
就像允许小孩犯错一样
再看看生成的结果不达标问题
现在有很多用户已经反馈过
在面对复杂任务时
Cloud会出现思考深度下降
陷入逻辑死循环
疯狂刷token
当项目的规模角大时
Cloud Code经常会忽略用户已有的设计模式
或者是架构约束
它还会出现无视用户指令
防御性白烂和突然的问题
那么针对Cloud Code的痛点
使用者该如何自救呢
我也概略的总结了几条
比如说针对Token消耗不可控
我们可以限制它的执行部署
即时的清空上下文
还可以切换到其他的模型
比如我们中国的模型DeepSick
如果这个也算的话
针对结果不达标呢
我们可以主动的给出核心上下文
进行任务拆解
我们要慎用一键到底的执行方式
我们再把视线拉长一点
纵观一下AI行业这十几年的发展
过去十年
AI的竞争更多的是大模型的竞争
各家大模型比拼谁参数多
谁评分高
谁的多么态能力强
但到了2025年
AI有了更进一步的发展
不是因为大模型不再卷了
而是因为大模型之间的差距在缩小
当大家的智商都差不多的时候
竞争的焦点就变成了
谁能让AI真正的有效的干活
于是AI agent的时代到来了
像Ader Cloud Code
Open Cloud
Open Code
Cursor
Mainers
Github Copilot
Windsurf等等等等
这些我们反复听到的名字
他们形态各异
有的独立跑在终端里
有的嵌入在IDE中
有的甚至想做一个通用的数字员工
但无论哪种形态
他们都有一个共同点
可以操作电脑
能访问本地文件
能执行指令
能自行规划任务
而在这波浪潮里
最受程序员群体关注的
就是我们今天聊的Cloud Code
以上就是今天视频的所有内容
感谢观看
下期见