如何用 Codex APP 进行原型设计 Codex APP 内置 Figma 技能,支持一键安装。由于 Figma 本身开箱即用,首次使用只需登录一次即可,无需复杂配置,马上就能开始设计。 Codex 的工程师 Ed Bayes 分享了使用 Codex APP 快速进行原型设计的方法 操作非常简单: 将正在进行的 Figma 项目链接复制到 Codex,点击开始,Codex 会自动运行并将设计转化为可交互原型。整个过程是可见的,运行状态会实时刷新。得益于热重载机制,对设计进行的修改,能够实时同步到原型。 从结果看,Codex 会直接复用你已有的设计系统,按钮、组件、样式都会沿用原有规范,而不是重新生成。这意味着原型就已经完成了 80%–90% 的工作量,剩下只需少量微调,例如去掉多余边框、调整局部样式或补充交互反馈即可。 整体效率提升非常明显。原本需要在设计稿和原型工具之间反复切换的流程,现在可以一次完成,速度通常能提升 2–3 倍。这一点在 AI 产品设计中尤为重要,因为大模型的输出高度动态,很多问题在静态设计稿中难以暴露。 Figma 依然是优秀的设计起点,但它仅停留在静态画面,往往无法覆盖真实使用场景。通过 Codex 快速生成可交互原型并跑完流程,能够让问题更早暴露、验证也更高效。这正是交互原型在当下设计流程中愈发重要的原因,也是 Codex 对需要快速验证想法的团队最具价值的地方。 #AI编程 #CodexAPP #AI技术 #AI教程 #AI原型设计
00:00 / 01:55
连播
清屏
智能
倍速
点赞30
00:00 / 02:55
连播
清屏
智能
倍速
点赞826
Codex技术负责人谈他的职业发展 #codex #Openai 迈克尔·博林,开源Codex代码库的技术负责人,以及Meta的前杰出工程师,讨论了他的职业发展路径,OpenAI工程师如何利用Codex,以及以研究为主导和以工程为主导的公司文化之间的差异。 ————— OpenAI Codex Tech Lead On How His Career Grew And How He Uses Codex Michael Bolin OpenAI Codex技术负责人谈他的职业发展以及他如何使用Codex 迈克尔·博林 迈克尔·博林,开源Codex代码库的技术负责人,以及Meta的前杰出工程师,讨论了他的职业发展路径,OpenAI工程师如何利用Codex,以及以研究为主导和以工程为主导的公司文化之间的差异。 本文主要介绍了Michael Bolin作为顶级开发者在Google、Meta和OpenAI等科技巨头的职业历程,以及他如何推动工程基础设施与开发者工具创新。 回顾他的职业轨迹,从参与Google日历开发到引领Meta Buck构建系统与Nuclide IDE等广泛项目,Bolin分享了技术影响力、如何说服团队采纳新方案及跨团队合作的挑战。他强调关注底层原理对个人成长的重要性,并提出“找到兴趣、理解雇主需求、寻找交集”的三步职业成功法则。 在OpenAI任职期间,Bolin带领团队开源并快速迭代CodeX CLI、VS Code扩展等AI开发者工具,详解本地/云端AI代理的取舍、代码自动化与审核方式演变、技术写作与工程能力提升建议,展现AI如何改变软件开发范式与开发者个人成长路径。 ———— Codex CLI及VS Code插件发展历程回顾 本文主要介绍了Codex CLI自2025年4月发布以来的研发历程、用户反馈及团队应对的变化。早期,通过开源和社区参与,产品受到了开发者的积极体验和贡献,但由于人力有限,发展存在一定局限。 随后团队发布了Codex Web/Cloud Web,尝试推动云端应用,但由于市场更倾向于本地开发代理,其用户黏性不及预期。夏季过后,团队重新聚焦于CLI,并结合了多位开发者的力量,进一步完善功能。 8月成为产品转折点,团队发布新版CLI界面、支持GPT开源模型并上线VS Code插件,推动了功能创新与用户增长。多项举措带来了产品的垂直增长,也为项目注入持续动力和激情
00:00 / 03:54
连播
清屏
智能
倍速
点赞17
Light Gao5天前
下一代AI进化方向 最近频繁使用 Codex 后,一个直观感受是:自 2025 年 AI IDE 爆发以来,程序员亲手写代码的比例已断崖式下跌。而 Multica 协作智能体的兴起,更将这一效率推至极致。 过去常有人说 AI 模糊了前后端与产品的边界,把人卷成“超级全栈”。但我的实操感悟是:“全栈工程师”可能只是一个极短暂的过渡产物。 之所以需要全栈,是因为我们默认“计算机语言”不可或缺。然而,无论 Python、Java 还是 Go,这些高级语言从来不是计算机的必需品,而是对人类生理极限的妥协——机器只懂二进制,人脑内存小、带宽窄,无法直接面对底层指令,才需要高级语言作为翻译。同理,前端之所以存在,是为了给人视觉反馈,把冰冷的二进制转译为人能理解的交互。这一切的本质,都是让人能操控机器,而非让机器高效运行。 那么,如果未来连“计算机语言”都消失,我们的能力如何移植?传统工程中,我们在电脑 A 写代码、打包,再部署到服务器 B。没了源代码和编译器,如何传递能力?回顾《Software 3.0》、Matt Welsh 的《The End of Programming》等观点,大模型与智能体的下一阶段,正是要砍掉这个“妥协的中间层”: 第一,高级语言正成为 AI 的累赘。让 AI 写 Node、Java 再编译部署,等于捆住天才的手脚。未来 AI 智能体将直接在底层操作机器码,实现端到端闭环。“代码移植”不再是拷贝文件、折腾环境,而是把训练好的“神经元容器”整体平移到另一台算力设备上,通过硬件映射直接复刻能力。TOB 商业交付也将变成对“自适应能力场”的授权,告别传统软件部署。 第二,代码将从“无机物”变为“数字生命”。未来的软件可能根本没有源文件。AI 在底层虚拟机中根据用户反馈实时变异字节码,像生物一样动态呼吸,直接挂载在环境中运行。 第三,硬件将直接向 AI“献祭”。这一畅想尚远:AI 智能体不再需要 main.py 这类中间媒介,而是用连续的数字信号直接“刺激”硬件芯片,如同大脑控制肌肉。 传统的软件工程,也许只是计算机历史上的短暂插曲。高级语言或将与打孔卡一同进入博物馆,我们需要重新定义“编程”。 #AI #计算机
00:00 / 03:34
连播
清屏
智能
倍速
点赞4
00:00 / 00:34
连播
清屏
智能
倍速
点赞NaN
Codex 如何改变软件工程师的工作方式 OpenAI 昨天发布了软件工程智能体 Codex。OpenAI 的软件工程师 Calvin French-Owen 现身说法,分享了自己如何利用 Codex,对软件中出现的各种问题进行分类,并合理确定修复优先级,从而能够将更多精力投入到核心开发工作中。 在实际开发中,产品上线前往往伴随着大量的运维和紧急响应任务,这对团队的快速反应能力提出了极高的要求。以往,值班工程师需要频繁处理各类告警和分析错误日志,经常需要在开发任务和故障处理之间快速切换,定位并解决问题。堆栈分析和代码缺陷排查,往往极为耗时。Codex 的出现,使工程师能够将错误堆栈直接输入系统,迅速获得反馈,大大提升了故障响应的效率。尤其是在紧张的上线阶段,精准定位错误和自动化的初步分析,为团队赢得了宝贵的时间窗口。 过去,工程师通常只专注于各自的开发任务和代码实现。而有了 Codex 这一类智能编程工具,个人也逐步具备了 “小团队” 甚至 “团队管理者” 的能力。借助自动化工具分担重复性工作,工程师能够更加专注于流程优化和系统性问题的解决。同时,对报警系统的持续调优也变得尤为重要,减少误报对于提升团队响应效率和系统稳定性都有着直接的推动作用。 #OpenAI #AI编程 #Codex #人工智能
00:00 / 02:14
连播
清屏
智能
倍速
点赞5
00:00 / 02:43
连播
清屏
智能
倍速
点赞1922
00:00 / 00:54
连播
清屏
智能
倍速
点赞452