leo

无明所系

[XDash @XDash]

刻意一个月不看 AI 的消息。结果���乎没错过任何。

这期间自己破圈到我眼皮底下的工具，比如 jev、Muse、Grokbot、REA，我更关注的是人们真正拿它做出了什么（生产级的/能赚钱的）东西，而不是玩具。回溯了一轮积攒的信息，大概不到 5% 的公开内容是此类真有价值的。

至于自己破圈到我眼皮底下的产业动态，比如唱衰世界���型、炒作 Personal AI、模型投毒实习生融资被挂，仔细想想，与我何干，与你何干，但凡最终不是想从美元资本那边一轮轮要钱讲三五年故事的，根本没必要占用自己的信道。

还有任何告诉你如何用大模型更省钱的教程。但凡不是指数级别的，只是省个仨瓜俩枣，也不值得看。因为照着搭脚手架会耗费一轮精力，等模型进化/降价/有替代方案后，拆脚手架又会耗费一轮精力，还可能不慎把系统搞崩，搭进去额外精力，得不偿失。

教人用 AI 做自媒体、开发工具软件的，我也不爱看了。这都是个供应过饱和的时代了，在供应端发力是内卷游戏，应该去研究社会民生的风向变化和市场端的趋势机会。

各种花里胡哨的 AI 交流会、黑客马拉松的总结，也别看。同行扎堆、缺乏门槛的线下活动，本来就不可能真有干货（有些名声大噪的收费社群的线下 AI 活动的内容，其实也就那样），再用 AI 写稿选一些发到线上来引流，能有什么好东西呢，都是些言过其实的光鲜包装。

出了啥新模型，评测下来如何，不用第一时间看。等一两周，出更多案例后，从大面儿上统一看（用 Grok 看 X 的民间评价更靠谱）。

国外大公司的老板说了啥，中高层怎么看待 AI，PR 内部怎么使用 AI，也大可不看。原因不用解释。这些东西只有线下开收费课，作为开场环节给台下老板们高屋建瓴一下有用。

哪个资历不错的行业明星 / 大佬 / ���天才又融资了，做啥方向，编出一个什么创业方法论 / AI 预判，不值得看。你问问他们自己信不信，再看看三个月后、半年后他们还在坚持吗。

综上，值得筛选流入到眼皮底下的 AI 内容不多。能直接指导行动的很有限。

BTW，这一个月我的自研系统还是在持续流入 AI 类内容，并没有叫停。但我找到了妥善利用它们的其他姿势。我不再关注信息的时效性和信息差本身，而是评估其他人对信息的反应，从而牟利。

[leo @LeoOVOTT]

codex和claude都有订阅，习惯了codex的操作界面，对于两者的调用，有佬有很好的建议吗？

[leo @LeoOVOTT]

嘎嘎嘎

[leo @LeoOVOTT]

@thsottiaux What I want to know is whether the reset will actually happen tomorrow.

[leo @LeoOVOTT]

@thsottiaux 我只是问了几个简单问题，没有什么项目，只是回答，为什么消耗以肉眼可见的速度增长，我真的很失望

[leo @LeoOVOTT]

@Damangou77 bb你好可爱

[leo @LeoOVOTT]

@thsottiaux Codex has been genuinely useful, but I burned through my limit by treating every small task like it needed a full investigation 😅

[Lonely @Lonely__MH]

🎉Codex 用户的福音来了！

早上打开 Codex 提醒使用子代理，正好看到 @Saccc_c 的推文， 完整实践了一下，思路方案完全可行！

不过，创建子代理的提示词还需要再完善一下，必须补充对应的描述和工作方式。

下面是我优化后的完整提示词��直接复制到 Codex 对话中即可：

------ 提示词 ---------

请在 ~/.codex/agents/luna-worker.toml 创建一个全局自定义子代理。

配置要求：

- 代理名称：luna_worker
- 模型：gpt-5.6-luna
- 推理强度：max
- 定位：快速完成边界明确、可重复的小型任务
- 工作方式：严格遵守任务范围，独立执行，在可行时验证结果，并简洁汇报结果、相关文件路径和注意事项

请写入以下完整 TOML 配置：

name = "luna_worker"
description = "Fast worker for clear, narrowly scoped, and repeatable tasks."
developer_instructions = """
Handle the assigned task strictly within its stated scope.
Work independently and use appropriate tools when needed.
Verify the result when practical.
Do not make unrelated changes.
Return a concise summary containing the result, relevant file paths, verification performed, and any important caveats.
"""
model = "gpt-5.6-luna"
model_reasoning_effort = "max"

执行要求：

1. 如果 ~/.codex/agents 目录不存在，请创建它。
2. 如果目标文件已经存在，先显示现有内容，不要直接覆盖；确认内容是否需要更新。
3. 创建或更新后，读取文件并验证最终配置。
4. 确保 TOML 语法有效。
5. 最后告诉我文件位置、完整配置内容以及如何在提示词中调用 luna_worker。

------

创建后，使用方法如下：

> 请使用 luna_worker 子代理完成以下任务：[填写任务]。等待子代理完成后，检查并汇总它的结果。

[XDash @XDash]

我把一本二十多万字的新书免费开源在 Github 了——《前置部署工程师：人工智能时代的客户价值交付秘籍》。

全本在线读，一分钱不收，地址在文末。

为什么要写这本书？从两组数字说起。

一组来自麻省理工学院：全球企业在生成式 AI 上烧了三四百亿美元，95% 的项目没能产生可衡量的回报。演示很惊艳，落地全阵亡。

另一组来自招聘市场：一个叫「前置部署工程师」（FDE）的岗位，发布量九个月涨了 800%。OpenAI 在招，Anthropic 在招，YC 一百多家创业公司在招。a16z 直接管它叫「科技行业最热门的岗位」。

两组数字放在一起，结论不难猜：模型已经不稀缺了，能把模型塞进客户真实业务里的人，才稀缺。

FDE 就是被创造出来填这道鸿沟的角色——驻扎在客户现场、把「产品能做的」和「客户需要的」接起来的工程师。Palantir 二十年前在情报机构的保密室里发明了它，如今 OpenAI 为它专门成立了一家估值百亿美元的「部署公司」。

在���看，它就是 AI 时代的前置位的「增长黑客」：一个新物种，一套方法论，一片还没人系统写过的空白。

这本书讲清楚三件事：这个角色从哪来、是什么；从找对问题到规模化复制的完整打法；以及一百多个真实案例，所有数据和案例都在附录里注明了出处，欢迎核查。

也坦白说：这本书是我派 AI 做的深度调研和撰写，框架仿照我十年前写《增长黑客》的那套结构——依然觉得它适合研究和布道各种新岗位。

我原本把它当成自己的学习入门手册，期间驱使 AI 也迭代了好几版。写完觉得，锁在硬盘里有点可惜，于是索性开源免费分享。

如果你正在考虑工程师的转型方向，或者在琢磨 AI 到底怎么在企业里落地，它应该能帮你省下几十个小时的检索时间。

📖 仓库在这，全本免费，欢迎 Star：

https://t.co/kyNVhJrPZQ

会持续迭代，有想补充的案例或想挑错的，Issue 和分支都开着。

——

顺手说一句：十年前那本《增长黑客》的全文开源版，也在我 GitHub 上（zengzhangheike-the-book）。一本是过去，一本是未来，感兴趣的可以一起拿走。

[leo @LeoOVOTT]

@thsottiaux You know what we mean.🫡