怎么让codex结束话题

昨天发了一个关于 token 的 话题，好多人在讨论呢，发现真的是好多人用各种办法去用这个 code， 有 用福利的，比如说几百个福利去组局的， 也有用各种就是日抛 token 的， 也有各种就是渠道联系我，但是我觉得后面这种日抛的这种渠道应该是会慢慢没有了，因为我今天已经发现好多店铺都已经关门了就没有货了。 我觉得未来大概率还是得走这个土耳其啊，或者说菲律宾啊这种正规的渠道去做。 现在比如说一个 plus 可能就是八十块钱嘛，土耳其的，但是我这种用量比较多的，可能就没办法去买 plus 的， 它满足不了我，只能够上嗯，二十倍的 pro pro。 但是有一些情况就是我们一个人用 pro， 很多时候它可能是没办法就是用完的，但是某一段时间的话，它又用的特别多，你一个小小的这个 plus 它就满足不了。 像这种情况的话，这些人把正规的 pro 然后通过一些正规的渠道去卖出去。我觉得这个应该是为了主流的方向， 就纯探讨啊。当然还有一种更加正规的方案，就像那个申哥他们最近在搞的，他们这种应该是走官方的通道出来的，这种就是正儿八经的一些机会的，一些像 openload 这种渠道的，这种应该就是官方合作的了。我认为啊， 评论区如果懂的话，就是大家可以一起探讨一下，今天就分享到这里。昨天发了一个关于 token 的 话题，好多人在讨论呢，发现真的是好多人用各种办法去用这个 code。 有 用福利的，比如说几百个福利去组局的， 也有用各种就是日抛 token 的， 也有各种就是渠道联系我。但是我觉得后面这种日抛的这种渠道应该是会慢慢没有了，因为我今天已经发现好多店铺都已经关门了就没有货了。 我觉得未来大概率还是得走这个土耳其啊，或者说菲律宾啊这种正规的渠道去做。 现在比如说一个 plus 可能就是八十块钱嘛土耳其的，但是我这种用量比较多的，可能就没办法去买 plus 的， 它满足不了我，只能够上嗯，二十倍的 pro pro。 但是有一些情况就是我们一个人用 pro， 很多时候它可能是没办法就是用完的，但是某一段时间的话，它又用的特别多，你一个小小的这个 plus， 它又满足不了。 像这种情况的话，这些人把正规的 pro 然后通过一些正规的渠道去卖出去，我觉得这个应该是为了的主流的方向， 就纯探讨啊。当然还有一种更加正规的方案，就像那个申哥他们最近在搞的，他们这种应该是走官方的通道出来的，这种就是正儿八经的一些机费的一些像 openload 这种渠道的，这种应该就是官方合作的了。我认为啊， 评论区如果懂的话就是大家可以一起探讨一下，今天就分享到这里，昨天发了一个关于 token 的 话题，好多人在讨论呢，发现真的是好多人用各种办法去用这个 code， 有 用福利的，比如说几百个福利去组局的， 也有用各种就是日抛 token 的， 也有各种就是渠道联系我，但是我觉得后面这种日抛的这种渠道应该是会慢慢没有了，因为我今天已经发现好多店铺都已经关门了，就没有货了， 我觉得未来大概率还是得走这个土耳其啊，或者说菲律宾呢这种正规的渠道去做。 现在比如说一个 plus 可能就是八十块钱嘛，土耳其的，但是我这种用量比较多的可能就没办法去买 plus 的， 它满足不了我只能够上嗯，二十倍的 pro pro。 但是有一些情况就是我们一个人用 pro， 很多时候它可能是没办法就是用完的，但是某一段时间的话它又用的特别多，你一个小小的这个 plus 它又满足不了。 像这种情况的话，这些人把正规的 pro 然后通过一些正规的渠道去卖出去，我觉得这个应该是为了的主流的方向， 就纯探讨啊。当然还有一种更加正规的方案，就像那个申哥他们最近在搞的，他们这种应该是走官方的通道出来的， 这种就是正儿八经的一些机会的一些像 openload 这种渠道的，这种应该就是官方合作的了。我认为啊，评论区如果懂的话，就是大家可以一起探讨一下，今天就分享到这里。

人类的产品团队真的很神奇，一边高喊设计驱动开发，一边让设计稿和代码像异地恋情侣，靠截图和脑补维持关系。设计师在 figma 里优雅拍板， 前端在 id 里疯狂揣摩，最后上线的页面谁都不完全满意，然后大家互相甩锅，文明社会的温柔撕扯。 直到 codex plus、 figma、 mcp server 这套组合出现，我才意识到这不是功能升级，这是一次生产关系的改造。我讲的直一点，它正在消灭涉及到开发这条漫长又低效的翻译链，而翻译链是效率杀手。 真正颠覆的是从代码回到画布。说实话，我真正兴奋的不是设计生成代码，而是反向这一步， generate 下划线 figma design， 它可以把真实运行的 u i 抓回。 figma 不是 截图，是可编辑的 frame。 这意味着什么？意味着代码不再是终点，代码只是一个版本状态， 设计师可以基于真实产品结构继续改，而不是靠脑补。你能想象这对团队合作意味着什么吗？以前设计交付实现验收返工，现在设计代码时时往返，这已经不是合作，这是融合。 原型和生产的界限会消失， proto time 不 再是草图，混乱的设计资产会成为组织的拖累，前端工程师的角色会进化。别焦虑，不会消失，但还原设计稿这件事会越来越不值钱。 如果你还把自己定位成像素守门员，那确实危险， ai 正在接管重复劳动。 真正的价值在于最佳想法，而不是第一个想法。官方那句 build on your best ideas not just your first。 其实很准。过去大家停在第一版，不是因为没创意，是因为改一次太贵。 现在想法设计代码回话再优化再生成，迭代成本极低，创新速度会被推高，创新从勇气问题变成成本问题，当成本被压缩，竞争维度就变了。 桥梁时代结束了，现在是传送门时代，你要么升级认知，要么被效率碾压。

最近，推特向一个 ai 话题爆火， codex 的 核心开发者宣称，勾五指令或许是他们在 codex 中推出的最具深远意义的功能。在二零二六年五月一日， openai 旗下的终端编程代理 codex 发布了 v 零点一二八点零版本，并且引入了核心命令 go 命令、高危命令有着重大意义，他把 codex 从每次只能执行一条指令的工具，升级成了能够持续推进长期工程目标的自主智能体。借助这个命令，开发者只需设定一个宏观目标， codex 就 能跨越多次交互和中断，持续自主地朝着目标迭代前进，直至目标完成或者遇到阻碍。这堪称 ai 编程助手，像真正的自主软件工程师严禁的关键一步。在过去的传统模式里，开发者需要一步步下达指令， codex 则按照指令一步步执行。比如开发者说帮我写一个登录函数， codex 就 完成这一个任务。而现在，有了购物命令， 开发者可以为 codex 设定一个持久的长期目标。一旦目标设定， codex 就 会像一位不知疲倦的工程师，围绕这个目标持续开展工作，包括编辑代码、运行、测试、分析结果，并且在发现问题时自行修复， 全程无需开发者中途干预。对于开发者而言，有了 codex 的 助力，他们无需再死记硬背各种编程语言的特定语法，能够将更多精力放在逻辑设计和架构思维上，这极大地降低了非专业开发者开发功能的门槛。勾勒功能的核心优势体现在自主性和闭环能力上。 其一，自动拆解任务。当 codex 接收到宏观目标后，会自动把它分解成多个可执行的子步骤。其二，自主迭代。它会不断循环执行编码、运行、检查、修复的流程，直到判定目标已经达成。其三，任务管理，开发者可以随时对正在运行的目标进行暂停、 恢复或者清除等操作。有开发者给了 g p t 五点三 codex 一个空仓库以及完整访问权限，并布置了一个完整的射击游戏开发任务。 codex 在 不间断运行大约一个多小时后，自主生成了游戏所需的所有资源。 总之，勾勒命令的出现，让 codex 从每次一条指令的工具转变为持续推进长期工程目标的自主智能体。让开发者设定宏观目标后， codex 能跨越交互和中断持续迭代，这无疑是 ai 编程助手迈向真正自主软件工程师的重要一步。

同样让 codex 加一个按钮， loading 有 人十分钟做完，有人折腾，整个下午还得回滚，差的就是五步顺序。第一次让 codex 改东西，不要选重构整个系统这种大活儿，也不要选支付权限、删数据这类一旦出错影响很大的任务。更合适的任务是风险低、 范围小，能验证，而且真的会出现在项目里。比如给设置页的保存按钮加 loading 状态，避免用户重复提交。 如果你的项目没有设置页，也可以换成任意一个保存提交搜索按钮。思路是一样的，这个任务不复杂，但很适合作为练习。它会碰到组建状态按钮，禁用请求开始和结束，也会提醒你检查成功和失败两种情况， 同时一般不会改到太多地方。你练的不是让 codex 写几行代码，而是完整走一遍。定位计划、修改、验证、审查。第一步，先定位，不要直接改， 可以这样问。这一步的目的是让 codex 先把现场说清楚，它应该告诉你相关文件在哪里，按钮在哪个组建里，请求函数在哪里，现在有没有 load 状态。如果它只做概念解释，没有给出文件路径和函数名，就继续追问。 第二步，让它给最小方案。这里最关键的是最小修改。你不是让它重新设计设置页，也不是让它把接口调用那一套重新改一遍，只是围绕重复提交这个问题做一个小修。合理方案通常会包括增加或附用 loading 状态提交开始时设为 true， 请求结束后恢复为 false 按钮。 disabled 绑定 loading 按钮，文案在保存和保存中之间切换。如果项目里已经有状态管理或请求状态，就优先附用现有逻辑。 第三步，确认方案后再让它改，这时才让 codex 动手。你要观察它有没有跑偏，是不是只改了相关组建，有没有顺手格式化整份文件，有没有把接口调用那一套也改了？有没有引入不必要的新依赖？一个按钮 loading 最后变成局请求流程重构，那就不是小任务了。 第四步，让它验证真实。项目里不是每次都有完整测试，验证可以分三层，能跑自动测试就跑自动测试，没有测试就跑 lingt 或 type check， 这些都没有， 就写清楚手动验证步骤。这个任务的手动验证可以这样写。第五步，改完后做一次 review。 这一步很重要，因为成功的时候没问题，不代表失败的时候也没问题。保存成功以后 loading 会恢复，那保存失败呢？接口报错呢？页面被关闭或组建被卸载呢？如果只在成功后把 loading 设回 false， 失败时没恢复，用户就会看到按钮一直卡在保存中。所以这个任务真正要验收的不只是按钮。文案变了，至少要检查六件事，点击后是否立即进入 loading， loading 时是否禁止重复提交。 成功后状态是否恢复，失败后状态是否恢复？原有错误提示是否保留，原有叫验买点跳转有没有被影响， 可以让 codex 按清单自查。最后一句要保留，如果没有证据就说没有证据，它能避免 codex 用很肯定的话瞎回复。这一期真正要记住的不是怎么给按钮加 loadin， 而是用 codex 做任务的顺序，先定位，再给方案确认后修改，改完验证，最后检查风险。 以后不管你让他改文案、修 bug 还是补一个小功能，都可以按这个顺序来，这样任务不会一上来就变成大改，改完也知道该怎么验收。这期先到这儿，你还想让我继续展开哪个点丢到评论区，我下一期接着讲。

我给 codex 装了个实体跑马灯， ai 写代码不用一直盯屏幕，黄灯闪烁是 codex 正在工作，黄红交替是需要我确认权限，绿灯常亮，任务已经完成。这就是 codex 硬件进度展示。

很多人用 ai 学习，其实只是把它当成一个搜索工具或者答题机器，但我现在更推荐一种方式，把 codex 当成你的长期学习教练。整个流程可以分成五步，大纲学习、练习、复盘、调整。第一步，先让 ai 根据你要学的内容，帮你生成一份系统学习大纲，明 确先学什么后学什么。第二步，从大纲里选择当天要学的知识点，让它生成对应章节内容，并拆成今天可以完成的学习计划。第三步，学完以后不要马上结束，而 是让他根据今天的内容生成练习题，包括基础题、应用题和综合题。第四步，把你的答案发给 ai， 让他帮你批改，指出哪里理解错了，哪里还不够扎实。第五步，让他根据你的学习情况生成复盘，并调整明天的学习安排。这样一来， ai 就 不只是帮你回答问题，而是在帮你建立一个完整的学习壁环，你每天要做的事情也很清楚，知道学什么，知道怎么学，学完有练习，练完有反馈，反馈后再调整。 最后还可以让他把每天的内容整理成 upc 点笔记，方便以后复习。真正高效的 ai 学习，不是问一次看一遍，而是让 ai 持续陪你规划练习、纠错和复盘。就主播这里举例，主播最近在计划学习 python， 打算通过 python 后端一部分后，再详细学一下 ai 应用开发，所以就让先 ai 先生成学习大纲，然后再让他根据学习大纲的每一个阶段分布，去生成各个阶段的知识点， 然后安排好每天的学习规划，自己根据学习规划学完，然后再让他出相应的习题，最后总结复盘，后面的大家可以自己参考看一下，因为主播没路口播，就详细讲了，有问题可以在评论区询问。

想用 codex 做一人公司，先别幻想他替你当老板。正确用法是，你负责判断， codex 负责把执行速度拉满。 把 codex 当成你的工程团队，不是聊天机器人。你把任务拆成产品增长、客服、数据复盘。每个任务都要有边界和验收标准。 第一件事，给公司建一个操作系统，仓库， agent 点 md 运行命令、测试命令、发版清单。以后每个任务都按同一套规则跑。做产品时，不要说帮我做个 sas， 你 要说目标用户是谁，先做哪一个付费动作，允许改哪些文件，做到什么才算 mvp。 做增长时，让 codex 帮你生成落第页文案功能对比短视频、脚本、邮件草稿，但小题定位和最终发布，你必须自己拍版。 做客服和运营时，把常见问题、退款原因、用户反馈整理进文档，让 codex 帮你归类写回复，提出产品改进，但别让它直接替你承诺。 每天结束前，让 codex 做三件事，总结今天改了什么，列出风险，生成明天任务清单。真正的一人公司靠复盘滚动前接 口诀，你做老板， codex 做执行，你定目标，他跑任务，你看结果再决定下一步。想要这套一人公司提示词模板、评论区打一人公司。

每周有四百万人在用 codex， 但只有不到百分之一的人知道怎么去拿它变现，今天老曹就给大家细细道来，现在 codex 这么的火，我们来聊一下这里面的玄妙之处。 别再用 codex 写 demo 了，我们直接聊点那些对粉丝非常负责的话题。五月十四号，奥特曼宣布了一组数据， codex 周活跃用户竟然突破了四百万。 同一周呢， codex 手机端正式上线， npm 下载量暴涨百分之一千三百九十七。但我想让你看的是另一个数字，在这四百万人里，真正靠 codex 赚到钱的可能不足百分之一。 先帮你把这波更新的核心信息拉出来。五月十四号， codex 手机端正式上线， ios 和安卓全部开放，包括免费版。 npm 下载量从四月三十号开始暴涨， 单周就突破了八千六百一十万次，环比增长了百分之一千三百九十七。到了五月八号，这个数字直接冲到了九千万。 四组数据指向同一件事情，那就是 codex 正从编程辅助工具变成开发者基础设施。 但问题是，当所有人都在用同一个工具的时候，会用就不再是优势了，真正的分水岭是在你会用之后。 在 codex 周数据突破四百万的背景下，我们团队翻阅了很多的数据，帮朋友们发现了三条被严重低估的变线路径仅供参考。因为执行力有差异，思维也会有差异。第一个方向就是帮别人封装精装房智能体。 这件事呢，底层逻辑就跟当年帮人装电脑是一样的，工具门槛越低，封装服务的需求反而越大， 自定义指令全部预制好，做成开箱即用的行业智能体包。比如专门给跨境电商卖家做 codex 套装，专门给数据分析师的 codex 套装。 这个方向，赚的不是 ai 帮你省下来的那笔工资，是帮别人省掉从零配置到能用的这段学习成本。第二个方向，就是用 hux 搭自动化工作流。五月十四号， codex 更新了一个内容特别容易被忽略的功能，就是 hux。 它可以在提示词里运行效验规则，记录对话日记，构建记忆知识库，翻译成大白话。非常简单，就是你可以让 codex 在 每次干活之前自动检查一遍安全规范，自动记录每一步操作，自动在你设定的条件下触发下一步。 已经有开发者用 hux 帮一家小公司搭建了一套自动化的代码审查流水线，一个月收入几百刀的服务费。第三个方向更冷门，但天花板更高。 帮传统公司做内部工具，不是帮他们写代码，是帮他们梳理流程，然后用 codex 把重复的环节自动化。一家大连本地的外贸公司，以前业务员每天手动从邮件里提出订单信息，录入到 erp 系统，一个人每天要花三个小时， 用 codex 搭建一个自动提取加自动录入的流程，现在这活， ai 十分钟就可以干完。它不是卖软件的，是卖帮你省掉三个小时的解决方案。以上这三个方向呢，都有一个共同点，那就是赚钱的人不是在用 codex， 是 在卖 codex， 卖封装好的智能体，卖搭好的自动化流程，卖梳理好的解决方案。这跟当年 sas 的 逻辑一模一样， 工具免费，服务收费，谁能把业务需求翻译成 ai 能执行的上下文，谁就能够赚到米。 codex 变现的本质并不是 ai 替你干活，是你用 ai 重新定义了干活的方式。 你的位置不是操作工，而是流程的设计师。如果你正在想怎么用 codex 赚钱，找准一个行业，找到一个边界清晰、结果可验证的需求，把它封装成一个标准化的交付件。你的护城河不在技术，在你对那个行业需求的理解深度。 评论区留个言，你现在在哪个行业？你那个行业里有没有那种每天都干的特别的重复但又不得不做的环节？写下来，我帮你看看能不能用 codex 把它自动化。

你对 codex 的 认知还停留在 whiteboarding 阶段吗？拿它来做自媒体内容可太像了。以下这三个场景可以深度使用，拍解爆款视频。我先把录屏丢进来， 他会先看这个视频有多长，画面比例是什么，有没有口播，然后继续拆开掉沟子、分段结构，每段的作用，还有哪些地方适合复刻？拆完之后，重点不是照搬，之后我会把需求发给他，选择题、目标、用户语气、平台版本等等。 然后 codex 会按照刚刚拆出来的结构，直接改成小木梳、 b 站官号三个版本。到这里还没结束，我继续让 codex 往下做，把脚本变成 hyperframes 里面的视频结构。 它会把标题、字幕、录屏、素材、步骤卡片和转场先搭出来，不是替你精简，而是先搭好一个可以预览、后续可以调整的视频骨架。第三个场景是制作视频里的流程图、数据图、步骤卡片。这里用到的是一个 html presentation skill， 做出来以后，这些 html 页面就可以截图录屏，或者继续放进 hyperframes 里面，变成视频里面可以直接使用的视频素材。 但如果你真的拿 codex 加 g p t 五点五高频跑这种任务，你可能很快就变成 token 乞丐官方套餐，额度根本不够用。 那聪明的我们其实可以完全在 codex 上使用其他国产平替模型，我直接把犀牛云 a p i 接近 codex， 在 终端里运行配置，三十秒搞定，配置可以自由切换到其他一百多家大模型。操作指南我已经整理成文档了，可以分享给大家哦，记得点赞关注哦！

speak to note 这个项目里面点击新对话，这次的功能要改好几个文件，像 ai 调用列表显示等等。那么我不想让 codex 直接改代码，依然是需要打开 plan 功能。我会在对话框里写， 请仅阅读相关代码，给我一个实现方案，不要改动任何文件。对，这是我对它的约束。然后需要实现的功能是，一录音结束后，调用 open ai a p i 把录音转文字二和两到三个标签存入 sq line 三列表里， 每条记录显示总结和标签，根据需求标出你认为的风险点。好，这个是我完整的一个需求，我把模型改成五点五。在这里我还是想要说，你如果把 ai 做成你一个生产力工具的话，你应该要用到的是最好的模型，这样能够减少你非常多的时间。当前是它的一个读取过程，我们整一个过程就会快进 这里，大家看到了吗？其实 ai 它真的是挺聪明的，因为我们在原来的项目要求里面有写说明，说原始的录音内容不能发给 ai 或者第三方。但是我本次的需求又告诉他，需要进行录音的一个转文字转写，对吗？我们来看一下它的一个整体的 plan， 它会需要去新增数据库，新增字段，做清量迁移，需要做一些字段的一些增加。同时它需要接入一个 api， 有 一个转写请求，会有一个 sql lite 的 一个存储策略，包括 api key 的 一个读取策略等等。它给到我的一个风险，第一个就是最高风险，跟我的需求跟整一个项目规则冲突了，所以它 希望我在实践前明确修改隐私规则和用户授权。第二个整一个 api key 的 风险，如果是直连，那么会暴露密钥，那打包后环境也会进入到客户端包，它可能会有一个需要后端代理或者用户自带 key 的 一个安全存储方案，最 后依然它会带上它的一个 test plan。 我 觉得它的风险。录音存储的这个问题我是能够接受的，因为确实引入了 ai 的 话，我必须把这个录音上传到 ai。 好， 那第二个就是数据库，它增加自断，它是不是会把我原来的测试数据给删掉了？那我可能还需要给他提一个建议， 加数据字段要注意保留，旧数据要做向下兼容，保证支测试记录还能看到隐私问题，支持改写 好，它已经改完了，总结就是先保存本地录音记录，再一步调用 open ai， 然后录音结束之后写入 sq lite， 旧记录继续可见。新记录处理中，完成后写回转写文本，然后两行总结，两到三个标签，隐私规则按新产品决策改写。 ok， 那 我可以让他实施这个计划。接下去就是他的一个开发过程了，我们依然快进， 他已经改完了，并且经过了他的一个验证，现在给到我进行复验。依然是在终端里面打开，打开之后就会出现一个二维码，然后进行扫码，依然是在手机上打开 expo go。 接下去就在手机上的一个演示给大家看一下。 因为 open ai 费用的问题，我没充钱，所以，呃，大模型用了 gemine， 那 国内的话我们可以用 g l m 和 mini max， 因为 deepsea 目前仅支持文本，它不支持语音转录。

以前你怎么能够和纳瓦尔包括卡瓦西能够对上话，能够向他们请教问题，但是现在你只需要用上 cloud code 就 可以了，而且每个月就是一百多块钱，也就是一顿饭的钱，就能够和世界上最牛逼的人跟他对话了。 你看我这是我给他们拉了一个群，我也是问了一个大家很关心的问题， ai 时代，普通人如何把握住这次机会？而在我这个里面我就会有很多的这样的名人的一个圆桌讨论，那类似的既还有芒格、张一鸣、黄征、巴菲特，其实都有，会涉及到不同的话题，他们会出来 辩论争锋，然后给到我一个呃，这个呃结论就可以了。而且这个 cloud code code 很 牛的地方是它不仅能够给你输出方案，还能够给你完成任务， 直接就有手有脚了。给大家展示一下这个就是他每天早上呃给我推送这个选题，他就像我这个总编辑一样，当你选完以后，直接给你写开头，写中文，写结尾，差不多十分钟就能出来。

大家好，我是老谢讲 ai。 今天聊一个被 capc 亲口宣判结束的时代， web coding 氛围编程。前几天他和洪山的 stefanie zan 录了一期对话， 标题就叫 from web coding to agentient engineering。 有 意思的是，距离他第一次把 web coding 这个词讲火，差不多刚好一年。一年前，大家的想象是，以后你只要描述想要什么模型，就能帮你写出来。 curser， codex、 windsurfer 这类工具一个个起飞，很多人觉得程序员要被替代了。但一年过去， capplet 的 判断变了， web coding 只适合做原型，真正的方向是 agent engineering。 我 自己这一年也深有体感，那种我不太懂代码，但功能真的跑起来的爽感， 确实很上头。你打开编辑器说一句帮我做个 dashboard 的 回车，界面就出来了。但爽完之后，问题也来了，登录流程为什么依赖一个奇怪的 banana diss？ 这个文件谁写的，我不知道。能跑不等于可维护 demo， 能演不等于系统可 cp。 说的 software 三点零，其实就是这个转折。 software 一 点零四人写代码， software 二点零四模型从数据里学习， software 三点零四 l l m 本身变成计算机底，自然语言变成编程接口。 你现在写代码，很多时候已经不是直接敲代码了。你再写 spec 配 contacts， 讨测是 stiff 设权限给模型描述边界， 真正敲键盘的反而是 agent。 这一年最大的变化是，老程序员也会突然变成新手。一个写了十几年 go 的 人， 面对 a 诊，一口气吐出来的几百行陌生代码，也必须停下来 call a review。 它不是写不出代码，而是必须为自己没写过的代码签字背锅。这就是 web coding 和 ajax engineering 的 分水岭。 web coding 是 你说做个东西模型给你做，看起来还行，可能能跑。 aggressive engineering 是 你要有 memory tools 测试， sandbox 监控、回滚、 code review、 安全边界和人工审批。一个像原型魔术，一个像工程纪律。最危险的不是 a 阵不够强，而是一个没有约束的 a 阵太强，它能改文件，能装包，能拿 secret， 能 push 分 支， 只要有一次幻觉，后果就可能很麻烦。所以，未来不是一个万能 agent， 很 少一切，而是一堆专精 agent， 各自有工具权限、 成功标准和回滚机制。市场也在用角投票，很多公司不是简单用 ai 替代人，而是在重估哪些岗位只是传话，哪些岗位真的负责。判断程序员这三个字的含义正在变。以前它意味着你会写代码，掉 bug， 架构系统。现在，它越来越意味着你会管理 a 诊， 设边界，做判断，知道什么该交给机器，什么必须人来。语法知识越来越不稀缺，判断力越来越稀缺。 software 三点零不是 slogan， 它是程序员从代码作者变成计算劳动力操作者的那一刻。氛围编程已经结束了，真正的游戏才刚刚开始。

一个非常有意思的 ai 应用的制作方法啊，目前你看到的这一个 ai 应用，他从有想法到落地总共不超过两个小时，呃，花费不超过十块钱人民币。 说一下他产生的原因，是因为目前我有大量的英文口播视频需要去录制，但是我的英文发音需要一定的提升，所以的话我就利用 ai 做了这个应用。现在我来演示一下这个应用是怎么制作， 怎么运行以及怎么制作的啊？这个运行非常简单，我们把我们需要的阅读的脚本放在这个动画框，然后让他深层练习，深层完以后，他就会出现每一句要怎么读，重读音是在哪里，然后每一句的真人语调教练会有一个对于这句怎么发音的讲解。这个我们来 听一下。 everyone to follow my video channel to get more knowledge and information about industrial expedient foreign trade。 重音词分号都要弱读，轻轻带过不就是他目前的教育的方法已经够我使用了。然后当我训练结束以后，练习结束以后，我会进行一个跟读，然后 ai 会对我的跟读进行一个点评， 让我们演示一下。 welcome everyone to follow my video channel to get more knowledge and information about the industry industry exports and foreign trade。 通过 口播一百一十四词分钟合适，重音词可能没有完整站出来，重点练 ingest 音标 and this l 先慢读这个单词，再放回整句美式音标。 r 舌尖不要碰上舌，舌身后收，嘴唇微圆，声音从喉咙后部出来，音标短促，放松舌头不要太紧。 应用是怎么去优化，怎么去制作成功的？这个应用的制作非常简单，我们下载一个 codex， 然后给他选好文件夹，把这个访问权限设置为完全访问，然后你说出你的需求，还有你要对呃你的目的，然后他就会去生成一系列的内容以及 应用，不需要你再做任何事情，你只需要等待就行了，等待他输出结果，然后再给出你的建议。比方说刚才当我听到他的那个老师点评的时候，老师点评的语速 太慢了，这样就 ok 了，然后他就会对这个应用再进行更改。这个 ai 的 迅速发展，对于我们这种不懂编程，但又有很多实际应用场景需求的人来说，确实是一个非常非常大的便利。如果有工厂的老板想要搭上这一 波 ai 迅速发展的快车，想要获尽快获得海外出口的第一桶金，赶紧私信我吧。

今天咱们聊一个比较有意思的话题啊，就是这个 codex 多智能体系统是怎么在 ui 和 ux 设计当中协同工作的，嗯，以及它们是怎么从最初的相框图到最终的产品部署， 实现全流程的自动化设计的。是啊，这个话题确实非常有意思，那我们就直接开始吧。咱们先说说就是这个 codex 多智能体系统带来的这种范式转移， 嗯，就是它到底是怎么让设计流程从过去那种零散的提示词，变成现在能够自主产服专业设计的一个过程呢？ 嗯，这个的话，其实它最大的一个改变就是不再依赖于像以前一样，你去猜啊，我这个提示词要写什么，而是它通过 m c p， 也就是多智能体协助以及技能堆站， 让 ai 自己可以做出有专业审美的这种设计决策。哦，就它可以从线框图直接输出到生产级的产品，听起来就非常高效啊。那这个现代 ai 设计飞轮，它到底是一个什么样的东西？它是怎么通过基础设施和智能体的角色映射，让这个设计自动化变得更流畅的？ 其实现在的这个 codex 它已经变成了一个类似于团队的 ai 智能体， 然后这些智能体呢，分别负责比如说布局啊、资产生成啊、交互等等不同的环节，相当于把原来需要人来协调的这一摊事交给了一个自动化的系统来做。对，这个确实有点意思。 是的，然后再加上这个无线塞薄化布的基础设施，就这些智能体可以在一个统一的环境下面高效的协助， 然后每一个智能体都有非常明确的角色映设，所以整个的设计过程就会变得非常的流畅和可控。没错，那这个 ai 它是怎么根据页面的整体风格去自动推断出合适的资产材质和色调的呢？这个其实就是它会通过上下文感知的这个三 d 视觉元素生成。 比如说你只要输入一句 duplicate and make the colors of the site match the colors of the icons， but please no gradients。 那 它就会自动帮你匹配图标的颜色，并且应用到这个网站上面，同时还会帮你避免使用一些渐变色 哦，就整个这个过程，你都不需要离开开发环境，它就可以帮你全部都搞定。这样啊，那下面我们来讨论一下这个 ui 打磨的这个透视镜， 就是它到底是怎么把那些看起来有点玄学的设计原则变成一些可以执行的代码指令的。比如说像这个同心圆角，以前的话可能你就是凭感觉去调，那现在的话它是会基于 padding 来计算外圆角和内圆角， 这样的话就会保证无论判定怎么变，他都是视觉和谐的，不会出现那种拥挤或者说间距不对的这种情况。这个就很厉害啊，就这个视觉对齐和几何对齐，这东西都能算法化，嗯，挺让人意外的。对， 还有比如说这个三角形居中，他不是简单的给你做一个几何居中，他会给你做一个视觉重心的修正哦，他会稍微往右边挪一点，然后让你看起来是居中的。那这些其实都是， 呃，把我们的十六条核心设计法则转变成了代码指令，嗯，这样的话就可以强制的去提升整个产品的设计水准。那就是说现在这个代码和可实化协同的这个所见及所得的方式。呃，到底是怎么改善了我们这个和 ai 生成的结果进行交互的体验呢？ 就是以前的话，你想要改一个 ai 生成的东西，你只能不断地去调你的提示词，然后每次都跟开盲盒一样，你也不知道它会出来什么东西。嗯，那现在的话就是你可以直接在这个画布上面去选中 你想要改的这个盗墓节点，然后你改完之后呢，它会自动帮你同步到底层的代码里面哦，所以这个就叫做双向同步。对，这就真正的实现了所见即所得。明白了， 那这个结构迁移和与进重构到底是怎么让设计可以既借鉴顶级产品的这个骨架，同时又可以完美的融合进萨斯自己的业务逻辑的？其实他的做法就是会先去提取优秀产品的一个布局结构， 然后把他的这个骨架拿过来，之后再把萨斯专属的一些配色组建和文案意图等等这些血肉无缝的注入进去。嗯， 所以它最后出来的东西就是一个全新的设计，既不是完全自己想出来的，闭门造车的，嗯，也不是说简单的抄一抄别人的样子。 ok， 那 一键部署到生产环境这个功能到底是给设计流程带来了哪些真正意义上的改变？它最大的意义就是设计师再也不用去等开发来帮你上线了。嗯，你只要点一下， 他就会自动帮你把这个最终的设计升成为生产代码，然后直接部署到服务器上面哦，所以这个就会极大的加快你的产品从设计到上线的这个速度。 所以说多智能体设计技术站，他是怎么通过这种闭环的协助把产品原型的生命周期压缩到极致的？对，这个其实就是单一的模型，他的能力总是有限的嘛，但是当你把这个大语言模型 配上了这种上下文感知，配上了这种严格的视觉检查以及这种结构抓取的工具之后，嗯，他就会形成一个类似于自动运行的一个产品级的设计工作室，就他可以在极短的时间内完成从想法到高保真原型的这个全过程， 所以他压缩的其实不仅仅是编码的时间，而是整个产品研发的周期。好的，我们今天其实就是一起见证了这个 ai 驱动的设计，他是如何从线框图一步一步自动生成出一个可以直接部署到生产环境的产品的。 嗯，对，然后中间其实每一个环节都变得更加高效，更加智能。行，那我们这期内容就到这里了，然后感谢大家的收听，咱们下次再见吧，拜拜。拜拜拜。

欢迎来到本期深度解析，今天咱们要聊点特别硬核，但也绝对能戳中每一位拍发者痛点的话题，也就是所谓的工业级 ai 治理。 你想啊，现在的 ai 编程术手满天飞，但我们怎么才能阻止他们产生那种虚假成功的幻觉呢？今天咱们就来看看，如何通过一套软件开发协议，彻底把 ai 从一个只会聊天的机器人升级成严谨的工业级的自动化开发者。 咱们先来看这个人的对比，过去或者说现在很多人还在用的是那种聊天机器人模式，你给他下个指令，他在那靠脑补直接生成代码，然后咱们就凭着信仰假装相信他能跑通。但说实话，这太不可靠了， 原材料明确指出，我们要彻底告别这种模式，转向工业级开发者思维。什么是工业级？就是期约优先，凡事讲究基于证据。 各位，咱们肯定都经历过这种令人绝望的时刻对吧？ ai 信誓旦旦的跟你说搞定了测试，跑通了，结果呢？当你试图把代码拉下来打包或者准备部手上线的时候，轰！整个系统直接崩溃了。 这不仅让人纳闷为什么他在 ai 的 环境里就能跑，到了发布的时候就成了灾难？答案其实就在这原材料里，把这个叫做樟树效应。 简单来说就是你的 ai 其实运行在一个被严重污染的本地工作区里，那里头乱七八糟的塞满了未被 get 追踪的文件，以前运行残留的旧日制，甚至还有老旧的数据库缓冲。 ai 就是 靠着这些本地的脏一赖跑通了，然后给了你一个成功的幻觉，但实际上它根本没有触及真正的原码真相。 那么为了解决这种混乱，咱们需要实施这套包含六个部分的软件开发协议。首先是升级至工业级 ai， 接着是逃离樟树陷阱， 然后探讨契约优先模式以及决策三权分离，再到基于证据的工程化。最后是如何构建机构记忆，咱们马上逐一拆解。 好的。第一部分，升级至工业级 ai 停滞，把 ai 当做聊天机器人，咱们来看看为什么直接听信 ai 的 话是个巨大的陷阱。原文件在这里的表述极其直接， 永远永远不要相信一张简单的截图或者聊天框里的一句任务已完成。说真的，把口头结论当成验收标准，绝对是重灾区。 那些截图里的日制或者数据，你根本不知道是不是同一次运行产生的。接下来是第二部分，逃离脏树陷阱，寻找源码真相。 既然不能听信一面之词，我们要怎么去找到真正的源码呢？这个对比真的非常绝，你个 ai 必须也是只能从 get index 或者 had 中去获得源码的真相， 千万别让他去读本地那个又脏又乱，未经追踪的工作数来做判断。如果你只盯着本地文件，那些根本没进入版本控制的运行依赖绝对会引发大问题。咱们来看第三部分，弃约优先模式停止，一上来就写代码， 搞定了原码源头。接下来咱们要给 ai 建立规矩了，想要避免一个小小的修府，最终变成一场无法收场的代码大重写，这道名为 start gate 的 起跑门槛协议就显得直观重要了。 在 ai 真正去碰哪怕一行代码之前，他必须先过这一关。他得用中文向你重述他理解的目标，列出关键的假设，并且定义出最小的可行范围。最关键的是，他必须停下来，静静等待，你给他一个明确的批准，不这么做，后果不堪设想。 好了，第四部分，角色三权分立，防止任务无休止扩张。 为了进一步强制执行刚才说的纪律，我们要引入一套新机制原材料强烈推荐把 ai 系统强行划分为三个独立的现成，也就是决策上的三权分立。你看，控制者负责掌控大局和任务气约。 执行者呢，只管最窄范围的代码实线，最后是审核者，他的工作就是只拿着最初的契约，死死盯着代码叉一看。通过这三条独立的线程，所有的实线都会被牢牢拴在最初的契约上，决不允许越界。 第五部分，基于证据的工程化定义什么是真中的完成？咱们进入发布阶段，看看什么是无可辩驳的证据。 为了保证代码绝对能交付，这里提出了一套静态发布流水线。什么意思呢？就是把代码拉到一个完全隔离的新目录里， 脱离刚才那些复杂的负极环境，然后一步穿过这五道验证关卡。特别是最后一步，必须是在隔离环境里做全新的冒烟测试，缺一不可。 这就引出了整套协议里最核心的一句真言了，请记住，相信我，这 bug 我 修好了。这句话在工业级 ai 面前彻底失效。一项任务真正完成的唯一标准，是拿出实打实的证据根。 那么，什么是有效的证据根呢？它不是什么旧记录的残留，而是全新的在无菌环境中运行成功的实锤。比如退出码必须是 pass， 还要有全新生成的日制，加上经过哈希文政的包，只有当这些证据摆在面前时，控制者才会点头认可， 也表示着咱们从信仰编程真正迈向了基于证据的工程化。最后一部分第六部分，构建机构记忆，从环境陷阱中学习，光有流长不行，系统自己也得会长记忆深。 咱们来想象这样一个极其让人抓狂的场景，六十秒，仅仅因为在处理大文件 pdf 的 时候，外部的一个 ocr 工具自带了六十秒的硬性超时限制，导致整个流水线默默地、没有任何预兆的彻底亏本了。 排查这种问题简直能让人亏本，一旦这种戏讽级的隐蔽陷阱被揪出来，总不能只留在某个开发者的脑子里吧？ 所以，解决方案齐集系统哈协议强制要求把每一次失败，不管是刚才说的 ocr 超时，还是让人头疼的 windows 换行符问题，甚至是 s q l i t 被锁住的假失败，统统记在一个专门的 lessons learned 经验教训文档里， 每次开工权 ai 必须先读一遍。这样一来，系统自然而然就拥有了极高的稳定性，做到默认即可交付 好了，当咱们准备把这些强大的 ai 助手引入到团队的日常工作流中时，不妨问自己一个核心问题， 你是打算继续依赖盲目的信仰，任由 ai 在 樟树环境里野蛮生长呢？还是准备好实施这套严格的协议要求硬核的证据 彻底迈入工业级自动化开发的新时代，我想答案已经非常明显了。感谢大家收看本期的深度解析，我们下期再见！