codex在github论文怎么做

只需要四步，就能够让你的 cloud code 直接调用 codex， 实现 ai 生态最强的一套组合。这套组合可能是普通人能够把想法变成真实落地项目的最优解。 为什么这么说呢？现在 ai 写代码本质上就很离谱，一个模型自己规划，自己生成，自己修，最后再自己说一句，我写的挺好，这像什么？像一个学生自己出卷，自己答题，最后自己在批卷， 这个事听着就不对。 ai 编程最大的问题从来不是不会写，而是太敢写。很多代码表面看起来没问没毛病，能跑也能翻译，甚至功能也是通的，但一上生产，坑就开始疯狂往外冒。 所以这套组合真正的价值就体现出来了。我从两个维度给大家分解一下。第一个维度， code 负责干。 这是一种非常自然的分工复杂，项目里最贵的部分往往不是把代码敲出来， 而是怎么拆任务，怎么定价购，怎么判断方向，以及怎么选择实现方式。这些事交给可洛的这种强模型非常合理， 但后面的执行 codex 完全可以接过去，这样一来，整个工作流会变得更顺，也更省。说白了就是贵的模型干贵的活，便宜的模型干重体力活。第二个维度， codex 最狠的不是执行，而是审查。 这个点我必须要单独拎出来说。就是 codex 有 一个我特别喜欢的思路，叫 underwear review， 翻译成人话就是别对这段代码太客气，默认他有坑，带着敌意去审。因为大模型写代码最大的幻觉之一就是他很容易对自己太宽容。 一到自查这一步，很多时候他就开始放水，而对抗性审查的意思是，我不信你，我先默认你写答了。 那这套组合到底适合哪些人？第一种，重度使用 cloud code 的 用户。第二种，对成本特别敏感的人。第三种，已经开始做真实项目的人。 以上就是我对 c c 和 callex 的 个人感受，希望这期视频对大家有所帮助，感谢观看，下期见。

兄弟们，这是一个在 github 上热度很高的多 agent 调度框架，通过它可以把 cloud code 武装成一个超级开发团队。它内置了九十八个专家 agent， 覆盖从架构设计、文档拷写、研发、测试到运维的全链路。 并且这些 agent 不是 孤立运行，它会通过一套类似女王领导蜂群的机制，由核心 agent 整合分工，让所有 agent 共享集体记忆，然后通过共识算法达成一致，有序稳定地完成复杂任务。 在性能方面，它集成了基于 h n s w 所隐的向量记忆，能在亚毫秒级完成记忆解锁。配合其自主学习机制，系统会自动从历史任务中提取成功模式，沉淀为可附用的经验，应用到未来的工作中，持续提升任务处理的准确率。 另外，它还支持 a 阵联邦，可以把不同机器上的 a 阵连在一起，让它们在确保各自数据不泄露的前提下，远程协助，共同完成一项大工程的开发。 具体怎么使用呢？你可以以插件的形式把它安装到 cloud code 中，然后你正常使用 cloud code 就 行， 它会在底层默默起作用，根据任务类型智能调度各个 agent 完成工作。你也可以直接用它提供的 web ui， 以对话聊天的方式启动 agent 蜂群，帮你干活。这个项目采用 mit 协议，完全开源，免费。

之前 ai 做 ppt 最让人头疼的就是排版乱，审美差，内容不成体系。但这套论文答辩 ppt 是 用 codex 加 gbt image two 自动生成的， codex 负责读论文拆结构， gbt image two 负责生成高质量的页面视觉， 我现在直接演示完整流程，看完相信你也能够复现。首先我这里准备了一个答辩 ppt 的 文件夹，里边有一个大论文 的文，还有一个校徽，作为一个视觉的参考。那接下来我们在 codex 添加新的项目，使用现有文件夹， 然后选中刚刚的答辩 ppt， 打开，这样的话，这个新绘画的所有的上下文就跟这个答辩 ppt 这个项目做了关联。那么接下来给它输第一段提示词，就是提炼 ppt 的 结构，让它生成十八到二十页的大纲，适合八到十分钟的答辩。最后输出一份 md 文档， 那我们这里选的是 gpt， 五点五智能选超高，然后速度就按标准就可以了。 ok， 我 们给它发送，然后我们稍作等待， 这里出现了读取 pdf 的 技能，那如果没有这些插件的话，去把它安装一下，当然默认它好像就是安装的，我也不太确定。比如说 documents， 如果没有安装的话，你把它安装一下插件，那插件里边还有一些，呃，做 ppt 的 这个 presentations 这个插件，还有做表格处理表格的这个插件，这些可以去安装一下，点一下就可以安装了，很简单。那我们再等待它一下， 经过三分三秒钟的等待，这个结果是生成了，我们可以点这个悬浮的这个框，点开一下这个 md 文件，里边就是大纲了，大概是二十页。 ok， 大 体看上去没有什么问题。那我们接下来给他第二段提示词，然后让他确定一个 ppt 的 风格。 这里需要注意的就是，我们必须调用他的一个技能，叫我们使用 at， 然后 image 这个技能，这个技能是他可以直接使用 gpd image 来生成非常逼真的那些图片。呃，里边的一个字都不会错的那种，大家都刷到过那种图片估计。然后我们让他生成 这里给他说，根据学校上传的 logo， 啊，不对，根据上传的学校 logo， 也就是当前这个文件夹下不是有个 logo 吗？他会参考这个视觉元素去生成一套方案。 ok， 又经过三分二十四秒钟的等待，他生成了视觉方案，大体上看还是符合屈服蓝大学调子的，看上去没有什么问题。不过呢，这个东西有点像开盲盒，我刚刚又在另外一个绘画里边让他生成了一下，这个看上去就更有那个学术味。 呃，所以说呢，跟提示词也有点关系，然后跟这个东西生成它本身都是随机性的嘛，所以有点想开盲盒。那既然这样，我们就继续这个再继续做吧。然后我们下一步就是参考，让他参考上面的这个视觉方案和 md 文档，就是这个答辩的 ppt 结构，然后使用 image 键技能。这里必须要艾特一下 image image 键 图片生成技能，生成全部的 ppt 页面，最后拼装成一个大的 ppt 演示文稿，然后让他起用演讲者注视，然后注视里面添加备注。嗯，不要添加任何的元素，然后避免破坏 ppt 的 图片，我会这样让它生成。 那在生成的过程中呢，他还有所顾虑，有点谨慎，他说容易出现错字，也就是生成的那个图片容易生成错字。他提了一个更稳妥的做法，就是生成到视觉图片作为视觉追踪，然后用程序渲染成 png。 但是我直接给他说，哎，不会出现错字，大胆的生成就完了。 这样的话，它生成的二十页资产最后全部都会完整的保留，不会再那个出现可以编辑的文字了，这样的话视觉完全统一，它最后只会在答辩的那个演讲的注示里边添加文字， 这样它现在正在一页一页的生成。 codex 现在的用户体验已经和 cloud 的 桌面版差不多了，你看这里也有这个进度显示，这边点开之后也会有资产的显示，这里是这个实时进度，这里是生成的一些结果 本身。虽然他是面向程序员提供的产品，不过他现在越来越像一个超级的终端啊，不是超级的那个智能体，面向普通人也可以用了。你看在他的设置里面打开设置，我们可以选中这个适用于日常工作的，如果你是不是技术人员的话，你可以选这个模式，那他会回复的过程中会少一些技术性的话语，这样的话看起来更纯净。 ok。 经过了四十三分钟之后，终于生成了 ppt。 它生成慢的原因主要是那些图片一张张的特别慢，我们打开这个缩略图先看看，哎，看上去没有什么问题，视觉上比较统一。那我们继续使用 wps 来打开这个 ppt 看一下啊，看一下，第一眼看上去这个字什么的都没有什么错。然后我们先看一下缩略图，看看整体是什么样，一个感觉 整体上差别也不大，整体的视觉元素，视觉语言保持的还是比较一致的。然后我们看一下细节，第一个问题就是我看这个 logo 好 像有点问题，不过这也好处理，直接把那个 logo 图片导进来给他盖住就可以了。下面这些基本上是没有什么要改的，直接来自论文里面，然后他还生成了备注，这底下有批注啊，这底下有备注，到时候可以照着读的。 然后我们翻一翻，翻一翻大概就是 logo 是 最大的问题，其他的都问题不大，没有什么错别字，哎，这里代码什么都是能做表，然后这个图，这个图表也非常的 nice， 然后这个也可以，都是比较可以比较，可以可以用 哦。我发现还有个问题，就是屈服师范大学底下这个白描的图也有点不对，这不是屈氏大典的元素，不过这个也好解决，让他单独再生成一下这一页就可以了，可以让他给他一些参考，给他一些图片作为参考，让他知道真正的屈氏大的那个图片，然后参考可以生成更逼真的白描， 那整体上就是这个过程。我们最后再来总结一下，我们看一下这个绘画，整体上就是这一个绘画。首先是在这个项目里面有个答辩 ppt， 里边给他提供了我们的完整的论文，还有一个 logo， 学校 logo。 然后第一步要求他生成 ppt 的 大纲，这个大纲就是在这里， ppt 大 纲生成完了之后，我们再让它形成一套视觉方案，参考 logo， 或者说你给他提供更多的一些视觉参考，然后它生成一个视觉方案，生成之后我们再让它参考视觉方案和刚刚的 md 文件，就是大纲，再用这个生成图片，一页一页的生成 ppt。 呃，生成完之后，最后拼成了一个大的 ppt， 那这样的话就完成了整个 ppt 的 生成功。不过这样有问题，就是生成出来的 ppt 你 是没法进行编辑，毕竟它都是一张张的图片。那好在它生成图片比较准确，没有什么错字的问题。如果有简单的一些元素需要覆盖，你像这个 logo 可以 直接用 logo 给他盖上去，真实的 logo 给他盖上去。还有最后这张白描，如果有问题，可以让他单独生成这一张。其他的你像这些图标什么的图标什么字都是没有什么问题的，都是没有问题的，直接就是参考那那个论文里面那些直接读读过来的。 ok， 那 今天的内容就到这里了，如果大家有什么问题的话，可以在评论区聊一聊哦。

给大家看一下我们这个浏览器的效果，看到没？他直接去在网站里面去操作了就然后刚刚他是直接去在里面搜，你看他现在贼快，上面 ui 一 直在变，看到没？我去 codex 刚刚出了一个可以控制浏览器的插件，我现在刚安装，我给大家看一下是如何安装的。首先你一定要呃搜 codex， 然后一定要搜这个呃， open i 提供的，然后呢把它添加到 chrome 上面， 对，添加完之后呢，这里面就它就在这里面，我们把它这个勾选一下，然后这个 codex 它提示它没有这个连接，我们点击这个小齿轮让它连接一下，然后这个桌面端的 codex 一定要去升级到最新版本，然后点击这个安装，然后点击安装， 然后我让 codex 去帮我搜索论文。啊，一开始呢，他是，呃先去尝试用浏览器搜，但是他没有成功，然后他就开始用这个搜索指令了。呃，我说你不要用搜索技能，你直接用我浏览器搜好了，他第二次就直接开始用浏览器了，我给大家看一下我们这个浏览器的效果， 看到没？他直接去在网站里面去操作了就然后刚刚他是直接去在里面搜索，你看他现在贼快，上面 u i o 一 直在变了，看到没？ 所以说呢，就是说他的好处，就是说他把所有东西呢他都会整理好，然后我们就不需要我们去手动去搜了。还有一点，就假如说你是在学校里面，你有一些对一些论文库的一些访问权限，那你可以把这个权限授权给他，对吧？然后他这个搜索范围就更广了。 ok， 谢谢大家。 最终结果大家看一眼他把优先读啊，哪些方向都列出来了，然后我们也可以让他把具体内容去总结，也都没问题的。

nature skills 的 热度越来越火，现在大家可以通过百度浏览器等可以看到网上有很多关于它的帖子，然后呢我们的 github 现在已经来到了两千一百多个星， 而且呢它的热度是在不断增加的，大家呢可以观察一下它的这个新的走势啊，我们会发现它的导数是不是变大了，所以的话感谢大家支持。今天呢带大家利用一下我们新发布的这个自动根据你文章内容找引用的 skill。 nintendo 的 话， windows 系统是更好的，所以的话我这里面只能在 windows 上录这个教程。然后这里面用的模型呢是千问的三点六， 使用教程也比较简单，我们把文章的内容粘贴给 cloud 或者说 codex， 然后呢让他调用这个 skill 来完成这种文献的查找。 那么前面三点六在接收到我这个请求之后呢，他会从工具库里面去解锁对应的 skill， 然后呢来帮助我完成这个任务。 这边呢我们可以看到它已经显示出来了，要为当前的文本去搜索 nature cns 系列这些刊的引用，因为的话我们想发一些高分的 paper， 像二渠啊及以下的基本上就不要再引用了，包括一些 archiv 的 也尽量少引用。 同样的这个过程呢需要运行几分钟，然后我这边做一个加速处理，等会直接带大家体验一下怎么样他能够生成饮用，然后再结合 and note 直接插入到我们的这个 word 文档里。 我们看到呢他的生成已经完成了，然后他这里面呢会生成一个 html 文件，那么他呢其实是一个网页的结构，他会显示出你论文里面的话是什么，然后他对应哪些引用都给你展示出来，我们点开看一下， 点开之后呢，我们就可以去根据我们的需要，比如说有的话他可能找不到合适匹配，那么就跳过， 然后如果有多项匹配的，那么他就会都显示出来，并且这个网站上所显示的每一句话跟原论文都是一一对应的。这里呢我们就拿第二句话给大家做一个具体的演示。第二句话我们先检查一下他跟原论文，也就是 word 文档里面的话呢，是严格对应的， 然后接下来呢我会以其中的一个引用为例下载一下。我们这边呢支持多种格式的导出，我这里面用 endnote， 所以 导出 emw 的 格式，打开之后呢我们可以看到它已经下载成功了，然后呢我们可以在 endnote 里面把这个 emw 文件作为一个导入， 在成功导入之后呢，我们就可以定位到它文章所引用的这个参考文献，那么我们在 word 里面直接对应 endnote 的 按键，然后把它插入进来。 使用 endnote 对 文献进行管理呢，是有一个好处的，就是它支持断续，比如说呢我们再随便的去下载一个引用，然后呢给它插入到刚刚我们插入引用之前的位置， 那么呢他会自动的去完成这个顺序号的更新，那这个要比手动要快很多的，所以大家如果没有用过 nnot 呢，也可以快速的尝试起来， 所以的话我们这个 skill 真的 可以节省很多的时间成本，因为他可以批量化的处理，可以大家不用一个个的去浏览器上去查找，所以呢，也欢迎大家去使用，然后提供一些建议，谢谢大家。

cloud code 泄露后，由 rust 重写的 cloud o 的 两小时破了五万星，这次真的是牛大了。 cloud code 泄露者 c g g 在 凌晨四点手机消息炸锅，为了避免起诉，他开启了一个名为欧米 codex 的 ai 辅助工作流。 借着 codex 的 力量，他敢在天亮前把 cloud 的 核心逻辑用 python 重写了一遍，全程用美元 t 模式跑并行 code review， 用 raf 模式跑代架构验证的持续循环， 从读懂原框架到生成一套能跑通测试的 python 代码数都是 o max 在 驱动，最终产出的这个版本一行原版 type script 代码都没有，这下 intrapig 都没法版权投诉了。

大家好，在 ai 编程的时候，原型设计是一个非常麻烦的事情，特别是对于非专业的人来说，一些设计的专业型的概念啊，怎么去调整页面啊，这的确是一个老大难的事情。那么 cloud 和 google 分 别出了专业的这种 ai 设计工具，比如说 cloud design 或者 google switch 啊，都是通过提示词能够生成漂亮的网页。但是呢，这两款工具要么是收费，要么是指定的模型。那最近呢，社区就出了一款非常火的开源的免费的 ai 源型设计啊，叫 open design， 那 么它就是可以自己去换模型，然后也降低了很多门槛，非常有意思。那本期视频就跟大家一起来探讨一下， open design 如何使用， 和它有什么样的特点。我们先来看一下在 ai 时代的设计应该是什么样子的，那比如说你要用 ai 去设计一套网页或者一套原型的 app， 那 么你需要一段提示词，有可能是你的产品 p r d 文档。然后呢，你要选择一些专用的 skills， 因为你如果不使用专用的这种技能呢，突出的这个原型界面啊，这种美观度啊，可能是比较差的，可能需要一些参考的样式或一些图片比比如说你让他模仿已经现有的什么样的风格。 那么这三个呢，作为一组输入来发给大模型，那大模型收到这样的输入之后，你要生成外部这原件设计或者 app 的 原件设计都可以，那么你也可以去生成这样的落地页，或者说啊专题页。 那么好一点的这个工具呢，会提供这种页面的局部调整，那选择某个页面之后，哪页面的哪一块问有问题，你是可以去通过提示词去调整的，那么也可以把你现在已有的模型产生出来的这些原型局设计规范导出来， 那放到你的 ai 编程工具里面去，那么你后面可以在自己的这个编程工具里面根据你的大局的设计规范去生成新的页面，或者新的这种组建啊，弹窗啊，那这样的话就 非常的完美的解决这个圆形设计的问题，然后把大这个设计的门槛给进一步降低了，所以呢一个好的 ai 时代的设计工具，我认为是大概是符合这个样子。那 google stitch 和这个 cloud design 其实都是有这些功能的，那么 open design 有 没有这些功能呢？我们来看一下。那么我们可以来到 open design 的 这个 github 的 这个介介绍页面啊，这边有中文的，我们可以看一下中文的介绍， 那么它的特点是什么呢？细节就是这个就是会使用你本地已经装的这个终端命令行工具，比如说像 cloud code 或者 codex 或者 costo 都可以，只要你有终端命令行工具，那么它就可以去调用这样的能力，那么它自己是不会去部署这样的 ai 的 一个 ai 的 平台的，它需要的是你本地的这种 ai 的 编程工具能力。比如说我们使用了 cloud code 进行编程，那么它就可以调用 cloud code 去执行这样的一个设计的一个产出， 那么你 cloud code 就 可以觉得很方便的，很自由的去对接各种各样的模型了。所以这是它的一个一大个特点，就是不绑定 ai 的 ai 的 的平台， 也不绑定使用任何模型。第二个呢就是它内置了很多设计的系统，那什么意思？就比如说你很喜欢苹果的风格，那么它这边就集成了苹果的统一的风格，那么你就可以 直接引用这个风格，拿去去设计类似的这种网页，所以这边是有七十二套，它内置了很多这样的专门的设计的 skills， 比如说像这种啊萨斯这个落地页啊，或者这种呃 app 的 页面啊，非常的非常多， 那这边肯定后面有可能会开放出来，让大家自己去上传上去，然后共享到社区去使用，那这是一个非常强大的一个能力。除了去生成原型呢，这边也去可以生成图像视频、音频，它这边是内置的这个 jpt image 二的这种集成啊，也还有这个 c n s 这个二点零都是可以的。 ok， 那 我们就来体验一下。 那首先呢这边的话你要去下载这个源码，然后进行一个翻译，然后再启动，那这边的话它的启动是非常的简单的，我们把这个命令复制一下，我们来到这个目录，然后我们执行这个启动命令，如果你第一次的话，你还要起安装这个，还要去输入这个安装的命令，然后再去启动 好，把这个地址啊复制过来，打开之后就能看到。那么你如果默认是一个英文的，你在这边点击设置，然后呢这边可以选择语言，然后的话把它改成中文， 这边选择中文啊就 ok。 那 么在这边你也可以去设置你要用的这个本机的这个编程工具啊，那这个比如说这个我默认的使用 kimi c i， 那 么我也可以使用 cloud code， 那 这边有好多，它也会检测到有没有安装 这些安装的话去官网上安装也是非常方便的。那安装完之后你去保存，那我们就可以去进行一个这样的圆形设计了， 那这边的话是他可以做的这个目前可以做设计的各种量，比如说圆形设计换个面，或者说从现有的模板啊选择这样的模板，比如说这个， 那这边就是统一这种设计规范，比如说 cloud 的 这种，官网的这种这种风格，或者说啊 apple 或者说特斯拉都有，你都可以选择一种设计的这种规范，然后套到自己的网页里面去。我们来做一种设计的这种规范，然后套到自己的网页里面去。我们可以输入 test， 然后我们选择一个设计的体系吧，如果你有自己的这个的话，你就不要选择就行了， 我们可以选择一个好，我们就选择 cloud， 然后这边的话是线宽图和高保帧，如果你是做圆形的话，非常建议用高保帧了，线宽图是比较粗，就比较比高保帧还粗糙一点的。这个项目已经创建好了，那接下来我们就要去输入这个提示词啊，创建好好， ok， 那我们就可以去啊，让他去来帮我们去生成这样的一个网页。那我们大概做一个还是这样做一个电商网站吧。 ok， 我 们就来个简单的，就是让他设计一个类似淘宝这样电商网站， 然后只需要首页秒杀活动页、商品列表页和商品详情页，因为电商是一个比较常见的这个场景啊，模型是大概能理解首页是什么样子的， 当然你也可以说的更详细一点，你的首页是什么样，要有哪些元素，对吧？然后你的活动要有哪些元素是可以去更加详细去描述的？你可以提供一个 p r d 文档，或者说你提供一个专门的页面设计，文档包含了哪些页面啊？页面里面有什么样的功能，是怎么排版的？ 然后的话它的风格是什么样子，都可以在这边去提示，去输入这个提示啊，能得到更好的效果，那我这边就来跑一个平均的一个效果吧，然后点击发送， 然后大家可以看到它这边调用的就是我的这个 cloud code 的 本地的终端啊，那相当于是它跟我们的这个 cloud code 进行通讯，比如说我这个 cloud code 用的是智普的五点一的模型，那么它是直接调用这个模型的。好， 我们选择的是 cloud 官方的这种设计的规范，所以都是以橙色为主。 ok， 他 这边的话会给我们提供一个这样的问题啊，让我们来回答，那我们就选择桌面端吧，那视视觉风格啊，他这边的话让我们选风格，他其实是跟我们刚刚第一步选的这个设计规范是进行一个融合的，比如说我们就接近淘宝吧， 进淘宝主营品类，我们选一个电脑数，品牌方向就是你如果你有的话，你可以提供一个这样的品牌规范，他等会在提问中会给到你，如果没有的话，你就让他自己随机生成就行，你也可以截图让他去给你生成，那我们就选择来让他自己帮你选 首页包括哪些模块啊？我们可以这些是多选的，我们都可以加上。 ok， 好， ok， 他 这边也是制定一个这样的计划，来一个一个页面来生成好，他这边开始去搭建这样的首页了。 ok， 他 这边任务已经完成了，那做完了这四个页面，首页、产品页面页、活动页和这个商品的详情页面，我们来看下效果 哦。嗯，我觉得还行，我们用浏览器来打开看一下，那这个就是他的页面首页，然后有个这样的图，有个这样的分类， 点进来是一个商品的列表页面，然后可以点击商品的详情页，然后这是促销，这是规格，这个是切换的图片，那是一个中规中矩的这个商品的页面啊。然后我们看一下秒杀页面 啊，秒杀，然后的话有个这样的倒计时，我觉得已经非常不错了，因为这个前提是我们是没有任何的这个要求的，只是让他一个平均值。比如说你如果 更懂一些设计的一些规范的话，你可以描述一下你这个页面到底大概是什么样子，你可以输入更多的这个参考，然后你可以让这个页面变得更好。他除了可以做这种网页的这个原型的话，你也可以去设计这样的 app 的 原型啊。比如说我今天拿它做了一个这样的小的这个测试， 比如说我现在生成一个修复老照片的这个一个这样的 app， 一个大概有六个页面啊，这边的话也是可以去自己去调整的， 有很多这样的页面啊，很多这样的效果也是做出来了啊，非常的不错啊，我是属于没有任何的这种设计的经验的，那除了去设计外部网页，还有这个 app 之外，你也可以去设计啊，比如说像啊、落地页啊，或者说换灯片啊 啊，比如说这也是可以去做晃动篇，也是非常不错的。那如果你想看一下别人是怎么做的，那这边有一个视例，这里面有很多这样的例子，有网页、有图片，也有这样的移动端、桌面端、晃动篇都有。那么你也可以去看一下别人的这个提示词是怎么写的啊？我们可以打开一个预览， 那么他这个就是一个页面啊，就设计设计这一个页面很多都是单页的设计比较少，这里面还有很多故事是在叠代中的，比如说我们刚刚设计的这个 官网，那这边的话其实还可以去导入这样的设计文件啊，或者说一些代码的目录啊，或者技能体系啊，那这些功能都是马上要上线了。 还有呢，比如说我现在要去调整这个页面的一些局部的一些设计的规范，那这边的话也有会制这个功能，也是要买还没有上的。那么还有一个我觉得可能会上的一个功能，就是 要导出这样的大局的设计规范，因为不可能我所有的页面都在这个设计工具里面去设计嘛，可能是要在我自己的这个编程体系里面，用这个统一的设计规范来生成。比如说在 google stitch 里面，你可以打开这个按钮，然后的话能看到你用过的这个设计规范， 然后这个设计规范是可以导出来放到你的这个项目里面，比如这个 design， md， 那 就是你用到的这个设计规范了，那这个就很方便我们在编程工具里面去使用这个规范来设计新的网页。那么你把这个原先设计出来之后， 那你需要去把它变成实际的产品，那这个时候你就可以去把它导出来，这边的话是可以导出为 html， 或者说导出其他的。但是对于我们来去变产品的话，目前是只能导出这个 html， 不 能导出图片。它这个元代码有个特色，就是它的样式都是 内联的，也就说它样式都写在页面上的，这对于我们进行一个转换，比如说我们要把 html 语言转换成 react， 或者是转换成 app， 那 么这个还原度是比较高的，因为它没有使用第三方的这种样式的框架，那这种转换是比较高效，比较 保真的，所以这是一个不错的点。 ok， 那 以上就是 open design 的 一个简单的一个感觉啊，我觉得它在原型设计阶段已经是一个非常有潜力的 ai 圆形设计工具，虽然说他现在缺少了很多功能，但是我觉得他很快就会更新上这些功能，而且能够集思广益，然后能产出更多更有意思的效果。 ok， 那 本期视频就到这，希望这个视频对你有所帮助。

这个项目不是让 ai 更聪明，而是让他别失忆。上一轮我刚教会他项目规则，开个新对话，他还能接上，他省略的不是打字，而是每次重新为上下文。如果一天要开很多对话的兄弟们可以接着往下看。我 测的是一个给扣丁 agent 加长期机的项目。第一轮我先告诉大家这个项目用什么占文件，怎么命名，哪些规则不能碰。然后我直接开个新对话，不翻旧聊天，这个时候再来问他，还能把刚才那套规则接过来。 如果平时每天要开很多对话，要反复问上下文，这个值得试。后面我会持续实测这类 ai 开发工具，只帮大家判断一件事值不值得拥有。

codex 做 ppt 真的 太绝了，我直接将论文丢给 codex， 再给他明确一些要求，大概十七页左右， 学校 logo 要出现在每页顶部等，并且告诉他做完之后用 wps 打开，然后他就开始执行 codex。 首先读 word 内容，这里是他用记事本先将论文的总体内容，哪些章节大概写了出来，提炼摘要，硬件软件和调试结果。 这里是生成的。 ppt 的 内容非常详细，把论文中的每个章节也都包含在内。接着把答辩逻辑从排成背景方案，硬件软件测试和结论 图片也不是随便拼凑的，他直接从我的论文里提取电路图实物图和系统截图，生成之后继续渲染预览，检查标题版式页码和图片有没有跑偏，都非常规范，总的来说还是非常满意的。这里是 codex 在 执行命令的的过程和进度都能看到。

tiktok 一 周热点汇总第一百一十三期本期的内容呢，包括了 ai 终端工具 rap 正式开园， 一站式黑客工具箱 type script， 顶流的 cloud code skill codex 生态技能精选和一句话生成 ai 短视频。 最后呢，还是分享两份资料，如果觉得内容不错呢，也别忘了点赞和关注，那这里呢，也是祝大家五一快乐，无论是出去玩还是在家里，都可以开开心心的享受假期。那话不多说啊，我们进入正式内容 web， 现在呢，是一个智能体的开发环境，而一开始呢，它是一个终端的工具 web。 其实啊，发布的时间也不短了，早在二零二一年的七月份呢，它就以 fast rustbase terminal 的 口号啊发布了，当时的产品呢，以非常前卫的设计啊，吸引了不少人的关注。 而随后呢，它也第一时间啊接入了 ai 的 功能，并且呢一直做的非常好。 web 内置了编程的智能体，也可以呢，接入你自己的 c l i 智能体，比如呢，像 cloud code codec 或者是 jimmy c l i。 但是伴随着产品的发展呢，社区啊，一直在呼吁着开源， 那就在这一周啊，它终于开源了，并且呢热度爆表，目前呢，已经超过了四十 k 的 star wap。 在 使用的时候呢，如果使用 ai 功能需要登录，那一开始呢，你可以选择使用 terminal 的 模式还是内置的 agent 模式， 如果是 agent 模式的话呢，那就相当于啊，你直接进入了一个 cloud code 的 状态的一个终端，那因为它本身啊就是一款终端的工具，所以在使用上呢，确实会更流畅，更有优势。 所以呢，如果你是一个开发者的话，并且你喜欢 c r i 的 工作模式，那 rap 呢，会是一个非常值得尝试的方案。那另外一个让大家非常关注的啊，就是 open ai 是 项目的 funding sponsor， 这一方面呢，说明了产品的水平，那另外一方面啊，同时也让人联想到将来呢，会不会被收编 rap 呢？现在啊，已经不是一个单独的终端了，它也推出了 o 云端的 a 阵的编排平台， 你可以啊，同时跑多达四十个的并发症 agent 正在呢，一步一步的去完善自己的生态。那最后还想说一个的就是啊，为什么到现在才开源呢？用它创始人的说法，现在开发的瓶颈啊，已经转移了，以前呢，最值钱的是代码， 但是现在啊，代码其实不值钱了， ai 写代码呢，写的飞快，真正重要的呢，是人类做的事情，定义产品的规格，验证行为是否正确。那我觉得呢，这个认知的转变啊，值得所有人去仔细的体会，未来的趋势啊，真的在变化。 hiking tool 呢，是网络安全领域的一把瑞士军刀，他做的事情呢，很直接，把渗透测试啊各阶段的工具整合到一个图形化的界面里， 支持的功能呢，包括了像信息收集，紫域名，美举端口扫描，漏洞扫描，外部攻击， circle 注入无限的攻击，还有密码破解，逆向工程啊等等的，这些工具 基本覆盖了安全测试的全流程。那它呢，是基于开利 linux python 写的 mit 协议，最大的优势呢，就是见面友好，不用呢，你去记十几个工具的不同的命令，行的命令。那对于刚入门安全方向的朋友来说呢，这个上手的成本呢就非常的低， 当然呢还是要注意啊，这些东西呢都适合学习和小规模的测试，对于网络安全呢，我建议大家啊，要好好学习，不要干坏事。 本项目的作者啊， matt pocock， 是 一个 type script 社区的顶流博主，那这一回呢，他把自己啊日常使用的 cloud code 的 技能全部开圆了，在不到三个月的时间里啊，项目获得了四万五千个 star， 那 这个速度呢，在开圆圈啊，也算是非常快的了， 他特意强调了一点啊，就是这个呢，不是教你怎么去外部抠顶，而是给真正的工程开发的人去使用的。里面呢包含了超过十八个技能模块儿，包含了任务的拆解，架构设计， tdd 的 工作流， get 的 安全操作，还有技术文档的写作等内容。 那安装呢，也很简单啊，一行命令 n p x i 的 就可以了，那每个技能呢，都是独立的，你可以按需去选装，不需要呢，全装安全评分呢，也拿到了满分一百分。项目的介绍里呢，写了很多项目的相关思路， 值得呢去阅读一下。比如呢，像软件开发当中最常见的故障模式啊，是理解的偏差，那对于 ai agent 呢，其实也是一样的，现在呢，我们其实能看到啊，很多优秀的 skill 仓库啊，都非常的火爆，从中呢我们也能看出 ai 发展趋势的一个变化。 上一个项目呢，是 macbook 的 个人技能实践，那这个项目啊，就是社区层面的一个总结。 composter 团队啊，维护了一个 codex 技能的精选列表， 目标呢就是让 openai 的 codecri 能够连接超过一千个的外部应用，那它可以做什么呢？比如啊，像自动的部署 cicd 流程的自动化，代码的审查，还有连接 select， github 等外部的服务。 基本上呢，把你日常需要手动去操作的工作流都可以交给 ai 去自动的跑，那每一个技能呢，都是模块化的，可以独立啊，按需去安装组合。大家呢，可能经常会听到一些分享 cloud code 的 东西，而忽略了 codex。 其实呢，最近啊， codex 的 更新还有 gpt 模型能力的提升呢，都非常的不错， 在累加上对于国服的友好和用量的充足，那在我看来呢，他绝对是近期最值得使用的一个开发方案。顺便呢，也给大家一个直观的对比啊，这几天呢，我不正好在试用 deepsea 吗？那我让 deepsea 开发了一个俄罗斯方块的 ios 应用，同时呢，我也把这个需求给到 codex。 deepsea 用了三十多分钟的时间啊，代码给我写好了，但是呢，没有给我触使化 aos 的 项目，然后啊让我自己去做新建调试和触使化。而 codex 里面啊，用了八分钟时间就开发出了出版，并且呢，在等待的这个空挡啊，我已经完成了多轮的一个细节调整，并且呢，它不需要我去自己干任何的事情。差距呢，是非常直观的。 那本相吗？是一个比较实用的 ai 工具，它的卖点呢就是你输入一个主题，可以输出一个完整的 ai 短视频。那整个流程呢，是全自动的，让 ai 先写文案，然后再根据文案去生成配图， 再逐帧呢去生成视频，然后自动的合成语音解说，配上背景音乐，最后呢，合成完整的视频。那每一个环节呢，你都可以自定义，比如呢，换不同的 ai 模型去升图，换不同的语音引擎，调整视觉风格等等内容。那模块化的设计和灵活性呢，还是不错的， 因为我个人呢，也经常去玩一些 ai 生图和视频的生成啊，模型的能力还是非常关键的。那还有呢，就是好的模型啊，它的成本非常的高，比如呢，像 c box 二点零模型能力非常强，但是生成视频的价格呢，也是蛮贵的。那其实这个项目你看样子也能感觉到它不是特别的复杂， 那其实我猜啊，他很有可能也是外部抠定出来的，但是呢，他确实啊，做了一个比较有意思和实用的事情，那我分享出来呢，也是希望大家可以做一个参考。其实呢，你有兴趣的话，完全可以自己外部抠定出类似的工具，如果是买了抠定 plan 的 话，那完全可以自己去试着搞一搞。 那最后啊，还是分享两份资料，第一份呢是二零二六，中国 ai 短剧行业发展与受众洞察报告。二零二五年啊，短剧的爆火，让无数人看到了商机。 二零二六年呢，在 ai 技术的发展之下， ai 短距呢，也被推到了风口浪尖，我呢，也是非常看好这个方向的，我自己啊，没事也经常去研究这个东西，感兴趣的朋友啊，可以来看一看资料。那第二份呢，就是中国 o p c 发展研究报告。二零二六， o p c 呢，是指一人公司，就是由一个自然人呢去独立设立和运营的有限责任公司。那其实啊，我就是一个 o p c， 但是说实话，之前呢，我都不知道这个词儿。 那其实随着 ai 的 进步啊，个体经济呢，也是越来越火，大家呢，其实都可以有一些这方面的意识，那有需要的可以告诉我啊。那以上啊，就是本周的全部内容，那我们下次再见。

大家好，今天给大家分享一个 ai 量化研究的仓库，叫 qlab， 它是微软官方出品的，在 github 上拿了四点二万个 star 啊。开始之前我强调一下，本内容仅为技术研究分享，不构成任何抄袭建议。 我在 github 上翻遍了所有的量化研究仓库之后，发现 qlab 是 排名第一的啊。其他的仓库标过，包括这个 zip， line， 还有嗯， back trader， 这些都已经不更新了。然后 vnpy 呢，也是呃，标签很高，但它是做 cta 实盘系统的。 然后在量化研究的整体框架下面分为五个模块啊，是数据引擎，因子计算，然后模型预测 啊，策略的决策以及回测的分析。这五个模块呢？ qlab 它啊，分别的作用我给大家说一下。首先是数据的引擎啊，微软自研了一套这个数据的格式，它比传统的 mysql 快 五十倍，所以大家在回测的时候，测试的时候就会非常的快 啊，但是有个小的缺陷，就是它的数数据源比较老啊，大一的我们需要找第三方的最新的数数据进行接入。 第二个是因子的计算， qlip 提供了呃，一百五十八个 alpha 因子和三百六十个 alpha 的 因子，它是两套的因子，一百五十八呢，是那种计算过的，就比如说 pe 这种。然后三百 alpha， 三三六零呢，是那些价格啊，这些原始的一些数据的因子 啊。第三个是模型的预测， qlip， 它提供了二十七个内置的模型啊，包括 light， g， b， n， l， s， t， m 这些， 我们到时候选一个预测就行了。呃， light gbm 用的是比较多的，然后策略的决策就 qlab 的， 它会根据这个模型进行一个打分的排名，然后呃打得分比较高的就排在前面，我们就按照这个排名进行决策就 ok 了。然后最后一个是回测的分析，它会自动生成报告。 呃，量化因子我也简单说一下，就是分为公开的因子跟自研的因子。呃，自研的因子就是我们所熟知的量化的机构，它的一些核心的因子是不会分享出来的，是它们核心赚米的壁垒 啊。公开的因子就是颗粒开箱就可以拿到的，这个阿尔法幺一百五十八，还有阿尔法三百六十，就刚跟大家介绍了这两，这这些因子都是它里面自带的啊，可以用来给大家做一些基本的测试。而自研因子就是我们呃打开这个仓库进行研究探索的目的就研究出自己的一些因子。 呃，量化模型呢？ qlab 里面配了二十七个。呃，这四个，四种类型我就不不一一去念了，大家可以看一下。然后主流的会选择这个 light gbm， 这是百分之九十的场景都会用到的。它是一个问答决策流，就把一百假设，把一百五十八个因子呃逐个进行一个提问，然后一层层的筛选，最终给每个标题进行打 分。当然 qlab 它有明显的弱点，就是它的门槛比较高，需要同时懂 ml 还有量化研究 啊，不能实盘。然后呢，它只能做洁面的排名，然后它的这个抽象层也太多了。呃，这正是我们 cloud code 能够切进来的位置，就是它能够驾驭这些。当然，呃，除了这个实盘要找其他库啊，其他的这些层面就是 cloud code 都能啊，帮我们来驾驭 啊，怎么帮到我们呢？第一他能读懂这个代码库，包括这个因子的含义，就是你不知道这因子什么含义，你当然可以去呃，跟 code code 去探讨，还包括那些我刚解释介绍的二十七个模型，都可以一个个去探索啊。第二个是配置的文件， 呃， crosscode 的 可以直接去配置这个仓库进行换模型啊，调参，然后数据机啊这些进行这个操作。第三个是部署排错，排错这个是 ai 基本功能嘛，它都能搞定了啊， c c 完全没有问题。第四个是数据格式，就把第三方的数据的 c、 e、 s、 b 转换成至 q lib 的 二进置格式，上把上下游给打通。 总结来说就是数据我们需要再找一个靠谱的数据员去把大爷的数据导进去，然后流水线交给 qlab， 然后我们这辆赛车的副驾驶就交给了 cloud code， 然后真正的这个主驾驶还是留给自己， 这是一个从实战到出结果的过程，就是环境的搭建啊，我们用 cloud code 去把这个库导入之后就可以搭建了。然后数据的导入就是我们要给我们的 cloud code 的 一个一些数据员，让他去把 c、 s、 b 的 数据抓下来，我，我大概把二十年的数据都抓下来了，就是二十年五千个标地 的 k 线，日 k 线都可以拔下，大概一点四个 g。 然后第三个就是配置的生成，就 carl code 可以 就帮我帮我们写这个 y、 a、 m、 l 这些配置模型跑的文件，让这个 q、 l 去跑，选什么因子，选什么模型，然后什么策略去跑，这个包错修复就不说了。这个， 呃，然后他能达到的作用就是我不懂电话的人，他能用 carl code 当副驾驶，一个下午其实就能跑通完整的流程。 这是我一个回测的结果，就给大家简单展示一下，我测的是全 a 所所有的五千个标的，然后训练，呃，选择的因子是阿尔法幺五八，然后训练级是这个，然后验证级是这个区间，然后测试级是，呃，去年一月份到现在， 结果是 ic 是 零点零四一，然后 icr 是 零点四六七，这个策略的收益，这个收收益的百分比是这个 四十六点二，还是比较高的啊。但是这只是一个回测的结果啊，最终的这个结果肯定是要不急这个这个预期的啊，基本是十五点六，最近行情比较好，所以这个测试的结果也会比较好。 公开因子的局限呢，就是我们刚才回测的，我测的这个是四十六，这，这百分比啊，那其实你要打很大的折扣的才是实盘的预期，不能把那个当成一个预期。然后公开因子呢，他是用的人比较多，所以非常拥挤，超额的这个收益早就早就消失了，而因子呢，他本身用的多，也会消减的， 所以这个阿尔法一百五十八呢，它其实更像一个驾校的教练车，而不是赛车。我们就是要用这种 ai 量化的研究模型去找出自己的这个因子，跟之前的公开的因子结合起来啊，改造成把你的教练车改造成一个一辆赛车， 然后这个仓库的全称就是这个啊。好了，以上分享就到这里了，然后本内容仅为技术研究分享，不构成任何操作建议，欢迎大家点赞、关注跟评论。

日常使用 ai 辅助编程时，你是否遇到过任务一复杂，代码生成就容易跑偏，或者缺乏清晰的执行计划与上下文记忆？ 开源项目 oh my codex 正是为此提供了一个针对 open ai codex c l i 的 高级工作流程。它保留了 codex 的 核心执行引擎，同时为其增加的决策分工、任务路由以及持久化的运行状态管理。 该项目通过特定的指令词构建了一套标准的开发流程，使用者可以先进行深度访谈来明确需求与边界，接着生成并确认架构与代码，实现计划。在具体的执行阶段，既能让单一角色持续推进并验证代码，也可以唤起团队模式进行协调并行的开发。 所有的计划日制和内存状态都会集中保存在本地的专属目录中，避免了进度的丢失与混乱。 如果你已经是 koether 的 用户，并希望为其加上更完善的日常运行环境，该项目会是一个合适的补充。它主要在 macos 和 linux 系统下进行维护与优化，并推荐配合 tmas 来实现稳定的多任务处理和持久化运行。 部署方面需要依赖教星的 note 环境，通过包管理工具全局安装后即可进入交互式的启动。以上就是本期为你挖掘的开源项目，如果它正好解决了你的问题，欢迎点赞收藏，关注我，下一个好项目不迷路！

一个人搞定一整家公司不是开玩笑，这个开源项目不到一个月，四万一千颗星， 它叫 paperclip。 如果你的 ai 只会单打独斗，那你错过了一个亿。今天带你拆开看 paperclip 到底凭什么？先用 ai 写文案，再用另一个 ai 改代码，再手动把结果复制到第三个工具？这是不是你现在的状态？ 多个 ai 各自为战，信息颗粒、流程混乱，成本还没法追踪。最后你发现， 管理 ai 花的时间比 ai 帮你省的时间还多。 but agent 能写代码，能出内容，但它撑不起一整条业务链。 paperclip 的 官方定义就一句话， 如果 opencloud 是 员工，那 paperclip 就是 公司。它不是 ai 工具的集合器，而是 ai 公司的操作系统。组织架构、目标对齐，预算管控、审批流程审计、日制多，项目隔离，一家公司该有的它全有。第一，智能组织架构。 你给 ai 定岗位， ceo、 cto、 工程师、运营编辑分配上下级关系和审批链。 ceo、 决策 cto， 拆任务，工程师执行编辑审核，流程清晰，责任到人。 第二，目标对齐，公司有使命，部门有目标，个人有任务，从顶层战略到底层执行，每个 ai 都知道自己要做什么， 为什么做。第三，精准预算管控。每个 agent 设阅读和日预算上限超了自动暂停，每一笔 token 消耗都有记录，再也不怕 ai 协助烧钱失控。第四，心跳调度系统。 ai 不 需要打卡，七乘二十四自动运转，按预设周期自动唤醒，检查任务队列，执行汇报， 上下文持久化，绘画断了也能续，真正的无人之首。第五，致力于审批，关键任务必须走审批链， ai 到上级，再到人类管理员，确保质量不掉线， 不同角色，不同权限，所有操作留痕。出了问题，一查到底。第六，多 agents 兼容 cloud chat， cpt cortex cursor open claw， 通吃 动态注入技能，不用重新训练模型，还能跑多个 ai 公司数据完全隔离。和 lan chain 比， lan chain 是 开发框架，没有公司级管理。和 crew ai 比， crew ai 适合简单协助，没有预算管控和审批。和 auto gpt 比， auto gpt 无团队架构，容易失控。 paperclip 站在公司的维度设计，而不是工具的维度， 这是降维打击部署只需一条命令， n p x paper clip by on board 剪剪 yes， 五分钟搞定。 本地跑，不需要服务器适合谁。其 ai 项目团队多个 agent 协同开发，个人创作者一人公司，低成本创业， ai 开发者统一管理自研 agent 所有代码 m i t 开源免费商用。一个开源项目四万颗星，不到一个月，他要做的事情很清晰，让 ai 从单兵作战变成有组织的团队。一个人加上 paperclip， 就是 一家公司。点赞加关注，赛博杨千焕明天见！

上次说到就是说如何用 codex 来考学术嘛，这我认为说，虽然说 codex 的 大多数的英文场景应该都是对程序员的，但是实际上我的学术，嗯，无论是写论文和 report 里面都有一些场景。 我们现在回到了这个，你看我在这个 at academic 里面都已经给它放好了每篇论文，这个，这个是最经典的 ai 论文啊。然后这个下面是我刚刚随便找的一篇最新的，帮我返回来拿书阅读 里面的论文，并且给出每一篇的 m 写一个放心点的， ok， 现在就能看到他这里就是开始了，正在思考。那我建议说你如果是读论文的话，这里的模型推理强度被他选择超高， 因为然后这个 superpower 是 这个是我自己装的一个 skills 啊。你要是说就是想提升他的话，你可以装一些自己的 skills， 搞学术论文的什么的，但我不是很清楚。这个你可以自己上一趟，不要 抖音上面什么的。你看到这个东西可以有， ok， 那 你就把它装到科代斯里面，他很聪明的，你就跟他说这个东西，嗯，我想要怎么怎么样做，然后科代斯他会自己去装，自己去安装， 你看着他跑了一会儿了，你看到这里就可以看得到他把这个任务给给分解成了有什么，一共有几个任务，有什么，然后让他把 markdown 写出来，然后待会儿你大家就如果说你要是用普通的 gpt 的 话，你能看到很多时候他把那个论文他不会 全部给读完，就是说他读了也就是读到了一些部分，甚至说如果你的读的论文足够多，他会出现幻觉，这就是因为 ai 它的 潮下文能力的话，作为一个网页版其实它还是很有限的，但是当我们把它部署到本地的时候，让他们作为 task 一个一个的完成，那就会好得多 好。看看他的图是不是错了啊， 我就只是随便让他让他戳了几个图啊，那么他这些图的话，因为是拍成代码戳的，那么他的这些 图到底看起来是什么样子的？基本上也就是这样，但是具体的话，你想要把这个图变得更好看，那我相信你，不管是 你在国内用豆包也好，或者说你在国外呢用吉米，然后我个人个人的话是比较比较推荐吉米兰哦，吉米兰的本来呢都用来做那种飞速图的话就会特别漂亮，那我就其他的就不过不多多的演示呢，我就今天就直接展示一下， 把这些东西给拷皮下来。那我补了吗？我们现在返回来就是给大家推荐这个 proson， 不 然我不知道怎么读啊。这个我也是刚刚用了才不久。 open ai 的 东西 不要被它里面的什么代码那些东西给给糊住啊。就是，我相信就算是一个文科生的话，你也可以做得到，那我们就直接新建一个项目， ok， 把我们刚刚的那个 markdown 给它过来复制下来， 这个是我刚刚让他做的做的那个表格。 咦哎，会加工这个论文 作为创新点的发明了我们这个东西其实我更加倾向于它是一个排版排版工具吧，因为 ai 做的东西的话，你自己肯定是不能全部信的。除此以外还有 ai 的 所有做的东西， ai 是 永远取代不了人的， ai 只是一个帮助你学习的工具，如果所有人都去使用 ai 的 话，没有人搞 ai， 那 么 ai 就 永远都不会进步，那我们就跟着它提需求， 大家看到他现在正正在思考中啊，这个时间会比较紧，那么中间就 skip 一下，然后最后就直接给大家展示一下，中间说有问题或怎么办。 ok， 我 们就是接下来接着来看这个 prisma 的， prisma 的 就对这个东西看看，报错是很正常，因为你有中文学 在这里，他要一旦报错了，你不用担心，这个看不看得到一点都不重要。 ok， 在 这里直接点这个使用 ai 修复 全部，那他就会自己开始思考。就如果这个错误反复出现，每出现一次，你就接着点是 ai 修复全部，反正他东西又不要钱，只要你点的次数足够的话，一定是能修得好这个格式错误的。 ok， 就是 像刚刚那个 pdf 的 有问题之后，你在这里修完，修完之后在这里点一下，全部保留 全包了，这这里日字，这里把它擦掉，然后再重新点击变异，那要是有什么问题，他一会还会还是会汇报错，然后你只要反复这里工具使用 a f 修复全部 完了返回这里，然后变异就恢复。以上步骤只要次数足够多次就肯定是可以修复的。现在看到他这个东西就是给你加工了，看看这个效果怎么样。 嗯，它这个图没有改，像我说这个图可以自己用其他的 ai， 然后去做下优化，这个好就好在它的这些公式，这些东西，一般情况下做 pdf 的 排出来的公式都很乱，这个东西帮你都排好了， 那像我说的这个东西完全就是一个什么学术垃圾，我给弄完之后把这个东西下下下载下来， 哎，回来看这个文章，它里面有什么东西，你想要的话你就可以自己自己去调，就算我说的你去做一个随客的研究啊什么的，或者你想找到创新点之类的都是可以的。 ai 始终只是用来我们辅助人的一个工具，它是不可以取代人的 啊。以上就是我今天在这里分享，然后因为我现在正在做一个 ai 的 求知助手啊，后续就是会会支持到日本、澳大利亚还有中国这上方。 嗯，然后如果有还有后续的话，期待还有下次可以跟大家一块分享吧。啊？你叫得死？

一不小心，我在 github 上发现了一个神级开源项目，小红书 download， 顾名思义，就是能够把小红书笔记的文案和素材全部通通地下载到我电脑本地。这个对于我这个小红书运营来说简直是个神器，哈哈哈，让我可以用 ai 进一步地帮我分析优秀笔记作者的爆款思路，我 接着往下看如何部署和使用方法。当看到 docker 运行命令行模式、 m c p 模式、服务器模式一大堆看不懂搞不清楚的开发术语的时候，我又一不小心，哈哈哈掏出了我的许愿池工具之一， codex。 我复制了一下项目的网页地址丢给 codex， 告诉他帮我在本地部署一下这个项目，一直到跑起来为止。那现在 codex 就 开始自己开始工作了，期间我们什么都不用做，黄仁勋都要求员工必须要用 codex， 我 比他还早用四个月，我是不是很厉害？哈哈哈，等待的时间，我们看一段舞蹈，哈哈哈， five minutes later。 一 会儿功夫， codex 跑完了，并且确认已经跑起来。 这么快就不说好了，哈哈哈，那我们现在来实际试一试。我一句话都不说，直接丢给他一个小红书的笔记链接， codex 就 又开始自己工作了。我也不知道他在后台在干什么，但是我貌似并不需要知道他在干什么， 我只管许愿就行。哈哈哈，一会功夫他就解析好了，成功解析并下载八张图片，下载目录在哪哪路径？ 我打开文件夹一看，果然许愿成功了，哈哈哈，那我下面就可以针对这篇笔记，我一键切换到 gpt 五点五帮我生成相似的爆款笔记了，祝贺我许愿成功，哈哈哈，如果你也想学如何许愿的话，我可以教你，哈哈。

这期只说明一个新能力， codex 可以 通过非书克里写入非书。先说边界，这不是 codex 原生内置非书，也不是浏览器自动点页面，而是通过命令型调用非书开放平台。 时间线是这样的，二零二六年三月二十八日， log swift 里发布一零零初始开源版本。 三月三十日前后，国内开始集中报道。四月九日以后，克雷增强了创建文档和表格后的权限授语，也补了表格写入图片等能力。四月十五日以后，又加入了安装引导和 ai skills 配置， 所以它的炼录很简单， codex 在 本地能运行命令，非书颗粒能调用非书文档、表格、多维表格、日历任务。这些接口中间接上之后， codex 就 可以通过颗粒把内容写进非书 配置上。主要有四步，第一，安装 atlark suite clear。 第二，在飞书开放平台准备应用和权限。第三，配置 api key 或登录授权。第四，让 codex 在 本地调用这些 clear 命令。 我刚刚实际跑了一次，先让 codex 创建飞书表格，再写入表头，然后追加内容行，最后再读回表格验证结果。重点是它不是给你一段文字让你复制，而是把数据直接提交到飞书。 这个能力能解决的是办公流理的断点，比如会议纪要可以写进文档，结构化内容可以写进表格，自动日报可以沉淀到团队空间任务数据也可以继续给后续流程使用。 但他也有明确边界需要非书开放平台权限需要表格或文档的访问权限敏感密要，不能写进画面或公开仓库，每次自动写入后，最好再读回验证一次，确认不是只执行了命令，而是真的写进去了。 所以这期的结论很简单，飞书可以把飞书能力变成了命令行接口， codex 能执行本地命令，两者接上后，内容就可以从本地生成，直接进入飞书写作系统。

嗨，你好，这里是灵山武义的宝藏集合地。救命啊，我快被我的 ai 助手气疯了，它太卷了，效率贼快，但写了一堆我用不上的代码。 get up 上最近有个叫 mapocooks 仓库，火的离谱，他能帮我吗？ 哦，你说的，如果我没猜错，是那个魔鬼一般的 grimy 吧？对对对，就是这个 grimy。 到底是个什么玩意？名字听着像要把自己架在火上烤。 你可算问到点子上了。这是 type script 圈的绝对大佬 matt pocket 亲自下场写的 cloud code 私房工具包。大家都知道他是个狠人，以前给 verso stately 搞底层架构的，后来还自己写了个几乎业界人人必学的 total type script 课程。他把 ai 当成真正并肩作战的同事， 而不是用 vibe coding 把他当许愿机。 vibe coding 我 知道，就是那种对 ai 说我要那个 feel， 然后他稀里哗啦写了一堆代码，最后还得自己推倒重来。可是这个 grill me 怎么就打破这种乱象了？ 问的真精准。当所有 ai 插件都在比赛谁写的快时， mac 选择了完全相反的策略，让 ai 在 动手前先化身成拿着狼牙棒的魔鬼面试官，把你劈头盖脸问一遍。你看他的原码其实极其精简， 就三句话的事，道理就是只专注深挖需求，不急着写代码啊，就光问问题不干活，那岂不是要活活被耗死？ 这才是精髓。现在很多博主不都在说慢就是快吗？好，回到你的现实场景，最怕是不是代码写完发现全理解错了，甚至推倒重写一整个通宵，这真是血泪史啊，怎么破？ 提前让 grimoire 虐你半小时。国内有工程师拿一个跨几十个文件的重构项目测试，他连问了二十多个刁钻冷屁的边缘问题。放在普通工具上，比如 brainstorming， ai 只会象征性问七八句，经过那样严苛的审讯，最终需求准确率直接飙到百分之九十以上。一百加测试一次性全率，一点反攻都不用。 这么神的吗？但他不会把我问破房吧？你可说对了，真会破房。麦特自己都承认经常有人被折磨扛不住，甚至有人在讨论说被问了二百个问题要疯了。但恰恰是这种极致的需求审问，才把 ai 从黑乡干活的玄学拉回到有逻辑的工程学上。 那不光是这个狠毒的面试官，这仓库里还有没有别的打工人必备神器？问得好，要知道 ai 特别容易过度设计，你看 t d d 这个神技，他强迫 ai 必须暗红绿重构的老派工业流水线来。他严禁 ai 脑子一热，给你写几百行无终生有的代码，还有个 tuisius， 一 键把庞大的需求文档打散成垂直切片的独立任务。这不仅是写代码，这简直是在防范 ai 上班摸鱼啊。原来如此，所以这整套理念才是关键。 完全正确。 matt pocket 最大的贡献不是写了这堆 skill。 dandy， 他 是把 prompt engineering 上升到了 agent skills 的 维度。他把开发流程里确认需求、写测试、拆任务的这些步骤全原子化了。我管这叫把零食外包变成了自己的全职死角。天呐，那我也想入坑，怎么装？门槛高吗？我怕搞一堆配置劝退。 零门槛就一行命令， d p x skills at latest at macbook skills 然后选好你的 agent 直接就能跑，太爽了吧！这简直是给 ai 配了个班规！行，我这就去下，等着被我的 ai 考打去。 这就对了，记住，在二零二六年的今天，你不再是一个只会发布的魔法师。今天你不考打 ai， 明天 ai 就 让你在屎山代码里流泪。与其被 ai 牵着鼻子走，不如先好好调教调教它。关注我，本期宝藏你 get 了吗。

大家好，今天本期的内容呢，是想教大家如何去在我已有 skill 的 基础上呢进行二创，因为我在评论区也看到，就是很多人觉得我现在的这个 skill 并不能完全满足于它自身的要求，那这个时候应该怎么办呢？ 首先我们先来讲一下它的一个安装，大家可以直接点 code， 然后把这个链接给到 codex， 然后让他把这里面的 skill 安装到我的技能库， 包括你们后面在安装其他 skill 的 时候也是一样的，你可以把那些开源的 github 的 上面链接啊，然后去告诉 codex， 然后它可以自动地通过 git clone 或者说 g h 命令呢，就可以拷贝里面内容到自己的本地库。 然后呢，接下来呢，我会在它完成安装之后呢，讲解一下怎么去跟它交互，然后在这个交互里面怎么对它进行提升，怎么在不满足过这个现有需求上对它进行修改。 因为本身来讲 skill 它就是一个 markdown 的 文件，这个 markdown 文件其实是可以篡改的，包括大家如果不嫌麻烦呢， 你们其实也可以点开这个 skill 的 这个 markdown 文件，然后比如说啊，你对什么语法要求，你觉得它写的不对啊，那你就可以直接去修改它嘛，其实它是一个可写的文件，所以你可以对它进行自定义的修改， 那包括那些 pdf 里面，我看到评论区有人说啊，就是说目前这个 markdown 绘制的图呢，可能配色上稍微有点问题啊，然后以及它的字体大小可能不太对，那其实你都可以去在这里面去设置嘛， 其实它是一个非常灵活的，那我今天呢，也会以一个更加具体的例子，我会说在这个现有这个 nature policy 的 基础上，我想把 academic freeze bank 这里面的这个语句模板给它进行一个二创，从而呢让它的这个学术表达能力更强。 后面呢，我也会把这个更新后的 skill 传到吉他，然后大家可以再多多支持一下，帮我宣传点个 star， 谢谢。这边呢，我们看一下他现在爬取的这个 skill 的 一个进程， 可以看到啊，他已经成功的根据我这个链接读取出来，现在有两个技能目录，一个是 nature figure， 还有一个 nature poly， 接下来呢，他会把这个跟我本地做一个校验，你会看到其实因为我本地其实是有 nature figure 的， 但是 nature poly 被我删除了，然后他会 做这个校验，然后去查看这个是否一致，如果不一致的话，那他就会对我这个本地的进行更新。 然后呢这个就是它一个过程，上面呢是一个安装，然后下面是这个比对 nature figure， 所以 就是大家在使用其他的开源那个 skill 的 时候也是一样的，有一些冲突的也没有关系，因为它会做这种自动的教压，你只需要把这个 get 哈文链接给它就可以了。 好的，我们看一下它输入结果，它帮我把这个缺失的安装好了。然后另一方面就是 inch figure， 因为我本地已经存在了，它做了内容比对，然后内容一致，所以呢这个它就不需要再完成更新了。那好，接下来呢，我想 就是进行二创，因为我可能在进行学术表达的时候，它的效果并不能让我满意。然后昨天其实也讲了，就是教大家怎么去创建 skill。 那 其实呢，我们这里面也是一样的，把 academic phrase bank 这里面的这个书面文档直接拖动到这个聊天框里面， 然后呢它可以映射出来它文件的路径。这个文档里面呢，也可以带大家去看一下它的内容， 大概呢是写了很多的这个语法呀，包括这个啊，书写的一些规范。那接下来呢，我们就让它去读取这个文档的内容， 帮我把 nature police 进行完善。 这个过程为什么可以执行呢？因为我也讲过了，它内置 poly 型，本身就是一个 skill 的 markdown 文件，那大元模型它是有这个写文件的权限的， 所以呢它可以自动地解析 pdf 文件里面内容，去提取规则，去提取它里面这些语句模板。然后呢再 跟我目前的这个 nature policy 做一个比对，就是他现在还缺少什么，然后呢来给他进行这样的一个赋能。然后呢他把新生成的这个 markdown 文件对我本地的这个 nature policy 进行一个替换。我们可以看一下这个过程， 他会先提取 pdf 的 文本跟目录，然后确定哪些是 啊值得吸收进 skill 的。 然后他去看本地的，就是当前的 to party 型，他是一个什么样的一个协议，然后 他会直接的去修改本地的 skill， 然后你看他这里面特别有意思啊，他觉得如果你单靠这个 markdown 文件来约束他这个语法的话，可能是不全面的，那他怎么做呢？他新增一个 reference 这个目录， 在这个目录里面你就可以专门存一些比较经典的语句，然后让他来参考学习。所以这个过程真的是非常智能。 可以看到啊，他现在已经开始尝试着去读取这个 pdf 文件了，但是呢他会发现我这个 啊，没有这个 py pdf 这个包，然后它现在来完成这个虚拟环境一个创建，然后来读取。我们稍等片刻，这个过程呢会稍微漫长一点，但是呢我们可以看一下它的执行计划。首先呢是提取和检查这个 pdf 文件，然后呢去呃 把这个 freezbank 里面的内容呢和当前的这个 nature policy， 这个 gap 它给去弥补一下。然后呢去第三步呢是编辑我当前的 skill 的 markdown 文件，然后并支持参考文件，然后呢再去验证更新的 skill 它的结构啊，还有去总结它的功能。 好的，接下来呢，我们看一下他现在这个提取库已经装好了，那他下一步呢就是要去读取这个 pdf 的 文件内容，我们稍等片刻， 而且在这个读取过程中，我们看一下啊，就是他并没有盲目的去通读一百五十九页这样文件啊，他还是像这个素的结构一样，他去一层一层的去给他读取。 然后你可以看到啊，他看他首先看目录，然后呢抽取最相关的章节，然后重点会放在介绍工作啊， 然后瑞瑞文献啊，然后报告结果，讨论，发现写作结论，然后保持谨慎啊，各种乱七八糟的这些约束。来看一下我现在这个内室暴力形态有哪些缺陷，来对他进行一个增强，我们 等待他的执行。 我们可以看到啊，它已经把 pdf 里面真正有用的部分给它抽取出来了， 然后它接下来会重写 skill 文件，然后拆出参考文件，然后再去更新维密文件来对它进行一个说明。 好的，我们可以看一下，现在 nature policy 它又得到了一个增强。 它之前呢，其实只有 skill 点 markdown 文件是起作用的，但它呢，现在改成了主流程加参考资料的这样的一个结果。那这样呢，其实它相当于它在写在要写介绍，写讨论，写结果的时候进行这种翻译，润色的时候可以有对应的参考， 而不是每次把所有规则都硬塞进上下文。所以呢，大家可以看到他在去润色这个 skill 的 时候，不需要你人为去构思太多，你只需要提供一个非常粗糙的想法，以及他的这个学习资料尽可能的精准，那他就可以自动的帮你规划好怎么设计更合理， 因为没有 gpt， 更懂 gpt， 他 知道自己加什么样的约束能够让他自己实现的更好。 其实在这个过程中呢，我们发现它已经创建了基本的这些东西了。在 skills 这个文件夹下，在 nature policy 这里面，它新定义了这个 skill 的 markdown 文件，然后呢也创建了这个参考目录，然后是上面呢，其实是有一些文件说明的， 然后这个时候我们看到他已经把所有他之前规划内容都已经完成了，然后的话，现在呢，相当于我的 nature 呢，已经得到了一个啊新的 重生。接下来呢，我会继续的去进行一些简单对话，去检验一下他的能力。那么后续呢，我会把他继续开源到我的这个 github 仓库上，大家可以期待一下。

前端设计师的黑科技来了！记住，这个开源项目目前已经在 github 狂揽了七万五的 star， 它帮你一键复刻大厂同款的 ui 设计，目前已经整合了五十多家全球头部企业的 ui 设计系统，这些你抄都抄不完的成熟规范全给你整理好了！ 并且它使用纯 markdown 模式，将色彩、字体、排版、组建等 ui 核心规范全部结构化梳理完毕，不用手动搬运配置，只需借助 ai 就 能一键生成像素级还原的大厂风格界面，还不离谱吗？