Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

Claude Cowork桌面Agent全攻略两分半的视频带你了解文章概要文章强调：大多数AI工具只是“聊天工具”——你说一句它回一句，最后还是得自己动手干活，而Claude Cowork通过永久记忆你的身份和工作方式，远比普通聊天模式更有效——它能真正访问你的本地文件、执行多步任务、直接把结果写回文件系统。

曲奇

13,947 subscribers

12,563 görüntüleme • 6 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

5 Yorum

sooolate profil fotoğrafı

sooolate6 ay önce

感觉你这个超级实用哎

曲奇 profil fotoğrafı

曲奇6 ay önce

现在claude真的很强大😂

Crypto🍀Lyh profil fotoğrafı

Crypto🍀Lyh6 ay önce

哥这是cc自动生成的视频吗？

曲奇 profil fotoğrafı

曲奇6 ay önce

嗯嗯，除了发布现在不敢自动化了，被抓到了😂

孤独的老米 profil fotoğrafı

孤独的老米6 ay önce

这视频是自己的 skills 生成的吗？

Benzer Videolar

卧槽牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。一旦你授权，它就可以在那个范围内：读取文件：看懂里面的内容；编辑文件：修改或补充；创建文件：从零生成新的文档；整理文件：例如自动分类、重命名、清理下载文件夹。举个例子：你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期，再帮你生成一份 Excel 表格列出所有支出。和普通 Claude 聊天有何不同？普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会：制定一份行动计划；通知你它将要执行的步骤；逐步完成；期间实时汇报进度；等待你确认下一步。这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。

卧槽牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。一旦你授权，它就可以在那个范围内：读取文件：看懂里面的内容；编辑文件：修改或补充；创建文件：从零生成新的文档；整理文件：例如自动分类、重命名、清理下载文件夹。举个例子：你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期，再帮你生成一份 Excel 表格列出所有支出。和普通 Claude 聊天有何不同？普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会：制定一份行动计划；通知你它将要执行的步骤；逐步完成；期间实时汇报进度；等待你确认下一步。这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。

小互

119,814 görüntüleme • 8 ay önce

出门在外也能让 Claude 在电脑上干活 Claude 彻底小龙虾化 Claude Cowork 推出一的一个新功能：Dispatch，用手机远程指挥电脑上的 Claude 干活。打开 Cowork，找到 Dispatch 选项扫个二维码，手机就配对上了然后你电脑只要开着，你就能通过手机操控Cowork，让它去你的电脑里做任何事情... Dispatch 走的是 Cowork 的底层能力，你电脑上 Claude 能用的一切（本地文件、连接器、插件、浏览器），从手机端都能调用。能访问你连接的邮箱、网盘、Slack等，还能访问你电脑里的指定的或者所有文件，理论上是可以让它调用各个文件帮你干活。典型场景包括：数据处理：你在外面，想让 Claude 从本地的 Excel 表格里提取数据，整理成摘要报告。发条消息就行，Claude 会访问你电脑上的文件，跑完把结果放好。信息汇总：让 Claude 搜你的 Slack 消息和邮件，起草一份简报文档。省得你回到电脑前还得翻半天聊天记录。文件整理：指定一个文件夹，让 Claude 按你的规则整理或处理里面的文件。演示制作：让 Claude 从 Google Drive 里找素材，拼一份格式化的演示文稿。

出门在外也能让 Claude 在电脑上干活 Claude 彻底小龙虾化 Claude Cowork 推出一的一个新功能：Dispatch，用手机远程指挥电脑上的 Claude 干活。打开 Cowork，找到 Dispatch 选项扫个二维码，手机就配对上了然后你电脑只要开着，你就能通过手机操控Cowork，让它去你的电脑里做任何事情... Dispatch 走的是 Cowork 的底层能力，你电脑上 Claude 能用的一切（本地文件、连接器、插件、浏览器），从手机端都能调用。能访问你连接的邮箱、网盘、Slack等，还能访问你电脑里的指定的或者所有文件，理论上是可以让它调用各个文件帮你干活。典型场景包括：数据处理：你在外面，想让 Claude 从本地的 Excel 表格里提取数据，整理成摘要报告。发条消息就行，Claude 会访问你电脑上的文件，跑完把结果放好。信息汇总：让 Claude 搜你的 Slack 消息和邮件，起草一份简报文档。省得你回到电脑前还得翻半天聊天记录。文件整理：指定一个文件夹，让 Claude 按你的规则整理或处理里面的文件。演示制作：让 Claude 从 Google Drive 里找素材，拼一份格式化的演示文稿。

小互

63,278 görüntüleme • 6 ay önce

从零造AI Agent！新手完整教程三分钟的视频带你了解文章概要文章强调：大多数人觉得构建AI Agent太复杂（要学一堆框架、多Agent系统、直接堆工具），结果90%的尝试都失败或毫无实际用处，而这篇把Anthropic/OpenAI专家干货+Claude整合成完整新手课程远比盲目上手复杂方案更有效

从零造AI Agent！新手完整教程三分钟的视频带你了解文章概要文章强调：大多数人觉得构建AI Agent太复杂（要学一堆框架、多Agent系统、直接堆工具），结果90%的尝试都失败或毫无实际用处，而这篇把Anthropic/OpenAI专家干货+Claude整合成完整新手课程远比盲目上手复杂方案更有效

曲奇

68,389 görüntüleme • 6 ay önce

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

27,710 görüntüleme • 2 ay önce

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

小互

235,179 görüntüleme • 7 ay önce

腾讯新推出的Marvis，真的把AI焊进了操作系统！我的电脑，终于能听懂人话了。以前找文件得手动翻，改设置得点半天，定时任务还得自己盯着……现在一句话说完，AI直接帮我干完。这就是腾讯最新发布的 Marvis（马维斯）— 一个真正叠加在操作系统层面的AI助手。系统级AI能力，太硬核了 Marvis 不是漂浮在表面的聊天工具，它直接在操作系统层面叠加了一层AI中枢。这意味着它能全局访问你电脑里的几乎所有资源： - 全部已安装的应用 - 图片文件（还能理解图片内容和文字） - 各种文档数据一句话就能调动资源干活。六人AI小队，背后自动协作它预置了多个Agent协同工作：一个总指挥 + 五个专业特工（文件、系统、应用、浏览器、搜索）。你说“把最近的发票全找出来做成表格”，它自动拆任务、分配执行，最后直接给你结果。用起来特别顺手。真正实用的Skills + 一键定时任务 Marvis 内置了丰富实用的Skill，而且每个技能都配了清晰的操作图示，上手非常友好。文件归类、图片批量处理、系统优化……点开就能用。定时任务也特别方便： - “检索 GitHub 本周 Trending 中 AI/ML 领域的热门项目，生成中文可视化展示页面。” 说一次就安排好，它准时执行。最强一点：Token消耗实时透明这点我特别喜欢—每个任务运行时，都能实时看到Token消耗情况。一目了然，心里有底。而且每天还有1000万Token免费额度，日常使用完全够用，几乎零成本。 Marvis 把AI真正带到了操作系统层面，让你的电脑从“被你操作的工具”，变成了“能主动帮你干活的智能助手”。目前支持 Windows、Mac、Android，iOS版本也即将上线。

腾讯新推出的Marvis，真的把AI焊进了操作系统！我的电脑，终于能听懂人话了。以前找文件得手动翻，改设置得点半天，定时任务还得自己盯着……现在一句话说完，AI直接帮我干完。这就是腾讯最新发布的 Marvis（马维斯）— 一个真正叠加在操作系统层面的AI助手。系统级AI能力，太硬核了 Marvis 不是漂浮在表面的聊天工具，它直接在操作系统层面叠加了一层AI中枢。这意味着它能全局访问你电脑里的几乎所有资源： - 全部已安装的应用 - 图片文件（还能理解图片内容和文字） - 各种文档数据一句话就能调动资源干活。六人AI小队，背后自动协作它预置了多个Agent协同工作：一个总指挥 + 五个专业特工（文件、系统、应用、浏览器、搜索）。你说“把最近的发票全找出来做成表格”，它自动拆任务、分配执行，最后直接给你结果。用起来特别顺手。真正实用的Skills + 一键定时任务 Marvis 内置了丰富实用的Skill，而且每个技能都配了清晰的操作图示，上手非常友好。文件归类、图片批量处理、系统优化……点开就能用。定时任务也特别方便： - “检索 GitHub 本周 Trending 中 AI/ML 领域的热门项目，生成中文可视化展示页面。” 说一次就安排好，它准时执行。最强一点：Token消耗实时透明这点我特别喜欢—每个任务运行时，都能实时看到Token消耗情况。一目了然，心里有底。而且每天还有1000万Token免费额度，日常使用完全够用，几乎零成本。 Marvis 把AI真正带到了操作系统层面，让你的电脑从“被你操作的工具”，变成了“能主动帮你干活的智能助手”。目前支持 Windows、Mac、Android，iOS版本也即将上线。

开发者Hailey

15,921 görüntüleme • 4 ay önce

其实不是每个职场人都必须去学 Claude Code 或 Codex。如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。以后老板一发任务，你就可以直接让remio帮你干。

其实不是每个职场人都必须去学 Claude Code 或 Codex。如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。以后老板一发任务，你就可以直接让remio帮你干。

木马人

18,540 görüntüleme • 2 ay önce

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

Michael Guo

17,812 görüntüleme • 3 ay önce

别再复制粘贴了，我让 Apodex直接读完一份 641 页文件最近试了一种更实际的 AI 使用方式：不再复制粘贴一段内容，而是直接上传一份真实文件，看它怎么把任务做完。我把之前参与编写的《最优化：建模、算法与理论》上传到了 Apodex。整份文件有 641 页，覆盖优化建模、最优性理论，以及无约束、约束和复合优化算法等内容。我先问了它一个基础问题： “请帮我分析一下，这份内容由哪些部分组成？” 它需要先真正读取文件，再从大量章节中梳理整体框架，而不是只根据标题生成一段泛泛的摘要。接着我继续追问： “如果想基于这份内容做一些调整，可以从哪些方面修改？” 这一步更接近真实工作：不只是理解现有材料，还要结合原文件继续分析，找到可以调整的方向。整个过程里，我比较在意的不是它最后写了多少字，而是任务过程本身：它如何理解文件、拆解问题、推进分析，并基于同一份材料继续完成下一步。这也是我觉得 Apodex 1.1 和普通问答工具不同的地方——推理不只停留在一份回答里，而是进入真实文件，沿着任务继续执行。如果你手上也有论文、报告、数据表或代码，可以自己上传一份真实文件试试： Web 在线体验： API 平台：开源的 FrontierAgent 也可以在 GitHub 上找到，支持单 Agent 和多 Agent 协作，感兴趣可以顺手点个 Star： Apodex 1.1 mini（35B）模型权重已经开放，可本地部署，并能搭配 FrontierAgent 使用：核心感受就一句：别只问 AI 一个问题。上传一份真实文件，看看它能不能接着把事情做完。

别再复制粘贴了，我让 Apodex直接读完一份 641 页文件最近试了一种更实际的 AI 使用方式：不再复制粘贴一段内容，而是直接上传一份真实文件，看它怎么把任务做完。我把之前参与编写的《最优化：建模、算法与理论》上传到了 Apodex。整份文件有 641 页，覆盖优化建模、最优性理论，以及无约束、约束和复合优化算法等内容。我先问了它一个基础问题： “请帮我分析一下，这份内容由哪些部分组成？” 它需要先真正读取文件，再从大量章节中梳理整体框架，而不是只根据标题生成一段泛泛的摘要。接着我继续追问： “如果想基于这份内容做一些调整，可以从哪些方面修改？” 这一步更接近真实工作：不只是理解现有材料，还要结合原文件继续分析，找到可以调整的方向。整个过程里，我比较在意的不是它最后写了多少字，而是任务过程本身：它如何理解文件、拆解问题、推进分析，并基于同一份材料继续完成下一步。这也是我觉得 Apodex 1.1 和普通问答工具不同的地方——推理不只停留在一份回答里，而是进入真实文件，沿着任务继续执行。如果你手上也有论文、报告、数据表或代码，可以自己上传一份真实文件试试： Web 在线体验： API 平台：开源的 FrontierAgent 也可以在 GitHub 上找到，支持单 Agent 和多 Agent 协作，感兴趣可以顺手点个 Star： Apodex 1.1 mini（35B）模型权重已经开放，可本地部署，并能搭配 FrontierAgent 使用：核心感受就一句：别只问 AI 一个问题。上传一份真实文件，看看它能不能接着把事情做完。

程序员端哥

54,610 görüntüleme • 1 ay önce

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

爱丽丝呀！

163,243 görüntüleme • 1 ay önce

好不容易翻墙出来不要只看片，多看英推优质信息源，看不大懂阿绎给你翻译拆解系列04（中英字幕）： damn，51分钟，老哥把Claude Cowork讲的太细太透了，都给我收藏起来！靠这套设置Claude Cowork从聊天机器人秒变你的AI参谋长！很多人打开Claude Cowork，敲完问题只得到一堆泛泛的回复，总觉得是AI不够好用，却从来没怀疑过是自己的打开方式从根上就错了😅 这条视频把Claude Cowork的正确用法，拆得明明白白。 Cowork从来不是一个更高级的聊天框，你只给它一个问题，它就只能给你通用的答案。它需要先完整认识你，才能真正帮到你。你是谁，你的工作模式，正在推进的项目，团队的状况，当前的优先级，这些信息给足了，它才能从一个通用工具，变成和你无缝衔接的AI参谋长。这套能落地的系统，核心分为三个层面。第一层是全局指令：写清楚你的身份、工作方式，还有你给Claude划定的边界。第二层是连接器：打通Slack、Gmail、谷歌日历、Notion这些你日常在用的工具，让它能接入你的真实工作流。第三层是电脑里的文件夹体系：这是Claude的长期记忆库，三者结合，它才能真正成为你的私人工作伙伴。真正能拉开差距的，是技能模块的搭建。每个技能都是一个markdown文件，精准告诉Claude该怎么做好一件具体的事，写工作简报，做决策指导，做项目复盘，都能做成独立的技能。每个技能都有专属的文件夹，放好相关的背景资料、案例范本和成功标准，它就能一次做对，不用你反复教。视频里现场搭建了三个核心技能，每一个都能直接照搬。第一个是CEO决策教练，输入你的业务背景、领导风格和公司目标，再抛出具体的决策问题，它就能给出完整的利弊分析、衍生影响和风险评估，帮你把决策想的更周全。第二个是多方智囊团系统，设置好执行者、质疑者、客户代言人、财务伙伴、法务风控顾问五个角色，输入待决议题，每个角色会独立给出评估，再由主智能体整合反馈，等于随时能开一场专属董事会。第三个是思想领导力内容生产线，从选题评分、创意捕捉、发布节奏到语气校准，全基于你的专业领域和受众特征搭建，从灵感到成稿，全程不用你反复打磨细节。整套系统的核心纽带，是工作区导航图。这份顶层文件会告诉Claude，你的整个设置体系是什么样的，文件夹怎么分布，技能在哪里，该怎么调用。没有它， Claude要到处搜寻信息，有了它，就能直击目标，精准完成任务。更难得的是，这套配置是完全可移植的。整个文件夹体系，在Cowork、Claude Code和Codex里都能用，推送到私人GitHub仓库后，手机端的Claude Code能随时访问，也能通过Claude Dispatch直接调用。它还能无限复制，你只要选一个自己的高频任务，创建文件夹，搭建技能模块，添加正反案例，测试优化，就能完成一个技能的搭建，每做好一个，就等于招了一个过目不忘、不用重复培训的专属员工。 AI工具的进化速度越来越快，现在花时间搭建好这套系统的人，未来会拿到十倍的优势。我给这条视频做了完整的中文字幕版，从零到一的搭建过程全拆解，看完就能直接上手。链接放在评论区，收藏起来，别再把Cowork当成普通聊天框用了！

好不容易翻墙出来不要只看片，多看英推优质信息源，看不大懂阿绎给你翻译拆解系列04（中英字幕）： damn，51分钟，老哥把Claude Cowork讲的太细太透了，都给我收藏起来！靠这套设置Claude Cowork从聊天机器人秒变你的AI参谋长！很多人打开Claude Cowork，敲完问题只得到一堆泛泛的回复，总觉得是AI不够好用，却从来没怀疑过是自己的打开方式从根上就错了😅 这条视频把Claude Cowork的正确用法，拆得明明白白。 Cowork从来不是一个更高级的聊天框，你只给它一个问题，它就只能给你通用的答案。它需要先完整认识你，才能真正帮到你。你是谁，你的工作模式，正在推进的项目，团队的状况，当前的优先级，这些信息给足了，它才能从一个通用工具，变成和你无缝衔接的AI参谋长。这套能落地的系统，核心分为三个层面。第一层是全局指令：写清楚你的身份、工作方式，还有你给Claude划定的边界。第二层是连接器：打通Slack、Gmail、谷歌日历、Notion这些你日常在用的工具，让它能接入你的真实工作流。第三层是电脑里的文件夹体系：这是Claude的长期记忆库，三者结合，它才能真正成为你的私人工作伙伴。真正能拉开差距的，是技能模块的搭建。每个技能都是一个markdown文件，精准告诉Claude该怎么做好一件具体的事，写工作简报，做决策指导，做项目复盘，都能做成独立的技能。每个技能都有专属的文件夹，放好相关的背景资料、案例范本和成功标准，它就能一次做对，不用你反复教。视频里现场搭建了三个核心技能，每一个都能直接照搬。第一个是CEO决策教练，输入你的业务背景、领导风格和公司目标，再抛出具体的决策问题，它就能给出完整的利弊分析、衍生影响和风险评估，帮你把决策想的更周全。第二个是多方智囊团系统，设置好执行者、质疑者、客户代言人、财务伙伴、法务风控顾问五个角色，输入待决议题，每个角色会独立给出评估，再由主智能体整合反馈，等于随时能开一场专属董事会。第三个是思想领导力内容生产线，从选题评分、创意捕捉、发布节奏到语气校准，全基于你的专业领域和受众特征搭建，从灵感到成稿，全程不用你反复打磨细节。整套系统的核心纽带，是工作区导航图。这份顶层文件会告诉Claude，你的整个设置体系是什么样的，文件夹怎么分布，技能在哪里，该怎么调用。没有它， Claude要到处搜寻信息，有了它，就能直击目标，精准完成任务。更难得的是，这套配置是完全可移植的。整个文件夹体系，在Cowork、Claude Code和Codex里都能用，推送到私人GitHub仓库后，手机端的Claude Code能随时访问，也能通过Claude Dispatch直接调用。它还能无限复制，你只要选一个自己的高频任务，创建文件夹，搭建技能模块，添加正反案例，测试优化，就能完成一个技能的搭建，每做好一个，就等于招了一个过目不忘、不用重复培训的专属员工。 AI工具的进化速度越来越快，现在花时间搭建好这套系统的人，未来会拿到十倍的优势。我给这条视频做了完整的中文字幕版，从零到一的搭建过程全拆解，看完就能直接上手。链接放在评论区，收藏起来，别再把Cowork当成普通聊天框用了！

AYi

204,223 görüntüleme • 6 ay önce

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🕊️

24,224 görüntüleme • 1 ay önce

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

47,352 görüntüleme • 4 ay önce

Agent比软件高一个层级，本质就在于：你有没有真把它当人看，给它配备一台专属电脑。给足权限，它就活了：你在手机上和它聊，它在远端干，聊着聊着，你就把活干完了；加上Cron机制，它就是7x24小时主动工作的数字员工，而不是拨一下动一下的程序。

Agent比软件高一个层级，本质就在于：你有没有真把它当人看，给它配备一台专属电脑。给足权限，它就活了：你在手机上和它聊，它在远端干，聊着聊着，你就把活干完了；加上Cron机制，它就是7x24小时主动工作的数字员工，而不是拨一下动一下的程序。

傅盛

27,949 görüntüleme • 7 ay önce

最近Hermes Agent 爆火，OpenClaw 过时了？现在真实发生的是 AI Agent 正在分成两条路一条是 OpenClaw 这类：系统派 - 强调多 Agent 调度 - 强调工具链、权限、流程控制 - 更像一个AI操作系统本质是：让 AI 更好地“干活” 另一条是 Hermes：进化派 - 强调长期记忆 - 强调自我学习、技能沉淀 - 用得越久越强本质是：让 AI 自己变强很多人觉得 Hermes 更高级是因为它解决了一个痛点： AI 不再用完就忘但这不代表 OpenClaw 没价值 OpenClaw 解决的是另一件更硬的事：多系统、多工具、多人协作的控制问题有人这样用 Hermes 当大脑，OpenClaw 当执行层下面是Hermes的安装文档

最近Hermes Agent 爆火，OpenClaw 过时了？现在真实发生的是 AI Agent 正在分成两条路一条是 OpenClaw 这类：系统派 - 强调多 Agent 调度 - 强调工具链、权限、流程控制 - 更像一个AI操作系统本质是：让 AI 更好地“干活” 另一条是 Hermes：进化派 - 强调长期记忆 - 强调自我学习、技能沉淀 - 用得越久越强本质是：让 AI 自己变强很多人觉得 Hermes 更高级是因为它解决了一个痛点： AI 不再用完就忘但这不代表 OpenClaw 没价值 OpenClaw 解决的是另一件更硬的事：多系统、多工具、多人协作的控制问题有人这样用 Hermes 当大脑，OpenClaw 当执行层下面是Hermes的安装文档

HankAI

36,938 görüntüleme • 5 ay önce

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

188,655 görüntüleme • 4 ay önce

👏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 görüntüleme • 4 ay önce

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统我把自己最常用的 20 个技巧整理出来了。如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。一、让 Codex 逐渐认识你 1. 每天让它问你一个问题我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。四、建立自己的信息雷达 16. 每天订阅 Builder 信息我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是：不要把 AI 只当作“问答工具”或“临时外包”。当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。换电脑时，我第一个装的软件就是 Codex。写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。你最想让我把上面哪一条展开成教程？评论区告诉我，我下一条就拆！ #codex #chatgpt @thsottaux

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统我把自己最常用的 20 个技巧整理出来了。如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。一、让 Codex 逐渐认识你 1. 每天让它问你一个问题我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。四、建立自己的信息雷达 16. 每天订阅 Builder 信息我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是：不要把 AI 只当作“问答工具”或“临时外包”。当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。换电脑时，我第一个装的软件就是 Codex。写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。你最想让我把上面哪一条展开成教程？评论区告诉我，我下一条就拆！ #codex #chatgpt @thsottaux

Vivi Xiao

105,608 görüntüleme • 2 ay önce

最近 OpenClaw 和 Hermes 让大家关注到一件事：给 AI 一个真实的环境（文件系统、工具、记忆），比单纯的对话框有意思得多。我们也是这个思路，不过我们更关注另一个场景：群聊。传统 chatbot 在群聊里只有被 @ 才会处理消息，其他时候它是不存在的。这在 1v1 对话里没问题，但群聊本来就不是一问一答的——你不会每说一句话都 @ 一个人。所以我们给Memoh引入了discuss模式。Discuss 模式下 bot 收到群里的每一条消息，但 LLM 直接输出的文字是内心独白——没人看得到。要说话得调 send 工具，不调就是沉默。该不该开口，LLM 自己推理决定。所以 bot 在群聊里终于是个正常的参与者了：有人问它问题会回答，有话题它能聊就插一句，没它的事就安静待着。而不是一个 @了才弹出来的工具。技术细节写了篇 blog（见评论），讲了怎么用确定性上下文管线（DCP）把群聊消息流转成结构化上下文，以及怎么通过 inner monologue + tool call 的方式让 bot 自主决定说不说话。

最近 OpenClaw 和 Hermes 让大家关注到一件事：给 AI 一个真实的环境（文件系统、工具、记忆），比单纯的对话框有意思得多。我们也是这个思路，不过我们更关注另一个场景：群聊。传统 chatbot 在群聊里只有被 @ 才会处理消息，其他时候它是不存在的。这在 1v1 对话里没问题，但群聊本来就不是一问一答的——你不会每说一句话都 @ 一个人。所以我们给Memoh引入了discuss模式。Discuss 模式下 bot 收到群里的每一条消息，但 LLM 直接输出的文字是内心独白——没人看得到。要说话得调 send 工具，不调就是沉默。该不该开口，LLM 自己推理决定。所以 bot 在群聊里终于是个正常的参与者了：有人问它问题会回答，有话题它能聊就插一句，没它的事就安静待着。而不是一个 @了才弹出来的工具。技术细节写了篇 blog（见评论），讲了怎么用确定性上下文管线（DCP）把群聊消息流转成结构化上下文，以及怎么通过 inner monologue + tool call 的方式让 bot 自主决定说不说话。

📦Acbox

43,670 görüntüleme • 5 ay önce