Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

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！

22,435 subscribers

398,685 Aufrufe • vor 1 Monat •via X (Twitter)

Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

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！

188,365 Aufrufe • vor 1 Monat

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。

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。

爱丽丝呀！

119,425 Aufrufe • vor 1 Monat

一个找产品灵感的方法，很多人还不知道：第一步：去 Flippa Flippa 是一个专门买卖网站和 SaaS 的平台上面挂着大量正在盈利的项目，而且数据公开第二步：筛选月收入 $10,000+ 的项目不用买，只看数据这些项目已经验证了市场需求第三步：让 AI 帮你分析把项目的功能、定价、用户评价丢给 Claude 或 GPT 让它拆解：核心需求是什么哪些功能是多余的哪些痛点没被解决第四步：用 AI 做一个更好的版本现在用 Cursor / Claude Code 搭一个 MVP 以前需要一个团队干几个月的事现在一个人几周就能跑出来本质上是：用别人已经验证的需求 + AI 的开发速度跳过"猜方向"这一步你有没有在 Flippa 上看到过让你心动的项目？

一个找产品灵感的方法，很多人还不知道：第一步：去 Flippa Flippa 是一个专门买卖网站和 SaaS 的平台上面挂着大量正在盈利的项目，而且数据公开第二步：筛选月收入 $10,000+ 的项目不用买，只看数据这些项目已经验证了市场需求第三步：让 AI 帮你分析把项目的功能、定价、用户评价丢给 Claude 或 GPT 让它拆解：核心需求是什么哪些功能是多余的哪些痛点没被解决第四步：用 AI 做一个更好的版本现在用 Cursor / Claude Code 搭一个 MVP 以前需要一个团队干几个月的事现在一个人几周就能跑出来本质上是：用别人已经验证的需求 + AI 的开发速度跳过"猜方向"这一步你有没有在 Flippa 上看到过让你心动的项目？

Vincent

51,040 Aufrufe • vor 3 Monaten

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。

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

139,894 Aufrufe • vor 1 Monat

兄弟们，我发现 Codex 改 Bug 最狠的玩法，不是让它直接修。是先让它亲手证明：这个 Bug 真的存在。直接把这段丢给它： “先别改源码。写一个最小测试把问题复现出来，运行给我看；找到根因后再修，然后重新跑同一个测试。” 跑完后，红的。 Codex找到问题改完，再跑一次，绿了。这下codex他就不会嘴硬了。有时候它会偷懒说“已经修复”，按照这个给他跑。现在失败和通过全摆在屏幕上，它想嘴硬都不行。这个对付codex偷懒小秘法我是百试百灵。别只听它说好了，让它现场证明。

兄弟们，我发现 Codex 改 Bug 最狠的玩法，不是让它直接修。是先让它亲手证明：这个 Bug 真的存在。直接把这段丢给它： “先别改源码。写一个最小测试把问题复现出来，运行给我看；找到根因后再修，然后重新跑同一个测试。” 跑完后，红的。 Codex找到问题改完，再跑一次，绿了。这下codex他就不会嘴硬了。有时候它会偷懒说“已经修复”，按照这个给他跑。现在失败和通过全摆在屏幕上，它想嘴硬都不行。这个对付codex偷懒小秘法我是百试百灵。别只听它说好了，让它现场证明。

火山哥🕊️

66,744 Aufrufe • vor 18 Tagen

大部分人用 Claude Code 其实是在裸跑打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了不是说它推荐的就一定全对，但比从零开始配要省不少事用 Claude Code 的可以试试，尤其是项目已经有一定规模的

大部分人用 Claude Code 其实是在裸跑打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了不是说它推荐的就一定全对，但比从零开始配要省不少事用 Claude Code 的可以试试，尤其是项目已经有一定规模的

Vincent | 信号＞噪音

21,388 Aufrufe • vor 3 Monaten

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。

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。

govin.eth | G哥

164,004 Aufrufe • vor 1 Monat

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

154,237 Aufrufe • vor 1 Monat

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。

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。

科技俊 | Tech Jun

35,059 Aufrufe • vor 2 Monaten

养小龙虾的兄弟盟一定要装一下这个 Skill：Self-Improving Agent。它是一个会自动纠错、还能自己进化的 Skill。每次 AI 出现这些情况，它都会自动记录下来： - 做错的事情 - 我纠正它的地方 - 发现更好的解决方案然后把这些经验存起来。下次再遇到类似问题，它会直接参考这些经验。也就是说—— 普通 AI：每次对话都像重新开始。而装了这个 Skill 之后，我的龙虾开始慢慢长经验值。用得越久，它就越聪明。

养小龙虾的兄弟盟一定要装一下这个 Skill：Self-Improving Agent。它是一个会自动纠错、还能自己进化的 Skill。每次 AI 出现这些情况，它都会自动记录下来： - 做错的事情 - 我纠正它的地方 - 发现更好的解决方案然后把这些经验存起来。下次再遇到类似问题，它会直接参考这些经验。也就是说—— 普通 AI：每次对话都像重新开始。而装了这个 Skill 之后，我的龙虾开始慢慢长经验值。用得越久，它就越聪明。

开发者Hailey

48,417 Aufrufe • vor 6 Monaten

太牛了，Codex 能直接做 3D 了！！！这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。关键是完全免费，已经开源了，人人都能用。

太牛了，Codex 能直接做 3D 了！！！这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。关键是完全免费，已经开源了，人人都能用。

zhouluobo

36,175 Aufrufe • vor 2 Monaten

Codex 5.6 必装插件：Sentry，让 AI 修 Bug (缺陷) 不再靠猜最近做 Vibe Coding 项目经常遇到，刚修好一个 Bug，又出现新的问题，反反复复改特别浪费时间。之后我开始找工具，发现 Codex 插件里有 Sentry，安装之后整个 Debug 流程完全不一样了。现在不用反复截图、复制日志、手动排查问题了，只需要告诉它这段 prompt： “使用 Sentry 排查当前线上 Bug。先读取完整 Error、Stack Trace、运行上下文、发生频率和版本信息，再结合当前代码定位根因，不要只根据最后一条报错直接修改。确认原因后先复现问题并补充回归测试，再完成修复，最后重新运行验证；如果发现同类潜在问题，一并指出并处理。” Sentry 就可以直接完成： 1️⃣ 先读取完整 Stack Trace、运行上下文和版本信息，把 Bug 发生时的真实现场还原出来。 2️⃣ 再把线上 Error 对应到具体代码和调用链，结合当前项目直接定位真正根因，不再只看最后一条报错猜答案。 3️⃣ 最后复现问题、补回归测试、修改代码并重新运行验证，确认修复有效，同时避免同类 Bug 再次出现。这样彻底告别 Bug 修了又坏、坏了再修的问题，快试试吧

Codex 5.6 必装插件：Sentry，让 AI 修 Bug (缺陷) 不再靠猜最近做 Vibe Coding 项目经常遇到，刚修好一个 Bug，又出现新的问题，反反复复改特别浪费时间。之后我开始找工具，发现 Codex 插件里有 Sentry，安装之后整个 Debug 流程完全不一样了。现在不用反复截图、复制日志、手动排查问题了，只需要告诉它这段 prompt： “使用 Sentry 排查当前线上 Bug。先读取完整 Error、Stack Trace、运行上下文、发生频率和版本信息，再结合当前代码定位根因，不要只根据最后一条报错直接修改。确认原因后先复现问题并补充回归测试，再完成修复，最后重新运行验证；如果发现同类潜在问题，一并指出并处理。” Sentry 就可以直接完成： 1️⃣ 先读取完整 Stack Trace、运行上下文和版本信息，把 Bug 发生时的真实现场还原出来。 2️⃣ 再把线上 Error 对应到具体代码和调用链，结合当前项目直接定位真正根因，不再只看最后一条报错猜答案。 3️⃣ 最后复现问题、补回归测试、修改代码并重新运行验证，确认修复有效，同时避免同类 Bug 再次出现。这样彻底告别 Bug 修了又坏、坏了再修的问题，快试试吧

govin.eth | G哥

81,103 Aufrufe • vor 23 Tagen

这个 AI research 工具atypica.AI，真能帮开发者解决产品开发前最关键的一步——市场调研举个例子，我最近发现很多人都在做 AI 剪视频 skill，就去调研了下把这个需求包装成付费工具，变现潜力到底怎么样。 Atypica 给了我一份市场分析报告，它直接帮我找好了这款产品最适合的目标人群，告诉我不同用户群体的付费能力和定价区间，以及最有潜力成为重点付费用户的是哪一类人。这个工具跟 Claude 、GPT 不一样的地方在于，它不是让模型自己扮演用户回答问题，它是真的会生成一批合成用户，通过一对一访谈或者小组讨论的方式做真实用户调研。更狠的是，调研做完这批用户能留下来反复使用，相当于你有了一个AI专家小组，以后有新想法直接拉回来再问一轮，不用每次从头建用户画像。现在新用户注册有100w token免费额度，可以先试试：对了，想要这份 AI 剪视频产品调研报告的,评论"atypica"，我发给你。

这个 AI research 工具atypica.AI，真能帮开发者解决产品开发前最关键的一步——市场调研举个例子，我最近发现很多人都在做 AI 剪视频 skill，就去调研了下把这个需求包装成付费工具，变现潜力到底怎么样。 Atypica 给了我一份市场分析报告，它直接帮我找好了这款产品最适合的目标人群，告诉我不同用户群体的付费能力和定价区间，以及最有潜力成为重点付费用户的是哪一类人。这个工具跟 Claude 、GPT 不一样的地方在于，它不是让模型自己扮演用户回答问题，它是真的会生成一批合成用户，通过一对一访谈或者小组讨论的方式做真实用户调研。更狠的是，调研做完这批用户能留下来反复使用，相当于你有了一个AI专家小组，以后有新想法直接拉回来再问一轮，不用每次从头建用户画像。现在新用户注册有100w token免费额度，可以先试试：对了，想要这份 AI 剪视频产品调研报告的,评论"atypica"，我发给你。

阿西_出海

11,392 Aufrufe • vor 1 Monat

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

程序员小灰

15,021 Aufrufe • vor 4 Monaten

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。原因甚至不是 Grok 有多聪明。是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。比如我每天都要刷 X。以前让我用 AI 帮忙看 X，工作流通常是这样的：我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。它就真的去操作浏览器了。网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。这才是 Agent 真正重要的一步。过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。等它跑完，把结果拿回来，然后继续完成后面的事情。到这里整个关系就开始发生变化了。以前是我管理五个 Agent。现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。我觉得这才是真正让我兴奋的地方。过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。这和在聊天框下面再塞十个按钮，完全是两种产品感受。只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。现在这个人，第一次可以不是我了。

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。原因甚至不是 Grok 有多聪明。是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。比如我每天都要刷 X。以前让我用 AI 帮忙看 X，工作流通常是这样的：我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。它就真的去操作浏览器了。网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。这才是 Agent 真正重要的一步。过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力，它甚至可以去操作另一个 Agent。我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。等它跑完，把结果拿回来，然后继续完成后面的事情。到这里整个关系就开始发生变化了。以前是我管理五个 Agent。现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。我觉得这才是真正让我兴奋的地方。过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。这和在聊天框下面再塞十个按钮，完全是两种产品感受。只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。现在这个人，第一次可以不是我了。

sleepy.md

21,551 Aufrufe • vor 18 Tagen

卧槽，麻了，兄弟们。虽然 Manus 经常半死不活，但出活是真管用啊前两天在酝酿一个公众号文章提取的机器人，突发奇想先从 github 开源的搞起。于是想做一个 github 相关的搜索问了下 Manus, 它直接丢给了我一个能用的，天哪一行代码未改，直接调起使用，程序在这：

卧槽，麻了，兄弟们。虽然 Manus 经常半死不活，但出活是真管用啊前两天在酝酿一个公众号文章提取的机器人，突发奇想先从 github 开源的搞起。于是想做一个 github 相关的搜索问了下 Manus, 它直接丢给了我一个能用的，天哪一行代码未改，直接调起使用，程序在这：

黄赟

65,410 Aufrufe • vor 1 Jahr

卧槽，有个编程大神把自己的工程经验蒸馏成了一个开源项目 GitHub 热榜第一，Star数直接冲上了9万 + 作者是前 Vercel 工程师 Mat，参与过 Next.js 早期开发，以把复杂技术讲得通俗易懂著称。他把日常和 Claude 协作的工程实践整理成 16 个 skill，一条命令安装，给 AI 注入几十年的软件工程经验。最受好评的一个叫 Grim，让 AI 反过来拷问你，沿着决策树逐一确认需求，直到彻底搞清楚你想要什么再动手。只有 3 句话 42 个词，被不少人评为"token 回报率最高的提示词"。还有一个 skill 专门解决代码跑不起来的问题，强制 AI 先写一个会失败的测试，再写最少量的代码让它通过，最后重构，经典红绿循环，AI 想走捷径都难。整套项目不只是教 AI 怎么做事，更是帮你和 AI 建立一套持续对齐的工作机制。

卧槽，有个编程大神把自己的工程经验蒸馏成了一个开源项目 GitHub 热榜第一，Star数直接冲上了9万 + 作者是前 Vercel 工程师 Mat，参与过 Next.js 早期开发，以把复杂技术讲得通俗易懂著称。他把日常和 Claude 协作的工程实践整理成 16 个 skill，一条命令安装，给 AI 注入几十年的软件工程经验。最受好评的一个叫 Grim，让 AI 反过来拷问你，沿着决策树逐一确认需求，直到彻底搞清楚你想要什么再动手。只有 3 句话 42 个词，被不少人评为"token 回报率最高的提示词"。还有一个 skill 专门解决代码跑不起来的问题，强制 AI 先写一个会失败的测试，再写最少量的代码让它通过，最后重构，经典红绿循环，AI 想走捷径都难。整套项目不只是教 AI 怎么做事，更是帮你和 AI 建立一套持续对齐的工作机制。

阿西_出海

285,175 Aufrufe • vor 4 Monaten

如果你的浏览器经常开大几十个 Tab，然后找不到目标页，给你推荐一个 Chrome 插件：AI Group Tabs，它会利用 Chrome 的 Tab Group API 帮你一键搞定所有 Tab 的分类和命名，超级实用。目前项目还在持续迭代中，你可以过去给作者提更多需求，或者直接贡献你的代码。

如果你的浏览器经常开大几十个 Tab，然后找不到目标页，给你推荐一个 Chrome 插件：AI Group Tabs，它会利用 Chrome 的 Tab Group API 帮你一键搞定所有 Tab 的分类和命名，超级实用。目前项目还在持续迭代中，你可以过去给作者提更多需求，或者直接贡献你的代码。

Barret李靖

88,237 Aufrufe • vor 2 Jahren

一个非常有趣的全新的开源脚手架项目 create-better-t-stack 可以关注一下它的创新之处就可以让你自由的选择你想用的前后端框架，数据库，orm，runtime， addon 等等，然后可以根据你的选择创建出一个独一无二的有最佳实践的 Typescript 项目。我用了一下，觉得很有意思，未来的项目可以可以试试看，大家可以看看demo，同时而且还能学习到，看看现在流行的框架和工具都有哪些。

一个非常有趣的全新的开源脚手架项目 create-better-t-stack 可以关注一下它的创新之处就可以让你自由的选择你想用的前后端框架，数据库，orm，runtime， addon 等等，然后可以根据你的选择创建出一个独一无二的有最佳实践的 Typescript 项目。我用了一下，觉得很有意思，未来的项目可以可以试试看，大家可以看看demo，同时而且还能学习到，看看现在流行的框架和工具都有哪些。

Viking

39,332 Aufrufe • vor 1 Jahr

卧槽，我居然只发了一条iMessag就把推特内容生产流水线跑通了做自媒体每天最耗时的事情就是想今天做什么选题。张咋啦之前开源了一份 AI 高质量信息源，里面有一大批值得关注的 AI 博主名单。抓取这批博主的内容，就可以获得有价值的 AI 热点。之前我试过用 OpenClaw、Codex 的方式去抓，但效果经常不稳定，用 API 又太贵。我发现 AirTap 可以帮我解决这个问题，在 iMessage 上发短信，就能让它操控云端手机执行任务，相当于模拟真人去操作App，关键是完全免费。我现在的工作流是这样的： 1、把这份开源名单发给它，让它帮我抓取这批名单下当天发布的 AI 资讯。 2、筛选里面容易火的一条，作为我的选题。 3、把这条选题写成一条适合在推特上面发布的推文。 4、让它把写好的推文直接发送到我的 Typefully 草稿箱，定时发布这样就拥有了一个自动化内容制造工厂。 Airtap Ai 是我目前见过最简单的AI工作流，不用装 App，也不用开梯子直接去官网扫码就能获取号码，然后就能开始使用AirTap了 #justtextit #textyourapps #airtap

卧槽，我居然只发了一条iMessag就把推特内容生产流水线跑通了做自媒体每天最耗时的事情就是想今天做什么选题。张咋啦之前开源了一份 AI 高质量信息源，里面有一大批值得关注的 AI 博主名单。抓取这批博主的内容，就可以获得有价值的 AI 热点。之前我试过用 OpenClaw、Codex 的方式去抓，但效果经常不稳定，用 API 又太贵。我发现 AirTap 可以帮我解决这个问题，在 iMessage 上发短信，就能让它操控云端手机执行任务，相当于模拟真人去操作App，关键是完全免费。我现在的工作流是这样的： 1、把这份开源名单发给它，让它帮我抓取这批名单下当天发布的 AI 资讯。 2、筛选里面容易火的一条，作为我的选题。 3、把这条选题写成一条适合在推特上面发布的推文。 4、让它把写好的推文直接发送到我的 Typefully 草稿箱，定时发布这样就拥有了一个自动化内容制造工厂。 Airtap Ai 是我目前见过最简单的AI工作流，不用装 App，也不用开梯子直接去官网扫码就能获取号码，然后就能开始使用AirTap了 #justtextit #textyourapps #airtap

阿西_出海

41,734 Aufrufe • vor 1 Monat