SC70836

[Amto @XAMTO_AI]

有兄弟把一整堂Claude实操课直接白给了，足足1小时，全程不跟你扯虚的，全是拿Claude搭东西、跑自动化、甚至往口袋里薅钱的操作。

a哥刚刷到的这个，确实有点离谱了。

你少追一集剧，把这1小时吃透，明天睁眼可能就多了一门能变现的活哈。

白送还手把手教，你说香不香？

关键人家压根也不卖课。

[鸭哥 @grapeot]

2026 年，一批团队又开始 fine-tune 小模型了。

不是为了让模型更聪明，而是为了把每千次调用成本从几十美元压到 0.5 美元。

FermiSense 用 500 美元 GPU 训一个 9B 模型，在电商目录审核上超过了 GPT 和 Claude；Intercom Fin Apex 客服解决率 73.1%，成本只有顶级 API 的五分之一；Bridgewater 金融文档研判错误率降了约 30%，推理成本降 13.8 倍。

同一条路，视觉端也能走：12 万帧车库监控，839 张人审样本，本地线性分类器 AP 0.97，零 API 成本。

但证据有边界——多数高分是厂商自报，测试集不公开。生产里更常见的是混合路由：小模型扛 80%–95% 标准请求，难例再交给顶级 API。

判断标准其实很简单：高频、窄领域、输出可自动打分，才值得 fine-tune。否则 prompt caching 加检索就够了。

完整 landscape、证据强度表和 2×2 决策矩阵：
https://t.co/xPIKquksru

[摆烂程序媛 @wanerfu]

Claude Code 有个新插件 Ponytail，能把 AI 生成的冗余代码砍掉 80-94%

AI 代理写代码时总是生成一堆用不上的东西，浪费 token、拉高成本、增加复杂度

Ponytail 的做法很直接：在写代码前强制 Claude 先检查
→ 这个功能已经有了吗
→ 现成库能解决吗
→ 真的需要新写代码吗

结果就是代码更干净、维护成本降低 47-77%、任务速度快 3-6 倍

完全免费、开源、直接装插件就用

值得一试 👇
https://t.co/XvHmEIf8rH

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

Claude、Cursor、codex，看着挺能干，真让它们干活就露馅：

1️⃣ 搜不了推特
2️⃣ 读不了小红书
3️⃣ B站字幕看不了
4️⃣ Reddit、YouTube、GitHub 全抓瞎

以前只能自己找 API、交钱，还天天被封，烦死。

现在一句「帮我安装 Agent Reach」就完事，Twitter、小红书、B站带字幕、Reddit、YouTube、GitHub、网页、RSS、雪球、LinkedIn 全打通。一个 CLI，零 API 费用，挂了自己换路，doctor 一键体检。66.5k Star 的开源货，是真管用。

别再让你的 Agent 两眼一抹黑了。

🔗 https://t.co/3rKXJd9Dw7

[爱丽丝呀！ @BTCqzy1]

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！

长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。

分享一个我在用的提示词，能省不少无效token：

“当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。

文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。

请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。”

下次继续项目时，第一句话只需要输入：

“请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。”

这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。

更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。

你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

[阿西_出海 @axichuhai]

这个登上GitHub热榜第一的开源项目，简直是今年秋招的王炸，目前已斩获 2.9w+star

作者是一位地球物理学家，被裁员后搭了这套求职框架，用它投了69份简历、拿到20个一面，最后成功入职AI工程师

它基于 Claude Code 构建，只需把个人简历丢进去，从技能、经验、发展方向和岗位要求等多个维度评估岗位匹配度

量身定制简历、撰写求职信、生成面试备考包，双 agent 互审把控质量，全链路追踪求职进展

从简历准备到拿到 offer，对目标公司和岗位的全面分析，还能给你生成针对性的能力补全学习计划，面试后持续复盘迭代

[逸尘 @gengdaJ]

一个超级Skill，让你的Codex增强十倍！

开源一套我花了数月打造的Codex组合技：yichen-web-research Skill——涵盖全网和社媒搜索、社媒读取下载和归档、私人收藏链接导出和音视频ASR转写。

四个核心Skill：
⓵ yichen-unified-search：Codex的眼镜——全网+社媒搜索，适合深度思考问题、查找实时信息、搜寻开源工具......
1. 全网网页、新闻、官网：AnySearch 公共搜索。
2. 法律、金融、学术、安全等垂直领域：AnySearch 垂直搜索。
3. GitHub：gh search 搜索仓库、代码、Issue 和 PR。
4. 微信公众号：OpenCLI，通过搜狗微信进行匿名公开搜索。
5. 小红书：OpenCLI，读取Chrome登录态进行站内搜索，需要当轮授权。
6. 抖音：OpenCLI，读取Chrome登录态进行低频站内搜索，需要当轮授权。
7. 今日头条：OpenCLI，使用专用匿名环境搜索文章和图文内容。
8. X/Twitter：Grok OAuth＋grok-consult，执行X平台公开内容搜索。
9. B站：bili search，匿名搜索公开视频和相关信息。
10. YouTube：yt-dlp ytsearch，匿名搜索公开视频，只提取信息和链接。
11. 小宇宙：AnySearch，通过 site:https://t.co/KADcC1lXLl 搜索公开内容。
12. 其他指定网站：AnySearch，通过 site:目标域名 搜索已被公开收录的页面。
13. 多关键词批量搜索：AnySearch batch_search，并行搜索多组关键词。
14.未指定平台的社交媒体讨论：AnySearch 的社交媒体垂直搜索，先发现公开候选。

⓶yichen-content-archive：读取用户直接提供的网页、小红书、抖音、公众号、YouTube、B站和小宇宙链接，并且下载归档。
1. 普通网页：用 Jina Reader 或 Web Reader 提取正文并转换成Markdown。
2. 小红书：解析网页中的 INITIAL_STATE 获取正文、图片和视频直链，必要时经授权使用登录态。
3. 抖音：用 Playwright监听视频详情接口，提取元数据和无水印视频地址。
4. 微信公众号：通过公开文章解析接口读取单篇正文，批量文章使用本地公众号归档工具。
5. YouTube：用 yt-dlp 读取视频信息，下载视频、音频、字幕或枚举播放列表。
6. B站：用 bili-cli 读取视频信息，用 yt-dlp 下载视频或枚举合集。
7. 小宇宙：匿名解析单集页面中的音频地址并下载，播客清单需要OpenCLI授权枚举。

⓷yichen-bookmarks-export：只读导出小红书、抖音、X 的私人收藏链接。
1. X：使用本机 Field Theory CLI，读取 Chrome 登录态并调用 X 内部 GraphQL Bookmarks 接口，同步到本地索引后由 Python 脚本导出链接。
2. 小红书：复用已登录的 Chrome 会话，进入收藏页后自动滚动，通过页面 DOM 提取笔记链接并去重，保留 xsec_token，不导出 Cookie。
3. 抖音：复用已登录的 Chrome 会话，滚动收藏列表并解析页面中的 /video/<id> 和 /note/<id> 链接。

⓸yichen-asr：用 Step ASR 或豆包 ASR 转写已有音视频。两者效果差距不大，豆包略微好一点点。
1. 阶跃星辰Step ASR大概一个小时一毛五：https://t.co/HQWPQUq0G4
2.火山引擎豆包ASR大概一个小时一块钱：https://t.co/OYYbb4HiTy

yichen-web-research Skill相当于一个入口，如果没有特殊指定，你的所有上述相关的操作会自动分配对应的Skill，如果能记住单独Skill的名字，也可以单独调用。

让你的Codex起飞吧：https://t.co/VE3MQMpGN8

[智享 @CycleDecoded]

这波属于是把 AI Agent 的门槛直接给砸穿了。HKU 又出了个神仙项目，不用写一行代码，用自然语言就能自动组装并演进一整套 AI 工作流。

项目介绍
香港大学 (HKUDS) 开源的 AutoAgent，目前 GitHub 已经拿下 9.5k+ Star（MIT 协议）。主打全自动、零代码搭建 Multi-Agent 架构，甚至自带类似 Deep Research 的深度研究模式，直接对标那些收费大几百美金的 AI 引擎。

核心卖点

零代码自然语言搭 Agent：直接用大白话提需求，系统自动生成工具、智能体和整个协作工作流。

完全免费替代 Deep Research：内置 User Mode 深度研究助手，调用 Claude 3.5 或 DeepSeek-R1 效果直接拉满。

自我演进与代码生成：遇到不会的功能，它会自己写代码扩展工具库并迭代更新。

无缝对接主流模型：支持 OpenAI、Claude、Gemini、Grok 及各类本地开源大模型 API。

🔗 链接
GitHub：https://t.co/umiCs3249T

[铁锤人 @lxfater]

微软刚刚开源一个项目，能把录屏转化为skill

大家可能以为这个东西和RPA一样，记录你的操作，然后原样复现。但实际上，它会分析“你想做什么”，然后找到最佳的方式让它变成skill。

举个例子：它发现你在用软件压缩视频，就可能考虑用ffpemg来压缩

死板的基于流程的RPA已经是过去，试试这个吧。
https://t.co/eYoJiEF6ON

[李韭二 @li9292]

https://t.co/5os14LxIa5

[智享 @CycleDecoded]

搞 AI 向量数据库和 RAG 的兄弟们可以少走半年弯路了！

GitHub 上爆火的这个项目，直接把“实时数据 + 向量检索 + LLM 管道”给合体了，写 30 行 Python 代码就能秒搭一个企业级 RAG 系统，完全不用去搞各种复杂的向量数据库配置！

这是 Pathway 团队开源的 llm-app（GitHub 斩获 5.9 万+ Stars，MIT 协议开源）。它最离谱的地方在于“全自动实时同步”——你的 Google Drive、SharePoint、S3 或数据库里文件一改，AI 知识库瞬间自动刷新，根本不需要手动重新跑嵌入或者手动触发同步！

🎯 核心杀手锏：

零向量库门槛：内置内存向量索引，不依赖 Pinecone 等第三方服务，几行代码跑通。

实时热更新数据：完美对接 Kafka、PostgreSQL、SharePoint，源头数据变了 AI 马上知道。

开箱即用云模板：预置大量 RAG 与企业搜索模板，直接打成 Docker 镜像就能上线。

商业无忧：采用 MIT 宽松协议，不管是自己玩还是做公司商业项目都能随意搞。

还在等啥，自己去看。

🔗 传送门：https://t.co/C2uOviLjco

[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。

[余温 @gkxspace]

原来 Codex 可以开 Luna Max 子代理啊，但是要自己配置，那这下彻底省钱了，让 Sol 规划 Luna 去执行：

首先你要去打开 Max：
1、Settings → Configuration
2、Available reasoning efforts 勾选 Max

接着把下面这段提示词发给 Sol：
-----
在以下路径创建一个名为 luna_worker 的自定义 Agent： ~/.codex/agents/luna-worker.toml 使用以下配置： model = "gpt-5.6-luna" model_reasoning_effort = "max" 请为这个 Agent 补充清晰的 description 和 instructions。 luna_worker 只负责处理范围明确、边界清晰、可以独立完成的委派任务，不负责修改整体任务目标，也不要自行扩大工作范围。 请保留我现有的其他 Codex 配置，不要覆盖或删除无关内容。 创建完成后： 1. 根据我当前安装的 Codex 版本检查配置格式是否兼容； 2. 展示本次修改产生的 diff； 3. 确认配置有效； 4. 后续需要调用子代理时，优先使用 luna_worker。
-----

那之后 Luna Max 就可以作为子代理，处理各种子任务，还都是独立上下文，省钱了。

[智见AI-大鹏 @zjp1997720]

🤣卧槽，兄弟们，我这个 Skill 的含金量又被拉爆了！🫡

GPT-5.6 Luna 降价 80%。把推理拉到 XHigh / Max 后，是一个非常适合批量干活的强 Worker。

现在大家都在研究一套组合：
Sol 做主控 Agent，负责规划、拆解和验收；Luna 做 Worker，负责并行执行。

思路没问题，但 Codex 里有个很容易踩的坑：

原生 MultiAgent V2 虽然支持指定 Model 和 Effort，但当前原生 spawn_agent 只开放 Sol、Terra，根本叫不出 Luna。

我开源的 codex-model-routing-team，正好把这条链路补上了：

默认不走原生 spawn，而是通过 Create Thread，为每个 Worker 明确指定 Luna XHigh；高难、高风险任务再升到 Luna Max。Sol 留在主控位统一把关，Luna 并行吃掉执行量。

它也不只是一个简单的「模型路由器」。
并发上限、数据边界、风险闸门、失败回退、单写者和主 Agent 验收，都已经被固化成一套路由协议。

最终得到的是一支真正可控的模型团队：
强模型守住判断，便宜又强的模型吞掉执行；质量、成本和速度同时受控。

如果你也在折腾「Sol 主控 + Luna Worker」，这个skill给我狠狠的用起来。

项目地址：
https://t.co/XbEdrQiw9U

欢迎star~☀️

[Kiko @hi_kiko0127]

确实好用啊，codex做口播视频更可控
只需要将一段声音样本、一张照
片、你的口播文案交给codex， skill 会帮你检
测素材是否可用，管理素材，生成15s样片，
确认后生成完整视频， 中间卡点也完全不用担
skill 会自动续接， 不会重复

[Jasper Wei @Jasper_Wei1]

Kimi 的插件确实牛逼，精准抓住了男人用AI的尽头是炒股

接入Wind据我所知目前是独一份的，国内做投研的都知道wind数据的含金量

就这套东西自己用来做小型量化系统，做投研分析系统一点问题没有，Kimi帮你解决了关键的数据问题

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

风水绝版书110本，全给你扒出来了❗

形法理气、阴阳宅秘传技法都有，还有一堆民间失传的抄本、明清秘本。搞传统堪舆这些老东西的，这波资料是真难找，看到就赶紧存，晚了指不定就没了。

🔗 https://t.co/xaNMJwyTTK

[娜美知识库 @fhwofjow51260]

《How it works》是风靡全球的青少年科普百科杂志，《万物 How it works (2009-2024)》 10.5GB

千万青少年家庭。它用图文并茂的方式，讲述万物背后运转的科学原理，横跨七大学科，涵盖环境生态、交通运输、工程机械、太空探索、自然科学、历史人文、生物医学等各领域

🔗：https://t.co/FBwso2eSTT

[Fang @FLMdongtianfudi]

用Codex跑通精品AI短剧全流程，附3种Skill技能

https://t.co/p0uqYNL9TD

[Fang @FLMdongtianfudi]

中医书籍大全3380本

收录3380册中医读物，涵盖经典古籍、基础理论、针灸推拿、方药方剂及养生食疗等，适合从业者与爱好者研读收藏。

链接：https://t.co/agDs0o0VD1