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。

Codex 5.6 最强的隐藏技巧：不仅能省下 90% 的 Token，还能让 AI 少交半成品、少做无效返工！很多人Vibe Coding，第一句话就是：帮我把这个功能做出来。但结果常通常是半成品，因为它拿到的只是需求，不是交付标准。分享一条我反复调整后一直在用的提示词，直接开启 Codex 的交付工程师模式：暂时不要写代码。请先确认需求，最多向我提出 5 个决定方案方向的关键问题，每次只问一个；已有信息不要重复确认，非关键细节请自行做合理假设。提问结束后，把需求整理成一份精简、可验证的验收清单，覆盖核心流程、异常情况、空状态、加载状态和不同设备适配，并单独列出你的假设、本次范围以及明确不做的内容。等我确认后再开始开发。完成后必须实际运行项目，按照验收清单逐项验证并汇报结果；未通过的项目继续修改，直到达到验收标准。换成这种方式后，Codex 的产出质量会明显提升： 1️⃣ 在开发前补齐模糊需求，发现逻辑漏洞和遗漏场景。 2️⃣ 不再改完文件就交差，而是主动运行项目、检查页面、验证核心流程。 3️⃣ 方向提前对齐，避免反复推倒重写，节省时间和 Token。

爱丽丝呀！

20,663 subscribers

152,949 次观看 • 1 个月前 •via X (Twitter)

科学技术教育

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

爱丽丝呀！

40,828 次观看 • 1 个月前

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。分享一个我在用的提示词，能省不少无效token： “当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。” 下次继续项目时，第一句话只需要输入： “请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。” 这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。分享一个我在用的提示词，能省不少无效token： “当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。” 下次继续项目时，第一句话只需要输入： “请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。” 这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

爱丽丝呀！

145,933 次观看 • 1 个月前

Codex 5.6 写代码很强，但很多人只用对了一半。 90% 的人都忽略了：写代码和审代码，最好不要使用同一个对话。原对话已经知道你的目标和它自己的修改思路，很容易顺着原来的判断证明自己没问题。更好的方法是新开一个完全没有前文的任务，只给它当前代码变更和验收要求： “请以独立代码审查者的身份检查当前 Git diff。不要根据原开发思路替改动辩护，重点寻找功能回归、遗漏场景、错误假设、并发问题和测试盲区。暂时不要修改代码，先按严重程度列出问题，并提供对应文件和证据。” 提前发现问题，省下的不只是返工时间，还有后续反复修 Bug 消耗的 Token。一个 Codex 负责写，另一个没有参与开发的 Codex 负责挑错。

Codex 5.6 写代码很强，但很多人只用对了一半。 90% 的人都忽略了：写代码和审代码，最好不要使用同一个对话。原对话已经知道你的目标和它自己的修改思路，很容易顺着原来的判断证明自己没问题。更好的方法是新开一个完全没有前文的任务，只给它当前代码变更和验收要求： “请以独立代码审查者的身份检查当前 Git diff。不要根据原开发思路替改动辩护，重点寻找功能回归、遗漏场景、错误假设、并发问题和测试盲区。暂时不要修改代码，先按严重程度列出问题，并提供对应文件和证据。” 提前发现问题，省下的不只是返工时间，还有后续反复修 Bug 消耗的 Token。一个 Codex 负责写，另一个没有参与开发的 Codex 负责挑错。

爱丽丝呀！

17,164 次观看 • 1 个月前

【Plus订阅用户——无限额度的神级工具】 Plus 的 Codex 5 小时额度完全不够用？先别急，交给这个神级工具，让你的plus额度也够用很多 Plus 用户不是不会用 Codex，而是把规划、执行和审查全塞给 Codex，让它变得太“全能”。先让它通读仓库、自己想方案，再写代码、跑测试，最后还要重新读取全部上下文，审查自己刚才做过的改动。等到 5 小时额度窗口开始紧张，真正需要 Codex 动手的工作，可能才刚刚开始。如果你也经常觉得 Plus 的 Codex 额度不够用，我更建议先优化任务分工，而不是继续压缩提示词，或者把所有步骤都塞进同一次调用。我现在使用的工作流是 Codex with ChatGPT： ChatGPT → PLAN Codex → EXECUTE / TEST ChatGPT → REVIEW 简单来说：ChatGPT 负责把问题想清楚，Codex 负责把改动做出来。第一步是 PLAN。在进入 Codex 之前，先让 ChatGPT 网页版明确： • 这次到底要解决什么问题？ • 哪些内容属于本次范围，哪些明确不改？ • 可能涉及哪些文件和依赖？ • 需要运行哪些测试？ • 什么结果才算完成，出问题怎样回滚？计划至少要回答这五件事：改什么、不改什么、碰哪些文件、怎样测试、什么结果才算完成。没有边界的“帮我优化一下整个项目”，往往才是最消耗额度的用法。第二步是 EXECUTE / TEST。规划完成后，再把清晰的施工单交给 Codex。此时 Codex 不需要重新做一轮开放式研究，而是专注它最擅长的本地工作： • 编辑文件 • 运行 Shell 和项目命令 • 使用 Git 检查改动 • 执行测试 • 根据真实错误继续修复给 Codex 的不再是一道没有边界的研究题，而是一项可以直接执行、可以测试、可以验收的任务。一轮调用最好只有一个明确闭环：修改 → 测试 → 报告结果第三步是 REVIEW。代码完成后，我不会只让执行者重新通读整个仓库，然后告诉我“看起来没问题”。 ChatGPT 会通过只读连接，按需查看相关文件、diff 和测试记录，再从原计划出发做一次独立审查： • 改动有没有超出范围？ • 测试是否真的覆盖了目标？ • 有没有隐藏失败或未经验证的结论？ • 文档、实现和最终结果是否一致？只有发现具体问题时，才向 Codex 发回最小修复任务。这套分工的关键不是让两个 AI 重复干活，而是让每一层只负责自己最合适的事情。在当前这个视频工程里就有一个真实例子：ChatGPT 审查时发现首帧工作台遮挡了标题；Codex 随后把 `.workspace` 的位置从 `top:128px` 调整到 `430px`。基线检查有 10 个重叠错误，修改后 Layout 变为 0 issues，最后再由 ChatGPT 读取事务 diff 和验证记录完成复核。这就是完整闭环：发现问题 → 明确修改 → 本地执行 → 运行检查 → 独立复核对于 Plus 用户，这套方法最直接的作用，不是把官方额度变多，而是减少 Codex 执行通道里的重复阅读、开放式探索和自我复盘。普通任务可以先在 ChatGPT 网页版锁定范围，再让 Codex 本地执行；完成后，只让审查层按需读取必要的 diff 和测试记录。这样能把更宝贵的 Codex 调用留给真正需要编辑、命令和测试的步骤。如果你是 Pro 用户，还可以把最困难的架构规划、跨文件风险分析和最终审查，交给 ChatGPT 网页版中最高能力的 Pro 模型选项；复杂推理由 Pro 负责，本地执行仍由 Codex 完成。具体模型名称和开放范围可能调整，以你账户里的模型选择器为准。需要说明的是：这不是增加官方额度，也不会解除 5 小时窗口，更不是绕过平台限制。它做的事情更朴素：不再让 Codex 同时扮演产品经理、架构师、程序员和审计员，而是让每一次调用都有明确范围、明确任务和明确验收标准。 Codex with ChatGPT 使用只读连接，按需读取完成规划和审查所需的工作区内容；不是一次性上传整个仓库，也不会把写文件、删除文件或执行 Shell 的权限交给 ChatGPT。如果你也在用 Plus，最近又经常撞到 5 小时额度限制，可以试试先把任务分工做好，再开始下一次编码。项目地址：安装后可以直接对 Codex 说： “使用 Codex with ChatGPT 完成首次配置并应用。” #Codex #ChatGPT

【Plus订阅用户——无限额度的神级工具】 Plus 的 Codex 5 小时额度完全不够用？先别急，交给这个神级工具，让你的plus额度也够用很多 Plus 用户不是不会用 Codex，而是把规划、执行和审查全塞给 Codex，让它变得太“全能”。先让它通读仓库、自己想方案，再写代码、跑测试，最后还要重新读取全部上下文，审查自己刚才做过的改动。等到 5 小时额度窗口开始紧张，真正需要 Codex 动手的工作，可能才刚刚开始。如果你也经常觉得 Plus 的 Codex 额度不够用，我更建议先优化任务分工，而不是继续压缩提示词，或者把所有步骤都塞进同一次调用。我现在使用的工作流是 Codex with ChatGPT： ChatGPT → PLAN Codex → EXECUTE / TEST ChatGPT → REVIEW 简单来说：ChatGPT 负责把问题想清楚，Codex 负责把改动做出来。第一步是 PLAN。在进入 Codex 之前，先让 ChatGPT 网页版明确： • 这次到底要解决什么问题？ • 哪些内容属于本次范围，哪些明确不改？ • 可能涉及哪些文件和依赖？ • 需要运行哪些测试？ • 什么结果才算完成，出问题怎样回滚？计划至少要回答这五件事：改什么、不改什么、碰哪些文件、怎样测试、什么结果才算完成。没有边界的“帮我优化一下整个项目”，往往才是最消耗额度的用法。第二步是 EXECUTE / TEST。规划完成后，再把清晰的施工单交给 Codex。此时 Codex 不需要重新做一轮开放式研究，而是专注它最擅长的本地工作： • 编辑文件 • 运行 Shell 和项目命令 • 使用 Git 检查改动 • 执行测试 • 根据真实错误继续修复给 Codex 的不再是一道没有边界的研究题，而是一项可以直接执行、可以测试、可以验收的任务。一轮调用最好只有一个明确闭环：修改 → 测试 → 报告结果第三步是 REVIEW。代码完成后，我不会只让执行者重新通读整个仓库，然后告诉我“看起来没问题”。 ChatGPT 会通过只读连接，按需查看相关文件、diff 和测试记录，再从原计划出发做一次独立审查： • 改动有没有超出范围？ • 测试是否真的覆盖了目标？ • 有没有隐藏失败或未经验证的结论？ • 文档、实现和最终结果是否一致？只有发现具体问题时，才向 Codex 发回最小修复任务。这套分工的关键不是让两个 AI 重复干活，而是让每一层只负责自己最合适的事情。在当前这个视频工程里就有一个真实例子：ChatGPT 审查时发现首帧工作台遮挡了标题；Codex 随后把 `.workspace` 的位置从 `top:128px` 调整到 `430px`。基线检查有 10 个重叠错误，修改后 Layout 变为 0 issues，最后再由 ChatGPT 读取事务 diff 和验证记录完成复核。这就是完整闭环：发现问题 → 明确修改 → 本地执行 → 运行检查 → 独立复核对于 Plus 用户，这套方法最直接的作用，不是把官方额度变多，而是减少 Codex 执行通道里的重复阅读、开放式探索和自我复盘。普通任务可以先在 ChatGPT 网页版锁定范围，再让 Codex 本地执行；完成后，只让审查层按需读取必要的 diff 和测试记录。这样能把更宝贵的 Codex 调用留给真正需要编辑、命令和测试的步骤。如果你是 Pro 用户，还可以把最困难的架构规划、跨文件风险分析和最终审查，交给 ChatGPT 网页版中最高能力的 Pro 模型选项；复杂推理由 Pro 负责，本地执行仍由 Codex 完成。具体模型名称和开放范围可能调整，以你账户里的模型选择器为准。需要说明的是：这不是增加官方额度，也不会解除 5 小时窗口，更不是绕过平台限制。它做的事情更朴素：不再让 Codex 同时扮演产品经理、架构师、程序员和审计员，而是让每一次调用都有明确范围、明确任务和明确验收标准。 Codex with ChatGPT 使用只读连接，按需读取完成规划和审查所需的工作区内容；不是一次性上传整个仓库，也不会把写文件、删除文件或执行 Shell 的权限交给 ChatGPT。如果你也在用 Plus，最近又经常撞到 5 小时额度限制，可以试试先把任务分工做好，再开始下一次编码。项目地址：安装后可以直接对 Codex 说： “使用 Codex with ChatGPT 完成首次配置并应用。” #Codex #ChatGPT

18168

34,355 次观看 • 1 个月前

我第一次用 Ling 3.0 flash，做的只是一个很基础的任务，整理50条用户评论。评论来自不同用户，内容很杂。有 bug 报告，有功能请求，也有对整体体验的评价。过去处理这类材料，我得一条条读，再手动归类重复问题，统计出现频率，最后才能开始写汇总报告。这个过程不难，却很耗时间，也很容易漏掉信息。 ## 把重复劳动交给模型这次我把全部反馈一次性发给 Ling 3.0 flash，同时给了它一套更清楚的处理流程。它需要完成的事情包括。 - 对评论按主题分类。 - 提取每条反馈里的核心信息。 - 合并重复或高度相似的建议。 - 去掉无关和冗余内容。 - 输出一份可直接查看的汇总报告。几分钟后，结果就出来了，结构很清楚，查看起来也很省力。像记录问题，增加深色模式，一次性导出多条消息这类反复出现的建议，都被归到了一起。不同类别的反馈也完成了统计，哪些问题出现得更多，一眼就能看出来。 ## 模型负责产出，人负责判断这件事帮我省下来的，不只是阅读五十条评论的时间。我不需要反复检查有没有遗漏，也不用重新核算相似评论，更少了很多手动整理时容易发生的小错误。模型没有替我决定产品该怎么做，它只是把杂乱的信息整理成了我能判断的材料。产品要不要做深色模式，导出功能该排在什么优先级，bug 修复要投入多少资源，这些决定依然要由人来做。我觉得这才是更接近真实工作场景的 AI 用法。人掌握目标，规则和最终决策，模型承担整理，归纳，格式化和生成这些执行工作。 ## 很多办公任务，不需要顶级推理不少办公场景并不缺复杂思考，真正缺的是稳定完成重复任务的能力。日常工作里，经常会遇到这些事情。 - 阅读一批文档。 - 汇总不同来源的材料。 - 统一格式。 - 按既定规则分类。 - 生成可以直接交付的内容。这类流程每天可能发生很多次。它们不一定需要一个负责规划全局，决定方向的模型，却很需要一个响应快，输出稳，能按要求执行的工具。 Ling 3.0 flash 给我的感觉，更像项目流程里可靠的执行环节，而不是替代负责人做判断的控制中心。只要我把目标和流程交代清楚，它就能更快完成后续步骤。我也能把时间留给更需要批判性思考，沟通协调和决策判断的事情。并不是每个问题都要动用最强的推理能力。把高频，重复，规则明确的流程交给更快更稳定的模型处理，往往才是效率真正提升的地方。体验地址： 👇以下视频是我亲自体验录制的过程

我第一次用 Ling 3.0 flash，做的只是一个很基础的任务，整理50条用户评论。评论来自不同用户，内容很杂。有 bug 报告，有功能请求，也有对整体体验的评价。过去处理这类材料，我得一条条读，再手动归类重复问题，统计出现频率，最后才能开始写汇总报告。这个过程不难，却很耗时间，也很容易漏掉信息。 ## 把重复劳动交给模型这次我把全部反馈一次性发给 Ling 3.0 flash，同时给了它一套更清楚的处理流程。它需要完成的事情包括。 - 对评论按主题分类。 - 提取每条反馈里的核心信息。 - 合并重复或高度相似的建议。 - 去掉无关和冗余内容。 - 输出一份可直接查看的汇总报告。几分钟后，结果就出来了，结构很清楚，查看起来也很省力。像记录问题，增加深色模式，一次性导出多条消息这类反复出现的建议，都被归到了一起。不同类别的反馈也完成了统计，哪些问题出现得更多，一眼就能看出来。 ## 模型负责产出，人负责判断这件事帮我省下来的，不只是阅读五十条评论的时间。我不需要反复检查有没有遗漏，也不用重新核算相似评论，更少了很多手动整理时容易发生的小错误。模型没有替我决定产品该怎么做，它只是把杂乱的信息整理成了我能判断的材料。产品要不要做深色模式，导出功能该排在什么优先级，bug 修复要投入多少资源，这些决定依然要由人来做。我觉得这才是更接近真实工作场景的 AI 用法。人掌握目标，规则和最终决策，模型承担整理，归纳，格式化和生成这些执行工作。 ## 很多办公任务，不需要顶级推理不少办公场景并不缺复杂思考，真正缺的是稳定完成重复任务的能力。日常工作里，经常会遇到这些事情。 - 阅读一批文档。 - 汇总不同来源的材料。 - 统一格式。 - 按既定规则分类。 - 生成可以直接交付的内容。这类流程每天可能发生很多次。它们不一定需要一个负责规划全局，决定方向的模型，却很需要一个响应快，输出稳，能按要求执行的工具。 Ling 3.0 flash 给我的感觉，更像项目流程里可靠的执行环节，而不是替代负责人做判断的控制中心。只要我把目标和流程交代清楚，它就能更快完成后续步骤。我也能把时间留给更需要批判性思考，沟通协调和决策判断的事情。并不是每个问题都要动用最强的推理能力。把高频，重复，规则明确的流程交给更快更稳定的模型处理，往往才是效率真正提升的地方。体验地址： 👇以下视频是我亲自体验录制的过程

拳头👊🕊️

14,412 次观看 • 2 个月前

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

Nana

20,423 次观看 • 1 个月前

很多人可能不知道，你和Codex的聊天记录隐藏了大量节省上下文token消耗的方法输入下面这段提示词，让 Codex 找出过去 30 天的重复工作，并判断该做成 skill、subagent、还是自动化任务。之后，你的工作效率将大幅提升： “检查我最近 30 天的 Codex 会话、Memories、Chronicle，以及已有的 Skills、Agents 和 Automations。找出至少重复出现两次、耗时、容易出错、需要大量上下文的人工工作。对每个候选项给出：实际证据和日期、出现频率、适合做成 Skill / Agent / Automation，或者暂时跳过、预计能节省什么。先输出候选清单，不要直接修改文件。只保留高置信度、输入稳定、流程可重复、结果可验收的任务”

很多人可能不知道，你和Codex的聊天记录隐藏了大量节省上下文token消耗的方法输入下面这段提示词，让 Codex 找出过去 30 天的重复工作，并判断该做成 skill、subagent、还是自动化任务。之后，你的工作效率将大幅提升： “检查我最近 30 天的 Codex 会话、Memories、Chronicle，以及已有的 Skills、Agents 和 Automations。找出至少重复出现两次、耗时、容易出错、需要大量上下文的人工工作。对每个候选项给出：实际证据和日期、出现频率、适合做成 Skill / Agent / Automation，或者暂时跳过、预计能节省什么。先输出候选清单，不要直接修改文件。只保留高置信度、输入稳定、流程可重复、结果可验收的任务”

Sac

99,911 次观看 • 1 个月前

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

宝玉

30,089 次观看 • 2 年前

Codex 5.6 必装插件GitHub，节省90%的token！别一上来就让它：帮我做个某某APP、功能或者程序。这样你就把 Codex 用反了。你现在应该先安装上GitHub插件。往往你要做的项目，别人已经做好并且开源了，你可以直接拿过来用。比如：我要开发一个 “番茄钟” 项目，你可以先跟CodeX说的提示词prompt：我需要做一个简洁可爱的，新年拟物风格的番茄钟。先在 GitHub 上搜搜有没有类似的开源项目，筛选出最有参考价值的方案。分析解决了什么问题、面向的用户人群是什么、采用什么技术架构、代码是否安全、目前是否活跃，以及有哪些设计值得复用或避开。先不要创建文件，也不要输出代码。需要结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。并告诉我置信度。这样 Codex 会先做三件事： 1️⃣ 找到真实项目直接输出复用的方案 2️⃣ 梳理别人已经踩过的坑和需要注意的问题 3️⃣ 结合你的需求做出更合理的技术取舍和开发路径赶紧去尝试吧！别再浪费自己的token了！

Codex 5.6 必装插件GitHub，节省90%的token！别一上来就让它：帮我做个某某APP、功能或者程序。这样你就把 Codex 用反了。你现在应该先安装上GitHub插件。往往你要做的项目，别人已经做好并且开源了，你可以直接拿过来用。比如：我要开发一个 “番茄钟” 项目，你可以先跟CodeX说的提示词prompt：我需要做一个简洁可爱的，新年拟物风格的番茄钟。先在 GitHub 上搜搜有没有类似的开源项目，筛选出最有参考价值的方案。分析解决了什么问题、面向的用户人群是什么、采用什么技术架构、代码是否安全、目前是否活跃，以及有哪些设计值得复用或避开。先不要创建文件，也不要输出代码。需要结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。并告诉我置信度。这样 Codex 会先做三件事： 1️⃣ 找到真实项目直接输出复用的方案 2️⃣ 梳理别人已经踩过的坑和需要注意的问题 3️⃣ 结合你的需求做出更合理的技术取舍和开发路径赶紧去尝试吧！别再浪费自己的token了！

govin.eth | G哥

154,231 次观看 • 1 个月前

最近又拿 AI 做了个挺实用的小东西。我在上用 DeepSeek 4.1 Flash 做了一个《出门别忘了》的小程序。逻辑很简单：出门前填一下出发地、目的地、出发和返程时间、交通工具、同行人数，它就会根据这趟行程，自动生成一份需要携带的物品清单。比如飞机出行，会重点提醒证件、充电宝这些；去冷的地方，会自动增加保暖用品；人数、旅行天数变了，需要准备的数量也会跟着变。每样东西都可以直接勾选，准备多少、还差多少一眼就能看到，最后还有一个「我真的都带齐了吗？」检查。我现在越来越喜欢这种用 AI 的方式了。不是问 AI 一个问题，让它给我一段答案，而是直接把一个生活里的小需求，做成一个真的能用的东西。而且这次我基本就是把需求告诉 DeepSeek 4.1 Flash，让它自己分析逻辑、设计页面、写代码，最后直接生成可以运行的成品。以前觉得做个小工具至少得会开发，现在越来越像是：有一个想法 → 说清楚需求 → 产品就出来了。 DeepSeek 4.1 Flash 5 折活动已上线～活动持续7天，截止到 9 月 21 号。

最近又拿 AI 做了个挺实用的小东西。我在上用 DeepSeek 4.1 Flash 做了一个《出门别忘了》的小程序。逻辑很简单：出门前填一下出发地、目的地、出发和返程时间、交通工具、同行人数，它就会根据这趟行程，自动生成一份需要携带的物品清单。比如飞机出行，会重点提醒证件、充电宝这些；去冷的地方，会自动增加保暖用品；人数、旅行天数变了，需要准备的数量也会跟着变。每样东西都可以直接勾选，准备多少、还差多少一眼就能看到，最后还有一个「我真的都带齐了吗？」检查。我现在越来越喜欢这种用 AI 的方式了。不是问 AI 一个问题，让它给我一段答案，而是直接把一个生活里的小需求，做成一个真的能用的东西。而且这次我基本就是把需求告诉 DeepSeek 4.1 Flash，让它自己分析逻辑、设计页面、写代码，最后直接生成可以运行的成品。以前觉得做个小工具至少得会开发，现在越来越像是：有一个想法 → 说清楚需求 → 产品就出来了。 DeepSeek 4.1 Flash 5 折活动已上线～活动持续7天，截止到 9 月 21 号。

伟大

14,834 次观看 • 18 天前

好些年前在做在线教育产品的时候，就知道 Onboarding 流程的重要性：让用户尽快体验到产品的 aha moment。但是当自己真的做独立开发的时候，因为时间和成本的考虑，Onboarding 流程竟然被自己忽略了。这一次花了差不多一整周的时间在做 Onboarding 的整个体验：流程的设计、动画的效果、文案的设计，以及各种细节的处理。我整个 App 前面的开发一共花了一周半，而 Onboarding 流程我就做了一周。 Onboarding 不是一个锦上添花的东西，而是要把它当成核心功能去设计。这个 App 最后会怎么样、能不能赚到钱很难说，但需要把该做的先做掉。下一个要去完善的是 notification 通知这一块。

好些年前在做在线教育产品的时候，就知道 Onboarding 流程的重要性：让用户尽快体验到产品的 aha moment。但是当自己真的做独立开发的时候，因为时间和成本的考虑，Onboarding 流程竟然被自己忽略了。这一次花了差不多一整周的时间在做 Onboarding 的整个体验：流程的设计、动画的效果、文案的设计，以及各种细节的处理。我整个 App 前面的开发一共花了一周半，而 Onboarding 流程我就做了一周。 Onboarding 不是一个锦上添花的东西，而是要把它当成核心功能去设计。这个 App 最后会怎么样、能不能赚到钱很难说，但需要把该做的先做掉。下一个要去完善的是 notification 通知这一块。

diff.w

10,570 次观看 • 21 天前

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

开发者Hailey

22,153 次观看 • 4 个月前

Codex Plus 也能当 Pro 用，相当于token额度放大 20 倍大部分人用 Codex，还是让一个模型把读取项目、搜索资料、推理、改代码、测试全部做完，复杂任务一长，Plus 额度很快就被吃掉。真正省扩大额度的方式，不是继续压 Prompt，而是把 Reasoning 和 Execution 拆开 Luna 负责执行，Sol 负责重推理，具体流程： 1️⃣ Luna 先读取代码库、搜索资料、跑命令，把当前任务相关信息整理出来。 2️⃣ 再把目标、关键代码、核心约束、已尝试方案和问题点，压缩成 1～3K Token 的 Task Packet。 3️⃣ 把 Packet 交给 ChatGPT 5.6 Sol，只做架构判断、复杂推理、疑难 Bug 分析和方案设计。 4️⃣ Sol 输出结构化方案后，Luna 再回来修改代码、运行测试、修复问题并完成验证。直接让 Codex 自己配置： “请为当前 Codex 工作流建立“Luna 执行 + Sol 推理”的双模型模式。默认使用 Luna 负责读取代码库、搜索资料、运行命令、修改代码和测试验证；遇到复杂架构设计、跨模块决策、疑难 Bug 或需要深度推理的任务时，先把当前目标、关键代码、核心约束、已尝试方案和待解决问题压缩成 1～3K Token 的 Task Packet，再交给 ChatGPT 5.6 Sol 进行深度分析并输出结构化方案。拿到方案后由 Luna 继续执行修改、测试和验证。不要把完整项目上下文重复发送给 Sol，只提供真正影响判断的信息。” 配置完成后，可以直接拿一个复杂 Bug 测试： “分析当前项目登录模块偶发 500 的问题。先由 Luna 检查代码、日志、依赖和最近改动，把真正相关的信息压缩成 1～3K Token 的 Task Packet；再交给 Sol 判断最可能的根因、影响范围和修复方案；最后由 Luna 按方案修改代码、补测试并实际运行验证，直到问题解决。” 官方 Pro 是 Plus 20 倍额度，这种模型分工的思路，就是尽量让 Plus 的每一份额度都花在真正需要的地方。兄弟们可以自己测一下：单模型从头跑到底 VS Luna 执行 + Sol 推理，看看复杂任务到底哪个更省、更稳。

Codex Plus 也能当 Pro 用，相当于token额度放大 20 倍大部分人用 Codex，还是让一个模型把读取项目、搜索资料、推理、改代码、测试全部做完，复杂任务一长，Plus 额度很快就被吃掉。真正省扩大额度的方式，不是继续压 Prompt，而是把 Reasoning 和 Execution 拆开 Luna 负责执行，Sol 负责重推理，具体流程： 1️⃣ Luna 先读取代码库、搜索资料、跑命令，把当前任务相关信息整理出来。 2️⃣ 再把目标、关键代码、核心约束、已尝试方案和问题点，压缩成 1～3K Token 的 Task Packet。 3️⃣ 把 Packet 交给 ChatGPT 5.6 Sol，只做架构判断、复杂推理、疑难 Bug 分析和方案设计。 4️⃣ Sol 输出结构化方案后，Luna 再回来修改代码、运行测试、修复问题并完成验证。直接让 Codex 自己配置： “请为当前 Codex 工作流建立“Luna 执行 + Sol 推理”的双模型模式。默认使用 Luna 负责读取代码库、搜索资料、运行命令、修改代码和测试验证；遇到复杂架构设计、跨模块决策、疑难 Bug 或需要深度推理的任务时，先把当前目标、关键代码、核心约束、已尝试方案和待解决问题压缩成 1～3K Token 的 Task Packet，再交给 ChatGPT 5.6 Sol 进行深度分析并输出结构化方案。拿到方案后由 Luna 继续执行修改、测试和验证。不要把完整项目上下文重复发送给 Sol，只提供真正影响判断的信息。” 配置完成后，可以直接拿一个复杂 Bug 测试： “分析当前项目登录模块偶发 500 的问题。先由 Luna 检查代码、日志、依赖和最近改动，把真正相关的信息压缩成 1～3K Token 的 Task Packet；再交给 Sol 判断最可能的根因、影响范围和修复方案；最后由 Luna 按方案修改代码、补测试并实际运行验证，直到问题解决。” 官方 Pro 是 Plus 20 倍额度，这种模型分工的思路，就是尽量让 Plus 的每一份额度都花在真正需要的地方。兄弟们可以自己测一下：单模型从头跑到底 VS Luna 执行 + Sol 推理，看看复杂任务到底哪个更省、更稳。

govin.eth | G哥

179,194 次观看 • 1 个月前

分享下我在 Vibe Coding 中，使用率最高，且最高效的几个工具，覆盖到设计稿生成，到代码交付，网页动效等👇 1、Codex 你只要输入一个需求，它就会调动多个AI智能体并行工作，无论是项目重构，还是从零构建MVP，，它都能独立完成，你无需关注代码，而是把更多精力放在架构设计和创造性问题解决上 2、Paper 这个可以让 AI 生成高质量设计稿，并实现设计与代码双向实时同步，你只需专注界面创作，AI 会自动还原为精准代码交付 3、21st 这个提供超多精美的前端组件，同时带有流畅的交互动画，只需点击复制 Prompt ，粘贴到 AI 对话框即可使用 4、Unicorn 这个，不用写代码，也可以做出丝滑流畅的 GPU 级网页特效，一键导出即可让 AI 接入你的项目 5、Agentation 这个，可以直接在网页上标注需要调整的元素，自动转化为 AI 能够直接理解，和执行的结构化代码上下文，实现网站的精细化调整 6、Axion 这个，能让你的 AI 化身 iOS 开发专家，覆盖从设计、开发到调试的全流程，，输出符合 Apple 高标准、安全、高性能，且易于维护的生产级代码 7、Apple docs mcp 配合这个，可以自动检索 Apple 最新开发文档，能解决日常开发软件中 90% 的问题

分享下我在 Vibe Coding 中，使用率最高，且最高效的几个工具，覆盖到设计稿生成，到代码交付，网页动效等👇 1、Codex 你只要输入一个需求，它就会调动多个AI智能体并行工作，无论是项目重构，还是从零构建MVP，，它都能独立完成，你无需关注代码，而是把更多精力放在架构设计和创造性问题解决上 2、Paper 这个可以让 AI 生成高质量设计稿，并实现设计与代码双向实时同步，你只需专注界面创作，AI 会自动还原为精准代码交付 3、21st 这个提供超多精美的前端组件，同时带有流畅的交互动画，只需点击复制 Prompt ，粘贴到 AI 对话框即可使用 4、Unicorn 这个，不用写代码，也可以做出丝滑流畅的 GPU 级网页特效，一键导出即可让 AI 接入你的项目 5、Agentation 这个，可以直接在网页上标注需要调整的元素，自动转化为 AI 能够直接理解，和执行的结构化代码上下文，实现网站的精细化调整 6、Axion 这个，能让你的 AI 化身 iOS 开发专家，覆盖从设计、开发到调试的全流程，，输出符合 Apple 高标准、安全、高性能，且易于维护的生产级代码 7、Apple docs mcp 配合这个，可以自动检索 Apple 最新开发文档，能解决日常开发软件中 90% 的问题

Paidax

175,509 次观看 • 7 个月前

来自 Claude Code 团队成员 Thariq 分享的用好 Fable 5模型的秘诀。以下内容整理自 Thariq 的视频：过去，我们需要时刻检查 Claude 是否在正确地做事。比如，把任务拆分成小块交给它、反复检查它的输出，并在它过早停下时发现问题。但有了 Claude Fable 5，我反而发现自己越来越多地是在检查 Claude 是否在做正确的工作。 Fable 可以一次运行几个小时，它会测试自己的工作，老实说，我经常发现它写出的代码比我的还要好。我的工作变得越来越侧重于指引方向和前期设置，而不是监督。因此，以下是我在使用 Fable 时，工作方式发生的三个改变。首先，我把 Claude 当作一个思维伙伴。我给它提供所需的上下文。其次，我给 Claude 设定目标并提供验证这些目标的方法。最后，我试着变得更有野心，让 Claude 去做我以前从未尝试过的事情。第一点，你要越来越多地把 Claude 视为一个思维伙伴。我在使用 Fable 时发现的一个失败模式是，我可能实际上并不知道自己想要什么，或者我可能不知道什么是可行的。但是，在我的思考过程中尽早让 Claude 参与进来，我就可以在实施之前发现这些问题。举个例子，我会先从一个小的需求规范（spec）开始，在编写最终的规范文件之前，我会要求 Claude 就实施方案对我进行“面试提问”。这有助于我建立信心，确信自己知道想要什么。或者，我也可能抛出一个想法，让它想出几个可以发展的方向，并制作一些 HTML 页面原型供我审查。当我准备好进行实施时，我会尽量给它提供上下文，而不仅仅是约束条件，这样 Claude 就能真正帮助我达成目标。例如，我不会说“保持简单，不要过度设计”，而是会说：“嘿，这个功能是个实验。我们很有可能在一个月后删掉它。所以不要构建任何丢弃起来会很心疼的东西。”给它这样的上下文，能让它发现你可能都没想到的事情。一旦你知道自己想要什么了，特别是面对一个雄心勃勃的难题时，考虑给 Claude 设定目标以及验证目标的方法。为此，我们推出了两个很好用的新功能，我也鼓励大家试一试：/goal（目标指令）和 workflows（工作流）。目标功能帮助 Claude 持续工作直至完成，而工作流则帮助 Claude 验证其工作。因此，在我写完规范文档后，我可能会告诉 Claude：“设定一个目标，以完整实现该规范。然后使用工作流来验证计划的每个部分，并准备一份报告，说明已实现了哪些内容以及是否有任何差异。”这让 Claude 能够尽可能以富有创意和周到的方式发挥其能力，同时又能确保它正在构建你想要的东西。最后，试着更有野心一些。 Fable 真的是一个令人难以置信的模型，它促使我在工作中打破常规去思考。例如，我正在用 Fable 剪辑这个视频。如果有什么事情是你以为大语言模型做不到的，给它个机会试试。我们由衷地认为，Fable 提高了“一切皆有可能”的上限。

来自 Claude Code 团队成员 Thariq 分享的用好 Fable 5模型的秘诀。以下内容整理自 Thariq 的视频：过去，我们需要时刻检查 Claude 是否在正确地做事。比如，把任务拆分成小块交给它、反复检查它的输出，并在它过早停下时发现问题。但有了 Claude Fable 5，我反而发现自己越来越多地是在检查 Claude 是否在做正确的工作。 Fable 可以一次运行几个小时，它会测试自己的工作，老实说，我经常发现它写出的代码比我的还要好。我的工作变得越来越侧重于指引方向和前期设置，而不是监督。因此，以下是我在使用 Fable 时，工作方式发生的三个改变。首先，我把 Claude 当作一个思维伙伴。我给它提供所需的上下文。其次，我给 Claude 设定目标并提供验证这些目标的方法。最后，我试着变得更有野心，让 Claude 去做我以前从未尝试过的事情。第一点，你要越来越多地把 Claude 视为一个思维伙伴。我在使用 Fable 时发现的一个失败模式是，我可能实际上并不知道自己想要什么，或者我可能不知道什么是可行的。但是，在我的思考过程中尽早让 Claude 参与进来，我就可以在实施之前发现这些问题。举个例子，我会先从一个小的需求规范（spec）开始，在编写最终的规范文件之前，我会要求 Claude 就实施方案对我进行“面试提问”。这有助于我建立信心，确信自己知道想要什么。或者，我也可能抛出一个想法，让它想出几个可以发展的方向，并制作一些 HTML 页面原型供我审查。当我准备好进行实施时，我会尽量给它提供上下文，而不仅仅是约束条件，这样 Claude 就能真正帮助我达成目标。例如，我不会说“保持简单，不要过度设计”，而是会说：“嘿，这个功能是个实验。我们很有可能在一个月后删掉它。所以不要构建任何丢弃起来会很心疼的东西。”给它这样的上下文，能让它发现你可能都没想到的事情。一旦你知道自己想要什么了，特别是面对一个雄心勃勃的难题时，考虑给 Claude 设定目标以及验证目标的方法。为此，我们推出了两个很好用的新功能，我也鼓励大家试一试：/goal（目标指令）和 workflows（工作流）。目标功能帮助 Claude 持续工作直至完成，而工作流则帮助 Claude 验证其工作。因此，在我写完规范文档后，我可能会告诉 Claude：“设定一个目标，以完整实现该规范。然后使用工作流来验证计划的每个部分，并准备一份报告，说明已实现了哪些内容以及是否有任何差异。”这让 Claude 能够尽可能以富有创意和周到的方式发挥其能力，同时又能确保它正在构建你想要的东西。最后，试着更有野心一些。 Fable 真的是一个令人难以置信的模型，它促使我在工作中打破常规去思考。例如，我正在用 Fable 剪辑这个视频。如果有什么事情是你以为大语言模型做不到的，给它个机会试试。我们由衷地认为，Fable 提高了“一切皆有可能”的上限。

宝玉

144,174 次观看 • 2 个月前

Codex 最浪费 token 的阶段之一，可能是刚进一个陌生仓库的时候。你让它改一个功能，它往往先开始：读目录。找入口。搜 routes。看 schema。翻依赖。再打开一堆文件确认项目结构。真正开始写代码之前，已经烧掉不少 context。 CodeSight 做的事情，就是提前给 Codex 准备一张代码库地图。它会扫描整个 repo，把项目结构、关键文件、routes、schema、依赖关系等信息整理成更紧凑的上下文，再通过 MCP 提供给 Codex。这样 Codex 不需要每次都从零开始探索仓库。简单理解：以前： “你自己把这个 repo 看一遍，再告诉我怎么改。” 现在： “这是整个 repo 的地图，直接去该去的地方。” 对于大项目尤其有用。省下来的不只是 token，还有 Agent 在各种目录里来回探索的时间。如果你经常让 Codex 接手陌生项目，这个值得试试。

Codex 最浪费 token 的阶段之一，可能是刚进一个陌生仓库的时候。你让它改一个功能，它往往先开始：读目录。找入口。搜 routes。看 schema。翻依赖。再打开一堆文件确认项目结构。真正开始写代码之前，已经烧掉不少 context。 CodeSight 做的事情，就是提前给 Codex 准备一张代码库地图。它会扫描整个 repo，把项目结构、关键文件、routes、schema、依赖关系等信息整理成更紧凑的上下文，再通过 MCP 提供给 Codex。这样 Codex 不需要每次都从零开始探索仓库。简单理解：以前： “你自己把这个 repo 看一遍，再告诉我怎么改。” 现在： “这是整个 repo 的地图，直接去该去的地方。” 对于大项目尤其有用。省下来的不只是 token，还有 Agent 在各种目录里来回探索的时间。如果你经常让 Codex 接手陌生项目，这个值得试试。

Smartpig

15,720 次观看 • 1 个月前

AI 写前端越来越“一眼 AI”了？最近又发现一个工具：Impeccable，一个给 Codex、Claude Code、Cursor 安装的一套“设计语言”的工具更准确地说，Impeccable 是一套安装在 AI 编程工具里的“设计语言层”：它通过设计知识、工作流命令、项目上下文和反模式检测，让 Codex、Claude Code、Cursor 等编码代理在修改前端时，少一些模型默认审美，多一些真正的设计判断。平时我们给 AI 的设计要求可能会非常模糊，设计师有时候都未必能真正了解你的需求，何况是AI 所以Impeccable 想补齐那些专业性的知识要求。它不会单纯告诉 AI“把页面做漂亮”，而是把设计工作拆成了多个可以明确调用的专业维度。目前 Impeccable 提供了 23 个命令。它们并不只是一些短提示词，而是包含了相应设计领域的检查步骤、判断标准和工作方法。

AI 写前端越来越“一眼 AI”了？最近又发现一个工具：Impeccable，一个给 Codex、Claude Code、Cursor 安装的一套“设计语言”的工具更准确地说，Impeccable 是一套安装在 AI 编程工具里的“设计语言层”：它通过设计知识、工作流命令、项目上下文和反模式检测，让 Codex、Claude Code、Cursor 等编码代理在修改前端时，少一些模型默认审美，多一些真正的设计判断。平时我们给 AI 的设计要求可能会非常模糊，设计师有时候都未必能真正了解你的需求，何况是AI 所以Impeccable 想补齐那些专业性的知识要求。它不会单纯告诉 AI“把页面做漂亮”，而是把设计工作拆成了多个可以明确调用的专业维度。目前 Impeccable 提供了 23 个命令。它们并不只是一些短提示词，而是包含了相应设计领域的检查步骤、判断标准和工作方法。

sitin

10,762 次观看 • 2 个月前

挖到了一个做产品宣传片超级好用的 Codex Skill：video-shotcraft。我用 drawDB 和 JSON Crack 实测了一遍。只需要确定产品和展示方向，Codex 就会继续分析页面、设计分镜、制作动画、匹配音乐和音效，最后渲染成片。你现在看到的这支 52 秒视频，就是实际跑出来的结果。它做的不是普通录屏，而是把真实产品界面重新组织成一支有运镜、有节奏、有视觉风格的宣传片。中途还会检查画面问题、修改代码并重新渲染。最终交付了 1080p 带音乐版，以及只保留音效的无音乐版。这个 Skill 不是我开发的，作者是 Vincentwei1021。独立开发者和开源项目可以试试。项目地址：

挖到了一个做产品宣传片超级好用的 Codex Skill：video-shotcraft。我用 drawDB 和 JSON Crack 实测了一遍。只需要确定产品和展示方向，Codex 就会继续分析页面、设计分镜、制作动画、匹配音乐和音效，最后渲染成片。你现在看到的这支 52 秒视频，就是实际跑出来的结果。它做的不是普通录屏，而是把真实产品界面重新组织成一支有运镜、有节奏、有视觉风格的宣传片。中途还会检查画面问题、修改代码并重新渲染。最终交付了 1080p 带音乐版，以及只保留音效的无音乐版。这个 Skill 不是我开发的，作者是 Vincentwei1021。独立开发者和开源项目可以试试。项目地址：

Rachel🥥

13,842 次观看 • 2 个月前

朋友们，我发现一个超级哇塞的技能现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。

Fox

75,312 次观看 • 1 个月前

逸尘还是很懂Codex，其实这skill也没多牛，因为牛炸了！！！！就是把我原本4小时的剪辑任务，20分钟之内，三句对话给处理好了，只不过我一直拖着没发，视频效果你们自己看就完了，然后我仔细分析了一下他这个产品的设计架构这个包里除了 SKILL.md，还有3份参考文档、3个执行脚本和1个测试脚本我更关心的是：如何蒸馏逸尘，看看到底怎么样才能更好的做一个工具skill 拆完之后，有7个地方值得学 1、先定义交付物，再写操作步骤它开头就把终点写清楚：交付一份能在剪映里正常打开、还能继续修改的原生草稿，转写稿、字幕文件、剪辑方案，都只是中间结果 2、把你的判断标准单独留下来，相当于知识库内嵌进skill 它有一份专门讲剪辑判断的文档同一句重说，留下信息完整、更干净的一遍。没说完的半句可以删。数字、价格、限定条件和核心判断，删掉会改变意思的，要先核对连“声音小”都不能直接等于“这段可以删”，因为低音量处也可能有有效发音 3、让AI先交一份明确计划 AI先读完整转写稿，再整理出保留区间、字幕、音效位置，以及删留理由。拿不准的地方单独标出来，后续工具按这份计划执行，只有这样，AI剪辑才不会是黑箱 4、判断交给AI，确定的计算交给脚本，这样能从工程上省下来token “这句话是不是废话”，需要结合上下文判断 “删掉12秒后，字幕应该从哪里开始”，是确定的计算它把两类工作分开：AI做语义取舍，脚本检查时间、帧率、区间重叠、字幕位置，还会拦住吞掉受保护发音的切点。做自己的 Skill 时，先跑真实任务，发现某一步反复算错、反复复制，或者每次都要写同一个小工具，再把它固定成脚本 5、把验收写进流程，这个我实测下来也是最重要的，因为Transformer架构导致了几后半句忘了前半句包内有23项离线测试，其中不少专门验证错误能不能被拦住：素材变化、时间冲突、请求状态不明、草稿被用户改过，这些测试检查部分计算和保护逻辑。内容有没有删坏，仍然要看完整结果如果现在从零做一个 Skill，最好的话还是先选自己反复交付的一项小业务，带AI完整做成一份合格样板过程中把自己的纠正留下来：这句不能删，这个数字没有依据，这一步还没完成，这份文件打开有问题再把这些材料分成流程、判断标准、工具和验收其实这些就够了，甚至，你可以直接把我的这个话发给你的Codex，没准做skill会有神奇效果呢

逸尘还是很懂Codex，其实这skill也没多牛，因为牛炸了！！！！就是把我原本4小时的剪辑任务，20分钟之内，三句对话给处理好了，只不过我一直拖着没发，视频效果你们自己看就完了，然后我仔细分析了一下他这个产品的设计架构这个包里除了 SKILL.md，还有3份参考文档、3个执行脚本和1个测试脚本我更关心的是：如何蒸馏逸尘，看看到底怎么样才能更好的做一个工具skill 拆完之后，有7个地方值得学 1、先定义交付物，再写操作步骤它开头就把终点写清楚：交付一份能在剪映里正常打开、还能继续修改的原生草稿，转写稿、字幕文件、剪辑方案，都只是中间结果 2、把你的判断标准单独留下来，相当于知识库内嵌进skill 它有一份专门讲剪辑判断的文档同一句重说，留下信息完整、更干净的一遍。没说完的半句可以删。数字、价格、限定条件和核心判断，删掉会改变意思的，要先核对连“声音小”都不能直接等于“这段可以删”，因为低音量处也可能有有效发音 3、让AI先交一份明确计划 AI先读完整转写稿，再整理出保留区间、字幕、音效位置，以及删留理由。拿不准的地方单独标出来，后续工具按这份计划执行，只有这样，AI剪辑才不会是黑箱 4、判断交给AI，确定的计算交给脚本，这样能从工程上省下来token “这句话是不是废话”，需要结合上下文判断 “删掉12秒后，字幕应该从哪里开始”，是确定的计算它把两类工作分开：AI做语义取舍，脚本检查时间、帧率、区间重叠、字幕位置，还会拦住吞掉受保护发音的切点。做自己的 Skill 时，先跑真实任务，发现某一步反复算错、反复复制，或者每次都要写同一个小工具，再把它固定成脚本 5、把验收写进流程，这个我实测下来也是最重要的，因为Transformer架构导致了几后半句忘了前半句包内有23项离线测试，其中不少专门验证错误能不能被拦住：素材变化、时间冲突、请求状态不明、草稿被用户改过，这些测试检查部分计算和保护逻辑。内容有没有删坏，仍然要看完整结果如果现在从零做一个 Skill，最好的话还是先选自己反复交付的一项小业务，带AI完整做成一份合格样板过程中把自己的纠正留下来：这句不能删，这个数字没有依据，这一步还没完成，这份文件打开有问题再把这些材料分成流程、判断标准、工具和验收其实这些就够了，甚至，你可以直接把我的这个话发给你的Codex，没准做skill会有神奇效果呢

叫我阿杭

33,846 次观看 • 14 天前