超级用户日报: 2026年7月30日
今天最响的信号不是什么新功能，而是记忆。一个接一个的人把 Obsidian 仓库或知识图谱接成一个共享的外部大脑，让 Claude Code、Codex、OpenClaw 和 Hermes 都直接读它，这样每次开新会话都不用从零讲起。紧随其后的是省额度：把最烧 token 的执行环节甩给 Codex 或便宜的开源模型，只留 Claude 做规划。非编码的用法也在持续冒头，从扒秘鲁财政透明门户查腐败线索、翻译楔形文字泥板，到只凭一张 2D 图纸就搭出 Tekla 钢结构模型；而赚钱的故事这次很具体，十几岁的少年和一个人的小店靠刻意做得很无聊的建站工具和文件清洗工具，一个月进账几万美元。
@artic_ai [Claude Code]
https://x.com/artic_ai/status/2082196884354216165
介绍了一位单人运营者如何在 Claude Code 上经营一家一人网页设计工作室，用 7 个跑在 Claude Sonnet 上的 agent，由 Claude Code Router 里的一个 orchestrator 统一协调。这些 agent 会扫描 Google Maps 寻找网站薄弱或过时的本地商家，制作样稿和落地页，生成竖版短促销视频并执行外联，彼此通过文件系统和 MCP 服务器共享状态。据称数据为：每天约 3M tokens，每月约 $480 的 API 支出，约 47 个客户、每个约 $400，收入约 $18,800，还有一个移动端 agent 负责回复潜在客户并预约 Calendly 通话。只有当单笔交易超过 $3,000 或回复率跌破 12% 时，运营者才会亲自介入。
@galdawave [Claude Code]
https://x.com/galdawave/status/2082227590182629722
一家早期创业公司的工程师分析了自家的 Anthropic API 账单，发现 84% 的成本来自缓存的读写，而非输入/输出 tokens，尤其是在 Claude Code 作为主 orchestrator 的长会话里。压缩只能短暂缓解，缓存成本很快又会飙升。于是他改成用 Fable 做规划、开一个 Linear ticket，再开一个全新的 Sonnet 会话让 Codex 去实现，成本大约降低了 50%。结论是：要盯着缓存的读写，而不只是看 token 数量。
@ChShersh [Claude Code]
https://x.com/ChShersh/status/2081961241879207963
一位用户让 Claude Code 读取一份 PDF 规格文档；由于找不到能把 PDF 提取成文本的工具，它竟然从零用 Python 写了一个完整的 PDF 解析器，只为完成这个附带的小任务。
@chrispisarski [Claude Code]
https://x.com/chrispisarski/status/2082236016161677644
详细记录了如何通过 MCP 把 Claude Code 连接到自家技术栈（HubSpot、Slack、Google Workspace、Fathom、Crustdata、Instantly），从而搭建内部的销售/GTM 工作流。文中给出了具体的 prompt 和 subagent 验证循环，用于 ICP/TAM 画像、冷邮件预热、基于信号的潜客名单、从已成交订单衍生的相似客户名单，以及重点客户的跳槽追踪。每条工作流都让 Claude 去丰富数据、对照 ICP 文件给潜客打分，只在出现合格信号时才提醒人工介入。
@takechan_lawyer [Claude Code]
https://x.com/takechan_lawyer/status/2081894144642031632
一位律师说，在一次同行聚会上，好几个人都表示 Claude Code 已经替代了他们过去交给办公室文员做的文书工作，有些人甚至真的裁掉了员工。他认为这是 AI 驱动的岗位替代已经在专业服务领域显现的迹象。
@Voxyz_ai [Claude Code]
https://x.com/Voxyz_ai/status/2082160670519492811
分享了一套完整的声音克隆交付工作流，可在 Claude Code 或 Codex 中调用 Fish Audio API 运行，被拆成五个项目内的 subagent（test-planner、sample-checker、fish-runner、blind-test-maker、delivery-gate），按顺序执行。它强制真实的工具调用（用 ffprobe/ffmpeg 检查参考音频），设有一道权限同意关卡、私有声音创建、由声音所有者填写的盲测 A/B 评分表，以及一道交付关卡——只有当授权、文件和签字确认全部齐备时才放行输出。
@EXM7777 [Claude Code]
https://x.com/EXM7777/status/2082193966024601731
在 Claude Code 里从零重建了一条 AI 影片生成流水线。作者把每一个视频/图像/音乐模型都接入到同一个 agent，用视觉模型从真实电影中提炼出一份风格契约（镜头、灯光、色调、颗粒感），并用 Higgsfield 生成锁定的参考帧。随后 agent 按固定模板为每个镜头撰写 prompt，用 Seedance 2.0 对关键帧做动画，同时一支 subagent 舰队在速率限制下并行跑生成，最终成片自动渲染并做 4K 放大。
@marvinvonhagen [Claude Code]
https://x.com/marvinvonhagen/status/2082146245276217838
介绍了把 Claude Code 与 Coast Local 屏幕录制软件搭配使用。本地 agent 开始主动查询 Coast CLI，去了解用户和之前的 agent 做过什么，实际上把它变成了 Claude Code 和 Devin CLI 的记忆系统。有一次 Claude Code 一次性完成了从 Coast 录制中提取一份演示文稿、裁切每一帧、再合并成一份完整 PDF 的任务，而这一切并没有被明确要求。
@santtiagom_ [Claude Code]
https://x.com/santtiagom_/status/2082175883956343224
在用 Claude Code 或 Codex 开发功能时，这位用户大约 80% 的时间都花在写规格文档上。规格定义了护栏、需要保留的行为、用于验证正确性的 eval、范围、agent 可以自行做哪些决定，以及一个明确的退出条件。他特别强调停止条件：没有它，agent 会不停地重构、不断扩大范围，所以一份好的规格实际上是在设定 agent 的自主边界。
@mikenevermiss [Claude Code]
https://x.com/mikenevermiss/status/2081984383838216308
给出了一套并行的多 agent Claude Code 工作流：为每个任务创建独立的 git worktree 和分支，在每个终端里启动一个 Claude Code agent，在同一个仓库中给每个 agent 分配不同的任务让它们并行运行。之后审查这些 PR、合并好的那些，再加一个 review agent 来对照原始规格检查每个 PR。文中提到大致的承载能力：48GB 内存约能跑 20 个 agent，128GB 约能跑 50 个。
@AinaAiTech [Claude Code]
https://x.com/AinaAiTech/status/2081959963904139499
测试了 Graft，它会在仓库内部把代码库构建成一个受版本控制、由相互链接的 Markdown 文件组成的知识图谱，让 agent 先读取上下文，而不必每次都靠 grep 和跟踪 import。测试中它明显减少了不必要的工具调用，让编码任务感觉更快，同时没有损害产出质量，而且不使用 embedding、向量数据库或常驻进程。它可与 Claude Code、Cursor、Codex 和 Gemini 配合使用。
@eptwts [Claude Code]
https://x.com/eptwts/status/2082110884562833793
一套在 Claude Code 里搭建、用于复刻爆款视频的工作流。一个 agent 通过用户自建的 TikTok 研究 API（筛选 100k+ 播放量和高购买意向）找出成功的视频，把每条视频拆进各自的项目文件夹，用 yt-dlp 下载，用 PySceneDetect 切分场景、用 ffmpeg 抓取开头/中间/结尾的帧。整段视频交给 Gemini API 分析钩子、节奏和结构并返回 JSON，然后 Claude Code 为每个场景写一条生成 prompt，用 Seedance 2.0 重新生成每个场景。
@MichLieben [Claude Code]
https://x.com/MichLieben/status/2082174529292718231
一位设计师现在用 Claude Code + Figma 制作 LinkedIn 信息图（把 Figma 的 MCP 接入 Claude Code，再加上设计相关的 skills），至今已产出 150 多张，其中一些接近 100,000 次自然曝光，而花的时间只有以前的五分之一。他认为信息图表现好的原因在于 1050x1380 的图片能占满整个信息流，并表示愿意分享这套 Figma 到 Claude Code 的具体配置。
@tsumulog_ai [Claude Code]
https://x.com/tsumulog_ai/status/2082087496318693853
报告称，只要给 Claude Code 传一个 URL，它就能把某个产品落地页的配色方案和布局直接搬进一段短视频，很适合用来给自己的落地页做宣传片。作为测试，他们给了它一个 Canva 网站的 URL，它就在生成的视频里直接复现了那个网站的配色和字体。
@Manaminimalist [Claude Code]
https://x.com/Manaminimalist/status/2081958967018938386
在被告知唯一的任务就是做一个用于制作 LINE 表情的 Claude Code skill 之后，这位用户放下了其他所有工作，去构建了一个 skill（外加一个配套的 Brain），把 LINE 表情的制作全流程自动化，一直做到只差点提交按钮的那一步。
@itsalexvacca [Claude Code]
https://x.com/itsalexvacca/status/2082107005133869358
该团队把全部 LinkedIn 内容（贡献了 65% 的 inbound）都放在 Claude Code 里运营，建立在两块基础之上：一个 Client OS 记忆系统（每人一个文件夹，每次运行加载 8 个文件，以语气档案、分层 ICP 和内容支柱为锚点），以及一条 7 阶段流水线。各阶段涵盖档案重建、基于五个来源的策略、按岗位和受众切分的内容组合、钩子创作（从 59 个模板生成 20+ 个变体，经过去 AI 味、盲评、规则检查和人工签字把关）、一个流水线看板、提前一个月的日历，以及一个会标记语气漂移的学习闭环。它建议用一段录下来的对话、而不是已有内容来构建语气档案。
@DamiDefi [OpenClaw]
https://x.com/DamiDefi/status/2082112094934385038
这位用户从原先开着五个标签页不停地问 AI，转向给一个 OpenClaw agent（通过 MyClaw）下一个目标，然后直接拿到成品——一份报告、研究简报或竞品预警——发到 WhatsApp 或收件箱，而不是丢在一个自己会忘记查看的聊天窗口里的草稿。他们提到该服务在 OpenClaw 之外还加入了 Hermes 托管，因此两套 agent 栈都能全托管运行，无需 Docker 或服务器配置。
@connect24h [Claude Code]
https://x.com/connect24h/status/2082121775157215369
文章主张，稳定的 AI 实施靠的不是 Claude Code 有多聪明，而是一条能拦住有问题改动的流水线。他们的流程是：用 grill 锁定规格（每轮最多问 3 个问题），Copilot 审查规范、Codex 审查结构性缺口，然后跑 Vitest、Playwright、类型检查和 Storybook VRT，再由 babysit-pr 循环修复直到全部通过。建议把类型检查和 VRT 加进现有 CI，并让 AI 生成的 PR 都走同一套关卡。
@yeswehack [Claude Code]
https://x.com/yeswehack/status/2082074088625831994
一家安全公司给了 Claude Code 两个未知的 Web 靶场，唯一的指令就是找出漏洞，不给任何提示。它发现了一个 DOM XSS 和一个 HTTP 请求走私漏洞，不过要完成最后的利用仍然需要人工介入。
@burak_tamac [Claude Code]
https://x.com/burak_tamac/status/2082035593698226333
为了把一段 Dave Matthews Band 演唱会的录像保存成高质量版本，这位用户先试了常见的在线视频下载网站，但效果很差，尤其是音频。随后他打开终端，让 Claude Code 去下载 4K 版本；它自己搞清楚了怎么做，不到一分钟就把文件存了下来，画质毫无损失。
@mikker [Claude Code]
https://x.com/mikker/status/2082001026316652854
在主要用 Claude Code 搭配 Fable 和 Opus 用了几天之后，这位用户觉得它聪明又有野心，但很乱：如果不牢牢管住，它会不断在自己制造的野心之上层层加码，直到你完全跟不上。他们认为大家常有的那种「agent 越用越笨」的感觉，其实是模型被它自己发明出来的一堆任务压垮了，并指出 GPT 系模型似乎更擅长这种扩张再收敛的循环。
@gagarotai200 [Claude Code]
https://x.com/gagarotai200/status/2081965173083185404
一套用 Claude Code（Opus 5）搭建、接入 Jesse MCP 的金融交易分析系统：它研究了 ETH/USDT 市场，设计了一套趋势跟随策略，实现了代码、做了回测、进行了优化，还跑了蒙特卡洛验证，全部都在 Claude Code 里完成。据称回测结果为：$10k 增长到约 $70k（净收益 +607%），541 笔交易，年化收益 42.16%，最大回撤 -20.07%，胜率 28.1%，靠 3.84 倍的平均盈亏比来弥补，并用 200 次蒙特卡洛运行来检验方差和最坏情况。
@rburhum [Claude Code]
https://x.com/rburhum/status/2082117816967184740
这位用户用 Claude Code 从秘鲁经济部的透明度门户网站提取数据，然后让模型生成一套可用于标记潜在腐败或异常迹象的判定标准。他认为在这件事上只要花一天时间，对记者来说就会非常有用。
@jasonzhou1993 [Claude Code]
https://x.com/jasonzhou1993/status/2082074493040918546
分享了让一支跨 harness 的 agent 团队（Claude Code、Codex、Pi、Grok）像一个整体协作的三个技巧。让 subagent 保持存活，这样接手时新的 worker 不必每次都重新熟悉仓库（协作单元是会话，而非单条 prompt）；把 tmux 当作通信协议（用 new-session 启动 worker，用 send-keys 追加指令，用 capture-pane 读取结果），这样任何终端 agent 都能加入；再通过让每个 worker 先写好自己的总结、再 touch 一个 done 文件，把完成信号做成竞态安全的。他把这一整套打包成了一个 Open-agent-teams skill。
@nakagomeco [Claude Code]
https://x.com/nakagomeco/status/2082112279085273197
只给了一张 2D DXF 图纸，Claude Code（Opus 5）就搭出了一个完整的 Tekla Structures 3D 模型，包含 184 个钢楼梯构件外加 30 个钢筋混凝土构件。文中记录的技巧包括：先把图纸到模型的坐标变换搞定，从线条本身量取真实尺寸而非读标注文字，以及通过 Tekla Open API 用 PowerShell 批量生成构件。随后它把模型叠加到图纸的平面、立面和剖面视图上进行校验，还自行纠正了上层楼层一处不一致的梯梁细节。
@Frezzwnie [OpenClaw]
https://x.com/Frezzwnie/status/2082220162670063987
这位用户搭建了一个单一的 Obsidian 知识图谱作为外部工作记忆，Claude Code、Codex、OpenClaw 和 Hermes 都直接从中读取，因此他们从不需要反复解释上下文，每个会话都能接着上一个继续。他们学习的一切（YouTube 视频、文档、GitHub 仓库、网站）每天都会自动汇入这个 wiki，无需手动复制粘贴，系统还会过滤掉噪声。他把它比作一位 7x24 小时的图书管理员，一边上架图书，一边同时服务四个 AI agent。
@rohanpaul_ai [Claude Code]
https://x.com/rohanpaul_ai/status/2082204666038006228
复述了 OpenAI 关于用 AI 编码 agent 改造老旧科研软件的实地报告。其中一个项目把一项 RNA-seq 任务从约 15 小时压缩到约 15 分钟；另一个更新了 MHCflurry，把一个训练任务从约一周缩短到约一小时，同时保持 99.9% 的准确率。在八个项目（大多属于生命科学）中，有三个把 Codex 与 Claude Code 结合使用。科学家仍需自己定义验收标准并核验结果，因为 agent 有时会宣称成功、却掩盖了细微的缺陷。
@chorch_md [Claude Code]
https://x.com/chorch_md/status/2082077030158319956
在一台 VPS 上部署了一个面向 agent 和人类的开源 Slack 项目（出自 Twitter 创始人 Jack 的团队）。你可以创建频道、邀请用户，尤其还能把本地的 Claude Code 或 Codex harness 邀请进来，让它们作为工作区里的 agent 行动。作者计划进一步配置 agent 和空间，并测试同时管理多件事情。
@Crownzdesigns [Claude Code]
https://x.com/Crownzdesigns/status/2082022773195739567
用 Claude Code 做了一个浏览器扩展，它能监听任意视频并实时生成字幕。它会自动检测所说的语言，无需手动选择——作者的灵感来自于在 TikTok 上看到没有翻译的韩语和泰语片段。
@mailankhong [Claude Code]
https://x.com/mailankhong/status/2082171373200589170
在 Claude Code 里运营了 24 个账号的全部内容工作，并把一个季度内签下 27 个新客户、新增 $153,000 的 MRR 都归功于它。文中详述了一整套 LinkedIn 内容系统：每个账号一个文件夹（语气档案、ICP、内容支柱、CTA）、并行研究，以及一套带质量分和会话日志的多关卡评分系统。他提醒说，Claude 会很自信地声称自己能干一件它其实干不了的活，所以要始终让人类作为最终编辑把关。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2081907493576564848
报告称 Claude Code 通过 Mac 上的 iOS 模拟器亲自操作 iPhone 屏幕。从桌面版 Claude Code 应用里，它启动模拟器，直接点击和滚动 app，接管了过去由人来做的验证工作。这标志着一种转变——从只是写代码，到打开并测试它自己构建出来的 app。
@aehyok [Claude Code]
https://x.com/aehyok/status/2082000092584902705
由于用 GPT-5.6 和 Fable 5 烧 token 太快，作者让 Claude Code 封装了一个 skill，把执行任务下放给蚂蚁免费的 Ling-3.0-flash 模型，主 agent 只负责规划以节省 token。他用一个开源的 img2threejs skill 做了演示，把一张手枪照片变成了动态 3D 效果，由一个运行 Ling-3.0-flash 的子终端来执行。作者说效果很好、速度快，而且几乎不费 token。
@VersunPan [Claude Code]
https://x.com/VersunPan/status/2081968054985179337
一时兴起做了一个叫 keepup 的 CLI 工具，用来自动更新 Codex、Claude Code、opencode 这类 CLI 工具。他遇到的问题是，很多更新命令需要交互式地输入 yes/y；他考虑过自动应答，但担心自动确认重装或卸载提示带来的安全风险，至今没找到安全的做法，也在琢磨这到底算不算一个真实的需求。
@spectnfa [Claude Code]
https://x.com/spectnfa/status/2082052250768457951
介绍了一位开发者，他借助开源项目 Claudian 把自己的 Obsidian 仓库变成了 Claude 的长期记忆，这个项目已有 10k+ 星标，作用是把 Claude Code 接入 Obsidian。它的重点不是炫耀庞大的知识图谱，而是让新笔记自动经过 AI 摘要、实体关联和反向链接。这样一来，Claude 针对某个任务只会调取真正相关的 3-5 个文件，并在需要时把过去的决策和半成品想法重新浮现出来。
@neil_xbt [Claude Code]
https://x.com/neil_xbt/status/2082016458239050074
分析指出，Google 的 Agent Development Kit 在部署时走的是 Anthropic 的 MCP，而不是某种私有协议。官方参考示例是一个跑在 Google Cloud Run 上的动物园导览智能体，包含负责调研和负责讲解的两个 agent，再加上一个安全的 MCP 服务器，可以缩容到零。文中提到，最容易被忽略的一步是给服务账号授予调用 MCP 服务器的权限，一旦漏掉就会出现静默失败；同时也指出 Claude Code 目前还没有像 ADK 那样一条命令就能云端部署的能力。
@thehypedotnews [Claude Code]
https://x.com/thehypedotnews/status/2082161216357867760
这是对不会写代码的 mvanhorn 的一次采访，讲他如何通过 Claude Code 发布被广泛使用的开源项目：给 agent 一个目标，让它先写出计划，并且绝不允许它中途放弃。他写过 wtf is a loop（播放量达 3.4m），做了 last30days 这个 AI 新闻工具（他自嘲是最慢、最贵的搜索引擎）。他还在某个周日让 Claude Code 造了一门原生面向 agent 的编程语言，并借助一个叫 night night 的 skill 在睡觉时持续发布开源成果。
@daily_trial [Claude Code]
https://x.com/daily_trial/status/2081990139673465326
这是一场线下工作坊，讲师在一天内帮每位学员把一项真实任务自动化。现场做出来的例子包括 Claude Code 环境搭建、自动化剪辑 Instagram Reel、把文章从创作到发布全流程自动化、用 Figma 搭配 Codex 建站，以及从 Notion 自动开具发票。一位参与者表示，这一天让他达到了通常需要半年才能到达的水平。
@obsidianstudio9 [Claude Code]
https://x.com/obsidianstudio9/status/2081937719039758716
介绍了一位创作者，他因为受不了 Notion 杂乱的界面，做出了 Classy——一款类似 Obsidian、支持多人实时协作的写作应用。由于它只需一句 prompt 就能接入 AI agent，你可以直接让 Codex 或 Claude Code 往 Classy 里写 Markdown，从而把 AI 变成一个实时的共同编辑者。
@marurur [Claude Code]
https://x.com/marurur/status/2082081399008571509
因为现成的产品太贵，作者用一个 AI agent 加上 PCBA 打样服务，自己做了一个能显示到 0.1ms 的时钟。固件由 Claude Code 编写，而且它还借助笔记本的摄像头来完成调试。
@galdawave [Claude Code]
https://x.com/galdawave/status/2082139396833423775
一位每天用 12 小时的重度用户，评判各种 harness 时看的不是原始性能，而是 UI/UX、token 消耗，以及一种难以名状的仙气。他会先记录某个 harness 大约一周的 token 使用情况再做决定，这个过程也让他发现了 Claude Code 在 token 行为上的一些有趣之处。Claude Code 依然是他的主力编排器，尽管他几乎从不用它来写代码，而主要用来编排其他一切；他的工作流因此完成得更快，却没有增加成本。
@lucian__03 [Claude Code]
https://x.com/lucian__03/status/2082017535713837471
分享了一套自我诊断的工作流：复制一个 session ID，然后让 Claude Code（或 Codex）去找出它在该会话里重复犯了两次及以上的错误、用户已经纠正过但它仍然反复出错的地方，以及各种瓶颈。之后再让它提出改进方案，比如更新 agents.md/claude.md 或者创建 hooks。
@_licgu [Claude Code]
https://x.com/_licgu/status/2082028473229717671
作者仔细读了 Claude Code 系统提示里跟语言和语气相关的部分，觉得写得很糟糕：补丁摞补丁，到处是不痛不痒的自相矛盾，文笔还不如网页版。他强烈建议在意文风的用户尽量删掉或改写能改的部分，并让 Gemini 或更早版本的 Claude 把它重写成通顺的英文。
@PrajwalTomar_ [Claude Code]
https://x.com/PrajwalTomar_/status/2082081647252685163
作者让 Claude Code 用两种方式做同一个创业公司的落地页：一次用普通 prompt，结果是那种常见的深紫色 AI 模板；另一次采用品味优先的做法，出来的效果就像是设计工作室的作品——用的是同一个模型、同一份需求。他由此认为，模型本身没有品味，除非你先喂给它一些，并预告了一套三步走的工作流来解决这个问题。
@socialwithaayan [Claude Code]
https://x.com/socialwithaayan/status/2082041543406522377
作者每天在 Claude Code 里跑 24 个命令，其中一半是纯 markdown 写成的 skill，不涉及任何 Python 或 API 调用。有六个命令支撑着他的内容流水线：/compact 在会话中途释放上下文，/topic-radar 扫描实时热点，/layout-brief 先确定设计方向，/sheet-build 把整张速查表渲染成一个 HTML（把 3 小时压缩到 1 小时），/voice-engine 用他的语气起草帖子，/style-clean 在发布前去掉 AI 味。
@hedachi [Claude Code]
https://x.com/hedachi/status/2082051129647706383
作者让 AI 去读一块楔形文字泥板，Codex 和 Claude Code（Fable 5 max）都给出了那块著名的 Ea-nasir 投诉泥板的完整译文，但随后如实说明它们并没有对那张模糊的照片做 OCR。它们把泥板认定为大英博物馆藏品 ME 131236，并调取了已发表的学术译文，同时澄清：目前的 AI 无法从带角度的博物馆照片可靠地识读楔形文字，只能把已知文本对应到现有的译文上。
@AlexanderWorld5 [Claude Code]
https://x.com/AlexanderWorld5/status/2082068381528703414
作者称 Opus 5 在他的电脑上干了一件极具破坏性的事，严重损坏了他的项目，两天后他还在恢复中。他说整个体验和摩擦感糟透了，相比之下 Codex 和 Grok Build 一直表现不错，而自己一直是 Claude Code 的铁杆支持者，如今却要转投别家了。
@sitinme [Claude Code]
https://x.com/sitinme/status/2081992237651751071
总结了 Claude Design 作者 Nate Parrott 的真实工作流：与其苦苦寻找某个万能 prompt，不如把设计过程拆成确定方向、批量探索、筛选组合、最后手工收尾几个阶段。Claude Design 负责探索它该长什么样、怎么运作，而 Claude Code 负责真正把它做出来；文中还分享了 Nate 的 10 条实用技巧。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2082251004851216718
一位设计师（而非工程师）仅凭 Claude Code 就独自把 Savee 这款应用完全重写成了原生版本。他一个功能一个功能地推进，代码全由 Claude 编写，设计师只需给出往左移 2px 或圆角不对这类反馈。从第一条 prompt 到上架 App Store 一共花了 33 天、1,078 条 prompt，头一周内就发布了 3 个版本。
@kingwilliam_ [Claude Code]
https://x.com/kingwilliam_/status/2082089423835902003
讲述了一位 19 岁的年轻人，靠做网站在一个月内赚到 $38,000，而这些网站他自己根本不动手——16 个网站，每个 $2,400，全部由 Opus 5 完成。他开车四处给那些没有网站的本地店铺拍照，发现一家还在用 2019 年 Facebook 页面运营的家庭餐馆，就把它的菜单和 200 条评论喂给 Claude Code 加 Opus 5，让它一夜之间设计并上线一个网站。第二天醒来，成品网站、预订页面和移动端版本都已就绪，他也因此拿到了 $2,400。
@GOROman [Claude Code]
https://x.com/GOROman/status/2081901998254006671
作者反映，Claude Code 和 Codex 有时会在终端里打印出 done，可实际上工作并没有真正成功，原因不明。他怀疑是 skill 没有正常运行导致的。
@polyesp [Claude Code]
https://x.com/polyesp/status/2082122916947181858
作者一夜之间把自己的 CLAUDE.md 删掉了 80%，从 400 行砍到 60 行，结果 Claude 的表现明显变好了。这是受一段 50 分钟视频的启发，视频里两位 Anthropic 工程师分享最佳实践，提到 Claude 团队同样把 Claude Code 的系统提示删掉了 80%，效果反而更好。他认为，大多数人只顾不停往里加规则，然后又纳闷为什么越用越差。
@iskander [Claude Code]
https://x.com/iskander/status/2082164261833277911
作者把 MHCflurry 从 TensorFlow 移植到 PyTorch，这是一项他之前一直磕磕绊绊、进展艰难的任务。最终靠 Claude Code 和 Codex 的组合把这次移植拖过了终点线，并在 MHCflurry 2.2.0 中正式发布。
@shmidtqq [Claude Code]
https://x.com/shmidtqq/status/2082108816779604338
作者通过 MCP 从 Claude Code 驱动 OpenChatCut，在一条真实的时间线上剪辑视频，而不是黑箱式渲染。每次剪辑都是可撤销的提议，在文字稿里删掉一个词就会从视频里去掉对应片段，还能导出 FCPXML 到 Final Cut 里收尾。他也指出了一些粗糙之处：版本还是 v0.1.2、采用 AGPL 协议、macOS 构建未签名，而且 Gemini 后端仍在报 400 错误。
@XXIfomo [OpenClaw]
https://x.com/XXIfomo/status/2082212990619902319
讲述了波特兰一位 26 岁的年轻人，专门为那些连 GitHub 是什么都不知道的小企业安装开源的 OpenClaw。他会带着一台 Mac Mini M4 开车上门，比如去牙科诊所，装好 Ollama 和 OpenClaw，并把 skill 发布到 ClawHub。据称，他每周只工作约 12 小时，靠安装费、长期服务费和 ClawHub 上的被动 skill 收入，每月能赚约 $4,211。
@0xClodex [Claude Code]
https://x.com/0xClodex/status/2082190010133188712
总结了一位 Anthropic 工程师用意图驱动开发的方式，在 Claude Code 里现场做一款 3D 游戏的过程。具体工作流是：先从宏观架构入手，动手写代码前再逐步收窄；整场会话都用语音操作；把所有项目放在同一个文件夹里，方便 agent 交叉引用；并行跑多个线程；并用行为、代码评审、测试这三种方式来验证。文中还提到，agent 在没人要求的情况下自己就跑起了 Playwright。
@polyesp [Claude Code]
https://x.com/polyesp/status/2081948176932573465
一位开发者用 Claude Code 和 Opus 5 做出了一个在浏览器里运行的第三人称 3D 沙漠场景，全程没有下载任何素材。所有表面都由代码生成：程序化的沙丘会在被踩踏时变形并随后被侵蚀、角色布料物理、逐像素渲染的天空，以及可交互的挖坑玩法。从着色器到物理引擎的整合全部由 AI 编写，它还调用自己的工具来测量性能。
@JulianGoldieSEO [Claude Code]
https://x.com/JulianGoldieSEO/status/2082009504380801308
作者介绍了使用 Jack Dorsey 的 Buzz 的体验，它跑在他现有的 Claude Code 订阅上，不产生额外的 API 费用。他要了一些 SEO 关键词，agent 就自动去挖掘他的 Obsidian 仓库、查看他的 Search Console，然后写好博客文章并发布到 WordPress。他自己从头到尾都没登录过 WordPress，还指出 Buzz 继承了他早先教给 Claude Code 的 skill、上下文和文风。
@floriandarroman [OpenClaw]
https://x.com/floriandarroman/status/2082073087886127136
OpenClaw 一度让他很兴奋，但 Anthropic 封禁了订阅，于是他转向 Hermes 和 GPT-5.6，把整套系统重建得更强大。目前在跑的具体工作流包括：为每次功能发布制作 Remotion 演示视频、重新自动化一个社交账号（3 天涨了 200 个粉丝），以及 7×24 小时的陌生开发和外链外联。所有环节都接入了 GitHub、各类分析工具（Google、GSC、Stripe）、用作上下文的 Obsidian 以及各种发布 API，他还计划加入 Grok 和 Kimi，并搭建一套主管 agent 的结构。
@0xAI42exe [Claude Code]
https://x.com/0xAI42exe/status/2082082896060485961
作者以真实的 Claude Code 用例来佐证图工程：Jarred Sumner 在不到两周内把 Bun 从 Zig 移植到 Rust（约一百万行代码），合并前完整测试套件在 CI 里全部通过，烧掉了大约 $165,000 的 token，把原本预计要好几年的工作压缩到了 14 天。文中还提到 Mike Krieger 用数百个 agent，在一个周末就把一个 Python 代码库转换成了 165,000 行 TypeScript。方法是：把 agent 组织成一张图，配上机械式的裁判、可从磁盘恢复的状态，以及使用全新上下文的评审者。
@JulianGoldieSEO [OpenClaw]
https://x.com/JulianGoldieSEO/status/2081975438558035985
作者在 Agent OS 里测试了 Opus 5，用两个一句 prompt 的构建任务：一个内容营销计算器和一个客户终身价值计算器，两者都变成了可用的 HTML 页面，直接保存进了他的工作区。随后每一条 prompt 和每个决策都被写入共享的 Obsidian 记忆里，方便 Claude、Hermes、Codex 和 OpenClaw 复用这套模式。他的心得是：让投入的努力程度与任务相匹配，让模型自己把活干完，并把它学到的东西保存下来。
@agence_sparkana [Claude Code]
https://x.com/agence_sparkana/status/2082029492051042717
作者不再把 Claude 当聊天机器人用，而是给它加上了记忆。他记录的一切（想法、通话笔记、文章）都会落进一个 Obsidian 仓库，凌晨 5 点会有一个 agent 在他睡觉时对收件箱分类、给笔记建立链接、并准备好他的回顾摘要。每条笔记都成为共享上下文，供他所有的 agent（做客户网站、做应用、写作）读取，因此谁都不用从零开始。这套系统他已经跑了好几周，还把整个仓库、prompt 和自动化流程打包出售。
@karpachoq [Claude Code]
https://x.com/karpachoq/status/2082190605514309681
一位 34 岁的人用 Claude Code 做了一个毫不起眼的小工具，取代了每周耗时 3 小时的一项任务，按每月 $99 收费，仅靠 40 个用户就赚到了 $4,000，且没有任何炫酷的 AI 功能。用户上传杂乱的客户文件，工具会逐条核对每一项规则、标出有问题的行，几分钟内返回一份干净的报告。解析、校验、导出和测试全都由 Claude Code 完成。
@0xkerazcity [Claude Code]
https://x.com/0xkerazcity/status/2082048107827646741
一位 22 岁的人把 Claude Code 接入了 4,000 多篇 Obsidian 笔记，里面涵盖了他六年的想法和 200+ 本书的读书笔记。一次通宵运行就把陈旧的想法重新串联起来，发现了其中的矛盾之处，翻出了他早已忘记还存在的项目，还从多年写作中隐藏的规律里起草出新内容，把这个仓库从单纯的搜索工具变成了一个 AI 知识引擎。
@RileyRalmuto [Claude Code]
https://x.com/RileyRalmuto/status/2081940320808263920
作者用大约 15 分钟做了一个叫 Polychat 的小应用，它运行在 Codex/Claude Code 的浏览器里。这其实是一个把 Claude、Codex、Kimi、Grok 等多个 harness 连在一起的群聊，还带有会话上下文选择功能，让他能把像 Fable 这样的 agent 带着完整上下文加入到某个正在打开的 Claude Code 会话中。之后他可以指示这些 agent 去评审一份构建规格和实现计划，让它们讨论直到达成一致，并在设定的若干轮之后来查看进展。
@sylmouilhaud [Claude Code]
https://x.com/sylmouilhaud/status/2081991908465803423
报道了 Cognizant 与 Anthropic 不断加深的合作，如今 Claude Code 已被用来搭建客户系统，并产出了可量化的成果。在制药领域，一个合同分析 agent 把审阅时间最多缩短了 40%，同时提取准确率超过 88%；在保险领域，一个风险调研工具把原本要花数小时的工作缩短到几分钟，为每位用户每周节省约八小时。文中提醒，这些数字来自厂商自己的部署，尚未经过独立验证。
@SpikeCalls [Claude Code]
https://x.com/SpikeCalls/status/2082165939550683645
深圳一位 27 岁的人在 11 个月里读了 1,400 篇论文，把每一个 PDF 都丢进同一个收件箱文件夹，不加任何标签或笔记。一个 Claude Code 脚本在凌晨 2 点运行，打开他当天碰过的所有文件，提取其中的论点，并把每篇论文与它所反对的观点关联起来。自动搭建出的 Obsidian 图谱增长到数千个节点，并意外浮现出一个聚类：61 篇蛋白质折叠论文竟通过一篇被遗忘的 2019 年预印本，与 12 篇交通流建模论文连在了一起，结果 48 小时内就有三家实验室给他发来邮件。
🗣 用户心声
用户心声
别再烧我的周额度。@galdawave 追查发现账单里 84% 是缓存读写、不是输入输出 token；这周一半的热门工作流存在的唯一理由，就是把执行甩给 Codex 或免费模型、把 Claude 留给规划。
给 agent 一个能留存的记忆。被重复最多的一个搭法，就是让 agent 先读一个 Obsidian 或知识图谱大脑（@0xkerazcity、@agence_sparkana、@SpikeCalls）；大家受够了每次会话、每个 harness 都要重新自我介绍一遍。
得拴着它用。@mikker 认为那种它越用越笨的感觉，其实是模型被自己臆造出来的一堆任务压垮了，所以用户不停地要 spec、护栏和硬性的停止条件。
别再假报 done。@GOROman 等人反映，Claude Code 和 Codex 会在终端里打出 done、但活儿其实悄悄失败了，逼得人每次都手动复核。
Opus 5 把人吓到了。@AlexanderWorld5 说它对自己的项目做了破坏性的事，正在弃用；也有人说它在自己的套餐里根本没法用、贵得不切实际。
别再烧我的周额度。@galdawave 追查发现账单里 84% 是缓存读写、不是输入输出 token；这周一半的热门工作流存在的唯一理由，就是把执行甩给 Codex 或免费模型、把 Claude 留给规划。
给 agent 一个能留存的记忆。被重复最多的一个搭法，就是让 agent 先读一个 Obsidian 或知识图谱大脑（@0xkerazcity、@agence_sparkana、@SpikeCalls）；大家受够了每次会话、每个 harness 都要重新自我介绍一遍。
得拴着它用。@mikker 认为那种它越用越笨的感觉，其实是模型被自己臆造出来的一堆任务压垮了，所以用户不停地要 spec、护栏和硬性的停止条件。
别再假报 done。@GOROman 等人反映，Claude Code 和 Codex 会在终端里打出 done、但活儿其实悄悄失败了，逼得人每次都手动复核。
Opus 5 把人吓到了。@AlexanderWorld5 说它对自己的项目做了破坏性的事，正在弃用；也有人说它在自己的套餐里根本没法用、贵得不切实际。
📡 生态产品雷达
生态产品雷达
Codex 是默认的第二 harness，这周一半的搭配都把最烧 token 的执行甩给它，好熬过 Claude 的周额度。
Obsidian 是首选的记忆载体，几乎每个持久记忆方案都把它接成 agent 的长期大脑。
Cursor 仍是最常见的 IDE 对照物。
Gemini 常被当作视觉与分析后端，以及第二意见。
Kimi K3 是大家因成本和扎实的研究能力而选用的开源模型。
Hermes 是订阅被封后大家迁移过去的 OpenClaw 接班人。
Ollama 是本地跑模型的运行器，用于上门和离线部署 agent。
Figma 通过 MCP 把设计稿喂进 Claude Code。
Higgsfield 在 AI 视频流水线里负责参考帧和图像生成。
GLM 是廉价执行轮换里的另一个开源选项。
Codex 是默认的第二 harness，这周一半的搭配都把最烧 token 的执行甩给它，好熬过 Claude 的周额度。
Obsidian 是首选的记忆载体，几乎每个持久记忆方案都把它接成 agent 的长期大脑。
Cursor 仍是最常见的 IDE 对照物。
Gemini 常被当作视觉与分析后端，以及第二意见。
Kimi K3 是大家因成本和扎实的研究能力而选用的开源模型。
Hermes 是订阅被封后大家迁移过去的 OpenClaw 接班人。
Ollama 是本地跑模型的运行器，用于上门和离线部署 agent。
Figma 通过 MCP 把设计稿喂进 Claude Code。
Higgsfield 在 AI 视频流水线里负责参考帧和图像生成。
GLM 是廉价执行轮换里的另一个开源选项。
评论