正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

🎬 88 秒后，它开始自己干活了｜1/5 原本只是想测试一下 Codex。结果从安装完成到第一个 Agent 开始工作，只用了 88 秒。整理文件、抓网页、写代码、跑脚本，全程本地运行。 🚀 第一次感觉到，AI Agent 已经开始进入普通人的电脑了。

Martin

2,223 subscribers

22,445 次观看 • 3 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

5 条评论

練仙螃蟹的头像

練仙螃蟹3 个月前

这声音是零度解说

Martin 的头像

Martin3 个月前

对的

Martin 的头像

Martin3 个月前

从安装 Codex + 本地模型完成，到第一个 Agent 自己开始干活（整理文件、抓网页、写代码、跑脚本），全程只用了 88 秒，且完全本地离线运行。核心感受：AI Agent 已经开始真正进入普通人的电脑了。

安叫兽|Bird🕊️ 🔶 BNB 的头像

安叫兽|Bird🕊️ 🔶 BNB3 个月前

88秒这速度，已经有点吓人了

Anoldfish 的头像

Anoldfish3 个月前

零度解说？

相关视频

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

Yanhua

51,913 次观看 • 5 个月前

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,519 次观看 • 3 个月前

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

karminski-牙医

41,586 次观看 • 10 个月前

免费模型 + 开源工作流，免费做 AI 视频我用开源项目 LocalMiniDrama 做了一个测试输入一句话：「一个中国美女在海边玩耍」再接入免费的 Agnes 模型，从故事、分镜到视频生成，完整流程都跑通了自动生成角色、场景、分镜，并最终生成了一条 15 秒视频。从故事到画面，整个流程都可以在本地完成最后生成了一条视频开源地址：

免费模型 + 开源工作流，免费做 AI 视频我用开源项目 LocalMiniDrama 做了一个测试输入一句话：「一个中国美女在海边玩耍」再接入免费的 Agnes 模型，从故事、分镜到视频生成，完整流程都跑通了自动生成角色、场景、分镜，并最终生成了一条 15 秒视频。从故事到画面，整个流程都可以在本地完成最后生成了一条视频开源地址：

撸毛吃猪脚饭| 美股合约首选Gate

14,432 次观看 • 1 个月前

他做了 10 年夜班保安，每小时 $16，守着一栋栋空楼。某个睡不着的夜班，他把 $900 做到了 $187,000。而且他自己没有写一行代码。他没有雇工程师。他只是“租”了 300 个 agent 跑了一晚，让 Claude Opus 4.8 像总指挥一样调度整个流程。 Proof：事情大概是这样。夜班刚开始，他给 Opus 输入了两个 prompt。 Opus 没有直接写 bot，而是先画出了完整蓝图：数据、信号、回测、风控、执行，按正确顺序拆成一棵任务树。然后这张蓝图被分发给 300 个 agent。有人拉 Binance 数据和 Polymarket 盘口。有人写代码。有人回测 5 年数据。有人检查风险。有人处理执行逻辑。 14 个小时里，它们不是一步一步慢慢做，而是并行跑了 4,000 个步骤。最后 Opus 再把结果全部读回来，把跑偏的模块砍掉，只留下能用的部分。整个过程很反直觉。大脑没有亲自写代码。手也没有自己做判断。但到天亮的时候，他已经拿到了一套普通 6 人量化工程团队可能要一个季度才能交付的东西：一个可以跑的 Polymarket BTC bot。已经回测过。有风险限制。可以 24 小时运行。十年来，他一直在看守没人待的楼。现在，300 个 agent 在他睡觉的时候替他看市场。如果你不想自己从零搭，直接用Kreo复制他的交易真正的变化不是“AI 帮你写代码”。而是一个普通人，开始有能力把一支临时工程团队调度起来。

他做了 10 年夜班保安，每小时 $16，守着一栋栋空楼。某个睡不着的夜班，他把 $900 做到了 $187,000。而且他自己没有写一行代码。他没有雇工程师。他只是“租”了 300 个 agent 跑了一晚，让 Claude Opus 4.8 像总指挥一样调度整个流程。 Proof：事情大概是这样。夜班刚开始，他给 Opus 输入了两个 prompt。 Opus 没有直接写 bot，而是先画出了完整蓝图：数据、信号、回测、风控、执行，按正确顺序拆成一棵任务树。然后这张蓝图被分发给 300 个 agent。有人拉 Binance 数据和 Polymarket 盘口。有人写代码。有人回测 5 年数据。有人检查风险。有人处理执行逻辑。 14 个小时里，它们不是一步一步慢慢做，而是并行跑了 4,000 个步骤。最后 Opus 再把结果全部读回来，把跑偏的模块砍掉，只留下能用的部分。整个过程很反直觉。大脑没有亲自写代码。手也没有自己做判断。但到天亮的时候，他已经拿到了一套普通 6 人量化工程团队可能要一个季度才能交付的东西：一个可以跑的 Polymarket BTC bot。已经回测过。有风险限制。可以 24 小时运行。十年来，他一直在看守没人待的楼。现在，300 个 agent 在他睡觉的时候替他看市场。如果你不想自己从零搭，直接用Kreo复制他的交易真正的变化不是“AI 帮你写代码”。而是一个普通人，开始有能力把一支临时工程团队调度起来。

断浪 WaveKing

176,453 次观看 • 3 个月前

本来是想随便玩一下的。没想到 Codex 真的用一下午帮我开发了一个非常完整的类似《杀戮尖塔》的卡牌游戏。代码和客户端都已经开源了，大家可以试试

本来是想随便玩一下的。没想到 Codex 真的用一下午帮我开发了一个非常完整的类似《杀戮尖塔》的卡牌游戏。代码和客户端都已经开源了，大家可以试试

歸藏(guizang.ai)

89,061 次观看 • 4 个月前

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

淘沙者(TheSandPicker)

92,340 次观看 • 2 个月前

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

Xudong Han

27,488 次观看 • 2 个月前

GPT-6 Astra开始挑战动效视频制作了。有人用它一次生成了一段完整的动效视频，全程仅用14分钟，只进行了2次修改。 OpenAI对Astra的定位也很直接：凡是能在电脑上完成的工作，它都能快速替你完成。

GPT-6 Astra开始挑战动效视频制作了。有人用它一次生成了一段完整的动效视频，全程仅用14分钟，只进行了2次修改。 OpenAI对Astra的定位也很直接：凡是能在电脑上完成的工作，它都能快速替你完成。

AI Will

14,945 次观看 • 18 天前

太炸裂了！为啥没有早点发现CodeX这个神仙用法？！ 30 秒的视频演示--直接把你的 Plus 账号当成 PRO 账号的额度去用，简直爽翻了😂Codex 额度不够用的话强烈推荐试试： Codex （读取本地项目 +发送任务） ↓ 压缩提炼成 1~3K 的精简 Packet ↓ 调用浏览器 ➔ 丢给网页版 ChatGPT（5.6-Sol 做重推理） ↓ 网页端输出精准的结构化方案 ↓ Codex 接收方案 ➔ 修改代码 ─── 【二、具体思路】 1. 网页端当最强大脑（出方案）：直接在网页端用最高版本的GPT-5.6Sol ，把复杂业务需求丢进去，让它做最严密的架构拆解和精准代码方案 2. 本地 Codex 做调度与落地：拿到成熟方案后，直接交给本地终端的 Codex。它只需要按图索骥去读写文件、跑测试、自动化改代码，用5.6 LUNA模型消耗轻量 Token就可以用了 ─── 这个方案你可以自己写一个脚本。如果嫌自己手写脚本太麻烦，推荐一个开源工具可以直接使用——Oracle（由知名开发者 Peter Steinberger 🦞 开源）： 👉 开源地址：

太炸裂了！为啥没有早点发现CodeX这个神仙用法？！ 30 秒的视频演示--直接把你的 Plus 账号当成 PRO 账号的额度去用，简直爽翻了😂Codex 额度不够用的话强烈推荐试试： Codex （读取本地项目 +发送任务） ↓ 压缩提炼成 1~3K 的精简 Packet ↓ 调用浏览器 ➔ 丢给网页版 ChatGPT（5.6-Sol 做重推理） ↓ 网页端输出精准的结构化方案 ↓ Codex 接收方案 ➔ 修改代码 ─── 【二、具体思路】 1. 网页端当最强大脑（出方案）：直接在网页端用最高版本的GPT-5.6Sol ，把复杂业务需求丢进去，让它做最严密的架构拆解和精准代码方案 2. 本地 Codex 做调度与落地：拿到成熟方案后，直接交给本地终端的 Codex。它只需要按图索骥去读写文件、跑测试、自动化改代码，用5.6 LUNA模型消耗轻量 Token就可以用了 ─── 这个方案你可以自己写一个脚本。如果嫌自己手写脚本太麻烦，推荐一个开源工具可以直接使用——Oracle（由知名开发者 Peter Steinberger 🦞 开源）： 👉 开源地址：

梭哈.AI

68,528 次观看 • 26 天前

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 次观看 • 6 个月前

兄弟们，火山哥这期给大家带来一篇最全、最简洁、最白话通俗易懂的Codex保姆级完整教学！如果你还在把 AI 当聊天框，一问一答、复制代码、手动调试，那这期真建议直接看完。 Codex 已经不是普通聊天机器人了。它能在本地干活，能同时处理多个复杂任务，还能接管文件、调用外部工具，更像一个真正能执行任务的 AI Agent。视频里主要讲了这些： 00:02 为什么 Codex 比传统 AI 更像“AI 员工” 01:00 基础界面怎么用：丢任务、加文件、加项目文件夹、规划模式、权限设置 02:38 怎么接插件：Gmail、Google Calendar 这类外部工具都能挂进去 05:58 怎么配置 Agent.md：把人设、语言风格、工作原则一次写好，以后不用反复交代 08:40 技能系统怎么用：PDF 生成、图片处理这些技能装一次，后面反复调用 12:47 真实应用场景：IG 图文、广告文案、网站代码、视频脚本、提示词都能跑 16:54 最炸的案例：从零做一个 iOS 音乐播放器 App，从界面到功能再到预览，Codex 自己一路干这期看下来最大感受： Codex 不是“帮你写代码”。是开始替你干活了。建议照着视频顺序跑一遍，先别搞大项目，拿一个落地页、小工具或者内容工作流试试。跑通一次，你大概率就不想回去了。

兄弟们，火山哥这期给大家带来一篇最全、最简洁、最白话通俗易懂的Codex保姆级完整教学！如果你还在把 AI 当聊天框，一问一答、复制代码、手动调试，那这期真建议直接看完。 Codex 已经不是普通聊天机器人了。它能在本地干活，能同时处理多个复杂任务，还能接管文件、调用外部工具，更像一个真正能执行任务的 AI Agent。视频里主要讲了这些： 00:02 为什么 Codex 比传统 AI 更像“AI 员工” 01:00 基础界面怎么用：丢任务、加文件、加项目文件夹、规划模式、权限设置 02:38 怎么接插件：Gmail、Google Calendar 这类外部工具都能挂进去 05:58 怎么配置 Agent.md：把人设、语言风格、工作原则一次写好，以后不用反复交代 08:40 技能系统怎么用：PDF 生成、图片处理这些技能装一次，后面反复调用 12:47 真实应用场景：IG 图文、广告文案、网站代码、视频脚本、提示词都能跑 16:54 最炸的案例：从零做一个 iOS 音乐播放器 App，从界面到功能再到预览，Codex 自己一路干这期看下来最大感受： Codex 不是“帮你写代码”。是开始替你干活了。建议照着视频顺序跑一遍，先别搞大项目，拿一个落地页、小工具或者内容工作流试试。跑通一次，你大概率就不想回去了。

火山哥🕊️

23,740 次观看 • 1 个月前

拿到Cursor赠送的$10000额度之后，我专门研究下这家公司，看到Cursor CEO这个演讲，我突然意识到，我们对AI编程的理解，从根上就错了，当大多数人还在纠结哪个模型写代码更快更准的时候， Cursor已经直接进入了下一个时代，工程师不再是写代码的人，而是管理一整队AI同事的团队经理，现在Cursor内部30%的合并PR，都是由异步云代理自动创建的，单周运行两千多个并发代理，生成三百万行代码，消耗几十亿个token，一个任务发出去，系统会自动拆成规划，编码，测试，发PR四个角色，每个代理独占一台远程机器，并行在云端运行，人类只需要在最开始定义范围，和最后做一次最终审核，中间所有的脏活累活，AI全部自己搞定，这就是多代理比单代理强的根本原因，

拿到Cursor赠送的$10000额度之后，我专门研究下这家公司，看到Cursor CEO这个演讲，我突然意识到，我们对AI编程的理解，从根上就错了，当大多数人还在纠结哪个模型写代码更快更准的时候， Cursor已经直接进入了下一个时代，工程师不再是写代码的人，而是管理一整队AI同事的团队经理，现在Cursor内部30%的合并PR，都是由异步云代理自动创建的，单周运行两千多个并发代理，生成三百万行代码，消耗几十亿个token，一个任务发出去，系统会自动拆成规划，编码，测试，发PR四个角色，每个代理独占一台远程机器，并行在云端运行，人类只需要在最开始定义范围，和最后做一次最终审核，中间所有的脏活累活，AI全部自己搞定，这就是多代理比单代理强的根本原因，

AYi

21,453 次观看 • 4 个月前

我今天刷到字节AI产品经理张咋啦Zara Zhang的一条帖子：“人类最有效的合作方式，就是不合作。一个人的end-to-end全权负责，然后和Agents一起工作”。我想到“一人公司”，Peter一个人就搞出了火遍全网的Openclaw，想到我曾在学校和职场中感到的迷茫，想到这2年开始全职做自媒体后，一个人工作时的百分百专注+思考+掌控，开始用AI agent后Starchild 我从一个周更/月更博主变成了现在的日更博主，和大家聊聊我自己的感想。

我今天刷到字节AI产品经理张咋啦Zara Zhang的一条帖子：“人类最有效的合作方式，就是不合作。一个人的end-to-end全权负责，然后和Agents一起工作”。我想到“一人公司”，Peter一个人就搞出了火遍全网的Openclaw，想到我曾在学校和职场中感到的迷茫，想到这2年开始全职做自媒体后，一个人工作时的百分百专注+思考+掌控，开始用AI agent后Starchild 我从一个周更/月更博主变成了现在的日更博主，和大家聊聊我自己的感想。

Jingyuan缘缘

219,107 次观看 • 5 个月前

兄弟们给大家推荐一个价值10万刀的Hermes免费课程。开始我以为是卖课的，结果点进去一看，Hermes 完整课程，整整 2 小时 11 分钟，讲的是怎么构建和自动化几乎任何东西。这种东西最离谱的地方是：你本来只是想随便看看，结果看完脑子里已经开始拆自己的工作流了。 AI 圈现在最狠的，不是模型多强。是会自动化的人，已经开始悄悄把一堆重复劳动干没了。最离谱的是我以为他要卖课。看完最后居然是免费。

兄弟们给大家推荐一个价值10万刀的Hermes免费课程。开始我以为是卖课的，结果点进去一看，Hermes 完整课程，整整 2 小时 11 分钟，讲的是怎么构建和自动化几乎任何东西。这种东西最离谱的地方是：你本来只是想随便看看，结果看完脑子里已经开始拆自己的工作流了。 AI 圈现在最狠的，不是模型多强。是会自动化的人，已经开始悄悄把一堆重复劳动干没了。最离谱的是我以为他要卖课。看完最后居然是免费。

火山哥🕊️

65,436 次观看 • 2 个月前

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 次观看 • 5 个月前

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,560 次观看 • 3 个月前

【Codex 保姆级小白入门】带你从0到1创建你的第一个项目很多人下载完 Codex 打开界面就懵了，不知道第一步该干嘛～这期零基础小白教程，我手把手从安装开始，带你一步步搞懂 Codex 的工作逻辑、正确打开方式、权限设置，最后和你一起做出第一个项目～看完你就能彻底摆脱界面恐惧，把 Codex 用到自己的日常开发里！

【Codex 保姆级小白入门】带你从0到1创建你的第一个项目很多人下载完 Codex 打开界面就懵了，不知道第一步该干嘛～这期零基础小白教程，我手把手从安装开始，带你一步步搞懂 Codex 的工作逻辑、正确打开方式、权限设置，最后和你一起做出第一个项目～看完你就能彻底摆脱界面恐惧，把 Codex 用到自己的日常开发里！

爱丽丝呀！

446,414 次观看 • 4 个月前

让AI连续工作10小时不崩溃？揭秘Anthropic官方推崇的“Harness工程”！很多人用Claude Code跑长任务，跑着跑着AI就变傻、甚至罢工。原因很简单：上下文窗口爆了。今天分享一套让AI“无限续航”的系统级方案（Harness Engineering），不仅能让AI干活，还能让它自我进化。 1⃣ 核心原理：重置上下文 AI的记性有限。官方Anthropic的思路是：把大任务拆碎，每次只让AI在一个全新的、干净的上下文里干一件小事。 ❌ 错误做法：把所有需求一次性塞给AI。 ✅ 正确做法：拆解任务 -> 独立会话执行 -> 记录进度 -> 下一个循环。 2⃣ 方案对比：Ralph vs 多智能体方案A（Ralph循环）：用Bash脚本写个while循环，强制重启新会话。简单粗暴，适合极客。方案B（多智能体协同 - 推荐）：我在用的方案。更灵活，更像真实团队。主Agent（Coordinator）：只负责调度，绝不写代码（保持上下文极其干净）。子Agent（Workers）：计划、开发、测试（布局/美观/动画）。各司其职，独立上下文。 3⃣ 工作流设计（关键！）我的实战工作流：主Agent 接收需求 -> 丢给计划Agent 出排期。主Agent 拿到计划 -> 派给开发Agent 写代码（只传文件路径，不传大段代码！）。开发完 -> 派给测试Agent 找Bug。 Bug修复闭环：测试挂了？用 resume 参数唤醒同一个开发Agent修Bug（保留现场上下文），而不是开新号！ 4⃣ 让AI自我进化的Secret Sauce Lessons Learned：建一个经验库文件。每次踩坑，强制AI把错误写进去。下一次开发，先读这个文件，避免重复犯错。文件通信： Agent之间只传文件路径（Path），不传具体内容。主Agent的上下文永远只有几行字，永不爆窗。这套系统我跑了一个通宵，生成了20多页PPT，质量极高。真正的Harness不是让AI更聪明，而是设计一套不依赖AI记性的流程。

让AI连续工作10小时不崩溃？揭秘Anthropic官方推崇的“Harness工程”！很多人用Claude Code跑长任务，跑着跑着AI就变傻、甚至罢工。原因很简单：上下文窗口爆了。今天分享一套让AI“无限续航”的系统级方案（Harness Engineering），不仅能让AI干活，还能让它自我进化。 1⃣ 核心原理：重置上下文 AI的记性有限。官方Anthropic的思路是：把大任务拆碎，每次只让AI在一个全新的、干净的上下文里干一件小事。 ❌ 错误做法：把所有需求一次性塞给AI。 ✅ 正确做法：拆解任务 -> 独立会话执行 -> 记录进度 -> 下一个循环。 2⃣ 方案对比：Ralph vs 多智能体方案A（Ralph循环）：用Bash脚本写个while循环，强制重启新会话。简单粗暴，适合极客。方案B（多智能体协同 - 推荐）：我在用的方案。更灵活，更像真实团队。主Agent（Coordinator）：只负责调度，绝不写代码（保持上下文极其干净）。子Agent（Workers）：计划、开发、测试（布局/美观/动画）。各司其职，独立上下文。 3⃣ 工作流设计（关键！）我的实战工作流：主Agent 接收需求 -> 丢给计划Agent 出排期。主Agent 拿到计划 -> 派给开发Agent 写代码（只传文件路径，不传大段代码！）。开发完 -> 派给测试Agent 找Bug。 Bug修复闭环：测试挂了？用 resume 参数唤醒同一个开发Agent修Bug（保留现场上下文），而不是开新号！ 4⃣ 让AI自我进化的Secret Sauce Lessons Learned：建一个经验库文件。每次踩坑，强制AI把错误写进去。下一次开发，先读这个文件，避免重复犯错。文件通信： Agent之间只传文件路径（Path），不传具体内容。主Agent的上下文永远只有几行字，永不爆窗。这套系统我跑了一个通宵，生成了20多页PPT，质量极高。真正的Harness不是让AI更聪明，而是设计一套不依赖AI记性的流程。

Vincent

29,319 次观看 • 4 个月前