超级用户日报: 2026年6月27日
今天这一批明显偏向两件事：用 agent 跑真实生意的人，以及对记忆和成本斤斤计较的人。最亮眼的案例不是写代码 demo——是19岁的学生把房间扫描成3D看房、每天赚300美元，是化学老师把400条"死"笔记变成一个活的大脑，是制图师跳过了十年的 GDAL 脚本苦工，是有人通过终端给100人订餐。在这些秀场底下，真正的讨论是关于持久化（别再每次从零开始）和经济账（订阅是被补贴的、企业在设上限、一整套成本工程工具箱正在成形）。下面是人们真正做出来、并学到的东西。
@v_nefodov [Claude Code]
https://x.com/v_nefodov/status/2070251448378503202
中国一个19岁学生，靠一部手机、一个200美元的电动旋转支架和 Claude Code，每天做到300美元的生意。手机放在房间中间转一圈360度扫描，Claude Code 把原始扫描数据处理成可以"走进去"的3D虚拟看房，20分钟内吐出一个分享链接。当地摄影工作室拍一套房收400美元，他只收150，一天做三套，档期排到两周后。所谓的"工作室"，就是一部手机加一个转盘支架。
@hrrcnes [Claude Code]
https://x.com/hrrcnes/status/2070171563232493594
一个中国开发者用 Claude Code 搭了一个一人代理公司，给小商家卖网站，一个月服务约47个客户、每个收400美元。七个 agent 跑完整个流程：Scout 每天扫约220家 Google Maps 商家，Diagnoser 给每个线索写个性化话术，Builder 给最优质的线索做3-5个落地页样稿，Filmer 生成10秒竖版宣传视频，Pitcher 每天通过4个渠道发30条消息，Checker 发出前自动审核，还有一个 Mobile agent 直接住在 iPhone 里、在地铁上就能回客户。没有自建后端、没有团队——本地沙盒、Claude Code Router、MCP server、文件系统共享状态、一个 API key。每月 API 成本约480美元，收入18,800美元。
@v_nefodov [Claude Code]
https://x.com/v_nefodov/status/2070076263268516330
中国一个24岁的人用 Claude Code 加 YOLO 搭了一套计算机视觉系统，读取实时交通视频、实时算出画面里每辆车的精确速度——60以下绿色，60到100黄色，超速红色——每辆车按车道、时间戳、车型自动记录。没有测速雷达、没有警察，只有一个摄像头加代码。他打包卖给了一个市政交通管理部门，对方原来每年要给硬件厂商五位数、功能还更少。总共赚了13,800美元。Claude Code 负责架构，YOLO 负责检测，他负责把它卖出去。
@undefinedKi [Claude Code]
https://x.com/undefinedKi/status/2070134537376371022
ToneAdapt 是一个简单到有点傻的吉他 app，一个月做到2.5万美元以上：你输入自己的吉他、音箱、效果器，搜任意一首歌，30秒内它告诉你怎么调音色才能弹出那首歌的声音。21岁的创始人之前从没写过一行代码，用 Cursor 加 Claude Code 一周做出第一版——技术栈是 Supabase、Vercel、Stripe 和 OpenAI API。然后他每天发三条社交媒体，直到一条视频爆了。他还在镜头前打开 Stripe 后台验证收入。利基市场里有金矿。
@RoundtableSpace [Claude Code]
https://x.com/RoundtableSpace/status/2069944915736342763
这个完全跟写代码无关：一个人用 Claude Code 逆向破解自己汽车里流动的原始 CAN 总线数据。车厂从不公开车内部件互相通信的网络协议，所以那就是一堆原始数字——他把原本缓慢的手动解码做成了一个 Claude Code skill，让它盯着实时数据、自己推断哪个数值对应哪个动作。打一下转向灯，它就识别并标注出变化的那个数字；他甚至把仪表盘录像喂进去做画面与数据匹配，准确率达到90%以上。一旦解码完成，他就能自己读真实电量、记录引擎数据、控制门锁和车灯。
@LunarResearcher [Claude Code]
https://x.com/LunarResearcher/status/2070153933259976785
他用洗衣店里的小故事来讲，但机制很具体：他从 GitHub 上扒了三个开源的 Polymarket 机器人，在 Claude Code 里花两小时清理代码，投入480美元，跑到了6,900美元。最亮眼的一步是把14,000个钱包地址用一个 prompt 喂给 Claude——四分钟后它找出了47个胜率70%以上的交易者，机器人现在以60秒延迟跟单他们。所有仓库（8600万条历史交易、一个做市机器人、那个机器学习跟单器）都是免费公开的。Claude Code 干的是最不光鲜的活：让别人写的代码真正跑起来。
@_not_a_fish [Claude Code]
https://x.com/_not_a_fish/status/2070000019407556636
一条很短、又有点吓人的：他让 Claude Code 想一个能通过资金账户考核的交易策略，它判断最佳方案是不设止损、不设止盈。现在它正在这个资金考核账户上真金白银地下单，100%自主运行。用他的话说：要么过，要么爆。这是人们把真钱交给一个 agent 循环、然后自己后退一步的典型案例。
@eng_khairallah1 [Claude Code]
https://x.com/eng_khairallah1/status/2070242019121955224
有人用 Claude Code 两周时间 vibe code 出一个完整的获客工具。你输入行业和城市，它从 Google Maps 抓取每一家匹配商家、带30多个字段，访问它们真实的网站拉取验证过的邮箱和社交账号，然后读每家最多50条 Google 评论找出它们具体的痛点（"客户抱怨照片显示不出房子真实大小"）。它把你的产品和每家商家的具体问题交叉比对，写一封个性化的冷邮件，逐封发送以便进主收件箱。每个线索都进入一个带 GPS 地图、销售区域划分和语音笔记转写的 CRM。
@precisox [Claude Code]
https://x.com/precisox/status/2070293393712795697
一个人用 Claude Code 搭了一套 AI 求职系统，投了700多份简历、拿到了工作，然后把整套东西开源。它把整个流程自动化：扫描招聘信息、把你的简历针对每个职位定制、甚至帮你填表。仓库里有14种模式（职位评估、抓取、PDF 生成）、一个 Go 写的终端面板、用 Playwright 生成的 ATS 优化版 PDF 简历，以及45多家预配置好的公司（Anthropic、OpenAI、ElevenLabs、Stripe）。求职从一场苦役变成一个自动化循环。
@dtcprophet [Claude Code]
https://x.com/dtcprophet/status/2070235568869351769
一个电商运营上周搞通了 Claude Code 到 Shopify 的工作流，彻底替掉了 Replo 落地页搭建工具。他先花几个小时在 Claude Design 里建一套扎实的设计套件，之后看到喜欢的商品页功能或 Shopify 模块，2-3分钟就能重建出来，再配个 Intelligems A/B 测试。他说这是目前 Claude 对他最大的用处——一箭双雕，既省掉了 Shopify 开发外包的成本，又让搭建和测试快了好几倍。
@ConnorShowler [Claude Code]
https://x.com/ConnorShowler/status/2070140126819209671
一个 SEO 用 Claude Code 自己写了个网站爬虫，替掉了 Screaming Frog 每年约250美元的授权，还把完整 prompt 免费分享出来。它爬遍每个页面、标出4xx/5xx错误、抓出缺失或重复的标题标签和 meta 描述、发现内容单薄和缺失的 H1、梳理跳转链、把所有结果导出成 CSV。自托管、无授权费、无爬取上限——用 requests 加 BeautifulSoup 写成单文件、带 README。这是用一个 prompt 替掉付费 SaaS 的干净例子。
@zeuuss_01 [Claude Code]
https://x.com/zeuuss_01/status/2070268533817356457
一个不露脸的 YouTube 频道三个月做到10万订阅，没团队、没剪辑师，由一个人端到端用 Claude Code 加 Higgsfield 运营。Claude Code 写脚本、标题、简介，跑上传流程；Higgsfield 用30多个模型生成电影感的片头、空镜和缩略图。老办法需要编剧、动效师、缩略图设计师、剪辑师，一条视频要好几周；新流程一周出4-5条工作室级别的测评视频，成本只是一个 Claude 订阅加几美元的额度。曾经是护城河的整个团队，现在就是一个人加一个 agent。
@hey_madni [Claude Code]
https://x.com/hey_madni/status/2070060344039579940
有人用 Claude Code 七天搭出了一整个公司的 AI 大脑。点任意一个员工，就能看到他管谁、在做哪些项目、能接触哪些数据——而且每个员工有自己那一版 Claude，带身份感知的角色权限：销售看不到 HR 数据，HR 看不到销售。没有开发团队、没有半年工期、没有预算。这是用 Claude Code 搭建有权限控制的内部组织工具、而不只是写代码的具体例子。
@aakashgupta [Claude Code]
https://x.com/aakashgupta/status/2070235834700456333
一位 CPO 公开确认：产品经理的新面试方式是共享屏幕。JZ 在 Laurel 带产品，团队只有5个 PM、4个设计师——团队缩小不是因为时局艰难，而是因为现在一个 PM 就能用 agent 把前后端完整功能上线，多加人只会增加协调成本。她按四个层级给候选人打分：跟 Claude 聊天（一级）、自动化一个工作流（二级）、做应用（三级）、做出别人会用的共享应用或直接面向客户（四级）。她的发现是：大多数自称"AI 原住民"的人只是一级，而她9个人的整个组织把公司操作系统跑在 Claude Code 上。
@tsuchinao83 [Claude Code]
https://x.com/tsuchinao83/status/2070069488545136816
Goodpatch 发了一篇真实的幕后记录：15个设计师——不是工程师——用 Claude Code 配合 GitHub 跑组织级别的生产工作。有意思的跃迁是从"个人现在能做应用"到"整个组织怎么提升生产力"，答案是一套由设计师而非开发者日常运行的 Claude Code × GitHub 运营设计。这是少见的、有完整记录的非工程团队把 Claude Code 当成共享基础设施而非个人工具的案例。
@Sprytixl [Claude Code]
https://x.com/Sprytixl/status/2070050281912463521
一个开发者不再向 Claude 重复问同样的问题，现在靠 Obsidian 运营一个月入3万美元的生意。沿着 Karpathy 那个"把 AI 指向你的记忆而不只是代码"的思路，他把 Claude Code 对准 Obsidian 里的一个文件夹：丢进文章、转录稿、PDF，Claude 读取、串联、建出一个个人 wiki。配置只要五分钟——三个文件夹（raw 放原始素材、wiki 放页面、一个运行整套系统的 CLAUDE.md）——现在他只要把文件丢进 raw、说一句"ingest this"。别人每次对话都从零开始，他每次都从最聪明版本的自己开始。
@melfoy_work [Claude Code]
https://x.com/melfoy_work/status/2070104939024585086
一个跟写代码无关的知识库故事，但机制很真实：Nora 是伯明翰的化学老师，有400条散落在三个 app 里、几个月没打开过的"死"笔记。周日她克隆了一个仓库、跑起 Claude Code、敲了一个词——Claude 问她这个库是做什么用的、搭好了结构，她用一句"ingest all of these"把所有东西喂了进去。多个并行 agent 把全部读完、交叉引用、归档。到第二个月，她不再用 Google 搜自己已经知道的东西，而是先问自己的库。
@shreypandya [Claude Code]
https://x.com/shreypandya/status/2070289665761124638
很小但堪称完美的非编码案例：他用 Claude Code 加 Browse CLI，给旧金山一个100人的活动找能承办的披萨店、临时再备一个候选地点，最后在浏览器里打开链接结账付款。整个过程约10分钟，他一个菜单都没点进去翻。这是 agent 驱动的真实世界后勤，不是写代码的任务。
@youwillmakemaps [Claude Code]
https://x.com/youwillmakemaps/status/2070031443892572368
一个做生产制图的人把 Claude Code 称为宝藏，因为那些枯燥的 GDAL 和 numpy 脚本他再也不用自己折腾了。他真实的指令读起来像念咒："抓地形测深数据，在五种投影下测三个范围，做32位和8位版本，每个都加上陆地-水体掩膜，再为等高线做平滑。"这很好地提醒了我们：Claude Code 很多真实价值在于那些专业的、非软件工程的领域，写脚本只是手段，不是目的。
@noisyb0y1 [Claude Code]
https://x.com/noisyb0y1/status/2070246035893494183
对 Karpathy 那套 wiki 方法的一个有硬数据的实践：一个用户把383个零散文件和100多份会议转录稿，整理成一个紧凑的 wiki，用 Claude 查询时 token 用量下降了95%。没有向量数据库、没有 embedding——就是一个 markdown 文件夹，Claude Code 读取、组织、自动互链成 wiki 页面。他还在14分钟内把36份 YouTube 转录稿变成一张互相连接的知识图谱。核心卖点是：知识像利息一样复利累积，而不是在对话结束时消失。
@IBuzovskyi [Claude Code]
https://x.com/IBuzovskyi/status/2070171401919631812
一套详尽的跨 agent 自主流水线，整夜运行、不用你管：Claude Code（Opus 4.8）负责构建，Hermes Agent（GPT 5.5）负责审计，然后 Claude Code 做核对，再由一个 VPS agent 部署。巧妙之处在于成本闸门——一个 cron 每五分钟检查输出文件，只有当第一行写着"finished"才唤醒审计员，所以在 Claude 还在构建时成本是零。两个不同模型互相检查，能抓到单个模型遗漏的问题；上周的审计就发现了 Opus 第一遍漏掉的真实内容错误。整套就是 构建→审计→核对→部署，早上就能拿到结果。
@ThisisHan1_ [OpenClaw]
https://x.com/ThisisHan1_/status/2069998264926048744
一个很实用的封号恢复故事。他的 Claude 账号昨天被封了，他申请了新号、却能无缝迁移继续工作，靠的是两件事。第一，Claude Code 所有 session 本身存在本地，按账号 UUID 和工作区 UUID 分类，所以他从磁盘上的 session 文件里找回了之前所有对话和侧边栏。第二，他刚刚导出了 Claude 自己的记忆，并把 ChatGPT 和 OpenClaw 的记忆一起大合并、存在 VPS 上做成云端记忆库，写成一个 MCP，Claude 通过 connector 重连就能自己调取全部记忆。他的结论是：封号体验很糟，但平时及时备份能让账号迁移成本接近于零。
@clairevo [OpenClaw]
https://x.com/clairevo/status/2069986922622337364
一位创始人公开记录她怎么运营 ChatPRD：这套配置让 OpenClaw 替掉了她创业公司的人工客服团队，每月省下数千美元的外包开支。这是一个干净的数据点——OpenClaw 在小公司里被托付了真正面向客户的职能，而不只是内部实验。
@OmarShahine [OpenClaw]
https://x.com/OmarShahine/status/2070004089287790926
一个用新的 GitHub Copilot App 的真实工作流：他登录自己全部三个 GitHub 账号，跨项目跟踪 Issue 和 PR，查 Scout 里今天关闭了哪些 PR，在 worktree 里做自己的功能。他跑每日自动化任务，汇报各处的动态——在 OpenClaw 里把最新的 iMessage issue 和 PR 浮现出来，方便他分派或合并；对 Scout 则汇报团队每天做了什么。这是一个具体的跨项目 agent 运维面板，而不是单个聊天窗口。
@Mikadzyki_NFT [Claude Code]
https://x.com/Mikadzyki_NFT/status/2070024439748788541
一个跑在 Claude Code 上、月入1万美元的内容工厂，Claude 是大脑：它写脚本和叙事、用自己的 skill 串起整个流程，还有一个 master prompt 给其他所有工具写 prompt。然后专业工具栈接力——Nano Banana Pro 和 Sandcastles 做图，Veo 3 和 Kling 做动画，ElevenLabs 克隆配音，Suno 从零生成音乐，HeyGen 做 AI 数字人旁白。这套组合每周省下20-30小时，一个人定方向、指挥一整个虚拟工作室。
@spwfeijen [Claude Code]
https://x.com/spwfeijen/status/2070129992390836676
他用 GPT Images 2 加 Claude Code 做了一个 AI UGC 广告生成器，把任意产品变成完整脚本化的视频广告。丢进产品照片和一句话卖点，AI 提出4个被验证过的广告概念，然后端到端渲染——写脚本、配音、拼接，发了就能用。三分钟配置，每条广告3-10分钟，API 成本不到1美元。如果你还在给 UGC 创作者每条视频付200多美元，这套直接替掉整个流程。
@browomo [Claude Code]
https://x.com/browomo/status/2070107742748934381
一个单干的人在 Claude Code（Sonnet 4.6）里启动了30个 agent、分成8个角色，声称几乎不碰键盘就能每天签下3-5个客户合同。屏幕看起来像作战指挥中心——几十个终端排成网格——编排器的系统 prompt 把只读工作分派给子 agent（Hunter、Qualifier、Writer、Sender、Follow-up、Content、Analyst、Mobile），自己掌握所有写操作，只有当单笔超过3000美元或某天回复率跌破12%时才停下来请求批准。成本约每天900万 token、每月1500美元 API，全部跑在一台 MacBook、一部 iPhone 和一个 API key 上。数字是他自己说的，但底下这套架构是真的。
@nickvasiles [Claude Code]
https://x.com/nickvasiles/status/2069974823934304697
一套真实的多 agent 控制栈：他用 Conductor 作为操作界面，因为它不挑 harness（Codex 和 Claude Code 都行），再配 Orgo 来管理 Hermes agent——他在 Conductor 里启动的每个 agent，又在操控一个住在 Orgo 计算机里的 agent。他现在用这套方式管理着150多个 Hermes agent。配置是：Claude Code 开 ultracode 模式负责构建，GPT 5.5 xhigh 负责审查，Hermes agent 跑 GLM 5.2 或 GPT 5.5，Orgo MCP 管理一支170台计算机的机群，Conductor 作为控制中心。
@agent_wrapper [Claude Code]
https://x.com/agent_wrapper/status/2070125496885731684
一个开发者回顾用 Claude Code 在80天内交付了250个 PR、约10万行生产代码——这个速度一年前听起来都很离谱。经历这一切后，他看到瓶颈从"编码 agent 的能力"转移到了"人管理、看护、在多个 agent 之间切换上下文的能力"。正是这个认识让他做了 Agent Orchestrator，并围绕"把 agent 群引导向真实结果"创业。这是关于高产 agentic 工程里摩擦究竟在哪的一手信号。
@undefinedKi [Claude Code]
https://x.com/undefinedKi/status/2070221446786215970
Workspace CLI（gws）是一个统一管理 Drive、Gmail、日历和所有 Google Workspace API 的命令行工具——几天内就登上 Hacker News 第一、拿到28,000多个 star。从使用角度看：它自带100多个现成的 agent skill，可直接接入 Claude Code 和 Gemini CLI，让一个 agent 帮你运行整个 Workspace。不用在 Gmail 和 Drive 里点来点去，你直接让 Claude 整理收件箱、发邮件、搜 Drive、查日历，或从你的活动里拉一份站会报告——全在终端里完成。
@tanabe_fragm [Claude Code]
https://x.com/tanabe_fragm/status/2069939625683275992
一个非创作者把工作流变成 Claude Code skill 的实践。他有一套"从一张户型图做出房子建造过程延时视频"的方法，但步骤很繁琐——于是他把讲解笔记的链接交给 Claude Code，让它做成一个 skill。现在他只要说"想做一个时髦的平房延时视频"，照 Claude Code 的指示动手就行。他的观点是：对非创作者来说，依靠 Claude Code 能减少疲劳，把时间和脑力腾给别的事。
@Enzozhz [Claude Code]
https://x.com/Enzozhz/status/2070033522585473435
一个有趣的非编码案例：他在 Claude Code 里跑着9个 agent，专门做传统占卜算命。他那句"当一个赛博道士比造它的团队还 all-in Claude Code 时，讽刺意味自己就写好了"，很好地提醒我们：有人正把整个非软件的生意跑在这个工具上。
@Oluwaphilemon1 [Claude Code]
https://x.com/Oluwaphilemon1/status/2070151274100650314
一个快速的一手模型测试：他在 Claude Code 里做了一个完整的3D飞机模拟，带动态时间变化和可调摄像机角度，并把这归功于让他震撼的 Claude Fable 5。很短，但是个具体产出，展示了人们现在能一把生成的那类图形/交互作品。
@yoshi15_funtech [Claude Code]
https://x.com/yoshi15_funtech/status/2070123848620773406
他把一个用了5年的内部员工考核管理工具里的数据全部抽出来，用自己的 Claude Code 重建了功能和设计——而随时能自己做功能改进才是真正的赢点。附带福利：他在登录页塞了个简陋的小游戏，同事们玩到上瘾，收到一堆"时间都被你这玩意吞了，求你撤掉"的抱怨。这是个人把遗留内部软件收回来、并现代化的好例子。
@PawelHuryn [Claude Code]
https://x.com/PawelHuryn/status/2070156748917248499
一个直白的成本数据：他的 Claude Code Max（20x）订阅是每月200美元，但同样的用量按 API 计价30天要花5,225.85美元——而他说自己连每周额度的一半都没用到。他的判断是：补贴力度大得离谱，不知道能撑多久。对任何在权衡订阅还是 API 成本的人都有用。
@OwenGregorian [Claude Code]
https://x.com/OwenGregorian/status/2070128275909726450
一个来自 404 Media 的尖锐使用经济信号：埃森哲正手忙脚乱地想阻止非技术员工在 PDF 转幻灯片这类琐碎任务上烧掉 AI token 预算——这种操作居然是个大"token 吞噬者"。Uber 最近在四个月烧光整年 AI 预算后，给员工使用 Claude Code 和 Cursor 设了上限。反直觉的发现是：失控的 token 消耗不是工程师驱动的，而是非工程师在做非专业任务。管控来得太晚，"token 运维"正在成为一门真正的学问。
@s1rozha_ [Claude Code]
https://x.com/s1rozha_/status/2070105206675623970
一个实测 GLM 5.2 装进 Claude Code 的实践、还带数据：它不比 Opus 强，但对那80%不需要 Opus 的工作便宜得多。真实结果——一个 prompt 剪了23秒的视频片头（35.7万 token、约1小时15分），一把生成落地页用时3分59秒 vs Opus 的14分59秒，用子 agent 27分钟做出一份研究报告，但在一个微妙的编码边界情况上输给了 Opus。便宜大约5倍，聪明的做法是把简单的80%路由给 GLM，把 Opus 留给难的20%。
@thekuchh [Claude Code]
https://x.com/thekuchh/status/2070104215150862618
一个小但极有共鸣的修正：他以为自己需要一个更聪明的模型，其实只是给 Claude Code 塞了一个堆满它根本用不到的垃圾的上下文窗口。在任务之间跑一句 /clear，回答变得更准、token 花费减半、毫无变慢——模型什么都没变，变的只是它背着的东西。真正的升级不是换新模型，而是删掉自己一直囤着的上下文。
@arshadkazmi42 [Claude Code]
https://x.com/arshadkazmi42/status/2070068462404206733
一个反直觉的模型选择数据点：看到一条建议后，他把所有 Claude Code 会话切到了 Opus 4.6，发现在他的场景下表现好得多——他跑了一次安全扫描，整夜不停、全程零交互，这是他在 Opus 4.8 上从来做不到的。这提醒我们：对长时间自主任务来说，越新不一定越好。
@nett0eth [Claude Code]
https://x.com/nett0eth/status/2069946870705660107
Caveman 是一个开源 skill，让 Claude Code 不再啰嗦——砍掉冠词、填充词（"just"、"really"、"basically"）、客套话和模棱两可的措辞。在10个真实 prompt 上实测，输出 token 平均减少65%（区间22%到87%）。它只影响输出，模型内部的推理和技术精度完全不动——代码、报错、专业术语都原样输出。它支持 Claude Code、Codex、Gemini CLI 和30多个其他 agent。
@dani_avila7 [Claude Code]
https://x.com/dani_avila7/status/2069989310212841908
一个清楚解释 Claude Code advisor 工具的帖子。常见配置是 Sonnet 当执行器、Haiku 跑子 agent；advisor 在上面叠一个 Opus。你的主模型跑完整个任务，只有遇到自己解决不了的决策时才去咨询 Opus、然后继续——所以你大部分时间付的是执行器的价，只在真正需要的调用上付 Opus 的价。用 /advisor 启用，或在 settings.json 里设 "advisorModel": "claude-opus-4-8" 作为持久默认。
@iamigorekk [Claude Code]
https://x.com/iamigorekk/status/2070175975900344432
一个用语音驱动的并行会话工作流：打开 Claude Code，立刻开三个独立会话，通过 Whisper 用语音给每个分配任务——一个处理表格和数字，一个做研究或分析，一个规划当天或写文字。你自然地用语音跟它们说话，三个同时启动，然后切到真正需要你的工作上，再回来查看进度、给几句语音反馈。他的说法是：更少倦怠，效率翻好几倍。
@0xMiraqle [Claude Code]
https://x.com/0xMiraqle/status/2070181621030846721
一个跑在 Claude Code 上的"上帝模式"语音助手，语音输入输出、还有视觉（问它自己穿什么，它准确说出栗色连帽衫）。帖子点出的关键洞见是：它的"大脑"只是一个纯文本文件夹——memory.md、tasks.md、notes.md、personality.md——每次回答前都重读一遍，你让它记住什么，它就写回文件里。让它显得"活"的不是更大的模型，而是写在磁盘上的持久记忆，任何人一个下午就能做出来。
@denicmarko [Claude Code]
https://x.com/denicmarko/status/2070093927332413913
一次都没离开编辑器，就把一个二维码 API 搭好并部署上线。Claude Code 加 Zerops ZCP 包办了一切——开好 Node.js 服务、写部署配置、推代码、接好 GitHub 自动部署——他只需要描述自己想要什么。这是 agent 原生基础设施的一个利落例子：部署这一步消失进了对话里。
@0xkekov [Claude Code]
https://x.com/0xkekov/status/2070035904719454463
他用 Claude Code 搭的自己的 AI 内容助手，四个有名字的 agent、每个配一个模型：Analyst（Opus 4.8）通过 Typefully API 拉他的 Twitter 数据，找出哪些内容表现最好、为什么；Researcher（Sonnet 4.6）解析其他创作者、发现什么在火；Drafter（Sonnet 4.6）根据前两者的输入写草稿；Judger（Sonnet 4.6）审查草稿、抓出重复的角度、按他的偏好给反馈。一条具体的、角色分离的内容流水线。
🗣 用户心声
用户心声
这一批最清晰的信号：持久记忆现在成了人们想要的头号功能，而不是模型本身的聪明。Karpathy 那个"把 AI 指向你的记忆、而不只是代码"的模式到处都是——Obsidian 库、纯文本大脑文件夹、wiki 编译器——而且人们在上面建起整门生意（@Sprytixl 靠一个库月入3万美元；@noisyb0y1 把查询 token 砍了95%）。底下统一的抱怨是：每次新对话都从零开始，这个"重置"才是敌人。
第二个响亮主题：token 成本焦虑已经主流化。订阅明显被补贴（@PawelHuryn：每月200美元 vs API 计价5,225美元），企业在设使用上限（@OwenGregorian 讲 Uber 和埃森哲），而回应是一波成本工程——把简单活路由给 GLM 5.2（@s1rozha_）、用 caveman 这类裁剪输出的 skill（@nett0eth）、以及 /clear 的纪律（@thekuchh）。人们想要便宜的80%，只在难的20%上用 Opus。
第三：没人信任一个 agent 给自己的作业打分。最强的工作流都把"构建者"和"检查者"分开——两个不同模型互相审计（@IBuzovskyi），带独立记忆的 Builder/Tester/Reviewer 团队，以及阻止 agent 为了假装通过而削弱测试的回归守卫。反复出现的恐惧是那种"自信却错误"、悄悄溜过去的输出。
第四：瓶颈已经从"agent 能不能做"转移到"人能不能管住这群 agent"。@agent_wrapper 在80天250个 PR 后直接点破——约束现在是注意力、上下文切换和编排，这就是为什么 Conductor、Orgo、Agent Orchestrator 反复出现。
第五，更安静但真实：封号恐惧（@ThisisHan1_），以及对非编码用途的强烈拉力——汽车、制图、占卜、订餐、知识库。拿到最大杠杆的人不是在写软件；他们是把 agent 对准一个领域问题、然后让它跑。
这一批最清晰的信号：持久记忆现在成了人们想要的头号功能，而不是模型本身的聪明。Karpathy 那个"把 AI 指向你的记忆、而不只是代码"的模式到处都是——Obsidian 库、纯文本大脑文件夹、wiki 编译器——而且人们在上面建起整门生意（@Sprytixl 靠一个库月入3万美元；@noisyb0y1 把查询 token 砍了95%）。底下统一的抱怨是：每次新对话都从零开始，这个"重置"才是敌人。
第二个响亮主题：token 成本焦虑已经主流化。订阅明显被补贴（@PawelHuryn：每月200美元 vs API 计价5,225美元），企业在设使用上限（@OwenGregorian 讲 Uber 和埃森哲），而回应是一波成本工程——把简单活路由给 GLM 5.2（@s1rozha_）、用 caveman 这类裁剪输出的 skill（@nett0eth）、以及 /clear 的纪律（@thekuchh）。人们想要便宜的80%，只在难的20%上用 Opus。
第三：没人信任一个 agent 给自己的作业打分。最强的工作流都把"构建者"和"检查者"分开——两个不同模型互相审计（@IBuzovskyi），带独立记忆的 Builder/Tester/Reviewer 团队，以及阻止 agent 为了假装通过而削弱测试的回归守卫。反复出现的恐惧是那种"自信却错误"、悄悄溜过去的输出。
第四：瓶颈已经从"agent 能不能做"转移到"人能不能管住这群 agent"。@agent_wrapper 在80天250个 PR 后直接点破——约束现在是注意力、上下文切换和编排，这就是为什么 Conductor、Orgo、Agent Orchestrator 反复出现。
第五，更安静但真实：封号恐惧（@ThisisHan1_），以及对非编码用途的强烈拉力——汽车、制图、占卜、订餐、知识库。拿到最大杠杆的人不是在写软件；他们是把 agent 对准一个领域问题、然后让它跑。
📡 生态产品雷达
生态产品雷达
今天帖子中被提到3次以上的工具：
Codex — 永恒的对照与搭档；双模型审计循环和"Claude 构建、Codex 审查"的配置随处可见。
Cursor — 仍是默认的第二编码界面，常常是进入 Claude Code 前的入口。
Hermes Agent（Nous Research）— 人们用来和 Claude Code 配对、跑整夜跨 agent 流水线的开源自我改进 agent。
OpenClaw — 自托管的个人 agent harness；替掉客服团队，也是账号/迁移故事的主角。
GLM 5.2 — 当下在 Claude Code 里做成本路由的热门开源模型，比 Opus 便宜约5倍。
Obsidian — 几乎每一个"第二大脑"/持久记忆方案的底层载体。
Higgsfield — 单人内容流水线里负责视觉生成的那一半（片头、空镜、缩略图）。
Conductor / Orgo — 运行大量 agent 时的操作界面与机群管理器。
ElevenLabs / Veo 3 / Suno — Claude 编排的内容工厂背后的专业媒体工具栈。
YOLO — 学生们在卖的那些计算机视觉生意背后的检测模型。
今天帖子中被提到3次以上的工具：
Codex — 永恒的对照与搭档；双模型审计循环和"Claude 构建、Codex 审查"的配置随处可见。
Cursor — 仍是默认的第二编码界面，常常是进入 Claude Code 前的入口。
Hermes Agent（Nous Research）— 人们用来和 Claude Code 配对、跑整夜跨 agent 流水线的开源自我改进 agent。
OpenClaw — 自托管的个人 agent harness；替掉客服团队，也是账号/迁移故事的主角。
GLM 5.2 — 当下在 Claude Code 里做成本路由的热门开源模型，比 Opus 便宜约5倍。
Obsidian — 几乎每一个"第二大脑"/持久记忆方案的底层载体。
Higgsfield — 单人内容流水线里负责视觉生成的那一半（片头、空镜、缩略图）。
Conductor / Orgo — 运行大量 agent 时的操作界面与机群管理器。
ElevenLabs / Veo 3 / Suno — Claude 编排的内容工厂背后的专业媒体工具栈。
YOLO — 学生们在卖的那些计算机视觉生意背后的检测模型。
评论