超级用户日报: 2026年8月6日
今天的主线是「信任」。Claude Code 圈子里讨论度最高的不是某个工作流或跑分，而是一个逆向工程发现：闭源二进制里藏着一段代码，通过肉眼不可见的 prompt 字符暗中标记中国相关环境，而这正好撞上一波被曝出的账号封禁潮。与此同时，真正的生产力应用在变得更「实体」也更商业：结构工程师用 Claude Code 在 Tekla 模型里校核钢筋锚固，油气工程师搭出一整套计算系统，有人用 Claude Code API 驱动每月 $100k 的 Meta 广告投放管线，还有独立创始人干脆自建票务网站替掉 Peatix。OpenClaw 那边人少但更锋利，继续玩 Mac mini 机群和 $10k MRR 的 SEO 生意。值得盯的反向趋势：好几篇帖子在讨论把大厂 harness 整个包一层甚至彻底换掉——要么出于信任问题，要么因为非技术背景的专业人士需要长得像他们熟悉工具的东西。
@AYi_AInotes [Claude Code]
https://x.com/AYi_AInotes/status/2084522269745820010
有人分享了一份 AGENTS.md，出自一位 Vercel Next.js 团队工程师之手——据说他烧掉了约 60B token（折合六位数美元）才提炼出这 8 条给 coding agent 的核心规则。规则包括：放弃向后兼容、选满足当前需求的最简实现、先跑通最小端到端版本、优先用成熟维护良好的库、加新依赖前先查已有依赖。把文件丢进项目根目录，Cursor、Claude Code、Codex、Windsurf 都会自动读取，能有效阻止 agent 过度设计和反复重写，省下大量 token。作者也警告这套规则只适合 side project：那条「不做向后兼容」曾差点让 agent 删掉生产数据库的表，险些损失价值 $2,000 的数据。
@masahirochaen [Claude Code]
https://x.com/masahirochaen/status/2084539348192829526
日本用户完全用 AI 做出了一部竖屏短剧：一条 prompt 就能生成带音效和台词的完整视频。生成 30 秒约花 1,400 日元，而就算找便宜的中国工作室，一集也要约 160,000 日元——AI 制作一集约 3,000 日元，成本只有 1/50。剪辑环节全靠 Claude Code 自动化，竖屏标题、字幕、音效、片尾卡全部用代码烧录进去。视频模型用的是 Seedance 2.5，有 API，整条流水线可以完全自动化。
@dperry [OpenClaw]
https://x.com/dperry/status/2084722523909050700
一位开发者说自己依然热爱写代码，最近在试用 OpenClaw。他用它做并上线了一个免费网站，功能是预测你还能活多久。虽然是个小东西，但算是试用 OpenClaw 过程中一个实打实的产出。
@gengdaJ [Claude Code]
https://x.com/gengdaJ/status/2084537270519164996
中国用户把自己日常在用的全部 8 个 Skills 开源了，是他至今最完整的一次放出。里面包括：整合搜索、链接下载、书签导出、音频转录的网页调研 skill；给 Codex 和 Claude Code 共用的记忆系统，以可编辑、自进化的 Markdown 存储；导出聊天记录、通讯录、朋友圈、收藏且数据本地化的微信 skills；公众号文章批量抓取器；ChatGPT Pro 调研 skill；能处理封面、图片、表格的 X Article 上传器；还有一个有风险的微信双开 skill。他还列了常用的社区 skills，包括商业分析、飞书 CLI、前端审美、微信读书笔记、给 agent 用的 PUA skill，以及审计 skill 安装安全性的 audit skill。
@Shuhei_Ohno [Claude Code]
https://x.com/Shuhei_Ohno/status/2084461661927408017
一位日本金融从业者说，股票估值现在几乎已被 Claude Code 完全自动化，财务尽调也是。但他发现自动化带来一个怪问题：员工能产出成果，知识却跟不上，成长不成 reviewer，还会失去动力。他的解法是连培训也交给 Claude Code：让它从过往 deal 中提炼要点生成教材，比如多轮优先股创业公司的 breakpoint 分析，再延伸到期权模型和 Black-Scholes 讲解。教材没讲清楚的地方，员工直接问 Claude Code——连人才培养本身也自动化了。
@EXM7777 [Claude Code]
https://x.com/EXM7777/status/2084727961417371875
用户把 Andrej Karpathy 提出的「Obsidian 里的 LLM Wiki」概念用在了 AI 视频制作知识库上。他把几百部电影、广告、动画的参考资料喂给 Claude Code，让它吞下并交叉链接，任何 agent 都能在里面导航。之后每次用 Seedance 2.5 做视频，agent 都会从知识库里挑出合适的格式、构图和镜头。他的整条视频流水线都跑在一个 AI agent 里，接入了 Higgsfield 的 CLI、skills，以及图像、视频、配音、音乐模型。
@RoundtableSpace [Claude Code]
https://x.com/RoundtableSpace/status/2084447979914813716
有报道称有人把一台变砖的 Spotify Car Thing 改造成了 Claude Code 的实体控制面板。设备能显示每个 session、处理权限审批，还能用旋钮管理 agents。一个把报废消费电子改造成 agent 管理台的具体硬件 hack。
@vista8 [Claude Code]
https://x.com/vista8/status/2084637837371351222
中国用户开源了一个 meta-skill：一个专门生成其他 skill 的 skill。原版是他的合作者分析泄露的 Claude Code 源码、并融合 OpenAI 和 Gemini 官方 skills 最佳实践后做出来的，号称触发率、准确度和格式校验都比 Anthropic 自家的 skill-creator 更好。他在此基础上迭代，加入了数据源：生成前先去 skill 分享站搜同类热门 skill，让新 skill 站在已验证的作品之上，实测产出质量很好。它还支持发布到 GitHub、生成 npx 安装命令、API 泄露检查，安装命令是 npx skills add joeseesun/qiaomu-meta-skill。
@halilkutukk [Claude Code]
https://x.com/halilkutukk/status/2084556419915792770
土耳其用户意识到自己 8 个月来一直在给 Claude Code 重复解释同样的事，因为每个 session 都从零开始。他找到一个叫 ECC 的免费插件：hooks 会记录 session 中的修复、已解决的报错和重复流程，后台跑一个 Haiku agent 提取模式，不占主上下文窗口。学到的行为带 0.3 到 0.9 的置信分，默认只在本项目生效，同一模式在两个项目中出现就自动升级为全局，可以用 /evolve 合并成永久 skill，还能导出给队友。整个包带 67 个 agents、279 个 skills 和一个配置安全审计器，兼容 Claude Code、Cursor、Codex、OpenCode、Gemini、Zed 和 Copilot。他说最大的收获是再也不用把同一件事解释第二遍。
@AIEPCSolutions [OpenClaw]
https://x.com/AIEPCSolutions/status/2084617457516544140
一家工程公司用 Apex_OS 把油气行业的管道材料工程师岗位自动化了——这是一套用 Claude Code 花 4 个月搭建、部署在自家服务器上的多 agent 系统。他们先拿开源框架 OpenClaw 和 Hermes 当日常助手测试，结论是还不适合重工业：标准的 LLM 套壳在 ASME、API、ISO、NACE 这类精密标准工作上会幻觉。Apex_OS 的 agents 扎根于国际标准、历史项目数据库和公司规范，能交付完整成果：带不合规标记和技术意见表的供应商文件审查、从零生成符合规范的材料数据表、完整的采购申请单。运作模式从 doer 翻转为 reviewer：工程师不再写报告，而是校验并签发 AI 的产出，团队能扛下数倍的项目量还不至于 burnout。
@cyrilXBT [Claude Code]
https://x.com/cyrilXBT/status/2084537318879486017
一个 27 岁年轻人的故事：他把 Claude Code 接上了自己攒了六年、4,000+ 条笔记的 Obsidian 库——利用的正是 Obsidian 存纯 Markdown、Claude Code 跑在终端里这两点。挂机跑了一夜，它把几百条孤儿笔记重新接回知识图谱，找出了相隔多年写下的观点之间的矛盾，翻出被遗忘的想法，从没注意到的模式里起草了好几篇文章，还基于六年的反复主题提出了项目建议。现在它每晚自动运行，整理、打标签、链接每条新笔记；每天早上他的 daily note 会显示一年前的今天他在想什么、哪些假设已经不成立。整套配置几乎零成本：一个文件夹路径加一份写好的 CLAUDE.md，不需要任何插件或订阅。
@MichLieben [Claude Code]
https://x.com/MichLieben/status/2084648051042632032
一位 agency 创始人说他们 $7M ARR 机构的整套 go-to-market 都是从 Claude Code 里跑出来的，现在把仓库免费送出。他称 Claude Code 是最强的 GTM 编排器，但也指出一个大缺陷：让它做同一件事 5 次，每次都换一种做法——解法就是结构化：用 skills、hooks 和专职 agents 让它稳定地按正确方式执行。仓库里有 37 个 skills、137 个 hooks、11 个专职 agents、28 个内容 prompts，集成了 Apollo、Instantly、Gmail、Slack 和各类 CRM，正是他们做到 $7M ARR 用的那套自动化。他的定位是：开源仓库正在让过去要精通 Clay 或雇程序员才能玩的 GTM 工程平民化。
@IHayato [Claude Code]
https://x.com/IHayato/status/2084609271782920367
日本用户让 Claude Code 一把生成了 Rondo 的介绍视频。他的反应是：直接用几乎都够了，再来回迭代几轮会更好，打算有空慢慢打磨。一个 Claude Code 一发出片的小而具体的例子。
@WuBlockchain [Claude Code]
https://x.com/WuBlockchain/status/2084497001618747800
据 Dragonfly 管理合伙人 Haseeb Qureshi 说，Coldcard 钱包事件表明 AI 正在重塑加密安全的经济学：产品安不安全，越来越取决于公司在 AI 驱动的测试上花了多少钱。他提出了一个「Cost of Discovery」指标，衡量前沿模型复现一个漏洞有多便宜，估算 Coldcard 这个漏洞大约只值 $2。他也指出，那个「Claude Code 八分钟发现漏洞」的报道可能受了联网搜索影响，但另一个离线的 GLM 测试也在约 20 分钟内复现了问题。
@Cryptor_dot [Claude Code]
https://x.com/Cryptor_dot/status/2084653451506511884
一个从没用过 Blender 和 Unreal Engine、也不是游戏开发者的用户，断断续续几周就在 Unreal Engine 5 里跑起了一款第三人称格斗游戏。配置是：Fable 5 开 high effort 当规划和编排，Opus 5 开 extra effort 当 builder，Blender MCP 管资产，Unreal Engine MCP 管场景、MetaHumans 和灯光。UE MCP 还在 beta、工具太少，所以一半流水线是 Claude 写 Python 绕过缺口。真正的瓶颈是 Claude Code 看不见游戏画面——每个动画跳变、悬空道具、脚部 IK 崩坏都得靠肉眼发现再用文字描述；他说等 agent 能看帧画面了，几周的活儿就变成一个周末的事。
@BuildingWaves [OpenClaw]
https://x.com/BuildingWaves/status/2084617004569493532
用户报告说靠 SEO 做到了 $10k MRR，而且是用 OpenClaw 全自动跑的。他现在纠结是把 playbook 公开出来，还是做成产品。一个归功于 OpenClaw 自动化的具体收入成果，不过具体工作流没有展开。
@shupeiman [Claude Code]
https://x.com/shupeiman/status/2084608983558713492
日本用户说不再需要 Peatix 了：他用 Claude Code 配合 Cloudflare、Stripe 和 Resend 搭了一整套售票网站。买家在 passkey 登录的个人页拿到二维码，工作人员扫码检票，24 小时限时链接可以当场把票转交给工作人员，退票的二维码通过 Stripe webhook 自动作废，有人退票时候补名单还会自动收到邮件——他作为主办方当天什么都不用干。以他 3,480 日元 x 15 张票的活动算，Peatix 手续费要 4,200 日元，自建只花 Stripe 的 3.6%，省下 2,377 日元——而且以后每场活动都继续省。
@FutureStacked [Claude Code]
https://x.com/FutureStacked/status/2084620713319632934
有报道称一位 Reddit 用户用 Claude Code 做出了一个粗糙版的 GTA 6。做法是让 86 个 AI agents 连跑 22 小时。虽然是二手消息，但算是 Claude Code 大规模多 agent 产出的一个具体案例。
@YannDecoopman [Claude Code]
https://x.com/YannDecoopman/status/2084720717535268947
法国用户分享了一套廉价长跑 agent 的配方：拿 DeepSeek V4 Flash（比免费贵不了多少），配合 Hermes、Codex 或 Claude Code 的 /goal 循环，先用样本教会它你的任务，再打包成一个调校好的 skill，权限提前验证好，确保它不会卡在那儿等你审批。然后给它一个分量十足的 /goal 和明确的完成条件，让它跑上几小时甚至几天；他说一轮大约 5 美元，能干几个人的活，质量好于开源模型、Gemini 和 Sonnet，虽然到不了 Fable 的水平。推荐用途包括繁重的 SEO 审计（日志清洗、GSC、GA/GSC/日志交叉分析）、构建调研语料库、建网站（代码强、内容弱）、清项目积压，还可以让 agent 遇事问 Fable 拿指导以免跑偏。
@Zac_labs [OpenClaw]
https://x.com/Zac_labs/status/2084531260849086721
一位创始人说他在马尔代夫住了好几个月，却迎来了多年来最高产的一段时间：早上 6 点读书，7 点和鲨鱼、蝠鲼一起潜水，中午回来时大部分工作已经做完，只需要 review 和批准。他的 agents 帮他盯着 40 个 Telegram 群、5 个 Slack workspace、X、LinkedIn 和爆满的收件箱，团队说他回复更快、上下文还更到位。他最早用 OpenClaw、Hermes 和 NanoClaw，但想要更好管理、更不技术化、更低维护的东西，于是自己做了一个 agent 同事，朋友试用后都不肯还回来。现在他正把它产品化，先做 10 人内测再发布。
@pulmencr [Claude Code]
https://x.com/pulmencr/status/2084656223316500732
一位开发者做了个开源工具，揭示 Claude Code 烧上下文窗口有多快：单个 agent session 到第 20 条消息就可能毫无预警地撞上硬性 rate limit。实时追踪 prompt 成本后发现，一次基础的代码库摘要成本不到一美分，而一个简单的 UI 重构却能飙到每分钟 250 token。这个工具能在你被锁 5 小时之前算出你的精确 burn rate。核心观点是：context engineering 不只是 prompt 质量，还是激进的 token 预算控制——谁把窗口填满，谁就在劣化模型。
@shupeiman [Claude Code]
https://x.com/shupeiman/status/2084478637504594237
日本用户用 Claude Code、Remotion 和 fal 做了一支公司介绍视频，基本上一条 prompt 就出来了。他说主页上只要放一支这样的视频，公司能传递的信息量会大增，猜测很多公司都会想要一支。
@claudecode84 [Claude Code]
https://x.com/claudecode84/status/2084570815107068226
一篇日文帖子详细讲了 Claude Code 自主测试 iOS 应用：把它指向模拟器，说一句「全部测一遍」，它就会遍历每个页面、功能和流程。它读的是 iOS accessibility tree，按语义而非坐标识别按钮、表单、标签和结构，所以同一套测试在 iPhone SE、Pro、iPad 上通用，UI 改版也不怕，遇到自定义 UI 再用截图分析做混合兜底，每屏大约 10-50 token。演示中它约 8 分钟逛完整个应用，找到了开发者漏掉的 bug，还自动生成了调试日志分析和结构化报告；已有 claude-mobile-ios-testing 和 ios-simulator-skill 这样的开源项目，不过测试流程要写在 CLAUDE.md 里，维护成本不为零。作者自己用 Claude Code skill 驱动过 iOS 模拟器，说 accessibility tree 的精度超出预期。
@daniel_mac8 [Claude Code]
https://x.com/daniel_mac8/status/2084762735229685784
一位开发者的 sol-advisor 仓库（面向 Codex 用户）4 天拿下 1,300+ GitHub star，现在他又给 Claude Code 用户发布了 fable-advisor。套路相同：Opus 5 当 orchestrator，Fable 5 做高复杂度实现，GPT-5.6 Luna Max 做常规实现，再加一个 Fable 5 当 advisor。他说有 Luna Max 这样能力强又高效的模型太惊人了，尤其是和 Opus、Fable 组合起来用。
@LandonHypixel [Claude Code]
https://x.com/LandonHypixel/status/2084456116809785854
一位开发者做了并开源了 Aliax，一款管理多个 AI 编程工具账号的 Mac 应用。它支持 Codex、Claude Code 和 Cursor，把所有用量集中展示，还有每个账号的详细统计。切换账号只要一下点击，所有打开的终端会随各个编程应用一起自动切换，包括 T3 code。它还能统一管理订阅计划和续费日期，目标就是让你轻松跑三个 $20 的账号。
@itsdizcorvus [OpenClaw]
https://x.com/itsdizcorvus/status/2084563214923338055
一位印尼自由职业者说，每接一单客户网站项目，他都会给自己的 AI agents 挂上 superpowers skill，不管是在 Antigravity、OpenCode、OpenClaw 还是 Hermes 里。产出一贯干净专业，规划和实施方案完整，涵盖框架选型、网站或应用的定位、结构等等。他附上了 GitHub 链接，让大家自己去试。
@yoheinakajima [Claude Code]
https://x.com/yoheinakajima/status/2084647915021336680
Yohei Nakajima 终于给 ChatGPT、Codex、Claude 和 Claude Code 搭好了共享记忆，现在随便问其中哪一个，都能知道自己最近在四个工具里各干了什么。Codex 和 Claude Code 用的是本地历史记录，ChatGPT 和 Claude 则靠一个定时 recap skill，定期把摘要推进共享记忆。
@L_go_mrk [Claude Code]
https://x.com/L_go_mrk/status/2084587902118318576
一篇日文帖子指出，Claude Code 的 token 之所以哗哗融化，主要是 AI 每次改动都要重读整个代码库，并推荐用开源的 code-review-graph 止血。这个工具把整个代码库变成函数和依赖的图谱，从一个函数的改动自动追溯到调用方、依赖文件和测试，让 AI 只读改动影响范围内的文件。按 README 里的实测，每次提问的 token 消耗中位数降了约 65 倍，最高 376 倍（在 fastapi 上），而且完全本地运行，代码不出机器。
@4nt1p4tt3rn [OpenClaw]
https://x.com/4nt1p4tt3rn/status/2084629610239811904
用户搭了一个跑在 Claude Code 里、以 Honcho 为底座的个人助理 agent。它有自己的邮箱账号，能访问他的 NAS 和上面的 docker 容器、路由器和交换机、其他电脑、Slack 和 Obsidian；它管理日历、跟踪工作成果和交付物、发提醒、和他一起干 GitHub 仓库的活、帮忙组织 PR 和 issue 回复、在标准组织事务和 3D 打印上出主意、跟踪资产、做财务咨询，还帮着找房。它在 Bitwarden 里有自己的 machine token，所有凭据（登录、API key）都存在那里。他说生产力和任务完成度大幅提升，还提到自己试过 Hermes 和 OpenClaw、本地和云端模型都试了，但连设置一个 cronjob 这种简单工具调用都做不对。
@IAmAaronWill [Claude Code]
https://x.com/IAmAaronWill/status/2084619916255043689
一位单人创业者说，他现在的主要工作就是看看 Claude Code 还跑不跑。客户在他睡觉时被 onboard，follow-up 自动发出，线索自动打分，留给他的只剩真正的客户工作。他说他把自己从自己的生意里「建」出去了，而且生意没了他反而运转得更好。
@kevskgs [OpenClaw]
https://x.com/kevskgs/status/2084671193018511819
一位开发者介绍了 local-search，一个小巧的开源 Rust CLI，把你机器上的 Chrome 或 Chromium 变成给 coding agents 用的结构化网页搜索——Claude Code、Codex、Cursor、OpenClaw 或任何能跑 shell 的 agent 都行，不需要托管 API key、计费搜索账号或特定 agent 的 SDK。它免费搜 Google、Bing、Brave 或 DuckDuckGo。取三条结果只返回 309 个可见 token，而渲染后的搜索页快照是 8,760.5 个，少了 96.5% 的上下文。在一次对齐的 24 请求供应商对比中，它每条结果只用 53.4 个归一化 token，中位延迟 148.7 ms，24/24 满足请求深度，花费 $0。
@reoreo_1_ [Claude Code]
https://x.com/reoreo_1_/status/2084476375180984684
一位日本用户用 Claude Code 实现了 YouTube 视频自动上传。他说视频真的是在他睡觉时被定时排期并发布的。结果频道顺利突破 100,000 订阅，拿到了第二块银盾。他说自己做的事很简单，任何人都能做到。
@Argona0x [Claude Code]
https://x.com/Argona0x/status/2084678743935647825
介绍 career-ops，一个跑在 Claude Code 等 coding agent 里的开源求职系统。西班牙一位用户拿它扫了 740 个职位，系统告诉他只有 68 个值得投，12 场面试之后他签下了 Head of AI 的 offer，这故事还被 Business Insider 报道了。工具会按五个加权维度给职位打 1.0 到 5.0 的分，识别幽灵职位和骗局，针对具体职位改写简历，扫 100+ 公司的招聘页，找出 hiring manager，还能逐条帮你过合同条款。低于 4.0 的职位它直接拒绝推荐，而且永远不会替你点发送。项目已有 62,731 个 GitHub star，MIT 协议，一条 npx 命令装好，除了 $20 的 Claude 订阅之外零成本。
@mikefutia [Claude Code]
https://x.com/mikefutia/status/2084442361665388770
一个 13 分钟的视频教程，演示怎么用 Claude Code + Higgsfield + Figma 做 Meta 静态广告。Higgsfield 负责生成完全不带文字的背景图，Claude 则在 Figma 里搭一套带品牌变量的模板，把 logo 以真矢量导入并绑定到主题变量上，标题、正文、CTA 按钮都保持为正常的 Figma 图层。Claude 会把六个图片 prompt 一次性并发出去而不是逐个跑，并在东西落进 Figma 之前先做一轮内置 QA。改一个变量就能更新所有广告，用到的 Claude skill 还是免费的。
@DanielGlejzner [Claude Code]
https://x.com/DanielGlejzner/status/2084697623076753583
一位开发者做了个裸模型测试：只用一条写了些良好实践的 prompt，让 Claude Code + Opus 5 生成一个简单的 Angular 22 应用，故意不给任何 skill 和额外上下文。结果很糟：effect 满天飞，182 个几乎没价值的测试，逻辑塞在 constructor、subscription、ngOnInit 里，功能完全没有按 feature 拆分，还莫名其妙硬塞了 Tailwind。他的结论是：这些模型没有上下文时表现很差。
@harumak_11 [Claude Code]
https://x.com/harumak_11/status/2084484722143478205
日文帖子总结了一篇讲「重构就是省 AI token」的文章。作者用 Claude Code、Cursor 等 agent 写了一个约 15 万行的 Rust 应用，数据访问层膨胀成一个 17,000 多行的单文件。每做完一轮重构就跑同一个改动任务测量消耗：同任务的输入 token 从 159k 降到 27k，减少 83%，因为 agent 不用再读无关代码，而输出 token 几乎没变。不过 Claude 自己判断不了合适的重构方向，需要人主动引导，落地重构花了大约 8 小时，还遇到了缩进错乱之类的问题。
@sentient_agency [Claude Code]
https://x.com/sentient_agency/status/2084572164523720736
介绍 Deep Researcher Agent，一个开源 agent，只要在一个 Markdown 文件里写下研究目标，它就 24/7 自动跑深度学习实验。它会读之前的结果、规划下一个实验、改代码和配置、先跑快速测试、再在你的 GPU 上启动训练、盯日志、和 baseline 对比、决定下一步试什么，然后在你睡觉时循环往复。作者报告了 500+ 次自主实验循环、连续运行 30+ 天、在 4 台 GPU 服务器上管理 4 个项目、相对 baseline 最高 52% 的提升。由于模型训练时 LLM 在「睡觉」、训练结束才被唤醒，平均每 24 小时周期的 LLM 成本只有约 $0.08。支持 Claude Code、Codex、OpenAI 兼容 API、远程 GPU 服务器和 Slurm 集群，Apache 2.0 完全开源。
@0xDanXbt [Claude Code]
https://x.com/0xDanXbt/status/2084570783934726591
一位用户说第一次遇到 Claude Code 拒绝请求，理由是违反 API 使用政策，但其实根本没有违反。他于是第一次转去用 Codex，对方毫无问题地把任务完成了。
@SimonHoiberg [OpenClaw]
https://x.com/SimonHoiberg/status/2084614478302162972
SimonHoiberg 说有了 AI 团队之后投广告变得很轻松：HeyGen 负责生成 UGC 广告，OpenClaw 负责管理广告账户。这套 AI 团队会自动生成变体、测试不同的 hook、衡量效果，然后一直迭代直到某条跑出来。他自己只做监督和把关，其余流程他说 95% 都是 agent 在跑，还反问那些讨厌营销的开发者：你们为什么还不这么干？
@notEgoyard [Claude Code]
https://x.com/notEgoyard/status/2084595990514815020
描述如何把 4-8 周的视频制作压缩进一次 Claude Code 会话：Claude Code 写脚本、构思结构、编排整条流水线；HeyGen MCP 负责数字人生成和声音克隆，230+ 个 avatar、175+ 种语言对口型；HeyGen 开源的 HTML 转视频渲染器 HyperFrames 保证输出可复现。大多数方案漏掉的关键一步是一个 design.md 文件，写清真实的品牌色、字体和 logo 用法，Claude 在生成任何东西之前先读它，这样叠加图层和动态图形才符合品牌而不是套通用模板。实际产出的例子：一条 45 秒、带高管数字人和品牌规范图形的讲解视频，追加一条消息就能翻译成 175 种语言里的任何一种，全程没碰过时间线编辑器。
@doodlestein [Claude Code]
https://x.com/doodlestein/status/2084476721663778896
这位开发者在一天里被几次短暂停电搞挂了本地 agent 会话之后，写了个 power_failure_resumer（pfr）来自动化重连这堆重复劳动。它会检测出一批几乎同时中断的会话，为每个会话开一个 Ghostty 标签页，恢复对应的 Claude Code 或 Codex 会话，并确保模型和 effort 档位和之前一致。它还会检测你是否在用他的 MCP Agent Mail 项目并把它放在第一个标签页，同时刻意不去碰他 headless 的 ntm 编排会话。整个工具是一个约 1,200 行的 Bash 脚本外加 Python 辅助和 AppleScript，在他自己的环境里测过，已发布到 GitHub。
@itsharmanjot [Claude Code]
https://x.com/itsharmanjot/status/2084576620359438581
介绍一个 ADHD 友好的 skill，让 Claude Code 的回复变得直接：不再用暖场句垫话，先给答案。问怎么修一个 bug，你得到的是先要跑的命令、然后是带编号的步骤、最后是失败时下一步该做的那一件事，而不是三段开场白。这个 skill 强制执行 10 条简单规则，包括行动放最前、多步任务必须编号、列表最多 5 项、时间估计用真实分钟数、禁止开场白和总结复述。它就是一个 MIT 协议的单文件，Claude Code 和 Codex 都能用，可以 fork 后按自己口味调。
@ai_300 [Claude Code]
https://x.com/ai_300/status/2084459309073653814
日文帖子说 Claude Code 已经颠覆了落地页制作，举了一个泳池公司 LP 的具体例子：滚动页面时屏幕上的泳池会注水，光线从白天渐变到傍晚，水面有反射，视觉效果由 WebGL 驱动，用户等于在页面上「预体验」成品而不是读文字介绍。作者的分工是：Claude 做效果设计，Claude Code 写代码，Cursor 负责调试修复，GPT 写销售文案。他们认为月入 20 万日元和 100 万日元的差距不在 Photoshop 技术，而在你把什么交给 AI、把自己的时间花在哪里。
@xeneks [OpenClaw]
https://x.com/xeneks/status/2084460037314052569
一位用户让自己的 OpenClaw agent 通过 Telegram 给他发钓鱼报告，因为这个 agent 用程序控制起来很方便。不在电脑前的时候，Telegram 也是他和 AI agent 聊天的方式。他还开玩笑说，看来有人觉得他的钓鱼报告是国家安全威胁。
@drbarnard [Claude Code]
https://x.com/drbarnard/status/2084444802460823866
一位 iOS 开发者说他厌倦了自己的 Hermes Agent iOS 开发配置：什么都太慢，没法像在 Codex 里标注模拟器那样直接迭代，而让 Hermes 大脑通过 Codex 管理自己又会诱发最糟糕的瞎忙倾向。他之前在 Claude Code 和 Codex 之间来回跳的老方案太笨重，但他仍然想保留两个最强模型之间的对抗式循环。现在他在权衡两条路：要么主场在 Codex、让它调用 Claude Code 做规划、code review 和架构评审；要么主场在 Claude Code、把 Codex 当员工去干蛮力活。
@doodlestein [Claude Code]
https://x.com/doodlestein/status/2084487487951339606
这位开发者分享了一条他每天在所有开发机上用几十次的 prompt，一直配 Claude Code 用，最近也开始配 Grok Build。它借助他的 repo_updater 项目和 /ru-multi-repo-workflow skill，把 /dp 下每个项目的改动按逻辑分组提交、写超详细的 commit message、push，然后从所有仓库 pull，且不丢任何有用的工作。prompt 里写死了安全规则：绝不提交明显破坏性的东西，除非会抹掉有用工作否则以远端为准，永远追求每个代码文件的「集大成」版本。这让他大量互相关联的仓库在多台机器和 GitHub 之间保持同步，一台机器上的修复最终会合并到所有地方。
@EWTracker [Claude Code]
https://x.com/EWTracker/status/2084755289396416899
一位交易员说今年前六个月他每月花 $100 用 Anthropic 的 Claude Code。7 月他跑了一个双轨流程让 Claude 和 Grok 对打，现在已经完全改用 Grok Build 4.5。他每月不用多花一分钱，因为直接用 X Premium+ 订阅附带的 token 额度，现在觉得这订阅太划算了。
@ayushtweetshere [Claude Code]
https://x.com/ayushtweetshere/status/2084619613044879735
作者用 2 条 prompt 在 Claude Code 里 vibe-code 出了自己的社交聆听工具，替掉了每月 $100+ 的市面产品。它监听 Reddit、X、LinkedIn、YouTube、论坛和新闻里的关键词与竞品提及，做汇总并过滤噪音，甚至能一键起草一条带原帖链接的场景化回复，方便他推广自己的产品 Voibe。监听走各平台直连 API，汇总和回复用 OpenAI API，总成本每月约 $10。出于安全考虑他绝不会把它卖掉，下一步是做一个收集用户反馈的 Canny 替代品。他的结论：SaaS 没死，但你的产品不该是 2 条 Claude prompt 就能复刻的东西。
@kohack_v [Claude Code]
https://x.com/kohack_v/status/2084461607313346600
一位日本创客做了个能从 Discord 打印 TEPRA 标签带的工具。他用 Claude Code 把它调整到任何人都能上手的程度，然后免费开源发布到了 GitHub。
@insomnia_vip [Claude Code]
https://x.com/insomnia_vip/status/2084707738248945807
讲一个 32 岁的人把 Claude Code 和 Arcads 接起来，搭了套睡觉时也在产 UGC 广告的 AI 系统。Claude 先生成完整的角色设定表，从一张面部特征、服装、姿势都保持一致的六视图角色参考开始，然后自动写出电影感的视频 prompt，把 AI 创作者放进逼真的环境里，再用 Seedance 2.0 和 NanoBanana 2.0 把产品图和虚拟演员合成，产出以假乱真的 UGC 视频。帖子的观点是：品牌每月在 UGC 内容上烧几千美元，而这样一条流水线可以无限量产广告变体、不需要制作团队就能发起整个 campaign。
@Yannlce [Claude Code]
https://x.com/Yannlce/status/2084672655483932680
一份做电商广告的具体操作手册：先下载你想模仿的广告，让 Claude Code 从字幕稿和几帧截图里提取出精确的结构，再给它你的产品图，让它把脚本改编到你的品牌，最后让它写一条给 Seedance 2.0 的视频 prompt，用同样的结构重拍一条关于你产品的视频。拿着 prompt 和产品图去任何提供 Seedance 2.0 的平台（FAL、Argil、Replicate）生成即可。由于目前多数模型单次只能生成 15 秒，更长的广告需要拆成两条 prompt 再做点后期剪辑。
@QuantumTransf [Claude Code]
https://x.com/QuantumTransf/status/2084604936852324690
obelisk 项目的维护者说他收到很多质量不错但一次很难合进去的 PR，问题不在贡献者，而在他没法把自己脑子里的标准量化成 contributing.md 里贡献者能遵循的原则。有意思的是，obelisk 这个让历史会话可查询的基础设施最终帮他做到了这件事，他自己都觉得意外，并指了 pull request #27 作为最终成果。他计划写一篇文章讲这类会话查询基础设施还能延伸到哪里，还补充说 lody 这个 GUI 已经好用到他不再需要盯着 Claude Code 的 TUI 面板，而且它和 obelisk 能配合使用。
@3chhe [Claude Code]
https://x.com/3chhe/status/2084515125596508457
一篇日文深度解读，分析 Y Combinator 软件团队开源的 qm，定位不是 Slack bot 而是组织级 agent 平台：每个员工都有隔离的工作区，memory、文件、权限、凭证范围、cron、web 应用和持久化沙箱全部分开，同时仍能在 Slack 频道和项目里与 agent 协作。作者提炼了四个设计要点：在一套系统里分离个人与共享作用域；harness 无关（Pi、OpenCode、Codex、Claude Code 都能驱动同一个核心）；分层安全，Strict/Auto/Dangerous 三种姿态共存，且对破坏性操作有硬性拒绝规则；以及一种贡献模式——人写文字提案和 ADR，maintainer 负责实现。作者把这套和自己团队的实践联系起来：内部开发正转向人定义需求和验收标准、AI 实现、另一个人 review 验证。他也提到 qm 很诚实地声明自己是实验性项目，不能替代针对每次部署的安全评审。
@shion_takk [Claude Code]
https://x.com/shion_takk/status/2084484549703266477
一位日本建筑行业从业者解释为什么要做一个包住 AI 的 Rhino 插件：一线从业者被残酷的施工负荷压着，靠自己去上手 Claude Code 或 Codex 并不现实，但在熟悉的 Rhino 里装个插件、侧边弹个聊天窗，门槛就低多了。做成插件还能内嵌他们自己的 skill 和工作流、文件保存规则和 hook 之类的安全设计，并以统一格式收集工作日志，沉淀成组织知识。他承认开发和分发插件意味着 bug 修复、skill 更新、适配新版 Rhino 这条荆棘路，但还是决定挑战。
@Im_IrushiK [Claude Code]
https://x.com/Im_IrushiK/status/2084635327810171037
一位用户报告 Claude Code 莫名开始输出 Kimi K2 Thinking 的细节，而 /model 显示的还是 Sonnet 5。他问这到底是 prompt 注入、上下文泄漏、模型路由 bug，还是又一次「被削弱的 Claude」产生的幻觉。
@nakagomeco [Claude Code]
https://x.com/nakagomeco/status/2084675144489095188
东京一家钢结构加工厂让 Claude Code 通过 Tekla Open API 操作 Tekla Structures。它先根据结构图纸建出基础结构模型，桩、承台、柱脚、地梁、楼板一路生成到主筋、箍筋、腹筋和桩头钢筋。然后它做钢筋与图纸的交叉核对：从模型里提取实际钢筋坐标，把梁的剖切面和图纸剖面叠合比对——钢筋根数、直径、材质、箍筋间距、保护层全部与图纸一致，但它发现主筋的 L2（40d）锚固在全部 24 处都缺失，还有部分梁在跨中少了两根底筋。作者的结论是：让人对着图纸一根根数钢筋这种活，现在可以交给 AI 了。
@developedbyed [Claude Code]
https://x.com/developedbyed/status/2084714960098132303
一位 YouTuber 说自己因为一条赞助视频被封禁 5 天，外加一次警告和一次 strike。视频内容不过是他用 Claude Code 给自己做内部小工具，比如做游戏用的像素画转换器和图片格式转换器，他称之为你能想象到的最平常的视频。因为是给 YouTube 准备的赞助视频他没法公开分享，目前还在和赞助商商量怎么办。
@didac_email [OpenClaw]
https://x.com/didac_email/status/2084594678079406259
一篇西语帖子详细列出了跑在 Mac mini 上的一套具体 OpenClaw agent 技术栈：持久记忆用 Markdown 加 SQLite/embeddings 来索引上下文。通过 gog 调 Google Sheets API 当 CRM，Meta Graph API/MCP 管广告，Calendly API 管日程，Fathom API 拉通话转录，cron 任务自动化同步和报表，本地文件系统存知识库、原始数据和审计记录。作者说这些信息对 99% 的人没用，但欢迎用得上的人私信他。
@coreyhainesco [Claude Code]
https://x.com/coreyhainesco/status/2084677763202728322
一位创始人做了个 /pm skill，用来回答他名下所有业务的同一个问题：「接下来该干什么？」它会去读每个业务各自的看板，不管放在哪个工具里（Notion、GitHub、Linear 或一个 markdown 文件），对所有标为 Ready 的事项跑一遍 Eisenhower 矩阵，强制执行 WIP 上限，最后只给你一个答案而不是一张清单。它属于 Maker Skills——18 个面向创始人和运营者的免费开源 skill，可以通过插件市场装进 Claude Code。
@_vmlops [Claude Code]
https://x.com/_vmlops/status/2084596234405503189
Matt Pocock 把他整套 agent skills 配置开源了，就是他每天真实工程工作在用的 .agents 目录。里面有 /grill-me 和 /grill-with-docs，在写代码前拷问 agent 的计划、消灭理解偏差；/tdd 强制红-绿-重构循环，让 agent 获得真实反馈；/diagnosing-bugs 提供复现-最小化-假设-插桩-修复的结构化排查流程；/improve-codebase-architecture 会扫描代码熵并在重构前生成可视化报告；还有一个 CONTEXT.md 模式，构建共享领域语言，让 agent 不再用 20 个词说 1 个词能说清的事。可以装成会自动更新的 Claude Code 插件，也可以直接 fork。
@techNmak [Claude Code]
https://x.com/techNmak/status/2084569794486186116
介绍「ADHD for Claude Code」，一个改变 Claude Code 及其他 coding agent（Codex、Cursor、Antigravity、Cline、Gemini CLI、Windsurf 等约 50 个）思考方式的 skill：不再是一条线从头想到尾，而是并行起 6 个互相看不见的隔离思维线程，每个被推向看问题的不同角度，之后再由单独的一轮打分、标记陷阱、深挖站得住的方案。它针对的是常见的锚定失败——你要几种不同方案，结果拿到的是同一个想法换了五件衣服，而 tree-of-thought 解决不了这个，因为分支共享记忆。在生成阶段完全隔离之后，同模型对比单次生成基线，陷阱识别据称从 1.8 提升到 9.5。项目 100% 开源，有 GitHub 仓库。
@onaka_yuruyuri [Claude Code]
https://x.com/onaka_yuruyuri/status/2084542710564954384
一位日本用户在一场大会演讲上听到 Claude Code 里的 Artifacts 功能后立刻用了起来。以前实现过程中的曲折是在最后用 markdown（本质上就是 PR 描述文字）讲给他 review 的。现在 Claude 会用 HTML 做成演示文稿式的讲解，他觉得好懂程度直接上了一个台阶。
@itsivanfalco [Claude Code]
https://x.com/itsivanfalco/status/2084723554126635269
一位每月在 Meta 上投大约 $100k 的 B2B 营销人分享了他们的 ABM 机器。他们从 CRM 拉两份名单（Tier 1-4 目标客户和所有 closed-won 成交的联系人），再用 Prospeo 和 FullEnrich 补齐个人邮箱、电话和移动广告 ID，因为 Meta 匹配的是哈希后的个人身份信息而不是 CRM 里存的工作邮箱。然后 Claude Code 直接从终端通过 API 把名单推进 Meta，建三个受众：完整的 Tier 1-4 名单、基于 Tier 1-2 的 1% lookalike、基于 closed-won 的 1% lookalike。他们随着 pipeline 数据的积累跑一个目标阶梯，从 Lead 到 MQL 再到 SQL，配 20+ 条创意和 50/50 分流的落地页，并把 MQL、SQL、closed-won 从 CRM 回传，让 Meta 按成交而不是表单提交来优化。
@sakashiiiii [Claude Code]
https://x.com/sakashiiiii/status/2084480412269834653
一位日本用户作为内测监修体验了 Keisuke 的 AI Manga Creator，用它做了一篇关于 Fire Emblem 新作发布的漫画。他反馈 Claude Code 的 Plus 套餐跑这个有点吃力，还会影响他的其他工作；改走 API 的话，做 12 页大约不到 200 日元，他觉得这是实打实的成本。他还提到有一张 500 日元的预注册折扣券。
@garrett_makes [Claude Code]
https://x.com/garrett_makes/status/2084465677369229361
他观察到 AI 写代码的质量这一年基本没变，但规划和理解能力进步巨大。一年前想让 GPT 或 Claude 开浏览器做功能冒烟测试根本不靠谱，现在直接丢一个用户故事和分支过去，就能收到带截图和 bug 复现步骤的 PR。他认为这是 Claude Code、Codex 应用这些工具加上模型本身进步共同作用的结果。
@hqmank [Claude Code]
https://x.com/hqmank/status/2084468951640121655
他说一个 skill 就让付费 PDF 工具对他彻底失去意义。以前每周做发票都要手动填日期、填工时、算费率和总额，重复劳动；现在 skill 自动填表加算账，一步到位。他由此预言 Codex、Claude Code 这类 agent 会吃掉 90% 的任务型专用软件。
@dherealmark [Claude Code]
https://x.com/dherealmark/status/2084520587167424630
他分享用 coding agent 做编排器的体验：Codex 当指挥官太复杂，于是换成了简单得多的 Claude Code（那只橙色螃蟹）。不过他仍然认可 Codex 非常精确细致，sprint 里什么都写得清清楚楚，所以他保留了一个 GPT 集群继续跑，只是全部挂在 Claude Code 的 harness 之下。
@taishimatsuyama [Claude Code]
https://x.com/taishimatsuyama/status/2084782583725105559
一位日本康复机构经营者用 Claude Code 做三种服务模式的财务情景分析：1:1 人员配比的门诊康复、3:1 的短时日间康复（按次付费和包月订阅混合）、以及 5-6:1 的社区综合服务。目标是搭一个不管需求怎么在服务间流动都不跌破盈亏平衡点的弹性结构。每个项目的治疗师人均产出不同、变量太多，以前在 Excel 里手算多情景盈亏平衡非常痛苦，现在假设条件设好后 Claude Code 很快就能把复杂情景分析可视化。省下的时间全部投入打磨假设和给决策层做有说服力的材料。
@agence_sparkana [Claude Code]
https://x.com/agence_sparkana/status/2084541512759538030
法国用户开了个系列，介绍自己真正在用的 Claude Code skills，第一期讲用得最多的那个，叫 Impeccable。当一个页面功能正常但一眼看上去就是「开发者做的」时就调用它：它会重新梳理层级、间距和视觉节奏，并解释为什么这样改。他已经在自己的落地页（le Coffre）和好几个客户交付物上跑过这个 skill。
@WiFiMoneyGuy [Claude Code]
https://x.com/WiFiMoneyGuy/status/2084485510253223965
他复盘了自己 harness 配置的演进：用 Opus 4.6 和 GPT 5.4 那阵子，是在 OpenCode 里跑一个叫 OMO 的 harness；Fable 出来之后，重度编码基本都回到了 Claude Code。他还说 DeepSeek V4 Flash 已经到了 Opus 4.6 的水平，而且在 OMP 这类 harness 上表现更好，完全本地运行。
@om_patel5 [Claude Code]
https://x.com/om_patel5/status/2084488833198915825
他讲述了用 agentic loop 造 GTA 6 的尝试，已经跑了 22 小时、86 个 agent。第一次卡在生成了一个空的 3D 世界，解法是改变 agent 能「看到」什么：让游戏自己导出描述状态的结构化 JSON，而不是让 Claude Code 去分析抓取的视频帧，再让 Claude 调图像生成 API 自制素材。他跑的是一套「gauntlet loop」：只给目标不给架构，给一条无可争辩的标准（真正的 GTA 6 预告片截图），让它把工作拆成可独立评判的小块，并且绝不让干活的 agent 给自己打分——由一个全新上下文的 critic 对照参考做盲测 A/B，轮数不设上限。这一轮如果不用 Max 大概要烧 $1,700 的 API 额度。
@bond_ai1 [Claude Code]
https://x.com/bond_ai1/status/2084588908747403506
一位日本信息产品卖家把 Obsidian 当外脑，让 Claude Code 每天读写。里面存四样东西：发帖语气规则和禁忌、卖得动和卖不动的产品记录、客户问答日志、以及每天决策的备忘。有了这套之后，「给 A 公司做个报价」这种短指令直接就能用，而以前光解释背景就要花 10 分钟左右。他的结论是：AI 不是笨，只是之前没有可依据的材料。
@C_2049s [Claude Code]
https://x.com/C_2049s/status/2084519819022655797
一位 Codex CLI 和 Claude Code 的重度用户被三个痛点折磨：手动切换多个 API key、额度用完只能干等；协议不兼容导致客户端被锁死在特定上游；配置切换工具还是要手动改。于是他做了 OpenAPI Multi-Key Proxy，一个网络层的透明运行时代理，Codex CLI、Claude Code、Cursor、Chatbox 这些客户端只要把 baseURL 指过去，零配置改动。它能在 OpenAI Responses、Anthropic Messages、OpenAI Chat Completions 三种协议间互转，按健康分、冷却状态、滑动成功率和延迟分位数做智能多 key 调度，还有系统级故障转移（自动封禁与恢复）和带 Prometheus、webhook 的完整监控面板。单个 Node.js 进程就能跑，只依赖 ws，2026 年 6 月开源至今已迭代 110+ 个版本，MIT 协议。
@He1s_Sammy [Claude Code]
https://x.com/He1s_Sammy/status/2084521091431571697
他描述了一套每轮只调用 Opus 两次、其余全交给便宜模型的 Claude Code 配置，理由是 80% 的 token 花在根本不需要贵模型的活上。Opus 开头做规划、结尾做评分，中间全部由 Sonnet 跑 8 条并行 lane，用测试通过与否来判定一条 lane 是否完成，而不是看输出听起来多自信。他指出 Sonnet 会在四个地方翻车：需求含糊、长链条里前面的指令逐渐失效、没有先例的新设计、以及给自己的工作打分——而这恰好就是留给 Opus 干的活。宣称的效果是每轮从四十次昂贵调用降到 2 次。
@AaronxShepherd [Claude Code]
https://x.com/AaronxShepherd/status/2084716059194519635
他喂给 Claude Code 五个域名，没碰任何爬虫或 enrichment 工具，就拿回了一份 10,000 人的销售线索列表。流程是：给它五个理想客户，它做 look-alike 搜索，从匹配结果建出公司列表，再把每个联系人都拉出来。一次抓取就返回了 4,000 个创始人、3,200 个市场人员和 3,500 个商务拓展联系人。以前要人花好几个小时的活，现在一条 prompt 就跑完。
@kurono_ai_ura [Claude Code]
https://x.com/kurono_ai_ura/status/2084474411298509207
日本帖子介绍一位海外创作者只用 Claude Code 就把视频剪辑完全自动化。粗剪用 WhisperX 转写自动去掉静音、废镜头和口头语，演示里 4 分 10 秒的素材一遍就剪到 47 秒，几乎正中目标；图形由一个叫 Hyperframes 的引擎自动生成，可以用「改成橙色」「加上 logo」这种自然语言微调，且只重渲染改动部分；字幕和 BGM 也在同一个 Claude Code 项目里从导入做到导出。创作者说平时要 4-5 小时的剪辑，含精修只花了 2 小时。发帖人的观点是：剪辑正在从「学软件操作」转向「决定给 Claude 下什么指令」。
@aceop_xyz [Claude Code]
https://x.com/aceop_xyz/status/2084592534182076740
他用多 agent 流水线研究「买入并持有 memecoin 是否跑赢单纯持有 BTC 或 ETH」：ChatGPT 打磨研究 prompt，Grok 设计并冻结方法论，Claude Code 负责数据采集——后者让他吃惊地搭出了一整套研究管线，从 CoinGecko、DefiLlama、GeckoTerminal 和各 CEX API 拉数据，带限流处理、缓存、断点续跑、去重和跨源校验。最终数据集：5,598 个 memecoin、259 万+ 条日频价格观测、23,174 个原始 JSON 响应、30,000 多次 API 调用，外加 QA 报告和审计链。最后 Surf Research 2.0 复核了方法论，结论是：对普通投资者而言，证据不支持长期持有 memecoin 优于 BTC 或 ETH。
@tenobrus [OpenClaw]
https://x.com/tenobrus/status/2084790004086403381
一条实测反馈的回复：他把 Hermes 和 OpenClaw 都搭起来各用了几周。很遗憾，结论是两个都极其脆弱、摩擦成本很高，真正的实用价值不大。
@IhorSkiba [Claude Code]
https://x.com/IhorSkiba/status/2084650619000742039
详细复盘了一个 10 分钟视频：主角自称非开发者，却在 Claude Code 里泡了 1,000 小时、发布了 150 个 agent，整个生活都从终端里跑，帖子还夹带了发帖人自己的心得。他们原本在评估一套 $200-$500/席位/月的工具栈（IDE 席位、copilot 订阅、SaaS 仪表盘），最后用一个订阅全部替掉，对比了 $20 Pro 和 20 倍用量的 $200 Max。跑一次 /init 读完整个文件夹并写好 CLAUDE.md，直接消灭了每次开工前十分钟的重复解释。他们特别强调 skills 是「教一次就会的完整工作」（比如一个把所有文件归进日期文件夹的桌面清理 skill），替掉了本来要雇的虚拟助理；再加上 MCP 在同一个终端里驱动 Canva、Gmail、Drive、Calendar 和 Higgsfield，彻底终结了来回切 App 的损耗。
@LotusDecoder [Claude Code]
https://x.com/LotusDecoder/status/2084440214726987938
一位中文用户把 Codex 后台查询和滴答清单（TickTick）的列表 API 结合起来，追踪 Codex 和 Claude Code 的账单周期日期与剩余额度。Agent 先查官方文档，把周期日期和剩余额度按到期日写进 TickTick，再渲染成定时刷新的日历视图。效果是所有用量一眼可见。
@milloruns [Claude Code]
https://x.com/milloruns/status/2084645208734511285
他通过 agentacct 发现自己的 coding agent 一直在悄悄烧钱——这是一个本地终端仪表盘，直接读 Claude Code 和 Codex 本来就写在机器上的会话日志，不需要账号也不上云。它把每个会话按 token、费用、动过的文件和真正跑过的测试拆开展示。最扎心的是那些标了「done」却一个测试都没跑的任务，仪表盘直接标注为「agent 自称完成，未经验证」。他现在在相信任何「已交付」之前都会先看到底验证了什么：测试通过才算证据，其余都只是 agent 的一面之词。
@scotthuang_claw [OpenClaw]
https://x.com/scotthuang_claw/status/2084695136886481091
他分享了自己的项目 Agent Knock Knock，目标是把 OpenClaw 变成一个能更好协调 Codex 和 Claude Code 工作的编排器。它支持 coding agent 的发现与路由、任务监控、审批回调，还允许人类随时接管再交还控制权。目前正在招募 beta 测试。
@hipreetam93 [Claude Code]
https://x.com/hipreetam93/status/2084461906283356331
他觉得在手机终端上写代码太痛苦，Slack 里多个并行会话又根本跟不过来，于是大约三周前基于 Claude Code、Codex 和 OpenCode 的 SDK 自建了一套 UI，跑在 Hetzner VPS 上、通过 Tailscale 访问。每个仓库是一个 workspace，每个 workspace 可以开多个并行窗口，上限只受 VPS 内存限制。这套东西他叫 ACT（AgentChatDeck 的缩写），靠它已经从手机上发布了完整的功能——这在以前根本做不到。
@MystiqueMide [Claude Code]
https://x.com/MystiqueMide/status/2084669688034758784
他设置了一个定时自动化任务（自己是每 5 小时跑一次），专门清理过期的 Codex 缓存、线程日志和可以安全删除的临时文件，只碰占空间的陈旧数据，绝不动任何活跃或近期的内容。他还分享了可以直接复用的完整 prompt，并说这套对 Claude Code 或其他任何 AI 同样适用：让它按你选定的间隔建一个自动运行、不用每次确认的自动化。
@Rezzi_sol [Claude Code]
https://x.com/Rezzi_sol/status/2084628846570061824
他描述了一个据称能把 Claude Code 每周用量砍掉 50%、又不用额外买 API token 的工作流，核心是别让最贵的模型包办所有环节。做法是在 Claude Code 里装 OpenAI Codex 插件，然后分工：Fable 5 High 负责规划，Codex 5.6 xhigh 通过已有的 Codex 订阅负责执行（不走 API），Fable 5 Max 负责审查成品。逻辑是：规划和审查最需要判断力，执行最耗 token，把执行挪给 Codex 就保住了 Claude 的每周额度。同样的工作流，Claude 用量大约省一半。
@thomasgauvin [Claude Code]
https://x.com/thomasgauvin/status/2084468011084157086
一位实践者对某篇博客提出反驳：他用 coding agent 效果最好的时候，永远是自己在主导——边给 Codex、Claude Code、Cursor、OpenCode 下 prompt 边定义需求，并主动执行自己的质量标准。工程核心部分可以放心交给基础循环和 agent 自审，但 agent 在产品表层和 UX 上依然毫无品味，再多 skills 和 harness 工程也救不了，所以瓶颈仍然是他自己。他同意人工 code review 正在退场、代码库变动太快导致 CI/CD 和 git 难以扩展，预测会出现非 GitHub/GitLab 的协作流程，以及针对安全、性能、可靠性和可维护性的基础循环。
@draprints [Claude Code]
https://x.com/draprints/status/2084759388602962112
EagleRev 发的招聘帖：这家公司给 100+ 家 B2B 公司做 outbound，累计发过 300 万+ 条 LinkedIn 私信，有自己的发送平台和一套包揽脏活的 agent 栈。他们招一名 GTM Engineer，端到端负责真实客户的邮件和 LinkedIn 营销活动，并且每天用 Claude Code 做开发，因为整个技术栈都是 agent。硬性要求是真的用 Claude Code 交付过东西，而不是只看过视频。完全远程、美国时区，OTE $2-4k/月，有晋升 Lead GTM 的路径。
@rostikdeni [Claude Code]
https://x.com/rostikdeni/status/2084591791269961882
一位创作者把 Claude Code 接进 Unreal Engine 5，用一个可重复的循环做出了能玩的游戏：UnrealClaude 让 Claude 看到视口，VibeUE 暴露 Blueprints 和 Python，agent 每次只搭一个小系统，启动游戏、检查截图、提交改动、修复问题。对独立工作室来说，这开始像一个真正的原型服务——把一份 brief 更快变成可玩的垂直切片，人类保留设计控制权并审查混乱的 Blueprint 逻辑。局限也很明显：据称一次迭代要 15 分钟左右、烧 14,000 个 Opus token，所以范围控制和后续清理仍然决定这笔账算不算得过来。
@Fluyeporlaweb [Claude Code]
https://x.com/Fluyeporlaweb/status/2084640816018997525
西班牙语帖子讲一个两人团队在单个漏洞赏金里挖到一个价值 $250,000 的漏洞——此前他们用 AI 猎了 9 个月的 High 和 Critical 级漏洞，找到 20 多个、赚了超过 $1.5M。他们刚把完整系统以 open-kritt 之名开源到 GitHub。它不是把整个仓库丢给模型碰运气（那几乎从不管用），而是把审计切成一个个具体小任务，对每个任务并行启动 AI agent，然后合并去重、按严重程度分类，每个发现都先用脚本验证过才当真。系统自托管，代码不出你的基础设施，兼容 Codex 和 Claude Code。
@phyrexia [Claude Code]
https://x.com/phyrexia/status/2084526723480056238
他给自己 30 天的使用做了埋点（56k 次 Claude Code 轮次、256k 次 Codex 轮次，相同项目和工作类型），想量化 Codex 为什么感觉更慢。每个会话的中位轮次 Claude Code 是 10、Codex 是 19，每轮输出 token 分别是 1,162 和 464——也就是说 Codex 步子小一倍多、每步产出少约 2.5 倍。最初算出的 token 效率（Claude Code 3.61% 对 Codex 2.77%）其实是辛普森悖论的假象：按相同会话长度分布标准化后反转成 Codex 10.14% 对 Claude Code 5.50%，所以体感的差距在步数和真实耗时上，不在 token 效率。他还修了一个测量 bug：Claude Code 把几乎全部 prompt 都记在 cache_creation 里，每轮 input 中位数只有 2 个 token，之前严重低估了真实输入量。
@ColinGardiner [OpenClaw]
https://x.com/ColinGardiner/status/2084761383703314613
他基于自身经验征求外部意见：OpenClaw 到底比直接用 ChatGPT/Claude 应用强在哪。他觉得桌面场景下应用体验好得多，而且一直没能让 OpenClaw 在云端实例上跑顺。OpenClaw 确实和他的 gbrain 集成得很好、工作流处理得不错，但他觉得这些也可以搬到应用里，并且在某些场景下应用给出的结果明显优于 OpenClaw。
@EvanKirstel [Claude Code]
https://x.com/EvanKirstel/status/2084668180837048642
有人把全世界的电网当副业项目画了出来，用的是 Claude Code。地图覆盖 120,000+ 座发电厂、约 300 万英里输电线路和几十万座变电站。数据来自 OpenStreetMap、Global Energy Monitor 和 EIA，FastCompany 做了报道。
@joedevon [OpenClaw]
https://x.com/joedevon/status/2084748167497875892
他之前一度想多用 OpenAI，因为它在自己的无障碍基准测试里表现最好，但受不了那套 harness，总是漂回 Claude Code。而这几个月局面反过来了：他现在讨厌用 Claude Code，更喜欢 Codex CLI——他说后者进步非常非常大，尤其是深度使用之后。他特别点名 computer use，说体验是天壤之别。
@okirumama_ [Claude Code]
https://x.com/okirumama_/status/2084433717851013151
一位日本用户把整个 Threads 账号的运营都跑在 Claude Code 上。她列出的流程是：先让 Claude Code 站到自己这边，然后启动 Threads 账号，接着用它做概念设计、写帖子、写 note 文章、做各种设置、维护管理台账。因为一切都经由 Claude Code 运转，她说哪怕自己植物神经失调发作，运营也不会停摆。
🗣 用户心声
用户心声
一、信任与封号冲进了主流话题。@heynavtoor 和 @OlivercrestAI 转发放大了那个逆向工程发现——Claude Code 二进制里藏着环境检测代码，用 prompt 隐写术标记中国相关环境；@liuren 说自己中文圈子里超过一半的 Claude 账号从 6 月底开始陆续被封；@Joshuwa 则拿一个用了两年、毫无预警被停的账号，论证为什么应该押注开放替代品。
二、跨会话、跨工具的记忆是呼声最高的能力。@halilkutukk 整整 8 个月都在反复解释同样的上下文，因为每个 session 都从零开始；@GeekCatX 想要能跟着项目走的工作记忆，在 Claude Code、Codex、Cursor 之间自由流转，而不是一到工具边界就断掉。
三、token 经济焦虑有了具体数字。@Mortezabihzadeh 提醒 Sonnet 5 的首发价 8 月 31 日到期，而新 tokenizer 对同样的代码要多算约 30% 的 token；@pulmencr 晒出 session 到第 20 条消息就撞上硬性限流墙、一锁就是 5 小时；@L_go_mrk 想要按依赖图限定读取范围，因为每次编辑都全库重读实在太烧 token。
四、多模型工作流全靠胶带糊着。@C_2049s 列了一串痛点：手动切 API key、额度耗尽后干等、协议互不兼容；@drbarnard 想要 Claude Code 和 Codex 之间真正的对抗式循环，而不是笨拙地来回切标签页；@juliankmazo 则希望有一个 CLI 能跑任意模型，还能在别的模型上拉起后台 agent。
五、质量一致性的抱怨变得非常具体。@MichLieben 展示同一个任务跑五次，Claude Code 给出五种不同解法，没有 skills 加 hooks 的结构根本钉不住；@DanielGlejzner 在没给上下文的情况下收获了 182 个没用的 Angular 测试；@ArielKwiat 一句直白的「都 2026 年 Q3 了还能烂成这样，难以置信」引来 27k 次曝光的集体共鸣。
一、信任与封号冲进了主流话题。@heynavtoor 和 @OlivercrestAI 转发放大了那个逆向工程发现——Claude Code 二进制里藏着环境检测代码，用 prompt 隐写术标记中国相关环境；@liuren 说自己中文圈子里超过一半的 Claude 账号从 6 月底开始陆续被封；@Joshuwa 则拿一个用了两年、毫无预警被停的账号，论证为什么应该押注开放替代品。
二、跨会话、跨工具的记忆是呼声最高的能力。@halilkutukk 整整 8 个月都在反复解释同样的上下文，因为每个 session 都从零开始；@GeekCatX 想要能跟着项目走的工作记忆，在 Claude Code、Codex、Cursor 之间自由流转，而不是一到工具边界就断掉。
三、token 经济焦虑有了具体数字。@Mortezabihzadeh 提醒 Sonnet 5 的首发价 8 月 31 日到期，而新 tokenizer 对同样的代码要多算约 30% 的 token；@pulmencr 晒出 session 到第 20 条消息就撞上硬性限流墙、一锁就是 5 小时；@L_go_mrk 想要按依赖图限定读取范围，因为每次编辑都全库重读实在太烧 token。
四、多模型工作流全靠胶带糊着。@C_2049s 列了一串痛点：手动切 API key、额度耗尽后干等、协议互不兼容；@drbarnard 想要 Claude Code 和 Codex 之间真正的对抗式循环，而不是笨拙地来回切标签页；@juliankmazo 则希望有一个 CLI 能跑任意模型，还能在别的模型上拉起后台 agent。
五、质量一致性的抱怨变得非常具体。@MichLieben 展示同一个任务跑五次，Claude Code 给出五种不同解法，没有 skills 加 hooks 的结构根本钉不住；@DanielGlejzner 在没给上下文的情况下收获了 182 个没用的 Angular 测试；@ArielKwiat 一句直白的「都 2026 年 Q3 了还能烂成这样，难以置信」引来 27k 次曝光的集体共鸣。
📡 生态产品雷达
生态产品雷达
今天数据中被提及 3 次以上的产品：
Codex（125）— 永远的对照组，也是任务被拒或被限流后的去处
Cursor（69）
Hermes Agent（43）— 主打记忆加技能的 agent，也出现在脆弱性抱怨里
DeepSeek（29）— OpenClaw 和各路克隆栈背后的廉价 API 引擎
Gemini（25）
Not Diamond Code（28）— 今天有一波明显的协同推广；照常计数，但标记为水军刷量
OpenCode（18）
Slack（18）
MCP（33，含各类 server）
Qwen（16）
Kimi（15）
Grok / Grok Build（17）
Claude Cowork（11）
n8n（10）
Seedance（9）
GLM（8）、Obsidian（8）、OmniRoute（8）、Ollama（8）
Pi（7）、Arcads（7）、Hostinger Connector（7）
今天数据中被提及 3 次以上的产品：
Codex（125）— 永远的对照组，也是任务被拒或被限流后的去处
Cursor（69）
Hermes Agent（43）— 主打记忆加技能的 agent，也出现在脆弱性抱怨里
DeepSeek（29）— OpenClaw 和各路克隆栈背后的廉价 API 引擎
Gemini（25）
Not Diamond Code（28）— 今天有一波明显的协同推广；照常计数，但标记为水军刷量
OpenCode（18）
Slack（18）
MCP（33，含各类 server）
Qwen（16）
Kimi（15）
Grok / Grok Build（17）
Claude Cowork（11）
n8n（10）
Seedance（9）
GLM（8）、Obsidian（8）、OmniRoute（8）、Ollama（8）
Pi（7）、Arcads（7）、Hostinger Connector（7）
评论