Loading video...

Video Failed to Load

Go Home

我想很多人都有这个困扰：之前经常需要在Codex和Claude Code之间来回切换，现在又加上了最近爆火的DeepSeek Harness。 但是每次来回切换、或者想尝尝DSH的鲜的时候，我都得把背景重新讲一遍，确实挺烦的~ 最近在GitHub上发现的一个开源项目 memmy-agent，把 Codex、DeepSeek Harness、Claude Code接了进去，直接解决了困扰我很久的跨Agent 记忆的问题。 我用它做的事情很简单：把分散在不同 Agent 里的历史，沉淀到同一份个人上下文里，默认 Local-first，让它们都能调用。 我把它分别接入 Codex、DeepSeek Harness、Claude Code 之后，我做了一个信号中继站小游戏。 我先在Codex 写完基础玩法，然后对话里说一句话： 第一次失败时，给玩家一次翻盘机会，别直接结束游戏。 但这句话我故意不写入代码、README 或者是本地记忆文件。 然后新开 DeepSeek Harness，它从 Memmy 直接读出了这条决定，非常丝滑。 再新开 Claude Code，它读代码前先复述了规则，再按这个方向把后续功能补完。 代码只能告诉下一个 Agent 项目做到哪，但那些留在对话里的决策，才影响着项目接下来往哪走。 以后，Agent 要记住的，不只是代码，还有你前面已经决定的决策和经验。 Memmy 不仅帮我解决了Agent记忆的问题，还让这些经验不再独属于某一个 Agent，而是只属于你。 Switch agents, not context。 Memmy 支持桌面端、CLI、API、MCP 和 Skills多种方式，可以直接接着执行任务。 如果你也经常在多个...

cnyzgkc's profile picture

木马人

14,880 subscribers

58,681 views • 3 days ago •via X (Twitter)

Science & TechnologyEducation
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。
0:22

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,495 views • 2 months ago

如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。 我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”： 只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。 这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承； 一个 Agent 总结出的经验，另一个 Agent 可以继续使用。 记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。 新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。 当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！ 这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。 具体看视频，地址在评论区👇
2:44

如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。 我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”： 只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。 这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承； 一个 Agent 总结出的经验，另一个 Agent 可以继续使用。 记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。 新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。 当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！ 这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。 具体看视频，地址在评论区👇

huangserva

161,437 views • 2 months ago

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。
0:26

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 | Gate美股0费率

15,126 views • 12 days ago

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇
0:38

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇

axiaisacat

44,334 views • 5 months ago

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。
0:45

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。

axiaisacat

30,217 views • 5 months ago

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。 我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。 如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。 如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。 觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。 我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。
0:29

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。 我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。 如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。 如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。 觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。 我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。

Indie Fox

112,322 views • 1 month ago

Claude Code 和 Codex，已经能直接“说话”了。 没走 API。 没上专用协议。 中间只隔着一个终端。 关键不是把两个模型硬绑在一起。 而是让它们都能创建、读取、操作 terminal。 smux 做的，就是这件事。 于是终端不再只是人类的黑窗口。 它成了 agent 之间共享的接口。 很多人以为，agent 协作的门槛是统一 API。 这次给了一个更朴素的答案。 先共享操作面，再谈协议层。 能读。 能写。 能执行。 沟通就自然发生了。 Claude Code 和 Codex，现在真能“牵手”了。
0:39

Claude Code 和 Codex，已经能直接“说话”了。 没走 API。 没上专用协议。 中间只隔着一个终端。 关键不是把两个模型硬绑在一起。 而是让它们都能创建、读取、操作 terminal。 smux 做的，就是这件事。 于是终端不再只是人类的黑窗口。 它成了 agent 之间共享的接口。 很多人以为，agent 协作的门槛是统一 API。 这次给了一个更朴素的答案。 先共享操作面，再谈协议层。 能读。 能写。 能执行。 沟通就自然发生了。 Claude Code 和 Codex，现在真能“牵手”了。

墓碑科技

59,626 views • 4 months ago

试了一下 OpenAI 新出的 Codex App，有些亮点 跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理 有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。 还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。 可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。 对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。 因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。 进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。 还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍 我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。 这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题 可以工作，但第一次它选了 PIL 这个方案，比较差。 核心问题是什么？它跟你没有交互。 我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。 但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果 我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。 最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了 因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结 整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你 可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。
3:26

试了一下 OpenAI 新出的 Codex App，有些亮点 跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理 有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。 还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。 可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。 对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。 因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。 进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。 还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍 我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。 这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题 可以工作，但第一次它选了 PIL 这个方案，比较差。 核心问题是什么？它跟你没有交互。 我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。 但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果 我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。 最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了 因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结 整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你 可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

歸藏(guizang.ai)

30,595 views • 6 months ago

看到一个很牛逼的开源项目，完全契合HTML是新一代Markdown的理念。 如何做呢？ 你可以将你obsidian笔记甚至代码库交给它，它会通过多agent分析、生成一个对话的交互式知识图谱。 然后你就可以可视化地去了解整个项目的逻辑或流程，或者笔记的脉络。 不过大家要注意：第一次分析很吃token，我试着分析了下我的Reddit项目就用掉了Claude Code接近20%的周额度🤣🤣，可以切换国产模型跑。
2:02

看到一个很牛逼的开源项目，完全契合HTML是新一代Markdown的理念。 如何做呢？ 你可以将你obsidian笔记甚至代码库交给它，它会通过多agent分析、生成一个对话的交互式知识图谱。 然后你就可以可视化地去了解整个项目的逻辑或流程，或者笔记的脉络。 不过大家要注意：第一次分析很吃token，我试着分析了下我的Reddit项目就用掉了Claude Code接近20%的周额度🤣🤣，可以切换国产模型跑。

Yanhua

11,435 views • 2 months ago

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇
0:42

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 views • 3 months ago

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。
17:56

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,380 views • 2 months ago

之前我做的【♠️德扑插件】在 Codex 上也上架了（看来 Codex 是完全和 ChatGPT 的插件打通了），直接去 Codex 插件搜索：PocketMind 就能安装玩起来！这是一个让我曾经付出了比 Cowart 更多精力的小项目，整体来说它也比 Cowart 精致一些些。 和 AI 玩德扑有很多意想不到的玩法，比如你可以随便诈唬它；和它玩完之后可以让它复盘；甚至因为现在是在 Codex 里，你可以让它先写一个德州扑克胜率计算器，用这个计算器辅助来和你玩！
1:25

之前我做的【♠️德扑插件】在 Codex 上也上架了（看来 Codex 是完全和 ChatGPT 的插件打通了），直接去 Codex 插件搜索：PocketMind 就能安装玩起来！这是一个让我曾经付出了比 Cowart 更多精力的小项目，整体来说它也比 Cowart 精致一些些。 和 AI 玩德扑有很多意想不到的玩法，比如你可以随便诈唬它；和它玩完之后可以让它复盘；甚至因为现在是在 Codex 里，你可以让它先写一个德州扑克胜率计算器，用这个计算器辅助来和你玩！

钟二信

16,941 views • 1 month ago

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一 视频里她拆了很多人正在犯的同一个问题： 用了 Claude 几个月，但每次还是从零开始 新开 session 重新解释背景 重新贴上下文 重新写 prompt 然后关掉 tab，一切停止 她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上 真正有意思的是： Claude 的价值不只是回答你的问题 而是你能不能把它放进一套系统里 让它记住规则 读取上下文 调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务 如果你用了 Claude 几个月，但每次 session 还是从头开始 那你至少还有 28 个 untouched features 可能是 30 个 今晚与其再刷一集剧，不如看完这个视频 看完先 bookmark
21:42

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一 视频里她拆了很多人正在犯的同一个问题： 用了 Claude 几个月，但每次还是从零开始 新开 session 重新解释背景 重新贴上下文 重新写 prompt 然后关掉 tab，一切停止 她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上 真正有意思的是： Claude 的价值不只是回答你的问题 而是你能不能把它放进一套系统里 让它记住规则 读取上下文 调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务 如果你用了 Claude 几个月，但每次 session 还是从头开始 那你至少还有 28 个 untouched features 可能是 30 个 今晚与其再刷一集剧，不如看完这个视频 看完先 bookmark

0x_Miko

155,054 views • 2 months ago

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。 单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。 这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。 如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。
0:30

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。 单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。 这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。 如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

Xudong Han

27,488 views • 1 month ago

我靠，原来 CLAUDE.md 还有这么多门道，以前真是白写了。 以前我一直以为「信息越多越好」，于是把项目历史、技术决策、个人偏好，甚至「写干净代码」这种空泛要求，全塞进 CLAUDE.md。 结果就是：Claude 每次都像在几千行上下文里翻垃圾堆。 要么生成不兼容的依赖，要么理解错项目边界，要么直接跑偏，最后还得我一遍遍纠正。 现在才发现，CLAUDE.md 不是用来堆信息的，而是用来压缩判断标准、约束执行边界、沉淀高频规则的。 强烈建议每个用 Claude Code 或其他 Code Agent 的开发者都认真看一遍。
2:33

我靠，原来 CLAUDE.md 还有这么多门道，以前真是白写了。 以前我一直以为「信息越多越好」，于是把项目历史、技术决策、个人偏好，甚至「写干净代码」这种空泛要求，全塞进 CLAUDE.md。 结果就是：Claude 每次都像在几千行上下文里翻垃圾堆。 要么生成不兼容的依赖，要么理解错项目边界，要么直接跑偏，最后还得我一遍遍纠正。 现在才发现，CLAUDE.md 不是用来堆信息的，而是用来压缩判断标准、约束执行边界、沉淀高频规则的。 强烈建议每个用 Claude Code 或其他 Code Agent 的开发者都认真看一遍。

Vince 聊开发

106,384 views • 2 months ago

万万没想到，居然可以在 Coze 上连接本地 Agent 了。 以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。 这期视频我用一个实际案例演示： 通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇
3:06

万万没想到，居然可以在 Coze 上连接本地 Agent 了。 以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。 这期视频我用一个实际案例演示： 通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇

huangserva

71,341 views • 2 months ago

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇
0:27

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇

axiaisacat

67,100 views • 5 months ago

如何让你的AI永不失忆呢？ 大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。 当它忘记重要的事情后，给你的回答就会显得无比弱智。 下面我给你提供两个解决方案，一个手动的，一个自动的 手动的方案是去管理Agent的三部分记忆： 即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。 会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来 长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。 但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw） 所以，我们还需要备份AI的记忆。 这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。 这个项目现在已经有快800star了！！ 下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性
1:44

如何让你的AI永不失忆呢？ 大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。 当它忘记重要的事情后，给你的回答就会显得无比弱智。 下面我给你提供两个解决方案，一个手动的，一个自动的 手动的方案是去管理Agent的三部分记忆： 即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。 会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来 长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。 但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw） 所以，我们还需要备份AI的记忆。 这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。 这个项目现在已经有快800star了！！ 下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

铁锤人

95,248 views • 2 days ago

最近在研究怎么把视频剪辑这件事尽量自动化，连续看到三个挺火的 GitHub 项目，video-use、HyperFrames、Generative Media Skills。 第一眼看都很香。 但 GitHub 项目最容易让我踩坑的地方就是 README。 真准备装的时候才发现，依赖多不多，环境麻不麻烦，Issues 里是不是一堆人在踩坑，项目现在到底还有没有人维护，这些往往比 Star 数重要得多。 这次我忍住了没急着 clone。 先把三个 Repo 和我的问题一起发到 Airtap Ai 的公开测试号 +1 (650) 444-9517，让它替我把 GitHub 里的坑先翻一遍。 我没让它简单总结 README，而是让它自己打开 GitHub，把最近的 Commit、安装文档、Issues 和 Maintainer 回复都看一遍。 最后只回答我一个问题。 如果我要做自动化视频工作流，现在最值得先折腾哪个。 Airtap输出的实地调查结果让我一目了然 : HyperFrames 更偏程序化视频生成，目前看下来比较适合优先试。 video-use 更贴近自动剪辑，但 FFmpeg、Python 和外部服务这些门槛最好提前确认。 Generative Media Skills 覆盖的能力最广，不过更依赖 MuAPI 和 API Key。 这也是我现在比较喜欢 Airtap 的地方。 它不是再给我生成一份泛泛的三个 GitHub 项目对比总结。 而是真的自己打开 GitHub，把我平时最懒得翻的那些东西翻完，再把判断给我。 以前看到一个热门 Repo，我的流程基本就是收藏，clone，配环境，发现跑不起来，再回头翻 Issues，半小时没了。 现在我更愿意在动手之前，先让 Airtap 替我做一次排雷。 安装门槛是什么，常见问题有哪些，最近还有没有人在维护，这些先查清楚。 我再决定要不要把今晚的时间花在它身上。 对于每天都能刷到一堆新 AI 项目的人来说，我现在需要的已经不是 再推荐我 10 个 Repo。 而是 先帮我排掉那 8 个不值得折腾的。 如果也想试，可以把几个 Repo 发到刚才那个公开测试号，让 Airtap 先替你翻一遍。 帮我比较这几个 GitHub 项目，不要只看 README，重点检查 Issues、安装依赖和维护情况，告诉我哪个最值得先试。
0:37

最近在研究怎么把视频剪辑这件事尽量自动化，连续看到三个挺火的 GitHub 项目，video-use、HyperFrames、Generative Media Skills。 第一眼看都很香。 但 GitHub 项目最容易让我踩坑的地方就是 README。 真准备装的时候才发现，依赖多不多，环境麻不麻烦，Issues 里是不是一堆人在踩坑，项目现在到底还有没有人维护，这些往往比 Star 数重要得多。 这次我忍住了没急着 clone。 先把三个 Repo 和我的问题一起发到 Airtap Ai 的公开测试号 +1 (650) 444-9517，让它替我把 GitHub 里的坑先翻一遍。 我没让它简单总结 README，而是让它自己打开 GitHub，把最近的 Commit、安装文档、Issues 和 Maintainer 回复都看一遍。 最后只回答我一个问题。 如果我要做自动化视频工作流，现在最值得先折腾哪个。 Airtap输出的实地调查结果让我一目了然 : HyperFrames 更偏程序化视频生成，目前看下来比较适合优先试。 video-use 更贴近自动剪辑，但 FFmpeg、Python 和外部服务这些门槛最好提前确认。 Generative Media Skills 覆盖的能力最广，不过更依赖 MuAPI 和 API Key。 这也是我现在比较喜欢 Airtap 的地方。 它不是再给我生成一份泛泛的三个 GitHub 项目对比总结。 而是真的自己打开 GitHub，把我平时最懒得翻的那些东西翻完，再把判断给我。 以前看到一个热门 Repo，我的流程基本就是收藏，clone，配环境，发现跑不起来，再回头翻 Issues，半小时没了。 现在我更愿意在动手之前，先让 Airtap 替我做一次排雷。 安装门槛是什么，常见问题有哪些，最近还有没有人在维护，这些先查清楚。 我再决定要不要把今晚的时间花在它身上。 对于每天都能刷到一堆新 AI 项目的人来说，我现在需要的已经不是 再推荐我 10 个 Repo。 而是 先帮我排掉那 8 个不值得折腾的。 如果也想试，可以把几个 Repo 发到刚才那个公开测试号，让 Airtap 先替你翻一遍。 帮我比较这几个 GitHub 项目，不要只看 README，重点检查 Issues、安装依赖和维护情况，告诉我哪个最值得先试。

我真的没有拼多多

34,775 views • 8 days ago

偶然看到一个挺实用的开源项目：Agent Watch，在手表上远程控制 Claude Code。 在用 Claude Code 写代码时，经常遇到权限需要确认，如果我们离开了座位，在健身或走在路上。 有这个项目，就能在手表上实时查看终端输出，遇到权限请求直接点击批准或拒绝。 还能通过语音口述给 Claude 发指令，全程不用碰电脑，还是挺实用的。 GitHub： 经常用 Claude Code 跑长任务，又不想一直守在电脑前盯着，想要戴着手表随时掌控进度，这个项目可以安装试试。
0:23

偶然看到一个挺实用的开源项目：Agent Watch，在手表上远程控制 Claude Code。 在用 Claude Code 写代码时，经常遇到权限需要确认，如果我们离开了座位，在健身或走在路上。 有这个项目，就能在手表上实时查看终端输出，遇到权限请求直接点击批准或拒绝。 还能通过语音口述给 Claude 发指令，全程不用碰电脑，还是挺实用的。 GitHub： 经常用 Claude Code 跑长任务，又不想一直守在电脑前盯着，想要戴着手表随时掌控进度，这个项目可以安装试试。

GitHubDaily

13,818 views • 4 months ago