内置模型什么时候能用上GLM 5.2？

刚刚做了一个UI美化，一次对话后，第二次对话就直接感谢您的提问，我无法协助完成这个请求，很抱歉给您带来不便，若有其他问题我非常乐意帮助您！Trace_id: 908730f4e8ee410cad2ff0a627225d86 试过各种办法，退出重新登录，关闭IDE重新开启，都没用。（这些是之前公测的时候有效的解决办法） 怎么的，内测用户就开始这么膈应人了么

一句话介绍：一个人创业最难的不是缺钱缺人，而是缺少系统化的决策框架。我基于自己多年OPC实战经验，用华为云CodeArts IDE开发了一款OPC智脑Skills——一套专门服务一人创业者的AI诊断系统，帮助他们在最低成本、最短路径下完成从0到1的商业验证。一、我为什么做这个Skills？我是一名独立开发者，正在实践"一人公司"（OPC, One Person Company）模式。在创业过程中，我发现一个痛点：信息过载，但缺少决策框架——有想法不知道是否可行，有产品不知道如何获客，有用户不知道如何规模化。我尝试过找创业导师咨询、看书学习、加入社群，但要么成本高、要么理论多落地难、要么信息碎片化。我需要的不是更多信息，而是一个能告诉我"现在该做什么"的系统化框架。于是，我结合自己多年OPC实战经验，用华为云CodeArts IDE开发了一款OPC智脑Skills——一套专门服务一人创业者的AI诊断系统。它基于五阶段创业模型，严格适配"一人公司"约束（不假设有团队、融资），所有建议都可执行、可量化，且完全免费、随时可用。二、OPC智脑到底是什么？解决什么问题？2.1 OPC智脑的定义OPC智脑 = 创业方法论 × AI智能体 × 可执行工具它是一套将创业诊断方法论产品化的AI Skills系统，专门服务于"一人创业者"。2.2 五阶段创业诊断模型OPC智脑的核心是一个五阶段创业诊断模型，帮助创业者明确当前阶段和下一步行动：阶段名称核心目标毕业条件1构思期验证需求真伪，确认个人匹配度需求验证通过 + 匹配度≥602原型期设计MVP，测算交付成本MVP可交付 + 首单冷交付成功3实体期主体注册，财税规划，合规落地主体注册完成 + 财税规划落地4验证期获取种子用户，验证付费意愿种子用户≥10 + 付费用户≥15规模化期构建增长引擎，实现一人规模化月营收稳定增长 + 增长引擎运转核心价值：创业者不需要猜测"我现在该做什么"，OPC智脑会自动判定阶段并给出具体建议。2.3 八个独立SkillsOPC智脑包含8个独立Skills，覆盖创业全生命周期：五阶段Skills（按顺序调用）：skill1-idea-feasibility：Idea可行性研判触发词：创业Idea、想法、点子、可行性、需求验证功能：验证需求真伪，评估个人匹配度，给出可行度评分skill2-mvp-design：MVP精益设计触发词：MVP、产品设计、功能裁剪、交付成本功能：设计三层产品体系，测算交付成本，规划首单冷交付skill3-opc-compliance：OPC合规落地触发词：注册公司、个体户、合规、财税、经营范围功能：主体选型建议，财税规划，商用模板准备skill4-seed-coldstart：种子用户冷启动触发词：获客、种子用户、冷启动、定价、付费验证功能：低成本获客渠道，种子用户招募，定价策略skill5-scale-growth：规模化增长触发词：规模化、增长引擎、自动化、品牌、复购功能：业务拆解，AI自动化方案，增长引擎设计跨阶段Skills（随时调用）：6. feasibility-scoring：可行度打分系统功能：从需求可行性、市场空间、个人匹配度三个维度量化评分report-export：报告导出功能：一键导出诊断报告（Markdown/HTML格式）user-feedback：用户反馈收集功能：收集用户反馈，形成诊断-反馈-优化闭环2.4 解决的核心问题问题1：不知道从哪里开始痛点：有创业想法，但不知道第一步该做什么解决：自动判定创业阶段，给出当前阶段的具体行动清单问题2：不知道Idea是否可行痛点：担心投入后才发现需求不存在或市场太小解决：可行度打分系统（需求可行性×0.4 + 市场空间×0.3 + 个人匹配度×0.3）问题3：不知道如何设计MVP痛点：想做产品但不知道如何裁剪功能、控制成本解决：MVP精益设计，确定三层产品体系，测算交付成本问题4：不知道如何合规落地痛点：担心法律风险、税务问题、合同纠纷解决：OPC合规落地指导（主体注册、财税规划、商用模板准备）问题5：不知道如何获取首批用户痛点：产品做好了但没人买单解决：种子用户冷启动策略（获客渠道、定价策略、付费验证）问题6：不知道如何规模化痛点：有用户但不知道如何放大收入、实现一人规模化解决：规模化增长引擎设计（自动化、品牌、复购、体系化）2.5 与其他方案的对比对比维度创业导师咨询创业书籍/课程创业社群OPC智脑成本高（几百-几千/次）中（几十-几百）低（免费或低费）零成本时间需预约需阅读随时随时可用个性化高低中高（AI诊断）系统化中高低高（五阶段模型）可执行性中低低高（量化建议）一人适配不一定不一定不一定严格适配三、如何在CodeArts IDE安装和使用？3.1 安装方式OPC智脑支持多种安装方式，最推荐的是CodeArts IDE一键安装。方式1：CodeArts IDE一键安装（推荐）步骤1：下载OPC智脑# 克隆仓库 git clone https://gitee.com/zx_allen_li/opc_skills.git cd opc_skills步骤2：执行安装脚本# 安装到新项目 bash install-codearts.sh /path/to/your-project # 或在当前项目安装 bash install-codearts.sh . 步骤3：验证安装安装完成后，会自动生成以下文件：your-project/ ├── AGENTS.md # 完整版配置 └── .codeartsdoer/ ├── agents/ │ └── opc-zhinao.json # 智能体配置 └── skills/ # 8个Skills ├── skill1-idea-feasibility/ │ └── SKILL.md ├── skill2-mvp-design/ ├── skill3-opc-compliance/ ├── skill4-seed-coldstart/ ├── skill5-scale-growth/ ├── feasibility-scoring/ ├── report-export/ ├── user-feedback/ └── ProjectSkillStatus.txt # 8个skills已配置方式2：通用Prompt安装（适用于其他AI平台）如果使用其他IDE或AI平台，可以使用通用Prompt安装：bash install-prompt.sh /path/to/your-project会生成：opc-zhinao-prompt.md：通用Prompt文件skills/：Skills目录可将opc-zhinao-prompt.md内容复制到：OpenAI/Claude：作为System PromptCoze/Dify：作为Bot的System PromptLangChain：作为PromptTemplate3.2 使用方式在CodeArts IDE中使用步骤1：打开项目在CodeArts IDE中打开已安装OPC智脑的项目，IDE会自动识别opc-zhinao.json和AGENTS.md。步骤2：开始诊断在聊天窗口输入你的创业Idea或困惑：我想做一个面向小微企业的SaaS工具，帮助他们管理客户和订单步骤3：查看诊断结果OPC智脑会自动：判定你的创业阶段（如：构思期）进行五维度评分给出可行度评分（如：82分，高度可行）列出核心卡点给出具体行动建议（按优先级排序）步骤4：导出报告诊断完成后，回复数字即可导出报告：用户：导出 OPC智脑：📊 一键导出报告 回复数字即可： • 回复 1 → 导出 Markdown（适合在线查看） • 回复 2 → 导出 HTML（适合浏览器查看，可打印） 用户：2 OPC智脑：✅ 导出成功！ 📄 文件已保存到：opc-reports/2026-06-09/ 典型使用场景场景1：验证创业Idea用户：我有一个想法，做一款智能电蚊拍，可以自动计数并同步到App OPC智脑：【阶段判定】当前处于：构思期（第1阶段） ## 需求真伪校验 ### 需求类型判定 - 需求类型：改善型需求 - 判定理由： 1. 痛点不够强烈（电蚊拍已有成熟产品） 2. 付费意愿存疑（用户可能不愿意为计数功能多付钱） 3. 有替代方案（手动计数、普通电蚊拍） ### 可行度评分 **综合可行度**：45/100 🟠（有挑战） 建议： 1. 先验证用户是否真的需要"计数"功能 2. 考虑转向B端市场（酒店、餐厅等需要灭蚊数据的场景）场景2：设计MVP用户：我的SaaS产品已经验证了需求，现在想开发MVP OPC智脑：【阶段判定】当前处于：原型期（第2阶段） ## MVP精益设计 ### 三层产品体系 **核心层（必须有）**： - 用户管理（注册/登录） - 核心功能（你的SaaS核心价值） - 基础数据展示 **增强层（第二阶段）**： - 数据分析 - 导出功能 - 通知提醒 **扩展层（第三阶段）**： - API开放 - 第三方集成 - 高级定制 ### 交付成本测算 - 开发时间：4-6周（核心层） - 云服务成本：500-1000元/月 - 首单交付时间：2周内 建议：先做核心层，用2周时间验证是否有用户愿意付费。场景3：获取种子用户用户：我的产品已经做好了，但没人买单 OPC智脑：【阶段判定】当前处于：验证期（第4阶段） ## 种子用户冷启动方案 ### 低成本获客渠道（按优先级排序） **渠道1：内容营销**（零成本） - 写技术文章：如何解决[用户痛点] - 发布平台：掘金、知乎、公众号 - 预期效果：每周3-5个线索 **渠道2：精准社群**（零成本） - 加入目标用户聚集的社群 - 提供免费咨询，转化付费用户 - 预期效果：每周2-3个线索 **渠道3：老客户转介绍**（零成本） - 给现有客户优惠（续费打折） - 鼓励他们推荐新客户 - 预期效果：每周1-2个线索 ### 定价建议 当前定价：年费1500元 建议： - 增加阶梯定价（基础版/专业版/企业版） - 提供免费试用（7-14天） - 降低首次付费门槛（月付选项）3.3 核心特性特性1：自动阶段判定不需要用户告诉OPC智脑"我现在在哪个阶段"，它会根据以下五维度自动判定：需求验证度方案成熟度合规完备度用户获取度规模化度特性2：可行度量化评分每个诊断结果都包含三维评分：综合可行度 = 需求可行性×0.4 + 市场空间×0.3 + 个人匹配度×0.3 并给出可视化等级：80-100分：高度可行（绿灯）🟢60-79分：可行但需突破（黄灯）🟡40-59分：有挑战（橙灯）🟠0-39分：不可行（红灯）🔴特性3：可执行建议所有建议都遵循以下原则：不使用"可以考虑"、"建议了解"等模糊表述时间估算具体到天/周费用估算给出具体金额或区间每个建议都有明确的下一步行动特性4：一人适配严格适配"一人公司"的约束：不假设有团队、合伙人、融资优先推荐AI自动化替代人力的方案不推荐需要多人协作的方案所有方案考虑时间和精力限制3.4 实际效果我本人就是OPC智脑的第一个用户。在使用过程中：案例1：SaaS商城项目初始状态：有5家付费客户，年收入7500元诊断结果：处于验证期，核心卡点是获客渠道不明确行动建议：明确差异化定位、优化定价策略、构建获客引擎执行效果：2个月内客户增长到15家，月营收稳定在3000元以上案例2：知识付费项目初始状态：有想法但不确定是否可行诊断结果：可行度62分（黄灯），需求是改善型行动建议：先做最小验证（5个用户深度访谈）执行效果：发现真实需求与预期不同，及时调整方向，避免浪费3个月开发时间四、开源与贡献4.1 开源地址OPC智脑已开源，欢迎Star和贡献：Gitee：https://gitee.com/zx_allen_li/opc_skills.git官方网站：http://opc.soberli.comSkillHub：https://skillhub.cn/skills/opc-zhinao4.2 欢迎贡献欢迎以下贡献：提交Issue：反馈Bug或建议新功能提交PR：优化现有Skills或添加新Skills分享案例：分享你使用OPC智脑的创业案例五、总结OPC智脑为一人创业者提供了系统化的五阶段框架、量化的可行度评分、可立即执行的行动建议，且基于CodeArts + OPC智脑Skills完全免费。我希望它能帮助更多创业者用最低成本、最短路径完成从0到1的商业验证，避免常见坑、少走弯路、建立系统化思维。一人创业，不是孤军奋战。有了AI诊断专家，你就是一个人，但不是一个人在战斗。附录：快速开始1分钟快速体验如果你已经安装了CodeArts IDE，只需3步：# 1. 克隆仓库 git clone https://gitee.com/zx_allen_li/opc_skills.git # 2. 安装到项目 cd opc_skills bash install-codearts.sh /path/to/your-project # 3. 在CodeArts IDE中打开项目，开始使用 常见问题Q：我不懂技术，能用吗？A：完全可以！你只需要用自然语言描述问题，OPC智脑会自动完成所有分析。导出报告也只需回复数字。Q：导出的文件在哪里？A：文件自动保存在 opc-reports/日期/ 文件夹，你可以直接打开使用。Q：诊断结果准确吗？A：OPC智脑基于五阶段创业模型，所有建议都严格适配"一人创业者"的约束，务实落地可执行。Q：可以多次诊断吗？A：可以！每次诊断都会独立生成报告，按日期自动分类存储。CodeArts IDE中使用目前免token费用作者：李屹镒公众号：科技新潮视频号：小李君与AI开源项目：OPC智脑（https://gitee.com/zx_allen_li/opc_skills.git）本案例已参加华为云社区案例共创活动，希望对更多一人创业者有帮助！

CodeArts Agent /goal 后自动化：码道设置目标，后台自动续跑整理时间：2026-06-10安装前提：分享包不会包含 codearts_cli.json、Provider 配置或任何真实 AK/SK。/goal 入口要真正可用，接收者本机必须已经把 CodeArts CLI / 桌面端模型指向一个真实可访问的接口，而不是 example.invalid 这一类占位地址。这版方案修正一个关键点：只做 /goal、继续、goal-state.json 还不是全自动。要做到“码道里 /goal 设置好后自动化”，必须增加后台自动续跑器。严格讲，这不是“码道单体自己全自动”。真实模型是：码道负责 /goal 入口，本机常驻 watcher 负责自动发现和续跑。首次安装、启动 watcher 需要配置一次；之后普通开发交互才主要回到码道聊天框。最终模型：用户在码道输入 /goal global watcher 自动发现 goal-state.json auto-runner 接管单项目 后台加载本机私有 CLI 环境 状态 active 时优先走 CLI 自动续跑 CLI 失败或无进展时自动回退到 desktop supervisor，并显式发送空 /goal 直到 complete / blocked / need_confirm1. 普通用户的主流程普通用户不需要一轮一轮输入 继续。在 CodeArts Agent / 码道聊天框输入：/goal 帮我做一个最小 CRM demo，要求能运行，有 README，有基本验证全局 watcher 会自动发现后台状态，/goal 也会自动 ensure 单项目 watcher，随后后台自动续跑器接管后续执行。如果用户只输入空 /goal，当前语义是：如果当前工作区已经有 active、blocked、need_confirm 或“表面 complete 但仍有剩余步骤”的 goal，优先恢复这个 goal。如果当前工作区还没有可恢复 goal，就从最近一次明确的用户需求里推断 goal。只有既没有可恢复 goal、也推断不出明确目标时，才要求用户补一句目标。这套空 /goal 语义对 CodeArts CLI 和桌面端保持一致；桌面端没走到显式 command 时，也会由 build agent 的 fallback 接住。用户只需要在这些情况回到码道：查看状态：看下状态确认高风险动作：确认继续停止目标：停止手动兜底：/goal 继续 /goal-continue2. 为什么需要 auto-runner模型本身不会在一轮回复结束后自己醒来。没有外部触发器时，/goal 只能做到当前轮尽量多执行，或者等用户下一次发 继续。auto-runner 的作用就是代替用户做这件事：监控项目里的 .codeartsdoer\goal-state.json。发现 status = active。先自动调用 CLI supervisor。CLI supervisor 通过 CodeArts CLI 继续执行。如果 CLI 失败，或者执行后状态没有推进，而桌面端 CodeArts 窗口还开着，则自动回退到 desktop supervisor，并显式发送空 /goal。状态变成 complete、blocked、need_confirm 后停止。3. 后台自动续跑器文件新增核心文件：goal-auto-runner.ps1 goal-auto-runner-start.ps1 goal-auto-runner-stop.ps1它配合已有的：goal-supervisor-cli.ps1 goal-supervisor-config.json完整链路：/goal -> goal-runner -> <repo>\.codeartsdoer\goal-state.json -> goal-global-auto-runner.ps1 -> goal-auto-runner-ensure.ps1 -> goal-auto-runner.ps1 -> goal-supervisor-cli.ps1 -> codearts run --command goal4. 全局 watcher 和自动 ensure最接近全自动的方式是安装一次全局 watcher：powershell -ExecutionPolicy Bypass -File "$env:USERPROFILE\.codeartsdoer\goal-global-auto-runner-install.ps1" 立即启动：powershell -ExecutionPolicy Bypass -File "$env:USERPROFILE\.codeartsdoer\goal-global-auto-runner-start.ps1" 同时，/goal 会自动调用：goal-auto-runner-ensure.ps1它会检查当前项目的后台 auto-runner 是否已经在跑。如果没跑，就启动；如果已经在跑，就直接返回 AUTO_RUNNER_READY。这是全局 watcher 之外的第二层保险。手动启动只作为兜底：powershell -ExecutionPolicy Bypass -File "$env:USERPROFILE\.codeartsdoer\goal-auto-runner-start.ps1" -Workspace "D:\Code\ERP" 停止：powershell -ExecutionPolicy Bypass -File "$env:USERPROFILE\.codeartsdoer\goal-auto-runner-stop.ps1" -Workspace "D:\Code\ERP" 这不是普通用户每轮要做的事。正常日常就是回到码道里 /goal。5. 自动化边界会自动继续：status = active当前项目内安全开发动作本地验证失败后的修复循环会停下来：status = completestatus = blockedstatus = stoppedstatus = need_confirm默认永不自动确认：destructive_local secrets_credentials payments_purchases可以谨慎配置自动确认："auto_confirm_categories": [ "external_write" ] 公开分享不建议默认打开远端写入、部署、破坏性操作、凭据或付费动作。6. 和上一版的区别上一版：/goal -> 用户手动继续 -> 用户手动确认 -> 用户手动看状态这一版：/goal -> global watcher 发现 active -> 后台自动继续 -> 只在需要确认或查看时回到码道这才接近你想要的“/goal 设置好后就是自动化”。6.1 建议附带的验证建议分享包里附带这条验证脚本：powershell -ExecutionPolicy Bypass -File ".\test-codearts-goal-active-handoff.ps1" 它不是静态检查，而是端到端检查：创建一个临时项目，写入 status=active 的 goal-state.json，然后不输入 继续，等待后台 watcher 自动接管。通过标准是结果文件内容为 OK，状态变成 complete，剩余步骤和验收项清零。这个验证比“桌面端首轮直接完成”更能说明问题，因为它证明了首轮未完成时也能自动续跑。如果这条失败，先看：C:\Users\<你的用户名>\.codeartsdoer\goal-history.jsonl如果日志里已经出现 global-auto-runner、auto-runner、goal-supervisor-cli 和 goal，说明 watcher 链路已经接管。如果随后还能看到 fallback to desktop supervisor，说明后台已经自动切到了桌面端续跑。剩下通常才是 CodeArts CLI 认证、网络、模型 API，或者 CLI/桌面端都没有把 goal-state.json 推进下去，不要误判成 watcher 没工作。7. 分享包建议核心文件：agents/ commands/ goal-policy.json goal-supervisor-config.json goal-supervisor-cli.ps1 goal-global-auto-runner.ps1 goal-global-auto-runner-start.ps1 goal-global-auto-runner-stop.ps1 goal-global-auto-runner-install.ps1 goal-global-auto-runner-uninstall.ps1 goal-auto-runner.ps1 goal-auto-runner-ensure.ps1 goal-auto-runner-start.ps1 goal-auto-runner-stop.ps1 README-goal.md docs/codearts-goal-manual.md test-codearts-goal-active-handoff.ps1 verify-codearts-goal-automation.ps1可选兼容文件：goal-supervisor-desktop.ps1 README-supervisor.md不要上传：goal-history.jsonl goal-private-env.json goal-auto-runner-*.pid.json goal-global-auto-runner.pid.json codearts_cli.json codearts_cli.backup.json codearts-data/ cli-data/ vscode-data/ node_modules/ 任何 AK/SK 或 token8. 最后判断只靠普通 /goal 不是全自动。global watcher + /goal ensure + auto-runner + CLI supervisor 才是接近全自动的组合。9. 下载安装下载：https://share.fnnas.net/s/ebd88f1764774d129a

引领AI时代，技术破局前行！ 当开源生态碰撞前沿AI智能，会给应用开发带来怎样的颠覆性变革？开发者如何紧跟技术浪潮，实现智能提效？ 就在这个六月，星城的开发者们，你们的专属技术盛宴来啦！不仅仅是听讲，更是全员实操、现场Debug、启发创新的技术沙龙！ 🔥 温馨提示：请务必自带电脑参加，现场跟着专家一起卷实战！ 📍 活动指南：活动时间： 6月13日（星期六）14:00活动地点： 智谷大创基地一楼路演厅招募对象： 软件开发工程师、AI技术爱好者、开源社区贡献者、高校计算机相关专业学生及所有对 AI 辅助开发感兴趣的伙伴。 📢 成功提交报名信息后，页面将自动弹出“活动专属交流群”微信二维码。请务必扫码入群！我们将在群内提前发布【实操指南】、现场抽奖曲目及后续的小组答疑，期待在群里与你提前相遇！🚀 带上你的电脑，带上你的奇思妙想。6月13日，长沙智谷大创基地，我们不见不散！  

在这个 AI 技术日新月异的时代，大模型正以前所未有的速度重塑开发者生态。如何将大模型能力真正落地到实际业务中？分布式开源技术与 AI 又是如何深度碰撞的？ 由 AtomGit 与 华为云开发者发展与支持部 HCDG 联合举办的 G-Star Gathering Day 大连站将于 6月13日（星期六） 在大连重磅开启！ 这里有技术大咖的硬核干货分享，有前沿开源框架的深度解密，更有手把手的现场代码实操！无论你是对大模型应用感兴趣的开发者，还是致力于开源转型的技术探索者，这场技术盛宴都不容错过！ 💡 活动概览活动主题：G-Star Gathering Day 大连站：AI 助力全场景应用实战活动时间：2026年6月13日（星期六）14:00活动地点：辽宁省大连市甘井子区高新街9号 梵亚酒店面向人群：开发者、高校学生、开源技术爱好者、AI/大模型技术研究者 本次活动邀请到多位来自开源社区、知名科技企业的核心贡献者与资深专家，围绕分布式存储、AI视觉小说框架、代码智能体以及 AI 商业化落地等核心方向展开深度交流。 🌟 为什么你一定要来？掌握最前沿的 Rust 生态：深度剖析 AI 时代的高性能分布式存储系统技术实现。实战演练大模型应用：现场手把手教你快速构建属于你自己的 AI 智能体应用。打破技术到商业的壁垒：资深算法专家为你拆解，作为程序员如何发现并抓住 AI 的商业化落地机会。优质同行技术人脉：结识来自大连及周边地区的优秀开源贡献者、主理人和技术大牛，拓展技术圈子。 📢 席位有限，立即报名！💡 温馨提示：本场活动含实操，请开发者携带电脑参加～  

不买会员反而能一直用，买了反而用不了？？这个脑洞有点意思哦

一天干完三千多万的Token，仅仅一个人调试的消耗，其它模型占比62%，根本就没其它模型，意味着无效的Token消耗占比62%！！如果用于团队的产品开发，无法想象天量的Token消耗。客服反馈是因为“历史版本的脏数据”导致的问题，需要6月30日更新CodeArts，然后两天后再看看是否解决。我的问题只有两点：1、多消耗的Token如何补偿？2、6月30日是否能解决问题，是因为历史版本的脏数据，还是因为其它问题？

什么时候能出鸿蒙版？

一、概述1.1 案例介绍正则表达式难写更难读，一个 (?<=\d)(?=(\d{3})+$) 就能劝退不少开发者。本案例基于 AI IDE 华为云码道（CodeArts）代码智能体，从零构建一款 Regex Explorer 正则表达式可视化测试器：左边写正则、贴文本，右边实时高亮匹配、拆解捕获组，并把每一段正则翻译成人话。全程由码道结合 skills 完成需求、设计、编码与验证，零后端依赖，开箱即跑。本案例采用华为云码道（CodeArts）代码智能体作为核心开发工具，结合dev-process-framework、page-mockup、function-detail等专业化skills，构建从需求分析、系统设计、页面原型到SDD文档体系的完整开发流程。该方案将传统开发中分散的需求文档、设计文档、任务清单整合为规范化的SDD体系，使决策过程可追溯、文档与代码同步更新，大幅提升开发效率和项目可维护性。通过码道的智能体模式，开发者无需深厚架构背景即可快速完成复杂企业级应用的设计与规划。案例技术选型：华为云码道（CodeArts）代码智能体：集代码大模型、AI IDE、Code Agent为一体的智能编码产品。具备强大的需求理解、架构设计和代码生成能力，支持智能体模式自动规划并执行复杂开发任务。本案例中作为核心开发平台，通过对话式交互快速完成固定资产管理系统的需求分析、架构设计和SDD文档生成。SDD规范驱动开发方法论：系统化的软件开发方法论，包含creating-sdd-directory、managing-spec/design/tasks-document四大核心流程skills。使决策过程可追溯，文档与代码同步更新，形成完整知识库，特别适合多模块复杂功能项目。本案例中作为整体开发方法论指导，确保固定资产管理系统开发的规范性、可追溯性和可维护性。1.2 适用对象企业开发者个人开发者高校学生1.3 案例时间如：本案例总时长预计120分钟。1.4 案例流程说明：AI IDE华为云码道（CodeArts）代码智能体安装部署；配置码道devecoflow skill，并使用该skill部署配置码道开发生态skills；对话码道，使用dev-process-framework skill生成系统设计；对话码道，使用page-mockup skill生成前端页面设计；对话码道，使用test-designer skill生成测试设计文档；对话码道，使用function-detail skill整合系统设计和页面设计和测试设计，生成（需求、设计和开发任务）。1.5 资源总览本案例预计花费0元。资源名称规格单价（元）CodeArts代码智能体体验版免费二、环境和资源准备2.1 AI IDE华为云码道安装部署参考案例《AI IDE华为云码道（CodeArts）代码智能体安装部署》完成Windows版AI IDE华为云码道（CodeArts）代码智能体安装部署。注：本案例使用码道智能体模式，模型选择GLM-5.1，开发模式为探索模式(Vibe-Coding Mode)。2.2 配置码道skills2.2.1 配置dev-eco-setup对话码道：“请帮我从https://gitcode.com/sinat_41661654/dev-eco-setup.git下载该skill，并配置到当前项目中。”等待任务执行结束，可在左侧.codeartsdoer\skills目录下查看dev-eco-setup skill。dev-eco-setup skill简介：开发生态自动部署工具，dev-eco-setup skill 自动从 GitCode 下载并部署项目级 skills，一键搭建完整开发生态。适用于新项目初始化和开发生态配置。2.2.2 部署开发生态继续对话码道：“请使用 dev-eco-setup skill 快速帮我部署一下开发生态”。码道将调用 dev-eco-setup skill 自动部署开发生态。等待任务执行结束，可在左侧.codeartsdoer\skills目录下查看开发生态 skills 。开发生态包含以下项目级skills：序号skill 名称功能描述适用场景1dev-process-framework开发流程框架从意图到验证代码的开发流程框架。提供需求细化、架构决策、任务分解、代码质量和质量保证的完整指南。2page-mockupPC端页面原型设计工具根据需求规格说明文档自动生成PC端页面原型设计文档，包含线框图、交互流程、设计规范等。3function-detailSDD 文档体系生成工具从需求规格说明书、架构设计、数据模型设计、API接口设计和页面原型设计生成完整的SDD(Specification-Driven Development)文档体系。4sdd-workflowSDD开发全流程管理工具集成进度跟踪、文档同步、变更管理三大核心能力，确保开发过程可追溯、可复盘、文档一致性。5bug-fix-reporter - Bug修复报告生成器自动生成标准化的 Bug 修复报告。当修复问题、记录修复过程或生成问题文档时使用此 skill。6fullstack-testing全栈测试综合工具包，涵盖测试设计、单元测试、集成测试、E2E测试和覆盖率分析。支持两种模式：测试设计模式：生成测试设计文档和测试用例。测试执行模式：编写和运行pytest/Vitest/Playwright测试也可在码道设置 > 技能与规则的项目级技能中进行查看。注：本案例为固定资产管理系统项目的需求、设计阶段，后续会使用dev-process-framework、page-mockup、function-detail、fullstack-testing等skills辅助码道分别完成 AssetMgmt从原始需求到系统设计、页面设计、测试设计，并最后转化成SDD需求开发设计文档。除上述skills之外，本案例中还用到了如下系统内置skills：frontend-design：码道内置的前端设计skill，提供5种专业主题风格（线性美学、极简现代、苹果极简、赛博朋克、拟物化），用于生成避免AI通用风格的高质量、生产级前端界面代码。SDD：包含四大核心流程skills：**creating-sdd-directory：**是SDD流程的起点，负责初始化规范驱动开发所需的目录结构和基础文件。managing-spec-document：负责管理spec.md文档，明确记录"做什么"，确保需求清晰无歧义，避免开发过程中的需求偏差，是整个SDD流程的基础。managing-design-document：负责管理design.md文档，详细规划"怎么做"，在设计阶段就考虑架构、技术选型和潜在问题，大幅减少返工成本，是连接需求与实现的桥梁。managing-tasks-document：负责管理tasks.md文档，将复杂项目分解为可追踪的具体任务，使开发进度一目了然，是SDD流程的落地环节。2.3 码道使用技巧（上下文选择功能）在执行任务过程中，有时我们期望指令是针对某个具体文件、目录进行，此时需要用到码道的上下文选择功能，此功能用于限定对话和指令的作用范围。在AI IDE界面打开指定的文件/文件夹，在码道对话框中输入“#”弹出选择菜单，根据需要可选择 File（单个文件）或 Folder（文件夹）。选择后，后续对话和指令优先在该范围内执行。作用：提高指令执行精度，避免全局搜索让AI更聚焦于你关注的代码区域加快响应速度，减少无关内容干扰注：后续案例内容若 prompt 中包含#文件/目录名，则说明该指令使用了上下文选择功能。三、构建Regex Explorer应用3.1 项目背景与原始需求开发者在写正则时常面临两个痛点：一是不确定自己的正则到底能不能匹配目标文本，反复试错；二是看到别人写的正则（尤其带断言、惰性量词、命名组的）一脸懵，读不懂每一段在干什么。原始需求一句话概括：做一个本地就能跑的网页工具，把正则的“匹配验证”和“语义理解”合到一屏里。具体目标：输入正则 + flag（支持 g/i/m/s/u/y 复选框与输入框双向联动），实时对测试文本高亮所有匹配；列出每一处匹配的位置区间、各捕获组与命名组的值；把正则逐 token 拆解并翻译成中文说明（如 \d{3} → “任意一个数字 (0-9) —— 恰好重复 3 次”）；内置常用正则速查库（电话、邮箱、URL、手机号、颜色值、日期），点击即填；纯前端完成匹配与解析逻辑，后端仅做静态托管，零外部依赖、零密钥。3.2 部署项目代码1）项目结构说明：Regex Explorer 功能介绍regex-explorer ├── package.json // 项目元信息与依赖（hono、@hono/node-server） ├── server.js // Hono 服务入口：静态托管 public/ + /api/health 健康检查 └── public ├── index.html // 单页界面：正则输入、flag 开关、测试文本、结果区 ├── style.css // 暗色主题样式 ├── explainer.js // 核心：正则逐 token 拆解 → 中文解释引擎 └── app.js // 前端逻辑：实时匹配、高亮、捕获组渲染、事件绑定2）下载源码通过git下载源码到本地，代码仓地址：https://gitcode.com/zhepama/regex-explorer.git3）关键代码讲解依赖安装：进入项目目录执行 npm install 即可。package.json 中依赖已锁定版本，避免后期版本依赖冲突：{ "type": "module", "scripts": { "start": "node server.js" }, "dependencies": { "@hono/node-server": "2.0.4", "hono": "4.12.25" } } 注：这里明确锁定 hono==4.12.25 与 @hono/node-server==2.0.4（而非不带版本号）。早期版本的 serveStatic 存在路径穿越等高危漏洞，升级到上述版本后 npm audit 为 0 漏洞。服务端 server.js：Hono 仅负责静态托管与一个健康检查接口，所有正则计算都在浏览器端完成：import { serve } from '@hono/node-server' import { serveStatic } from '@hono/node-server/serve-static' import { Hono } from 'hono' const app = new Hono() // 健康检查 app.get('/api/health', (c) => c.json({ ok: true, name: 'regex-explorer' })) // 静态资源托管（前端单页应用） app.use('/*', serveStatic({ root: './public' })) const port = Number(process.env.PORT) || 3000 serve({ fetch: app.fetch, port }, (info) => { console.log(`Regex Explorer running at http://localhost:${info.port}`) }) 核心解释引擎 public/explainer.js：逐个扫描正则模式中的 token（转义符、字符类、分组、断言、量词等），输出 [{ token, desc }] 给前端渲染。例如量词的识别：function quantifierText(q, lazy) { let base; if (q === '*') base = '重复 0 次或多次'; else if (q === '+') base = '重复 1 次或多次'; else if (q === '?') base = '出现 0 次或 1 次 (可选)'; else { const m = q.match(/^\{(\d*)(,?)(\d*)\}$/); if (m) { const [, n, comma, mx] = m; if (comma === '') base = `恰好重复 ${n} 次`; else if (mx === '') base = `重复至少 ${n} 次`; else base = `重复 ${n} 到 ${mx} 次`; } else base = `量词 ${q}`; } return lazy ? base + ' (惰性，尽量少匹配)' : base; } 由于正则匹配在浏览器端运行，需注意两个点：一是全局 flag 下空匹配可能导致死循环，需手动推进 lastIndex；二是测试文本需 HTML 转义，防止标签注入：if (re.global || re.sticky) { let m, guard = 0; while ((m = re.exec(text)) !== null) { out.push(snapshot(m)); if (m.index === re.lastIndex) re.lastIndex++; // 防空匹配死循环 if (++guard > 100000) break; } } 4）运行调试在项目根目录执行以下命令启动服务：npm install npm start启动成功后控制台输出：Regex Explorer running at http://localhost:3000浏览器打开 http://localhost:3000 即可使用。可用 curl 验证接口与静态资源都正常：$ curl -s http://localhost:3000/api/health {"ok":true,"name":"regex-explorer"} 页面上输入示例正则 (\d{3})-(\d{4})、flag g，测试文本“联系电话 010-1234，备用 021-5678。”，右侧会实时高亮两处匹配，列出每处的捕获组 1/2 与位置区间，并逐段给出中文解释（如“捕获分组开始 (第 1 组)”、“任意一个数字 (0-9) —— 恰好重复 3 次”）。安全提醒：该服务为无鉴权的本地静态服务，仅适合本地开发与演示，请勿直接暴露到公网。四、扩展资料说明码道版本新特性说明：https://support.huaweicloud.com/wtsnew-codeartssnap/index.html#section2【案例共创】【第11期】华为云码道（CodeArts）代码智能体 + 新特性完成应用开发/调试实践https://bbs.huaweicloud.com/forum/thread-0212721403979154441-1-1.html

一、概述1.1 案例介绍在Web应用开发中，端到端测试是保障产品质量的关键环节，然而传统测试方式却让开发者苦不堪言。编写Playwright或Selenium测试脚本需要掌握复杂的API和选择器语法，一个简单的搜索验证场景就要写几十行代码；调试失败测试更是噩梦——定位元素、排查网络请求、分析控制台日志，往往耗时数小时；多标签页切换、网络拦截模拟、登录态管理等高级场景的测试代码更是晦涩难懂。据统计，测试脚本的编写和维护成本占项目总测试成本的60%以上。本案例通过华为云码道代码智能体结合playwright-cli-automation Skill，实现"零代码玩转浏览器自动化测试"的创新体验，让Web测试像对话一样简单。本案例基于华为云码道代码智能体，结合playwright-cli-automation Skill，实现浏览器自动化测试的零代码化操作。用户通过自然语言对话方式，即可完成页面交互与快照验证、网络拦截与存储状态管理、多标签页操作与调试诊断等典型Web测试场景。案例完整演示了如何安装配置码道AI IDE、安装playwright-cli-automation Skill，以及通过自然语言对话驱动Playwright完成三大实战场景：Bing搜索验证、example.com网络拦截与状态持久化、Hacker News多标签页操作与网络监控，全面展示零代码浏览器自动化测试的强大能力。案例技术选型：华为云码道（CodeArts）代码智能体：集代码大模型、AI IDE、Code Agent为一体的智能编码产品。理解项目需求，懂得编码之道，善用百器的实干派AI研发砖家。本案例中作为核心操作平台，通过智能体模式驱动playwright-cli-automation Skill执行浏览器自动化测试任务。Playwright：微软开源的新一代浏览器自动化框架。支持Chromium、Firefox、WebKit三大浏览器引擎，提供可靠的端到端测试能力，是Web测试领域的事实标准。本案例中作为浏览器自动化引擎，由码道通过CLI方式驱动执行各类测试操作。playwright-cli-automation Skill：基于playwright-cli的浏览器自动化技能。支持页面交互、网络拦截、状态管理、测试代码生成、调试诊断、规范驱动测试等全场景能力，无需编写脚本代码即可完成复杂浏览器交互任务。本案例中作为码道的专属测试技能，实现自然语言到浏览器操作的智能转换。1.2 适用对象个人开发者高校学生企业开发者1.3 案例时间本案例总时长预计60分钟。1.4 案例流程说明：安装部署华为云码道（CodeArts）代码智能体 AI IDE；PC本地安装 playwright cli 环境；对话码道，配置码道playwright-cli-automation skill；对话码道，体验与实战playwright-cli-automation skill。1.5 资源总览本案例预计花费0元。资源名称规格单价（元）CodeArts代码智能体体验版免费 二、环境和资源准备2.1 AI IDE华为云码道安装部署参考案例《AI IDE华为云码道（CodeArts）代码智能体安装部署》完成Windows版AI IDE华为云码道（CodeArts）代码智能体安装部署。2.2 基础环境搭建打开码道AI IDE终端窗口，输入如下指令确认本地已经安装了nodejs/npm。node --versionnpm --version注：若尚未安装，可参考案例《SKILL快速构建你的Java、Python和Node.js开发环境》使用 dev-env-setup skill 对话码道，完成PC本地Python和Node.js开发环境的搭建。txt复制代码请使用dev-env-setup skill帮我在本地部署一下python和Nodejs开发环境。继续在终端窗口执行如下命令，安装playwright cli并对其进行验证。npm install -g @playwright/cli@latest # 安装playwright cliplaywright-cli --help # 验证playwright cli 2.3 配置码道项目级技能对话码道：“帮我从gitCode上下载cid:link_5，并将该skill加载至.codeartsdoer\skills码道的项目级skill”。等待码道自动完成playwright-cli-automation skill下载与配置，可在设置 > 技能与规则的项目级 > 技能中进行查看。playwright-cli-automation介绍：playwright-cli-automation 是一个基于 playwright-cli 的浏览器自动化 skill，通过命令行方式驱动 Playwright 进行网页操作、测试生成、E2E 调试等，无需编写脚本代码即可完成复杂的浏览器交互任务。功能介绍：浏览器操作：打开/导航/前进/后退/刷新/关闭页面，多标签页管理。页面交互：点击、填充、输入、按键、悬停、选择、勾选、JS 执行，支持快照 ref、CSS 选择器和 Playwright 定位器。网络拦截/模拟：路由拦截、模拟响应（自定义状态码/Body/ContentType）、路由列表与取消。存储状态管理：保存/加载浏览器状态（Cookie、localStorage、sessionStorage）。测试代码生成：从实时交互自动生成 Playwright 测试代码。调试与诊断：CLI 调试失败测试、控制台日志、请求监控、追踪录制/停止、截图标注。规范驱动测试：规划→生成→修复的完整测试工作流。高级代码执行：通过 run-code 执行自定义 Playwright 代码（地理位置、权限、媒体模拟、iframe 等）。应用场景：Web 自动化测试 — 快速执行表单填写、页面导航、元素交互等端到端测试测试代码生成 — 通过交互式操作自动生成可复用的 Playwright 测试脚本调试失败测试 — 以 CLI 模式附加到调试会话，交互式排查问题网络模拟与拦截 — 模拟 API 响应、屏蔽资源，用于前后端分离开发或异常场景测试会话与状态管理 — 保存/复用登录态，实现带认证的自动化流程规范驱动测试 — 从需求规范出发，自动规划、生成并修复测试用例浏览器调试与录制 — 录制追踪/视频，截图标注，辅助问题定位 三、技能体验与实战 场景一：页面交互与快照验证对话码道，测试skill完成页面交互与快照验证：请使用playwright-cli-automation skill帮我打开 Bing 搜索，搜索 "playwright automation"，然后告诉我搜索结果有多少条，并截图保存。任务运行结束，搜索结果：页面显示 9 条搜索结果（li.b_algo 元素），并保存截图./bing-playwright-automation.png。 场景二：网络拦截与存储状态管理继续对话码道，测试skill完成网络拦截与存储状态管理：继续帮我打开 example.com，把所有图片请求都拦截掉不让加载，然后往 localStorage 里存一个键值对 test_key=hello_playwright，保存当前浏览器状态，关闭浏览器后再重新加载状态，确认 localStorage 里的值还在。任务运行结束，运行结果如下： 场景三：多标签页操作与调试诊断继续对话码道，测试skill完成多标签页操作与调试诊断：继续帮我打开 Hacker News 首页，再开一个新标签页访问 example.com，在两个标签页之间切换操作，点进首页的某个链接后再后退回来，全程帮我监控控制台日志和网络请求。任务运行结束，运行结果如下：至此，码道驭网：零代码玩转浏览器自动化测试案例结束。 本文正在参与：【案例共创】【第11期】华为云码道（CodeArts）代码智能体 + 新特性完成应用开发/调试实践cid:link_4

win11 CodeArts在6月8日点击“华为账号登录”没有反应，之前可以正常使用

基础版订阅为什么限速？5秒钟写一个token？

系统： win10       也无法创建智能体

目前Clion插件中找不到codearts，也没有Linux下x86_64的IDE