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。

用 Claude Code 写到一半，弹出一句 “You’re out of usage credits”。 Codex 的额度还剩一大半，可切过去它什么都不知道：刚定下的两个方案、改了一半的文件、为什么这么改。只能从头再讲一遍。最近看到一个开源项目 Orbital，专门解决这件事。它有句话我很认同：上下文资产应该属于你自己，不应该被任何agent厂商锁定它的做法很朴素：每一次agent的每一个会话，都会维护和提取成项目目录里的普通文件。 PROJECT_STATE.md：项目现在的状态（记忆缓存） DECISIONS.md：项目里任何agent定过的决定和原因 LESSONS.md：项目里所有agent踩过的坑 INDEX.md：项目的索引，各个产物的用处和位置不管换哪个 Agent 接手，都先读这几份文件。Codex 卡在额度上，就在选择器里换成 Claude Code，它接着回答同一个问题，不用你重新交代。我觉得最实用的是两点。一是选择器里直接显示每个 Agent 还剩多少额度，哪个有余量就用哪个。二是直接描述你的工作流，他会自动派发其他agent，比如说bugfix就用claude code，生图生海报用codex 作者：Keane

lifcc

14,735 subscribers

48,227 次观看 • 24 天前 •via X (Twitter)

科学技术教育

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

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 次观看 • 4 个月前

兄弟们，很多人用 Codex 最大的问题，不是不会写代码。是项目一大，AI直接失忆。昨天聊了几个小时，今天换个窗口，又得重新解释：项目干嘛的。改了什么。哪里有坑。最烦的是，你自己都快忘了。我现在更喜欢让 Codex 先给项目做一个“记忆文件”。直接丢：扫描当前项目，生成 SESSION_HANDOFF.md 记录： 1. 当前架构 2. 已完成内容 3. 未完成任务 4. 技术决策 5. 已知问题只读分析，不修改代码。以后不管换窗口还是换模型。先读这个文件。几十轮聊天压缩成一份项目档案。这个东西看起来简单。但项目越大，价值越明显。

兄弟们，很多人用 Codex 最大的问题，不是不会写代码。是项目一大，AI直接失忆。昨天聊了几个小时，今天换个窗口，又得重新解释：项目干嘛的。改了什么。哪里有坑。最烦的是，你自己都快忘了。我现在更喜欢让 Codex 先给项目做一个“记忆文件”。直接丢：扫描当前项目，生成 SESSION_HANDOFF.md 记录： 1. 当前架构 2. 已完成内容 3. 未完成任务 4. 技术决策 5. 已知问题只读分析，不修改代码。以后不管换窗口还是换模型。先读这个文件。几十轮聊天压缩成一份项目档案。这个东西看起来简单。但项目越大，价值越明显。

火山哥🕊️

16,192 次观看 • 2 个月前

在GitHub上看到一个专门教怎么用 Claude Code 的项目，已经涨到了 4w star 它不是官方操作文档，而是一条从入门到高级智能体的完整学习路径斜杠命令、MCP配置、钩子脚本、子智能体编排，每个模块都有可视化图解，教你"怎么做"的同时也会教"为什么这么做" 最实用的是里面的模板，钩子脚本、代理配置、斜杠命令、MCP配置文件，全部可以直接复制粘贴到自己的项目里不管你是想补齐 Claude Code 的知识盲区，还是想搭一套属于自己的 AI 工作流，都可以关注下这个项目

在GitHub上看到一个专门教怎么用 Claude Code 的项目，已经涨到了 4w star 它不是官方操作文档，而是一条从入门到高级智能体的完整学习路径斜杠命令、MCP配置、钩子脚本、子智能体编排，每个模块都有可视化图解，教你"怎么做"的同时也会教"为什么这么做" 最实用的是里面的模板，钩子脚本、代理配置、斜杠命令、MCP配置文件，全部可以直接复制粘贴到自己的项目里不管你是想补齐 Claude Code 的知识盲区，还是想搭一套属于自己的 AI 工作流，都可以关注下这个项目

阿西_出海

19,823 次观看 • 3 个月前

34家AI平台的免费额度，每月能白嫖74亿Token。最有用的还不是这个数字。 Codex或者Claude Code跑到一半，当前接口被限速、返回429，它会自动换下一条可用线路，不用停下来换Key、改地址、重启任务。这个开源项目叫FreeLLMAPI。免费API名单其实到处都是，真正麻烦的是：每家的接口地址、模型名和限速规则都不一样。 Google能用多少次，Groq还剩多少额度，Cerebras什么时候被限速，平时全要自己记。一个接口挂了，还得手动修改配置再重新跑。 FreeLLMAPI把这些零散额度接成了一个统一的/v1接口。把自己申请到的免费Key放进去，它会记录每个Key的RPM、RPD、TPM和剩余额度。当前线路被限速或者报错，就暂时跳过，自动尝试下一家。目前已经整理了34家AI平台、474个模型系列和635个免费接口。 Codex CLI、Claude Code、Cursor、Gemini CLI、Aider、Cline这些工具都能接，官方也提供了Mac、Windows和Docker的安装方式。不过先说清楚：它不是破解，也不会直接送你74亿Token。各个平台的免费Key仍然需要自己申请，74亿只是把34家平台的理论免费额度全部相加。更适合个人学习、跑Agent和临时测试，不适合拿去跑商业生产。我看到时项目约2.08万星，本周新增约1700星。对于每天同时跑几个Agent的人，它解决的不是“去哪里找免费API”，是怎么把这些零散额度真正接起来。

34家AI平台的免费额度，每月能白嫖74亿Token。最有用的还不是这个数字。 Codex或者Claude Code跑到一半，当前接口被限速、返回429，它会自动换下一条可用线路，不用停下来换Key、改地址、重启任务。这个开源项目叫FreeLLMAPI。免费API名单其实到处都是，真正麻烦的是：每家的接口地址、模型名和限速规则都不一样。 Google能用多少次，Groq还剩多少额度，Cerebras什么时候被限速，平时全要自己记。一个接口挂了，还得手动修改配置再重新跑。 FreeLLMAPI把这些零散额度接成了一个统一的/v1接口。把自己申请到的免费Key放进去，它会记录每个Key的RPM、RPD、TPM和剩余额度。当前线路被限速或者报错，就暂时跳过，自动尝试下一家。目前已经整理了34家AI平台、474个模型系列和635个免费接口。 Codex CLI、Claude Code、Cursor、Gemini CLI、Aider、Cline这些工具都能接，官方也提供了Mac、Windows和Docker的安装方式。不过先说清楚：它不是破解，也不会直接送你74亿Token。各个平台的免费Key仍然需要自己申请，74亿只是把34家平台的理论免费额度全部相加。更适合个人学习、跑Agent和临时测试，不适合拿去跑商业生产。我看到时项目约2.08万星，本周新增约1700星。对于每天同时跑几个Agent的人，它解决的不是“去哪里找免费API”，是怎么把这些零散额度真正接起来。

DeFi狙击手 | Ai🕊️

21,035 次观看 • 2 个月前

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

51,363 次观看 • 5 个月前

给大家开源一个小项目：一句话用Gemini写个连贯的小故事图集。使用宝玉的提示词用该程序复现了下，角色改成了小姑娘，效果见评论😊 这个项目的出发点是我女儿最近老喜欢抓别的小朋友，怎么劝都不行，我希望能够通过一个小故事来引导她，这个故事也贴到评论里了这个项目本来打算参加Gemini hackathon的，但感觉与他们的storybook有点像，就换了个项目投稿。不过我今天对比用下来，比他们的storybook质感要好很多的😊 在线试用地址（可能会消耗你Gemini 每天的免费生图额度）：开源地址：

给大家开源一个小项目：一句话用Gemini写个连贯的小故事图集。使用宝玉的提示词用该程序复现了下，角色改成了小姑娘，效果见评论😊 这个项目的出发点是我女儿最近老喜欢抓别的小朋友，怎么劝都不行，我希望能够通过一个小故事来引导她，这个故事也贴到评论里了这个项目本来打算参加Gemini hackathon的，但感觉与他们的storybook有点像，就换了个项目投稿。不过我今天对比用下来，比他们的storybook质感要好很多的😊 在线试用地址（可能会消耗你Gemini 每天的免费生图额度）：开源地址：

岚叔

18,072 次观看 • 10 个月前

为什么很多人的 Agent 用不起来？不管 Agent 多聪明，像Claude Code、Codex、OpenClaw，都会遇到同一个问题：上次说好的偏好，下次对话全忘了。不是模型不够聪明，是记忆架构本身的问题。很多市面上的Agent Memory，说的好听点叫长期记忆，其实就是个聊天记录仓库。最近在 GitHub 看到 MemOS 出的一个本地记忆插件，叫 MemOS Local Plugin，上线没多久就斩获了近万 Star。直接装进你的 Agent 里就能用，Hermes 和 OpenClaw 都已经支持，核心思路是执行即学习。 Agent 每跑一次任务，过程本身就在转化成经验，下次遇到类似的事能直接调用。最近 Local Plugin 2.0 还升级了记忆架构，让 Agent 能从任务里学到东西、沉淀经验。具体3件事： 1、每步操作都会被打分不只记录做了什么，还会标注是怎么做的、哪一步起了作用。这些被拆解成一个个可学习的单元，慢慢积累成可复用的经验。 2、记忆分层，按需读取记忆按层分类存放，短期的、任务相关的、长期沉淀的各归各处。用什么取什么，不会把不相关的东西一起翻出来干扰判断。 3、换 Agent也没事，经验不清零在一个Agent里积累的东西，换另一个也能直接用，记忆资产一直都在。

为什么很多人的 Agent 用不起来？不管 Agent 多聪明，像Claude Code、Codex、OpenClaw，都会遇到同一个问题：上次说好的偏好，下次对话全忘了。不是模型不够聪明，是记忆架构本身的问题。很多市面上的Agent Memory，说的好听点叫长期记忆，其实就是个聊天记录仓库。最近在 GitHub 看到 MemOS 出的一个本地记忆插件，叫 MemOS Local Plugin，上线没多久就斩获了近万 Star。直接装进你的 Agent 里就能用，Hermes 和 OpenClaw 都已经支持，核心思路是执行即学习。 Agent 每跑一次任务，过程本身就在转化成经验，下次遇到类似的事能直接调用。最近 Local Plugin 2.0 还升级了记忆架构，让 Agent 能从任务里学到东西、沉淀经验。具体3件事： 1、每步操作都会被打分不只记录做了什么，还会标注是怎么做的、哪一步起了作用。这些被拆解成一个个可学习的单元，慢慢积累成可复用的经验。 2、记忆分层，按需读取记忆按层分类存放，短期的、任务相关的、长期沉淀的各归各处。用什么取什么，不会把不相关的东西一起翻出来干扰判断。 3、换 Agent也没事，经验不清零在一个Agent里积累的东西，换另一个也能直接用，记忆资产一直都在。

阿西_出海

20,877 次观看 • 5 个月前

这和把 Codex 开源了有啥区别啊，这也太牛了,直接把所有的模型接进 Codex 里.... Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama 全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM 但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端现在统一在 Codex 里切，真是爽翻了三行搞定： npm install -g @bitkyc08/opencodex ocx init ocx start xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配

这和把 Codex 开源了有啥区别啊，这也太牛了,直接把所有的模型接进 Codex 里.... Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama 全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM 但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端现在统一在 Codex 里切，真是爽翻了三行搞定： npm install -g @bitkyc08/opencodex ocx init ocx start xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配

超级个体｜柿子

43,146 次观看 • 3 个月前

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 次观看 • 2 个月前

有人把 Claude Code、Codex、Kimi 这些 AI 全塞进了一个桌面软件里，叫 hermes-desktop。不用终端，不用记命令。模型切换、工具开关、技能管理全是图形界面，点点就行。最狠的是它内置了81个技能，能直接操控 iMessage、备忘录、提醒事项这些 macOS 原生应用。你跟它说"翻一下上周的备忘录"，它真能翻。还有个看板功能，多个 Agent 同时干活的时候在看板上调度，谁在跑、谁卡了、一眼看得到。

有人把 Claude Code、Codex、Kimi 这些 AI 全塞进了一个桌面软件里，叫 hermes-desktop。不用终端，不用记命令。模型切换、工具开关、技能管理全是图形界面，点点就行。最狠的是它内置了81个技能，能直接操控 iMessage、备忘录、提醒事项这些 macOS 原生应用。你跟它说"翻一下上周的备忘录"，它真能翻。还有个看板功能，多个 Agent 同时干活的时候在看板上调度，谁在跑、谁卡了、一眼看得到。

Vincent

12,673 次观看 • 4 个月前

Notion 今天凌晨发了一个开发者平台, 大家都以为它在追 AI Agent 风口, 但实际方向是有些反过来的, 它要让所有 Agent 来追它, 我盯着它官方文档里那个新的 CLI 工具看了一会儿,才慢慢回过味儿来, 这个 CLI 设计得很奇怪, 它自带 --help,自带 --docs,自带 --spec, 每个命令的元信息都精简到极致,token 占用低到反常, 说实话人类开发者用 CLI 哪需要这些, 熟了就肌肉记忆,谁会反复读自动生成的 spec 呢, 但 Agent 会啊,它进入一个陌生 CLI,要先扫一遍能干嘛,扫的就是这些自描述信息, 也就是说,Notion 这个 CLI, 从设计的第一天起就不是给人用的, 是给 Agent 用的, 他们官方话术更直接：说和你的 coding agents 一起构建, 这一句话翻译过来就是,未来用 Notion 的主力用户, 可能不是你,而是是你的 Agent, 更狠的是这套基础设施的完整度,数据同步,Notion 托管, 工具调用,Notion 托管,Agent 沙盒,Notion 托管, 全跑在 Vercel Sandbox 加 Firecracker microVM 上, 连第三方 Agent 接入都开了, Claude 直接进来,当原生工具用, 数据,工具,编排,上下文,全部在同一个 workspace 里,零损耗, 以前 Agent 最大的痛点,是上下文碎片化,工具调用不稳定,自己还要搭一套 infra, 现在 Notion 把这套东西全包了, 你的 Agent 只需要醒过来,在一个已经布置好的房间里干活, 很多人还在评估 Notion 涨没涨价,还在讨论 Obsidian 迁移和本地优先, 但真正的故事是,Notion 已经在 Agent 时代的操作系统这条赛道上,把第一块地基浇好了数据是血,Agent 是肌肉,Workers 是骨骼,CLI 是神经, 那些现在就把核心 workflow 搬进去的人, 和还在纠结要不要试用 ntn 的人, 未来 12 个月,差距可能比想象中要大得多。

Notion 今天凌晨发了一个开发者平台, 大家都以为它在追 AI Agent 风口, 但实际方向是有些反过来的, 它要让所有 Agent 来追它, 我盯着它官方文档里那个新的 CLI 工具看了一会儿,才慢慢回过味儿来, 这个 CLI 设计得很奇怪, 它自带 --help,自带 --docs,自带 --spec, 每个命令的元信息都精简到极致,token 占用低到反常, 说实话人类开发者用 CLI 哪需要这些, 熟了就肌肉记忆,谁会反复读自动生成的 spec 呢, 但 Agent 会啊,它进入一个陌生 CLI,要先扫一遍能干嘛,扫的就是这些自描述信息, 也就是说,Notion 这个 CLI, 从设计的第一天起就不是给人用的, 是给 Agent 用的, 他们官方话术更直接：说和你的 coding agents 一起构建, 这一句话翻译过来就是,未来用 Notion 的主力用户, 可能不是你,而是是你的 Agent, 更狠的是这套基础设施的完整度,数据同步,Notion 托管, 工具调用,Notion 托管,Agent 沙盒,Notion 托管, 全跑在 Vercel Sandbox 加 Firecracker microVM 上, 连第三方 Agent 接入都开了, Claude 直接进来,当原生工具用, 数据,工具,编排,上下文,全部在同一个 workspace 里,零损耗, 以前 Agent 最大的痛点,是上下文碎片化,工具调用不稳定,自己还要搭一套 infra, 现在 Notion 把这套东西全包了, 你的 Agent 只需要醒过来,在一个已经布置好的房间里干活, 很多人还在评估 Notion 涨没涨价,还在讨论 Obsidian 迁移和本地优先, 但真正的故事是,Notion 已经在 Agent 时代的操作系统这条赛道上,把第一块地基浇好了数据是血,Agent 是肌肉,Workers 是骨骼,CLI 是神经, 那些现在就把核心 workflow 搬进去的人, 和还在纠结要不要试用 ntn 的人, 未来 12 个月,差距可能比想象中要大得多。

AYi

19,811 次观看 • 5 个月前

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。

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！

405,592 次观看 • 3 个月前

Grok Bot 用久了，怎么感觉越来越笨了？我建议大家每隔半个月，就给自己的 Personal Agent 做一次记忆大扫除🔥 这个问题我以前折腾 Hermes Agent 的时候就遇到过，刚开始用着很聪明，但随着 Memory、Skills 和各种提示词不断增加，Agent 有时候反而开始答非所问，甚至连简单任务都容易出错后来我才慢慢意识到，问题不一定出在模型上，也可能是我们自己把 Context 养得太乱了 1、上下文越来越多，Agent 反而可能越来越笨大家肯定遇到过自己的 Grok Bot 慢慢变蠢的感觉，其实这不一定是真的 AI 变蠢了只是因为你的上下文和提示词慢慢在变多，当上下文到达一定程度的时候，里面会充斥着一些重复或者是相反的指令上下文就会出现一定的腐烂，导致你的指令不再精准，或者是完成任务你会感觉越来越差，我感觉这是 Personal Agent 的一个通病 2、我一般每隔半个月到一个月，就会整理一次 Agent 的记忆因为我在很早之前就玩了 Hermes Agent，我就发现了 Hermes Agent 如果你不定期地去整理对应的记忆、人设，还有对应的 Skill，你的 Hermes 会越来越笨，尤其是会出现一些牛头不对马嘴的操作所以我一般会每个月或者半个月左右，让 AI 自检自己的上下文和提示词，把对应相关的冲突或者重复的提示词做一次整理而且 Hermes Agent 针对 USER、Memory 这些关键的 MD 文件，都会限制大小，尽可能保持提示词简洁，这也是为了让 Agent 干活更精准，错误更少 3、Grok Bot 还有一个问题，就是模型路由不透明另一方面，Grok Bot 的整个 AI 路由是黑盒你不知道具体执行的任务到底是 Opus 5.5，还是 Grok 4.6 或者 4.7，这也是很大的一个问题但是这个问题没有什么太好的解决方案，因为整体不像 Hermes Agent，你可以自定义对应的 AI 和上下文这里的话是要通过官方的路由去处理，所以我自己的体验下来就是一下神，一下鬼我这里还补充一下，就是有一些 AI 的上下文会比较小，会频繁出现上下文压缩的情况但是我怀疑 Grok Bot 为了快速响应，针对的模型可能会选择比较轻量的版本因为我平时写代码也用 Grok 自带的 4.7，响应速度和回答速度的话，都没有达到这么快的速度有可能会路由到一些 Flash 模型去处理平时的任务，做一些高难度的任务，可能才会路由到比较强的模型，所以整体的时间消耗就会被平均当然，这部分只是我根据实际使用体验做的猜测，具体的模型路由还是得看官方最后分享一下我的建议如果想让你的 Personal Agent 一直好用，一定要定期整理整个机器人的上下文和相关设定尤其是长期记忆、角色人设和 Skills，检查有没有重复、冲突或者早就过时的内容尽可能地精简和保留最核心的部分，让整个上下文保持干净和整洁我觉得比起不断给 Agent 增加新的记忆和规则，定期清理那些已经没用的东西，可能反而更重要

Grok Bot 用久了，怎么感觉越来越笨了？我建议大家每隔半个月，就给自己的 Personal Agent 做一次记忆大扫除🔥 这个问题我以前折腾 Hermes Agent 的时候就遇到过，刚开始用着很聪明，但随着 Memory、Skills 和各种提示词不断增加，Agent 有时候反而开始答非所问，甚至连简单任务都容易出错后来我才慢慢意识到，问题不一定出在模型上，也可能是我们自己把 Context 养得太乱了 1、上下文越来越多，Agent 反而可能越来越笨大家肯定遇到过自己的 Grok Bot 慢慢变蠢的感觉，其实这不一定是真的 AI 变蠢了只是因为你的上下文和提示词慢慢在变多，当上下文到达一定程度的时候，里面会充斥着一些重复或者是相反的指令上下文就会出现一定的腐烂，导致你的指令不再精准，或者是完成任务你会感觉越来越差，我感觉这是 Personal Agent 的一个通病 2、我一般每隔半个月到一个月，就会整理一次 Agent 的记忆因为我在很早之前就玩了 Hermes Agent，我就发现了 Hermes Agent 如果你不定期地去整理对应的记忆、人设，还有对应的 Skill，你的 Hermes 会越来越笨，尤其是会出现一些牛头不对马嘴的操作所以我一般会每个月或者半个月左右，让 AI 自检自己的上下文和提示词，把对应相关的冲突或者重复的提示词做一次整理而且 Hermes Agent 针对 USER、Memory 这些关键的 MD 文件，都会限制大小，尽可能保持提示词简洁，这也是为了让 Agent 干活更精准，错误更少 3、Grok Bot 还有一个问题，就是模型路由不透明另一方面，Grok Bot 的整个 AI 路由是黑盒你不知道具体执行的任务到底是 Opus 5.5，还是 Grok 4.6 或者 4.7，这也是很大的一个问题但是这个问题没有什么太好的解决方案，因为整体不像 Hermes Agent，你可以自定义对应的 AI 和上下文这里的话是要通过官方的路由去处理，所以我自己的体验下来就是一下神，一下鬼我这里还补充一下，就是有一些 AI 的上下文会比较小，会频繁出现上下文压缩的情况但是我怀疑 Grok Bot 为了快速响应，针对的模型可能会选择比较轻量的版本因为我平时写代码也用 Grok 自带的 4.7，响应速度和回答速度的话，都没有达到这么快的速度有可能会路由到一些 Flash 模型去处理平时的任务，做一些高难度的任务，可能才会路由到比较强的模型，所以整体的时间消耗就会被平均当然，这部分只是我根据实际使用体验做的猜测，具体的模型路由还是得看官方最后分享一下我的建议如果想让你的 Personal Agent 一直好用，一定要定期整理整个机器人的上下文和相关设定尤其是长期记忆、角色人设和 Skills，检查有没有重复、冲突或者早就过时的内容尽可能地精简和保留最核心的部分，让整个上下文保持干净和整洁我觉得比起不断给 Agent 增加新的记忆和规则，定期清理那些已经没用的东西，可能反而更重要

小墨同学

97,616 次观看 • 11 天前

OpenClaw 已经过时了。如果你现在还在用 OpenClaw，说明你可能还没看到 Hermes Agent。很多人对 agent 的理解，还停留在“会调工具”“会自动执行”这一层。但这套东西很快就要卷废了。下一阶段比的根本不是谁能多 call 几个 tool，而是谁的 agent 会学习、会记忆、会随着任务一起成长。 Hermes Agent 真正有意思的地方就在这：会从经验里沉淀 skill 会在使用中自我改进会搜索过去的对话和任务会逐渐建立对你的理解还能跨 Telegram、Discord、Slack、CLI 持续工作说白了，别的 agent 还在想办法“替你执行”， Hermes 已经在试图变成“你的长期数字分身”了。所以不是 OpenClaw 不行，而是这条路线已经开始落后了。接下来真正值得看的，不是哪个 agent 更像 demo，而是哪个 agent 越用越强。项目：👇

OpenClaw 已经过时了。如果你现在还在用 OpenClaw，说明你可能还没看到 Hermes Agent。很多人对 agent 的理解，还停留在“会调工具”“会自动执行”这一层。但这套东西很快就要卷废了。下一阶段比的根本不是谁能多 call 几个 tool，而是谁的 agent 会学习、会记忆、会随着任务一起成长。 Hermes Agent 真正有意思的地方就在这：会从经验里沉淀 skill 会在使用中自我改进会搜索过去的对话和任务会逐渐建立对你的理解还能跨 Telegram、Discord、Slack、CLI 持续工作说白了，别的 agent 还在想办法“替你执行”， Hermes 已经在试图变成“你的长期数字分身”了。所以不是 OpenClaw 不行，而是这条路线已经开始落后了。接下来真正值得看的，不是哪个 agent 更像 demo，而是哪个 agent 越用越强。项目：👇

axiaisacat

33,329 次观看 • 7 个月前

迭代了一下，又用 Agent 直接用Rust重写了一下桌搭硬件，然后绑定了Claude和Codex的双Agent工作状态，还实时监控额度重置，还有今日消耗 Token量。舒服了。。。这几天干的最喜欢的一个小东西哈哈哈哈

迭代了一下，又用 Agent 直接用Rust重写了一下桌搭硬件，然后绑定了Claude和Codex的双Agent工作状态，还实时监控额度重置，还有今日消耗 Token量。舒服了。。。这几天干的最喜欢的一个小东西哈哈哈哈

数字生命卡兹克

36,757 次观看 • 1 个月前

用 Claude Skills 创建一个简单的 Agent 真的太简单了人人都能创建自己的 Agent 大军，我这里搞了一个 Nano Banana Pro PPT 生成 Skills 基于任何文档生成 PPT，支持风格选择、页数自定义生成后会导出图片文件以及帮你生成一个全屏预览的网页也可以作为整个图文混排 Agent 体系的一个部分

用 Claude Skills 创建一个简单的 Agent 真的太简单了人人都能创建自己的 Agent 大军，我这里搞了一个 Nano Banana Pro PPT 生成 Skills 基于任何文档生成 PPT，支持风格选择、页数自定义生成后会导出图片文件以及帮你生成一个全屏预览的网页也可以作为整个图文混排 Agent 体系的一个部分

歸藏(guizang.ai)

34,472 次观看 • 10 个月前

Pika新推出的Agent，简直炸裂！丢一个想法，它就开始干活。不需要费尽心思的调提示词！尤其是生成视频，体感特别丝滑，只需要跟它对话，告诉它方向，全程不需要考虑该用什么skill，该用哪个模型，该用什么工作流。不用管音乐，不用管分镜，连剪辑都不用管。它会自动调用short ads skill，几分钟就可以给你30秒的视频！！而且，视频是有导演思维和剪辑思维的！这个真的有点东西，官方内置了很多旗舰模型和Skill， Agent在后台按最优路径调用，组织整个工作流，这是和其他Agent最不一样的地方！一个念头，一个视频，我已经停不下来了！Pika

Pika新推出的Agent，简直炸裂！丢一个想法，它就开始干活。不需要费尽心思的调提示词！尤其是生成视频，体感特别丝滑，只需要跟它对话，告诉它方向，全程不需要考虑该用什么skill，该用哪个模型，该用什么工作流。不用管音乐，不用管分镜，连剪辑都不用管。它会自动调用short ads skill，几分钟就可以给你30秒的视频！！而且，视频是有导演思维和剪辑思维的！这个真的有点东西，官方内置了很多旗舰模型和Skill， Agent在后台按最优路径调用，组织整个工作流，这是和其他Agent最不一样的地方！一个念头，一个视频，我已经停不下来了！Pika

沐阳

41,067 次观看 • 6 个月前

worktrunk — Git Worktree 管理器，专为并行跑多个 AI coding agent 设计。先说痛点：如果你现在用 Claude Code / Codex 写代码，一个 agent 一次只能改一个功能。想并行跑 5-10 个 agent 同时处理不同任务？Git 原生做不到——多个 agent 共享同一个工作目录，互相踩文件、冲突不断。 Git 其实有一个 worktree 功能可以解决这个问题：给每个 agent 分配独立的工作目录，共享同一个 .git。但原生 UX 极其痛苦：创建一个 worktree 要打三遍分支名： git worktree add -b feat ../repo.feat cd ../repo.feat worktrunk 把这件事简化成了一行命令： wt switch -c -x claude feat 创建 worktree + 切换目录 + 启动 Claude Code，一步到位。核心命令就三个： • wt switch feat → 切换到指定 worktree • wt switch -c feat → 创建新 worktree • wt remove → 清理进阶功能也很实用： • Hooks：创建/合并时自动执行脚本 • LLM commit messages：自动从 diff 生成提交信息 • wt merge main：一行命令完成 squash + rebase + merge + 清理 • 交互式选择器：带实时 diff 和 log 预览 • 构建缓存复制：worktree 之间共享 target/、node_modules/，跳过冷启动当你从"一次跑一个 agent"升级到"同时跑 5 个 agent 做不同任务"，worktree 管理就是第一个要解决的问题。 🔗

worktrunk — Git Worktree 管理器，专为并行跑多个 AI coding agent 设计。先说痛点：如果你现在用 Claude Code / Codex 写代码，一个 agent 一次只能改一个功能。想并行跑 5-10 个 agent 同时处理不同任务？Git 原生做不到——多个 agent 共享同一个工作目录，互相踩文件、冲突不断。 Git 其实有一个 worktree 功能可以解决这个问题：给每个 agent 分配独立的工作目录，共享同一个 .git。但原生 UX 极其痛苦：创建一个 worktree 要打三遍分支名： git worktree add -b feat ../repo.feat cd ../repo.feat worktrunk 把这件事简化成了一行命令： wt switch -c -x claude feat 创建 worktree + 切换目录 + 启动 Claude Code，一步到位。核心命令就三个： • wt switch feat → 切换到指定 worktree • wt switch -c feat → 创建新 worktree • wt remove → 清理进阶功能也很实用： • Hooks：创建/合并时自动执行脚本 • LLM commit messages：自动从 diff 生成提交信息 • wt merge main：一行命令完成 squash + rebase + merge + 清理 • 交互式选择器：带实时 diff 和 log 预览 • 构建缓存复制：worktree 之间共享 target/、node_modules/，跳过冷启动当你从"一次跑一个 agent"升级到"同时跑 5 个 agent 做不同任务"，worktree 管理就是第一个要解决的问题。 🔗

sitin

11,874 次观看 • 7 个月前

兄弟们，用GPT-6 Astra，一定要把这个开关打开。找到 ~/.codex/config.toml，加上： [features.context_management] experimental_mode = true 保存，再新开一个任务。以前对话一长，前面的细节容易被压成一坨摘要。打开以后，Astra会自己记笔记，还能回头搜索同一任务里的历史消息和工具结果。这才是它真正狠的地方。不是一轮回答更聪明，是项目做了几天，它还记得你为什么这么干。长项目不开这个，真有点拿跑车送外卖。

兄弟们，用GPT-6 Astra，一定要把这个开关打开。找到 ~/.codex/config.toml，加上： [features.context_management] experimental_mode = true 保存，再新开一个任务。以前对话一长，前面的细节容易被压成一坨摘要。打开以后，Astra会自己记笔记，还能回头搜索同一任务里的历史消息和工具结果。这才是它真正狠的地方。不是一轮回答更聪明，是项目做了几天，它还记得你为什么这么干。长项目不开这个，真有点拿跑车送外卖。

火山哥🕊️

121,638 次观看 • 1 个月前

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

166,568 次观看 • 2 个月前