ElvisFLF

Try to get my ass out of this big shit-hole

[刘小排 @bourneliu66]

GPT-5.6 Pro绝对是最强编程模型，远超GPT-5.6 Sol和Fable 5。

以前我需要自己在网页里用它，麻烦。得益于 Codex 最近的内置浏览器体验提升，使用GPT-5.6 Pro现在终于不麻烦了。

我的新方法：
- 我不再亲自使用 ChatGPT Pro。
- 我让Codex在使用ChatGPT Pro。

详情
https://t.co/oyFG8haItC

[数字生命卡兹克 @Khazix0918]

https://t.co/n3zo6CFvS9

[ElvisFLF @ElvisFlf]

@JamesAI 幸存者偏差，线下实业老板的底色也还是各种无奈和身不由己，物理规律就决定了这种规模下的人际交往，摩擦不可能小，光应付各种“湍流”就足够让人疲于奔命了，长久以往还会改变人的性格

[ElvisFLF @ElvisFlf]

@lxfater 国内替尔泊肽很好买，这个问题不用半年就解决了，目前只有AI+替尔泊肽才能焕发中登第二春（宏观微观环境都太差了，活下去，到下个上升周期才有希望），Don't die

[Thariq @trq212]

We removed ~80% of the Claude Code system prompt for our newest models, this is what we've learned about writing system prompts, skills and Claude.MDs for them. https://t.co/6DZwSrZjE9

[IndenScale @david0520782123]

我们的智能体是

1，数据源
2，连接器，从数据源中提取 json string
3，本体，将 json string 反序列化为 Object
4，策略，对 Object 形成的 Graph 进行静态分析，产生 Diagnostic
5，数据绑定，将 Object 嵌入 Parametric Block 中的 Slot
6，生成，调用 Agent 补全 Generated Block，如果可追溯性非常高，我们甚至��限制 Agent 在写入特定 Generated Block 时 Scope 包含的 Block，依据哪些表达，哪些数据，做出特定判断的。
7，样式绑定，将 Content Graph 中的各个 Block，根据 Target Channel，选择 Style，渲染得到 Artifact。

[鸭哥 @grapeot]

GPT-5.6 的新 prompt guidance 最容易被误读成一句话：提示词要写短一点。

真正的变化不是少控制，而是别把控制浪费在替 Agent 规定每一步怎么走。把 GPT-4.1、GPT-5、GPT-5.6 的官方指南并排看，会看到控制从详细路线逐渐移到三件更难替代的事：什么算完成、拿什么验证、哪些动作必须停下来等人批准。

早期八步流程和自动化测试从来不是竞争关系。测试检查结果，过程指令帮助非确定性的 Agent 在长任务里别跑偏。模型更能理解上��文以后，问题才变成：哪些路线可以让它自己选，哪些边界仍然必须写死。

这篇文章把这条线和长文翻译系统里的实践放在一起讲。

https://t.co/Fdq7BWBPSX

[宝玉 @dotey]

分享一下我管理 Skills 的方式，偏极客风格，不一定适合所有人，但可以给大家提供一个思路。

一、Skills 只装在项目里，不装全局

Agent 的 Skills 可以装在全局（所有项目共享）或者项目内（只有当前项目能用）。我选择只装在项目内，最主要的原因是节约上下文空间。

Agent 在工作时有一个上下文窗口，你可以把它想象成 Claude 的工作台——台面大小是有限的。虽然 Skill 默认只会加载名称、描述等摘要信息（不会把完整内容全部摊开），但积少成多——全局装了几十个 Skill，光是这些摘要加在一起也会占掉不少工作台空间。而且一旦 Claude 判断某个 Skill 跟当前任务相关，就会把它的完整内容加载进来，全局 Skill 越多，被误触发的概率也越大，白白浪费空间。

只在项目内安装真正需要的 Skills，工作台上就只摆当前用得到的资料，把宝贵的空间留给更重要的内容，Claude 干活也更高效。

二、用软链接来安装 Skills

这是我管理方式的核心，先解释一下什么是软链接。

你可以把软链接理解成 Windows 的快捷方式——文件本体只有一份，但你可以在很多地方创建快捷方式指向它。改了本体，所有快捷方式指向的内容都会同步变化。

我的具体做法分三步：

第一步：把开源 Skills 项目下载到���一的目录

我在电脑上有一个专门存放 GitHub 项目的文件夹 ~/GitHub，所有下载的开源项目都放在这里面，比如：

~/GitHub/baoyu-skills ← 存放各种 Skills 的开源项目
~/GitHub/baoyu-design ← 另一个开源项目

这个文件夹就像一个仓库，所有 Skills 的原件都保存在这里。

第二步：在自己的项目中创建软链接

假设我有一个写作项目 ~/GitHub/baoyu-writing，里面需要用到好几个 Skills。我不会把 Skills 复制进来，而是创建软链接，让项目指向仓库里的原件：

项目内的路径 → 实际指向的位置（原件）
.agents/skills/baoyu-comic → ~/GitHub/baoyu-skills/skills/baoyu-comic
.agents/skills/baoyu-design → ~/GitHub/baoyu-design/skills/baoyu-design

第三步：给 Claude Code 建一个入口

最后再创建一个软链接，让 Claude Code 能找到这些 Skills：

.claude/skills → .agents/skills

这样 Claude Code 就能顺着这条链找到所有需要的 Skills 了。

三、不用记命令，让 Agent 帮你干

看到这里你可能会想：软链接的命令我记不住怎么办？

完全不用记。直接用自然语言告诉 Codex/Claude Code 你要做什么就行了，比如：

> 帮我把 ~/GitHub/baoyu-skills/skills/baoyu-comic 软链接到 .agents/skills/baoyu-comic

甚至更简单：

帮我把 baoyu-skills 项目里的 baoyu-comic 这个 skill 链接到当前项目

Agent 会自动帮你创建软链接，后续的维护、添加、删除也都可以交给它。你只需要说清楚要把哪个 Skill 链到哪，剩下的脏活累活让 Agent 干就好。

四、为什么值得这么折腾？

初次设置确实比直接复制粘贴多花几分钟，但后续维护特别省心，主要有两个好处：

好处一：更新只需一次。因为所有项目都是通过软链接指向同一份原件的，所以当开源项目有更新时，我只需要去 ~/GitHub/baoyu-skills 拉取最新代码，所有用到这个 Skill 的项目就自动变成最新版了。

好处二：修了 bug 可以直接反哺。比如我在写作项目里用漫画 Skill 画漫画时发现了一个问题，直接让 Agent 修���就好。因为是软链接，Agent 修改的其实是仓库里的原件（~/GitHub/baoyu-skills/skills/baoyu-comic），我可以直接把修复提交到开源项目，相当��顺手给开源社区做了贡献。

[数字生命卡兹克 @Khazix0918]

https://t.co/MMIg4krC44

[Pliny the Liberator 🐉󠅫󠄼󠄿󠅆󠄵󠄐󠅀󠄼󠄹󠄾󠅉󠅭 @elder_plinius]

https://t.co/BJw0DvwbBc

[ElvisFLF @ElvisFlf]

What I love about GPT-5.6 Sol in Codex: it turns messy context into verified work. This week it helped me build a cross-agent QA harness, trace a latency bug to root cause, and turn project evidence into stakeholder-ready decisions. It doesn’t just answer. It helps me operate.

[数字生命卡兹克 @Khazix0918]

最近几个月，好基友海辛和阿文一直在几个项目里高强度用Seedance做视频，在踩了很多坑以后，他们总结了一套很实用很详细的心得。

我看完了以后，觉得很受用，我自己也学到很多。

在征得他们同意后，也想分享给大家，因为我觉得对每一个想用AI做视频的人，也都非常有用。

先说一个反直觉的结论，大部分你在X和小红书上看到的Seedance提示词，都没什么用。

那些千��万转的帖子，华丽的prompt小作文，他们团队几乎都测了一遍，结果发现能用的没几个，反而浪费了大量时间。

这些提示词唯一验证的事，就是Seedance是真的不挑食，你写什么它都能生成点东西出来，但跟质量没关系。

其实写一段视频prompt比想象中简单得多，只需要填好四个部分：

1. 主体，就是画面里出现的主要人物。建议用图生图先出一张角色参考图，然后在即梦里新建主体，后面直接@就行，复用率极高。
2. 场景，上传一张场景图就够了。场景图里可以带上你的主角，这样能交代角色和环境的比例关系，不容易出现人物大小失调。
3. 音乐，这条非常重要，不要生成任何BGM，只生成对应的音效。BGM会严重干扰后期剪辑和配乐。
4. 镜头，言简意赅地写清楚每个镜头的景别和发生了什么就行，不需要长篇大论。

一个好的Prompt大概是啥样的，我也把海辛的截图放下面了。

除了Prompt怎么写之外，还有一些非常有用的心得：

第一，不需要往Seedance里放分镜故事板。很多人花十几分钟生成一张华丽的故事板，带镜头运动曲线带各种标注和表格，丢进去让Seedance生成，反而错漏百出。

第二，Prompt不是越长越好。很多人用AI写的提示词又臭又长，里面很多都是多余的描述和情绪渲染，上传过主体和场景参考以后就不需要再用文字重复一遍了，没有意义。而且如果一段Prompt连自己都读不完，那说明你对故事要发生什么根本就不关心。

第三，不要给每个镜头加时间戳，比如[0-3秒]这种东西，很多时候都是安慰剂，模型其实不会真的按时间戳来分配时长，对时长影响最大的反而是镜头的数量，所以不如用镜头01这种方式更好。

第四，不要盲目追求清晰度。目前对提示词响应最好的版本是720p，不是1080p，清晰度最后定稿了用Topaz放大到4K就行了。

而最最最重要的事，就是有了AI和Agent之后，我们的效率大幅提升，那省出来的时间应该花在哪呢？

答案只有一个：
构思你的分镜和故事。

绝大多数的技巧，最终都会被模型的进步所吞噬。
但相信我，你的故事。
它不会。

[Wes Roth @WesRoth]

Fable built me the ultimate "Second Brain"

why did I wait this long?

[AI Will @FinanceYF5]

源：https://t.co/IKBkz4LFp5

[Peter Yang @petergyang]

Something's wrong when people start making McKinsey 2x2 charts to try to understand what model and effort to use. Hope all of this can be simplified for regular users.

[dontbesilent @dontbesilent]

https://t.co/bYK10uEi91

[👺Jesse @JesseFriedland]

@petergyang @trq212 haha didn't you have @kunchenguid on your channel?

he's got a great tool called lavish that does this https://t.co/X9suL7jhfI

[Peter Yang @petergyang]

My process for a new project this weekend:

-> Use Fable to build plan.html with design guidelines
-> Use Claude Design to make components + screens
-> Get gpt 5.6 to build

[凡人小北 @frxiaobei]

LangChain 开源了一个很实用的小工具 OpenWiki。

功能很实用，用 agent 自动维护代码库文档。
基本原理：持续扫描 repo，把代码结构、API、模块关系整理成��读文档，并保持更新。代码变更 → agent 观察变化 → 更新文档 → 重新组织结构。

解决了什么问题就不展开了，相信很多人开发都整了各式各样的知识库。LangChain 出品的，值得一试。

https://t.co/RLCymEn8jh