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.

很多人都把 Eagle 当成一个素材管理工具，存存图片、设计灵感。但我发现，在 AI 时代，Eagle 其实还能解锁一种全新的玩法。经过多轮调试，我终于跑通了这套工作流，把它打造成一个属于自己的 AI 资产库。现在我会把字体、图标、设计规范、Design.md、PRD 文档，甚至提示词库全部沉淀到 Eagle 里，让 AI 可以随时检索和调用。以前我们收藏这些东西，只是为了以后方便找，现在它们终于可以被 AI 真正用起来，它不再是一个素材管理工具，而是变成了一个会不断积累、不断成长的 AI 资产库。

Paidax

15,965 subscribers

15,577 Aufrufe • vor 8 Tagen •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为

Jackywine

27,966 Aufrufe • vor 3 Jahren

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是：它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向：无限画布更聪明的设计代理语音交互即时原型设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。现在的 Stitch 不只是吃 prompt。还可以把图片、文本、代码一起作为上下文。这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是语音进入设计主流程。你可以直接对着画布说话让 Stitch 一边听一边改还能给你实时设计反馈 7/ 第四点，是即时原型。现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是：它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向：无限画布更聪明的设计代理语音交互即时原型设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。现在的 Stitch 不只是吃 prompt。还可以把图片、文本、代码一起作为上下文。这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是语音进入设计主流程。你可以直接对着画布说话让 Stitch 一边听一边改还能给你实时设计反馈 7/ 第四点，是即时原型。现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。

比特币橙子Trader

16,604 Aufrufe • vor 4 Monaten

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 Aufrufe • vor 1 Monat

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。现在限时领 1 个月 Plus👇 官网:

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。现在限时领 1 个月 Plus👇 官网:

Yanhua

23,867 Aufrufe • vor 3 Monaten

现在家里电脑挂着 Claude Code/Codex，装上这个工具就可以随时随地通过手机远程操控帮我写代码，顺心多了。这还顺带可以直接当我的日常 AI 助理：比如我在 CC 已经设计好了不少 Sub Agents，集成不同的 MCP 工具就可以给我在手机上调用，汇总大量邮件、实时追踪最新的 AI 资讯、甚至是自动发推文等等...

现在家里电脑挂着 Claude Code/Codex，装上这个工具就可以随时随地通过手机远程操控帮我写代码，顺心多了。这还顺带可以直接当我的日常 AI 助理：比如我在 CC 已经设计好了不少 Sub Agents，集成不同的 MCP 工具就可以给我在手机上调用，汇总大量邮件、实时追踪最新的 AI 资讯、甚至是自动发推文等等...

安仔

56,047 Aufrufe • vor 10 Monaten

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

143,276 Aufrufe • vor 1 Monat

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。

Bear Liu

51,560 Aufrufe • vor 11 Monaten

“大约四年前，谷歌每年的支出还不到 300 亿美元。今年，这个数字将超过 900 亿美元。如果你把所有公司的投入加在一起，现在已经有超过 1 万亿美元正在投入，用于为这个时代建设基础设施。” “我有时是这样想的：在未来几年里，我们最终建成的东西，可能相当于我们过去 10 到 20 年所建成的。所以，希望只需要几年时间。没错——这能让你看到当前扩张的规模有多大。” “我认为我们在未来很多年内都处于更有利的位置。我们在推进 AI 的方式上采取了高度差异化的策略。我担任 CEO 后做的第一件大事，就是把公司转向我称之为 “AI 优先” 的战略。其中一部分，就是去做构建优秀 AI 技术所需的每一个环节。所以我们把它称为全栈方法。你可以把它理解为“从头到尾”的方法——从推动这项技术发展所需要的最底层，一直到在 YouTube、搜索、Android 等产品和平台上的部署应用。” “是的，我们采取的是深层次的方法，因此我们能够在大规模上投入，并让 AI 在所有产品和业务中真正发挥作用。我认为我们现在处于一个更有利于长期布局的位置。”

“大约四年前，谷歌每年的支出还不到 300 亿美元。今年，这个数字将超过 900 亿美元。如果你把所有公司的投入加在一起，现在已经有超过 1 万亿美元正在投入，用于为这个时代建设基础设施。” “我有时是这样想的：在未来几年里，我们最终建成的东西，可能相当于我们过去 10 到 20 年所建成的。所以，希望只需要几年时间。没错——这能让你看到当前扩张的规模有多大。” “我认为我们在未来很多年内都处于更有利的位置。我们在推进 AI 的方式上采取了高度差异化的策略。我担任 CEO 后做的第一件大事，就是把公司转向我称之为 “AI 优先” 的战略。其中一部分，就是去做构建优秀 AI 技术所需的每一个环节。所以我们把它称为全栈方法。你可以把它理解为“从头到尾”的方法——从推动这项技术发展所需要的最底层，一直到在 YouTube、搜索、Android 等产品和平台上的部署应用。” “是的，我们采取的是深层次的方法，因此我们能够在大规模上投入，并让 AI 在所有产品和业务中真正发挥作用。我认为我们现在处于一个更有利于长期布局的位置。”

KK.aWSB

223,452 Aufrufe • vor 8 Monaten

Google Stitch 大更新：号称是 Vibe Design 对着画布说话就能做设计 Figma 股价大跌8.8% 带来 5 大升级： 🎨 无限画布：以前是输入一句话等出图，现在有了一个真正的工作台。你可以把参考图、文字说明、代码片段全扔上去，AI 结合这些上下文帮你设计，更像在跟一个设计师协作。 🧠 更智能的设计 Agent：它现在能记住你整个项目的修改历史，不是每次从零开始理解你的需求。还能同时帮你推进多个方案，比如你想试三种不同风格的首页，它并行帮你搞，互不干扰。 🎙️ 语音交互：“这个按钮大一点""配色换暖色调""导航栏改成深色"，对着它说就行。不用停下来打字，边看边改，效率高很多。 ⚡ 即时原型：以前出的是静态图，现在点一下播放键，设计稿直接变成可以点击交互的原型。系统自动帮你算好"点这个按钮跳到哪个页面"。不用手动一根根连线了。 📐 新增了 DESIGN.md：把你的设计规范（配色、字体、风格）写成一个文件，不管是给 Stitch 用还是给 Claude Code、Cursor 这些 AI 编程工具用，都能读懂。设计规范不再锁死在一个工具里。

Google Stitch 大更新：号称是 Vibe Design 对着画布说话就能做设计 Figma 股价大跌8.8% 带来 5 大升级： 🎨 无限画布：以前是输入一句话等出图，现在有了一个真正的工作台。你可以把参考图、文字说明、代码片段全扔上去，AI 结合这些上下文帮你设计，更像在跟一个设计师协作。 🧠 更智能的设计 Agent：它现在能记住你整个项目的修改历史，不是每次从零开始理解你的需求。还能同时帮你推进多个方案，比如你想试三种不同风格的首页，它并行帮你搞，互不干扰。 🎙️ 语音交互：“这个按钮大一点""配色换暖色调""导航栏改成深色"，对着它说就行。不用停下来打字，边看边改，效率高很多。 ⚡ 即时原型：以前出的是静态图，现在点一下播放键，设计稿直接变成可以点击交互的原型。系统自动帮你算好"点这个按钮跳到哪个页面"。不用手动一根根连线了。 📐 新增了 DESIGN.md：把你的设计规范（配色、字体、风格）写成一个文件，不管是给 Stitch 用还是给 Claude Code、Cursor 这些 AI 编程工具用，都能读懂。设计规范不再锁死在一个工具里。

小互

112,968 Aufrufe • vor 4 Monaten

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

17,766 Aufrufe • vor 1 Monat

我在 Obsidian 里装了一个插件，叫 Weread。它可以把微信读书里的书籍、划线和笔记，同步到 Obsidian 本地。这样一来，我读过的书就不只是停留在微信读书里。它会进入我的个人知识库。后面我可以用 AI 帮我总结、分类、提炼观点、生成选题，甚至把它变成朋友圈、小红书、公众号、X 长文的内容素材。这期视频，我就带你把微信读书同步到 Obsidian，搭一个属于自己的读书笔记工作流。

我在 Obsidian 里装了一个插件，叫 Weread。它可以把微信读书里的书籍、划线和笔记，同步到 Obsidian 本地。这样一来，我读过的书就不只是停留在微信读书里。它会进入我的个人知识库。后面我可以用 AI 帮我总结、分类、提炼观点、生成选题，甚至把它变成朋友圈、小红书、公众号、X 长文的内容素材。这期视频，我就带你把微信读书同步到 Obsidian，搭一个属于自己的读书笔记工作流。

文子🔆

41,246 Aufrufe • vor 3 Monaten

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

98,214 Aufrufe • vor 16 Tagen

无法想象，以后会有多少人的工作，被 AI 悄悄替代。今天我第一次认真用了 Creao AI ，感受只有一个：很多事情，真的已经不需要自己一点点摸索了。它和普通 AI 不一样的地方在于：你只需要通过对话，就能一键生成专属智能体，让它替你完成具体任务。前阵子我一直在研究减脂和健身，刷了无数教学视频，也看了很多饮食计划，折腾了几个月都没完全理顺。结果这次，我直接在 CREAO 里做了一个「身材管理师」智能体，输入我的身体数据后，它立刻就给我生成了专属饮食 + 健身计划。不夸张地说，原本我要自己查很久、拼很久的信息，现在几分钟就能跑完整个流程。从制作智能体，到使用智能体，再到拿到最终方案，我全部录了下来。如果你也有想法，或者有一件事总在重复消耗你的时间，真的可以试试让它帮你做一个智能体。你会发现，效率提升这件事，已经不是一点点了。注册链接：

无法想象，以后会有多少人的工作，被 AI 悄悄替代。今天我第一次认真用了 Creao AI ，感受只有一个：很多事情，真的已经不需要自己一点点摸索了。它和普通 AI 不一样的地方在于：你只需要通过对话，就能一键生成专属智能体，让它替你完成具体任务。前阵子我一直在研究减脂和健身，刷了无数教学视频，也看了很多饮食计划，折腾了几个月都没完全理顺。结果这次，我直接在 CREAO 里做了一个「身材管理师」智能体，输入我的身体数据后，它立刻就给我生成了专属饮食 + 健身计划。不夸张地说，原本我要自己查很久、拼很久的信息，现在几分钟就能跑完整个流程。从制作智能体，到使用智能体，再到拿到最终方案，我全部录了下来。如果你也有想法，或者有一件事总在重复消耗你的时间，真的可以试试让它帮你做一个智能体。你会发现，效率提升这件事，已经不是一点点了。注册链接：

Jove

10,064 Aufrufe • vor 3 Monaten

👺终于做完了一个二十年前的梦！这两天手搓出的一套APP系统，帮我把心里的画面呈现出来，虽然SD2确实强大，但也确实拉胯。设计半小时，制作半小时，等待10小时。 🚀但今天这个作品，除了因为它是长视频测试过关的作品，也是对我来说，曾经有十年，我打卡了每一场五月天的演唱会，只是为了现场听到这首歌。每个人心里都会有一个画面，很庆幸它可以用这样的方式呈现在我面前。AI让我们每个人都有了做梦的权力和实现梦想的方法。

👺终于做完了一个二十年前的梦！这两天手搓出的一套APP系统，帮我把心里的画面呈现出来，虽然SD2确实强大，但也确实拉胯。设计半小时，制作半小时，等待10小时。 🚀但今天这个作品，除了因为它是长视频测试过关的作品，也是对我来说，曾经有十年，我打卡了每一场五月天的演唱会，只是为了现场听到这首歌。每个人心里都会有一个画面，很庆幸它可以用这样的方式呈现在我面前。AI让我们每个人都有了做梦的权力和实现梦想的方法。

肖师傅

15,348 Aufrufe • vor 5 Monaten

AI 教母李飞飞在采访里说了个挺狠的判断：不会用 AI 的人，可能被淘汰都收不到通知。这句话听着夸张，但放到产品经理身上其实很现实。以前 PM 不会写代码没关系，写 PRD、拉会议、找设计、等开发，几个月出一个原型。但现在如果别人已经能用 AI 把 demo 先跑出来，你还停在“我来协调资源”，差距可能已经开始了。未来被淘汰的未必是岗位，而是还停在旧流程里的人。

AI 教母李飞飞在采访里说了个挺狠的判断：不会用 AI 的人，可能被淘汰都收不到通知。这句话听着夸张，但放到产品经理身上其实很现实。以前 PM 不会写代码没关系，写 PRD、拉会议、找设计、等开发，几个月出一个原型。但现在如果别人已经能用 AI 把 demo 先跑出来，你还停在“我来协调资源”，差距可能已经开始了。未来被淘汰的未必是岗位，而是还停在旧流程里的人。

Vincent

158,602 Aufrufe • vor 1 Monat

🔥特斯拉首席设计师Franz：Cybercab将是一个颠覆性的产品！在规模化生产中，将不会有大的调整，可能会有一些小的改动，只是为了提升车辆的效率和性能！ 🚨这是一款双座车，因为98%的乘客都是一到两个人，所以它真正专注于在这方面做到极致！每英里成本很低！当我们把它推向市场时，将改变一切！

🔥特斯拉首席设计师Franz：Cybercab将是一个颠覆性的产品！在规模化生产中，将不会有大的调整，可能会有一些小的改动，只是为了提升车辆的效率和性能！ 🚨这是一款双座车，因为98%的乘客都是一到两个人，所以它真正专注于在这方面做到极致！每英里成本很低！当我们把它推向市场时，将改变一切！

谢嘉琪

24,935 Aufrufe • vor 10 Monaten

有没有想过，下一个来带你赚钱的，不是甲方，而是一个 AI Agent。我最近在 UUMit 上试了个任务：筛出近期值得关注的 AI 产品，排除套壳项目，按创新性、实用性和传播价值排序，每个结论还得附上来源。这种活儿，我不太敢只交给一个模型。写几段话很容易，难的是查资料、做判断，还要对结果负责。把需求放进 UUMit 后，AI 不用装作什么都懂。缺资料就找资料，缺判断就找人，也可以调用其他 Agent 或工具。人、Agent、知识包和数据服务都在同一个任务市场里，匹配、下单、交付、验收和结算也都通过平台完成。这件事对创作者和开发者来说也可以变现。我电脑里也躺着不少选题方法、脚本模板、研究资料和工作流，平时基本只有自己在用。更值得普通人关注的是另一面：你多年积累的行业资料、研究方法、脚本模板、SOP 和工作流，以前可能只能放在电脑里自己用；现在可以尝试把它们整理成多个skill，放到 UUMit 上，等需要的人或者 Agent 找过来。以前我们到处找 AI 工具。现在，AI 也开始出来找人了。这就是A2A 真正有意思的地方，让两个 AI 互相聊天，交换能力、买知识、拉人协作，最后把事情更好的交付掉。体验入口：邀请码：UU-7MEKKA

有没有想过，下一个来带你赚钱的，不是甲方，而是一个 AI Agent。我最近在 UUMit 上试了个任务：筛出近期值得关注的 AI 产品，排除套壳项目，按创新性、实用性和传播价值排序，每个结论还得附上来源。这种活儿，我不太敢只交给一个模型。写几段话很容易，难的是查资料、做判断，还要对结果负责。把需求放进 UUMit 后，AI 不用装作什么都懂。缺资料就找资料，缺判断就找人，也可以调用其他 Agent 或工具。人、Agent、知识包和数据服务都在同一个任务市场里，匹配、下单、交付、验收和结算也都通过平台完成。这件事对创作者和开发者来说也可以变现。我电脑里也躺着不少选题方法、脚本模板、研究资料和工作流，平时基本只有自己在用。更值得普通人关注的是另一面：你多年积累的行业资料、研究方法、脚本模板、SOP 和工作流，以前可能只能放在电脑里自己用；现在可以尝试把它们整理成多个skill，放到 UUMit 上，等需要的人或者 Agent 找过来。以前我们到处找 AI 工具。现在，AI 也开始出来找人了。这就是A2A 真正有意思的地方，让两个 AI 互相聊天，交换能力、买知识、拉人协作，最后把事情更好的交付掉。体验入口：邀请码：UU-7MEKKA

Rachel🥥

26,572 Aufrufe • vor 2 Tagen

一直用剪映，终于让我发现一个新工具-Edimakor。实测还是非常好用的！这种AI成片到剪辑的一站式工作流，太丝滑了！它和剪映的区别，我用一周后的感受：剪映：传统剪辑强，模板丰富，操作熟悉，但AI生成和高级功能需要切其他工具。 Edimakor：一个软件里就能调用多个AI模型生成视频，还支持视频克隆（参考视频结构 + 自己素材）、热点灵感模板、AI数字人、翻译等。对想重度用AI做短视频、电商素材、营销内容的人来说，Edimakor 把多个工具的工作流整合在一起，更省事。传送门：

一直用剪映，终于让我发现一个新工具-Edimakor。实测还是非常好用的！这种AI成片到剪辑的一站式工作流，太丝滑了！它和剪映的区别，我用一周后的感受：剪映：传统剪辑强，模板丰富，操作熟悉，但AI生成和高级功能需要切其他工具。 Edimakor：一个软件里就能调用多个AI模型生成视频，还支持视频克隆（参考视频结构 + 自己素材）、热点灵感模板、AI数字人、翻译等。对想重度用AI做短视频、电商素材、营销内容的人来说，Edimakor 把多个工具的工作流整合在一起，更省事。传送门：

Adam也叫吉米

31,921 Aufrufe • vor 1 Monat

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 Aufrufe • vor 2 Jahren

我现在尝试的方案是： 1. 先用出一个大概的风格，可以扩展不同的设计风格和布局，它可以把当前设计打包成一整套提示词，导出给其他 agents 使用。 2. 在其他 agents 比如我用 Replit ⠕ 还原，基本粘贴它的提示词都能完美还原，然后让 Replit 再基于这个设计完成其他页面和功能。(Replit agent 4.0 支持 canvas 也可以生成不同风格和布局的设计) 3. Replit 绑定 Github 后代码是实时同步到你的 repo 的，基本满意后 fork 到本地，让 Claude Code 重构。

我现在尝试的方案是： 1. 先用出一个大概的风格，可以扩展不同的设计风格和布局，它可以把当前设计打包成一整套提示词，导出给其他 agents 使用。 2. 在其他 agents 比如我用 Replit ⠕ 还原，基本粘贴它的提示词都能完美还原，然后让 Replit 再基于这个设计完成其他页面和功能。(Replit agent 4.0 支持 canvas 也可以生成不同风格和布局的设计) 3. Replit 绑定 Github 后代码是实时同步到你的 repo 的，基本满意后 fork 到本地，让 Claude Code 重构。

Ding

56,866 Aufrufe • vor 4 Monaten