Leaf Yeah!

@AmberTreelet 见过好多大厂同事被 github劝退，不是因为 难，是因为没人给他们喂饭到嘴边讲清楚。这篇基本上把核心github用法串起来了哈哈。 我自己刚用github时候，觉得比较关键的几个点： • Commit 不是保存，是快照 • 除了看star，也看commit更新时间，以及我觉得issue和PR也很重要 • 新手也要敢去提PR

大无语！做抖音小红书最崩溃的不是没流量，而是审核规则像猜谜游戏。。。 你改了 10 遍的视频它说不行，你问哪里不行，它不说。 你终于发布前过审了，发布后它又说违规。。 就像买家具进门，四个角不行，三个角也不行 最后发现五个角可以。 但进去了又说家具得出去。人可以进，东西不能带 这就是为什么我开始认真测试 X 的原因。。

过年的时候，老父亲还跟我宣讲，AI时代多么的宏伟叙事。问了才知道，他开始用豆包了哈哈 拉着我和我妈，讲豆包各种神奇：帮他写稿子，还帮他搜索整理数据，还会说俏皮话。 我也不好说什么，只求他看结果时候，检验一下数据来源；询问医疗建议的时候，宁可使用蚂蚁阿福呢，嗯。 其实就算是用Agent工具，圈子内也挺不一样的。 在硅谷的朋友讲，国内龙虾爆火那段时间，那边基本上没人讨论open claw, 还是用Claude Code的多

刚刚去书店呆了一会，喝了杯咖啡。 Vibe Coding了 一会，发了一会呆。 找了点灵感～ 转头看到这里面很多的大学生或者附近上班or OPC的人，80%的人使用的苹果电脑或者iPad ！ 对一半的人在使用AI工具进行学习或者工作，有几个零零散散的人在使用chatgpt。 而且就是纯chat模式～ 没有看到有人使用大家每天日常使用的Claude or Codex！ 所以AI的发展还很早期…

@ai_xiaomu 虽然我用Codex多，但愿意留CC Codex也全能，但Claude Code更擅长深度创作 舍弃Codex 换款同类型Agent顶替，差距至少能补一下 舍弃Claude Code 文案类创作根本无从下手 抛开舆论风向与账号安全不谈，我偏向Claude Code Codex适配多场景确实够用，可GPT模型在文案功底这块，终究难以弥补短板

不懂就问： 如果让你只能保留一个AI编程工具: Claude Code 还是 Codex？ 不要回答"看场景"，必须二选一。

@jindanriji @xiangxiang103 再说，Gemini都想加入战斗了

@leaf_sanren @xiangxiang103 吊打claude🤣

难道是GPT 6要来了吗🤔？ 我今天看到OpenAI这个最新突破，真的有点被震撼到，彻底刷新了我对当下AI能力的认知。 就在今天凌晨，OpenAI悄悄干了一件改变科研格局的大事——他们的新一代通用推理AI，独立解开了困扰数学界整整80年的难题，就是埃尔德什在1946年提出的平面单位距离问题。 说实话，我一直以为，这种级别的百年数学难题，永远只能靠人类顶尖数学家一点点摸索、突破。而且过去八十年，整个数学界其实已经形成了固定共识，大家都默认方形网格就是最优解法，几乎觉得这个问题已经摸到天花板，没什么新空间了。 但这次AI的表现，完全跳出了人类的固有思维。 它没有沿用人类研究了八十年的老路子，自己摸索出了一套全新的构造方法，不仅实现了多项式级别的大幅性能提升，直接推翻了维持近百年的行业固有认知，最关键的是，它还完整推导出了无限多种最优配置，并且给出了严谨、完整的125页数学证明。 连菲尔兹奖得主都直言，这是AI在数学领域第一个真正意义上的突破性成果，是能记入数学史的重要时刻。 我以前总觉得，AI厉害归厉害，本质还是“整合已有知识、帮人提速”：写文案、写代码、做题、辅助工作，都是在人类已知的框架里做事。 但这次不一样。 这不是刷题、不是记忆、不是拼接已有答案，是真正的超长链条深度推理，是AI独立发现了人类从来没有发现过的新知识、新规律。 这一刻我才真切意识到：AI不再只是工具了。 以前是我们知道答案，让AI帮忙输出；现在是人类不知道的答案，AI能自主探索、推理、证明，给出全新解法。 这件事的影响，远不止数学领域这么简单。 数学是所有科学的底层逻辑。既然AI能攻克这种级别的顶级数学难题，那就意味着，未来物理、生物、医学、工程这些需要超高深度推理、超长逻辑链的科研领域，都会迎来彻底的范式变革。 往后的科学探索，不再是人类单打独斗。 AI会成为人类最顶级的科研伙伴，帮我们跳出固化思维、开辟全新的研究方向，把过去需要几十年、上百年的科研突破，压缩到极短时间里完成。 以前我们总觉得，AI颠覆生活、颠覆应用； 而从今天开始，AI正式开始颠覆人类的知识边界。 从帮我们改文案、写代码，到独立攻克世界级百年数学难题，AI的进化速度，真的远超所有人的想象。 真正的「人类+AI」的科学黄金时代，是真的到来了。

今天用 AI 处理一批大素材，又被提醒了一次： AI 给你的“完成感”，经常需要反查 我丢给它几份几千行、上万行的材料 它跑了很久，也说自己看完了 然后开始总结我的素材、风格和选题 乍一看很像完成了 但我点开它的运行过程才发现： 有个 53 篇文章的文件，它可能只读了前 10 篇 有些大几千行的材料，它可能只看了前 300 行 问题不是它没用 问题是它给结论的时候，不会主动告诉你“我其实只看了一部分” 所以现在我越来越觉得： 看 AI 的运行过程，有时候比直接拿结果更重要 结果给你完成感 过程才告诉你它到底有没有真的完成

OpenAI这个“大招”没咋见中文推友们聊，我斗胆吐槽下。 这个Guaranteed Capacity 💡 表面是打折，本质是锁定用户。 核心逻辑： 📝 1-3年合同 - 承诺年消耗，打7折 🔒 技术锁定 - 框架围绕 OpenAI 建，违约代价高 💰 金融操作 - 把弱收入转成 RPO（剩余履行义务） 关键数据： • 谷歌月处理 3.2 Codrn token，同比涨 7倍 • AI Autotra 从 $250 降到 $200/月 • OpenAI Q4 计划上市 这是对赌： OpenAI 赌成本降 >30% 企业赌供给持续紧张。价格战窗口正在关闭，先用合同锁住用户 ⚡️ 这可能是大模型战争的转折点。 当然啦，这个主要面向B端企业。 我等这种AI屁民，一个月token用量顶多5-6亿而已。主要是感觉有一股浓浓的金融味运作， 之前以为关注AI行业只要学技术就行了hhh

AI 工具订阅这件事 我以前也是能省就省 能白嫖就白嫖 后来有段时间，我一个月花了 90 刀只为了用更好的模型 一开始挺心疼 但用多了发现，差距不只是功能 而是推理深度、响应速度、上下文长度、工具调用稳定性 如果一个模型能帮你少走很多弯路 它就不只是订阅费 更像一个随叫随到的顾问成本 当然，前提是你真的拿它做事

@MaxForAI @theo 是啊，AI时代唯一的护城河就是不断迭代，没办法，此刻的辉煌不知道是开端还是终局

@leaf_sanren @theo 我也是2.5的时候一直在用，但是后面也不用了，感觉没有用的意义

新的Antigravity2.0 太烂，以至于在油管有53.7万位订阅者的@theo，都忍不住公开出来喷了。 他首先说自己其实很怕。 因为他的命根子在YouTube上，而Google过去真的因为他批评Google产品，限制过他的视频、影响过他的变现。 但这次他还是决定把话说出来。 原因也很简单： 他觉得Google已经不是做坏了一个AI产品或者模型这么简单，而是在亲手摧毁开发者对Google的最后一点信任。 之前大家还愿意相信Google和Antigravity的原因，不是产品好到无可挑剔，而是Google内部有几个人一直在认真听反馈。 Demetri、Jack、Gal。 这三个人长期和开发者社区沟通，会主动DM纠错，也会感谢正确批评，愿意接反馈，愿意解释方向。 所以他一直觉得GeminiCLI至少还在往好的方向走。 结果现在，这条线基本被Antigravity团队接管了。 而他认为Antigravity现在的问题非常严重。 甚至在官方发布视频里，演示时文件夹里甚至出现了一个叫「Codex」的文件夹。 他原话是：你们抄得太明显了，甚至连demo都藏不住。 更恶心的是，在他看来，Google不是没有好人。 Google内部本来有一批人在认真做开源方案、认真维护社区关系、认真让开发者相信他们。 但大公司内部政治一来，这些人的工作直接被替换掉。 Google花钱把Windsurf创始人挖进来做Antigravity，原来那些一直在社区里慢慢攒信任的人，反而被边缘化了。 这也是他最愤怒的地方。 Google不是缺模型、缺钱、缺TPU、缺研究、缺生态，Google什么都有。 但结果就是没有一个团队能被允许持续做完一件好东西。 每次你刚觉得Google里面有人可能把事情做成，那个人可能已经离职了，或者项目被另一个内部政治路线替换了。 他说得最狠的一句大概是：Google不是一家不在乎产品的公司，而是Google已经没有能力在乎产品了。 他现在甚至更相信Cursor，而不是Google。 因为Cursor至少看起来更像一家真的知道开发者需要什么的公司。 Google的问题是，它拥有所有正确的资源，却总能把结果做成最差的样子。 把一个原本还愿意相信Google、还愿意帮Google内部好人说话的人逼成这样？ Google，你到底在干什么？

@snail_9106 还有一个野路子，去日活量大的短视频平台，发一个30秒到一分钟的干货视频，然后放一个领取材料的路径，引流到公众号。公众号一百粉，也就是视频几千播放的事儿

看到很多朋友问做公众号没有100粉丝，不能开通流量主怎么办？不知道怎么找10W+对标怎么办？ 手把手示范一次 流量主开通 我们去神奇的黑市搜“流量猪”“公众号”关键词，看到这样的你放心去开就好了 怎么找对标？ 你刷到一篇文章觉得很烂，但是流量很好的时候，复制标题去微信搜一搜，全部下拉菜单选最热、文章、七天，出现的所有账号都可以是你的对标 好了下课

@AYi_AInotes Onlyfans笑的最开心的一次

holy shit，游戏开发的门槛，刚刚被 Grok 一脚踹飞了🤯 一句提示词出角色图→图片变动画→视频自动拼成 spritesheet→直接丢进 Unity 跑起来， 全程 4 步，几分钟， 以前这活要美术+动画师干好几天， 以后做游戏真的只要张嘴就行了是吧🤣 具体拆一下 Grok 这次演示的管线: 1️⃣ 生成角色图 跟 Grok 说一句提示词，比如"特斯拉 Optimus 机器人，白背景，全身居中"，几秒出高清图。 2️⃣ 图转视频让角色动起来 用 Grok 的图片转视频功能，走路、挥手、跳跃随便选，几秒出动画。 3️⃣ 视频自动拼 spritesheet 后台有个叫 Asset Forge 的插件帮你把视频逐帧拆好拼成一张大图，不用手动抠。 4️⃣ 丢进引擎直接用 spritesheet 导入 Unity 或 Godot，角色立刻就能跑能跳。 视频里那个橙色卡通 Optimus 就是现场聊着天做出来的。 最狠的是迭代速度， 传统做法改个动作:重新渲染、重新导入，动辄几小时。 现在:在聊天框里说"加个跑步动画""改成赛博朋克风"，AI 秒改，实时预览。 反馈循环从"天"变成"秒"。 而且这还不是AI 画个图让你导出用那么简单，它是让AI 直接进入游戏引擎工作流，实时生成可运行的资产。 这意味着以后 solo 开发者一个人真能顶一个团队了， 周末花几个小时搞出一个可玩的游戏原型不再是梦了。 想试试的朋友直接 @Grok，用提示词"特斯拉 Optimus 风格的卡通机器人，全身，白背景"起步就行🤖

Codex 不是聊天机器人，是会干活的数字员工 💡 小树写了 15000 字保姆级教程，核心发现： ✅ 零基础可用 - 不需要懂命令行、配置文件、编程 🗂️ 四文档法则 - AGENTS.md + PLAN.md + IMPLEMENT.md + DOCUMENTATION.md 🔄 反复协作 - 不是一次生成，而是"生成→测试→反馈→优化" 关键场景： • 整理文档资料 • 分析 CSV 数据生成 HTML 报告 • 从一句话生成网页/小游戏 避坑指南： ❌ 报错就删重来 ✅ 保留现场，说清"做什么→报错内容→期望结果" 普通人进入 AI 协作时代，从第一次把想法做成能跑的东西开始 ✨

感谢分享！我补充一个给GPT5.5 的官方提示词，放Codex特别特别适配： 若发现视觉UI瑕疵，请在渲染后提出检查要求： Render the artifact before finalizing. Inspect the rendered output for layout, clipping, spacing, missing content, and visual consistency. Revise until the rendered output matches the requirements.

@FakeMaidenMaker 感谢分享！之前我跟着一个开源项目github.com/shareAI-lab/le…，系统了解了下什么叫“all you need is bash” and a loop. 现在也对比看看这套教程！💪 提升时刻

GitHub 上一个叫《Learn Harness Engineering》的开源课程最近上了 Hacker News 首页（155 分、5.1k stars）， 主题是 AI coding agent 的可靠性工程——也就是 OpenAI 和 Anthropic 最近几个月一直在讲的 harness engineering。 github.com/walkinglabs/le… 作者是清华 SIGS 的开源团队 walkinglabs，课程内容 12 节 lecture + 6 个实战项目，全部围绕同一个压轴项目（一个 Electron 知识库 app），目前已经有 13 种语言版本。 核心讲的是这几条： 1、Harness Engineering 是新概念但绝不只是营销： OpenAI 2026 年 2 月在 Codex 官方博客正式提出，Anthropic 同期发了两篇配套工程文章。这门课是把这两家分散的工程内容系统整理成中文可读的体系，不是发明新东西； 2、核心论点是模型不是问题，环境才是： Anthropic 自己跑过一个对照实验，同样的 Opus 4.5、同样的提示词（"做一个 2D retro 游戏编辑器"），没 harness 花 $9 跑 20 分钟出不来；有完整 harness（planner + generator + evaluator）花 $200 跑 6 小时跑出来一个能玩的游戏。差距不在模型，在环境； 3、Harness 的 5 个子系统： Instructions（agent 看什么）、State（已经做了什么）、Verification（怎么算完成）、Scope（一次只做一个 feature）、Lifecycle（会话起手和收尾）； 4、最小起手 4 个文件： AGENTS.md（操作手册）、init.sh（每次起手跑的环境检查脚本）、feature_list.json（机器可读的功能边界）、claude-progress.md（会话之间的进度交接）。这 4 个文件直接丢进你现有代码库就能用，不用读完 12 节课； 5、为什么 agent 总是搞砸（课程反复回答的几个问题）： 一次想做 3 件事但 3 件都只做一半；说"done"但其实 test 跑不过；跨会话完全没有记忆，这次写到一半下次重头来；没有验证流水线就没有真完成（只有 test pass + lint pass + e2e pass 三件齐了才算）； 6、6 个项目渐进式演进： P01 prompt-only vs rules-first 对照看差距、P02 把代码库改成 agent 能读的结构、P03 跨会话续接、P04 加运行时反馈控制范围、P05 让 agent 自验、P06 完整 harness 加可观测性； 7、压轴项目是个 Electron 知识库 app： 每个项目的答案就是下一个项目的起手代码——app 在演进，你的 harness 技能也在演进； 总结： "AI agent 工程师"这个角色正在从"会写提示词的人"变成"会搭 harness 的人"。 这门课本身不算硬核，但它把 OpenAI 和 Anthropic 两家工程博客分散的内容系统整理成了中文索引，对中文圈想入门这个方向的人来说，能省下读 5 篇英文工程博客的时间。

我现在判断一篇 AI 内容有没有价值，会先看它有没有“来源边界” 亲测就是亲测 转述就是转述 整理就是整理 猜测就是猜测 这几件事不能混在一起 尤其是小号冷启动阶段，最缺的不是观点 是信任 为了追热点，把没用过的东西写成“我试了” 短期可能像内容 长期是在透支账号

看完后记住的东西： 以前：人要学 Git，理解 branch/commit/PR 现在：AI 懂 Git，人只需要说话 场景： 产品经理语音输入想法 Agent 自动整理成 Markdown 提交 PR，技术 review 合并到主线 关键是： • 飞书对 AI 是外部黑盒 • GitHub 是 AI 的母语 • 本地仓库 = 完整上下文 代码和文档的边界正在消失 未来的协作不是"编辑文档" 而是"show me the code" AI Native 时代，基础设施要重新选 ✨

@ai_xiaomu 同意啊，目的是让喜欢的人更喜欢，让相信的人更相信，强扭的瓜不甜呢！ 最近也在学着小木分享的起号教程，去输出内容。先谢过🙏

做账号1个月最重要的认知： 你的目标不是"涨粉到X万"，是"找到那批会持续看你内容的人"。 涨10万泛粉，1万人变成粉丝 → 真实读者1万 涨5万精准粉，4万人变成粉丝 → 真实读者4万 后者的变现 / 影响力 / 可持续性，都比前者高几倍。 做账号不是"做爆款"，是"建私域"——爆款只是路径，私域才是结果。

@changloria0816 哈哈哈半夜3点照样可以开call

@leaf_sanren 对对 绝对值得 而且花这点会员费相当于聘请了最顶级的大脑

真心跟大伙唠句实在话，当下想高效搞定线上各类事务 选Claude Code或是OpenAI任意一个平台就行 直接入手max套餐，别舍不得这点投入 入手之后市面上90%以上的互联网相关工作都能轻松搞定 如今AI技术迭代速度远超所有人预想，发展势头十分迅猛，这话绝非夸大空谈 别纠结这些会员费用，这点开销根本不值一提，比起金钱，个人宝贵的时间才是最值钱的，尽早上手体验，趁早抓住效率红利