Transcription
Menschen bauen produktionsreife Systeme, ohne eine einzige Zeile Code mithilfe von KI zu schreiben. Sie müssen sich fragen, was in diesem Video passiert. Wenn Sie auch produktionsreife Systeme bauen und verstehen möchten, wie Sie Ihre erste Anwendung mit VIP-Code erstellen, während Sie die Begriffe des VIP-Codings lernen, was VIP-Coding ist, was eine Cloud-MD-Datei ist, wie Sie Claude verwenden, was ein Terminal ist, dieses Video zerlegt es für Sie. Ich verwende mein Beispiel eines LMS, das ich für über 2.000 Studenten in meiner Community gebaut habe, und schiffe in den nächsten 30 Minuten live eine Funktion vor Ihnen aus. Nach diesem Video werden Sie mit dem Begriff VIP-Coding nicht mehr kämpfen. Sie werden verstehen, was Git ist. Sie werden verstehen, was Versal ist. Sie werden verstehen, wie Sie eine Live-Anwendung ausliefern. Sie werden auch verstehen, wie Sie das Terminal verwenden und keine Angst mehr davor haben. Oh, wir werden versuchen zu verstehen, wir werden einrichten, wir werden planen, wir werden bauen und während wir dies tun, werde ich versuchen, Ihnen verschiedene Begriffe zu erklären, genau dort, wo Sie versuchen werden, sich zu orientieren. Wir werden also sofort eine kleine Funktion vor Ihren Augen ausliefern, richtig? Wir werden versuchen, das zu tun, eine sehr kleine Funktion, wir werden nichts sehr Großes tun, richtig? Was wir also tun werden, ist, wir werden zum LMS gehen. Lassen Sie mich einfach zu meinem LMS gehen. Ich werde es nicht auf den Dev-Server pushen, ich werde es auf den Dev-Server pushen, richtig? Und ich möchte hier einen Favoriten-Schalter hinzufügen. Favoriten-Schaltfläche. Das ist mein Favorit. Das ist mein Favorit. Verstehen Sie? Sie haben die Favoriten-Schaltfläche auf vielen Websites gesehen. Sie können sie einfach als Favorit markieren. Richtig? Wir werden versuchen, das zu tun, während wir verschiedene Aspekte des Codierens lernen. Richtig? Wir werden also eine Sternchen-Schaltfläche einfügen, damit sie den Zustand speichern kann. Was? Also im Grunde gibt es eine Sternchen-Schaltfläche, wann immer Rakida kommt, kann sie einen Stern auf einen bestimmten Artikel setzen. Wenn sie also das nächste Mal kommt, wird ihr bereits angezeigt, dass es Teil ihrer Favoriten ist, richtig? Wir werden versuchen, das jetzt auszuliefern. Lassen Sie uns versuchen zu verstehen, lassen Sie uns versuchen zu verstehen, was durch Codierung gemeint ist, richtig? Durch Codierung bedeutet, Software zu schreiben, indem man sie in natürlicher Sprache beschreibt, richtig? Sagen Sie einfach, was Sie wollen, und Sie werden in der Lage sein, und die LLM wird es für Sie tun können. Es ist kein No-Code, es ist kein Low-Code, Sie werden verstehen, was passiert, Sie werden 10x schneller sein, richtig? No-Code, vielleicht ist kein Denken involviert, es ist bereits ein vordefinierter Workflow, einfach Drag-and-Drop, Sie schreiben keinen Code, aber es ist eine vordefinierte Sache. Was ist der Unterschied zwischen No-Code und LLM-generiertem Code? No-Code bedeutet, dass die Abläufe fest sind, aber Sie schreiben keinen Code. Das bedeutet, Sie schreiben etwas Code. LLM-generiert oder Vibe-Coding bedeutet, dass Sie Ihren Ablauf beschreiben und die LLM Code für Sie schreibt. Es ist kein Low-Code, es ist Vibe-Code. Sie vibrieren tatsächlich und schreiben Code, richtig? Macht Sinn? Super. Ein großes Sprachmodell ist etwas, das Text generiert, richtig? Und basierend auf Text, richtig, sogar Code ist im Grunde Text, den Sie verstehen müssen, den Sie schreiben, es ist eine Sprache, richtig? Deshalb sind LLMs so gut im Codieren, verstehen Sie? Weil es Text ist, richtig? Es ist billig zu generieren, richtig? Und aber warum generieren sie und es ist probabilistisch, es ist, als würde ich eine Schleife laufen und sagen, wenn Bedingung, richtig? Also, wenn und es gibt eine Bedingung, deshalb machen sie nur Vermutungen, sie machen Vermutungen, okay, das ist wahrscheinlich das Nächste, was kommen sollte, und das ist, was ein großes Sprachmodell ist, es ist das Gehirn, es nimmt einige Muster und basierend auf diesen Mustern liefert es eine bestimmte Version aus, die die nächste Version oder das nächste Wort ist, das es vorhersagt. Prozess jedes dieser Wörter schließlich, richtig, werden in Tokens ausgegeben, aber darüber werden wir später sprechen. Jetzt gibt es Modelltypen, es gibt einige Modelle, die ich Ihnen bereits erklärt habe. Es gibt einige Modelle, die als Denkmodelle bezeichnet werden, richtig? Es gibt einige Modelle, die Rohmodelle sind, und selbst Rohmodelle können eingestellt werden, selbst Sonett hat einen Denktyp, Haiku, selbst Opus, Opus ist relativ ein Denkmodell. Ich spreche von Cloud-Modellen, bei GPT wäre es GPD1, GPD 5.1, GPD 5.2. Der Unterschied zwischen einem Denkmodell und einem Rohmodell ist nur eine Sache. Es ist die Verifizierungsschleife nach jeder Ausgabe. In einem Denkmodell gibt ein Rohmodell einfach die Ausgabe geradeheraus aus. Ein Denkmodell entwickelt Zwischenantworten und verifiziert sie bei jedem Schritt. Es ist, als ob Sie eine Frage gestellt hätten. Das Rohmodell gibt Ihnen sofort die Antwort. Es ist das Rohmodell ohne das Denkparadigma. Aber in einem Denkmodell, die Frage, Zwischenantwort eins. Verifizieren Sie Zwischenantwort zwei. Verifizieren Sie Zwischenantwort drei. Verifizieren Sie die endgültige Antwort. Verstehen Sie, was passiert ist? Es hat eine Antwort gegeben und dann gesagt, ich muss das überprüfen, ob ich das Richtige sage. Überprüfen Sie es. Es stellt fest, dass einige Verbesserungen vorgenommen werden können. Liefert eine weitere Antwort aus. Verifiziert, aber Sie sehen diese Antworten nicht einmal. Diese Schritte werden in einem Denkmodell automatisch übernommen. Richtig? Deshalb sind Denkmodelle besser darin, Antworten zu geben, weil Sie Ihre Ausgabe konsequent überprüfen, Ihre Ausgabe überprüfen, Ihre Ausgabe überprüfen. Richtig? Jetzt gibt es Modelle wie Opus, das ist ein sehr, sehr tief denkendes Modell. Richtig? Der Grund dafür ist, dass Opus als Modell mehr Speicher verwendet, um über die Ausgabe nachzudenken, im Vergleich zu einem günstigeren Modell. Ein sehr gutes Beispiel, das ich sage, ist Hire im Vergleich zu einem APM. Sie könnten die gleichen Antworten geben. Shaman Baya kann tief nachdenken und Ihnen eine Antwort geben. Und deshalb ist die Währung eines Modells Tokens, was sehr ähnlich ist, zum Beispiel, ich verlade 3.000 Dollar pro Stunde oder 2.000 Dollar pro Stunde. Das ist meine Währung. Also auch die Währung, meine Kosten pro Minute werden 3 oder 4 oder 5 Dollar sein, was 300 bis 400 Rupien pro Minute kostet, pro Minute, im Gegensatz zu einer anderen Person. Deshalb wird Opus als Modell nur für extrem komplexe architektonische Aufgaben verwendet, wie zum Beispiel: Bauen Sie mir ein LMS, das für 100.000 Benutzer funktioniert. Das ist eine architektonische Wahl, richtig? Aber Sonett ist ein relativ günstigeres Modell. Für einfachere Aufgaben wie die Inhaltserstellung, richtig, einfache UI-Korrekturen, verwenden Sie kein Opus, weil es teuer ist, richtig? Es ist nicht billig, richtig? Es wird darüber sehr tief nachdenken und Ihnen dann im Wesentlichen eine Antwort geben, richtig? Es tut dasselbe. Aber Sie stecken unnötigerweise Ihre Gehirnleistung in etwas, das Sie selbst tun können. Es ist dieselbe Art zu sagen, denken Sie darüber nach. Opus ist wie ein leitender Ingenieur. Tiefes Denken, komplexe Architektur, brandneue Funktionen, verwendet, wenn das Problem neu ist. Es ist schwierig. Sonett, leitender Entwickler, schnell und hochfähig, das alltägliche Arbeitspferd für die meisten echten Codierungsaufgaben. Und Hiku ist der schnelle Praktikant. Es ist der billige Praktikant. Er kann sehr, sehr einfache, einfache, grundlegende Aufgaben erledigen. Richtig? Was sind Tokens? Tokens. Grundsätzlich liest KI Texte in Form von Tokens. Zum Beispiel könnte das Wort "Unhappiness" drei Tokens sein. Un plus half plus in. Die KI liest in Stücken, nicht in vier Wörtern. Ungefähr ein Token entspricht 75 Wörtern oder drei oder vier Zeichen. Sie zahlen pro Token. Eine große Datei, mehr Tokens, mehr Kosten, richtig? Eine Tausendzeilen-Datei könnte 10.000 Tokens verwenden, richtig? Und wieder ist es 0,75 Wörter pro Token, 10.000 Tokens pro Tausend Zeilen im Durchschnitt. So zahlen Sie eine KI, richtig? Was ist jetzt das Kontextfenster? Wieder, lassen Sie mich zu meinem Terminal gehen, ich werde alles erklären. KI hat ein Gedächtnis. Mein Terminal ist für alle sichtbar, richtig? Da ist ein, also in dieser Sitzung, Sitzung bedeutet wie diese Sitzung im Unterricht, jeder von Ihnen hat ein Gedächtnis, richtig? Ich benutze 4, 4.6, das ist das Modell, richtig? Ich mache es etwas größer, 27.000 Tokens sind bereits gefüllt, es ist, als ob bereits verwendet. Dieses Gedächtnis ist bereits berücksichtigt. Dieses Gedächtnis ist bereits verwendet. Das nennt man System-Prompt. Also hat es bereits 20k Tokens in der Sitzung verwendet. Ich bin, ich bin diese Person, ich weiß, was. Das ist also ein grundlegendes Gedächtnis, das es bereits für Agenten und Gedächtnisdateien, was auch immer, welche Fähigkeiten usw. angepasst hat. Also 30.000, 13% des Speichers sind bereits belegt, bereits verwendet in der Sitzung, ohne dass ich auch nur einen einzigen Befehl geschrieben habe, aber ich habe 87% meines Gesamtspeichers über die Zeit und jetzt, während wir die Sitzung durchlaufen, wird dies jetzt genutzt. Bis zum Ende der Sitzung sind alle 200k aufgebraucht, Sie sind erschöpft, alles ist erledigt, Ihr Tag ist vorbei. Sehr ähnlich dazu ist, was ein Kontextfenster bedeutet. Sehen Sie, wann immer Sie die Sitzung initialisieren, kann es sein, dass bereits Speicher belegt ist, weil Claude verstehen muss, was es ist, welche Fähigkeiten es hat, was es tun kann, was es nicht tun kann. Das ist also alles, was Sie in einer Sitzung haben, 85% Speicher, der real ist, auch ein Mensch hat in einer Sitzung nicht 100% Präsenz, er ist nicht jedes Mal roh, jedes Mal, wenn Sodha kommt, muss ich ihr zuerst sagen, dass sie Sha ist, das passiert nicht, sie weiß das bereits, richtig? Das ist also alles. Das ist also das, was man Kontextfenster nennt. Wann immer das Kontextfenster in einer Konversation voller wird, wird das Modell schlechter und schlechter. Prompt. Was ist ein Prompt? Ganz einfach, es ist eine Anweisung an die KI. Was möchten Sie im Wesentlichen schreiben? Was ist ein schwacher Prompt? Was ist ein starker Prompt? Ein schwacher Prompt ist wieder vage. Füge eine Schaltfläche hinzu. Ein starker Prompt: Füge einen Sternchen-Schalter zu den Lernressourcen hinzu, mit einer Toast-Benachrichtigung und Superbase-Persistenz, richtig? Was im Grunde bedeutet, dass ich es in meiner DB speichere. Je vager Sie sind, desto mehr Tokens verbraucht es, weil es so ist, als würde man sagen, was wird sie schreiben, was wird sie im Wesentlichen verbringen, worauf wird sie Zeit verwenden? Aber wenn ich sage, nein, Rashidita, mach einen PR, in dem es ein Ziel geben sollte, es sollte Schmerzpunkte geben, es sollte eine Priorisierung von Schmerzpunkten geben. Jetzt hat sie eine tiefere Anweisung. Jetzt versteht sie, jetzt wird sie nicht vage sein. Aber wenn ich Kiti oder Shadha sage, schreibe mir einfach einen PR, dann muss sie sich selbst die gesamte Struktur des PRs überlegen. Und schließlich, was ist die Kunst des Prompt-Engineerings? Prompt-Engineering ist die Kunst, klare, spezifische Prompts zu schreiben, die die KI dazu bringen, genau das zu tun, was Sie wollen. Wenn Leute auf Mac sind, können sie das Mac öffnen, zumindest Mac Windows Command, lassen Sie mich zum Terminal gehen, geben Sie mir einen Moment, installieren Sie das Terminal, gehen Sie einfach zu Google und es gibt Ihnen einen direkten Befehl, richtig? Wenn Sie auf Mac sind, kopieren Sie einfach diesen Befehl zum ersten Mal, wie wenn ich es tue, ich bin sicher, es ist bereits installiert, es wird nichts anderes tun, aber lassen Sie mich es Ihnen zeigen. Ich ging zu Claudes Dokumentation, die claude.com ist, öffnete mein Terminal, das Terminal ist sofort geöffnet. Wenn ich es einfach so sage, lädt es nur die neueste Version von Cloud herunter, sonst nichts. Ich habe es getan, es wurde gerade heruntergeladen. Ihr Cloud-Code ist jetzt auf Ihrem Terminal installiert. Ich erzähle Ihnen noch ein paar Dinge. Lassen Sie mich das Vault lesen. Ich schreibe also gerade Anweisungen. Ich tue nichts anderes. Lies das Vault für das Rethink-Dashboard. Ich habe bereits ein Projekt namens Rethink-Dashboard erstellt und das Cloud-MD initialisiert. Machen Sie sich keine Sorgen darüber, was ich schreibe, und wir werden eine Funktionserweiterung in der Erstellung des Dashboards vornehmen. Was ich Ihnen wirklich sagen möchte, ist, dass es so etwas wie einen System-Prompt gibt. System-Prompt bedeutet im Grunde, es ist eine ungeschriebene Regel, wie der Cloud-Code tatsächlich funktionieren wird. Er wird von Enthropic geschrieben. Sie können ihn nicht ändern. Aber wenn Sie ändern möchten, wie Ihr Cloud-Code-Agent funktioniert, schreiben Sie eine Datei namens Cloud-MD-Datei. MD Markdown. Ich habe Ihnen gesagt, was Markdown ist. Markdown ist das. Ich gehe zu Cloud-Prompt. Zum Beispiel ist dies eine normale Weboberfläche. Und die Sache, schreibe mir eine E-Mail. Gib mir einen Prompt im Markdown-Stil, der Sonett sagt, einen Liebesbrief an Donald Trump zu schreiben. Entschuldigung, nur so gesagt. Dieser Stil von Aufgabe, Ton, Anforderungen, Format, Länge, diese gesamte Sache wird als Markdown-Datei bezeichnet. Ihre MD-Markdown-Dateien sind der einfachste Weg für KI, Prompts auf die bestmögliche Weise zu lesen. Was ich potenziell tun werde, ist, Ihnen zu zeigen, wie meine Plot.mmd-Datei aussieht. Führen Sie die Cloud.md-Datei für mich aus. Ich zeige sie im Unterricht zur Demo und öffne sie für alle zum Ansehen. Lassen Sie mich sie jetzt vergrößern. Okay. Sie gibt Ihnen also die Cloud.md-Datei. Sie ist nur für das Lesen des Dashboards, weil ich das Lesen des Dashboards installiert habe. Sie sagt kritische Regeln. Brechen Sie diese niemals. Führen Sie die globale MD-Datei für mich aus, und öffnen Sie sie auch. Es gibt zwei verschiedene Arten von Cloud-MD-Dateien. Eine ist eine globale Datei. Globale Datei bedeutet, dass sie über alle Sitzungen hinweg gilt. Und es gibt etwas, das als projektspezifische Datei bezeichnet wird, wo ich gerade eine projektspezifische Datei erstelle. Es ist, als würde man sagen, wann immer Sie in einer Sitzung sind, verwenden Sie diese Philosophie. Wenn Sie im Allgemeinen mit Rethink zusammenarbeiten, verwenden Sie diese Philosophie. Das ist also meine globale MD-Datei. Globale Datei bedeutet im Grunde, das sind die Regeln meines Agenten, die er immer befolgen wird, wann immer ich und wann immer Sie eine Cloud-Sitzung starten, wann immer Sie Cloud in Ihrem Terminal eingeben, wird die globale Datei automatisch initialisiert, sie wird automatisch verstanden, es ist, als würde man überall teilen, so einfach ist das, richtig? Was sind also meine Anweisungen in meiner Datei? Erstens, lesen Sie immer mein Gehirn. Was ist die Architektur? Frühere Fehler, Fehler, Entscheidungen, letzte Sitzungen. Finden Sie das Ende der Sitzung. Aktualisieren Sie immer, er aktualisiert immer mein Sitzungstagebuch. Frühere Fehler, Entscheidungen, richtig? Was sind meine Projekte? Es gibt ein Lesedashboard-Projekt, das LMS, das Sie verwenden, es gibt die Open-Clock-Content-Engine, es gibt etwas namens Prahuada-KI-Projekte. Die Identität meiner globalen Datei ist CTO. Er entscheidet, was Sie entscheiden, wie und halten Sie die Messlatte hoch. Drängen Sie mit Daten zurück, nicht mit Meinung. Handeln Sie Kompromisse als Optionen mit Ihrer Empfehlung. Ehrlichkeit über Zustimmung. Sie optimieren für Vollständigkeit. Widerstehen Sie. Tun Sie weniger. Überprüfen Sie mehr. Das habe ich auch meiner Cloud-MD-Datei gegeben, Schlüssel, wichtig, wichtig. Ähnlich habe ich ihm dann gesagt, das ist der Ablauf, dem Sie folgen werden. Laden Sie den Kontext. Fordern Sie die Anfrage heraus. Fordern Sie mich immer heraus. Stelle ich die richtige Frage? Stelle ich die richtige Lösung? Ist es die richtige Zeit? Werden wir das in drei Monaten bereuen? Ordnen Sie das System ab. Was sind die Grenzen? Was sind die Datenflüsse? Was sind die Fehlermodi? Seien Sie komponiert zu unabhängigen Domänen, richtig? Dann planen Sie. Verwenden Sie zuerst den Planmodus. Beschränken Sie sich auf V1. Bauen Sie nur mit dem, was gefragt wurde. Verwenden Sie dann parallele Unteragenten für unabhängige Arbeit. Dann beweisen Sie. Dann setzen Sie die Priorität. Und verwenden Sie auch Trip erfordert, erfordert im Grunde, dass wenn etwas kaputt ist, stoppen und neu planen. Unklar, stellen Sie Fragen. Prod geboren zuerst. Wenn ich etwas an die Produktionsdatenbank sende, richtig? Fehlerursache. Dann habe ich ihm meine Qualitätsstandards gegeben, auch die Code-Server-Komponenten, Standard, einige Qualitätsstandards, wie Sie Agenten verwenden, und schließlich gibt es einen Entwicklungsabschnitt. Diese Datei ist das lebende System. Wenn ein Prinzip gelernt wird, abstrahieren Sie das Muster, nicht den Fehler, die Fehlerklasse. Fragen Sie, fügen Sie hinzu, wenn es Fehler über Projekte hinweg verhindert. Harter Spalt. Machen Sie diese Datei niemals länger als 70 Zeilen. Das ist also im Grunde die vollständige Identität meines Agenten. Jede globale Datei hat auch eine projektspezifische Datei, die sich hier befindet, eine projektspezifische Datei für das Rethink-Dashboard. Sie hat jetzt einige Regeln speziell für mein LMS geschrieben. Wenn also Ihre Cloud-Sitzung beginnt, wird Ihre globale Datei automatisch initialisiert, sie ist automatisch. Sie müssen nichts tun. Sie befolgt ihre Regeln selbst. Zum ersten Mal, wenn Sie es tun müssen, können Sie einfach Claude sagen, öffnen Sie die Datei für mich. Geben Sie ihr eine Identität. Viele Leute machen diesen Fehler. Sie machen ihre Cloud.md-Datei sehr, sehr lang. Sie machen sie 500 Zeilen oder 700 Zeilen. Richtig? Das wird nicht funktionieren. Der Grund dafür ist, wenn ich Ihnen 100 Anweisungen gebe, werden Sie sich daran erinnern? Lesen Sie das Vault. Worum geht es im Vault? Rethink-Dashboard, und wir werden Verbesserungen vornehmen. Fügen Sie es ein und führen Sie es auf dem Dev-Server aus, bevor Sie es pushen. Okay. Jedenfalls, das ist also das, was man eine Befehlszeilenschnittstelle nennt. Jetzt möchte ich Ihnen auch erklären, was ein Vault ist. Ich benutze ein Werkzeug namens Obsidian. Das ist also Obsidian. Obsidian bedeutet im Grunde, machen Sie sich keine Sorgen. Es ist nur eine einzeilige Definition. Ich erkläre es Ihnen nur. Obsidian ist das Langzeitgedächtnis meines Claude. Im Grunde vergisst er nach jeder Sitzung, wie nach jeder Sitzung Sie vergessen, was ich in der letzten Sitzung gelehrt habe. Sie müssen es wiederholen, richtig? Also machen Sie Notizen dafür, richtig? Ähnlich ist Obsidian wie ein Notiznehmer für Claude. Er versteht automatisch, was ich in der letzten Sitzung getan habe. Zum Beispiel, wenn ich sage, was habe ich in der letzten Sitzung im Rethink-Dashboard getan. Ich mache es für Sie etwas größer. Das ist mein Projekt namens Rethink-Dashboard. Ich möchte fragen, was ich in der letzten Sitzung getan habe. Und es speichert alles in der Sitzung. Es sagt also, das ist, was Sie in der letzten Sitzung getan haben. Und wann immer ich meinem Claude sage, lies mein Vault, geht es zu Obsidian, holt es von dort und bekommt den Kontext. Deshalb sehen Sie es hier, sehen Sie hier lokales Binär-Obsidian-Suchkontext-Abfrage-Rethink-Dashboard. Es geht im Grunde hier in das Obsidian-Vault und holt die Referenzen von dort. Es ist also, als würde ich Ihnen vor jeder Sitzung sagen, was habe ich getan? Was haben wir in der letzten Sitzung getan? Ich gebe Ihnen Langzeitgedächtnis. Was ich vor sechs Monaten getan habe und dann sage ich Kita, mach mir denselben Becher Tee, den du mir vor sechs Monaten gemacht hast, dann wird sie das Vault benutzen können, die Informationen von dort holen und sie genau verwenden. Das ist der Unterschied zwischen einer Skill-Datei. Eine Skill-Datei ist wie Ihr Muskelgedächtnis. Sie gehen ins Fitnessstudio, Sie wissen, wie man eine Bankdrückübung macht, aber wenn ich sage, welches Training haben Sie vor fünf Monaten mit mir gemacht, das werden Sie sich nicht erinnern. Ihre Skill-Datei wird sich niemals erinnern. Sie wird Ihnen etwas Vages geben, aber wenn ich Zugriff auf dieses Gedächtnis habe, werden Sie in der Lage sein, dasselbe zu tun. Und wie greife ich auf mein Vault zu? Ganz einfach, ich gebe einfach eine Anweisung in meine Cloud.m MD ein. Wenn Sie wann immer Sie eine Sitzung starten, lesen Sie das Vault. Lesen Sie das Vault. Und sobald es das Vault gelesen hat, hat es automatisch Zugriff auf Ihr Langzeitgedächtnis. Ich habe mein Vault initialisiert. Es hat den vollen Kontext des Lesens des Dashboards. Was wir getan haben, habe ich ihm gesagt, was habe ich getan, um es zu tun? Ich habe ihm einfach gesagt, lies das Vault über das Lesen des Dashboards und wir werden Verbesserungen daran vornehmen. Also hat es automatisch den Kontext genommen, der im Lesen des Dashboards vorhanden war, und ihn initialisiert. Jetzt weiß es, was wir in der Vergangenheit ausgeliefert haben. Lassen Sie mich jetzt schreiben, und es gibt so etwas wie den Planmodus. Wenn Sie jetzt über den Planmodus sprechen, Planmodus bedeutet, dass Sie Claude Board sagen, es zu planen, nicht zu implementieren. Und wie implementieren Sie den Planmodus auf Mac? Sie klicken auf Shift + Tab. Sie sehen dort, dass Planmodus dort unten steht. Können Sie das sehen? Planmodus? Richtig? Ich klicke einfach auf Shift + Tab und es wechselt in den Planmodus. Richtig? Was auch immer ich jetzt mit Claude sprechen werde, es wird nur planen. Es wird nicht ohne meine Erlaubnis ausführen. Was ist der Vorteil des Planmodus? Der Vorteil ist sehr, sehr einfach. Der Vorteil bedeutet, dass es keine Tokens verschwendet, indem es baut. Es wird zuerst den Plan bestätigen. Es ist, als würden Ganesh und ich eine Sitzung zusammen haben, und zuerst werden wir besprechen, was wir tun werden, und erst dann wird Ganesh Zeit damit verbringen, eine Präsentation zu erstellen, Dinge zu organisieren, zu recherchieren. Aber zuerst wird es planen. Lassen Sie es mich einfach schreiben. Ich möchte eine Favoriten-Schaltfläche zur Studentenansicht des Ressourcenbereichs des Rethink-Dashboards hinzufügen, weil es den Weltkontext hat. Es kennt die Ressourcen. Es kennt jeden Bereich. Es kennt alles. Es kennt alles, was da ist. Also automatisch vom Lesedashboard sollte der Student die Ressourcen auf der Seite umschalten können. Ressourcen-Schaltfläche auf der Ressourcen-Seite umschalten, und es sollte den Zustand in der DB speichern, richtig? Zuerst werden wir sehen, wie es auf dem Dev-Server aussieht, und dann werde ich Ihnen sagen, es zu produzieren, richtig? Ich gehe jetzt. Was ich tun werde. Also, was habe ich Ihnen gesagt? Ich habe das Vault geladen. Es weiß jetzt alles über das Rethink-Dashboard. Es kennt jeden Bereich, alles. Es weiß, was dort gebaut ist. Jetzt wollte ich die Favoriten-Schaltfläche hinzufügen. Ich werde ihm auch noch etwas geben. Ich werde ihm auch den Screenshot-Referenz geben. Ich gehe zum Rethink-Dashboard. Zum Beispiel mache ich hier einfach einen Screenshot. Ich gehe zu meinem Terminal, füge meinen Screenshot hier ein. Ich habe auch den Screenshot hinzugefügt. Sie können den Bereich auf dem Screenshot sehen. Bitte erstellen Sie einen umfassenden Plan dafür. Fertig. Was habe ich also getan? Ich habe ihm zuerst gesagt, er soll alle Informationen aus dem Vault holen, richtig? Es hat alle Informationen aus dem Vault genommen. Dann habe ich im Wesentlichen gesagt, dass ich etwas ausliefern möchte. Jetzt erkundet es das über. Fertig. Der Plan ist also erstellt. Was tut es also? Kontext: Studenten möchten Ressourcen auf der Ressourcen-Seite als Lesezeichen speichern. Die Datenbanktabelle und die API existieren bereits. Sie sind für die Lernseite gebaut. Die Aufgabe erfordert. Was ändert sich? Es gibt Ihnen auch den Plan. Es tut etwas hier. Es ruft Favoriten ab. Es fügt eine harte Schaltfläche hinzu, alles. Es fügt den Favoriten-Schalter hinzu. Es zeigt die Anzeige. Und jetzt sagt es im Grunde, sind Sie mit dem Plan einverstanden? Jetzt sagt es, sagen Sie mir, ob das für Sie in Ordnung ist. Versuchen wir zu sagen, ja, das ist für mich in Ordnung. Jetzt wird Claude tatsächlich Änderungen vornehmen. Änderungen vornehmen. >> Shan, äh, Claude nimmt Änderungen in Dev vor, richtig? Nicht in >> Es nimmt Änderungen in Dev vor. Nein, nicht in Prod. >> Ja. Okay. >> Es nimmt Änderungen in Dev vor. Ja. >> Danke. >> Was ist also der Unterschied zwischen Dev und Prod? Dev bedeutet, es ist auf Ihrem Rechner. Es wurde noch nicht auf einen Server geladen. Ich werde Ihnen sagen, wie man es auf einen Server lädt, aber das ist es. Es zeigt zuerst, dass ich es zeigen werde. Jede Maschine ist praktisch ein Server und localhost, localhost 3000, 4000, richtig? Das nennt man einen Dev-Server. Es ist auf Ihrem Rechner, es wurde noch nicht in Produktion gebracht. Es zeigt Ihnen auch Dateien, welche Änderungen es vornimmt, welche Änderungen es nicht vornimmt. Das sind also Zeilen. Das sind alles Codezeilen, die es geschrieben hat, und es fügt automatisch einige hinzu, entfernt einige, fügt einige hinzu, entfernt einige. Jedes Plus bedeutet, dass es eine Zeile hinzufügt. Jedes Minus bedeutet, dass es eine Zeile entfernt. Es entfernt eine Zeile. Sehen Sie, es hat den Server automatisch für mich geöffnet. Ich habe ihn nicht geöffnet. Lassen Sie uns jetzt sehen, sehen Sie das? Es hat gerade hinzugefügt, offensichtlich ist es noch nicht mit der Datenbank verbunden, aber es hat die Änderung vorgenommen, richtig? Sehen Sie das? Ich kann sogar sehen, sehen Sie das? Ich kann den Screenshot machen und sagen, es konnte es nicht zu Favoriten hinzufügen. Haben Sie die Persistenz in Superbase gespeichert? Sogar den Fehler nehme ich und es sagt es ihm, es sagt es ihm selbst. Sehen Sie, es hat einen Fehler gemacht. Sehen Sie, sehen Sie das? Keine Favoriten-Migration. Der Plan besagte, dass die Tabelle existierte, aber das tut sie nicht. Lassen Sie mich danach suchen. Also hat es etwas erfunden. Es sagte, dass die Tabelle bereits existiert, aber sie existiert nicht, richtig? Die Ressourcen, diese Seite fragt, aber der Ressourcen-Server hat einen FK-Inhalt, er existiert nicht. Also macht es das jetzt über. Das sind die Fehler, die es macht. Es sagt Ihnen, dass etwas existiert, aber es existiert tatsächlich nicht. Lassen Sie es uns jetzt tun. Fertig. Es ist behoben. Lassen Sie mich es aktualisieren. Fertig. Jetzt ist es in der Datenbank gespeichert. Es hat sich verfestigt. Also ja, es hat eine Datenbank verwendet. Sagen Sie mir jetzt, wo soll ich das in der Datenbank sehen? Lassen Sie mich zu Superbase gehen. Also hat es eine erstellt, sehen Sie das hier ist die Superbase und jetzt Tabellen-Editor. Es hat eine neue Tabelle namens Resource Favorites erstellt und es im Grunde, jetzt kann ich es auch so überprüfen. Ich kann zum SQL-Editor gehen. Ich kann das einfach hier öffnen. Sehen Sie, es hat die Daten tatsächlich gespeichert. Sehen Sie, es hat auch den Ressourcennamen gespeichert, den ich beibehalten habe. Sehen Sie, sehen Sie hier, ich habe den Favoriten für 25, 26, 23.1 gespeichert. Wie erinnert es sich jetzt daran, dass es den Zustand beibehalten muss? Es ist auf meinem lokalen Rechner. Es ist nicht auf einem Server, weil ich es an eine Datenbank gesendet habe und sehen Sie hier, es wird in einer Datenbank gespeichert. Richtig? Also, was ich Ihnen sagen möchte, es hat es für Sie getan. Sie mussten nichts tun. Sie haben nur den Befehl erklärt. Sie haben einfach gesagt, tun Sie es für mich. Es hat es für Sie getan. Jetzt kann ich es auch bitten, es in Produktion zu pushen. Das kann es auch für Sie tun. Aber lassen Sie uns zu unseren Folien zurückkehren.