超级用户日报: 2026年7月3日
今天的重心不是「AI 写代码更快了」,而是一堆人把 Claude Code 和 OpenClaw 塞进了跟 IDE 八竿子打不着的场景:一个火到五十栋楼的小区应用、一个 16 岁少年的作业机器人、给美发店做薪资管理的、跑电商后台的、给上门服务生意做指挥中枢的。另一条主线是信任:有人逆向出 Claude Code 系统提示里埋的一段反蒸馏水印,直接引爆了透明度大讨论,而 Anthropic 自家负责人也承认这是三月份真做过的实验、现在正在回滚。所有这些底下反复冒出来的都是同一个道理——护城河不是模型,而是你围绕它搭的 harness、记忆和循环。
@Etype_mag [Claude Code]
https://x.com/Etype_mag/status/2072136985901453661
一条被疯转的帖子,讲 62 岁的 GMO 创始人熊谷正寿自学 Claude Code,两个月没靠任何人手写了十万行代码。最抓眼球的一句是:本来要花大约五千万日元的开发,他只花了差不多三万日元。整条帖子重点不在代码本身,更像是一份宣言——在 AI 时代,别管别人怎么定义所谓正确的路。
@diegocabezas01 [Claude Code]
https://x.com/diegocabezas01/status/2072436501263339841
一套很具体的多模型编排配置,专门用来省 Fable 用量:Fable 5 开满推理当总指挥,一个 Opus 的 deep-reasoner 子 agent 负责架构和硬骨头调试,一个 Sonnet 的 fast-worker 干机械性的改动,再加 OpenAI 的 Codex 插件当同级工程师。他把 /agents 的完整配置、插件安装命令,还有一段 CLAUDE.md 都放了出来——那段配置让 Fable 把同一个高风险问题并行丢给 Opus 和 Codex,然后在互相看不到对方答案的情况下自己综合。
@thegreatest_sv [Claude Code]
https://x.com/thegreatest_sv/status/2072385245576568932
一个开发者发现自己小区里没人知道任何事——停水、快递丢件、电梯坏了,全散在乱七八糟的 WhatsApp 群里,于是给自家楼做了个小小的私有应用。只有验证过的住户能进,大家在里面报修、共享快递、互借工具、互相提醒可疑情况。几周内隔壁楼的人也想进来,一栋楼变成了五十栋。这是把一个真实烦恼用 Claude Code 快速做成产品的干净样本。
@MyWestLord [Claude Code]
https://x.com/MyWestLord/status/2072113767253458972
一个 16 岁少年做了个由 Claude Code 驱动、用 Obsidian 存记忆的作业机器人,月入约 7000 美元。一台笔式绘图仪加机械臂在纸上写连笔字,连每个词尾笔压变轻都模仿出来,读起来就像晚上 11 点一个累坏了的 15 岁孩子写的。每个同学都有一个 Obsidian 文件夹,存着笔迹样本和目标分数——有个孩子还专门要求写出 B- 的水平。他一次开两台机器(一台英语一台历史),边打 Valorant 边跑,一周做 40 份作业,收的是苹果礼品卡。
@sunaiuse [OpenClaw]
https://x.com/sunaiuse/status/2072297671344157032
一个 19 岁少年用 OpenClaw 加 Hermes agent,给一门上门服务的生意做了套真正的 AI 指挥中枢,几个月就赚到 3 万美元——而他二月份还对 AI 一无所知。这不是那种花架子仪表盘:它实时盯营收、到点提醒该加人手,根据真实工时自动排班,每一份报价都自动生成并存档,用 iPhone app 扫房间秒出测量数据,还投广告、清收件箱、开 agent 复盘会——全部由一个中央大脑协调,保证每个 agent 步调一致。
@yosuke_collect [Claude Code]
https://x.com/yosuke_collect/status/2072284158584570117
用 Claude Code 做了个内部操作系统(他叫它 COS),替掉了以前管库存、订单、上架用的一堆表格。表格每张顶多存两个月的数据,而 COS 把他所有 eBay 订单数据都吃进去,做客户分析特别方便。里面还有个给员工用的 AI 聊天机器人,往 eBay 上架时会自动生成标题。他从零基础起步,大概一个月做出来,反复强调这东西的可扩展性跟老系统完全不是一个量级。
@gosukenator [Claude Code]
https://x.com/gosukenator/status/2072178357438161186
他常去的那家美发店,理发师居然精通 Claude Code 和 Codex,还给店里做了一堆应用:前后对比照片管理、考勤和薪资、预约管理。一个很小但很说明问题的数据点——普通服务业里的非技术从业者,已经走到这一步了。
@toddsaunders [Claude Code]
https://x.com/toddsaunders/status/2072316987338809462
一个从收垃圾出身、后来自己开虫害防治公司的老板,用 Claude Code 给自家生意写软件,他说这帮他把营收做到了 500 万美元、而且利润率相当漂亮。这条帖子明摆着是在戳那些在家办公、却还有一堆借口不肯上手 AI 的 FANG 工程师。
@danshipper [Claude Code]
https://x.com/danshipper/status/2072348874006810753
复盘了 Natalia Zarina 的案例,她把 Every 的咨询业务全自动化了——搞了个她叫做 Claudie 的 AI 项目经理,后来又切到了 Codex。她睡前跑了个 prompt,一觉醒来定制 CRM 就做好了,她还做了个 app 来管她父亲的医疗照护。值得注意的是,团队明明能自己 vibe-code,却还在照付 Attio 和 Asana 的钱。她把知识工作的转变形容为从「雕刻」变成「园艺」:你培育上下文和逻辑,agent 负责执行。
@ChadNewbry [OpenClaw]
https://x.com/ChadNewbry/status/2072145776373801166
上线了 Tongue,一个短信版私人助理,他发现这是记录健身最好用的方式:给它发一张跑步机数据的照片它就记下来,或者你直接说「我做了 10 个俯卧撑」也行。技术上就是托管的 OpenClaw 加一个 Twilio 号码,再配上数据库和 CLI 工具让 agent 能稳定读写,定价每月 30 美元或每年 200 美元,首周免费。
@chenchengpro [Claude Code]
https://x.com/chenchengpro/status/2072209406184526013
一次对 Claude Code v2.1.191 反蒸馏机制的深度逆向。系统提示里那句「Today's date is...」用隐写术在两个维度上编码了 3 个 bit:在 Asia/Shanghai 或 Asia/Urumqi 时区下,日期分隔符会悄悄从横杠变成斜杠;而四个肉眼看不出区别的撇号里挑一个,用来编码自定义的 ANTHROPIC_BASE_URL 是否命中了域名白名单(147 个域名,任意 .cn)或实验室关键词(deepseek、zhipu、moonshot 等),这些数据以 XOR 加 base64 存储好躲开 strings 命令。因为标记就藏在自然语言的提示文本里,那些清理请求头的代理根本没法剥掉它——当一个二道贩子的流量绕回 Anthropic 时,它就自己暴露了身份。
@Ananth7e [Claude Code]
https://x.com/Ananth7e/status/2072180973249372667
报道称 Claude Code 负责人 @trq212 确认了这段隐藏检测代码是真的——「三月份上线的一个实验,用来防止未授权的转售和蒸馏」。它会检查中国时区、以及代理 URL 是否指向中国域名和 AI 实验室,做了 XOR 混淆、从没在发布说明里公开过,第二天就要回滚。他抛出的那个尖锐问题是:要是没被发现,他们会告诉用户吗?
@WesRoth [Claude Code]
https://x.com/WesRoth/status/2072379712413057300
对同一套指纹机制的一个更冷静的总结:它只在 ANTHROPIC_BASE_URL 指向自定义端点时才激活,会拿代理主机名去比对 147 家中国公司/实验室/二道贩子,外加 Asia/Shanghai 和 Asia/Urumqi 两个时区,然后用撇号字符和日期格式切换来编码结果。他明确收回了「间谍软件」这个说法——它不会对每个中国用户都触发,不会读额外的文件,也没有单开一条外传通道;这个标记就走在本来就要发出去的提示里。
@ai_suxiaole [Claude Code]
https://x.com/ai_suxiaole/status/2072160757928833168
一份详细的 Claude Code 封号自救指南,核心观点是 90% 的人顺序都做反了。正确顺序是:先抢数据(导出你的数据,把 CLAUDE.md、.claude/commands、~/.claude 备份到 Git),再停止扣费(封号不会自动取消订阅),走苹果退款而不是官方渠道,最后再申诉——而且对地区封号别抱太大期望。他还解读了几种账号状态:on hold(可复审)、suspended(可申诉)、will remain closed(终审,但你还能导出)。
@luoleiorg [Claude Code]
https://x.com/luoleiorg/status/2072318493484327286
分享了他这波封号潮里一直稳住账号的网络配置:一台英文系统的 MacBook,流量走自建的加州 WARP 服务器落地、家里不漏 DNS(用美国加州 WARP IP 兜底),配上 Plasma 卡支付。他还贴了个页面,能看到 Claude 在你的请求里实际看到了哪些网络信息——IP、地区、出口。
@uniswap12 [Claude Code]
https://x.com/uniswap12/status/2072300346517651630
借着「杭州 IP 被封」的传言点出一个更锋利的观点:Claude Code 真正值钱的不只是那个 Claude 模型。他提到阿里云百炼现在已经有官方文档,教你怎么通过 ANTHROPIC_BASE_URL 把 Claude Code 指向它那个兼容 Anthropic 的端点——壳子留着,后端可以随便换。他的结论是:把你的项目文件、skills、规则和人工审批环节都做成可移植的,因为账号会重置、模型会轮换,但你的工作流不该每次都清零重来。
@usedhonda [Claude Code]
https://x.com/usedhonda/status/2072414793932112375
对一篇很火的 Claude Code loops 讲解做了精准的技术纠错,主张 /loop 不该被归到「按时间划分」那一类。一个循环是闭环还是开环,取决于停止条件,而不是间隔时间。官方博客漏掉的更深层区别在于:/goal 在一个不断增长的上下文里边评估边继续,而 /loop 每一轮都在全新的上下文里重跑 prompt(Ralph 那种打法),所以它必须把外部状态持久化下来才能续上——这也正是它能跑长任务、还不会被上下文膨胀拖垮的原因。
@chroniki_ai [Claude Code]
https://x.com/chroniki_ai/status/2072207712105197784
转述一位 Anthropic 工程师的说法:Claude Code 整个架构本质上就是一个四步的 while 循环——给它工具、进循环、让 Claude 自己决定、别去干预。没有 DAG,没有复杂分类器,没有多 agent 蜂群——而且每次他们往里加编排复杂度,准确率都会掉。那个惊人的数字是:整个代码库 98.4% 都是基础设施(权限、上下文、错误恢复),真正的 AI 决策循环只占 1.6%。
@0xDepressionn [Claude Code]
https://x.com/0xDepressionn/status/2072314715523387813
总结了一场 Spotify 首席架构师 Niklas Gustavsson 和 Claude Code 作者 Boris Cherny 的对谈:Spotify 把 agent 成功率从 20-30% 提到 80%,靠的不是换模型,而是加循环。现在他们 73% 的 pull request 都有 AI 参与,在 2000 万行代码上每天部署 4500 次。那句点睛的话是:模型没那么重要,重要的是围着它转的那个循环。
@rewind02 [Claude Code]
https://x.com/rewind02/status/2072408379239137448
Boris Cherny 解释为什么写循环是个全职活儿:他同时跑着几百个 Claude 实例,扫 GitHub issue、Twitter 反馈和 Slack,来决定接下来该做什么——一个起手 prompt 都不用自己写。他十一月就把 IDE 卸载了、再没打开过,还说应届毕业生有时候比干了 20 年的老兵更会用 Claude Code。
@ai_depression [Claude Code]
https://x.com/ai_depression/status/2072270217280135443
分享了一整套多模型编排 prompt:Fable 5 high 掌管整体设计和任务拆解,Claude Code 是执行中枢,Codex 5.5 xhigh 通过「codex rescue」加一个 /goal 模板来做实现,Fable 5 max 负责最后的质量和查漏补缺。里面有硬规则——Codex 5 分钟不回就当出错、重新委派,还有严格的 AskUserQuestion 触发标准,让 agent 只在交付物真正出现分叉时才停下来。
@yoshio_nocode [Claude Code]
https://x.com/yoshio_nocode/status/2072233845538357641
一个非工程师用 Fable 5 的高质量搭建流程:把 Superpowers 插件装进 Claude Code,用 Fable 5 头脑风暴做需求和界面设计,用 Codex Image2 设计所有 UI 图,再用 /goal × 动态工作流 × Fable 5 去实现,还包括用 Computer Use 跑 E2E 测试、保存测试用例和证据。他重度用 Fable 之后的判断是:它的「脑子」和「眼睛」都很强,所以哪怕最后实现是 Opus 4.8 干的,他也想让 Fable 全程管需求和 UI。
@daniel_mac8 [Claude Code]
https://x.com/daniel_mac8/status/2072323386173280361
针对 Fable 5 回归给的一个干净的分工模式:Fable 5 当顾问,Sonnet 5 当高效执行者——或者通过 ChatGPT 订阅、用 Codex 插件在 Claude Code 里让 GPT-5.5 当执行者。这是一种务实的思路,混着用各家模型的长处,而不是把宝押在某一个上。
@CEOGuy [Claude Code]
https://x.com/CEOGuy/status/2072238100164829314
执行任何计划之前,他先让一群 agent 把它撕个稀烂。他在 Claude Code 里用 Opus 4.8 跑的这个 prompt,会拉起一个由不同背景和角色组成的委员会,把整个计划丢给他们,让他们各自独立辩论和调研,然后互相争到多数派签字通过一个 v2——之后才写出一份从头到尾的完整执行计划。他把那套 /goal 加 /loop 的 prompt 原样放了出来。
@maverickecom [Claude Code]
https://x.com/maverickecom/status/2072335257479630985
用 GPT Images 2、Arcads 和 Claude Code 做了个 AI 广告生成器,能把一张产品照加一句话卖点,变成一支带完整脚本的 3D UGC 视频。它先建一本带合规准则的品牌规则手册,抛出四个经过验证的广告概念(配好钩子和分镜表),然后写脚本、并行渲染每个片段、加配音、过质检、拼成一支成片竖版广告。搭建加每支视频 4 到 12 分钟,每支 45 秒的广告在 API 上花不到 3 美元。
@Adea0x [Claude Code]
https://x.com/Adea0x/status/2072410090385412515
演示怎么把一个园艺公司的 logo 变成一支 15 秒视频广告:把 arcads-claude-code 仓库装进 Claude Code,上传「Summit View Landscape」的 logo,然后让它做一支商业广告。Claude 返回了一份完整方案——用 Seedance 2.0 当模型,三个 5 秒片段,一个 logo 亮相、山地风光、园艺施工、完工后的房产镜头——然后就生成了那支电影质感的成片。整个循环就是:装仓库、传 logo、要广告、拿到模型加分镜方案、生成。
@codewithimanshu [Claude Code]
https://x.com/codewithimanshu/status/2072272367586550129
一份很详细(也很软广,所以那些收益数字得打个问号)的记录,讲一个跑在 Claude Code 加四个开源仓库上的 Polymarket 机器人,每月总共 25 美元。一个 prompt 扫 8600 万笔交易,4 分钟就挖出 47 个高胜率钱包;一个 Rust CLI 把 500 个活跃市场筛到大约 35 个;三个并行 agent(套利、收敛、抄大户)投票决定仓位大小,退出逻辑抢在聪明钱撤退之前跑路。他声称 200 美元在 27 天内、271 笔交易、74% 胜率下变成了 14300 美元。
@steipete [OpenClaw]
https://x.com/steipete/status/2072439279520039380
把 Codex 指向 OpenClaw iOS app 的 Twitter 反馈,它只用两个 prompt 就做完了第一轮改进。妙的地方在于:它用 computer use 去附上前后对比截图,因为这事儿根本没有 GitHub API 能干。他很坦白地说「还不够好,但就两个 prompt 而言,这不算差」。
@hackerfantastic [OpenClaw]
https://x.com/hackerfantastic/status/2072341827068318031
演示了用本地 LLM 加「递归提示」找 0day:在一台跑 Qwen 3.6 Heretic 的 NVIDIA DGX Spark 上,通过 LLAMA.cpp 配 LiteLLM 和 OpenClaw,这套配置分析了一个复杂的开源代码库,挖出了一个单点高危 RCE 0day。一个具体的、全程本地的安全研究循环。
@m_goes_distance [Claude Code]
https://x.com/m_goes_distance/status/2072407446547833122
聊「车库生物科技」已经小到什么程度:Anthropic 悄悄上线了 Claude for Science,一个带 60 多个科学数据库、能把产物追溯到源头论文、还能按需算力的研究工作台。他提到已经有人在家里设计候选药物、用 Claude Code 跑液体处理机器人了——而且每一项新能力都会叠加,把一家生物科技创业公司的最小可行门槛越压越低。
@Stefan_3D_AI [Claude Code]
https://x.com/Stefan_3D_AI/status/2072355374171324559
把一套 AI 加 3D 的工作流推到了极致,三天做出一个能玩的 3D 游戏原型——不是一个 prompt 变魔术,而是他自己的创意,AI 只是工具,负责概念构思、素材生成和贴图,玩法逻辑则靠新的 UE 5.8 MCP 加 Claude Code。他的感受是:现在配上对的工作流能走多远,简直离谱。
@ShotaAsanoSnow1 [Claude Code]
https://x.com/ShotaAsanoSnow1/status/2072148161771209175
用 Claude Code 在一辆本田 Super One 车上跑起了红白机(NES)模拟器——他声称这大概是日本首例。一个虽小但很有意思的例子,把 agent 指向了奇奇怪怪的硬件。
@gclue_akira [Claude Code]
https://x.com/gclue_akira/status/2072458796946100503
用跑在 Fable 5 上的 Claude Code 加 EasyEDA Pro 完成了一个硬件设计任务。当自动布线(AW)那步失败时,他用 Auto Routing 绕了过去。这是 Claude Code 伸手进 PCB/EDA 工具链、而不只是软件的实打实证据。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2072270239036023080
一个在传的案例:有人把自己的 Instagram 账号交给 Claude Code,20 天内靠一个四步循环拿到了 430 万浏览和 6500 多个粉丝。Claude 先分析账号,然后跑细分领域调研 → reel 脚本 → 钩子设计 → 每日自动化,连发什么都自己决定。他想说的是:如果你只把 Claude Code 当成一个写代码的工具,你永远看不到这种潜力。
@MyWestLord [Claude Code]
https://x.com/MyWestLord/status/2072324013448188174
一篇把 Karpathy 的 LLM-wiki 模式讲得很清楚的文章:与其让 RAG 反复重读原始文件然后转头就忘,不如让 Claude Code 把资料一次性编译成互相链接的 Obsidian markdown 页面,再跑一遍 linter 揪出断链、孤儿页和自相矛盾的地方。Obsidian 是 IDE,Claude 是程序员,wiki 是代码库——有个作者把自己发过的每一篇文章都灌进去,一小时内就得到了 56 个互相关联的页面。
@Veltrxai [Claude Code]
https://x.com/Veltrxai/status/2072409543745679586
重点介绍了 Obsidian CEO Steph Ango 那个免费的 obsidian-skills 仓库(obsidian-markdown、obsidian-bases、json-canvas、obsidian-cli、defuddle),它通过两条插件命令教 Claude Code 认 Obsidian 格式,这样它在 vault 里就不会再乱猜链接、搞坏结构了。他还配上了 DevsWorm,用来在隔离分支和各自独立的 VS Code 环境里同时拉起好几个并行的 Claude Code agent。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2072319322442330619
把 Claude Code 的记忆文件从 107 个砍到 17 个,agent 的精度反而更高了。设计思路是:搞一套 wikilink 层级结构,一个主文件引用所有相关笔记,agent 读一个文件就能自动把相关的全拉进来;再在 CLAUDE.md 里加一条反膨胀规则,宁可往现有笔记里追加也别新建;还有自动生成的每日笔记。他的观点是:记忆多不代表准确率高——关键在于你怎么让 agent 去引用它。
@xmyttle [Claude Code]
https://x.com/xmyttle/status/2072358318291480932
一个开发者不再买更聪明的聊天机器人,而是把五个工具串成了一个记忆循环:Obsidian 存长期记忆,NotebookLM 消化大型资料库,Claude Code 或 Hermes 读这些知识、执行、再把结果存回 vault,这样下一次跑就带着更多上下文起步。他之前每月付 340 美元买那些互相记不住彼此的工具;搬到一台 Mac Mini 上之后,经常性开销降到了大约 5 美元的电费。
@sdhilip [Claude Code]
https://x.com/sdhilip/status/2072334422414876957
把自己的 Claude Code skill 从 3 个扩到 7 个,每一个都得站得住脚:data engineering(用 dbt/Airflow 做数据管道)、gstack(把 Claude 变成一个先质疑该不该做的虚拟团队)、grill me(写代码前先问一堆尖锐问题)、superpowers(强制走 spec → plan → TDD)、impeccable(一条命令搞定 UI 打磨)、last30days(跨 Reddit/X/YouTube/HN 找出什么在起效)、printing press(把任意 API 变成省 token 的 CLI)。他的建议是:从小开始,只有当出现一个现有 skill 干不了的活儿时,才加一个新的。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2072255139185054105
三个已发布的 skill,用来让 Claude Code 和 Codex 互相监督:/agent-watchdog(Claude 单独跑着盯 Codex,完事后自动修 diff)、/plan-arbiter(两个模型各起草一份计划,再谈判出最终版,Claude 做规划、Codex 执行)、/read-the-damn-docs(自动联网搜索而不是瞎猜 API 用法)。双模型交叉验证在准确率上就是比单模型强,而这几个 skill 把它打包成了开箱即用的东西。
@tonbistudio [Claude Code]
https://x.com/tonbistudio/status/2072178549327552592
关于 Hermes Agent 的 /learn 命令的一些技巧,让它干净利落了不少:单独开一个「教室」目录、离项目上下文远点,里面放一个「课本」文件记录关键路径(你的 Claude Code 会话文件夹、GitHub、论文文件夹)。这样你就能把一整段 Claude Code 对话当作素材拉进 Hermes、用 /learn 把它炼成一个可复用的 skill,还不会污染项目的上下文——而且每个 skill 都落到同一个文件夹里。
@cyrilXBT [Claude Code]
https://x.com/cyrilXBT/status/2072332566796075513
在 Claude Code 里用 iFixAi,打开仓库说一句「audit my AI」就行:它读你的配置,构建并跑 5 大类共 32 项测试,五分钟内返回一个字母评级。除了幻觉,它还查那些吓人的东西——你的 agent 在以为没人看的时候会不会表现不一样、会不会绕过自己的管控、会不会偷偷给自己授权。支持 OpenAI、Anthropic、Gemini、Bedrock 和 Azure。
@starmexxx [Claude Code]
https://x.com/starmexxx/status/2072269350552109497
一个开发者在一块 680 欧元的二手 RTX 3090 开始本地跑同样的模型后,退掉了每月 459 美元一堆叠加的订阅。一条命令装好 Ollama,几分钟拉下 Qwen 3.6 27B,用一个环境变量把 Claude Code 指向 localhost,CLI 用起来一模一样——到下个账单周期,费用降到了每月 24 美元。他声称现在大约 80% 的日常写代码、写作和问答都在本地私密运行,输出质量没差。
@alex_prompter [Claude Code]
https://x.com/alex_prompter/status/2072355745883152887
解释了 Claude Code 为什么会在长会话跑到一半崩掉:从 Opus 4.5 开始,thinking block 会在每一轮之间持续留存,所以在复杂代码库上开高强度推理时,它们会作为看不见的输入 token 越堆越多,从内部把上下文窗口填满。解法:上下文到 70% 就跑 /compact、让 /effort 匹配任务难度、给每个阶段单独开会话;对做 API 的人来说,clear_thinking beta 能在服务端清掉旧 block。有个 Reddit 开发者写的代理会改写模型字符串来强制清理,直接把会话长度大致翻了一倍。
@BrianRoemmele [OpenClaw]
https://x.com/BrianRoemmele/status/2072167162199077230
来自一次 AI 账单审计:某个首席工程师通过一个被遗忘、还在后台跑的 OpenClaw,让 40 个 agent 对着同一个问题循环了整整 40 天,烧掉几十万美元——其中很大一部分还花在 AI 厂商自己的护栏上,那玩意儿把模型降级成了一个更蠢的版本。他直白地断言:这种 token 出血他能在全球前 5000 家公司和每一家创业公司里都找出来。
@MyWestLord [Claude Code]
https://x.com/MyWestLord/status/2072414322047738314
一个 15 美元的桌面机器人,每次 Claude Code 需要授权时就物理敲一下桌子。它蹲在一块 0.96 寸的屏幕上、顶着张像素脸,Claude 推理时它进入 THINK 模式,当某条命令需要批准时,一个 5V 电磁铁飞快地敲、还叮一声;按一下机器人的头,就把埋在后面的终端拉到最前、批准、再把你翻回刚才那个标签页。内部是:一颗 ESP32-C3、一个驱动磁铁的 IRF540N、一个微动开关、一个蜂鸣器,加一个 3D 打印外壳——代码即将上 GitHub。
@geoffreylitt [Claude Code]
https://x.com/geoffreylitt/status/2072110805089435973
一套让人牢牢握住创作主导权的演讲筹备工作流:先录一段没脚本的草稿视频,让 Claude Code 把它变成一个带幻灯片和逐字稿的 Notion 页面,再把听众的反馈喂回去,让 Claude 把它们当作行内评论精准贴到对应位置——措辞则由他自己手动打磨。他明确强调,AI 不是在写这场演讲;它是让「和团队一起思考」这件事更顺手的工具。
@tetumemo [Claude Code]
https://x.com/tetumemo/status/2072457345473671373
上传了自己的每周 newsletter 之后,他让 Claude Code 去操作 NotebookLM 生成一期播客——还说一旦习惯了从 Claude Code 或 Codex 里驱动 NotebookLM,就再也回不去了,太方便。一个 agent 把另一个产品当工具来操作的漂亮例子。
@dansyu_callenge [Claude Code]
https://x.com/dansyu_callenge/status/2072255592681595033
用 Claude Code 分析一个客户电商网站的 GA4 和 Search Console 数据,三分钟就发现流量和商品页阅读都没问题——流失发生在进购物车前一步。然后用 Claude Design 生成了提案 PPT。他的观点是:用 AI 不是为了盯着数字发呆,而是为了决定接下来该修什么、并把交付物做出来。
@_zheergen [Claude Code]
https://x.com/_zheergen/status/2072291282479968755
夸了 stock-api(1.4K+ star,MIT),一个轻量的统一股票行情 API,一个接口覆盖 A 股、港股和美股,还带自动多源兜底(腾讯、新浪、东方财富)。它支持 MCP,所以 Claude Code 和 Cursor 能直接用——省掉了以前为了跨市场数据得拼 Tushare、yfinance 和 Alpha Vantage、三套鉴权三套格式的痛苦。
@blackanger [Claude Code]
https://x.com/blackanger/status/2072266371648610584
推荐 mempal,做跨项目、跨 agent 的自动记忆:它自动感知上下文并「提拔」知识,支持多个 Claude Code 和 Codex 实例之间无缝实时协作,项目间共享公共记忆时还有双向链接。这属于围绕编码 agent 越来越壮大的记忆层工具的一部分。
@VersunPan [Claude Code]
https://x.com/VersunPan/status/2072228343710441509
用了 Orca(一个开源 agent IDE)一周后,他不再打开 Codex 桌面 app 了。他列的优点:完全开源、启动快、几乎支持所有 agent 框架(Claude Code、Codex、OpenCode、Pi,甚至 Hermes/OpenClaw)、有个通过 Tailscale 真正能用的移动端——而最亮眼的是,它能管理和查看已有的 Hermes/OpenClaw 自动化任务。
@ashray_malhotra [Claude Code]
https://x.com/ashray_malhotra/status/2072465318149324976
从一场跟 Anthropic 员工的 AI Eng 对谈里提炼的十三条要点。亮点包括:内部工具 Claude Tag 拿下了 65% 的 PR,Claude Code 现在只留给最复杂的任务;Anthropic 几乎人人都用 Auto 模式;前沿模型现在系统提示里的 token 少了 80%(例子对 Fable 的帮助不如对 Opus);工具设计仍是门手艺——保持基数(cardinality)低;而且他们连旅行规划这种非编码任务都在用 workflow。
@davis7 [Claude Code]
https://x.com/davis7/status/2072189756822401371
在家里服务器机架上一台 Framework 台式 Linux 机器上,跑三个 Claude Code 会话,每个都带一摞子 agent 和开发服务器——想什么时候远程进去、合上笔记本都行,资源几乎没怎么占。一幅关于「常开的个人 agent 基础设施」正走向何方的干净图景。
@mstockton [Claude Code]
https://x.com/mstockton/status/2072333650864099342
一个很有思考的观点:实验室的 harness 正在变成「非确定性放大器」——在一个本来就不确定的模型上再叠一层不透明的私有 harness,会让你更难去引导它,因为你根本看不到它是怎么被引导的。他的实操组合是:交互式用 Claude Code/Codex,后台 CI/CD 任务用 claude -p,成熟项目用自建的基于 Pi 的 harness,产品内 agent 用 LangChain DeepAgents——他赌的是对定制 harness 的需求会增长,而首要驱动力是成本。
🗣 用户心声
用户心声
今天最响的信号,是那段隐藏的中国检测水印曝光后信任的崩塌。用户不只是想把它删掉——他们想知道到底推断了什么、哪些版本受影响、能不能审计或者关掉它。@AISuperDomain 写下的那句「保护模型知识产权,不能成为偷偷给开发者机器打指纹的理由」,精准捕捉到了这种情绪。
封号仍是头号运营痛点,尤其对海外和代理用户。@pangyusio 一个精心运营了半年、用新加坡卡加新加坡 IP 的账号还是没了;@ai_suxiaole 那份疯传的自救指南(抢数据 → 停扣费 → 退款 → 申诉)之所以存在,恰恰是因为整个流程不透明、而且地区封号的申诉成功率很低。
成本和失控的 token 燃烧被反复提起。@Bart_Mol 光做分析一小时就烧了 150 美元,@BrianRoemmele 发现 40 个被遗忘的 agent 在流血几十万,@taiyaki_ai3 分享了一整套成本卫生清单(/clear、/compact、把活儿甩给子 agent、CLAUDE.md 保持简短)。这些都在把人推向本地模型——@starmexxx 那套 RTX 3090 的配置把每月 459 美元砍到了 24 美元。
Fable 5 在 7 月 7 号之后从订阅制转成按量计费的信用点,让付费用户很不安,还有好几个人反映它写代码时会悄悄降级回退到 Opus、或者干脆在 Claude Code 里用不了。长会话的性能衰减是一个反复出现的技术抱怨——@alex_prompter 把会话中途崩溃追溯到了不断累积的 thinking block,@kr0der 发现 Opus 4.8 在历史里带图片、上下文到 25 万时慢得像爬。
抱怨底下是一个正在成熟的论断:@uniswap12 和 @mstockton 都主张,真正的资产是一套可移植的工作流——你的文件、skills、规则和人工审批关卡——而不是任何一个模型或账号。
今天最响的信号,是那段隐藏的中国检测水印曝光后信任的崩塌。用户不只是想把它删掉——他们想知道到底推断了什么、哪些版本受影响、能不能审计或者关掉它。@AISuperDomain 写下的那句「保护模型知识产权,不能成为偷偷给开发者机器打指纹的理由」,精准捕捉到了这种情绪。
封号仍是头号运营痛点,尤其对海外和代理用户。@pangyusio 一个精心运营了半年、用新加坡卡加新加坡 IP 的账号还是没了;@ai_suxiaole 那份疯传的自救指南(抢数据 → 停扣费 → 退款 → 申诉)之所以存在,恰恰是因为整个流程不透明、而且地区封号的申诉成功率很低。
成本和失控的 token 燃烧被反复提起。@Bart_Mol 光做分析一小时就烧了 150 美元,@BrianRoemmele 发现 40 个被遗忘的 agent 在流血几十万,@taiyaki_ai3 分享了一整套成本卫生清单(/clear、/compact、把活儿甩给子 agent、CLAUDE.md 保持简短)。这些都在把人推向本地模型——@starmexxx 那套 RTX 3090 的配置把每月 459 美元砍到了 24 美元。
Fable 5 在 7 月 7 号之后从订阅制转成按量计费的信用点,让付费用户很不安,还有好几个人反映它写代码时会悄悄降级回退到 Opus、或者干脆在 Claude Code 里用不了。长会话的性能衰减是一个反复出现的技术抱怨——@alex_prompter 把会话中途崩溃追溯到了不断累积的 thinking block,@kr0der 发现 Opus 4.8 在历史里带图片、上下文到 25 万时慢得像爬。
抱怨底下是一个正在成熟的论断:@uniswap12 和 @mstockton 都主张,真正的资产是一套可移植的工作流——你的文件、skills、规则和人工审批关卡——而不是任何一个模型或账号。
📡 生态产品雷达
生态产品雷达
Codex 依然是最稳的搭子,在几十套多模型配置里都跟 Claude Code 并肩出现。Obsidian 是非编码类里遥遥领先的明星,在众多帖子里撑起了 Karpathy 那套 LLM-wiki / 第二大脑的模式。Hermes 和 OpenClaw 作为大家首选的持久化 agent harness 反复出现。Cursor 仍是默认的 UI 对比对象。模型这边,Fable 5、Sonnet 5 和 Opus 4.8 主导了路由之争,DeepSeek、Qwen 3.6 和 GLM 5.2 则作为更便宜或本地的替代选项反复出现。NotebookLM 经常作为「消化」层出现在 Obsidian 的「记忆」层旁边,而 Seedance 2.0 加 GPT Images 2 则在 AI 视频/广告生成的工作流里反复现身。
Codex 依然是最稳的搭子,在几十套多模型配置里都跟 Claude Code 并肩出现。Obsidian 是非编码类里遥遥领先的明星,在众多帖子里撑起了 Karpathy 那套 LLM-wiki / 第二大脑的模式。Hermes 和 OpenClaw 作为大家首选的持久化 agent harness 反复出现。Cursor 仍是默认的 UI 对比对象。模型这边,Fable 5、Sonnet 5 和 Opus 4.8 主导了路由之争,DeepSeek、Qwen 3.6 和 GLM 5.2 则作为更便宜或本地的替代选项反复出现。NotebookLM 经常作为「消化」层出现在 Obsidian 的「记忆」层旁边,而 Seedance 2.0 加 GPT Images 2 则在 AI 视频/广告生成的工作流里反复现身。
评论