Codex 5.6 别再疯狂堆 prompt 了，少写 41%–66% token，执行效果反而能提高 90% 很多人用... Codex 最大的问题，就是怕 AI 不懂，于是把规则、背景、工具、要求一股脑全塞进去。 结果就是，prompt 越来越长、无关工具越来越多、上下文越来越脏，agent 反而更容易跑偏。 正确的做法，只保留当前任务真正需要的指令和工具。 直接在 Codex 里输入这段重要prompt： 请优化当前 Codex 工作上下文，删除重复、冲突、低价值以及与当前任务无关的指令，只保留当前目标、核心约束、验收标准和必要工具；同时检查 agent 当前可调用的工具，移除本任务不会使用的工具。优化前后分别统计 prompt 长度、工具数量和保留的核心信息，确保减少上下文占用的同时不丢失关键执行要求。 核心目的就这两件事： 1️⃣ 减少重复指令 同一条规则不要同时出现在 System Prompt、AGENTS.md、项目说明和当前对话里，保留一个权威版本即可。 2️⃣ 减少无关工具暴露 当前只做 Code Review，就别同时把 Figma、Browser、数据库、部署工具全部塞给 Agent。 真正高效的 Context Engineering，是让 Codex 只看到当前任务最重要的信息。show more

Codex 5.6 这 4 个设置，能砍掉 80% 无效 token 浪费，复杂长任务效率还能提升... 70% 很多时候不是模型不够强，而是你的上下文、缓存和工具配置正在拖后腿。 1️⃣ 尽量吃满 prompt cache 固定不变的项目规则、AGENTS.md、开发规范、长期 prompt 放前面，经常变化的需求放后面。这样更容易命中缓存，减少重复计算和重复上下文token消耗。 2️⃣ 长任务要及时压缩上下文 不要让日志、失败方案和旧历史一直堆在会话里。 直接输入prompt： “请整理当前任务上下文，清理失效方案、重复日志和无关历史，只保留当前目标、关键决策、核心约束、当前进度、未解决问题和下一步行动，后续基于最新摘要继续执行。” 3️⃣ MCP 不要装一堆不用的 Browser、Figma、GitHub、文档 MCP 都很强，但工具越多，上下文负担也越大。当前项目需要什么，就加载什么，别让一堆无关工具长期占着上下文。 4️⃣ 保持项目配置稳定 不要频繁切模型、工作目录、工具配置和开发规则。稳定的 prompt、稳定的工具链和固定项目结构，更容易持续复用缓存，也能减少 Agent 反复重新理解项目。 真正高效的 Codex 工作流： 高缓存命中 → 干净上下文 → 必要工具 → 稳定配置 很多时候 Codex 不需要再变强，你只需要做的，就是别再浪费它的上下文。show more

Codex 5.6 必须知道的技巧：清理上下文，减少 85% 的无效 token 消耗 你以为 Agent... 聊得越久，能力越强 但实际上，长对话很可能正在拖慢 Agent。因为上下文里会不断堆积无效信息，包括废弃方案、失败尝试、调试日志、重复输出和过期内容，最终不仅浪费 token，还会干扰 Agent 的判断。 正确的做法：不要让上下文变成垃圾桶，定期让 Codex 清理当前状态。 这段提示词prompt你直接使用： “请整理当前任务的上下文，清理无效信息，删除或标记已废弃方案、已完成无需参考的内容、与当前目标无关的历史记录以及低价值重复输出，并重新生成一份精简任务摘要，仅保留当前目标、核心约束、已确认决策、当前进度、未解决问题和下一步计划；后续执行任务时，以最新摘要作为主要依据，不再依赖已失效信息。” 这样做的好处： 1️⃣ 能避免 Agent 不被旧信息干扰，减少沿着错误路径继续执行 2️⃣ 保持上下文始终围绕当前目标，提高复杂任务的稳定性 3️⃣ 长时间开发不会因为历史信息堆积而导致 Agent 判断能力下降 很多时候，你缺的不是更多 token，而是一个干净、有效的上下文！show more

Codex 5.6 真正与普通人拉开 90% 差距的，不是 prompt，而是你会不会配置 config.toml 很多人用 Codex... 还停留在“打开就聊”，但真正重度使用的人，早就把模型、任务模式、项目规则和自动化流程写进配置里了。 现在 Codex 5.6 最值得折腾的 4 个专业设置： 1️⃣ 固定模型 + Reasoning Effort 别每开一个任务都重新选模型。 把默认模型和推理强度写进 ~/.codex/config.toml，日常任务追求速度，复杂架构任务再提高 reasoning effort。 输入prompt： 请检查我当前 Codex 5.6 实际支持的模型和 reasoning effort 配置，不要猜测或使用已经废弃的参数；然后修改 ~/.codex/config.toml，为日常 Coding 设置合理的默认模型与推理强度，并告诉我具体修改了哪些字段、为什么这样配置，最后验证配置是否成功生效。 2️⃣ 不同任务建立 Profile 写功能、修 Bug、Code Review、做系统架构，根本不应该用完全相同的配置。 Codex 支持 Profiles，可以针对不同任务切换不同工作模式。 配置用的prompt，直接用： 请基于我当前 Codex 5.6 配置创建 3 套 Profile：fast-dev 用于快速开发和小修改，code-review 用于 PR 和代码审查，deep-architecture 用于复杂系统设计；分别配置合适的模型、reasoning effort 和执行策略，不使用已经废弃的配置项，并告诉我之后如何通过 --profile 切换使用。 3️⃣ 给每个项目建立独立配置 全局配置解决“你习惯怎么工作”，项目配置解决“这个项目必须怎么工作”。 把技术栈、测试方式、项目约束和工具配置放进项目自己的 .codex/config.toml，不要每开新会话都重新解释。 直接输入： 请分析当前项目的技术栈、目录结构、测试方式和开发工具，为这个项目设计一份最小化的 .codex/config.toml，只写当前项目真正需要的配置，不覆盖无关的全局设置；完成后解释每项配置的作用，并检查项目级配置是否能够被当前 Codex 正确加载。 4️⃣ 用 Hooks 把规则变成自动执行 最浪费时间的方式，就是每次都提醒 Codex 改完记得跑测试、提交前记得检查、别忘了扫安全问题。 现在可以直接把这些规则做成 Hooks，在生命周期节点自动触发。Codex 当前官方配置已经支持 lifecycle hooks。 直接用这段： 请检查当前项目适合配置哪些 Codex lifecycle hooks，并为我建立最精简的一套自动化流程：代码修改完成后运行必要测试和 lint，关键变更执行安全检查，提交前执行最终验证；只配置真正必要的 Hook，避免重复执行和拖慢开发速度，完成后实际触发一次并验证每个 Hook 是否正常工作。 真正高效的 Codex 启动就知道该怎么工作。 赶紧配置试试吧！show more

Codex 5.6 能省下 80% 重复 token 的技巧：能缓存的，就别让它重新读第二遍 很多人在用 Codex... 进行vibe coding的时候，每次任务都让模型重新读一遍，项目说明、技术架构、测试规范、固定 Prompt 这就是在白烧 Token 正确做法是：动态信息让 Codex 直接看，静态信息让缓存背。 你可以直接丢这段 Prompt： “请先分析当前项目，把长期不变的项目背景、技术架构、编码规范、测试规则、固定业务约束等内容识别并整理成精简的静态上下文，后续任务优先复用这些已有信息，不要重复读取或重新总结；只有出现新需求、代码修改、新文件、报错日志、测试结果或运行结果等动态变化时才重新读取，并且每次执行任务前告诉我本次复用了哪些静态上下文、新读取了哪些动态信息，以及哪些内容无需重复读取，在保证准确性的前提下尽可能减少重复上下文和 Token 消耗。” 这样做的好处很直接： 1️⃣ 少读重复内容，Token 消耗大幅下降。 2️⃣ 上下文更干净，Codex 能把注意力放在真正变化的代码和需求上。show more

Codex 5.6 必装 Obsidian，直接给 AI 装上安全免费的本地永久记忆库！ 很多人想给 AI 增加长期记忆，但又担心云端... Memory 成本、隐私和数据安全问题 今天我找到了正确的解决方法：让 Obsidian 成为 Codex 的外部知识中枢，让Codex 根据当前需求检索相关知识；完成任务后，再把新的经验、结论和变化同步回知识库。 检索知识 → 执行任务 → 沉淀经验 → 优化知识库 直接用下面这段prompt（提示词）： “请将当前 Obsidian 知识库作为我的跨项目长期记忆系统，为所有项目建立统一索引和知识结构。持续整理并维护项目背景、长期偏好、关键决策、已完成内容、当前进度、失败方案、踩坑记录、技术方案和下一步计划。 每次开始新任务前，先检索 Obsidian 中与当前任务相关的笔记，补充必要上下文后再执行任务；任务完成后，将新增的结论、重要决策、代码变更记录和项目进度同步更新到对应文档。 只保留未来有价值的信息，避免记录无关对话、重复内容或临时信息；不要保存密码、api Key、token 等敏感信息。” 还可以创建个自动化流程： “每次完成重要任务后，让 Codex 自动提取本次开发中的关键经验，包括技术决策、解决方案、踩坑原因和可复用方法，沉淀回 Obsidian，持续完善项目知识库。” 随着项目不断推进，Obsidian 不只是存储文件，将逐渐成为属于你的 AI 知识库大脑。show more

Codex 5.6 必须养成的习惯：记得给 AI “存档”！节省80%的token 长期vibe coding最怕上下文越来越长，需求、方案、Bug、废弃思路全堆在对话里，AI 不断重复读取和分析历史记录。 大量... Token 都浪费在“回忆过去”，而不是“解决现在”的问题。 正确的做法，直接让 Codex 做一次项目状态压缩，prompt如下，直接拿去用： 「根据当前项目实际状态，检查代码、Git diff、现有 DEV_STATE.md 和测试结果，创建或更新项目根目录下的 DEV_STATE.md。仅记录已确认的信息，不猜测或虚构；用一段简洁、连贯的文字概括当前目标、已完成内容、关键决策、核心文件、测试结果、已知问题、失败方案和下一步任务，删除无效讨论、重复信息和过时内容，不粘贴代码，不记录密码、Token、API Key、私钥、Cookie 等敏感信息，重点让下一次开发能够快速了解“当前做到哪里、为什么这样做、哪些已验证、哪些未完成以及下一步做什么。」 当下一次继续开发时，只需要说这样一句提示词即可： 「读取 DEV_STATE.md文档，继续按照文档中的项目进度进行开发」 这相当于给 Codex 建了一份项目记忆快照。长项目、多人协作、Vibe Coding，必须养成这个习惯。 把上下文压缩成状态文件，省的是 Token，提升的是整个开发循环的速度。show more

Codex 5.6 最强隐藏提示词：让 AI 不再盲目执行，而是先帮你找错！ 很多人用 Vibe Coding 最崩溃的时刻：... AI 花几个小时写完代码，token用完了，最后才发现——方向从一开始就错了。 因为 AI 擅长执行，却不会主动质疑你的想法。 分享一个我反复测试后的codex提示词，让 Codex 开启高级工程师评审模式： “在执行任何任务前，请先进行独立判断： 检查我的需求是否存在错误前提、逻辑漏洞、信息缺失或隐藏风险。 不要默认接受我的方案，如果发现更好的方案或潜在问题，请直接指出。 明确区分：已确认事实、合理推测、未验证假设 涉及代码、数据、版本和技术结论时，请先验证，不要编造。 如果信息不足，请先提出需要确认的问题，而不是自行补全。 在执行前，评估方案的长期维护成本和可能影响。” 换成这种方式后，Codex 最大的变化： 1️⃣ 提前发现问题 在开发开始前，先检查需求漏洞和隐藏风险。 2️⃣ 优化技术决策 不只是完成功能，而是帮助找到更可靠的实现方案。 3️⃣ 减少无效返工 把问题解决在写代码之前，比后面不断重构更省时间。show more

Codex 5.6 必装插件：Sentry 很多人都遇到过：刚修好一个 Bug，旧问题又出现，项目陷入反复返工的循环 那是因为你丢给Codex的截图或者日志通常只有最后一条报错。真正决定能不能修好的调用链、影响范围、发生频率、版本信息和运行上下文，可能全都丢了。 最近我给 Codex 接入了... Sentry 插件，整个排查流程完全不一样。 现在不需要反复搬运报错，只要告诉它： 用 Sentry 找出当前的线上 Bug，别只看报错信息，结合调用链和当前代码查出真正根因。 Codex 就可以直接读取你有权限的错误数据，再结合当前项目代码完成： 1️⃣ 还原现场：查看完整调用链和运行上下文，确认 Bug 在什么条件下发生。 2️⃣ 定位根因：把线上错误对应到具体代码，避免只根据最后一条报错猜答案。 3️⃣ 验证修复：先复现问题并补充回归测试，再修改代码，避免修好这里又弄坏那里。 彻底告别 Bug 修了又坏、坏了再修的循环。show more

兄弟们，用GPT-6 Astra，一定要把这个开关打开。 找到 ~/.codex/config.toml，加上： [features.context_management] experimental_mode = true 保存，再新开一个任务。... 以前对话一长，前面的细节容易被压成一坨摘要。 打开以后，Astra会自己记笔记，还能回头搜索同一任务里的历史消息和工具结果。 这才是它真正狠的地方。 不是一轮回答更聪明，是项目做了几天，它还记得你为什么这么干。 长项目不开这个，真有点拿跑车送外卖。show more

我用Codex从零搓出来的GPT 5.6 Router 版正式开源了！ 无需手动操作，自动帮你根据任务复杂度选择对应5.6模型版本！ 帮你省下不必要的推理时间的同时还能降低Token费用！ 同时，这个项目和原生codex cli 完全隔离，不影响常规使用！... 安装和使用的步骤非常简单 第一步：把这个链接发给你的 CodeX，让它帮你安装 第二步：打开终端工具，输入codex-router 就可以在cli中使用该模型了 欢迎各位老师来试用这个项目，点点star，给给建议～ 关于缓存和记忆优化也在持续进行当中 继续坚持build in public，冲冲冲！show more

Codex 5.6 必装插件：Sentry，让 AI 修 Bug (缺陷) 不再靠猜 最近做... Vibe Coding 项目经常遇到，刚修好一个 Bug，又出现新的问题，反反复复改特别浪费时间。 之后我开始找工具，发现 Codex 插件里有 Sentry，安装之后整个 Debug 流程完全不一样了。 现在不用反复截图、复制日志、手动排查问题了，只需要告诉它这段 prompt： “使用 Sentry 排查当前线上 Bug。先读取完整 Error、Stack Trace、运行上下文、发生频率和版本信息，再结合当前代码定位根因，不要只根据最后一条报错直接修改。确认原因后先复现问题并补充回归测试，再完成修复，最后重新运行验证；如果发现同类潜在问题，一并指出并处理。” Sentry 就可以直接完成： 1️⃣ 先读取完整 Stack Trace、运行上下文和版本信息，把 Bug 发生时的真实现场还原出来。 2️⃣ 再把线上 Error 对应到具体代码和调用链，结合当前项目直接定位真正根因，不再只看最后一条报错猜答案。 3️⃣ 最后复现问题、补回归测试、修改代码并重新运行验证，确认修复有效，同时避免同类 Bug 再次出现。 这样彻底告别 Bug 修了又坏、坏了再修的问题，快试试吧show more

Anthropic 在 2026 年 9 月 17 日公布了一组进展：在两名技术人员监督下，Claude 用了不到四周时间，协助优化了... 30 多个开源生物学模型，其中包括 AlphaFold3 和 Boltz-2，相关优化代码已经开源。 这件事情吸引人的地方，在于它处理实际科研代码的具体过程，也就是从进入工程仓库、定位问题、修改代码，到最后一步步拿指标做检查。 顺着这种科研工作流的思路，我最近试用了 ScienceBuddy。它是 PhAI Labs 推出的生物医学 Agent 工作台，我先用它跑了一个具体的文献梳理任务。 我给出的提示词是整理近几年用机器学习预测 CRISPR-Cas9 脱靶活性的相关研究，主要看基因编辑在目标区域之外产生误切的情况。 为了方便后续比对，我直接指定了输出结构，要求把研究任务、数据规模、主要发现、研究局限和 DOI 整理成规整的列。 ScienceBuddy 在当前任务窗口里生成了一张论文信息表格。不同研究使用的数据集、得出的结论以及原文入口被归纳在同一套字段下。这样的交互挺省事：输入的提示词、生成的表格以及后续的追问都停留在同一个工作界面，左侧列表也保留着历史任务记录，随时可以点回来继续补充条件。 拿到了整理好的表格，我抽查了其中一行，点击 CRISMER 对应的 DOI 链接，跳转到了 bioRxiv 上的原始预印本摘要。 表格里抓取的 CHANGE-seq 和 SITE-seq，确实是原文摘要里明确写出的训练数据；论文自身报告的 F1 值为 0.728、PR-AUC 值为 0.818，也逐字出现在摘要数据中，页面同时标有预印本提示。这里需要说明，这些准确率数值是 CRISMER 那篇论文自己的实验结果，并不是软件的性能数据。这次抽查做的事情很简单，就是顺着生成结果里的来源链接，确认关键字段能不能在原文里找到出处。 在另一个关于 GEO 公开组学数据的任务中，我查看了它的运行轨迹（Trajectory）。界面上展示了 query_geo、fetch_source、query_pubmed 等工具调用节点，清晰记录了系统在推进任务时尝试发起的查询动作。 关于底层的实现，项目方提到 ScienceIDE 是 ScienceBuddy 的底层技术框架，主要作用是把真实的科研代码封装成 Agent 可以执行、练习和验证的环境，并尝试通过科学标准来检查结果。面向普通用户日常使用的产品是 ScienceBuddy。 整套体验下来，最直观的感受是ScienceBuddy 把文献线索集中整理成表，并在同一个任务流里继续追问，遇到关键数据也能够直接从引用中找到 DOI 回原文做核对。 产品访问地址是 PhAI Labs 开发。我体验的时候 Preview 版本处于免费开放状态。如果平时需要梳理生物医学领域的论文脉络或收集开题证据，可以找一个具体课题试一试。show more

终于，终于有人把所有模型缝合到一起了😭 Claude Code 编码、codex生图、检索抖音，小红书，youtube x的热点信息……全在一个工作台里 这就是我一直在等的“缝合怪max”！！ 以前我得开五六个客户端，Claude 写完复制到 Midjourney... 出图，再切到 Codex 写代码，脑子都要炸了 现在 dethink 直接把这些全塞进来了 一个界面切遍所有模型——Claude、Grok、Gemini、DeepSeek、Kimi、GLM 关键是 Claude Code 和 Codex 也在里面，编码、写作、生图，一个工作台全干了 更爽的是什么？微信、支付宝直接付款 不需要外币卡，不需要找代充，不需要担心封号 $20 / $100 / $200 三档套餐，按 token 计费，用多少算多少 以前想用多个模型，要么分别订阅（每个月固定扣费，用不用都得付），要么来回切账号 dethink 按 token 计费，$20 / $100 / $200 三档，用多少算多少 对我这种有时候用得多、有时候用得少的人来说，这种灵活性才是真正省钱的地方 而且所有模型在一个工作台里，Claude 写文案、Grok 出图、Gemini 做分析，切换无缝 省下的不只是钱，是那种"终于不用管支付问题、不用来回切工具“的心智负担 还有三个让我意外的点： 1. 数据聚合直接内置 想查抖音、小红书、YouTube、X 的热点？直接在 dethink 里搜 以前我得开 Semrush、飞瓜、新榜好几个工具，现在一个地方全搞定 做选题、找热点、SEO 分析，效率直接翻倍 2. 图像生成的组合玩法 你可以用 Claude 理解需求、优化提示词，然后调用 GPT Image 2 或 Grok Image 出图 相当于把“最会理解人话的模型”和“最会画图的模型”组合起来用 以前我得在 Claude 和 Midjourney 之间来回复制粘贴，现在一句话搞定 3. 桌面端真的好用 Windows 和 macOS 都支持，本地文件直接拖进去就能让 AI 处理 做 Agent 任务、跑工作流，比网页版丝滑太多 现在 dethink 8月15日刚上线，前 500 名注册直接送 $5 使用额度 给大家申请了8折优惠码，限量500个！先到先得了：DETHINK2026 如果你也在用多个 AI 工具，每个月为订阅费头疼 或者你想用海外模型但支付一直是个坎，真的可以试试 dethink 链接：show more

哇塞 把我三年的交易系统全部打磨成coding交易体系了！ 通过 DAPPOS vibecoding 做出来了！这是 xBubble 新推出的 Coding... 功能，我直接就输入自然语言，没多久就给我搞定了网站。 我把我总结的交易策略和心法都记录下来总结成文字喂给他！ 杰哥主要用的是以均线为主的战法 ： ——看ma30和ma250这个两根均线。一个个级别去看，先从月线级别，周线级别，再看到日线级别。如果要做更小时间级别，再看小时级别，分钟级别。再加上了一只指数级别的微调。 ——当然不仅仅是是看一根均线，而是看级别、共振和订单流。用程序直接帮我跑出来了！ 目前回测下来的收益率是+25.05%。 后续我会接入到币安的实盘当中继续跑起来！ 以前我也想过把他程序化或者网页化，但是对我个人来说太繁琐了。我不懂网站域名SEO这些，还要Ui设计更是分散了很多我做交易的心力! 这次有了Dappos真的只用一个工具帮我全部实现了！ 不仅如此效率非常之高！没想到有一天我的idea也能轻松coding出来！#vibecoding #量化 #xBubbleshow more

这种模仿手绘制图案的动画，叫做手绘动画，是我前面做了 6 年的工具产品，那是在 Vibe Coding 前的古法编程年代... 现在用 Codex，一句提示词要求，一轮就能做出这个动画，确实不得不感叹 AI... 的强大，特别是对于简单产品和想法验证，时间成本几乎趋于零 记得当时还有对手绘动画的很多好玩的想法，因为所谓排期和产品迭代问题都没有上，现在可以自己 Vibe 一番，纯当做兴趣，和 AI 帮我做生产项目间隙的“小玩意”show more

CodeX使用小技巧——检查电脑内存，全面优化提速 CodeX不只是编程工具，它的功能十分强大，理论上能用它解决你电脑的任何问题：检查网速、检查内存..... 实测用它检查电脑运行内存，效果非常好，但每个电脑情况不同，建议用审批模式，让它全面诊断你的电脑并给出具体数据+进程列表+优化建议 关键操作（关闭/删除/永久禁用）由你确认后再执行，安全有效🧐

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。... 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀show more

你是看不懂 Codex 里面那些英文技能是什么意思，对吧？​ 那就让它直接全部汉化。​ 不只是翻译名字，最好连每个技能的作用、什么时候用，也一起说明白。 如果你的 Codex 技能/工具列表里还有很多英文名称，可以让 Codex... 帮你做一次本地中文化整理。 提示词： 请帮我检查本机 Codex 技能/插件列表里仍然显示英文的名称和说明，并把它们改成中文显示。 要求： 1. 先扫描以下目录里的技能和插件元数据： - C:\Users\Admin\.codex\skills - C:\Users\Admin\.agents\skills - C:\Users\Admin\.codex\plugins\cache - C:\Users\Admin\.codex\cache\remote_plugin_catalog 2. 重点检查： - display_name - short_description - 缺少 agents/openai.yaml 的技能目录 - 远程插件目录缓存里的 interface.display_name 和 interface.short_description 3. 对仍然是英文的技能名和说明，补充或改成自然中文。 例如： - Figma Code Connect → Figma 代码连接 - CI Debug → CI 调试 - Branded Presentation → 品牌演示文稿 - Channel Summarization → 频道总结 - BigQuery Data Transfer Service → BigQuery 数据传输服务 4. 不要改 SKILL.md 里的核心触发描述，除非确实需要；优先只改 agents/openai.yaml 和远程目录缓存里的显示字段，避免影响技能调用。 5. 修改前先备份相关目录，方便回滚。 6. 修改后重新检查： - 缺少 agents/openai.yaml 的技能数量是否为 0 - 纯英文 display_name 数量是否为 0 - 纯英文 short_description 数量是否为 0 7. 最后告诉我改了哪些类型的内容、备份在哪里、是否需要重启 Codex App 刷新缓存。show more

Anthropic推出了一项新功能，叫做“提示词改器”（Prompt Console）。 Claude 会使用思路链推理等提示工程技术自动对提示词进行改进，优化你的提示词，让AI的回答更准确、符合预期。 这项功能的主要作用： 1. 自动优化提示词：通过提示词改进工具，开发者可以让Claude模型自动优化现有的提示词（即向AI模型提出的问题或要求），以提高模型回答的质量。例如，工具会增加一个“链式思维”环节，让Claude在回答之前先有条理地思考问题，确保回答更精准。 2. 标准化和丰富示例：工具可以把提示中的示例转成统一的格式，比如XML格式，这样Claude更容易理解和处理。... 3.示例增强：对现有示例进行自动补充，使其与结构化后的提示更加契合，包括增加链式思维的逻辑过程。 4.重写：对提示进行重写，明确其结构，并纠正小的语法或拼写错误，以提高提示的质量和易读性。 5.预填充：在Claude的助理消息中预填充内容，帮助引导Claude的行为，并确保输出格式符合需求。 一旦新提示生成，你还可以向Claude提供反馈，说明什么有效，什么不起作用，以进一步改进提示。 实际效果：根据Anthropic的测试数据，使用提示词改进工具后，模型的准确率在多标签分类任务中提升了30%，并且在摘要任务中能够100%完全遵循字数要求。show more

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件... 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：show more