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。

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... show more

木马人

17,310 subscribers

63,371 次观看 • 1 个月前 •via X (Twitter)

科学技术教育

Anya Rossi• Live Now

Private livecam show

41 条评论

我真的没有拼多多的头像

我真的没有拼多多1 个月前

多agent之间的记忆是刚需了，我现在有codex 、cc 还有grok，都是靠obsidian维护的

木马人的头像

木马人1 个月前

Obsidian的确可以接多个agent，但是记忆还是不能共享，只能靠文档

信手斩龙的头像

信手斩龙1 个月前

这个项目必须得试试。每个模型擅长不一样，不得不用。在几个AI来回切换解释项目背景，那体验是夏侯惇看路易十六，一眼望不到头。信号中继站那个演示，丝滑得离谱。

实践哥 Li 的头像

实践哥 Li1 个月前

开源的 memory 管理+开源的模型，本地起飞。开源的 memory+线上的 agent 做服务化，也是个好选择，比自己烧 token 强

木马人的头像

木马人1 个月前

是的，解决了我的大问题了

岚叔的头像

岚叔1 个月前

Switch agents, not context 这个理念不错，很刚需，数据在本地还可用来个人画像，看起来是通过hook拿的记忆

木马人的头像

木马人1 个月前

他这个项目还是不错的，还是解决了我的痛点

岚叔的头像

岚叔1 个月前

已star回头试试

铁锤人的头像

铁锤人1 个月前

不错，我也在使用

木马人的头像

木马人1 个月前

挺不错的

阿良｜AI 工作流的头像

阿良｜AI 工作流1 个月前

哈哈哈，兄弟，你这个教程写的很详细，抽空我在好好的研究一下。

超级个体｜柿子的头像

超级个体｜柿子1 个月前

这个看着不错啊

木马人的头像

木马人1 个月前

是的，我正好刷到就试试

Sac 的头像

Sac1 个月前

来试试了！

木马人的头像

木马人1 个月前

哈哈，可以的

Leaf Yeah! 的头像

Leaf Yeah!1 个月前

整挺好，我现在都手动，还有做那种全局协议，让它在每次任务之后自己沉淀 run log 和 summary，就是为了迁移用的。但说实话，多少还是有点麻烦，毕竟是手动嘛，还是自动化解决方案好。

木马人的头像

木马人1 个月前

是的，正好昨天刷到了，就玩了下

Cell 细胞的头像

Cell 细胞1 个月前

目前还在手动维护。。。

木马人的头像

木马人1 个月前

哈哈，那你赶紧试试

Yanhua 的头像

Yanhua1 个月前

已经安装上了，挺好用的

木马人的头像

木马人1 个月前

嗯，感觉挺好用

AYi 的头像

AYi1 个月前

多谢分享，好项目，这个确实是我的痛点哈哈，晚点就去试试

木马人的头像

木马人1 个月前

可以，产品不错的

Berryxia.AI 的头像

Berryxia.AI1 个月前

还可以

木马人的头像

木马人1 个月前

神佬用过吧？感觉还行呢

Berryxia.AI 的头像

Berryxia.AI1 个月前

嗯呢是的

木木彡的头像

木木彡1 个月前

不错，试一试

阿台🕊️ 的头像

阿台🕊️1 个月前

memmy-agent 的记忆整合，让 Agent 切换不再割裂。

Ethan 的头像

Ethan1 个月前

如何跨设备也能同步记忆？

小诺宝的头像

小诺宝1 个月前

我去这个概念好不错，之前都是给codex重新上传我另一个agent的上下文呢，太麻烦了。

kkkkk 的头像

kkkkk1 个月前

看看不仅多模型还有手机支持

C. Minos Niu 的头像

C. Minos Niu1 个月前

这个有用的，毕竟用markdown进行multi-agent之间的工作交接还要写一次.md，而直接把agent与人的对话作为multi-agent交接的上下文则不会漏

Jude 的头像

Jude1 个月前

省流：memmy-agent 解决的是上下文搬家，不是再多一个 harness。想看真价值，就量一次切换省下多少重述 token。

tea 的头像

tea1 个月前

This is correct. Next agent can read the repo and still miss the decision that only lived in chat. For us that decision is which spec revision is current. Please keep the document graph, not only the conversation.

˗ˏˋFour Jˎˊ 的头像

˗ˏˋFour Jˎˊ1 个月前

每一次对话都要扫一遍历史你知道有多慢么

王小庄的头像

王小庄1 个月前

每次换工具最烦的就是口头讲过的规则，一换窗口又得从头解释。很多修改原因和临时决定根本不会写进代码，下一个模型完全不知道。能把这种对话里的上下文直接带过去，省得来回复制背景了。

晚晚的头像

晚晚1 个月前

这类跨工具的上下文同步确实太刚需了，省得每次重新交代背景

Tiny Panda | Game Producer 的头像

Tiny Panda | Game Producer1 个月前

我用了好几个方案，上次用了MemOS，他们两个区别是啥？

askie 的头像

askie1 个月前

这个开源项目比他成熟，宝藏级别的。谁用谁知道。

John Fan 的头像

John Fan1 个月前

跨 Agent 记忆解决了“记得住”，没 gate 的记忆只是把错误决定记得更久

Q.K 的头像

Q.K1 个月前

这确实是个痛点，能够共享记忆，那这样每家模型之间可以无缝在项目中串门了。

相关视频

卧槽，GPT-6 Astra 的蜜月期也太短了吧。爽了不到一周，就从“小甜甜”变成“牛夫人”了。熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。它想解决的问题很直接：把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门：别忘记福利🎁 👇

卧槽，GPT-6 Astra 的蜜月期也太短了吧。爽了不到一周，就从“小甜甜”变成“牛夫人”了。熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。它想解决的问题很直接：把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门：别忘记福利🎁 👇

前端哥Liam

20,650 次观看 • 23 天前

👏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。

👏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

27,519 次观看 • 4 个月前

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS）刚开源的这个新项目，我真的要吹爆，可能是今年最值得装的本地 AI 基础设施之一了，它解决了一个我使用AI Agent 忍了大半年的痛点问题：换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感，换个工具就等于给AI重新做一遍入职培训，项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。刚刚开源的 Memmy 直接把这个问题给干掉了，让所有 AI 都记得同一个你。它干的事简单且极度务实，但之前几乎没人愿意做。更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session，几分钟把你过去几个月在各个工具里聊过的废墟，自动整理成结构化记忆，然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。全量存在本地 SQLite 数据库，完全 local-first 不上传，敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。那些是给开发者写代码集成的 API，你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户，把你过去几个月在各工具里已经产生的历史一键接管过来。这一步大多数工具都没做，毕竟是纯脏活累活。技术底座是同团队的 MemOS，GitHub 一万多星，做的是记忆操作系统，不是简单的向量库加摘要。再说几个极其真实的场景：你在 Codex 里确认了一个架构选型，切到 Claude Code 它立刻知道，你在 Cursor 里试错踩过的坑，新开一个 DeepSeek Harness 不会再踩第二遍。一个 Agent 额度用完了换另一个，上下文再也不会归零。代码靠 Git 能同步状态，记忆同步的，是你在对话里留下的决策和意图。这层资产以前被困在每个工具的 session 里，现在可以跟着你走了。当然照例泼盆冷水，这个项目还在 v1.0.x 早期， GitHub 约 1000 星，各家工具本地格式一升级可能带来兼容问题，记忆蒸馏和跨项目隔离也还在持续迭代，但方向我认为是非常对的。多 Agent 并行时代，记忆本来就该属于用户自己，凭什么被锁死在某个工具里。 Switch agents, not context，让所有 AI 都记得同一个你！！！

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS）刚开源的这个新项目，我真的要吹爆，可能是今年最值得装的本地 AI 基础设施之一了，它解决了一个我使用AI Agent 忍了大半年的痛点问题：换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感，换个工具就等于给AI重新做一遍入职培训，项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。刚刚开源的 Memmy 直接把这个问题给干掉了，让所有 AI 都记得同一个你。它干的事简单且极度务实，但之前几乎没人愿意做。更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session，几分钟把你过去几个月在各个工具里聊过的废墟，自动整理成结构化记忆，然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。全量存在本地 SQLite 数据库，完全 local-first 不上传，敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。那些是给开发者写代码集成的 API，你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户，把你过去几个月在各工具里已经产生的历史一键接管过来。这一步大多数工具都没做，毕竟是纯脏活累活。技术底座是同团队的 MemOS，GitHub 一万多星，做的是记忆操作系统，不是简单的向量库加摘要。再说几个极其真实的场景：你在 Codex 里确认了一个架构选型，切到 Claude Code 它立刻知道，你在 Cursor 里试错踩过的坑，新开一个 DeepSeek Harness 不会再踩第二遍。一个 Agent 额度用完了换另一个，上下文再也不会归零。代码靠 Git 能同步状态，记忆同步的，是你在对话里留下的决策和意图。这层资产以前被困在每个工具的 session 里，现在可以跟着你走了。当然照例泼盆冷水，这个项目还在 v1.0.x 早期， GitHub 约 1000 星，各家工具本地格式一升级可能带来兼容问题，记忆蒸馏和跨项目隔离也还在持续迭代，但方向我认为是非常对的。多 Agent 并行时代，记忆本来就该属于用户自己，凭什么被锁死在某个工具里。 Switch agents, not context，让所有 AI 都记得同一个你！！！

AYi

61,577 次观看 • 1 个月前

兄弟们看我发现了什么！ Codex 目前是公认最好用的交互界面，但是Harness却不尽如人意，那么如何在Codex 中随意切换不同厂家的 Harness 呢？那么这个开源项目 CodexHost 它来了！它可以直接把 Claude Code、DeepSeek Harness、Pi、Grok Build 等等各家顶级的 Harness 全部集成在 Codex 里切换使用而且 Codex 的 Thread、Diff、工具状态、审批、Fork、上下文压缩这些交互都能继续保留。甚至它还支持跨 Agent 协作：让 Codex 写代码 → @ Claude Code 单独 Review → @ Pi 去调查 Bug 每个 Agent 都会创建自己的独立 Thread，不用再开几个终端来回切换了

兄弟们看我发现了什么！ Codex 目前是公认最好用的交互界面，但是Harness却不尽如人意，那么如何在Codex 中随意切换不同厂家的 Harness 呢？那么这个开源项目 CodexHost 它来了！它可以直接把 Claude Code、DeepSeek Harness、Pi、Grok Build 等等各家顶级的 Harness 全部集成在 Codex 里切换使用而且 Codex 的 Thread、Diff、工具状态、审批、Fork、上下文压缩这些交互都能继续保留。甚至它还支持跨 Agent 协作：让 Codex 写代码 → @ Claude Code 单独 Review → @ Pi 去调查 Bug 每个 Agent 都会创建自己的独立 Thread，不用再开几个终端来回切换了

小奇说

89,830 次观看 • 1 个月前

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。

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

15,752 次观看 • 2 个月前

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👇

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

161,679 次观看 • 4 个月前

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。👇

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 次观看 • 6 个月前

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。

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 次观看 • 6 个月前

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。

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。

Fox

114,448 次观看 • 3 个月前

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。

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

59,702 次观看 • 6 个月前

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！

40,828 次观看 • 1 个月前

Anthropic 今天给 Claude Code 推出了 Mod 功能。Claude Code 是 Anthropic 做的 AI 编程助手，你用大白话告诉它要做什么，它自己读代码、改代码、运行命令。 Mod 这个词来自游戏圈，玩家给游戏装 MOD，可以改画面、加道具、换玩法。比如我们以前玩过的《反恐精英》最早就是作为游戏《半条命》（Half-Life）的一个 Mod。现在 Claude Code 也能这样改了。 Mod 就是一小段程序，用 TypeScript（一种常用的编程语言）写。不会编程也没关系，直接跟 Claude Code 说你想要什么效果，它会自己把 Mod 写好、装上，马上生效，不用重启。【它是怎么起作用的】可以把 Claude Code 干活的过程想成一条流水线：接到你的要求，交给 AI 模型思考，模型决定读哪个文件、运行哪条命令，某些步骤要先问你同不同意，最后把结果显示在屏幕上。每到一个环节，Claude Code 都会发出一个信号，表示“我要做这件事了”。Mod 守在这些环节旁边，可以直接放行，可以改一改再放行，也可以拦下来自己处理。举几个例子。你的要求发给模型之前，Mod 可以自动补一句“请用中文回答”；Claude 要读的文件里有密码，Mod 可以先把密码涂掉；Claude 想运行一条可能删掉数据的命令，Mod 可以拦下来，让你再确认一次。 Mod 还能改屏幕上的样子，比如在对话旁边加一个小窗口，显示团队的代码有没有通过自动测试，或者在输入框上方加几个按钮。 Anthropic 自己也开始用 Mod 搭产品。Claude Code 自带的 /diff 命令（显示改了哪些代码）现在就是一个 Mod，你可以关掉它，或者换成自己写的版本。官方计划把更多自带功能改成 Mod，以后用户可以只留一个精简的核心，其他功能按需加。安装方式和普通插件一样，在 Claude Code 里输入 /plugin 就能找到。需要 Claude Code 2.1.287 或更新的版本，功能默认打开。【要小心的地方】 Mod 拥有和 Claude Code 一样的权限，中间没有任何隔离。装上一个 Mod，它就能读写你电脑里的文件，看到你存的 API 密钥（调用 AI 服务用的“账号密码”），看到你发的每一句话，还能不经过你就替你批准操作。所以官方建议只装信得过的人做的 Mod。公司的管理员可以限制员工能装哪些 Mod，Team 和 Enterprise 版还会默认先加载一个安全 Mod，防止其他 Mod 绕过公司定的安全规则。【和 DeepSeek Harness 比一比】今年 8 月 13 日，DeepSeek 发布了开源的 DeepSeek Harness，也是一个 AI 智能体工具，能写代码，也能整理文件、分析表格、做幻灯片，GitHub 上已经有 24 万多人收藏。它的口号是“一切皆插件”，连连接 AI 模型的部分、管理工具的部分，甚至负责“想一步、做一步”的核心循环，都是可以拆下来换掉的插件。两家想做的事一样，都是让用户自己定制 AI 助手，起点不同。 DeepSeek Harness 从一开始就是拼装式的。代码完全公开，用的是 MIT 协议（随便用、随便改），后面接哪家模型也由你选，DeepSeek 的、别家的、自己电脑上跑的都行。它甚至可以把任务转交给 Claude Code 或 OpenAI 的 Codex 去做，再把结果收回来。代价是它还在开发者预览阶段，官方提醒后续更新可能和旧版本不兼容，今天写的插件过一阵可能就用不了。 Claude Code 是闭源产品，绑定 Anthropic 自家的模型。Mod 相当于在一个已经建好的房子上开了很多扇门，能改的地方越来越多，但房子还是 Anthropic 盖的。Anthropic 说要把自带功能逐步改成 Mod、只留一个小核心，这个方向和 DeepSeek Harness 的“一切皆插件”越来越近。想换模型、从最底层改起，DeepSeek Harness 更自由；已经在用 Claude Code 的人，现在不用换工具也能做不少定制。

Anthropic 今天给 Claude Code 推出了 Mod 功能。Claude Code 是 Anthropic 做的 AI 编程助手，你用大白话告诉它要做什么，它自己读代码、改代码、运行命令。 Mod 这个词来自游戏圈，玩家给游戏装 MOD，可以改画面、加道具、换玩法。比如我们以前玩过的《反恐精英》最早就是作为游戏《半条命》（Half-Life）的一个 Mod。现在 Claude Code 也能这样改了。 Mod 就是一小段程序，用 TypeScript（一种常用的编程语言）写。不会编程也没关系，直接跟 Claude Code 说你想要什么效果，它会自己把 Mod 写好、装上，马上生效，不用重启。【它是怎么起作用的】可以把 Claude Code 干活的过程想成一条流水线：接到你的要求，交给 AI 模型思考，模型决定读哪个文件、运行哪条命令，某些步骤要先问你同不同意，最后把结果显示在屏幕上。每到一个环节，Claude Code 都会发出一个信号，表示“我要做这件事了”。Mod 守在这些环节旁边，可以直接放行，可以改一改再放行，也可以拦下来自己处理。举几个例子。你的要求发给模型之前，Mod 可以自动补一句“请用中文回答”；Claude 要读的文件里有密码，Mod 可以先把密码涂掉；Claude 想运行一条可能删掉数据的命令，Mod 可以拦下来，让你再确认一次。 Mod 还能改屏幕上的样子，比如在对话旁边加一个小窗口，显示团队的代码有没有通过自动测试，或者在输入框上方加几个按钮。 Anthropic 自己也开始用 Mod 搭产品。Claude Code 自带的 /diff 命令（显示改了哪些代码）现在就是一个 Mod，你可以关掉它，或者换成自己写的版本。官方计划把更多自带功能改成 Mod，以后用户可以只留一个精简的核心，其他功能按需加。安装方式和普通插件一样，在 Claude Code 里输入 /plugin 就能找到。需要 Claude Code 2.1.287 或更新的版本，功能默认打开。【要小心的地方】 Mod 拥有和 Claude Code 一样的权限，中间没有任何隔离。装上一个 Mod，它就能读写你电脑里的文件，看到你存的 API 密钥（调用 AI 服务用的“账号密码”），看到你发的每一句话，还能不经过你就替你批准操作。所以官方建议只装信得过的人做的 Mod。公司的管理员可以限制员工能装哪些 Mod，Team 和 Enterprise 版还会默认先加载一个安全 Mod，防止其他 Mod 绕过公司定的安全规则。【和 DeepSeek Harness 比一比】今年 8 月 13 日，DeepSeek 发布了开源的 DeepSeek Harness，也是一个 AI 智能体工具，能写代码，也能整理文件、分析表格、做幻灯片，GitHub 上已经有 24 万多人收藏。它的口号是“一切皆插件”，连连接 AI 模型的部分、管理工具的部分，甚至负责“想一步、做一步”的核心循环，都是可以拆下来换掉的插件。两家想做的事一样，都是让用户自己定制 AI 助手，起点不同。 DeepSeek Harness 从一开始就是拼装式的。代码完全公开，用的是 MIT 协议（随便用、随便改），后面接哪家模型也由你选，DeepSeek 的、别家的、自己电脑上跑的都行。它甚至可以把任务转交给 Claude Code 或 OpenAI 的 Codex 去做，再把结果收回来。代价是它还在开发者预览阶段，官方提醒后续更新可能和旧版本不兼容，今天写的插件过一阵可能就用不了。 Claude Code 是闭源产品，绑定 Anthropic 自家的模型。Mod 相当于在一个已经建好的房子上开了很多扇门，能改的地方越来越多，但房子还是 Anthropic 盖的。Anthropic 说要把自带功能逐步改成 Mod、只留一个小核心，这个方向和 DeepSeek Harness 的“一切皆插件”越来越近。想换模型、从最底层改起，DeepSeek Harness 更自由；已经在用 Claude Code 的人，现在不用换工具也能做不少定制。

宝玉

41,132 次观看 • 7 天前

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。

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 次观看 • 8 个月前

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。

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 次观看 • 3 个月前

🎬 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。

🎬 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

27,648 次观看 • 3 个月前

卧槽，Codex 五折渠道被我找到了！！兄弟们，我算了一下之前在官方订阅花的钱，心在滴血......同样的额度同样的能力，我硬生生多花了一倍之前用 Codex 的流程大家都懂：注册海外账号、搞🪜、绑外币卡、找代充，每一步都是坑。更离谱的是有些人为了省钱去拼车共享账号，数据全裸奔，项目文件谁都能看到后来朋友推荐我试了下 AgentSpace，直接把我之前的折腾全省了.. 它把 Codex 聚合进了一个统一的工作空间，官方同款额度，价格直接砍到五折，关键是独立账号，不是拼车不是共享号，你的代码你的数据都是你自己的而且有几个点是我没想到的： 1、买了套餐可以直接接入本地 Codex 跑，对国内用户来说等于不用🪜就能在本地环境里用上 Codex 了，这个太香了 2、支持团队协作，多个人可以在同一个 workspace 里一起搞项目，文件、任务进度、运行结果全共享，一个人没干完别人直接接手 3、不止 Codex，Claude Code、Grok、Kimi、GLM、DeepSeek 这些也都在，一个平台一站式搞定，不用再分别管好几个订阅了现在邀请好友双方还能各送7 天 ChatGPT Plus 使用权，等于好友砍一刀了属于是! 不知道这个价格能维持多久，兄弟们能冲的先冲吧！！！链接放评论区：或者用邀请码：3VC7-JDWU

卧槽，Codex 五折渠道被我找到了！！兄弟们，我算了一下之前在官方订阅花的钱，心在滴血......同样的额度同样的能力，我硬生生多花了一倍之前用 Codex 的流程大家都懂：注册海外账号、搞🪜、绑外币卡、找代充，每一步都是坑。更离谱的是有些人为了省钱去拼车共享账号，数据全裸奔，项目文件谁都能看到后来朋友推荐我试了下 AgentSpace，直接把我之前的折腾全省了.. 它把 Codex 聚合进了一个统一的工作空间，官方同款额度，价格直接砍到五折，关键是独立账号，不是拼车不是共享号，你的代码你的数据都是你自己的而且有几个点是我没想到的： 1、买了套餐可以直接接入本地 Codex 跑，对国内用户来说等于不用🪜就能在本地环境里用上 Codex 了，这个太香了 2、支持团队协作，多个人可以在同一个 workspace 里一起搞项目，文件、任务进度、运行结果全共享，一个人没干完别人直接接手 3、不止 Codex，Claude Code、Grok、Kimi、GLM、DeepSeek 这些也都在，一个平台一站式搞定，不用再分别管好几个订阅了现在邀请好友双方还能各送7 天 ChatGPT Plus 使用权，等于好友砍一刀了属于是! 不知道这个价格能维持多久，兄弟们能冲的先冲吧！！！链接放评论区：或者用邀请码：3VC7-JDWU

超级个体｜柿子

82,544 次观看 • 1 个月前

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！

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

17,865 次观看 • 2 个月前

最近 Meta 推的 Muse 真的太火了。上线一周多，就在美国 App Store 免费榜排到了 ChatGPT 前面。为什么会突然这么火？因为大家用了这么多 AI，发现回答得聪明还不够，得真的了解你是谁。这段时间我一直在用一个 personal AI，叫 Today。它跟别的 Agent 不一样的地方在于，它知道我是谁、我在干什么。分享2个我实际在用的场景👇 1️⃣ 邮件管理最近有个项目的报价邮件我差点漏掉，是 Today 帮我抓了出来，不然这单就错过了。现在我给它设了个定时任务：每天早上 8 点筛一遍邮件，看有没有重要消息。这样以后就不担心再错过重要邮件了 2️⃣ 整理待办我平时的工作经常会在多个 Agent 之间切换，工作进度散落在这些 Agent 里面。每次要写日报/周报的时候，就要回忆半天。现在Today 可以帮我自动整理这些事情，去多个Agent 包括Claude Code、 Codex、 Workbody里面，把我正在执行的任务找出来。它还会按优先级排序，分清楚哪些还在需求确认阶段、要尽快确认，哪些在内容制作阶段、要接着推进。它记得我在忙什么，也会在我想起来之前先把事情翻出来，不用我再从头回顾一遍。对了，Today 中国版刚在国内上线，基础版是免费的。新注册还会送 1 亿 token 和一个月 Pro，感兴趣的可以自己试试

最近 Meta 推的 Muse 真的太火了。上线一周多，就在美国 App Store 免费榜排到了 ChatGPT 前面。为什么会突然这么火？因为大家用了这么多 AI，发现回答得聪明还不够，得真的了解你是谁。这段时间我一直在用一个 personal AI，叫 Today。它跟别的 Agent 不一样的地方在于，它知道我是谁、我在干什么。分享2个我实际在用的场景👇 1️⃣ 邮件管理最近有个项目的报价邮件我差点漏掉，是 Today 帮我抓了出来，不然这单就错过了。现在我给它设了个定时任务：每天早上 8 点筛一遍邮件，看有没有重要消息。这样以后就不担心再错过重要邮件了 2️⃣ 整理待办我平时的工作经常会在多个 Agent 之间切换，工作进度散落在这些 Agent 里面。每次要写日报/周报的时候，就要回忆半天。现在Today 可以帮我自动整理这些事情，去多个Agent 包括Claude Code、 Codex、 Workbody里面，把我正在执行的任务找出来。它还会按优先级排序，分清楚哪些还在需求确认阶段、要尽快确认，哪些在内容制作阶段、要接着推进。它记得我在忙什么，也会在我想起来之前先把事情翻出来，不用我再从头回顾一遍。对了，Today 中国版刚在国内上线，基础版是免费的。新注册还会送 1 亿 token 和一个月 Pro，感兴趣的可以自己试试

阿西_出海

30,655 次观看 • 15 天前

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👇

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 次观看 • 5 个月前

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。

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

106,715 次观看 • 3 个月前