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 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。

govin.eth | G哥

8,473 subscribers

123,768 次观看 • 7 天前 •via X (Twitter)

科学技术教育新闻政治

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 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！

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！

govin.eth | G哥

65,912 次观看 • 5 天前

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。

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。

govin.eth | G哥

271,192 次观看 • 7 天前

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！

govin.eth | G哥

146,311 次观看 • 3 天前

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。一上来就让它：帮我写一个 App。分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词：我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，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。这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍等方向确定后，再让它开始写代码。

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。一上来就让它：帮我写一个 App。分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词：我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，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。这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍等方向确定后，再让它开始写代码。

爱丽丝呀！

394,797 次观看 • 19 天前

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。

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。

爱丽丝呀！

185,576 次观看 • 14 天前

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

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。

阿良｜AI 工作流

17,733 次观看 • 2 个月前

兄弟们今天给大家一个正确打开GPT5.6的方式。很多人用 Codex，第一步就错了。上来一句：帮我写个 App。这不是让 AI 写代码，这是让它烧你的 token。 Codex 5.6 记得接 GitHub 插件，然后先别让它动手写。直接丢这段：我要开发某某X。先别创建文件，也别输出代码。去 GitHub 调研同类开源项目，筛出最值得参考的方案，分析架构、依赖、活跃度、坑点和可复用设计。最后给我技术选型、系统架构、MVP 范围和开发顺序，等我确认再写代码。这一步做完，省 token 真的离谱。先让它抄作业，再让它干活。兄弟们，这才是 Codex 的正确打开方式。

兄弟们今天给大家一个正确打开GPT5.6的方式。很多人用 Codex，第一步就错了。上来一句：帮我写个 App。这不是让 AI 写代码，这是让它烧你的 token。 Codex 5.6 记得接 GitHub 插件，然后先别让它动手写。直接丢这段：我要开发某某X。先别创建文件，也别输出代码。去 GitHub 调研同类开源项目，筛出最值得参考的方案，分析架构、依赖、活跃度、坑点和可复用设计。最后给我技术选型、系统架构、MVP 范围和开发顺序，等我确认再写代码。这一步做完，省 token 真的离谱。先让它抄作业，再让它干活。兄弟们，这才是 Codex 的正确打开方式。

火山哥🕊️

103,918 次观看 • 15 天前

Claude有个很让人不爽的点！！每次新模型发布，官方非订阅用户连体验的资格都没有！！想起之前在 ZenMux 充了钱还没用完，登上去一看，没想到已经上架了Claude Fable 5 ，也算是第一时间体验上了这个“目前最强模型”。听说这模型死贵！！于是很慎重的用它跑了一个支付模块重构的任务！零代码基础，只能把之前Codex的输出给复制进去，任务要求比较复杂：保持原 API 兼容；拆出 PaymentRequested / PaymentSucceeded / PaymentFailed；补幂等，避免重复扣款；改状态机；更新单测；输出迁移风险； Fable 5 不算快，面对这个长任务，它做对了两件事：第一，先拆计划，再执行。它把兼容层、事件定义、状态机、handler、测试、回滚风险都列出来了。第二，最后主动自检。它自己指出：支付成功事件必须幂等；旧接口“返回成功”不再等于“扣款完成”，调用方文档要改。结果看起来，还是一如既往的稳！但是真的贵，就这么几分钟，直接跑了十多美金！！所以，我觉得要是家里没有矿，还是不要随便用Fable 5 ，根本不适合当常驻模型！感谢Zenmux让我体验了一下“宇宙最强”！虽然有点贵，但有时候相比价格，省心省力会更重要。比如多文件重构、复杂迁移、PR review、长链路 Agent workflow这些复杂任务，偶尔用用，还是可以的！最后说一下 Zenmux，它有个PK 模式我一直很喜欢，可以同屏对比多个模型输出、延迟和成本。现在刚好还有个限时的充值返赠活动：充 20 美元送 10 美元充 50 美元送 30 美元如果你想第一时间体验Claude Fable 5或者其他模型，现在就是下手的最好时间！

Claude有个很让人不爽的点！！每次新模型发布，官方非订阅用户连体验的资格都没有！！想起之前在 ZenMux 充了钱还没用完，登上去一看，没想到已经上架了Claude Fable 5 ，也算是第一时间体验上了这个“目前最强模型”。听说这模型死贵！！于是很慎重的用它跑了一个支付模块重构的任务！零代码基础，只能把之前Codex的输出给复制进去，任务要求比较复杂：保持原 API 兼容；拆出 PaymentRequested / PaymentSucceeded / PaymentFailed；补幂等，避免重复扣款；改状态机；更新单测；输出迁移风险； Fable 5 不算快，面对这个长任务，它做对了两件事：第一，先拆计划，再执行。它把兼容层、事件定义、状态机、handler、测试、回滚风险都列出来了。第二，最后主动自检。它自己指出：支付成功事件必须幂等；旧接口“返回成功”不再等于“扣款完成”，调用方文档要改。结果看起来，还是一如既往的稳！但是真的贵，就这么几分钟，直接跑了十多美金！！所以，我觉得要是家里没有矿，还是不要随便用Fable 5 ，根本不适合当常驻模型！感谢Zenmux让我体验了一下“宇宙最强”！虽然有点贵，但有时候相比价格，省心省力会更重要。比如多文件重构、复杂迁移、PR review、长链路 Agent workflow这些复杂任务，偶尔用用，还是可以的！最后说一下 Zenmux，它有个PK 模式我一直很喜欢，可以同屏对比多个模型输出、延迟和成本。现在刚好还有个限时的充值返赠活动：充 20 美元送 10 美元充 50 美元送 30 美元如果你想第一时间体验Claude Fable 5或者其他模型，现在就是下手的最好时间！

沐阳

15,442 次观看 • 2 个月前

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。

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。

小互

46,969 次观看 • 5 个月前

做自媒体之后，我的下载文件夹，基本长期失控。素材、品牌资料、截图、PDF 全堆在一起。今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。没有插件。没有脚本。没有写一行代码。我只做了这一件事：打开 EasyClaw 👉 输入一句话：「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件我没有拖动一个文件。这不是“文件整理”。这是—— AI 直接接管操作系统。 2026 年，不会写代码的人，也可以做自动化。

做自媒体之后，我的下载文件夹，基本长期失控。素材、品牌资料、截图、PDF 全堆在一起。今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。没有插件。没有脚本。没有写一行代码。我只做了这一件事：打开 EasyClaw 👉 输入一句话：「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件我没有拖动一个文件。这不是“文件整理”。这是—— AI 直接接管操作系统。 2026 年，不会写代码的人，也可以做自动化。

暖暖爱AI

41,471 次观看 • 5 个月前

Claude Code 桌面板发布本地定时任务功能设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地有几个细节值得注意：任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。怎么用在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。

Claude Code 桌面板发布本地定时任务功能设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地有几个细节值得注意：任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。怎么用在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。

小互

23,651 次观看 • 5 个月前

现在用 Hermes 最聪明的做法，不是堆提示词，而是给它搭一个会自己复盘迭代的记忆循环，越用越贴合你的工作习惯，能力拉满。核心靠一份 [Memory.md](Memory.md)，跑「会话学习 - 记录沉淀 - 迭代优化」闭环，每次对话都承接过往经验，不再重复踩坑、反复重说偏好。精准落地 4 步流程 1️⃣桌面新建 [Memory.md](Memory.md)，固定分层框架 ## 偏好 ## 更正 ## 模式 ## 学到的经验 2️⃣粘贴绑定提示词，接入代理每次会话开始，阅读 [Memory.md](Memory.md) 并完整应用全部内容。每项任务结束完成三件事：・记录有效做法 + 核心原因・记录失败问题 + 根源分析・总结提炼下次复用规则，不重复堆砌条目，新结论覆盖旧内容 3️⃣每周执行精炼提示词压缩收敛通读 [Memory.md](Memory.md)，提炼零散经验为精简通用规则，移除过时被覆盖内容，压缩留存高质量核心逻辑 4️⃣定期日期命名归档备份文件，避免改写出错丢失历史不用微调模型、无需开发部署，几分钟就能启动运行。从零散随机输出，慢慢收敛成贴合你的行文节奏、工作逻辑、纠错记录的专属智能代理，成倍放大日常效率。收藏留存，立刻就能改造你的代理工作流，把单次会话的临时效果，变成长期滚动成长的核心资产。

现在用 Hermes 最聪明的做法，不是堆提示词，而是给它搭一个会自己复盘迭代的记忆循环，越用越贴合你的工作习惯，能力拉满。核心靠一份 [Memory.md](Memory.md)，跑「会话学习 - 记录沉淀 - 迭代优化」闭环，每次对话都承接过往经验，不再重复踩坑、反复重说偏好。精准落地 4 步流程 1️⃣桌面新建 [Memory.md](Memory.md)，固定分层框架 ## 偏好 ## 更正 ## 模式 ## 学到的经验 2️⃣粘贴绑定提示词，接入代理每次会话开始，阅读 [Memory.md](Memory.md) 并完整应用全部内容。每项任务结束完成三件事：・记录有效做法 + 核心原因・记录失败问题 + 根源分析・总结提炼下次复用规则，不重复堆砌条目，新结论覆盖旧内容 3️⃣每周执行精炼提示词压缩收敛通读 [Memory.md](Memory.md)，提炼零散经验为精简通用规则，移除过时被覆盖内容，压缩留存高质量核心逻辑 4️⃣定期日期命名归档备份文件，避免改写出错丢失历史不用微调模型、无需开发部署，几分钟就能启动运行。从零散随机输出，慢慢收敛成贴合你的行文节奏、工作逻辑、纠错记录的专属智能代理，成倍放大日常效率。收藏留存，立刻就能改造你的代理工作流，把单次会话的临时效果，变成长期滚动成长的核心资产。

AYi

30,862 次观看 • 1 个月前

$Codex 5.6 如何拥有用不完的token？你是不是还在为ChatGPT plus 额度不够用而发愁？是不是每天都在等待Tibo Tibo 重置额度？别等了！告诉你一个能让Codex拥有无限子弹的办法。如果你是 Mac 系统，在 Codex 对话中输入的prompt：请在 ~/.codex/agents/luna-worker.toml 创建一个名为 luna_worker 的自定义代理。使用以下配置： model = "gpt-5.6-luna" model_reasoning_effort = "max" 如果你是 Windows 系统，在PowerShell 中执行： New-Item -ItemType Directory -Force "$HOME\.codex\agents" @' model = "gpt-5.6-luna" model_reasoning_effort = "max" '@ | Set-Content "$HOME\.codex\agents\luna-worker.toml" 配置完成后： 1️⃣主 Agent：负责需求分析、架构设计、任务拆解。 2️⃣子 Agent：负责代码实现、测试验证、资料整理、问题排查。让不同 Agent 负责不同任务，这样非常节省token，用plus进行vibe coding基本够用。$

Codex 5.6 如何拥有用不完的token？你是不是还在为ChatGPT plus 额度不够用而发愁？是不是每天都在等待Tibo Tibo 重置额度？别等了！告诉你一个能让Codex拥有无限子弹的办法。如果你是 Mac 系统，在 Codex 对话中输入的prompt：请在 ~/.codex/agents/luna-worker.toml 创建一个名为 luna_worker 的自定义代理。使用以下配置： model = "gpt-5.6-luna" model_reasoning_effort = "max" 如果你是 Windows 系统，在PowerShell 中执行： New-Item -ItemType Directory -Force "$HOME\.codex\agents" @' model = "gpt-5.6-luna" model_reasoning_effort = "max" '@ | Set-Content "$HOME\.codex\agents\luna-worker.toml" 配置完成后： 1️⃣主 Agent：负责需求分析、架构设计、任务拆解。 2️⃣子 Agent：负责代码实现、测试验证、资料整理、问题排查。让不同 Agent 负责不同任务，这样非常节省token，用plus进行vibe coding基本够用。

govin.eth | G哥

210,459 次观看 • 6 天前

分享一个免费的 Google 官方的中文 AI 教学内容。🫡🫡🫡 今天在看 Week 01 的课程内容的时候，发现在 Mihail Eric 的官方推荐链接里面，有一个 Google Cloud 不错的教学内容。主题：「如何写好提示词」 🔗 Google 链接 🔗 介绍了什么是提示词，以及用什么样子的规范能够更快让 AI 知道你的意思。内容言简意赅，给到了很多实用的规范。而且已经官方翻译成中文了，不会有太多的阅读难点。非常适合想要“学会如何对 AI 说话，减少重复工作量”的入门新手。尤其是在尝试 Vibe coding 的新人，毕竟后续项目越复杂，越需要精致自己的表达。截取了一些表达模板，可以感受一下👇 #AI #Vibecoding #Google

分享一个免费的 Google 官方的中文 AI 教学内容。🫡🫡🫡 今天在看 Week 01 的课程内容的时候，发现在 Mihail Eric 的官方推荐链接里面，有一个 Google Cloud 不错的教学内容。主题：「如何写好提示词」 🔗 Google 链接 🔗 介绍了什么是提示词，以及用什么样子的规范能够更快让 AI 知道你的意思。内容言简意赅，给到了很多实用的规范。而且已经官方翻译成中文了，不会有太多的阅读难点。非常适合想要“学会如何对 AI 说话，减少重复工作量”的入门新手。尤其是在尝试 Vibe coding 的新人，毕竟后续项目越复杂，越需要精致自己的表达。截取了一些表达模板，可以感受一下👇 #AI #Vibecoding #Google

Penny777 🦊

67,365 次观看 • 8 个月前

下午体验了网易有道新开源的LobsterAI（有道龙虾），据说这是国内版OpenClaw，我用Grok找了三个OpenClaw做全网信息流的case测测性能，有从Reddit频道总结每日信息的，也有用skill last 30 days获取X和Reedit上30天内对某件事的社区看法的，还有从109个信息源（不是常规的网页爬取，包括RSS / GIthub / X）做日报的。 LobsterAI目前用下来最好的就是自带一个沙箱，新收到一个任务会先在沙箱跑，跑不动再用本地环境，能保证安全。一、Reddit每日总结（1/7）

下午体验了网易有道新开源的LobsterAI（有道龙虾），据说这是国内版OpenClaw，我用Grok找了三个OpenClaw做全网信息流的case测测性能，有从Reddit频道总结每日信息的，也有用skill last 30 days获取X和Reedit上30天内对某件事的社区看法的，还有从109个信息源（不是常规的网页爬取，包括RSS / GIthub / X）做日报的。 LobsterAI目前用下来最好的就是自带一个沙箱，新收到一个任务会先在沙箱跑，跑不动再用本地环境，能保证安全。一、Reddit每日总结（1/7）

卡尔的AI沃茨

30,043 次观看 • 6 个月前

一键复刻大厂设计，这个开源项目有点东西。 awesome-design-md 把 Claude、Linear、Vercel、Stripe 这些顶级产品的设计语言，整理成 AI 可以直接读取的 DESIGN.md。以前让 AI 做页面，最头疼的不是代码，是你很难把“高级感”和“质感”准确说清楚。现在可以直接把设计规则喂给 AI。颜色、字体、间距、组件、层级、响应式，甚至连不该做什么都提前定义好了。以前做页面靠反复试。现在是先把风格定下来，再让 AI 开工。 👇

一键复刻大厂设计，这个开源项目有点东西。 awesome-design-md 把 Claude、Linear、Vercel、Stripe 这些顶级产品的设计语言，整理成 AI 可以直接读取的 DESIGN.md。以前让 AI 做页面，最头疼的不是代码，是你很难把“高级感”和“质感”准确说清楚。现在可以直接把设计规则喂给 AI。颜色、字体、间距、组件、层级、响应式，甚至连不该做什么都提前定义好了。以前做页面靠反复试。现在是先把风格定下来，再让 AI 开工。 👇

axiaisacat

13,603 次观看 • 4 个月前

卧槽，这个仓库思路我是挺佩服的～能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。简单说就是：你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。主要用处：快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码）复制/重现别人用 AI 写的项目（学习提示词）仓库&体验地址👇👇👇

卧槽，这个仓库思路我是挺佩服的～能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。简单说就是：你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。主要用处：快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码）复制/重现别人用 AI 写的项目（学习提示词）仓库&体验地址👇👇👇

比特币橙子Trader

78,523 次观看 • 4 个月前

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

歸藏(guizang.ai)

26,998 次观看 • 2 个月前

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Tw93

94,656 次观看 • 4 个月前