超级用户日报: 2026年7月13日

一位日本用户分享了他每晚睡前把一大批任务倒给 Claude Code 的固定流程，并贴出了原版 prompt。核心写法是：告诉 Claude「我要去睡了」，需要本人确认的事项统一推迟到最后，其余能独立处理的全部自行推进。因为任务量大，prompt 还要求 Claude 先建一个工作管理文件，边干边记录进度。最后再把想做的事情列成长长一串附在后面。

一条持怀疑态度的日本推文，认为单人独立完成的 Claude Code 实现漏洞百出。哪怕是 Fable 设计、Sonnet 实现、再由 Fable 审计，同一模型家族内部的对抗式审查也会不自觉地偏向「通过」，查不出真问题。作者说这严重动摇了他的信任，相比之下对 Codex 的信任「压倒性」，正在琢磨要不要转过去。

Theo 批评 GPT-5.6 Sol 的「ultra」档位：它派生的每个 subagent 都会继承 ultra 级别，白白烧掉海量 token。他认为至少应该允许用户把 subagent 的 effort 硬性锁在「medium」。结论：在 subagent effort 控制这件事上，Claude Code 遥遥领先。

Claude Code 现在借助一个新 skill 真正能「看视频」了——YouTube、Zoom 会议、Loom 录屏都行：贴个链接，它在后台全程处理，你继续干自己的活。和过去随机抓 100 帧的老工具不同，这个 skill 用 FFmpeg 场景检测，只在画面真正变化时截帧；YouTube 直接白嫖字幕，Zoom 和 Loom 则走 Whisper 转写。处理完还会主动提议把分析结果存进你的知识库。作者打算把一周所有咨询电话录音都喂进去，让 action items 在他挂电话之前就已经躺在第二大脑里。

一条印尼推文问 IT 圈的人：你们玩新东西一般会沉迷多久？作者的男朋友正深陷 Hermes 和 OpenClaw，搭了好几个各有名字的 bot：一个是两人共用的助理，另外两个分别是各自的私人助理。他每天都在琢磨加内存、买新设备。作者自己也拿到了使用权限，觉得挺好玩，只是吐槽现在两个人都各自忙着陪自己的 bot。

作者在新版 Codex 里跑 GPT-5.6 Sol，2 小时烧掉了 20x Max 额度里的 5 小时——因为 sol ultra 的行为跟 Claude Code 的 ultracode 一样：subagent 继承主 agent 的推理级别，按同档位烧配额。他先把 subagent 锁到 high，发现还是过剩，又降到 medium，结果这个档位就能覆盖过去好几个 skill 干的活，于是又删了一批 skill。他理想的分层是：一档管写码和修 bug，一档管搜索、文档、测试，最高档只留给不放心交给低档的任务。他还分享了一个清理 prompt：审计本地全部 Codex 和 Claude Code skills 及 session-context 插件，逐项给出保留/合并/归档/删除建议并附一句话理由，保留项目专属规则和未完事项，且只输出 dry run。

有人把键盘 LED 编程成 Claude Code 多终端会话的实时状态板。数字排的每个键对应一个终端 tab：绿色表示 Claude 在等你输入，红色表示正在干活，黄色表示 tab 已闲置，蓝色标记普通非 Claude tab。按 cmd 加数字就能直接跳到需要处理的会话——不用来回点 tab，低头瞄一眼键盘就行。帖子认为，在「不用盯着终端也知道 agent 何时需要你」这个大趋势里，这可能是目前最干净的方案。

一个观点：AI 产品真正的 bug 从来不在 prompt 里——能在真实用户面前活下来的 agent，都是做了插桩监测的。一位在求职工具和 newsletter 推荐引擎上跑着 16 个 agent 的开发者，总收到复现不了的幻觉投诉，直到逐步追踪 trace 才发现：一个简历反馈 agent 告诉候选人该公司用 React，而职位描述里写的是 Python。他把修复交给 Claude Code，后者读完 trace 后提出了 4 条没人写下来过的评测标准，比如「必须扎根于输入内容」。评测发现同类错误发生率高达 12%，一个修复把它压到 2% 以下，从头到尾 20 分钟，现在全自动运行。收尾的教训：上线前先想清楚要评测什么，并且 trace 一切。

一段自嘲式坦白：作者从没像同时开着 20 个并行 Claude Code 会话、驱动 100+ 个 Fable 5 subagent 时那样觉得自己活着。花了 4000 美元。产出是一个按钮。按钮还不能用。但他表示还会再来一次。

拆解一支 100% AI 制作的气球艺术风格广告：算力成本不到 2 美元，从头到尾 10 分钟。流程是：用对的 Claude skill 写脚本（而不是通用 AI 味套话），生成每个场景的首帧，喂给 Omni 或 Kling 生成视频，最后在 CapCut 里剪辑拼接——几乎全程可以用 Claude Code 自动化。战略要点：当保健品行业所有人都在拍同一种「女生对镜头说话」的广告时，一个由气球来卖的益生菌是你大脑从没见过的模式打断。

一篇日本帖子介绍公司内部让非设计师批量生产 B2B 落地页的体系，核心构建在 Claude Code 上。思路不是从零生成，而是克隆一个标准 LP、只替换可变部分，让设计沿用生产环境同样的组件和结构。三大支柱：所有颜色/间距/字体值收敛进单一 tokens.json，由 linter 机械化判定；需求收集交给 Claude Code skill（/lp-hearing），按固定变量槽位提问，任何人都能问出同样的覆盖面；质量检查从人转给机器——用 hook 在实现后自动跑 linter，违规即阻断，让 AI 在循环里自己修自己。作者也指出 LP 有一层难以组件化的表达空间，模板的一致性必须和核心区域的自由度共存。

一份可直接复制粘贴的完整 prompt，用 Claude Code 加 Figma MCP 在 Figma 里 1:1 复刻一个 hero section。prompt 把规格写死：1280x1049px 画框、#FDFCF4 背景，navbar 带 1128px auto-layout 容器、logo、指定透明度的导航链接，以及一个规定了 padding、填充和圆角的「Sign up for free」按钮。往下是 1128x643px、16px 圆角的 hero 图，和居中 810px 内容块：Cardo 64px 大标题「See Further. Think Deeper.」、Geist 18px 70% 透明度副标题、带两层叠加投影的 CTA 按钮。还要求先安装 Switzer 字体，Inter 只能作非 1:1 的兜底。

一份 45 分钟搭好个人知识库的建议。步骤：5 分钟建三个文件夹（raw、wiki、outputs）外加一个 CLAUDE.md schema 文件；10 分钟把所有转录稿、笔记、截图、SOP 全倒进 raw/；30 分钟让 AI 通读全部内容、写出 wiki 并建索引；之后进入持续复利循环——新素材进、更锐利的答案出，每月再做一次健康检查，排查矛盾、过期话题和空白。倒数据那步他让 Claude Code 或 Codex 从各 connector 拉取，循环那步则用 Hermes agent 跑每周 cron，分析一周工作并给出知识库更新建议。

一篇日本教程，教你把官方推荐的「Fable 当编排者」策略设为 Claude Code / Cowork 的默认配置，目标是让 Fable 订阅额度撑过周末。三步：在 ~/.claude/settings.json 里把 model 设为 Fable，让只有主循环跑 Fable；在 .claude/agents/*.md 的 frontmatter 里写 model: sonnet，把默认 subagent 模型设成 Sonnet 5；再在 CLAUDE.md 里写一条编排策略——主循环专注理解指令和分派，实际干活交给指定 subagent。这样大部分 token 由 Sonnet 工人消耗，Fable 额度更耐用；需要深度推理的任务可以通过 Agent 工具的 model 参数按次升级。完整配置已通过链接公开。

作者干了件他自称疯狂的事：通过 Claude Code 订阅，把 Fable 5 跑在 Codex app 里面——GPT-5.6 Sol extra high 当主编排者，GPT-5.6 Sol high 当执行者/subagent。他自己写了一个 Codex 插件让这套跨厂商组合跑通，并承诺第二天开源。

一条阿拉伯语帖子分享省钱用 Fable 5 的方法，源自 Anthropic 工程师 Lance Martin 的实验——用 Sonnet 5 等便宜模型搭配 Fable 5，效果很好。作者把方法浓缩成一条 prompt，把 Claude Code 从写码助手变成「聪明的架构师加廉价执行团队」，按任务推荐用哪个模型。prompt 把 Fable 5 设定为 Architect/Lead Optimizer，采用 Hybrid Intelligence 策略（Fable 5 只做编排/顾问/校验，日常执行交给 Sonnet 5），产出七样东西：架构方案、子任务拆解、3 个 checkpoint、现成的 Architect prompt、给 Sonnet 5 的每个子任务 Executor prompt、最终 Verifier prompt，以及省钱技巧。作者称亲测体验不错。

作者描述了他开发 iOS app 的新姿势：直接用手指指。不截图、不标注、不拖拽解释——只用鼠标在想改的地方画个圈，跟 Claude Code 说一句「read this」，剩下的它全包了。他把「point and tell」称作与 coding agent 对话的新方式。

引用 Dylan Patel 的说法：他的公司只把能通宵跑的任务交给 OpenAI，其余全留在 Claude，因为 OpenAI 要多烧 3-4 倍 token。他说 OpenAI 模型偶尔能搞定 Anthropic 模型做不了的前沿科学、数学、代码边角任务，但要花 3 倍时间、4 倍 token，成本更高还拖慢人机反馈循环，最终在客户观感上反而更差。只要有人在环，Anthropic 因为 token 效率高而又快又好——他认为这正是 Anthropic 一直压着 OpenAI 打的原因。他的团队仍以 Anthropic 为主：通宵任务给 OpenAI Codex，大多数任务留在 Claude Code。

作者发现 Matt Pocock 的 skills 在 Codex 里比在 Claude Code 里更容易被触发，并指出 skills 标准的一个断层：因为 Claude Code 先发，Matt 这类热门 skill 只写了 `disable-model-invocation: true`，而 Codex 不认这个字段。Codex 需要在 agents/openai.yaml 里单独写元数据，具体是 `policy.allow_implicit_invocation: false`。他 fork 了这批 skills，全部改成 Codex 兼容，正在等 Matt 授权后提 PR。

一条日本用户对 kajikent「睡前派活」帖的回复：他也每晚用 launchd 给 Claude Code 派发任务。他发现在 prompt 里只加两句话——「不要停下来等确认，一路做到底」和「结束前重读一遍，检查有没有遗漏」——就能明显提高第二天早上的完成率。他说要借鉴 kajikent 的 prompt 做参考。

作者力荐一个 GitHub 仓库，称之为所有跑 Claude Code、Codex 或任何 coding agent 的人的金矿：一个开源 context layer，让 agent 不再为回答一个问题读 40 个文件，且没有 API key、计费和限流分级。以 Claude Code 为基线的 benchmark 显示：27 倍 token 效率、成本降 36%、文件读取减少 89%、工具调用减少 49%，全部可用仓库内的 harness 复现。项目已有 3.5k+ star、50k+ pip 安装、30+ 贡献者，开箱支持 Claude Code、Cursor 和 VS Code。用法：pip install repowise 后指向你的代码库；作者说自己的用量额度现在能撑将近两倍时间。

重度使用 Codex 里的 GPT-5.6 后的日本用户感想：浏览器操作又准又快，网页服务和文档的设计质量提升明显，包月套餐内的图像生成也很方便——但即便是 200 美元/月的 Pro 套餐，额度也消耗得出奇地快。他的分工是：浏览器操作和设计类任务交给 Codex，顺便也省下 Claude Code 的用量。他还提到像 note 这类没有 API、且容易拒绝 Claude Code 式浏览器自动化的服务，从 Codex 往往能顺畅操作；XML 文件上传是备选方案，但浏览器控制最省事。

一条日本观点：做无关紧要的简单 web app 时，Sonnet 5 当编排者已经够用，不必烧 Fable 5；这种情况下最优解可能是只把 Claude 当规划阶段的陪聊对象，从实现和 review 起全部交给 GPT-5.6。作者还很喜欢用 agmsg 在 Claude Code 和 Codex 之间传消息：实现方可以直接询问握有用户原始指令和上下文的规划方，避免偏离设计意图。

Peter Yang 开始用 HTML artifact 来写 spec 和计划，因为比纯文本 markdown 好看得多，灵感来自 trq212。痛点在于：对 HTML 计划给 AI 反馈或直接编辑太难了——他只能在另一个对话里描述改动，祈祷 AI 明白他指的是哪里。他希望能在 HTML 计划上直接选中文字或元素来发反馈、或亲手修改，并主张评论、编辑、协作功能应该原生内置到 Claude Code 和 Codex 的网页查看器里，这会是人机协作的一大进步。

一支日本视频完整讲解 OpenAI 新模型 GPT-5.6 和「Work」功能——而视频剪辑本身全程由 Claude Code 完成，作者直呼不可思议。在实际做 app 和 3D 游戏的过程中，他发现 GPT-5.6 在速度和设计上进步很大，但复杂开发的稳定性和深度思考仍是 Claude 占优。视频涵盖：Sol/Terra/Luna 三个模型的区别、用 Ultra 并行跑 4 个 AI、含 MAX 在内的 6 档思考级别、更少 token 的快速处理、Work 自动生成交付物、定时运行与变更监控、短 prompt 提准技巧，以及与 Claude 的实机对比。

一篇日本评测，介绍一个专门审查 AI 生成 UI 的「AI 味」并自动去除的 agent skill。它归纳了 23 种 AI 味设计模式——靛蓝到紫的渐变、发光卡片、满屏 emoji、角落里的吉祥物——在 Claude Code 里运行时会精确指出 src/ 里哪里难看、为什么难看，然后逐项用最小 diff 修掉。作者此前手写过一份去 AI 味的 DESIGN.md，认为这个 skill 正是那些检查项的自动化，并指出 AI 味源于所有人收敛到同样的默认值，人类审美必须被逐条言语化、逐条清除。该 skill 发布一天内就拿下 180 star。

一条中文技巧，介绍 vibe coding 的新姿势：打开 Codex，在右侧边栏选「Terminal」，输入 claude，直接在里面跑 Claude Code。分工是：Claude Code 负责需求澄清、任务拆解和规划；Codex 负责改代码、跑测试、交付结果。口号：Claude 动脑，Codex 动手——成年人不做选择，两个都要。

一篇波兰语评测，从 agentic/yolo 工作流的角度评价 Codex 和 GPT-5.6 Sol——他的单个会话要构建、部署、做营销、卖货、切换上下文、派生 subagent。这种玩法下 Claude Code 配 Fable 5（Medium）是绝对统治级，连 GPT-5.5 High 都表现不错——但低于 GPT-5.6 Sol xHigh 的任何档位都达不到 GPT-5.5 High 的水准。在他的环境里，5.6 的 Medium/High 完全失灵，无视 harness，连简单任务都能搞砸，全然不像 GPT 号称的外科手术式精准。他怀疑问题出在 Codex 而非模型本身，也承认只是自己的环境、可能是自己哪里做错了，但坚持一点：升级就该带来升级，而不是逼用户去适应模型。

作者每次 AI 构建都会过一遍的三套规划框架，每套都强制在 agent 动手前先规划对齐。第一，Jesse Vincent 的 Superpowers，一个 Claude Code skill 框架：头脑风暴、动工前锁定 spec、拆成小任务、每任务一个并行 subagent、最后对照 spec 做 review——把开发式的 spec 纪律也带进营销工作。第二，Garry Tan 的 g-stack：一整套 sprint 方法论，23+ 个专家 skill，从 CEO/工程/设计/devex 各视角分别写 spec、构建、审查，再 QA 和交付，任何东西不经审查不进生产。第三，Matt Pocock 的 skills：grill-me 和 grill-with-docs 会拷问你到每个决策都敲定，然后 to-spec、TDD 实现、code-review。推荐顺序：先用 Pocock 的拷问搞清楚自己要什么，再用 Superpowers 或 g-stack 规划和交付——这个顺序用在产品发布或定位文档上和写代码一样顺。

作者以前很不爽花 80 美元买一张自己 MRI 影像的光盘——现在却盼着买。Claude Code 读取光盘，把扫描数据变成 3D 模型，让他可以钻进大脑里看清每个部位是什么。他称之为医院卖的最值的 80 美元。

花 3 天穷举 Fable、GPT 5.6、Grok 4.5 各种排列组合后，晒出一张「agent 组织架构图」。大副由 Pi 里的 GPT-5.6-Sol xhigh 或 Grok Build 里的 Grok 4.5 high 担任，因为两者速度够快能让编排循环保持交互性，而 Codex 有前台轮询的限制。Claude Code 里的 Fable 5 当二副，专攻深度优于延迟的复杂产品与技术设计。船员各司其职：Grok 4.5 修 bug，Codex 里的 GPT-5.6-Sol 做功能开发（Claude Code 里的 Opus 4.8 按额度兜底），Grok 负责 X 实时信息，Codex 负责图片生成。所有产出最后都过一遍 GPT-5.6-Sol medium 的 /no-mistakes 对抗式审查，低成本收尾修复。

一位自称「终端小子」的开发者发现同时开十几个 tab 跑 Claude Code 加 Codex 很快就乱成一团。于是他做了开源工具「vag」，自称是 vibe coding 的空中交通管制塔。它把多个 agent 编程会话收拢到一个地方统一管理。brew install cluely/vag/vag 即可安装。

中文省钱攻略：把 Codex 订阅接进 Claude Code，让 Fable 5 调度 10 个 GPT 5.5 子代理，Fable 5 的 token 消耗至少砍掉 60%。配置只需四步：用 /plugin marketplace add openai/codex-plugin-cc 装上 OpenAI 官方 Codex 插件，让 Fable 5 跑 /codex:setup 并确认 codex-rescue 子代理就绪，用 ChatGPT 账号认证一次，最后给 Fable 5 一段分工提示词——它当总协调（规划、理解仓库、架构、终审），重活的实现、调试、重构全交给跑 GPT 5.5 xtra high 的 /codex:rescue。进阶技巧：把这套逻辑固化成 skill（他叫 Fable-GPT）；Codex 20x pro 计划下可同时跑 5-7 个 agent 而不触 5 小时上限；上下文衰减是真实存在的，压缩 4 次后就该用 /handoff skill 清空对话。

中文帖子介绍一个工具：把乱成一锅粥的浏览器书签导出来，整理成可搜索的本地导航站。还能自动分类、去重、检测死链，并支持导回浏览器。同时以 Claude Code skill 和零依赖 Python 命令行工具两种形态发布。

西班牙语帖子讲资深工程师用 Claude Code 真正提效的方式：把时间挪到更好的提示词、更多规划和审查上，少打字。工作流靠一个插件把每个任务拆给 5 个 agent——一个头脑风暴、一个出技术方案、一个实现、一个审查、一个从不同角度验证——全程用 markdown 留档。等待更多、速度更慢，但每个 agent 职责清晰，质量随之上升。真正的倍增器是 git worktrees，可以在不同任务上并行开会话；他的团队一次跑 4-8 个 Claude Code 会话。新的工程能力，是在不失控的前提下指挥多个 agent。

一套 cold outbound B2B 获客栈逐项报价：120 个域名每年 $360，360 个邮箱每月 $720，30 万条线索每月 $40，Claude Code 每月 $20，Instantly AI 每月 $97。声称这是每月约到 20-60 个 B2B 销售电话的最简单路径，没有之一。

作者为了从内到外搞懂 harness 的原理，自己写了一个 agent 编程 harness（smallharness）；@dedene 贡献 hooks 支持后，他深入研究了 Codex 和 Claude Code 两边的 hooks。他认为 hooks 不只是学术上有趣，对 agent 安全有实打实的用处。举了前一天的案例：有人的 agent 跑了 rm -rf，差点删光 Mac 上所有文件——一个 hook 就能拦住。随后开帖手把手演示怎么针对这个场景配置 hook。

搭出第一个 OpenClaw Analyst Agent 六个月后，作者现在在多台 VPS 上跑着 14 个各自独立的 agent，覆盖编排、编程、代码审查、前端 UX/UI/图形、分行业投资研究，还有法务和会计实例。已接入机构级 API 数据，并自建了一套记忆/向量搜索层级——他称这可能是整套系统最重要的部分。他说这套配置彻底改变了他的投资流程，也强化了对 GAI 基础设施交易（$NVDA $MU $SNDK $LITE）的长期信念：我们还在「第一局上半」，数据中心 GPU/CPU 算力需求未来多年都将供不应求。

切到 Claude Code 才几个小时，就直呼体验真的好 10 倍。再也没有夸张的 token 开销，小任务也不用再切去 Composer 2.5。唯一的小抱怨：希望在 Cursor 的 Claude Code 扩展里拖图片能更方便些。接下来打算试试 Codex 和 Grok CLI。

日语小技巧：Codex 和 Claude Code 不只是能「读」视频——它们还能帮你从 YouTube 和各类短视频平台把视频下载下来。之后的转写加剪辑流水线就很好跑了。

全天开着 Fable 5 max 和 Sol ultra 的 API 账单拆解：Claude Code 跑 Fable 5 加 Opus 4.8 花了 $900-1,000，对应 420 万 token、8.24 亿缓存 token、60 个会话；而 Codex GPT 5.6 Sol 只花 $50，对应 360 万 token、4300 万缓存、23 个会话。核心观察：缓存读取本身就是工作负载。距 Fable 5 退出订阅定价只剩一天，作者认为 Anthropic 正面临公司史上最大的决策之一，否则会把大量市场份额拱手让给 OpenAI。

声称量化交易员用 AI 扒 TradingView 指标源码、揭出真实胜率，而不是盲信指标。他做了一个定制 Claude Code agent，能自动扒指标并在一次原始会话里批量验证 30 种不同策略。他把这期搭建视频包装成：别再拿仓位赌博，用冷冰冰的机器执行取代人类情绪。

中文帖子分享一个让任意本地 agent（Codex、Claude Code、Gemini 等）调用 Grok 的方案。做法：本地安装 Grok CLI（grok build），封装成 Skill/Tool，直接以 grok -p 加提示词的方式调用，agent 就能在任务中途按需喊 Grok 帮忙。亮点是极轻量——本地运行、不依赖第三方服务、能接进任何 agent 工作流、配置成本极低。本质上是把 Grok 变成了 agent 可随时调用的工具能力。

爆料 Claude Code 2.1.207 版本疑似在索引用户的整台电脑，据称是为了更快的文件搜索功能。附截图为证。

日语帖子：把开发环境搬到 Hermes 后，才意识到之前用规则搭起来的工作流有多好。这套流程把开发切成五个阶段——需求定义、设计、任务拆分、实现、测试——每个阶段由 Claude Code 干活、Codex 做审查，循环修改直到 Codex 给出 LGTM。作者说这个循环的准确率非常高，还开玩笑说这条信息值一杯果汁，下次见面记得请。

日语帖子：受够了手动操作 App Store Connect 后台，作者写了篇文章，讲如何用 asc CLI 加 Agent Skills 把这活全部甩给 Claude Code 和 Codex。文章链接已附。

日语帖子介绍 ai-berkshire——一个跑在 Claude Code 上的投资研究开源项目，公开 3 个月拿了约 12k star。它的短板：数据层依赖 web 搜索，对日本股票的数字溯源很弱。作者据此打造并发布了 ai-berkshire-jp，日股版底层接了一个 MCP，直接供给证券报告（有报）的一手数据，发布前还做了 A/B 实测。细节和测评文章见楼中。

中文回帖晒图：Claude Code 登上了汽车中控屏。用远程控制从车里操作家中的笔记本，等人的空档也能 vibe coding。附实拍照片。

日语帖子：让 Claude Code 直接操作 Figma，把成果做成一支 40 秒视频，灵感来自 HeyGen 的「Figma to HyperFrames」——不同之处在于设计板本身就是 Claude Code 在 Figma 里完成的，而非拿现成 mock。制作流程：Claude Code 在 Figma 里画出 logo、线条、菱形和标语；建 HyperFrames 项目；用 /figma 导入 SVG 素材；按 40 秒 5 场景的 SPEC 用 GSAP 实现动效；再经截图审查、FIX、重新 GO 反复迭代；最后加上 HeyGen 的 BGM/SFX 渲染成 MP4。色值、字体、画框全部以 Figma 为单一来源流入最终视频。

日语帖子晒出独立开发的真实数字：干了 3 个月，成本只有一份 Claude Code 订阅（每月几千日元），收入 0 日元。从零做到产品上架 Web Store，但没有用户就毫无意义。结论是「被人知道」比「做出来」更难，这是下一堵墙，并承诺继续完全公开地做下去。

分享一段让 Codex 几分钟就搞定配置的提示词：搭一个联动工具，让 GPT-5.6 通过 ChatGPT 订阅在 Claude Code 里使用。提示词要求它校验 checksum、走 OAuth、创建一个独立的 claude-gpt 启动器且不动原本的 claude 命令，最后做冒烟测试。

日语帖子反击那些嘲笑 GUI 版 Claude Code 的人。它有预览功能，实打实地好用，几乎没有理由死守 CLI。终端、diff 视图、文件浏览一屏全放下，连规划自家房子这种事都能干。附截图。

介绍 /grill-me——一个只有 3 句话的 skill，作者称其为自己用过影响最大的一个：Claude Code 在写第一行代码之前先拷问你 40 多个问题，把设计树的每个分支走一遍直到零歧义，而且每个问题都能戳出你没想到的点。其他日常主力 skill：/write-a-prd 把想法变成正经产品文档，/prd-to-issues 自动把文档转成 GitHub issues，/tdd 强制测试先行、先想边界情况，/improve-codebase-architecture 对代码库做全面结构审查。完整视频出自 Matt Pocock。

简短演示帖：作者让自家的自动售货机通过 OpenClaw 给自己发短信。一台实体机器接进 agent 框架发消息，附了演示视频。

提出当前绑死在单一公司的 harness 都是错的。附上一个工具的链接：用 Claude Code 的 Fable 5 当协调者，Codex 的 GPT-5.6 当子代理实现者，Grok-4.5 负责设计。称这套组合是当下最强战队。

正在搬回 Claude Code，因为 Codex 的 harness 在 agent 编排上落后太多。具体差距：上下文窗口更小、没有 Monitor 的对等物、子代理思考等级一团糟还狂烧 token、没有 workflows。希望 Codex 尽快追上。

中文帖子夸 Claude Code 好玩：作者在 GMGN 上现在只看官方信息，因为加了 KOL 之后信息流刷得太快。于是开了一个 XPro 窗口按关键词刷推，让 Claude Code 对配置好的关键词自动高亮。命中关键词就弹提醒，没命中就保持安静，刷推体验舒服多了。

认为 Codex 相对 Claude Code 有一个被低估的优势：OpenAI 的语音转文字强得多。在 Codex 手机端可以放心连讲五分钟，转写快、语义抓得准；而 Anthropic 的转写被形容成一团乱码，要做几十处影响语义的修正——这让 Codex 手机端比 Claude Remote Control 更好用。他指出两边都可以外接 Wispr Flow，但手机上还是应用内语音模式更顺手。他的工作流正转向适合手机的长时任务，边散步边让模型消化 5-10 分钟的意识流口述，语音转文字的差距因此会成为两家之间更大的分水岭。

给 Mac 用户跑编程 agent 的一份安全配方：装 OrbStack、Dory 或 Docker 三者之一；以隔离模式运行，只挂载开发目录；然后把 Claude Code、Codex 及其他终端编程工具全装进容器里，一切都在容器内跑。核心就是隔离——安全第一。

日语帖子参加第三届 Daytra Challenge AI 篇：给虚构住宅厂商做单页 landing page，品牌是定制住宅「MA」。全 AI 工作流并附真实工时：需求/线框约 2 小时——在 Claude Code 里头脑风暴世界观、让 ClaudeDesign 出线框；设计约 3 小时——在 Claude Code 里迭代字体、配色、行距和动效，再经 ClaudeDesign 输出；配图约 2 小时——Claude Code 逐图写提示词交给 GoogleFlow（nanobanana2）；实现约 3 小时——基于可复用 LP 模板在 Claude Code 里完成，CSS 规范和页面 SEO 一并处理。重点放在动效质量和实现质量上，完全对标真实接案流程；附可访问的 demo 站（Basic 认证 ID/Pass：demo/demo）。

这位用户过去几个月搭出了一整套 AI 媒体生产栈：一条多 agent 调研流水线负责找料、核实、起草长篇报道，外加自动化 newsletter 系统和事实核查层。在此之上还发布了一个移动 App、两个网站，以及一批横跨 Claude Code 和 Codex 的自定义 skills。

一个进行中的工作流，把 Claude Code、GenMedia CLI 和 Hyperframes 串在一起。作者自己写了 hyperFrames 的 VFX 和动态图形 skills/标记语言，整个场景在 Claude 加 Hyperframes 里以 4K 编辑。当前项目是一条动画幻灯片视频，他认为这是展示图像模型实力的好载体。

这位日本用户和 Claude Code 一起做了一份交付前检查清单，条目点几下就能勾选，质检变得很轻松。本来只是自用，有人提醒说这正好能向客户展示工作检查得有多细致，于是干脆发布到了自己的主页上。

这条乌克兰帖子介绍了 Sombra 前端开发者 Mariia-Lurdes Dehtiarenko 一个搞笑但实用的 Claude Code 自动化：不想一直盯着终端等回复，她就搭了套声音提醒系统。用 shell 脚本把猫叫 hooks 绑到特定事件上——满足的呼噜声表示代码生成完毕，兴奋的喵叫表示 Claude 在等用户授权。完整搭建过程写成了博客。

用 Claude Code 加 Fable 5 做的一个简单看图终端。作者分享了项目并附上 GitHub 链接，欢迎大家看代码。

这位用户用一个每月几美元的 AI 剪辑 agent，替掉了一年 1188 美元的剪辑软件：把 VOD 发到 Telegram 群里，几分钟后就收到 10 条剪好、构图好、带字幕、带评分的竖屏切片。技术栈三件套：Claude Code 负责构建，开源的 Hermes 框架负责运行，Telegram 当界面，一个 dashboard 都不用写。整个搭建只花 4 个 prompt、约 20 分钟人工操作，外加 20-30 分钟无人值守的服务器安装。底层是 7 个单一职责工具（转写、找高光、剪切、审片、竖屏重构图、发布、清理），由一个 manager agent 调度，跑在每月 5-20 美元的服务器上，AI 费用按视频量付费。

Claude Code 今天上线了应用内浏览器，这个团队第一件事就是在里面打开 Revyl。Claude 写完代码，直接在浏览器里跑起应用测试，再回去继续改，全程不出应用。作者的结论：开发循环又变短了。

一个用 Claude Code 配合 three.js、WebAudio、WebGL 开发的生物感可视化项目的更新。程序化生成的机械部件精度提升，细节更逼真。新增模式可以给每个部件分配音频响应效果，比如「这条腿是 hi-hat，这个核心是 kick」，不同部件随不同频段变形。每次生成时分配都会变化，在 GROUP 和 PART 两种模式间切换还能拓宽 glitch 表现的幅度。

这位中国用户越来越喜欢跑在 Claude 服务器上的云端 agent——网页版 Claude Code。高频用法：讨论产品交互设计时，让它借内置的 Artifacts 能力直接产出 mock UI 供预览迭代，感觉像内置了 Claude Design 的能力。他觉得整体比 Codex Cloud 好用，还能在手机上接着推进任务。开发完成、PR 建好后，再上真机验证并继续打磨交互细节。

作者形容 Tuple 与 Claude 的新集成简直离谱：Claude Code 全程旁听 Tuple 结对通话，主动拉起 sub-agents 插话。他刚说「我觉得 X 只在 Y 模块用到」，30 秒后 Claude 就翻出一处他忘掉的用法。他跑一个 artisan 命令处理几百万条记录测真实数据量时，Claude 在后台抽查数据行并给出性能优化建议。他承认一年前听到「把原始通话转录喂给 LLM」肯定会笑出声，但现在发现好用得惊人。

这条西语推文晒了一套新的快速原型流水线。第一步：先跟 Fable 来一轮拷问式对谈，产出一份给 Claude Design 的 prompt；第二步：Claude Design 输出一个 zip；第三步：Claude Code 加 Superpowers 把这个 zip 当 UI 规范来消化。作者打趣说做出来的原型是「带薯条的」。

这位阿根廷主播做了第一场 Twitch 直播，现场用 Claude Code 给频道做直播 overlay。目标是一边演示 Claude Code 怎么用，一边实时做出能配合 OBS 用的东西。他很喜欢这种动手实操、公开构建的形式，正在问粉丝要不要继续做，并邀请大家关注 Twitch 等后续场次。

一个真诚的疑问：既然有 Claude Code，Cowork 存在的意义是什么？作者一开始用 Cowork 处理文档、PDF、演示文稿等非编码工作，最后还是全部迁到了 Claude Code。理由：可以切换模型、可以 rewind、能用斜杠命令、掌控力强得多，输出通常也更好。他问有没有哪个场景 Cowork 有明显优势。

这位用户做了一个免费开源工具，利用 Claude Code 的 pre-hooks 做防护：可以管控工具（write、delete 等操作），保护指定文件和文件夹，还能把 Claude Code 限制在特定网站范围内。工具链接已分享。

一位用户向 ClaudeDevs 报告：在桌面端用 Claude Code 连接自己的 X 账号时，收到报错「We've temporarily limited your login. Please try again later.」他公开质问 X：是不是在阻止用户通过桌面端 Claude Code 访问自己的账号。

有人让 Claude Fable 5 重做落地页，本以为会得到更漂亮的 CSS，结果 Fable 5 反问了一句：「为什么要放一段办公室的录屏？」然后它把整个 Rust 引擎编译成 WebAssembly，让应用本身就是页面。这个叫 pixtuoid 的项目把你的编码 agent 变成终端里一间小办公室中的像素小人，支持 11 个 CLI，包括 Claude Code、Codex、Cursor、Copilot。演示站不是视频，而是同一个引擎按你本地时钟实时跑在浏览器里——凌晨 2 点访问看到的就是夜班。brew install IvanWng97/pixtuoid/pixtuoid 装好运行，开个 session 就能看你的 agent 坐到工位上。

这位韩国用户跑着双 Mac 配置：一台 Mac Studio 专职跑本地 LLM，一台 Mac Mini 承载 Hermes agent、OpenClaw 和其他服务。全部开满的情况下，两台机器总功耗不到 100 瓦。

AIAIO（Agents in Amnesia: Insane Ordinance）是一款游戏：你要在一切被 compaction 吞噬之前完成任务、击败 Agent 的退化。灵感来自 Sierra 的 Operation: Inner Space（用你真实的硬盘文件夹当关卡）和 Scorched Earth，作者早在二三月被 OpenClaw 折磨得死去活来时就有了构思。它会重放你最容易出错的会话：你的聊天记录和 agent 的退化、幻觉、谎言都变成武器，而你的每个动作都在把一堵「遗忘之墙」推向你。一个 observer 给你的操作打分，你的 AI agent 还会往关卡里塞定制语音和内容——没有两个人玩到的游戏是一样的，因为游戏本体就是你的会话历史。由 Fable 协助开发，宣传片出自 Sol。

这条帖子分享了一篇用 Claude Code 搭建 k3s 媒体服务器的文章。这次实践同时暴露了 AI-first 工程的速度和边界，痛点覆盖 GitOps、可观测性、存储调优和 Kubernetes 调试。

Claude Code 头 5 分钟看着更慢，但 4 分 36 秒出的 diff 省下了后面 50 分钟。账面成绩：5 分钟、1 个失败测试、1 个小修复、0 次莫名其妙的重构。agent 没有上来就写代码，而是先复现 bug，确认测试因为正确的原因失败，然后才动系统里最小的那块。修完后同一个测试通过，PR 摘要精确写明改了什么，reviewer 不用从 9 个散落的文件里反推故事。作者的结论：一个受约束的 agent，比一个放飞自我的天才 agent 更便宜。

作者引用 Claude Code 的原话：组装完整对齐 PyTorch 的 12 层模型需要几个小时的专注投入，鉴于本次会话已经交付了很多，它想休息一下。他觉得很诡异：一个脑子只有花生大的人类，长时间编码的毅力居然比 Claude 强。他的假说：随着上下文越填越满（Claude Code 现在已经不显示了），Claude 就越来越频繁地开始讨烟抽。

这位日本用户盛赞大幅改进的 Claude Code 移动 App，现在能显示 Dynamic Workflow 状态。他们用 Dynamic Workflow 并行跑多个 agent，从不同角度同时试玩自制游戏，统计数据汇总进 Artifacts。因为游戏本身有多职业、多 persona，这种并行多 persona 测试方案跟它简直绝配。

这位日本用户说 AI 客户服务生意很火：只是帮客户上手 Claude Code、教对方自动化生产 SEO 博客，合作就已经持续了四个月。只要比别人稍微懂点 AI 就会被重视，这单副业每月带来 15 万日元的可观收入。

一套用 Claude Code 做 X 增长的日式工作流。先手动找到你所在领域最好的标杆账号，然后让 Claude Code 顺着它的关注列表链式挖掘其他参考账号——好的创作者往往互相关注。接着让它按条件筛帖：与你领域同主题、近一个月曝光超 1 万、点赞 50 以上，再据此生成帖子草稿。如果预先把你自己的一手信息喂给 Claude Code，它就能轻松产出带你原创洞察的增长型帖子，作者说自己的账号就是这么涨起来的。

一条日语长帖，分享了用 AI 做 Web3 游戏的真实工作流程。第一步：和 AI 头脑风暴做企划，让它把所有规格都提出来，你只负责选——Claude Code 会主动问「你要哪个？」。第二步：用图像生成批量产资产，把 20 个素材塞进一张图再裁切，比一张张生成快得多。第三步：从一开始就按商店规则设计——应用内不允许 NFT 交易，所以游戏按账号绑定、交易放在网页端的前提来构建。作者的结论：这一切一个人就能做完，游戏开发的门槛已经消失了。

OpenClaw 动态：最新 beta 里 openai/gpt-5.6-* 系列模型的默认上下文窗口升到 372k，此前的模型是 272k。作者提醒：如果自定义模型 fallback 链里还挂着上下文更小的旧模型，可能出问题。建议是：本周稳定版更新推送后，fallback 链里只保留 gpt-5.6-* 模型，或者上下文窗口至少 372k 的非 OpenAI 模型——无论是默认如此，还是手动改这些模型在 openclaw.json 里的 contextTokens（注意不是 contextWindow）设置。

一套用 Codex 和 Claude Code 开发 Apple 移动端和桌面端 App 的详细工具链。难点在于：Apple 的 WWDC 讲座藏着海量知识却无法被爬取，模型做出的界面平庸、动画更差，而且模型很难「看见」应用，得来回对话很多轮。方案包括：emilkowalski 的 skills（尤其是新的 apple-design skill，npx skills@latest add emilkowalski/skills 安装）、用 Sosumi MCP 访问被 JavaScript 锁住的 Apple Developer 文档、把 MCP 使用说明写进 AGENTS.md/CLAUDE.md，以及在 Codex 上开启 Computer use 让 5.6 系模型端到端操作应用。进阶技巧：clone 一个 WWDC 仓库，用 ripgrep 读 catalog.json 和 topics.json 做渐进式披露；移动端用 OpenAI 的 Build iOS apps 插件；把 Swift 动画模板放在 /templates；规划功能时用 Deepwiki MCP 拷问 clone 下来的开源仓库里的模式。作者表示如果感兴趣的人够多，就把这一切打包成一个附带讲座 FAISS embeddings 的一键安装仓库。

一位不在家的用户发来崩溃求助：升级 5.6 时把自己的 OpenClaw 搞砖了，结果 Claude Code 远程控制完全无响应，人被卡在外面，只能问大家自己该怎么办。