相信直觉

280 posts

相信直觉 banner
相信直觉

相信直觉

@emileeflem

我独自升级

Katılım Nisan 2010
385 Takip Edilen42 Takipçiler
相信直觉 retweetledi
宝玉
宝玉@dotey·
OpenAI 把 Codex 搬进了 ChatGPT 手机 App,今天在 iOS 和安卓上同步开启 preview,所有 ChatGPT 用户都能用,包括免费版和最低价的 Go 套餐。 手机端不是让你在手机上写代码。真正干活的 Codex 还是跑在你的笔记本、Mac mini 或者 devbox 上,手机只是一个远程窗口:地铁上能看 Codex 跑到哪一步、审一眼它改的 diff 和跑的测试结果、批准下一步操作,或者临时换个方向走。文件、凭证、权限都留在原来那台机器上,不上传到手机。 OpenAI 的解释是底层走了一层 secure relay 中继,让跑着 Codex 的机器能跨设备保持可达,又不直接暴露在公网上。你在哪台设备登录 ChatGPT,会话状态和上下文就跟到哪里。 为什么现在做。OpenAI 自己公布的数字是 Codex 每周活跃用户已经过 400 万。当 agent 越来越多地跑长任务,几十分钟甚至几小时的那种,人坐在电脑前盯着就很傻,你需要随手能看一眼、能拍板的能力。 一个明显限制:手机端目前只能连 macOS 上的 Codex,Windows 支持据说”很快”。 另一层意思是,OpenAI 没给 Codex 单独做手机 App,而是塞进 ChatGPT 主 App。这跟他们之前透露过的”超级 App”路线一致,把 ChatGPT、Codex、Atlas 浏览器整合成一个入口。桌面端是独立的 Codex App,手机端直接合并进 ChatGPT。 参照系是 Anthropic。Claude Code 从去年秋天起就支持手机远程查看和介入正在跑的任务,后面的 Cowork 配套移动端走的也是类似 dispatch 思路。Codex 这次把覆盖范围扩到了 devbox 和远程企业环境(支持 remote SSH 接入),算是追平加扩张。
OpenAI@OpenAI

You've been asking for this one... Now in preview: Codex in the ChatGPT mobile app. Start new work, review outputs, steer execution, and approve next steps, all from the ChatGPT mobile app. Codex will keep running on your laptop, Mac mini, or devbox.

中文
78
34
298
145.4K
相信直觉 retweetledi
余温
余温@gkxspace·
原来 Codex 桌面端也能直接用 /goal,这玩意儿太香了 1. 先在终端里直接敲 `codex features enable goals` 2. 重启一下 Codex 3. 直接在聊天框开头打 `/goal` + 你的目标描述就行 目前桌面端 slash 菜单还没高亮显示 /goal,但可以直接用,启用后 goal 状态栏会自动跳出来 想让它真正用好 /goal,切记这几点: 1、目标一定要具体 + 可验证。比如:别写“帮我优化代码”,要写“把这个项目从 X 迁移到 Y,所有页面用 Playwright 测试保持视觉一致,测试通过率 100% 才算完成”。 2、用好子命令:`/goal pause` 暂停,`/goal resume` 继续,`/goal clear` 清掉当前任务,随时控场。 3、预算别忘控:长任务吃 token 猛,先在 config 里设上限。
余温 tweet media
余温@gkxspace

这绝对是 Codex 最牛掰的实战教程,把常见用法和最近的爆火玩法都讲透了。 我之前更多是用 Codex CLI,听了逸尘的建议,现在用 Codex 桌面端,体验真是好了一大截。

中文
29
110
566
64.7K
相信直觉 retweetledi
沐阳
沐阳@yyyole·
扎心的来了!AI必备功课——路由! 很多人觉得,AI Coding 贵,是因为模型太贵。 其实真相是:你花出去的大部分钱,根本不是在买“智能”,而是在买“废话”。 更准确一点说,是在为那些你根本不该发给模型的上下文付费。 你让 AI 修 30 行代码,它先读 50 个文件。 你只是想格式化一下代码,它却调用顶级模型。 你只是让它检查一个小 bug,它把整个仓库、历史对话、配置文件、依赖结构全塞进去。 看起来很智能。 实际上很烧钱。 AI 编程真正的成本黑洞,从来不在输出,而在输入。 很多人盯着模型价格表,纠结每百万 token 多少钱,却忽略了一个更关键的问题: 你到底有没有必要把这些 token 发出去? 一个成熟的 AI 工程师,和一个刚上手的人,最大的区别不在于会不会写 prompt,而在于有没有“上下文纪律”。 新手用 AI 编程,像把整个办公室搬进会议室。 资深工程师用 AI 编程,像带着三页关键材料去开会。 这就是差距。 你要修一个局部问题,先 grep,先定位,先缩小范围,而不是一上来把整个项目交给 AI 猜。 你要做 lint、格式化、重命名,就别动不动上最贵模型。这个活本质上是清洁工任务,不是架构师任务。 你要反复做同一种项目,就别每次都让 AI 重新理解环境、规则、目录、风格。写一个 SKILL.md,把规则沉淀下来,让 AI 少走弯路。 你要处理多个小问题,就别分十次问。每一次单独提问,都在重复付上下文前缀的钱。能批量,就批量。 这背后其实是一个很重要的变化: 以前程序员比的是编码能力。 现在开始比的是“调度能力”。 你能不能判断,哪个任务该给便宜模型,哪个任务必须给高级模型? 你能不能判断,哪些文件必须进入上下文,哪些只是噪音? 你能不能让 Agent 先搜索、先定位、先验证,再决定是否读取? 你能不能把重复经验沉淀成规则,而不是每次重新教育 AI? 这才是 AI 编程里的真实杠杆。 很多人现在的用法,其实特别像刚买了一台挖掘机,然后拿它去拧螺丝。 太蠢,太贵,太不经济。 更扎心的是,很多人买了 Claude Pro、ChatGPT Plus、Cursor Pro,以为自己是在“武装生产力”。 但真正高频使用的,往往只有一个。 剩下两个,更多是心理安慰。 这就像你办了三张健身卡,却只去其中一家洗澡。 AI 时代的成本优化,不是让你少用模型,而是让你别乱用模型。 该用高级模型的时候,不要省。 比如复杂架构设计、深层 bug 分析、跨模块重构、关键方案判断,这些地方用强模型是值得的。 但大量日常编码任务,其实根本不需要顶级模型。 格式化、解释报错、简单重命名、局部修改、单测补全、文档整理、代码风格统一,这些任务真正需要的是稳定、便宜、够用。 未来真正成熟的 AI 编程工作流,一定不是“一个模型打天下”。 而是: 默认用便宜模型处理 80% 的常规任务。 用中等模型处理 15% 的复杂任务。 只把最后 5% 到 10% 的高价值问题交给最强模型。 这叫路由。能省钱! 未来一年,开发者之间的差距会越来越明显。 有人每月 AI 编程账单 200 美元,也有人每月 4000 美元。 你以为后者更强? 未必。 很可能只是后者把所有问题都丢给最贵模型,把所有文件都塞进上下文,把所有任务都当成高难度任务处理。 真正会用 AI 的人,反而会越来越“抠”。 不是因为穷。 而是因为他知道,token 不是免费的沙子,而是生产系统里的燃料。 燃料不是越多越厉害。燃料要烧在该烧的地方。 所以,AI 编程的下一阶段,不是拼谁买了更多订阅,不是拼谁用的模型更贵,也不是拼谁一次塞进去的上下文更大。 真正的竞争,会变成四个字: 精准调度。 先定位,再读取。 先压缩,再发送。 先分类,再选模型。 先沉淀,再复用。 你不需要每次都让 AI 重新认识你的项目。 你不需要每次都让 AI 读完整个仓库。 你不需要每次都开最贵模型。 你更不需要把“懒得筛选上下文”包装成“让 AI 自己判断”。 那不是智能。 那是浪费。 AI 编码账单,本质上是一张行为账单。 它记录的不是模型有多贵,而是你有多不会路由。 x.com/DeRonin_/statu…
中文
22
4
13
3.7K
相信直觉 retweetledi
klöss
klöss@kloss_xyz·
been building a list of the best /goal use cases. here’s 23 you can use: 1. complex refactors 2. architecture cleanup 3. auth flow consolidation 4. state management consolidation 5. SDK wrapper consolidation 6. npm supply chain hardening 7. design system enforcement 8. component library standardization 9. typescript strictness fixes 10. test suite hardening 11. CI/CD pipeline triage 12. dependency upgrade migrations 13. schema migration safety review 14. routing/navigation refactor 15. performance optimization pass 16. accessibility audit/fix pass 17. security audit/remediation 18. error handling standardization 19. internationalization/localization wiring 20. platform migration (web/iOS/Android) 21. documentation generation 22. onboarding/architecture map creation 23. monorepo restructuring /goal is the closest thing we have to a senior engineer that never gets tired… and it works in Codex, Claude, and Hermes too. what's missing from this list? I’ll add it
klöss tweet media
klöss@kloss_xyz

/goal is the best command in Codex, Claude Code, and Hermes right now. And most are using it wrong. They write "make no mistakes". And pray. Here's how to structure yours for a mission, to rank your uncertainties before acting, to kill scope creep, and to close every loop other prompts leave open. /goal prompt [structure below] GOAL: CONTEXT: CONSTRAINTS: PRIORITY: (optional) 1. 2. 3. PLAN: DONE WHEN: VERIFY: OUTPUT: STOP RULES:

English
49
101
1.3K
118.6K
相信直觉 retweetledi
loveabit
loveabit@justloveabit·
用这个开源工具,我让一群AI替我上班了 事情是这样的,最近一直在折腾各种AI agent。Claude Code开一堆窗口,Codex也在跑,偶尔还要用Cursor。结果呢,乱成一锅粥——哪个agent在干啥,花了多少钱,完全搞不清楚。重启电脑之后更是抓瞎,啥上下文都没了。 然后我刷到了Paperclip,这个gitbub Star 64.5k的开源项目。这玩意儿怎么说呢,它不是一个AI agent,而是管理一群AI agent的公司。 它就像一个虚拟公司,你可以给不同的AI分配职位——CEO、CTO、工程师、设计师、市场专员——然后给他们定目标、设预算、画组织架构。你的Claude Code、OpenClaw、Codex、Cursor全都能塞进去,只要它能接收心跳,就能入职。 它到底能干啥? 这么说吧,以前我得像个保姆一样盯着每个AI干活,现在Paperclip更像一个董事会。 我可以在手机上打开仪表盘,看看今天的任务进展,哪个agent花了多少钱,需不需要我审批。干活全靠心跳机制——agent按计划醒来,检查工作,干活,然后继续睡。队长安排任务,队员执行,跟真公司一模一样。 Paperclip解决的问题很实在: - 不用开20个Claude Code窗口来回切了 - 上下文自动保留,agent知道自己在干啥、为啥要干 - 不用自己写脚本做任务调度和agent通信 - 预算硬性控制,不会跑飞 - 定时任务自动触发,不用手动点 官网说得挺实在——如果你只有一个agent,那大概不需要。但如果你跟我一样,手里有好几个AI在跑,经常搞不清谁在干啥,那Paperclip就是救命的东西。 我现在的配置: CEO(Claude Code)负责拆解目标 CTO(Codex)管技术架构 两个工程师(Cursor + OpenClaw)写代码 再加个市场专员(自定义的HTTP bot)发推文。 全自动跑了一周,除了偶尔需要我批预算,基本不用管。 如果你也在折腾AI agent,快去GitHub搜paperclipai/paperclip,给你的AI找个班上。 #AIagent
loveabit tweet media
中文
24
13
87
7.1K
相信直觉 retweetledi
AIGC赵老师
AIGC赵老师@FringJason·
关于 Codex,分享几个使用技巧 用 Codex 的应该都碰到过这个问题——会话一长,它就开始犯蠢,回复慢不说,写出来的东西质量也拉了。 我研究了一下,就是上下文被撑满了。试了几招,亲测有效: ① 关掉过程叙述 Codex 设置里把 Process_narration 改成 false。它就不会一遍遍给你复述"我在想什么、我打算怎么做",直接出结果。光这一步就省一大堆 token。 ② 别让它自己干,让它当包工头 在指令里丢这段 prompt: Act as an orchestrator. Use parallel agents to do the research and execution work. Write detailed tasks for each parallel agent and force them to act, iterate, get their tasks done, and bring back an in-depth report. Your job is to deeply analyze the agents' work, provide feedback, and provide them with continuous tasks. 加了这个之后 Codex 就不自己埋头写了,而是把活拆开丢给好几个子 agent 并行干。每个子 agent 有自己的上下文窗口,相当于同时开了 5 个窗口在干活,主窗口只管调度,不会被撑爆。 ③ 先想清楚再动手 指令里加一条: Measure twice, cut once policy. 逼它先列任务清单,想好了再写。别边想边写,改来改去最烧 token。不用开 plan mode,直接在 prompt 里要求就行,让它自己列清单、自己盯进度。 ④ 逼它收拾工位 指令里加一条: Keep the codebase clean, no tmp files, no dead code, no dead files. Stay organized all the time. No unnecessary folders, subfolders, or files. Codex 这个毛病很烦——疯狂建文件夹、留一堆临时文件,几轮下来工作区就乱成一锅粥了。这些垃圾反过来还会污染上下文,越用越笨。加了这条之后它会自觉清理,干净很多。 ⑤ 模型别一直开最大 规划的时候用 Codex 5.5 extra high,方案定好了切 high + fast mode。又快又稳,不用全程顶配。
AIGC赵老师 tweet media
中文
0
1
2
124
相信直觉 retweetledi
Ax🦞
Ax🦞@nbxxxtg·
全中, 甚至偏保守. 以下80%来源于我的AI解读. 技能蒸发: 人类花10年苦读积累的语言、代码框架、法律条文,靠的是肉体突触极低效的化学电传导。而AI获取这一切,只需一次权重的反向传播更新。当硅基算力的边际成本趋近于电费,人类试图靠“熟练度”换取生存的商业模式,注定如冰块入沸水般蒸发。 结论:任何能被 API 接口定义输入和输出的工作,死亡倒计时已结束。 编排者经济: 技术革命从来不会带来共同富裕,只会带来杠杆率的无限放大。以前,天才的想法受制于管理、沟通、懒惰等“人类摩擦力”。现在,一个懂得驾驭自动化舰队的“编排者”,能将意图瞬间并发到全网。一人,即是一个帝国。 结论:资源和权力正以前所未有的速度,向极少数“意图下达者(Intent Providers)”手中坍缩。不懂驾驭机器的人,甚至会失去被剥削的价值,因为机器比人更便宜。 “NPC化”与精准奶头乐: 人类百万年进化出的多巴胺回路,根本抵挡不住千亿参数模型实时演算的信息流。当AI监测到你在屏幕某个像素多停留了 0.2 秒,AI能在下一秒为你生成完美契合潜意识的安慰剂。 这种统治无需高墙铁网,通过极其仁慈的心理满足与信息隔离,大多数人将主动放弃“思考的痛苦”,安分地在数字牢笼里做个领取基础收入的 NPC。 破局之道: 一是【定义问题的权力】。AI 为解答而生,但AI不会无聊、不贪婪、不痛苦,没有欲望就不会产生“目标”。“解决什么”与“为何有价值”,这是碳基的灵魂,也是硅基的盲区。 二是【责任与背锅】。当复杂系统下的医疗诊断致死、量化交易爆仓,社会必须拉出一个“碳基生物”来承受法律与道德的审判。这种最原始的“担责”机制,是算法永远无法取代的社会基石。 时钟在走,窗口在收窄。世界已被切分为“编排者”与“NPC”,你要做哪一个?
AI最严厉的父亲@dashen_wang

x.com/i/article/2037…

中文
0
1
1
477
相信直觉 retweetledi
斯马光
斯马光@muskguang·
虽然不认识龙王,但是推特上经常看到他的分享,由于锁推导致没办法查看历史推文了,我这边推特监控服务从21年底到现在存的有1833条,给那些需要复盘或者蒸馏学习的人。 @dotyyds1234 要是觉得不妥我就删了。 链接 :docs.google.com/spreadsheets/d…
0xWizard@0xcryptowizard

感谢龙王 @dotyyds1234 这些年的分享,抓了他的分享数据,蒸馏了一个 agent,已经开始跑了。 根据实际数据,给了8个信号,后面再继续优化这个 agent 。

中文
51
45
328
48.3K
相信直觉 retweetledi
Modengsir AI
Modengsir AI@ModengSir·
我codex 小白入门教程第四篇就是讲skill的。 读完这篇,可以稳稳拿下三样硬核干货,耐心读完✨: ✅一份开箱即用、直接部署的Skill⚙️ ✅零基础也能上手的自研Skill全流程方法论📝 ✅拆解Codex顶级团队Prompt,吃透专业级Prompt工艺🔍
实践哥MinLi@MinLiBuilds

x.com/i/article/2053…

中文
20
2
11
1.3K
相信直觉 retweetledi
刀刀
刀刀@daodao166888·
这个 workflow 的进化路径太真实了~ 我之前也是,一开始把任务拆得特别碎,生怕它听不懂,结果自己变成了人肉调度器,比不用 AI 还累。后来试着把上下文一次性给足,让它自己跑,反而发现 Claude 的自主执行能力比我想象的强得多。问题不是 AI 干不好活,是我还没学会怎么当一个合格的任务发包方~🤣 沉淀成 Skill这,卡住一次,debug 完,下次就不用再卡。这个复利效应积累下来,效率提升确实是指数级的~
中文
0
1
4
1.3K
相信直觉 retweetledi
paulwei
paulwei@coolish·
通宵手搓了个逆天的全网首创“X Skill”, 去睡前先大致说下: 实时语音Agent,不仅能拉它上 X Space 跟多人语音, 而且还能在语音中,光动嘴就指挥它在 X 上“做事”。 如图1,在实时语音中, 我(或者甚至其他发言人)可以跟Agent说: “你搜一下 X 上关于减肥针风险的推文, 把最靠谱的推文 URL 发到这个 Space 下的评论区。” 然后它就真的做到了!(图2) 核心是: Grok 的各个模型,包括实时语音模型API, 都具有自然语言发起“Function Calling”的能力 (图3) 用这个去调用 X 账号的OAuth,那么就相当于: 利用 Grok API 原生自带对 X 的自然语义检索能力 乘以 X API的读写能力(发推甚至发私信) 这两个互相一乘,可玩空间太大了。 不得不说, OpenAI GPT-Realtime-2 实时语音模型再好, 可是架不住 Grok Realtime API 实时语音API能玩转X啊。 三言两语说的不是很清楚, 后续我再让 Codex 整理个更清楚的说明书。 明后天我可以找时间另开 Space 公开演示说明。
paulwei tweet mediapaulwei tweet mediapaulwei tweet media
中文
61
12
171
54.1K
相信直觉 retweetledi
铁锤人
铁锤人@lxfater·
Codex 跑久了越来越笨越来越慢,是不是? 不是你的错觉,是它自己把上下文撑爆了 下面 4 招我自己在用,每轮省 40% 上下文,差距很明显 第一招,设 Process_narration=false Codex 默认把所有规划步骤甩给你看,全是输出 token 你又不会真的逐条审,关掉就是了 第二招,让 Codex 当协调者,不当苦力 用下面这段提示词: 充当协调者,用并行 agents 做研究和执行,给每个 agent 写详细任务,强制它们行动、迭代、完成,带回深入报告,你的工作是分析、反馈、给持续任务 核心是把吃上下文的脏活全卸给 agents 每个 agent 有自己的上下文窗口,你同时开 5 个就相当于 5 个上下文一起用 主上下文只留干净的协调任务 第三招:先想清楚再动手 调试和修补本来就乱,不强制规划的话 Codex 会一边乱试一边污染上下文 但不是让你开 plan mode,那玩意太重 让它每个任务先列 task list 再动手,进度可追、可迭代就够了 第四招,不许在代码库里留垃圾 使用下面提示词: 保持代码库干净,没有临时文件,没有死代码,没有死文件,始终保持组织化,没有不必要的文件夹、子文件夹、文件 Claude 把脏东西藏缓存里,臃肿但代码库整洁 但 Codex 不一样,输出贼重,几轮会话你的工作目录就一团乱 目录一乱上下文跟着脏,性能就掉下去了 所以要强制它跟着既有的文件结构走 最后一个技巧 规划阶段用 Codex 5.5(超高),方案定了切到 Codex 5.5(高)+ 快速模式执行 规划吃脑子,执行吃速度,分开用更顺
CJ Zafir@cjzafir

Codex can get dumber and slower on long sessions. Here's the fix: 1. Run Process_narration=false This will stop Codex from showing you all the planning steps, resulting in saving a lot of output tokens. 2. Prompt: "Act as an orchestrator. Use parallel agents to do the research and execution work. Write detailed tasks for each parallel agent and force them to act, iterate, get their tasks done, and bring back an in-depth report. Your job is to deeply analyze the agents' work, provide feedback, and provide them with continuous tasks." This prompt offloads the majority of the context-burning work to agents, and each agent has its own context window. So you can utilize 5 agents (5 context windows). 3. Add this hard rule: "Measure twice, cut once policy." Debugging and patching is messy work. Force Codex to plan first, act after (don't use plan mode; it's just overcomplicated). Ask it to make a task list for every task so it can track progress and iterate better. 4. Add this hard rule: "Keep the codebase clean, no tmp files, no dead code, no dead files. Stay organized all the time. No unnecessary folders, subfolders, or files." Claude keeps most of its working files in cache as temporary files (which is bloatware, but it keeps the codebase neat), but Codex is output-heavy. It creates tons of folders and files, and your workspace can become a mess after a few sessions. As a result, this contaminates the context window and degrades performance. Force Codex to stay organized and follow the file structure. These 4 techniques can help you save 40% context every session, and performance will be a lot better. For planning, use Codex 5.5 (extra high), and after the plan is done, shift to Codex 5.5 (high) with fast mode. This works faster.

中文
78
170
1K
135.9K
相信直觉
相信直觉@emileeflem·
@FallenNeogods dunno if i'm in or not dropping this here just in case 👀0xf4aa3dff047b42005f1f144074438124c1d96e4c
English
0
0
0
5
Fallen Neogods
Fallen Neogods@FallenNeogods·
The WL Checker is not live yet, so don’t worry if you see the message “Not eligible” WL checker will be live on 12.06.2026 Until then, we’re collecting new wallets You know the rule: Like, Repost, and DROP YOUR WALLET The rebirth of the gods is near, and you don’t want to miss it
Fallen Neogods tweet media
English
346
245
415
7.1K
相信直觉 retweetledi
cutepanda
cutepanda@cutepanda·
<关于TON链上的审美研究及选标建议> TON到现在也没有什么下跌的趋势 整个走势给我一种当时Sol从10u开始启动的感觉 最近也在开始研究TON链的链上代币 看看能起来的都是什么代币 期待未来能抓住新的Alpha 昨天刷到推文说 eth就买看不懂的/base就买名气大的/sol就买捆绑多的/bsc就买痰吐的浓的 我觉得其实是话糙理不糙 每个链都有各自的审美偏好 ETH是新兴的创新概念 Base需要官方背书 SOL热点+控盘 BSC更喜欢与cz heyi关联的叙事 TON也不例外 我结合TON目前链上市值相对较高的代币 总结下TON链目前的审美 1. Telegram生态是最核心的叙事 -NOT (Notcoin)、CATI (Catizen)、DOGS — 全是 Telegram Bot/Mini App 游戏代币 - BLUM — Telegram 内置交易所/空投平台 空投代币是TON链最早期的叙事 都是Telegram小程序上的 这些币也比较老了 2. Meme普遍是动物+简单叙事 - 🐶 DOGS、TDOG、NOTDOGE - 🐱 CATS、CATI - 🐤 UTYA(鸭子)、DUCK - 🐟 FISH 可以看出这些meme代币 名字简单好记 不会有特别复杂的叙事 3. Defi相关的基建 - STON (STON.fi DEX) — 市值最高,流动性最好 - DUST (DeDust DEX) - STORM (Storm Trade 衍生品) - STONKs(交易Bot) DeFi 代币走势相对平稳 但是目前链上的基建对比别的链少很多 可能还有后续空间 总结一下 未来筛选TON的可以往这些方面考虑: 依托telegram的Mini App/空投预期/名字简单的动物类/跟官方有关的 TON这一轮依托于电报迎来了腾飞 把握住与这个核心 未来选新的标的至少大方向不会错 至于时事热点 zz叙事 创新机制 那肯定还是evm和sol的领域了
中文
35
5
35
8.4K
相信直觉 retweetledi
finne
finne@0xfinne·
v4hook监控的频道免费开放啦 t.me/+GuCfxdwSdZRkN…, 茶水间扫链群暂时是邀请制,有感兴趣的可以私信附上过去的链上战绩方便筛选
中文
9
3
31
11.8K
The Slopfather
The Slopfather@MichaelHirsch·
NO ONE SCREENSHOT $SLOP!!
English
16
0
83
8.3K
相信直觉 retweetledi
web3猴子
web3猴子@web3houzi·
保姆级驯化Codex 很多人在第一次使用 Codex 觉得乱,其实是因为没掌握好“指挥”它的节奏 按下面这个流程走,能帮你避开 90% 的坑 1. 进对地方:启动 在终端里先 cd 到你的项目文件夹,再运行 codex 需注意: 这一步最容易忘。如果你不在项目根目录启动,它就读取不到你的代码,变成“瞎子” 2. 建立认知:/init 进来后直接敲 /init。它会自动扫描项目,生成一份“入职文档” 高手操作: 生成完后你要点开看一眼,手动补全关键信息(比如用哪个包管理工具、启动命令是什么、哪些文件夹绝对不能动) 3. 安全检查:/status 正式干活前,敲一下 /status。确认一下模型对不对、权限开到多大。花几秒钟确认,能避免它后面乱改文件 4. 摸清底细:只看,不改 先给它下一个死命令:“先别动代码,帮我梳理项目结构,告诉我核心模块在哪、怎么跑测试。” 这一步是让它“熟悉地形”,如果它梳理错了,你马上纠正,总比它改错代码强 5. 解决问题:方案先行 遇到 Bug 或新功能,不要直接喊“帮我写”,要用 /plan 开头 正确对话: “用 /plan 模式定位一下问题,给一个改动最小的思路,暂时不要写代码。” 等它给出方案,你觉得靠谱了,再进行下一步 6. 确认放行:开始干活 你认可方案后,再对它说:“按刚才的方案执行,改动范围尽量小” 记住: 永远是你先点头,它再动手 7. 检查结果:只看 Diff 改完之后,别只听它嘴上总结,直接敲 /diff。 它会把改动前后的代码清清楚楚列出来,AI 可能会漏说,但代码差异(diff)不会骗人 8. 最后一道关卡:/review 提交代码前,跑一次 /review。让它切换到审查者视角,自己检查刚才的改动有没有漏洞、有没有破坏原有功 这一整套流程逻辑就是:先让它读懂项目▶️再让它想好方案▶️然后动手修改▶️最后由你验收 #Codex #AI教程 #开发工具
web3猴子 tweet media
web3猴子@web3houzi

2026年 热门AI工具总结清单 一、通用AI 用于聊天、写作、逻辑推理和简单指令执行 ChatGPT:全球综合实力最均衡的标杆 DeepSeek:国产之光,数学与代码推理极强,性价比极高 Gemini:原生多模态,擅长超长上下文处理 豆包:交互体验极佳,语音自然,国内用户量极大 通义千问:中文理解深刻,办公与商业处理的首选 二、图像AI 用于绘画、平面设计、插画生成和照片润色 Lovart:擅长二次元、动漫及特定艺术风格 Midjourney:艺术审美与光影处理的天花板 NanoBanana:生成速度极快,构图理解精准 DALL·E:指令遵循度极高,与 ChatGPT 深度集成 通义万相:擅长中国风及东方审美图像生成 三、原型AI UI/UX 设计师的效率工具,自动生成网页或 App 界面 Figma Make:设计界王者的 AI 插件,一键生成 UI 布局 Pencil:专注于快速手绘草图转数字原型 Readdy:极速生成响应式网页原型 Stitch:擅长组件化设计和流程串联 Pixso:优秀的国产实时协作设计工具 AI 四、视频AI 将文字或图片转化为动态视频 Sora:视频时长与物理规律模拟的工业级标杆 Vidu:国产视频大模型,生动性与一致性表现出色 可灵:支持超长视频生成,动作流畅 即梦:抖音旗下的创意视频生成平台 海螺:人神态表现极其逼真,生成速度快 五、音频AI 涵盖音乐创作、语音合成和声音克隆 Muse AI:专注于音乐旋律与氛围创作 海绵音乐:字节跳动出品,适合短视频流行乐创作 Suno:目前的 AI 音乐创作天花板,人声极度真实 MakeBestMusic:零门槛的傻瓜式音乐生成工具 Minimax:业界公认的情感化语音合成专家 六、建模AI 从 2D 图片或文字生成 3D 模型,用于游戏或工业设计 混元3D:单图生成 3D 几何结构 Meshy:建模师推崇的工具,网格拓扑结构清晰 Meta:Meta 公司推出的高效 3D 生成技术 Tripo:支持极速生成高精度的 3D 模型 Rodin:专注于艺术级精度的高保真建模 七、办公AI 处理文档、表格、会议和知识库 WPS AI:深度集成在文档、表格和 PPT 中的全能助手 NotebookLM:科研/学习神器,擅长文档总结对谈 办公小浣熊:专注数据分析与复杂 Excel 任务 飞书妙记:顶级的会议转写与纪要自动整理工具 腾讯会议AI助手:实时整理会议重点,提升协作效率 八、编程AI 辅助开发者写代码、查 Bug、重构项目 Cursor:目前公认最好用的 AI 集成开发环境 Trae:字节跳动推出的自适应 AI 编程助手 Claude Code:编程专用工具,逻辑极强 Codex:OpenAI 的编程底层模型 Codeium:个人开发者极其友好的免费编程插件 每个AI都有每个AI的优势,可以根据自己的需求去进行AI的搭配 #AI #热门工具 #好物推荐

中文
40
67
268
16.7K