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

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

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI... 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。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

Anthropic 发布了 Skill Creator 的重大更新 核心变化：内置测试用例生成 写完一个 Claude 技能，怎么知道它到底能不能被正确触发？以前靠手动试，现在... Skill Creator 内置了测试功能，帮你自动跑评估。 你现在可以给技能定义一组测试提示词，描述"什么样的回答算合格"，然后让系统自动跑测试、出报告。 不需要写代码，不需要搭测试框架。 具体新增了四个能力： 自动化评估（Evals）： 定义测试提示词和预期结果，系统自动运行并追踪通过率、耗时、token 用量。当模型更新或基础设施变化时，你能立刻发现技能是否"退步"了。 多 Agent 并行测试： 测试用例不是排队跑的，而是在独立的 Agent 中并行执行，每条测试互不干扰，各自有独立的 token 和耗时统计。 A/B 对比： 系统用"比较器 Agent"对两个版本的技能做盲测对比，去掉主观偏见。你改了技能描述，想知道新版比旧版好还是差，直接跑一轮对比就有答案。 触发率优化： 这可能是最实用的功能。系统会分析你的技能描述和测试提示词，建议怎么改描述才能减少误触发和漏触发。官方测试中，6 个公开的文档类技能有 5 个的触发准确率得到了提升。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 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 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

最近被 gpt 5.3 codex 不说人话搞的有点暴躁, 阅读体验贼差, 特别是读 plan 的... ..... 事无巨细 + 黑话频出 我试过通过在 agents md 里写各种提示词来改善沟通, 但 codex 5.3 就是死活不听话 接着我又想到一个很严肃的问题 「我真的有必要去“阅读”事无巨细 + 黑话频出的plan 嘛? 输入 codex 和输出 codex 这个流程是不是都可以简单的优化一下? 我是不是可以找个小助手帮我解决? 我只看重点?」 所以, 我火速试了一下在 openclaw 里面去调用 codex 来规划, 这里我用的是 MiniMax (official) 的 M2.5, 你可以选择你熟悉的模型, 把一些输入偏好和阅读偏好放入龙虾中, 比如我更希望用表格呈现. 用 openclaw tui 快速跑通流程, 如视频, 左侧是优化版本的 openclaw给我的报告, 右边是 codex 默认的报告. 下一步就可以接入飞书或者discord了.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

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

近日，一名女子表示，她的华为顶配笔记本电脑，导入16个文件到剪映里直接程序无响应。 随后，她被人骂“汉奸”“抹黑华为” 第二天，女子再次发视频回应，对比华为笔记本和macbook。 她用华为笔记本选中16个文件导入到剪映里，结果程序依旧显示无响应；而76个的文件导入到M1芯片的macbook 只需要一秒种。 结果还是有人质疑：“因该是导入的文件太大了、个数太多了” 于是女子只能再再次回应，这次她只导入了一个视频，软件运行正常。 她调侃：“都是我的错，是我一次导入太多了”

xBubble Coding：OPC 时代，小生意也能快速跑起来 DAPPOS xBubble 新推出的 Coding 功能已经开始内测了。 我一开始以为它只是又一个... AI Coding 工具，和 Cursor、Claude Code、Codex 差不多，主要帮程序员写代码、改代码。 但看完后发现，它的方向不太一样。 xBubble Coding 更像是给非技术背景的个人创业者和小团队准备的。它不是只帮会写代码的人提效，而是让普通人也能把一个想法做成网站，先跑起来。 这点很关键。 很多时候，普通人不是没有想法，而是卡在那些很现实的问题上： 服务器怎么配？ 域名怎么接？ API Key 怎么处理？ 网站怎么部署？ 以后要收款，又怎么接支付？ 这些对程序员可能只是日常，但对个人创业者来说，很容易一开始就被劝退。 xBubble 想解决的，就是这个从想法到落地之间的门槛。 它把服务器环境、域名解析、API Key 配置这些技术底层尽量封装起来，用户不需要自己一点点折腾，相关费用也可以通过 xBubble Credit 统一抵扣。 所以我觉得，它不是单纯卖代码，而是更像一个端到端的小生意启动系统。 这次官方案例里提到的 Polymarket 事件监控网站，我觉得挺能说明问题。 一个想法输入进去，Bubble Code 可以把它变成一个可以看数据、可以刷新、可以运行、可以部署的页面。 它不是一个静态 Demo，而是能真正拿来用的工具。 我也顺着这个思路，做了一个世界杯预测网站。 我的想法很简单：让用户看热门比赛、参与预测、记录判断，再用积分和排行榜增加一点互动。 我只是简单说了一句： 我想做一个世界杯预测网站，后面如果有需要，还可以接收款或会员服务。 让我有点惊讶的是，半小时左右，一个能看的 Demo 就已经出来了。 对世界杯这种热点来说，速度非常重要。 热点不等人。 等你慢慢找开发、做页面、调功能、接支付，可能比赛都快结束了。 但如果先用 Vibe Coding 把页面做出来，再一边跑一边改，节奏就完全不一样。 这也是 xBubble Coding 适合 OPC 和小团队的地方。 OPC，也就是 One Person Company。 一个人，或者一个很小的团队，也可以借助 AI、SOP 和全球化支付网络，把过去需要完整团队才能做的事情，先轻量化跑起来。 在 xBubble 里，页面、内容、功能、部署、收款，不再是分散的环节，而是可以尽量用 SOP 串起来。 xBubble 不只是帮你把网站页面做出来，它还把全栈内容生产也 SOP 化了。 比如产品的 3D 渲染图、详情页、投放广告片，这些原本需要设计、文案、剪辑和投放团队一起完成的内容，现在都可以通过内置的成熟 SOP 批量生成。 对普通用户来说，这一点很重要。 因为你不需要面对一个空白对话框反复试 Prompt，也不需要从零摸索每一步该怎么做，系统已经把成熟流程封装好了。 比如内容生成、多平台矩阵宣发、稳定币支付和结算，都可以接进同一条商业链路里。 如果一个小项目后面想做会员、付费数据、社群权益，也可以继续接稳定币收款，面向全球用户更快测试产品和现金流。 这对小团队很实际。 因为很多短平快项目，不是想法不成立，而是冷启动成本太高。 一个机会窗口可能只有几天，甚至几个小时。 谁能更快把页面做出来，谁能更快验证用户反馈，谁就更有机会先跑起来。 我觉得 xBubble 真正有价值的地方，是它抓住了 AI 时代的长尾需求。 标准化 SaaS 解决的是最通用的需求，但很多真实机会，反而藏在那些极度垂直、生命周期短、合规压力高、不断变化的非标场景里。 世界杯预测页、事件监控工具、短期活动页面、社群互动工具，都属于这一类。 这些需求，大公司不一定会专门投入资源做。 但对 OPC 和小团队来说，只要能快速上线、快速收款、快速调整，就可能是一门真实的小生意。 另外，我也挺关注 xBubble 提到的数据和资产主权设计。 服务器、域名等底层基础设施，由生态内第三方服务商直接向用户提供。平台不留后门，数据完全隔离。 对一些跨境业务，或者高合规压力的细分场景来说，这不是概念，而是生存问题。 很多项目最怕的不是没有想法，而是账号、支付、客户数据都压在中心化平台上。 哪天遇到封号、风控、限流，前面积累的东西可能一下子就没了。 所以 xBubble 解决的，不只是技术问题，也是在帮小团队把业务尽量握在自己手里。 还有一点我觉得很重要： xBubble 不是只有固定模板。 面对不断变化的长尾需求和平台规则，单靠一套固定 SOP 肯定不够。 所以它一边有成熟的标品 SOP，另一边 Bubble Engine 还可以持续生成新的专用 SOP。 这才是它真正的付费价值。 不是说用了 AI 就能躺赚，而是当你看到一个真实需求时，可以更快做出来，更快验证，更快调整。 它帮个人和小团队抹平的，是技术雇佣成本、运营试错成本和商业冷启动成本。 这次体验下来，我最大的感受是： AI Coding 不一定只是程序员的提效工具。 它也可能成为普通人做小产品、做小生意、做全球化轻资产创业的启动器。 用抗审查释放长尾刚需。 用 SOP 降低运营风险。 用 Vibe Coding 兜底个性化增长。 在 OPC 经济越来越明显的时代，xBubble Coding 也许会成为小团队和个人创业者获取超额利润的重要商业基础设施。show more

Codex 大更新 —— Chrome 内置最完全功能应用解析 1. 内置浏览器 + Chrome... Cookie 一键导入 现在导入了 Cookie 之后，能够把抖音、小红书、推特的账号 Cookie 都导入。现在打开，直接就是登录状态。 2. 开发者模式 可以查 DOM、Console、Network 请求、性能等。 比如说，原来我开发网站如果遇到性能问题，让它优化就会麻烦一些。现在直接用内置的浏览器，速度非常快，这个优化速度。 下面是一些应用场景 内容创作与研究 让 Codex 带着你的账号去小红书、微博、知乎等平台“逛”，找选题、分析爆款、抓用户反馈。 开发者调试 开启开发者模式后，Codex 能实时 inspect 页面： 快速定位 console error、网络请求异常。 分析 DOM 结构、调试已登录态的内部工具。 提示词示例：“开启开发者模式，打开这个页面，检查 Network 请求里和用户数据相关的接口，并把 console 里的 error 列出来。” 测试需要真实登录态的 Web 应用等show more

发现一个能把任何电子书变成Claude Code skill的项目，叫 book-to-skill 解决了看书的痛点：你买了本实用的技术书，认真读完，三个月后就忘了讲了什么。 这个项目把整本书变成Claude Code随时能调用的skill，调用它再加上电子书路径，就能自动拆成核心总览、分章节笔记、术语表、速查表。 拆完后这个skill就会以书名命名，你只需要输入书名，它会给你整本书的核心总结 如果你带着具体问题问，它会自动去对应章节里找答案讲给你听。 而且这些章节都是按需加载的，你不问到的部分不会占用上下文。

TinyShip 的下一个基础服务功能已经开发完毕，存储服务集成完毕，使用 Unified 的云存储接口，目前接入 - 阿里云 OSS - AWS... S3 - Cloudflare R2 可以轻松切换不同服务商 目前支持的功能： - 文件上传/下载 - 签名 URL 生成 - 元数据管理 - 目录列表 现在进度比我预想的要快。 关于几个人咨询的 Cloudflare Workers 部署问题：目前暂时不支持，因为 OpenNext 目前不支持 Node.js Middleware，而我们的 middleware 使用了 Node.js runtime，我不想推翻现在的设计，所以要等 OpenNext 支持 Node.js Middleware 即可支持 我看了一下是比较高的优先级，应该也是不远了。show more

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

你刷抖音、快手、小红书，会发现大量一看就是 AI 做的视频——人会动、镜头会飞、质感假得明显——但作品底下经常没有「AI 生成」那几个字。 他们是怎么做到的？ 圈里传得最多的，不是什么黑科技，大概分三层。 第一层，清壳。 生成工具常在文件里写隐式标识：元数据 AIGC... 字段、C2PA 内容凭证，部分视频流还带 SEI。StripShot、AIClean、QuickMetaWipe、Calabi Sanitizer 这类工具，核心就是抹掉这些标签，而且多强调本地处理、不上传。再狠一点，往里注入 iPhone、Sony 的 EXIF 档案，属性面板看起来像实拍。 第二层，改指纹。 中文自媒体圈常见「批量改视频 MD5」：文件末尾塞几个无害字节，哈希变了，网盘秒传、部分重复检测会失效——但画面一帧没动，跟内容是不是 AI 无关。 第三层，二次处理。 很多人再走剪映导出、手机重编码，甚至录屏再剪。封装和压缩一换，外壳信息更容易丢干净，文件也更像「本地剪过的正常成片」。 所以你看到的「没 AI 标识」，很多时候不是检测全失效了，是创作者先把文件外壳洗成了普通人机导出的样子。像素统计特征、时序伪影、平台内容侧识别，清壳清不掉。 别把改 MD5、写 EXIF，当成去 AI 味的全部。show more

现在 meme 市场的问题很明显，行情一热大家冲现货，行情一凉就没人玩了。不是 meme 没需求，是交易方式太单一。 #MemeMax 直接把 meme 放进永续里，让你不管涨跌都能参与，只用判断方向，不用死拿筹码，这点对很多人其实更友好。... 更关键的是，它不是单纯做个 perp 给你玩。你在里面交易、产生行为，这些数据是会被记下来的，能跟后面的激励、排名、奖励连在一起，不是打一枪就走的那种结构。 Phase 2 也快来了，Top 500 有实打实的奖励，这点已经说得很清楚了。不是那种只给前几名吃肉，后面全陪跑的玩法。你愿意花时间参与，基本都有反馈。 现在的态度也很简单，先用、先看、先参与，不急着下结论。 至少在一堆只靠喊口号的项目里，#MemeMax 属于那种真想把 meme 交易这件事做成“长期工具”的。 能不能跑出来，最后还是看数据，但现在这个阶段，值得放进观察列表。 #MemeMax #Web3 #MaxPacks #DeFi #KaitoAI #Kaito #Yaps #MemeMax Kaito AI 🌊 MemeMaxshow more