Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

你可能一直在用旧方法 Prompt GPT-5.6。OpenAI 其实已经发布了最新版官方指南。这份指南里，OpenAI 已经把任务描述、约束条件、工具调用、输出格式，以及常见误区讲得很清楚。我把整份官方文档读完，整理成了一篇中文通俗版： 1. GPT-5.6 到底变了什么? 2. Prompt 应该怎么写、 3. 官方推荐的结构、 4. 可以直接复制的模板和案例、 5. 哪些旧方法已经不适用了、不用自己啃开发者文档，看这一篇就够了👇

CodeAlpha

1,766 subscribers

117,978 views • 1 month ago •via X (Twitter)

Science & Technology Education

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

看完 Charlie Guo 用 GPT-5.6 + Codex 做卡牌游戏，我对前几天那篇文章里的判断更确定了！他没有先写一份很长的 PRD，也没有把任务拆成几十个 tickets。只是给了 Codex 一个相对开放的目标，GPT-5.6 就开始自己设计玩法、编写代码、生成美术，并交付了一个可以运行的版本。之后再追加关卡、机制、配乐和美术要求，它也能继续沿着原来的项目往下推进，甚至会自己判断什么时候需要调用 sub-agents，把不同任务并行完成。这段演示真正值得看的是，它展示了一种新的协作方式：你不再需要提前规定模型每一步该怎么思考、怎么拆任务、怎么执行。你需要把真正重要的事情说清楚，然后让模型在工具和项目环境中持续推进。这也正是我在这篇文章里想讲清楚的问题：《GPT-5.6 Prompt 到底该怎么写？OpenAI 官方指南，一篇讲透！》很多人升级模型之后，仍然沿用过去那套很长、很重、充满过程控制的 Prompt。模型变了，Prompt 的重心也应该跟着改变。 Charlie 的演示给出了一个很直观的答案，而文章里我把背后的官方建议、改写方法和可直接复用的 Prompt 框架完整整理了出来。正在使用 GPT-5.6、Codex，或者准备搭建 Agent Workflow 的人，可以把视频和文章放在一起看。

看完 Charlie Guo 用 GPT-5.6 + Codex 做卡牌游戏，我对前几天那篇文章里的判断更确定了！他没有先写一份很长的 PRD，也没有把任务拆成几十个 tickets。只是给了 Codex 一个相对开放的目标，GPT-5.6 就开始自己设计玩法、编写代码、生成美术，并交付了一个可以运行的版本。之后再追加关卡、机制、配乐和美术要求，它也能继续沿着原来的项目往下推进，甚至会自己判断什么时候需要调用 sub-agents，把不同任务并行完成。这段演示真正值得看的是，它展示了一种新的协作方式：你不再需要提前规定模型每一步该怎么思考、怎么拆任务、怎么执行。你需要把真正重要的事情说清楚，然后让模型在工具和项目环境中持续推进。这也正是我在这篇文章里想讲清楚的问题：《GPT-5.6 Prompt 到底该怎么写？OpenAI 官方指南，一篇讲透！》很多人升级模型之后，仍然沿用过去那套很长、很重、充满过程控制的 Prompt。模型变了，Prompt 的重心也应该跟着改变。 Charlie 的演示给出了一个很直观的答案，而文章里我把背后的官方建议、改写方法和可直接复用的 Prompt 框架完整整理了出来。正在使用 GPT-5.6、Codex，或者准备搭建 Agent Workflow 的人，可以把视频和文章放在一起看。

CodeAlpha

62,099 views • 1 month ago

《Veo 3 Prompt完全指南》结合我的使用经验，整理了Replicate和谷歌官方的Veo 3指南，写了一篇文章详细介绍Veo 3的提示词写法。

《Veo 3 Prompt完全指南》结合我的使用经验，整理了Replicate和谷歌官方的Veo 3指南，写了一篇文章详细介绍Veo 3的提示词写法。

Gorden Sun

111,335 views • 1 year ago

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！

39,408 views • 15 days ago

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

58,620 views • 2 days ago

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

木马人

34,090 views • 1 day ago

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。

钟二信

23,961 views • 2 months ago

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

47,845 views • 6 days ago

哈佛CS50课程节选：如何构建基于GPT-4的应用上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。上一节什么是GPT-4：完整课程视频地址： edX:

哈佛CS50课程节选：如何构建基于GPT-4的应用上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。上一节什么是GPT-4：完整课程视频地址： edX:

宝玉

172,667 views • 3 years ago

就在刚刚，我成功让插件可以连接上Codex cli，这意味着只要你用ChatGPT，就可以直接在插件中消耗GPT套餐额度进行反推和生图，GPT5.6模型和Image2都可以丝滑使用。另外我特调了一个GPT专用的人像反推方案，可以兼容各种风格，把反推质量提升到了一个新高度！经过测试，不需要任何手动修改提示词，生图相似度就能达到90分。这次还新增了包括火山引擎等多家服务商的适配，优化了产品使用的稳定性。接下来陆续上架的反推方案有： - GPT通用方案（针对GPT特调的全能反推方案） - Z Image Turbo人像方案（每日200次免费用，把生图的价格打下来） - Z Image Turbo通用方案 - Nano Banana人像/通用方案

就在刚刚，我成功让插件可以连接上Codex cli，这意味着只要你用ChatGPT，就可以直接在插件中消耗GPT套餐额度进行反推和生图，GPT5.6模型和Image2都可以丝滑使用。另外我特调了一个GPT专用的人像反推方案，可以兼容各种风格，把反推质量提升到了一个新高度！经过测试，不需要任何手动修改提示词，生图相似度就能达到90分。这次还新增了包括火山引擎等多家服务商的适配，优化了产品使用的稳定性。接下来陆续上架的反推方案有： - GPT通用方案（针对GPT特调的全能反推方案） - Z Image Turbo人像方案（每日200次免费用，把生图的价格打下来） - Z Image Turbo通用方案 - Nano Banana人像/通用方案

骑司Chase

57,237 views • 1 month ago

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

阿蔺A-Lin

27,925 views • 5 months ago

我用GPT-4帮忙写了一个浏览器扩展，帮你把Midjourney提示词和对应图片快速保存到Notion中，下面是插件的使用方式介绍、我总结的GPT-4使用技巧以及产品实现的具体过程。详细的过程可以去这里查看：插件已经开源在这里下载：

我用GPT-4帮忙写了一个浏览器扩展，帮你把Midjourney提示词和对应图片快速保存到Notion中，下面是插件的使用方式介绍、我总结的GPT-4使用技巧以及产品实现的具体过程。详细的过程可以去这里查看：插件已经开源在这里下载：

歸藏(guizang.ai)

188,994 views • 3 years ago

数字人介绍视频这条流水线，我基本跑通啦！！！以后不需要每一条视频都自己出镜我现在这套方案可以直接走：本地顶配模型 + ComfyUI + TTS + Fish 2 Pro + Codex 而且效果已经不是“能用”的阶段了，是继续把背景、模板和制作流程优化一下，就可以直接进入批量生产。现在声音效果已经够稳，数字人成片也已经可以看，接下来最重要的就是把文案生成、内容介绍和生产流程继续封装成 Skill。做到最后就是一套完整流水线：选题 → 文案 → 配音 → 数字人 → 场景 → 成片下面这个视频，就是其中一个风格模板。基本一轮提示词就跑出来了。这两天我会把整套流程整理成一份完整教程。想做数字人、本地 AI 视频、批量内容生产的，可以先关注我。整理完我直接把完整方案分享出来。🤓

数字人介绍视频这条流水线，我基本跑通啦！！！以后不需要每一条视频都自己出镜我现在这套方案可以直接走：本地顶配模型 + ComfyUI + TTS + Fish 2 Pro + Codex 而且效果已经不是“能用”的阶段了，是继续把背景、模板和制作流程优化一下，就可以直接进入批量生产。现在声音效果已经够稳，数字人成片也已经可以看，接下来最重要的就是把文案生成、内容介绍和生产流程继续封装成 Skill。做到最后就是一套完整流水线：选题 → 文案 → 配音 → 数字人 → 场景 → 成片下面这个视频，就是其中一个风格模板。基本一轮提示词就跑出来了。这两天我会把整套流程整理成一份完整教程。想做数字人、本地 AI 视频、批量内容生产的，可以先关注我。整理完我直接把完整方案分享出来。🤓

陈硕KAI

13,757 views • 1 day ago

我靠，有了这个工具，完整的实现了 Office 的自动化。以前做 Office 自动化，AI 能出内容但改不了文件，最后还得人去复制粘贴。OfficeCLI 解决的问题是，让 AI Agent 能直接改 Office 文件。在 AI Agent 工作流里，它的意义更偏基础设施： 1、文档生成 → 可执行写入 2、表格分析 → 可直接回写 Excel 3、PPT 生成 → 结构级编辑而非整页重写 4、多 Agent 协作 → 共享统一文件操作接口 OfficeCLI 把 Word、Excel、PPT 当成结构化对象，AI 可以直接增删改查，不用开 GUI，也不用搭脚本环境。改完就是改完，文件就已经写好了。整体来看，它把AI 会写内容推进到AI可以改真实文件，属于从内容生成到系统执行的一层跃迁。

我靠，有了这个工具，完整的实现了 Office 的自动化。以前做 Office 自动化，AI 能出内容但改不了文件，最后还得人去复制粘贴。OfficeCLI 解决的问题是，让 AI Agent 能直接改 Office 文件。在 AI Agent 工作流里，它的意义更偏基础设施： 1、文档生成 → 可执行写入 2、表格分析 → 可直接回写 Excel 3、PPT 生成 → 结构级编辑而非整页重写 4、多 Agent 协作 → 共享统一文件操作接口 OfficeCLI 把 Word、Excel、PPT 当成结构化对象，AI 可以直接增删改查，不用开 GUI，也不用搭脚本环境。改完就是改完，文件就已经写好了。整体来看，它把AI 会写内容推进到AI可以改真实文件，属于从内容生成到系统执行的一层跃迁。

Vince 聊开发

16,803 views • 2 months ago

Pi Agent 的 Sub-agent 我一直在用，最近我又拿 Apodex 1.1 跑了一轮多 Agent 搜索。它处理资料对比的方式，和普通 Deep Research 不太一样。 Pi Agent 本身没有内置 Sub-agent，需要通过插件扩展。你可以让 scout 搜资料，researcher 整理信息，再交给 reviewer 检查。每个角色使用什么模型、开放哪些工具和权限，都能自己配置。这种方式很灵活，适合喜欢自己搭 Agent 工作流的人。这次我给 Apodex 1.1 的任务，是核对 Pi Agent、Codex CLI、Claude Code 和 FrontierAgent 的多 Agent 能力。这些工具更新都很快。同一项功能可能在旧文档里没有，最新版本已经加入，也可能只是插件支持，最后却被写成官方内置。所以我从一开始就限制了资料范围，只接受官方文档、GitHub 仓库和版本更新记录。 Apodex 会根据问题拆分搜索路线。多个 Agent 分头查不同工具，阶段结果持续汇总到同一个任务中，最后再集中比较。我这次想看的，是它能不能把一个资料多、版本杂的任务持续做完，并把每条结论的来源留下来。最终表格会单独区分官方内置和插件实现。不同官方页面出现冲突时，它会列出各自的来源和更新时间。官方没有明确说明的地方直接标成未知，不会为了填满表格补一个答案。交付结果还会经过 Statement Review。关键结论与生成过程分开检查，遇到证据不足、引用不匹配或资料冲突时，会留下对应的检查记录。两种多 Agent 的使用方向也很清楚。 Pi Agent 适合自己组建团队。角色、模型和权限都能深度调整。 Apodex 更适合多路搜索，把分散的资料放到一起比较，再交付一份可以继续核查的结果。如果你经常需要确认某项能力究竟是官方支持、插件提供，还是目前没有明确资料，这种工作方式会比较实用。 FrontierAgent 是开源的单机 Agent harness，支持 ReAct 和 Agent Team。macOS、Linux 可以一条命令运行，无需强制预装 Docker。觉得有用可以去 GitHub 点个 Star。 Apodex 1.1 mini 是开放权重的 35B 模型，可以本地部署，也能搭配 FrontierAgent 使用。 Apodex 1.1 在线工作台已经上线。注册新用户有 credits，可以上传自己的文档、数据或表格跑一次。API 平台目前免费两周。

Pi Agent 的 Sub-agent 我一直在用，最近我又拿 Apodex 1.1 跑了一轮多 Agent 搜索。它处理资料对比的方式，和普通 Deep Research 不太一样。 Pi Agent 本身没有内置 Sub-agent，需要通过插件扩展。你可以让 scout 搜资料，researcher 整理信息，再交给 reviewer 检查。每个角色使用什么模型、开放哪些工具和权限，都能自己配置。这种方式很灵活，适合喜欢自己搭 Agent 工作流的人。这次我给 Apodex 1.1 的任务，是核对 Pi Agent、Codex CLI、Claude Code 和 FrontierAgent 的多 Agent 能力。这些工具更新都很快。同一项功能可能在旧文档里没有，最新版本已经加入，也可能只是插件支持，最后却被写成官方内置。所以我从一开始就限制了资料范围，只接受官方文档、GitHub 仓库和版本更新记录。 Apodex 会根据问题拆分搜索路线。多个 Agent 分头查不同工具，阶段结果持续汇总到同一个任务中，最后再集中比较。我这次想看的，是它能不能把一个资料多、版本杂的任务持续做完，并把每条结论的来源留下来。最终表格会单独区分官方内置和插件实现。不同官方页面出现冲突时，它会列出各自的来源和更新时间。官方没有明确说明的地方直接标成未知，不会为了填满表格补一个答案。交付结果还会经过 Statement Review。关键结论与生成过程分开检查，遇到证据不足、引用不匹配或资料冲突时，会留下对应的检查记录。两种多 Agent 的使用方向也很清楚。 Pi Agent 适合自己组建团队。角色、模型和权限都能深度调整。 Apodex 更适合多路搜索，把分散的资料放到一起比较，再交付一份可以继续核查的结果。如果你经常需要确认某项能力究竟是官方支持、插件提供，还是目前没有明确资料，这种工作方式会比较实用。 FrontierAgent 是开源的单机 Agent harness，支持 ReAct 和 Agent Team。macOS、Linux 可以一条命令运行，无需强制预装 Docker。觉得有用可以去 GitHub 点个 Star。 Apodex 1.1 mini 是开放权重的 35B 模型，可以本地部署，也能搭配 FrontierAgent 使用。 Apodex 1.1 在线工作台已经上线。注册新用户有 credits，可以上传自己的文档、数据或表格跑一次。API 平台目前免费两周。

小墨同学

18,652 views • 4 days ago

飞书+豆包这个组合真的太牛逼了！自从豆包和飞书集成之后，结合抖音的字节生态，可以直接提取某个抖音博主的（don哥、李守洲等人）逐字稿了如果你觉得一个博主的方法论特别有用，那你就可以和豆包说直接把它提取出来，并分门别类进行多维表格化的整理你就会发现他变成一组数据进入到你的飞书了我这次用飞书里的豆包，做了一件原来很烦的事，并最后形成了一套用AI做选题的方法论我这次抓 20 个“用 AI 做选题”的视频，直接把这些视频的内容转成逐字稿，再放进飞书多维表格里这件事我一开始是没想到的，因为按原来的做法，你想拆一个视频的方法论，基本就是：用Get笔记复制一下项目链接，再复制再粘贴，最后拿到的东西很散说豆包和飞书这次结合起来，我就直接把任务派给了豆包，看视频就行了我把任务丢给豆包「先抓 20 个 AI 找选题相关视频」再把视频内容转成逐字稿，然后落到飞书多维表格里，继续做分类、提炼、整理最后出来了 3 个交付物，这些我觉得都很实用：一张原始素材表：20 条视频记录，带逐字稿、点赞数据和视频链接一张方法论整理表：32 条方法论，拆成 5 大类，做了 13 个字段一篇约 6000 字的文章：从工具使用者到系统构建者的五层进阶这才是我觉得飞书里的豆包最适合内容创作者的地方，这也是它和WorkBuddy等仅仅切入B端市场不同的地方，就是它真的在照顾每一个使用飞书的人，每一个使用字节产品的人，把生态打造成了一个绝对的壁垒它能把“找素材”和飞书结合起来，往后推进成一个可以继续用的工作台最有意义的就是它先帮我把别人视频里的有效表达扒出来再把这些逐字稿变成结构化表格，再从表格里提炼方法论最后沉淀成一篇可以发出去的文章，甚至可以反过来做成一个“AI 找选题方法论”的 skill 这条链路很像我最近一直在讲的那句话：AI 内容创作不是生成，而是消化而豆包进入飞书表格之后，飞书多维表格在这里就不是普通表格了它更像一个内容生产的中控台：原始素材、逐字稿、方法分类、适用场景、后续文章，都能接在一起，还有更多玩法，我后面慢慢来更新飞书还有各类免费的直播课！想听的直接扫描评论区的二维码及时接收提醒，量大管饱！！！

飞书+豆包这个组合真的太牛逼了！自从豆包和飞书集成之后，结合抖音的字节生态，可以直接提取某个抖音博主的（don哥、李守洲等人）逐字稿了如果你觉得一个博主的方法论特别有用，那你就可以和豆包说直接把它提取出来，并分门别类进行多维表格化的整理你就会发现他变成一组数据进入到你的飞书了我这次用飞书里的豆包，做了一件原来很烦的事，并最后形成了一套用AI做选题的方法论我这次抓 20 个“用 AI 做选题”的视频，直接把这些视频的内容转成逐字稿，再放进飞书多维表格里这件事我一开始是没想到的，因为按原来的做法，你想拆一个视频的方法论，基本就是：用Get笔记复制一下项目链接，再复制再粘贴，最后拿到的东西很散说豆包和飞书这次结合起来，我就直接把任务派给了豆包，看视频就行了我把任务丢给豆包「先抓 20 个 AI 找选题相关视频」再把视频内容转成逐字稿，然后落到飞书多维表格里，继续做分类、提炼、整理最后出来了 3 个交付物，这些我觉得都很实用：一张原始素材表：20 条视频记录，带逐字稿、点赞数据和视频链接一张方法论整理表：32 条方法论，拆成 5 大类，做了 13 个字段一篇约 6000 字的文章：从工具使用者到系统构建者的五层进阶这才是我觉得飞书里的豆包最适合内容创作者的地方，这也是它和WorkBuddy等仅仅切入B端市场不同的地方，就是它真的在照顾每一个使用飞书的人，每一个使用字节产品的人，把生态打造成了一个绝对的壁垒它能把“找素材”和飞书结合起来，往后推进成一个可以继续用的工作台最有意义的就是它先帮我把别人视频里的有效表达扒出来再把这些逐字稿变成结构化表格，再从表格里提炼方法论最后沉淀成一篇可以发出去的文章，甚至可以反过来做成一个“AI 找选题方法论”的 skill 这条链路很像我最近一直在讲的那句话：AI 内容创作不是生成，而是消化而豆包进入飞书表格之后，飞书多维表格在这里就不是普通表格了它更像一个内容生产的中控台：原始素材、逐字稿、方法分类、适用场景、后续文章，都能接在一起，还有更多玩法，我后面慢慢来更新飞书还有各类免费的直播课！想听的直接扫描评论区的二维码及时接收提醒，量大管饱！！！

叫我阿杭

35,943 views • 19 days ago

Anthropic 刚把价值 $300 的 Prompt 工程课程直接降到了 24 分钟，而且完全免费。这套由官方开发者亲自授课的实操指南没有注册门槛，前 8 分钟讲的内容就足以击穿市面上大多数付费课。别再去买那些昂贵的废话了，直接看官方怎么定义 Claude 的正确用法。

Anthropic 刚把价值 $300 的 Prompt 工程课程直接降到了 24 分钟，而且完全免费。这套由官方开发者亲自授课的实操指南没有注册门槛，前 8 分钟讲的内容就足以击穿市面上大多数付费课。别再去买那些昂贵的废话了，直接看官方怎么定义 Claude 的正确用法。

Bill The Investor

102,680 views • 2 months ago

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

Berryxia.AI

150,748 views • 2 months ago