codex文献跟踪功能

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。

所以只要有足够的 tokens， 一 晚上解读四十篇文献非常容易。 hello， 大家好，我是龙博。接下来我将用五分钟时间告诉你如何利用 ai agent 自动下中英文文献，并且获得解读和对比的文件。首先我们需要一个 ai agent， 这里我使用的 codex 或者是大家常用的 cloud code 都是可以的。我们需要两个 skills 和一个 m c p， 两个 skills 分 别是 c n k i skills 和 google scholar skills。 m c p 呢，是大家下的 zotaro m c p。 这个时候我们打开我们今天的测试文件夹，大家可以看到里面主要是存放着我今天使用的提示词，还有我准备的 skill。 这个 skills 里面是文献解读的有关要求，比如我们这里一般用角色要求的口吻跟他说，你是一名专注计量经济学领域的学术写作专家。我们在整个文档里面提出关于文献解读的一些要求，比如总体的语言风格，段落节奏的要求，还有我们这里说的学术腔的控制，以及我们整个解读文件的结构风格等等等等。 除此之外，我们还需要准备一个文献对比用的 excel 文档。比如这里就会提到，如果要进行文献对比，我们应该对比文件的题目，刊发表的年份。如果是实证研究的话，我们还要对比被解释变量，解释变量面板的类型啊，因果设计，实证模型等等等等。 有了上述准备，我们就可以给我们的 agent 下达任务了。这里我给大家准备了提示词。我们总共分成了五类任务。 第一类，我们要求查找文献，这里我要求查一篇中文文献，查一篇英文文献，主题是关于数字经济的，优先查找五年来发表在顶级棋盘上的实证论文。同时我们要求相关的 pdf， 要求导入我的 zotaro， 同时要求我们的 agent 使用我刚才提到的文献解读 skill， 对 每篇文章分别进行解读，然后根据我刚才提供的 excel 模板对比这两篇文章。 哎，我们可以看到我们的 ai agent 已经开始行动了，他说啊，他会优先查找经济、研究、管理世界等 中文文章，同时他会调用各种各样的工具完成对应的解锁，整个耗时的时间是比较长的，所以我建议大家如果有时间的话，可以晚上下达任务，第二天早晨就可以看到对应的结果。而且呢，我建议大家可以提前给出相应的完全访问权限，这样子的话就省去了审批的环节了。 two thousand years later 哦，我们可以看到，总共用时十三分钟零八秒，我们的 ai agent 已经完成了刚才的任务，他选了一篇中文的文章，是数字经济发展与企业全要素生产率，还有一篇英文文章，两篇文章他都已经分别生成了解读 和对比模板。哎，我们来看看他到底结果怎么样呀？这个时候啊，我们打开最开始的测试文件夹，我们会发现整个文件夹里面多出了两个 markdown 文件，这是关于刚才文章的解读。首先我们来看第一篇文章， 这篇文章是一篇关于数字经济发展和企业生产率的文章，这个解读文件里面介绍了问题的研究背景，数据的来源，研究的创新性哦，非常好的一点是，他还给出了研究使用到的识别方程，还有精准的回归结果，当然都做了一定的简化，还有内生性的处理，意志性的处理等等等等。 同样的，我们刚才的文件夹下还多出来了一个 excel 文件，这个 excel 文件里面是刚才 a i a 整的下的两篇文章的对比，包括了这两篇文章的题目 啊刊，一个是工业技术经济，另一个是英文刊，对比了两篇文章所使用的被解释变量，解释变量以及使用的面板等等等等。 当然啊，关于这篇文章还有一个 papers 的 文件夹，在这个文件夹里面存放 ai ai 找到的 pdf 文件，我们可以打开，这是一篇英文文献，这是一篇中文文献，它这里面都给出了我们原始的 pdf 文件。 还有一个任务，别忘了，我们刚才要求我们的 ai agent 把对应的文献导入到我们的 trooper 当中哦，大家发现没有，确实它已经完成了对应文献的导入啊，我们可以在我们的 ai agent 里面看到，大家会发现啊，有了 ai agent 轻轻松松，我们只需要下达一个任务，它就可以完成 文献查找， pdf tar 的 导入，以及说对每篇文章进行解读，还有用 excel 表格对文献进行对比，非常容易就可以完成了。所以只要有足够的 tokens， 一 晚上解读四十篇文献非常容易。

好，这边也是花了两天时间研究了一下这个口袋 x 在 这个论文辅助方面的应用。 这边城里是这样的，我这边有一个要求，我让他帮我到阿木尼和瓜牙口的混合燃烧这方面论文。 然后呢？这是我的一个要求，然后它会自动帮我去在 gucci、 color 等方面去找一些这方面的论文。这是它筛选过的，我让它筛选十篇以内，它最终给我筛选到七篇。 这这个这个文档是原版，这没有筛选过的，它大概是找了多少篇？找了四十九篇， 最终包括研究背景啊，可以做研究背景的，或者满做主题的，满足我的要求了， 中间会排除一些。那不错，挺有用，再挺。

兄弟们，扣代词自动化功能真的太好用了，我现在每天早上九点都能收到他自动推送的行业早报，你关心哪个行业，他就每天帮你盯哪个行业。做电商他帮你盯竞品，写论文他帮你追文献，做自媒体他帮你看热点。 以前这些信息都要自己到处刷，而现在早上一醒就直接给你推送一份已经整理好的早报，再也不用到处追着信息跑，而是让信息直接喂到你嘴边。

写论文时，引用不是装饰，真正难的是每一句关键论断是否有真实、合适、可合验的学术证据支撑。 这个 skill 叫 academic writing citation support， 也可以理解为文献引用聚合器。它面向论文章节、段落和研究主题，帮助作者把文字连接到可信文献。 它的第一条原则是保留作者自己的论证段落顺序、术语和写作声音。 skill 只在需要证据的位置补强，不把论文改成另一篇文章。 它从原文出发，而不是只拿一个宽泛关键词去搜索。段落里的概念、对象、方法、结果、理论和情境会被拆成可简缩的证据需求。 接着它建立 citation map， 哪些句子需要定义来源，哪些需要理对依据、哪些涉及方法、工具、结果、背景或事实判断都会被标记出来。 搜索阶段不是乱搜。 skill 会根据证据类型选择合适的学术来源、同行评审、文献综述、以文网络照语源数据出版设页面或学校图书馆数据库。 对重要论断，他会使用多组查询，并且至少用一个发现来源加一个荷叶来源。中文语境或本土研究也可以转向中文学术数据库。 获选文献不会因为标题相似就被引用，他会判断证据角色，直接支持强相关理论综述、背景资料或者指示弱相关，而应当拒绝 插入。引用前有完整的完整性门槛，作者年份、标题刊或出版社 joey 或稳定链接都需要能被权威来源核验。 更关键的是， time source fit 文献必须支持源具本身概念是否一致、研究对象是否接近、方法是否足够、结论有没有被过度放大？ 通过核验后， skill 会按 a p a 第七版插入论文引用并生成参考文献表。普通论断优先使用一到两边最合适的来源，避免堆积引用。 最后，他会做引用审查。论文引用和参考文献是否一一对应，作者年份是否匹配，是否存在孤儿引用是否还有需要标记的来源缺口。 最终交付物包括带引用的修正稿、 a p a 参考文献、 citation map source trace、 引用审查招标以及没有找到可靠来源的缺土清单。 所以这个 skill 的 核心不是多加几条参考文献，而是帮助论文建立一条清楚、真实、可追踪的证据链。

一直发文章的兄弟们，做汇报的时候往往会比较烦恼，因为要做太多 ppt 了。不要慌， codex 已经帮我做了近一个月的 ppt， 效果如何呢？大家自己看。 其实整体流程非常简单，上传我们的文章或参考文献到 codex， 再配上几个提示词， codex 就 可以帮我们直接转化为 ppt， 而且都是非常精美的图片。具体怎么做，大家跟我来。 首先，我们可以将参考文件放到一个文件夹中，或者将参考文件上传到 codex 中，然后给 codex 进行一个角色设定，并生成 md 文件。呃，很快 md 文件就生成了。然后呢，我们再输入这套提示词， 让扣带子直接生成一套完整的 ppt 视觉方案，具体内容怎么样无所谓，在这里我们需要关注的是色彩符不符合我们的需求，如果符合需求后，再输入这段提示词。这里有一个需要注意点是，我们要唤醒 emoji two， 为我们生成 ppt 页面哦，艾特 emoji 俊就是可以唤醒 emoji two 了， 然后等了一段时间后， ppt 就 自动生成了。呃，打开看一下效果如何？哎，可以看到这么精美的 ppt 就是 cold desk 一 键生成的，大家说强不强？当然，如果我们想一直使用 cold desk， 必须是 plus 或者 pro。 最近后台有很多粉丝私信问我，到底如何才可以呢？大家看这里， 然后选择这个就可以了，整个流程不超过一分钟时间，非常方便。在现在 ai 的 时代，借助 ai 可以 让我们事半功倍。搞科研的小伙伴们也应该感觉到了，伴随着 ai 的 时代的到来，投稿要求也越来越高了，拥抱 ai 才能拥抱未来。

导师让你找文献，你是不是在几个网站间反复横跳，还需要各种登录验证，到头来时间花了不少，文献没找到几个，今天就分享几个提高找文献下载文献效率的插件。第一个， sidehub， 这个插件可以让你快速 get 到 pdf 原文，只需要有 diy 链接，选中右击就可以直达 sidehub 上的 pdf， 非常高效。第二个， powerpad plus 固定插件，就可以直接打开 popmail， 搜索文件的时候，在文件下方就可以直接看到这个文件的影响因子，帮我们精准定位到高质量文件，还可以点击 select 一 键下载文件。第三个， and not click 这个的好处就是你打开一个网页，它就自动识别这个网页对应的文件，不用你到处找下载按钮，快速下载。 如果你用机构登录，还可以免去反复登录的步骤，超级好。最后，如果你不想安装插件，也可以用 check cs 的 文件搜索，它的优势就在于你只需要输入一句话，不用自己提取关键词，不用翻译成英文，就可以快速找到对应的文件，非常适合快速找高质量文件，学会了吗？

上期视频我们总结了 nature skills， 分享了如何写 skills。 今天我们来看一篇最近很火的文章， cloud code one hundred two for academic researchers。 作者是 mash tucker， 丹麦男，大学博士。他长期在 x 上分享 ai 怎么辅助学术研究、文献阅读，论文写作，受众主要是博士生和科研工作者。他之前写过一篇 cloud code 幺零幺，阅读量超过四百万一百零二是接在幺零幺后面的进阶篇。今天讲的就是这篇。 先一句话说清楚这篇文章在干什么。他不是教你用 cloud code 代写论文，而是教你把 cloud code 变成一个有目录、有规则、有分工的长期论文助理。他想解决的问题是，直接用 ai 写论文，很容易遇到三个麻烦，材料全堆在一起， ai 分 不清哪些是证据， 叫他帮你找文献，给的是主题相关，不是真正支撑。那句话的任务一复杂，没有计划和规则，结果根本没法检查。 这篇文章给出的答案是，先把项目管理这件事做好，再让 ai 参与进来。我这里准备了一个模拟论文项目方向是知识图谱，里面有一篇 word 初稿，两篇 pdf 文献，一份导师意见，还有一份会议纪要。这是我们的项目目录。 基于这篇文章的建议，结合 nature skills 的 写法规律，我们提炼了一个写作模板，写了三个技能，这三个 skills， cloud codex 和 codex 都能用。第一个技能叫论文工作台搭建，它的作用不是写论文，也不是找文献，而是先把论文项目整理清楚， 直接使用 ai a 键词。很多人会把 pdf 草稿、导师意见、会议纪要都放在一起，然后直接问 ai。 这时候 ai 很 容易搞不清楚哪些是可引用文献，哪些只是作者草稿，哪些是导师建议，哪些是会议记录。 所以第一个技能做的事情很简单，把项目拆成几个区域，它生成了这几个文件夹。同时，它还给每个文件夹生成了一个说明文件。比如文件。文件夹的说明会告诉 ai， 这里的材料可以作为论文证据， 但必须检查原文是否真的支撑论文句子。草稿。文件夹的说明会告诉 ai， 这里是做旧草稿，不能随便编造实验结果、公式、图表和参考文献反馈材料。文件夹的说明会告诉 ai， 导师意见和会议纪要只能作为修改建议， 不能当做文献证据。这一步看起来不复杂，但它很重要，它的价值是先让人工智能分清材料身份，避免后面乱读乱用材料。第二个技能叫文献证据匹配，这是我觉得最适合展示的一部分。 以前我们可能会直接问 ai， 帮我找几篇参考文献，或者帮我给这段话补引用。但这种问法有一个问题， ai 可能找到的是主题相关的文献，不一定是真正能支撑论文那句话的文献。 所以这个技能做的不是简单找文献，而是做论点和证据之间的匹配。他先把 word 处稿提取成可读文本，再把两篇 pdf 文献提取成文本，然后从处稿里找出需要文献支撑的论点，再去 pdf 文献里找原文证据。 最后，它生成了一个文献证据匹配报告。报告里面不是简单说这篇文献可以引用，而是逐条判断论文里的这个论点是什么，后选文献是哪一篇文献原文证据是什么？ 支撑强度和引用建议。这里有一个很好的例子，我们的初稿里有一句话，大意是知识图谱可以用于组织和表示复杂知识。两篇 pdf 文献里确实提到， 知识图谱是用头实体关系为实体三元组来表征复杂知识体系的技术，所以这个地方可以作为背景支撑。但出稿里还有一些更强的说法，比如论文方法，准确率提升约百分之十八， 召回率提升约百分之十二。这是作者自己论文的实验结果，必须来自自己的真实实验，不能拿外部文献来应凑。所以报告会明确写不能支撑，必须补真实实验结果。这就是这个技能的价值，也正好对应了文章里的一个核心思路，让人工智能围绕你的论文论点去查材料， 而不是泛泛的总结文献。第三个技能叫审稿人模拟检查。这个技能也不是直接改论文，而是像审稿人一样生成一份风险报告。它会读取论文出稿导师意见、会议纪要，以及前面生成的文献证据匹配报告，然后检查这篇稿子现在有哪些问题。 在我们的测试里，他指出了几个很典型的问题，实验结果还是估算值，主实验表格缺失，消融实验缺失，公式缺失、图缺失，相关工作覆盖不足。导师意见里也提到，近两年的相关文献补得不够。 所以这个技能最后会生成一个审稿人模拟检查报告，把问题案优先级列出来。它的作用不是替作者完成论文，而是告诉作者，如果现在投稿，哪些地方最容易被审稿人抓住。 从测试结果看，这套流程最有价值的地方不是让人工智能写得更多，而是让他少犯一些关键错误。比如不乱用文献，不编造实验，不把导师意见当证据，不把背景相关的文献当成直接支撑。这也是我觉得这篇文章值得看的原因。 回到文章本身，我把它提炼成六条你可以直接拿去用的原则。第一，按功能分区。不要把它提炼成六条你可以直接拿去用的原则。第一，按功能反馈数据，各放各的地方， ai 才能分清它们的身份。 第二，每个文件夹写清使用规则，主目录放一个全局说明，每个子目录再放局部规则，规则依次写好，整个项目期间都生效，不用每次重复说。第三，复杂任务先要计划，不要直接让它执行超过三步。跨文件夹输出很长的任务，先让 ai 列出步骤，确认了再开始。 第四，重复任务，做成固定命令，整理笔记、检查引用、生成报告，这些每次都要做的事情，可以写成命令，下次一句话调用。第五，不同任务用不同助手，文献助手、引用检查助手、审稿人助手，各自独立，彼此不互相污染上下文。第六， 引用这件事没有退路，必须回原文和这篇文献真正支撑你这句话是两件不同的事。 如果你也想照着这个思路写自己的论文技能，我的建议是从一个具体的高频任务开始，不要一开始写太大。 比如帮我检查引言，每句话有没有文献支撑，或者帮我把导师意见整理成一个修改清单。选好任务之后， 把它写成四件事，什么时候用，需要什么输入，具体怎么操作，输出什么文件。另外，禁止事项很重要，不能编造数据，不能覆盖原始文件，不能把建议当证据，这些都要明确写进去，写完之后用真实材料跑一遍，看看输出是不是真的可用， 然后迭代。最后说一句这篇文章的核心价值，它没有给你一个神奇的提示词，它提醒的是，如果你想让 ai 真正参与一个长期论文项目， call 的 不是一次性聊天，而是项目结构、规则、文件 证据追综合可重复流程。真正有用的不是让它写，而是让它按你设计好的流程。工作有问题欢迎评论区讨论，我们下期视频再见！

我太激动了，我的扣代词已经连续工作了十三个小时了，然后他还在自己干活。扣代词他最近上线了一个新功能，叫 go， 那 这个 go 是 什么呢？简单来说就是你给他一个目标之后，扣代词会把后续的工作围绕这个目标持续的去推进，他还能跟踪状态，耗时跟投跟的使用。 以前我们做项目的时候，哪怕计划方案写的很清楚很详细， ai 也很难一次性的去做完，他会分很多个阶段去做，每次之前完一个阶段，你要去验收，有问题还要跟他多次的去沟通修改，然后再一次去推进。别的阶段，你就需要一直守在电脑前。 说实话，自从使用 ai 编程之后，我基本上很少有周末休息的时间了，不知道有没有相同感受的朋友。但是我今天第一次尝试购给扣代斯设定了一个目标之后他连续工作了十三个小时，我今天白天就出去玩了， 我真的可以不用一直在电脑前去守着了。虽然扣代斯之前也有 remote control， 可以 让我不用一直在电脑前守着，但是在验收某些需求的时候，用手机去调试查看，其实还是不是很方便。 那以前最痛苦的不是 ai 不 够聪明， ai 它会读代码，会写代码，查报错、跑测试，但问题就是它不够让人放心， 它很像一个能力很强，但需要你一直盯着的人。所以很多时候你以为自己在用 ai 干活，但实际上你是在给 ai 当主管，你不敢真的把一个复杂任务交给他，他随时都可能会停在半路。但扣代斯这次更新的这个 go 这功能让我第一次觉得这个状态改变了， 他不是回答完这一轮就结束了，他会一直记得自己要完成什么，会读代码，改文件，看失败日记，失败了再改，改完再测，测，试完再去判断这个目标到底完成没有，他知道自己这个目标没有闭环，就会继续接着往下做。 那怎么使用这功能呢？其实也很简单，你只需要打开勾带子，然后输入斜杠目标，然后选中之后就把你要让他做的事输入上去，他就会不达目的誓不罢休的给你干了。我觉得勾的价值就在于他开始让勾带子围绕一个结果持续推进，他改变的是你使用 ai 的 方式。

最近收治了一个呃比较难治的一个肢体免疫性脑炎的病人。呃，这两天也突然间想起来可以做一个比较火的文献计量学分析， 看看这个病的一个诊室的一个进展，还有就是比较几个智能体它的一个工作效率。 这个是一个呃， glc 的 一个免免费的模型啊， 简单输入他的一个解锁。嗯，第二次比较简单，就是文件这样学，这些图标主题是这个的一个发行机制，呃，解锁漫漫的近二十年的文件， 然后出来的结果，基本上两三分钟他就解锁完毕，出了这几个图，前后呃不超过三分钟，然后做完第一批，呃，看的还可以，就说再做几个聚焦细胞通路，炎症因子，还有治疗靶点的研究，然后也是两三分钟出来了。这几个图， 呃已经比较接近可以发表的，特别是这个，非常漂亮。 稍微回顾一下啊，这个是目前为止啊，我看过的除了奇康里面的文献，整体做出来比较好看的这个发文是逐渐上升的，中国的发表文章是最多的， 然后发表奇康在扎马纽，还有纽罗尤格，嗯，围刀这些都有。 呃，原始研究，病例报道，这些都是有的发病机制，这几个图做的也都比较漂亮， 第一层，第二层还有神经系统炎症的放大效应，基本上都能够体现在他的一个治疗上面。还有就是这几个炎症因子，炎症因子其实跟治疗靶点都是有相关性的。 嗯，还有治疗的一个目前成熟的免疫球蛋白，胆固醇激素，血糖置换，还有呃，二线治疗利托西单抗，三线的突出单抗和甚至个别的什么卡替治疗， 然后这几个。呃治疗炎症因子的一个变化，还有它这些因子所在的一些细胞 啊。 color code 还是比较好的。这个是 gbt 啊， plus 版啊，昨天买的会员，现在稍微有点后尾啊。 gbt plus 版出来的也比较快啊，跟 color code 差不多。 嗯，同样先让他们自己自行解锁，自己做也是五六个图，然后接下来让他做接下来的几个图，然后这个是 gpt plus 版做的图，还有附带的那个表格， 看起来中规中矩的。呃，速度还可以，但是比 colossal 还是差一些。最后看看 colossal 啊，这个简直有点智 障。最近抖音上面一直用 colossal 跟 colossal 做对比。呃，本来我以为买这个 colossal 还是比较稳，因为 colossal 的 容易被封号。 这个同样的提示词，花了十三分钟巴拉巴拉出来，没有一个结果，说他们 a p i 有 性质啊什么的。 呃。让他呃，让他继续跑。花了五分钟。呃，又要什么授权？我让他照顾 a p i。 呃。学习 coco。 呃。通过另一个方式来进行解锁制作图标， 然后他理解的收集的数据特别特别少，然后勉强做出来三个图，样样子是中规中矩的，感觉还没有呃 gpt 官网来的来的好。 然后我让他直接用浏览器解锁，然后用 a p i a p i 花了十一分钟也做不出来， 然后我让他直接解锁出资料啊，出来的信息也特别少，勉强出来三个图 啊，对这个也真是有点无语了。嗯，看他出来这三个图，又让他同样让他再做五个图标做西伯东路炎症因子，还有治疗。八点 出来这几个图能看啊，比 oppo pro 做出来要强一点，但是配色比较单一。

你用 ai 改了五轮讲话稿，突然想起第三版那句开场最好，但你没保存。 ai 现在也记不起那一版到底怎么写。 你当然可以继续让他猜，可越猜越容易把真正好的那版彻底冲掉。写代码更残酷，需求一旦变化，单文件还能退，多文件工程就很容易一起乱。 你让 ai 屏记忆倒着改，它会漏文件、漏依赖、漏细节。说到底，这不是模型聪不聪明，而是有没有版本节点。 get 早就能解决这个问题，可过去它对普通人太不友好。现在不一样了， cloud code codex 这种 agent 开始懂 get 了， 你不需要被命令，也能第一次把版本管理真正用起来。先别被术语吓到。 get 做的事其实很朴素，第一，它会把每次修改继承一个可回看的版本点。 第二，它允许你开分支，并行式版本，不污染主线。第三，它可以按文件、按节点、按整条分支把内容拉回来。 第四，它让你知道到底改了什么，而不是靠记忆猜。你以前觉得 get 很 重，是因为这些能力都包在一堆命令里，但你真正需要记住的，其实只有这四个价值。 普通人不是不需要 get， 而是不会为了版本管理先去学一套黑化。你看到 branch， stash， reflog 就 已经想关页面了。更麻烦的是，你不知道什么动作是安全的，想回退又怕把项目一起弄坏。想试两个版本，又怕自己先把主稿改丢。 所以大家最后只能靠聊天记录文件名和记忆。明明问题是版本问题，却被迫用笨办法硬扛。 这也是为什么很多人一边离不开 ai， 一 边又越来越怕让 ai 震动文件现在真正的变化不是 get 变简单了，而是有人替你把复杂度吃掉了。 simon wilson 那 篇文章里说的很准， coding agents 本来就熟 get 术语，你要做的不是被命令，而是学会怎么下判断。 第一句就让他 review recent changes， 先读历史，第二句明确边界，别碰 mean， 先开分支，第三句明确交付，改完先给 diff， 我 确认后再 commit。 你 会发现，一旦 ai 进入 get 的 流程里，他就不再只是写内容的助手，而是第一次开始帮你管版本。 先讲最贴近普通人的场景讲话稿。最笨的做法是把一篇稿子反复丢进聊天框，然后靠记忆判断上一半是不是更好。更稳的做法是 main 永远放你确认过的母稿，再开 opening vr， tomsoft， endingshort 这种分支让 ai 分 头式， 这样你不会失去主稿，也不会把每一次尝试都挤在一个上下文里。最关键的是，比较版本的时候，你不再靠感觉，而是可以直接看地方，哪一句加了，哪一句删了，哪一版真正更适合上台。说 真正能把人打醒的，其实是项目回滚。你让 ai 改一个工程，改到一半，产品说方向变了，想回到昨天那个稳定节点。 这个时候最危险的就是继续让 ai 按记忆倒着修，因为多文件工程不是一句话能倒推回来的。你以为它只要把功能删掉，实际上还有配置、引用、样式、接口和数据流。 get 的 意义就在这。不要让 ai 靠脑补恢复现场，要让它先查 log， 再查 reflog， 再按节点恢复。能按节点回你，才算真正把 ai 放进工程里，而不是放进试运气里。 如果你真的要上手，我建议先用最小 c r i 流程跑一遍。第一步， get in it。 第二步，准备一个 speech 点 m d 或一个小 demo。 第三步，让 codex 开一个 brunch， 比如 speech vr。 第四步，不要直接说改吧，而是说先给三步计划按计划改，改完先展示 def。 第五步，你确认以后再 commit。 这个顺序比具体命令更重要，因为它把版本管理从一团混乱变成一条有检查点的线。以后你再加工作数。 stash， reflog 都是在这条线外面加保险，不是推翻重来。 如果今天只让你记三个词，我会选 branch reflog。 stash 是 是版本不污染主线。 reflog 是 找回旧节点，尤其适合已经动乱但还想找回现场的时候。 stash 是 临时寄存，你改到一半儿突然要切别的事，不想把半成品直接 commit 就 先放进去。还有一个是 worktree， 它特别适合多 a 阵的并行，你不用一口气全学会，但至少要知道这些词各管什么，后面才能让 ai 正确替你做。 如果你只想记一页规范，我建议直接写给 codex。 七条规则先见 branch， 不 碰 main， 先给三步计划再动手。改完先看 diff。 里程碑必须 commit 危险操作先解释回滚，要给明确命令， 然后再补一段真正要贴给他的话。 review recent changes 先开 branch， 不 碰 main， 改完先展示 def， 我 确认后再 commit。 需求变了，先问我是新分支还是回滚，你会发现真正值钱的不是某一句神奇提示词，而是你把版本边界写清楚了。 如果你现在就在用 ai 写讲话稿、写脚本、写代码，别再只相信上下文记忆了，先把东西放进 get， 再让 codex 或 cloud code 帮你跑分支，比较版本，回滚节点。 你今天不需要一次学完所有命令，但一定要先建立版本边界，因为从这一刻开始， ai 不 只是写内容，它还能帮你守住过程。关注我，每天带来最实用的 ai 工具和经验分享！

有些科研博主我觉得确实也是挺有意思的，比如这个，因为他没有对下面的评论做任何的回复，也是蛮自信的啊。他说本地部署智能题 codex 干嘛呢？改参考文献，他说怎么改啊？第一个呢是补充没有引用的，第二个呢是删除重复的， 第三个呢是标注引用了，但是没有找到参考文献的，就这第三个，大家可以听听，是不是很神奇，然后他说吧唧就改好了。 真的，这三个问题，一个科研博主他不用 and note 解决，用烧钱的方法解决，还有这个本地部署到底能不能说大白话，是不是下载到桌面上，我真的觉得很神奇啊。然后我就随便看了看他讲的，还有各种什么 ppt 制作，说他自己写了一个很牛逼的指令，然后这个指令我觉得也是 ai 写的，然后出来的结果是这样的， 说很精美，就这个审美，当十万多粉丝的博主，我觉得这个世界可能还是草台班子吧。就这种 ppt 我 觉得组会我都不敢用，它竟然说是用来比赛用的， 不是说我自大啊，我在这个边 diss 谁啊，就我的水平也一般，但是我纯手搓，至少是这样的，因为老师都能看得出你的态度，这只是我帮老师做的一个项目的 ppt， 就 出门在外，身份都是自己给的啊，做博主还是要自信啊。然后还有我的博主说他，嗯，说他什么硕士发了十篇文章还是七篇啊， 然后其中七篇全是中文，还有普刊的，就就就是这种，就是就是，专业差别太大了，我不知道这有什么嗯，好说的。 然后在这里我补充一个做 p p， 做组会 ppt， 我 觉得比较好的方案是，就是你做的这个项目，你都放在一个 ppt 里，就是每次都接着上一次的做，而且不用太复杂，就是你甚至可以在汇报的时候呢，来一个前情提要，这样就又省省了点时间嘛， 然后还能看出你的科研延续性，然后你看的文献进行的汇报也放在里面，就是这样你找的课题相关文献你也不会丢。就是一个项目尽量都放在一个 ppt 里，你就每次都用这一个 ppt， 我不知道这个需要用什么 ai， 而且这些方法对你的科研思维提供不了任何的帮助，毕竟我是站在科研博主的角度说，当然我也不是科研博主，我就是觉得这个方法很好，是我认识的一个学姐告诉我的，因为她是这么要求她的学生，只可惜我知道这个方法的时候，我已经毕业了。

最近用 codex 确实有点爽，所以我忍不住就跑回来给大家录了这期视频。我今天呢，想给所有正在上学的孩子，还有各位家长分享未来一到两年一定要做的两件事，你能做到 直接甩开同龄人一大截。 ai 大 火之后啊，很多人就是跟 ai 简单的聊天，画一画画啊，满足一些情绪的价值。百分之七十到八十的孩子，根本就没有摸到 ai 真正厉害的地方。 我最近深度使用 codex 啊，我发现用好了之后，它和你在网页上用普通 ai 聊天，提升了不止一个档次。比如说，我在用 ai 写领域，调研，查文献，找资料之前呢，需要非常复杂， 两到三天都算少。但是现在用了 ai 辅助啊，两到三个小时就搞定了，而且内容的质量一点不差。而且啊，关键来了，我懂这个领域，所以我能看出来它的回答有什么问题， 我还可以做修改，我并不迷信他，所以孩子学习完全可以开挂。因此第一件必做的事，让孩子用上 ai。 头部的 ai 有 三个， chad， gpt、 jimmy， 还有 cloudy， 国内的豆包千问，还有 deepsea。 哎，你用哪个都可以，用久了你就会发现，其实你用和不用差别 才是最大。有家长问，那孩子用和不用差别才是最大。有家长问，那孩子用和不用差别才是最大。有家长问，让他帮孩子解决学习中的实际问题。 比如说啊，孩子背英语单词对吧，背的不是那么快，我们完全可以涉及一个英语单词的闯关游戏啊。那初中生学物理学福利学电路学杠杆，那课本上讲的很抽象，让 codex 做一个可以拖动砝码、改变电阻、调节水位这样的小实验的页面。那孩子一拖一看，一试， 知识点就从背下来变成了看明白。所以不需要报什么高价的培训班了，每天花上十分钟到三十分钟和 ai 交流，就是最好的 学习方式。第二件必做的事，叫做无止境的提升孩子的提问能力。你有没有发现，班里有些孩子，他不问，他就憋着，或者他想问，但是，哎呀，不好意思， 或者他就拿着题跟老师说，老师，这题你帮我看看，那老师能怎么办？老师说， ok， 我 给你讲一遍，说是讲一遍，很多时候其实就是带着他做一遍，这就是提问能力的缺失。原来你问不问怎么问，好像差别也不大。但是在 ai 时代，会提问，这个能力会被放大 几百倍。因为 ai 的 能力超过了我们认识的所有的老师，你会提问，你能从 ai 那 儿获得非常多的知识。而如果你不会问，你可能遇到最牛的 ai， 只会问，嗯，今天天气怎么样？那怎么提升呢？方法其实也很朴素，第一条 就是多问，哎，你问 ai 没有面子问题啊，你大胆问，往细了问就好了。第二个，学习 ai 的 思考方式。目前啊，像 deepsea 带有深度思考的模型，他回答的时候会给你展示一个思考过程，让孩子点开看一下他是怎么思考，他是怎么分析，怎么推理的这个逻辑链条。如果能学会，他就变成自己的能力了。那孩子将来无论是找工作、面试，面对真实的问题，他的这个能力都非常重要， 用好了，足够碾压大部分的人。好了，总结一下两件事，第一件事，一定要用上 ai， 让 ai 当孩子的二十四小时家教，用哪个都可以，关键是什么用上。第二点， 疯狂的提升提问能力，学 ai 怎么思考，怎么拆解问题。我后续啊，还会持续的使用这些高级的 ai 的 工具，还会体验各种新功能，遇到好的我会持续录视频给大家做分享，想看的话点个关注，不要错过。

可乐 e anything wps 迎来重磅更新，新增可以操控学术文献管理器 zotaro 的 harness， 同时增加二十七个 zotaro 学术智能体，全面接管你的文献管理器。搜文献、写综述、 写论文、审稿、做图表、分析数据，一条命令启动完整学术流水线，微软 ppt 和 wps 完全兼容，只要改下命令就可以操控。

hermes web ui 更新到 v 零点六点零了，这次改动挺大的，主要是多用户这块，之前的版本基本就是个人工具，自己用没问题，但团队协助就抓瞎了。零点六点零加了账号隔离， profile 隔离， 权限收口这些东西， sessions， models， usage， campaign 这些功能现在都跟着账号和 profile 走了，不再是局共享媒体相关的 skills 也改了 server token， 只用来访问媒体端点， phonecodex x a i 这类凭证直接从当前 profile 读取， 这样不同用户不同环境之间就不会串了。聊天这块也有变化，单聊和群聊都会自动带上当前 profile skills 可以 通过 exhermit profile 这个 hider 知道该用哪个身份跑。还有个实用的改动， delegate task 的 子任务进度现在能实时显示在聊天里，从开始到完成每一步都看得见长，任务终于不是黑盒了。另外加了一些运维命令， 停止 abort 的 状态，清理登录 ip 所清理默认登录重置都是企业环境里迟早会碰到的问题。零点五点三五算是单用户版的终点，从零点六点零开始， hermes 明显是要往多人协助的方向走了。

我说一句得罪人的话，你现在还在用 excel 手动处理数据，还在一封一封回邮件，还在为不会写代码发愁的话，你已经输了一个身位，而且这个差距正在每天拉大。不是危言耸听，因为打老黄开会直接说我的员工必须用 cloud code， 就是这句话之后英伟达市值走势你们自己去查。那他到底是个什么东西？你可以把他理解成一个随叫随到，从不摸鱼，什么都会的员工，而且你不用给他发一分钱工资，炒股的，让他 每天自动帮你抓消息、筛板块，上班族把你那一套重复操作，开邮件，下数据、做报表，全部扔给他，你去喝咖啡，学生论文答辩、考试、复习、读文献，他全程陪跑。你不需要会代码，不需要懂技术，你只需要打开它。 说一句话，我是做 x x 的， 你能帮我干什么？他又会告诉你接下来怎么走，现在大多数人还没反应过来，这就是你的窗口期，这种机会不是每年都有的，上一次有这种感觉的时候，是智能手机刚出来那年，你当时抓住了吗？你当时没抓住，现在机会又有了，你还会抓不住吗？