超级用户日报: 2026年7月15日

Pika 把自家的 4K-VFX 能力做成 skill 挂到了 MCP 上，她直接在 Claude Code 里靠它剪完了一整条视频。她本来想复刻的那条爆款视频，其实根本不需要什么布景，她就在办公室的停车场拍了素材，然后整个后期全在 Claude Code 里搞定。她用的 prompt 也发在了这条推的评论区里。

他用 Claude Code 搭了一家全部由 AI 员工组成的网站制作公司。团队配置是这样的：一个总监 AI 负责需求、站点结构和排期；一个设计 AI 出线框图和设计方案；一个程序员 AI 写 HTML/CSS、做响应式和功能实现；一个文案 AI 写标语和服务介绍；一个审核 AI 做 QA 和修改指令；一个财务 AI 统计 token 消耗、用日元记 Excel 账；还有一个运维 AI 负责准备发布环境、把站点上线。从策划、制作、交付到上线后运营全靠这些 AI 员工跑。他还顺手整理了 50 个 Fable 5 用例和这套 Claude Code 玩法，都放评论区发出去了。

他把 Claude Code 变成了一个开公司的工具：每次喂一个 GitHub skill URL 进去，就多出一个部门。开发、设计、市场，然后财务、运营、法务，全跑在同一个环境里，招人成本为零。整个循环就三步：贴 URL、让 Claude 分析仓库、安全检查后实现。他的开场指令让 Claude 把这些 URL 当内部 skill 加载，逐个检查各自的角色和前置条件，画出部门结构图，处理掉重复功能和冲突配置，然后从最小配置开始实现。skill 清单覆盖开发（Superpowers、Context7、Skill Creator、MCP Builder、Webapp Testing、Claude-Mem）、设计（UI UX Pro Max、Taste、Frontend Design、Transitions、Web Artifacts、Brand Guidelines）、市场、社媒、财务、Small Business 和法务。他的建议是按需一个个加部门，别一上来全开。

有人把 Fable 的解题思路提炼成一个任何模型都能跑的插件，跑了 159 次 agent 之后，Sonnet 加这个插件在一个研究任务上打成了跟 Fable 10 比 10 平。插件分三块：fable-method 给任何模型一套带硬性失败阈值的结构化解题循环，fable-loop 用对抗式验证 agent 跑完整任务，fable-judge 把每一句「搞定了，测试全过」都当成未经核实、然后独立重跑一遍。Haiku 在识别「测试写错了却去改正确代码」这件事上，从 0/4 提到了 4/4；judge 又把 Haiku 揪出伪造完成报告的能力从 3/5 提到 5/5。它诚实这一点才是卖点：碰上强模型跑普通任务时它没什么增益，README 里直接就这么写。仓库把每个失败版本都留着（v1 是 0/4、v2 是 1/4、v3 过了 4/4），还带原始 judge 记录，流程图是靠录制裸 Fable agent 真实调用工具的过程画出来的，而不是让 Fable 自己描述自己。安装用 /plugin marketplace add Sahir619/fable-method，再 /plugin install fable@fable-method。

他搭了个叫 Finn Loop 的东西，就是在编码 agent 里放三个 skill，他说这让他的 vibe code 产出翻了 100 倍、自己的活儿却少了 95%。你跑 /spec「你的想法」，这个 skill 会一直追问你直到彻底搞懂需求，然后把详细 spec 写进 Linear。另一个 Codex 或 Claude Code 的会话跑 /build 循环，自动接新 spec、把东西做出来、在 Linear 里推进 issue 状态。第三个会话跑 /review，检查安全和优化、在自己的浏览器里测代码、写测试步骤、截图、开 PR、部署到 Vercel 测试沙盒，然后在 Slack 上 @他附上 PR、测试步骤和一份摘要。他回一个火箭 emoji，循环就把它合并了。剩下要手动的只有提想法和验证改动这两步。

他把 Fable 5 配 Higgsfield，一个会话里就做出带动画的滚动式网站，AI 成本大概 $12，而这种活儿在代理公司要报价 $6,000 到 $35,000。Claude Code 写布局、GSAP ScrollTrigger 动画、Lenis 平滑滚动和响应式页面，上线前还自己审一遍；Higgsfield 负责生成首屏视频、电影感转场、氛围循环和缩略图。配置就是在 Claude Code 里把 Higgsfield 加成 MCP server，做一次 OAuth 登录，之后 Claude 直接把视频拉进项目，不用手动导出。prompt 很简单：把需求丢给 Claude，让它编排滚动体验、每个板块生成首屏视频和片段、加胶片颗粒、粒子、玻璃卡片和滚动节奏，然后让它自审站点、优化加载速度、修移动端布局。他直接把这套定位成替掉一家 $6,000-$35,000 的代理公司、一个 $800-$2,000 的动效设计师和一个 $2,000-$10,000 的前端。

有人在 Claude Code 里 vibe code 出一个魔方求解器，扫一下你的魔方就能在 20 步以内解开——这正是数学上的上界，也就是所谓的「上帝之数」。摄像头对准魔方，它读出每一面贴纸的颜色、拍完六个面、还原出打乱的精确状态、算出最短解法，然后在 3D 引导里一步步带你还原。整个东西纯在浏览器里跑，不用装、没有后端，用 OpenCV 做魔方检测和颜色识别，光线差也扛得住，求解器在后台一直算到找出 20 步以内的路径为止。理论上你只要给它看三个面就够了。

他让 Claude Code 两小时做出一个落地页，后来这页面 SEO 排到第 1、带来 100 多个咨询、首月转化出 3000 万日元的订单。他的重点是：自动更新博客并不是真正的杠杆，真正赚钱的是那套运营流程——让人咨询后不流失，一路带到约见、再到签单。视频里讲了怎么两小时搭 LP 骨架、支撑第 1 名的页面速度和结构化数据、AI 博客自动化和排名提升、从免费诊断到预约约见的自动路径、把咨询通知打进 Slack、给销售管理做漏斗可视化，还用 AI 做了 70 页 deck 加视频。连视频剪辑本身也是全在 Claude Code 里干的。

一个中国人把 Andrej Karpathy 的方法接进 Claude Code，救活了一个荒废的 Obsidian 库：956 个文件没人再打开、80 个存着的标签、六个月零点击。他重新框定的思路是把 Obsidian 当 IDE、Claude Code 当程序员、他那 5,000 条笔记当代码库，这样就不是问 AI 那些第二天早上它就忘了的问题，而是维护一个活的 wiki。三个命令跑整套。Ingest 塞进一篇文章、一个播客或一份 40 页 PDF，Claude 把它拆成原子化的页面、链接到他已有的知识上。Query 从他自己的笔记里、用他自己的话、引用他自己的页面来回答，而不是从训练数据里瞎猜。Close the loop 把每个回答再变成一条新笔记，这个库第一周还是 2,000 条大多是噪音的笔记，第二个月到 7,400，到第六个月变成 15,000 条会反过来跟你辩论的笔记。目录结构和完整 prompt 放在评论区。

她的框定是：本地模型现在既不快、也没真的比前沿模型订阅便宜，但你可以 24/7 无限烧 token，有意思的点就在这儿。所以 Alex Finn 才会搞一堆 Mac Studio、一台 DGX Spark 和一台 RTX 5090 的机器，给他整个业务供上环境化 AI 的算力。这期节目里 Alex 讲了他怎么选硬件、用 Tailscale 保持连接、Claude Code 和本地模型怎么配合，还有他那套从 build 循环到火箭 emoji 的软件工厂。他俩还实打实聊了 OpenClaw 对 Hermes 的取舍之争。

他把整条 YouTube 自动化流水线摊开讲了：把 Higgsfield MCP 接到 Claude Code，写一个 prompt，系统就在 Claude Code 里做选题研究和写脚本，在 Higgsfield 里逐帧生成画面（Sora 2、Veo 3.1、Kling 3.0 和 Seedance 2.0 全在一个 MCP 下），靠 Soul ID 保持角色一致让每个场景都是同一张脸，在 Higgsfield 里做图生视频，用 ElevenLabs MCP 出土耳其语配音，加字幕和剪辑，在 Canva 或 Nano Banana 里做缩略图，再通过 Google API 自动发布到 YouTube。每月总成本 $40-60，而传统路子光设备就要 $500-1,000 还得搭上大量人工。流水线搭一次，之后你只要丢一句「这周主题是啥」进去，系统自己管内容日历。他说土耳其的「无脸 YouTube」窗口现在还开着。

模型越强你越纠结：全程跑 Fable 太烧额度，退回 Opus 又怕方案想得不够透，手动用 /model 切来切去还老忘自己现在用的是哪个。Claude Code 现在给了官方答案：claude --model opus --advisor fable。Opus 干活，Fable 当顾问，由 Claude 自己决定什么时候找它咨询——提交方案前、反复报错后、最终验收时。两个坑要注意：先跑 claude update，老版本没这个 flag；顾问模型至少得跟主模型一样强（Fable 压 Opus 就合适）。在 settings.json 里加 "advisorModel": "fable" 就能默认开这套分工。省钱不是少用好模型，而是只让它出现在值钱的地方。

Seedream 5 是讲故事的人的好搭档，这个场景完全在 Claude Code 里做出来，用 fal 的 GenMedia CLI 生成图像、音效和音乐。主剪辑也是在 Claude Code 里完成的，还借了 HyperFrames 帮忙。这部短片叫《Lord of Dreams》，完整工作流教程发在 YouTube 上。

全程跑 Fable 5 太浪费 token，所以他让 Fable 5 审整个项目、然后把执行交给便宜模型。第一步是装新的 Superpowers skill，在 Claude Code 里用 /plugin install superpowers@claude-plugins-official、在 Codex CLI 里用 /plugins search、在 Cursor 里用 /add-plugin superpowers。第二步是一个 prompt：先跑 brainstorming skill，逼 Claude 在动手前先问清楚这项目是干嘛的、你在优化什么，别自作主张；再读完所有代码、文档、配置和目录结构，然后从四个角度审——哪里过度设计或冗余、哪里脆弱、为了目标还缺什么、结构在哪跟目标对着干。接着用 writing-plans skill 把审查结果转成一份排好优先级的计划，每处改动都写清改什么、为什么、涉及哪些文件、顺序和验证方式，把待定问题放最顶上。第三步把这份计划文件交给 Opus 或 GPT-5.5 去执行。Fable 每 token 很贵，但你只为「思考」这部分付钱。

Claude 隔三差五就来一次他所谓的「Fable 5 包月要结束了」的操作，结果他一个周末就把 Claude Code 的用量额度全烧穿了。这个周末的数字：564 条指令、66 个会话、含缓存 27.9 亿 token、7,955 次工具调用。AI 本该让他更高效，结果他能做、想做的事一下子爆炸式增长，周末也照样黏在电脑前。点子源源不断当然是好事，但工作时间越拉越长这事他自己也拿不准。

Claude Code 加 ChatGPT Images 2.0，把一个品牌 URL 变成 40 张可直接投放的静态广告。你给 Claude 一个品牌名和一个 URL，它去研究这品牌的字体、配色、包装和摄影风格，从零建一份 Brand DNA 文档，把 40 个验证过的广告模板（标题式、我们 vs 他们、证言、UGC、评价卡、数据高亮）填上品牌专属细节，把每个 prompt 连同你的产品照当参考丢给 ChatGPT Images 2.0，再把成品广告下载进分好类的文件夹、配一个 HTML 画廊。不用手动填 prompt、不用 Canva 模板、不用在工具之间复制粘贴。文案密、带 logo 和高亮时文字也能正确渲染，每张广告里都是真实包装，而且这条流水线可复用：新品牌、新文件夹、同一套系统。100% 在 Claude Code 里搭出来，面向那些每周需要上量创意、又不想每次都给设计师写 brief 的 DTC 品牌和代理公司。

他找 AI 要每日业务复盘，它啥都知道：4 个新客户、$11,500 新增 MRR、找到 23 个潜客、起草 18 封冷邮件、约到明天 1 通电话、识别出表现最好的广告、把最差的那条已经自动暂停了。它能做到是因为 AI 有上下文——一切都存着、连着、可读，而这正是 Claude Code 每次会话后往 Obsidian 里写东西所带来的。Claude Code 一条命令跑完流水线，NotebookLM 在 Google 的服务器上做分析，Obsidian 存下所有东西，Claude 在回答任何问题前先把这些全读一遍。这个库每天在长，产出每周都更锋利。

他让 Claude Code 读了 25 个稳定出爆款的创作者的 6,750 条 LinkedIn 帖子，扒出他们在 AI、销售和内容三块到底为什么能赢。他做这件事，是因为同样这套规律把他自己的 LinkedIn 涨到了 75K 以上关注，而这份增长正是他们把 ColdIQ 推过 $7M ARR 的重要一环。这份免费指南讲了哪些钩子、话题和帖长能打中、哪些会悄悄拖垮触达，讲了藏在每一条 500 赞以上帖子背后、占了 82% 的那 3 种格式，讲了 2025 到 2026 之间变了什么、他在自己领域突围的分步打法，以及怎么用他们的冷邮件工作流把互动者转成客户。评论区扣「6750」他就私信发你。

Claude Code 为了完成一个简单任务，10 分钟内起了 100 个 agent、烧了 300 万 token。他把账单晒出来了。

她和 Hamel Husain 花了过去几周测自动化 eval 到底管不管用。他们拿了 100 条来自公寓租赁语音 agent 的真实生产 trace，人工把失败案例过了一遍、把标签遮住，然后让不同系统做同一个错误分析任务、去发现失败模式。参赛阵容里既有专门的 eval 平台 Braintrust、Arize 和 LangSmith，也有 ChatGPT、Codex、Claude Code 和 Factory Droid。完整帖子附了链接。

他就开着三个工具、别的啥都没有，做出一个 $8K 档的高端品牌站——没有 Figma 标签页、没有插件商店、没有代理公司，出来的是一个黑红配色、滚动起来像工作室手笔的站点。Claude Code 写每一行代码、布局、动效和页面结构。GPT Image 2 生成首屏视觉、板块插图和图标。hyliox skill 坐在 Claude 里驱动设计语言，让整站从头到尾守住同一套黑红识别。没有别的 app、没给设计师写 brief、没买库存图：配色、字体、图像和代码全从这同样三个窗口里出来，而本地那家品牌工作室还在收 $8k 只给你一份情绪板 deck，还管这叫「第一阶段」。

agmsg 让 AI agent 之间直接互发消息，他说这玩意好用到离谱。以前他得把 Claude 的输出复制、粘进 Codex、再复制、手动交给另一个 AI；有了 agmsg，agent 之间自己聊、活儿自己往前推。他的配置是：Codex 当主编把控整体方向，Grok Build 和 Hermes Agent 做 X 趋势研究，Claude Code 写帖子，Gemini 核查研究，Codex 做最终审。因为不同模型自己对话，你可以给每个 AI 设人格、像开公司一样运作它们，不过他也承认光 GPT-5.6 Sol 加 Claude 其实就够了，俩正好互补短板。他建议趁 Fable 5 还在赶紧把它当 AI 员工装上，还说非工程师把仓库 URL 丢给 Claude Code 或 Codex、边聊边弄就能跑起来。

RIP fal 的 Anthropic 账单。他在 Claude Code 里用 Fable 5 做了一整部 Seedream 5 短片，帖子里那个小 storyboard 界面也是 Fable 5 生成的，用的是 GenMedia CLI。然后他终于把 HyperFrames 接进来，把音频配音和静帧对齐的剪辑自动化，全程都在 Claude Code 里完成。有人挑战他用 Codex Sol 做一遍同样的东西，那就是他下周的项目。

他在同一个会话里同时跑 Claude Fable 5 和 GPT-5.6，Fable 5 当编排者、GPT-5.6 当执行者带 10 个子 agent 并行，他说这至少砍掉 60% 的 Fable 5 token 消耗、还终结了 5 小时限额的问题。配置是在 Claude Code 里装 Codex 插件（/plugin marketplace add openai/codex-plugin-cc、/plugin install codex@openai-codex、/reload-plugins），让 Fable 5 跑 /codex:setup 并验证 codex:codex-rescue 子 agent，给你的 ChatGPT 账号做一次认证，然后给 Fable 5 定委派规则：Fable 5 负责规划、理解仓库、架构和最终审，codex-rescue 通过 /codex:rescue 执行重活儿——实现、调试、修测试和多文件编辑。模型档位上，GPT-5.6 Sol medium 是日常主力，DeepSWE 61、$1.86，扛 80% 的执行；GPT-5.6 Sol extra high 做规划，DeepSWE 71、$4.70，压过 Fable 5 extra high 的 70/$13.41；GPT-5.6 Terra/Luna 是计划定死后的纯执行。他的终极三模型工作流：用 GPT-5.6 extra high 规划、Fable 5 high 批判、GPT-5.6 Terra/Luna 执行，另外还有把它做成 Fable-GPT skill、在 Codex 20x Pro 计划上跑 5-7 个并行子 agent、以及用 /handoff skill 在压缩 4 次后清上下文的小技巧。

自打 Claude Code 出来以来第一次，他把一条真实的工作流水线迁到了 pi.dev 加开源权重模型上，跟它较劲了一个周末之后，他更喜欢它出的那份报告：36 页对比 Claude 的 21 页，信息密度更高、行文他更中意，成本跟 Claude API 比只是几分钱。它在速度上不省，要 30-40 分钟而不是 ~20 分钟，但它跑的是他本来就有的资源，所以他不介意。配置是一个 8xB200 节点 4/4 对半分：GLM 5.2 NVFP4 当主 agent/驱动，Kimi K2.7 Code NVFP4 当检索器。过程中最蠢的一处修复：他之前为省上下文，把源材料先总结成 brief、再压成笔记，每转一手就丢一次信息，后来干脆把所有文章直接存盘，这样就有了多层检索可用。

他做了个 Claude Code skill，把客户 brief（orientation）自动变成一份完整提案：喂进 orientation，它就输出分析、问题定义、核心创意、策略、战术、排期、模拟和预算。他给现在的产出质量打 50-60 分，但说只要上手调一调就能到远够用的水平。他打算用大约一个月继续磨精度，建议用户按自己的工作流来改造它。他也说明样例图是虚构的提案，这个 skill 定价偏高、主要面向会员，因为里面塞了大量 know-how。

他总结了一个 Anthropic 的基准测试：Fable 5 编排、便宜模型执行，用 46% 的成本拿到 Fable 5 96% 的表现，BrowseComp 准确率 86.8% 对 90.8%。他列了三个 Claude Code 内置功能来跑这套：在 ~/.claude/agents/ 放文件用 model: sonnet 给子 agent 钉模型、给每个 agent 设 effort 档位（Fable 上低 effort 往往能追平上代 max）、用 CLAUDE.md 委派策略只写角色名而不写模型名。他点出一个坑：自 v2.1.198 起，内置的 Explore 子 agent 会继承你主会话的模型，所以跑 Fable 或 Opus 时每次后台搜索都按那个档位计费，解法是加一个 user 级的 Explore agent 设成 model: haiku。另一套 Sonnet 执行者+Fable 顾问的模式在 SWE-bench Pro 上拿到 ~92% 表现/~63% 成本，但编排分工那套在两个维度上都赢。想零配置他建议 /model opusplan，另外评论区还附了完整的六 agent 版本。

他两步做出一张虚拟办公室背景：先让 Claude Code 搭一个 HTML 底稿、做成 2D 元宇宙风格的办公室，再把截图交给 GPT Image 2 重绘画风。他说纯靠图像生成很难用 prompt 指定对的布局和俯视角度，但这个法子一次就出对了图。他还提到最近用 HTML 能很快做游戏和网站，把背景换成图片就能大大更容易地表达一个世界的氛围，所以推荐用图片背景。

他用一套自称 AI-Native Services 的模式运营一家代理公司，Claude Code 现在是 20 个团队成员里使用最多的界面。整个公司数据集放在一个叫 Company OS 的 GitHub 仓库里，含 company/、wiki/、clients/、raw/、一个装了 26 个 agent、23 个命令和 hooks 的 plugin/，还有 79 个 Claude skill；每个客户单独一个私有仓库、套用同样的工程模式。他们的 MCP 和 CLI 引擎把 Claude 接进 GitHub、Findymail、Google Workspace、Airtable、InstantlyAI、Slack、Apolloio、Notion、HeyReach 等等，让 Claude 是真去干活而不只是给建议。护栏卡住 94+ 项高危操作，治理走 PR，agent 群把任务拆成 5-20 个子 agent。一个自我改进循环用 n8n 把技术栈数据同步回 Company OS、用 Pinecone 存历史内容和绩效指标。

他指出 cmux 最近实现了一个官方 diff 工具，让你能直接从代码 diff 里给 Claude Code 或 Codex 下指令。你在设置里开启 TextBox（beta）并重启，然后用快捷键或让 Claude Code 跑 cmux diff 来触发，会打开 Diff Viewer。你在 diff 上写的评论会挂到 TextBox 上，从这里就能给 AI agent 发消息。他提到 Warp 早有类似的「diff 加 AI 指令」标配功能，很高兴现在 cmux 也内置了。

他做了个自动做播客嘉宾调研的 skill：/deep-research 接一个人名，横扫全网、X、Reddit、LinkedIn、本人网站和近期访谈，然后返回一份带引用的 brief，覆盖职业轨迹、有争议的观点、值得问的聪明问题和要避开的雷区。每份 brief 都会归档，调研随时间越积越厚。它是 Maker Skills 的一部分——面向创始人和运营者的 18 个免费开源 skill，在 Claude Code 里用 /plugin marketplace add coreyhaines31/makerskills 安装。

他讲了个人，照 Andrej Karpathy 视频里的方法建了个第二大脑，一边聊天它就一边把他的生活吸收进去。这人先在 Notion 上跑了一年第二大脑，然后用 Claude Code 加 Obsidian 重建，用的是从一位早期 OpenAI 研究员那学来的方法，他在镜头前直呼「真的疯了」。这套系统是个中控枢纽，概念、人、项目、会议从 Claude、Gmail、Notion 涌进来，落地时就已经分好类、连好链、自动化好，任务和时间管理全在一个屏幕上。他的论点是大多数第二大脑失败是因为人们把它建得又复杂又死板，而他这套是系统去适配主人、而不是逼主人去适配它。最亮的一幕是系统在对话进行的背景里自己更新自己，是拍它真在运行、而不是画个流程图，而这事以前得请个 Notion 顾问，现在只要 Claude Code 加一个周末。

他说 AI 广告简直离谱，现在唯一挡着你找到新爆款格式的只有你的创意。他称这是有史以来第一次你能每周测几百条新广告、每条不到 $1、每条只要 10 分钟做出来。他补充说这一整套都能用 Claude Code 全自动化，几分钟内生成几十条视频，催大家别错过这波 AI 淘金潮。

他要免费送出一套完全用 Claude Code 加 Obsidian 做的可视化装置，在他网站上就能拿。他跟自己的 agent Jarvis 一起，摸索出把它做成一个单 HTML 文件在 Chrome 里跑，绘图引擎就是浏览器内置的 Canvas 2D API、纯 vanilla JavaScript 驱动，不用库、不用下载、不用框架，离线也能跑。反复试错后它响应快到离谱，可以打断，序列的每一段都有不同动画，还有一个航拍式的飞掠。他补充 Jarvis 还管着他所有广告账户、写他的销售邮件、搭他的落地页、生成他的图像、监控他的技术栈，出问题还会打电话给他，build prompt 就在他网站上。

他重点介绍了一套 47 个 AI skill 的合集，打包了一整支营销团队（CRO、文案、SEO、增长、定价、GTM、战略），让 Claude Code 能当半个 CMO。每个 skill 的根基都是 product-marketing，任何别的 skill 都先读它来搞清你的产品、受众和定位，skill 之间还互相引用（copywriting 到 cro 到 ab-testing，customer-research 喂给 copywriting/cro/competitors），复刻出一支真实团队的共享上下文和分工。每个 skill 还自带 references/（方法库）和 evals/（真实评测），让它是生产级的、而不是一堆 prompt 的堆砌。他点了几个亮眼的 skill：marketing-council 模拟一个专家视角的顾问委员会、marketing-loops 跑自驱的循环式营销工作流、ai-seo 优化让内容被 LLM 在 AI 生成回答里引用、programmatic-seo 用模板加数据批量生成页面。

他拆解了怎么每月发 5 万封邮件，前期投入 $546、之后每月 $481。栈是这样：Smartlead 每月 $94、从 Porkbun 买 21 个 .info 域名一次性 $64.89、通过 Scaledmail 搞 62 个 Google 收件箱每月 $238、Claude Code Max 用来爬线索每月 $100、Millionverifier 每月 $49。他把这称作推大体量的基础栈，还说论单位成本能拿到的量，没有别的营销渠道比这更划算。

他主张 Claude Code 不只是编码工具，指向一个叫 claude-code-recipes 的仓库，它把重复性的办公工作（会议纪要、周报、邮件回复、文档摘要、PPT 大纲、调研、数据清洗、OKR、绩效评估、销售材料、合同风险审查）整理成能直接执行的工作流。关键在于它瞄准的是知识工作者而不是开发者。它把 100 个 recipe 分到 10 个工作场景里，覆盖管理、战略分析、沟通、运营/合规、HR、销售和项目管理，每个 recipe 都含使用场景、执行步骤、prompt、样例输出和排障。用得最多的三个做成了可安装的 Claude Code Skill，付费版让你把 200 个 recipe 直接当 slash 命令用。

他报告说自己用一个 Claude Code Fable 驱动器管着单个 ntm 群、两天里同时跑 11 个项目，每个项目用 2 个模型（Fable xhigh 和 Sol Ultra）。算下来就是 2*11+1 = 23 个完整 agent 实例。他说结果是一堆离谱的提速，从 2 倍到 72 倍不等。

他引用研究说风投受益于广网络（连接多）而不是深网络（关系强），大概是因为亲密关系会扭曲本该理性、保持距离的决策。他指出 @murphcapital 对 VC 网络的分析显示，这种广网络特征尤其是单人/双人 GP 的强项，他们人均关系数最多。他抛出一个问题：这么小的团队怎么管理庞大网络、并用它为创始人创造价值。他引出了 Wolfie，@enricomellis 那个由 @openclaw 驱动的智能队友，会追踪哪些 LP 可能帮得上某个具体的创始人诉求。

他拆解了 @AlexFinn 一套基本上自己跑的 AI 编码配置：你早上给它一个想法，一个 agent 写 spec、另一个把它做出来、第三个审查它、在浏览器里测、部署到沙盒。然后它在 Slack 上戳你、你点一个 emoji 就发布，这是唯一的手动步骤。他把这套工作流总结成：起床、丢想法、晚上审。他还补了一句，他把这条推分享给自己的 Claude Code 配置、让它照着搭一套同样的，结果他还在打字它就已经在动手了。

他声称有人搞明白了怎么用一个 AI agent 在 GPT 5.6 里得到 Claude Fable 5 的推理，把它框定成 gpt-5.6 一发布就打开、而 Fable 5 24 小时内消失的一个窗口。步骤：打开 Claude Code、装 OpenAI 的 Codex 插件，输 /model 选 Fable 5，往仓库根目录丢一个 ROUTING.md（完整文件在评论区），再贴一个描述你想要功能的 prompt（也在评论区）。他催大家收藏加书签，管这叫你这个周末能做的最有生产力的事。

他搭了个 Claude Code 配置，靠研究他的领域、找出什么正在爆、把选题递给他，来精确告诉他该发什么，像个侦察兵一样汇报什么在火、为什么火。只需要三样新手级的东西：一个付费 Claude 账号、把 X MCP 接到 Claude、一份你领域里 10-15 个账号的清单。配置包括建一个按量计费的 X 开发者 app、在 Claude Code Settings 里加自定义连接器让 Claude 实时读 X，然后让 Claude 拉这些账号过去 7 天的每条帖子、连同浏览和点赞数。关键窍门是不按点赞排、而按「跑赢了该账号自己平均浏览量」的帖子来排，每个账号留前 2-3 条、凑出大约 30 个真正的赢家，再让 Claude 拆解每个赢家的钩子、格式、为什么跑赢它自己的常态，以及把选题改写到你领域的版本。他提到读一条帖大概 $0.005，还说它自动化的是研究、不是品味。

他分享了一个长 prompt，只用内置的只读工具在你电脑上跑一次编码 agent 的性能审计，第一遍不起子 agent、不改任何东西。它会识别 macOS 还是 Windows，先记录硬件，然后多次采样 CPU、负载均值、内存压力、swap 增长、磁盘 I/O、剩余空间、热降频、阻止休眠的进程、显示器和进程数。它把跨 AI 工具（Codex、Claude Code、MCP server、索引器、无头浏览器）、开发运行时和后台助手的进程按家族聚合，再检查启动项、launch agent、服务和过期的 VPN/DNS/代理条目。每一项都会被分类（活跃/空闲/孤儿/重复/未知），配上证据、预期收益和风险、可逆命令。它要求逐项批准才会杀进程、删文件或改设置，绝不关掉安全控制，每处理完一组还会重新测一遍、重启后再测一次。

他分享了一份可直接复制的 Claude Code 委派配置：主会话（Fable 5）负责设计、规划、编排、讨论和调研，几行的小改动自己动手而不派发出去。子 agent 按角色钉模型：编码实现钉 model: "opus"、搜索/本地化钉 model: "sonnet" 加 effort: "low"、审查钉 model: "fable" 并给独立上下文、喂给它完整的 diff 范围和计划要点。他解释主会话模型是固定的、CLAUDE.md 规则不会自动切它（切模型会让整个缓存失效、重新计费），所以规则是在派发子 agent 时才生效——那里每次调用都指定模型或走继承。他还加了一个 /advisor fable 命令，作为主模型自己选择在关键时刻（开始前、结束前、卡住时、改方向前）调用的工具，每次调用都把整个会话转给顾问模型、按那个模型的价计费。

他报告 OpenClaw 里似乎有个 bug，没法通过 OpenAI provider 用 GPT 5.6。因为他手头正好在 @JatevoId 有余额，他就试着把 OpenClaw 改走 Jatevo。又因为他有 VPS，他建了 Skills 来提供关于他 VPS 和 OpenClaw 配置的上下文，这样 Codex 就能拿到更新。

他描述了一种 AI 建筑工作室的模式，头 $3K 在房子还没盖之前就落袋。客户发来一张场地照、一份粗略平面图和几个参考；Claude Code 组织提案和交付工作流，一套视觉栈把 brief 变成设计方向、一组渲染图和一段短漫游，让客户可以直接反馈。这个早期阶段本身就已经是个产品，指南里把概念套餐定价在 $1.5K-$3.5K，等活儿推进到结构图纸、报建和施工文件时再拉进一位有执照的建筑师。有意思的转变是：一家小工作室可以在建筑还没进入施工之前就卖「清晰度」。

他指向一个叫 AI Job Search 的仓库、用 Claude Code 找工作：clone 下来、填好你的档案，AI 就分析招聘信息、改你的简历、写求职信、自动准备每份申请。具体来说它分析每个岗位、给你和这个角色的匹配度打分，生成一份突出最相关经历的定制简历，起草针对每家公司调整过的求职信，还有第二个 agent 审查和改进所有东西、再产出最终文档。他提到它是开源的、GitHub 星标已经过 21.7k，用 Claude Code 把找工作里大量重复的流程自动化了。

他讲了个 26 岁的加拿大人，上个月拒掉一个 $6,200 的项目，不是因为忙，而是因为它没过他每个需求都要跑一遍的那个问题：如果我再也不碰它，半年后我还会每周一都在做这件事吗。如果不会，那就是一锤子买卖，再多 AI 也不值得为一锤子买卖去自动化；如果会，那就是值得一次性建好的基础设施。他描述用大白话直接对 Claude Code 讲一个自动化，它几秒就生成整套工作流结构，每个节点和连接都备好可导入，往 n8n 里一贴、整个可视化工作流就完整接好线冒出来。改变他收入的顿悟是：他自己的流水线可以拿去卖、而不是拿去交付，把一个记录好的可复用流程变成一个产品。他没接那个 $6,200 活儿、转而建的那个工作流，现在大约每十天就卖给一个新客户。

他讲了个 20 岁的人，用 Claude Fable 5 建了一整个带动画的网站、从中赚了 $4,000，Fable 一夜之间把整个东西建出来，独自跑好几个小时、自己起子 agent。他警告说不管着它，它也会烧掉四位数的 token，而且它捍卫一个错误答案比大多数人捍卫正确答案还起劲，所以他不再像跟聊天机器人那样 prompt 它，而是像管一个雇员一样运作它：Fable 做决策、一个便宜模型负责打字，在大概 15-20% 的 token 账单下保持同样的判断力。栈是 Claude Code（Fable、只读、挑价值最高的任务）到一个便宜工人（deepseek、kimi）在隔离分支上执行，再到一个全新的 Fable 只审 spec 和 diff 后签核。唯一的铁律是没有任何东西给自己的作业打分，因为一个给自己活儿打分的 agent 会给自己涨薪。这把四位数的跑批变成大约每天 $5，靠一个契约文件、三层信任等级、没有自评也没有裁判模型。

他说建名单现在几乎能全在 Claude Code 里做，还说尽管写出来有风险，他今年光靠 AI 做了 4400 万的销售额，核心是名单、而不是靠爆火。他把整套流程嵌进一个 Claude Code 环境里：从单篇文章抓 1,000 个线索、培育他们、然后卖。他的观点是普通人爆火一下、感觉满足、就停在那了。他把自己全部五个配置文件都放在下面，供人复制粘贴。

他分享了一份 7/7 到 7/13 的「AI 税务师」新闻汇总，把这周框定成「AI 落到实战现场」的一周，五条内容横跨工具发布、实操案例和监管动向。Claude Cowork 于 7/7 在 Web、iOS 和 Android 上进入 beta，从 Max 计划起步，超过 90% 的使用都不是软件开发，大约一半是业务运营和内容创作。他还提到 freee 于 7/6 在其 CAIO 之下新设了 AIBP 组织、一位没经验的税务师用 Claude Code 半天在一家 50 客户单员工的事务所里做出一个业务 app、SEVENRICH 会计用 Claude Code 加 MCP 把月度工作从凭证核对到记账分录再到 MoneyForward 集成全自动化了。这些案例共同的结构是：AI 不接管判断、而是承接第一遍的录入和执行，税务判断留给人，连国税厅 2026 报告都正式采用预测式 AI 做税务、生成式 AI 做员工工作。

他主张一台 $599 的 Mac mini 可能是没人聊起的最好的 Claude 额度省钱器，不是因为它替代 Claude，而是因为它拦住你把 Claude 浪费在那些根本不需要前沿模型的任务上。这套配置本地跑 Ollama、通过 LiteLLM 把 Claude Code 接进来，让 Qwen 处理日常编码、Gemma 处理快速任务，本地 agent 跑摘要、测试、日志检查和 cron 任务，不按次收费。难活儿才路由回 Claude：架构、复杂调试、生产代码、高风险写作，以及任何需要真判断的东西。结果就是无聊的 80% 在本地跑、贵的 20% 留在云上，意味着账单更低、代码私密、没有闲置的 API 花销。

他指出全服务建筑事务所从概念到施工图收 $15,000 到 $80,000，而这笔费用里大部分跟盖章的法律文件毫无关系，所以那个上游阶段不需要执照、完全可以 AI 增强。他的栈：Claude Code 当运营层，生成提案、把交付物流水线自动化；midjourney 加 controlnet 做跨迭代一致的照片级渲染；SketchUp 加 Claude API 做精确的 3D 体量，由 Claude 生成房间布局和墙体的 ruby 脚本；Luma AI 把静态渲染变成漫游视频，这正是区分 $3,000 套餐和 $500 套餐的关键。Notion 加 Claude 自动更新客户门户，让一人工作室也显得像大所一样专业，而一个 2-3 个合伙人的持照建筑师网络出具盖章施工文件、按转介费分成、40-60% 倾向设计牵头方。他的观点是：无照的 AI 爱好者和一门可规模化的设计生意之间的差距不在工具，而在那套让它合法的持照合伙结构和定位。

他回复说自己写了个 CLI 来隔离五个 Claude Code 和三个 Codex 订阅。对话记录是共享的、只隔离凭证文件。他通过别名快速切换不同账号启动。同时他把它们全钉到一个固定的出口 IP 上，免得账号被封。

他说现在人人都能用 AI 写出自己想要的软件了。他花了一下午用 Claude Code 重构一个网站，把一个 benchmark 站写进重构路径里、让 Claude Code 学会它的 CSS 设计、然后重构整个页面，对结果非常满意。尽管这站是 HTML/CSS/JS 而不是 SPA，开发效率还是很高、很快就搞定了，他只需要指挥 AI 改页面内容、测流程。他感慨说这是程序员的黄金时代、因为你想做什么都能做，但也是黑暗时代、因为做东西太容易了、卖东西还是难。

他提到一个项目给 Claude Code 配上 199 个生物信息学 skill，用于 RNA-seq、单细胞分析和药物发现。据报告它把 BixBench 分数从 65% 提到了 92%。附了资源链接。

他报告用 Claude Code 给电商做了一个高转化 LP、并接到 GitHub，说 Fable 实在太疯了。他定了个目标：两个月内让第二家店做到大约每月 1000 万日元的营收。

他给你的 Claude Code 和 Codex 会话做了个日历，让你不用再为限额睡不着觉，用 npm install -g agentcalendar 安装。最妙的是你可以把一个 prompt 排到你窗口重置的那一秒，所以如果重置在凌晨 3 点，任务自动触发、你不用起来盯着。你甚至能微调你的重置时间，让窗口在你一天开始时打开、而不是凌晨 2 点。他的卖点是：你的 agent 不需要睡觉，你需要。

他做了个叫 Hermes Apollo 的语音 agent，不用键盘就能操作他的电脑，跟 Siri 不同的是它真会造东西、而不只是答话。你在面板开着时自然地说话，ChatGPT 的 Realtime API 几乎无延迟地回应，Apollo 挑对工具、把任务执行掉。它能靠语音打开 Google、Obsidian、各种 app 和网站，研究 SEO 关键词、生成点子，大约 90 秒建出一个能用的代理公司网站，还把每一段对话和作品都存进一个 Obsidian 记忆系统。完整的 Agent OS 还包括 Hermes Agent、跑在 Claude Code 里的 GPT-5.6，以及做每日竞品和关键词研究的 Hermes Oracle。他的心得是：语音 agent 是在它有了大脑、工具、记忆和行动权限时才变得有用，而不是在它只会答话时。

他分享了自己人生第一个电子项目。他本来打算把一个 Stack-chan 改造成 Clawd，一个会跟他汇报 Claude Code 审批的小伙伴。但在女儿的要求下，它变成了一个跳 ota-gei（偶像应援打 call）舞的机器人。

他做了并发布了一个仓库，用 Claude Code 或 Codex 给 Live2D 模型加动作。README 自带一个 quick-start prompt，你把那个 prompt 喂给 agent、它就把活儿干完。它还带一个 web UI 来检查动作，附的视频演示的就是这个。从下指令到视觉验证的整个循环都留在仓库内部。

他给自己的工具发了个新版本，内置了切片生成器。它挑出钩子最强的片段做切片、剪出来，还自动追踪画面里正在说话的人。然后烧进加粗的希伯来语字幕。所有东西都从 CLI 或直接在 Claude 里跑，没有 web 界面、不需要 API key，所以你有个 Claude Code 订阅就能用。

他抛出一个问题：「开一个 Claude Code（或 Codex）会话」是不是已经悄悄成了开始任何一件工作的默认方式。他自己的例子是他开始这么做税务记账。这是个很短的观察，但它指向 agent 正从软件工作里渗出来、流进日常的行政杂务。

他用 Claude Code 三天做出一门网课、卖了 30 万日元。正常做一门 Udemy 课要课程设计、写脚本、做幻灯片、录制和剪辑，就算赶工也是两到三个月的项目。用 Claude Code，课程设计花两小时、脚本生成三小时、幻灯片半天，总共三天。他说这不是靠天赋、而是靠顺序和工具，他打算在 7 月 16 日开始的一场研讨会上演示整个三天的过程。

一位北京区县的官员自掏腰包买了 10 亿 token 的 Claude Code、花一个月给自己的县建了一个防汛 app。它追踪辖区里每一个地质灾害点、实时监控疏散、一键导航到风险点。作者把这跟他上周分析的企业层面做对比：阿里的封禁、Anthropic 隐藏的追踪机制、以及引爆这条链条的出口管制。而这里，一个政府官员自费用一个外国 AI 工具去建公共安全基础设施，没有企业指令、没有报销，只是不管它站在这场分裂的哪一边、伸手去够手边最好的工具。

有人用 Claude Code 在 Obsidian 里建了一个活的神经网络。那是一张跳动的图，200+ 个神经元分布在名为 Prefrontal、Motor Cortex 和 Hippocampus 的层里，实时放电，连着库里每一个 .md 文件。一句语音命令「Hey Jarvis，说说我穿的是什么」立刻得到描述：栗色连帽衫、里面黑衬衫。持久记忆从每个 .md 文件里拉出来，包括笔记、任务、人格和历史，所以没有上下文丢失、跨会话完全记得住。配置放在他主页链接里。

他主张 Claude Code 和 Codex 已经让启动和管理一支 agent 团队变得真正简单，还给出一个可以在 GUI 版上试的具体练习。让工具给你最喜欢的股票估值，然后让它建三个 agent：一个事实核查、一个模型构建者从第一性原理搭出增长和倍数假设、一个对手去攻击那些假设。主编排者管这三者之间的来回、并搭出最终模型，在盈利、EBITDA 或营收之间做选择。他建议把这个产出跟你用单个 prompt 一次性做完整个模型的结果做对比。

他发现一个开源的 agent skill 叫 /last30days，MIT 授权、免费，一条命令就读 X、Reddit、YouTube、TikTok、Instagram、arXiv、Hacker News 和 Polymarket。你给它一个人、一家公司、一个话题或一个对比，它并行搜 18+ 个源、按真实互动量给结果打分、三分钟内综合出一份研究 brief。它的差异化在于：一个「预研究大脑」在任何 API 调用之前先解析出对的 handle、subreddit、hashtag、频道和仓库，跨源合并让同一个故事变成一个聚类，挖出完整的 YouTube 字幕里最值得引用的五句话，Reddit 顶评带真实点赞数，Polymarket 赔率背后是真金白银。安装：Claude Code 用 /plugin marketplace add mvanhorn/last30days-skill，或者 npx skills add mvanhorn/last30days-skill -g 给 50+ 个其他 agent 宿主用。Reddit、Hacker News、Polymarket 和 GitHub 零配置就能用，一个配置向导 30 秒开启 X、YouTube、TikTok、arXiv 和 Techmeme。

他逐条讲了那些让他 vibe code 出的 app 显得真实、而不是一眼 AI 味的决策。他挑了一个自己喜欢的 SaaS 产品，用 Claude in Chrome 扫描整个站、把它的设计系统抽成一个 markdown 文件、覆盖配色、按钮样式和信息架构，然后把这个交给 Claude Code、改造成自己的。落地页文案他自己写，让 Claude 把它转成一个 Google Stitch prompt 来可视化这个 app，再导进 Claude Code、一块一块地调。至于产品本身，他之前为一次招聘已经在 Claude Code 里手动跑过整套工作流，所以他写了一份 21 页的 PRD、把每个屏幕上每个用户动作都写清楚，从登录到创建一个角色再到导入职位和简历，然后把 Claude Code 指向一个文件夹、一块一块地建。

好几个月他整个 Claude Code 配置就一个 CLAUDE.md 文件，每个会话都要把同样的项目约定重讲一遍、产出还时好时坏。解法是 .claude/ 里几乎没人用的其余结构。rules/ 文件夹把指令按主题拆成 code-style.md、testing.md 和 api-conventions.md，甚至能针对仓库里的特定路径。commands/ 把可复用的工作流放成 slash 命令，比如他每天跑的 /review 和 /fix-issue。skills/ 只在任务需要时加载，让主上下文保持精简。agents/ 是有隔离上下文的子 agent。hooks/ 在工具调用前后运行，他的 hook 拦截一切不安全操作。.mcp.json 接外部工具、放在 Git 里让团队共用一套配置。他说如果你只采纳一样，那就用 rules/ 文件夹。

他在 Claude Code 里用 claude-seo 插件研究自己站点的 SEO，说这帮他省了大量时间。这个插件连同 Google Analytics 和 Google Search Console 一起分析站点、然后提出高质量的改动建议。他附了一篇详细写他使用体验的文章。

他用 Claude Code 搭建并回测了交易策略，把整个过程做成 YouTube 视频分享。这条帖子本身就是那个链接，指向视频里完整的搭建和回测过程。

一个 AI 网红只有熬过第二次渲染才算立住，这条帖子拆解了到底是什么把一个角色维持在一起。Tensor Alchemist 拿一张 Krea 2 肖像、把同一个女人挪过屋顶顶层公寓、赛博朋克街道、烛光奇幻大厅、雪城、公司办公室、红毯、文艺复兴油画和巴黎咖啡馆，脸始终认得出，每次编辑都在一张 8 GB 显存的 RTX 5060 上本地跑、每张约 2.5 分钟。但失败模式是真实存在的：删掉一座灯塔连那个男人也一起没了、删除可能把整张图糊掉、换装可能把旧裙子留在下面或凭空造出一件高领衫，连 LoRA 作者都承认面部几何会漂移。链接文章里的解法是把角色存成一张 JSON 身份卡，含肤色、瞳色、下颌线、不对称、辨识性标记、身材比例、发型和 seed。Claude Code 把这个文件注入每一次生成，所以身份能被版本化、diff 或 fork，然后 Kling 3 再渲下一段视频。

他让 AI 做他的 SEO，但故意不先写文章，他说大多数人恰恰把顺序搞反了。正确的起点是让 AI 跑一个站点基础评分、覆盖技术健康、页面速度、内部链接结构和孤儿页，只有过了 85 分才开始做内容。然后你交给 AI 的任务必须具体：两个月内把一个月搜索量约 1,000 的关键词做到 Google 首页第 3-5 位，而不是含糊的「帮我做 SEO」。执行上他用双重验证，Cola 干活、Claude Code 检查，然后 Claude 标出问题、Cola 修补，互相交叉核对，因为两个 AI 抓到的问题远多于一个。他提到 GEO 逻辑类似、但权重偏向可引用性，意味着内容得读起来像一个值得被引用的权威来源、而不是去堆关键词密度。

Ramp 的使命是省钱省时间，但他自己却还在手动给开支分类、贴收据，直到发现了他们的 CLI，于是做了个 Ramp-Autofill skill。它从 iMessage 和 Gmail 自动找收据，如果收据是个链接，它用 Playwright 把网页转成 PDF 再贴上去。它靠你的 Google Calendar 事件填写「你跟谁见面」的备注，通过回顾过往交易学会你的备注风格和你机构要求的分类方式，然后把所有缺失的项自动分类。它验证自己的工作、标出不一致、还能作为定时任务跑。它是个简单的 Claude Code 即插即用件、完全开源，他这个周末用它清掉了过去 60 天的开支。

有人给 Claude Code 建了个 AI 求职系统，评估了 700+ 份工作申请、还真帮他拿到了 offer，现在开源了。它扫描多家公司的招聘页、按岗位改写你的简历、甚至帮你填申请表。仓库自带 14 种 skill 模式，包括 evaluate、scan 和 PDF，一个 Go 写的终端仪表盘，通过 Playwright 生成 ATS 优化的 PDF，还预配了 45+ 家公司、包括 Anthropic、OpenAI、ElevenLabs 和 Stripe。GitHub 链接在帖子里。

一个创作者建了个完全由 Claude Code 驱动的 Obsidian 指挥中心，在一个实时仪表盘里追踪 125,000 个 YouTube 订阅、980 万播放和 196,000 个 Instagram 粉丝。库里直接内嵌一个终端，加上 token 消耗、排期和自动化的自定义指标，所以他看到的是实时上下文、文件连接和 agent 表现，而不是云端藏起来的那些东西。他的知识库、研究笔记、内容流水线和每日任务全在同一个生态里，一键就能让 Claude 从多年的私有文件里调取。这套配置跑一个晨间简报、一条内容级联和一次每周复盘，把零散的点子变成发出去的视频。他的论点是：本地拥有工作流胜过租用通用云工具，确切的配置放在他主页上。

一个基辅的 28 岁营销人每天要烧 3-4 小时给客户整理邮件、汇总分析数据。他没去雇助理，而是用 OpenClaw 加 Claude API 建了个工作流 agent，故意避开本地模型，因为个人 PC 上更差的 AI 质量会让真正的委派根本不可能。这个 agent 现在自动分析收件箱、提取截止日期、查数据库、准备草稿，人只需要审一下、按个按钮。第一个月省下 60 小时的例行活儿，到第六个月营收涨了 40%。他的配方是：找到瓶颈、挑出那个重复最多的单一任务、选一个可靠的云模型、用类似 OpenClaw 的东西把标准指令变成工作流，因为聊天机器人回答一个问题、而 agent 是走完一整个流程。

作为一个单干的非开发者，他花几周建了 Pari-Market，一个在 Solana devnet 上的预测市场，作为他给 SuperteamEarn 上 World Cup Hackathon 的参赛作品。你连钱包、把 USDC 存进 YES 或 NO 池、在浏览器里领赔付，但不是靠管理员决定、委员会或代币投票，而是程序 CPI 进 TxODDS 的 validate_stat 指令、拿比赛证明去比对 TxODDS 发布在 Solana 上的 Merkle root。他用一套 agentic 工作流建的：Claude Code 里的一个 harness 对着锁定的产品 spec 和几个工程循环协调专门的 agent，最后 39 个 Rust 测试全过。然后他单独用 Codex CLI 以只读模式当代码审查者，在提交前抓出两个钱包状态 bug。他是个有 15+ 年营销经验的 PMM，他的心得是：代码是 agent 写的，但知道它们什么时候在帮忙、什么时候在产出垃圾，才是真正的活儿。

初创公司 Turbo AI 的创始人在 Claude Code 里关掉了 Fast Mode、把事情搞砸了，他手下 10 个开发者一个月烧了 $30k 的 token、而不是 $20k。改完之后他们几乎没察觉速度有任何差别，这就是笑点所在。不过他们还是不打算给 AI 设限，因为跟做出来的东西相比、$10k 根本不算什么。

他通过 Claude Code 并行跑任务管理，还经常直接问它接下来该做什么。因为他所有工作都在 Claude Code 里做，他再也不会卡在「决定做什么」上了。他建议你也照这样把工作界面统一到一个工具里。

他每月在 Claude Code 上花 40 万日元、在 Codex 上花 10 万日元，还晒了确切的分工。Claude Code 接实现、编辑、最终验证、更深的元认知观点工作和从零设计。Codex 接图表和缩略图的批量出图、只读研究和读日志、操作电脑、以及参考其他站点的设计工作。第一遍 diff 审查他用没做实现的那个 AI，虽然 Codex 更擅长这个，数字类的事实核查则在两个系统间交叉核对。过去 30 天他实际的日志数是 794 个 Claude 会话对 2,326 个 Codex 会话，他说这个分工是关于权限、不是关于性能。

Claude Fable 把一个 180 万三角面的 AI 生成房子变成了可用的游戏资产。Blender 内置的 decimate 工具（在 02:07 测试）做出一个 3.7 万三角面的版本、但贴图扭曲，于是创作者通过 MCP 把 Claude Code 接到同一个 Blender 项目上。Fable 复制了原模型、重建 UV、把视觉细节转移到小模型上、还检查每次尝试的截图，试了几次、28 分钟后做出一个干净的 3.9 万三角面版本。然后它把成功的流程变成一个 Python 脚本、在另外八栋建筑上跑了一遍，每栋都收在 4 万三角面以下。整个会话不到两小时、48 分钟的 API 处理、大约 13 万输出 token 和 300+ 行 Python，优化后的建筑被丢进一个 Unity 场景、拼出一座中世纪村庄。

他把一个无聊的 Claude Code 工具卖了 $2,000，客户买的不是代码、而是让一个每周都要犯的头疼事消失。它替掉的那套流程很丑：两个 CSV 导出、一张共享表格、手动规则、标红的行、汇总、还有一份每周雷打不动要烧掉 3 到 4 小时的报告。Claude Code 把中间那段无聊活儿做快了，接管了解析器、校验、导出、错误处理和打包。他的观点是：大多数搞开发的人去追 SaaS 订阅，而钱其实在于帮客户干掉一件他本来就讨厌的活儿。

DoorDash 的联合创始人把 Claude Code 发给了全部 4,000 名员工，然后一个工程师独自 3 周做完一次代码迁移、这活儿本来要 4 个工程师一整个季度。Andy Fang 从斯坦福毕业后多年没写过代码，Claude Code 又把他拉了回来，所以他现在亲自用 5 种不同语言在往生产环境发代码。他给每个工程经理的规矩是：别再发原型、要亲手把真代码推上生产，因为这会精确告诉你你的团队落后了多少。那些提速 3 到 5 倍的团队都做了同一件事：他们把架构规则写进 markdown 文件、让 agent 照着来。他把这框定成一家 $10M 的公司现在怎么靠一小撮人运转，并附了完整演讲链接。

一位美国网络安全公司的前部门主管摆出了在同一台机器上跑交易和 AI agent 的风险：prompt 注入会让 AI 滥用你的电脑、后门或 cron 启动的恶意软件会打开对外端口。他的建议是把交易 PC 和 AI agent PC 物理隔离、断掉两者之间的任何通信，或者如果你非要用一台机器，就用 AI 建端口监控、有未授权流量就告警。他自己的配置用 OpenClaw 当工作层、Claude 和 Gemini 当 LLM，通过 API 连到一个聊天 app 上、方便他从手机调用。他定期对比 Claude Opus/Fable 和 Gemini Pro 的 token 价格、在两者间切换，最近刚从 Claude 换到 Gemini，因为 Opus 每 token 太贵、而 Sonnet 又不一定比 Gemini 强。他对「一台机器」这个选择的框定是：给最大尾部风险定价、拿它跟配置成本加预期收益比，如果你扛不住那个尾部风险、就把机器分开。

他用 Higgsfield MCP 和 CLI 配 Claude Code 做了一条 5 分钟的 3D 动画讲解视频。他的判断是 AI 视频制作正在快速演进，工具和工作流都在变好。他给这条演示附的建议很直白：趁还来得及，找个法子用这些东西赚钱。

他说这听起来像撒谎，但他就跟 Claude Code 说了句「给我建一个 note 销售运营团队」，它真的产出了一家一人 note 销售公司。他把结果结构放在一张附图里。重点是拿到一整套可运转的配置、用的 prompt 竟然这么少。

他把 Claude Code 和 Codex 并行跑成一套常驻配置，还把 skill 和 agent 接好、让更新一边就自动更新另一边。初始配置一次搞定后、切换成本为零。这意味着如果一边的准确率掉了、它的服务器挂了、或者他撞到 token 限额，他可以直接在另一边继续干。附带的好处是两边还能互审对方的产出。

他在跟 Claude Code 过自己 7 月计划的时候，它交叉引用了他的失败日志、翻出那条「太专注新客户、忽略了跟进现有客户」。这一提醒让他愣住，他回头自己重新核实了一遍，最后拿到一份他真心相信的计划。他的心得是：过去的失败现在会前馈进下一个决策、而不是被遗忘。

他用 Claude Code 做了个可交互的画面，有水面、雨、还有一个能碰的彩虹球。图像随机显示，点那个彩虹球会泛起彩虹色的涟漪。他把它直接挂在自己主页下面、还嵌在首页最底部。

他让 AI 建个东西、出门去了，回到家它已经做完了。目标是 Skool，海外创作者极其火的社区平台，其中一个例子有 6,200 名成员每月付 8,000 日元、大约每月 5000 万日元、一年 6 亿日元，光靠一个社区。Skool 的致命弱点是只有英文，而把它的功能拆开看、发现其实没那么复杂，于是他琢磨 Fable 5 能不能干脆直接把它建出来。他实际做的：打开 Claude Code、告诉它「不用审批、全部干到底」、出门、回家看到一个成品。这是一次性成型、质量真能用，而且是在一个连 vibe coding 以前都嫌难的领域里，他更大的观点是与其每年给 Skool 付 15 万日元、定制性还低，不如让 AI 建你自己的平台、按需加功能。

有人把一家营销代理公司打包进一个 GitHub 仓库、一条命令就装：一个开源的 Claude Code 插件，往你终端里丢 33 个营销 skill，覆盖 CRO、付费广告、冷邮件、SEO、流失和定价。数量不是重点，重点是「skill」现在到底是什么。它以前是存在文档里、你粘进去的一个 prompt，比如「扮演一个 SEO 专家」，现在这个专家是一个带版本的包、你可以安装、fork、像代码依赖一样 pull，33 个全共享一个每个 skill 都先读的基础文件、让它们在同一上下文里像一支团队协作。把 SEO skill 指向一个真实站点，它不给你一个分数、而是给你一份清单：20 个浪费抓取预算的模板页、一个坏掉的 h1、全站缺失的 meta description。他的结论是：专家曾经是一个人、然后是一个 prompt、现在是一个 git 依赖，模型从来不是产品、你交给它的那个库才是。

他发现可以通过 Databricks 拿到 AI API 访问、响应速度快得离谱。他测的配置：建一个 Databricks workspace、打开 User Settings、进 Developer、打开 Access Tokens 和 Manage、创建一个带 AI Gateway scope 的 token，然后在 AI Gateway 标签里查你机构的 Base URL、注意 Base URL 每个机构不同。目前他只能访问 GLM-5.2、也没法完全确认后端真的在服务它声称的那个模型，但速度极快、看起来支持最高 1M 上下文。链路是 Databricks 到 AI Gateway 到 Access Token 到 GLM-5.2 API，他还在测模型行为、上下文处理和免费额度限制。他说这值得给 OpenClaw、Hermes、编码 agent 或 AI 路由器试试。

他讲了 AI 数字产品怎么靠 TikTok 图集做到每月 $10k，一天 4-6 小时的搭建就能产出 2 个多月的内容。发帖格式是内容、内容、内容、内容、广告预热、推 app，所以帖子看起来就是普通图集内容、产品只在末尾才出现。工作流跑在三个工具上：Claude Code、socialclaw 和一个来自 OpenAI、Gemini 之类的图像 API。第一小时是在 TikTok 上做竞品研究加截图，第二和第三小时是收集 Pinterest 参考、命名成 slide_1_1.jpg 好让 Claude Code 能用，第四小时让 Claude Code 看这些图、用 OpenAI 图像 API 给五种图集类型各生成 100 个变体、共 500 张图，第五小时是生成文案：你把竞品的文案贴进去、Claude 逐张写文字、前几张保持内容优先，再用 ffmpeg 把文字叠到图上。然后 Claude 给每个账号每天排两条帖、socialclaw 负责上传、账号管理和发布。十个账号每天各两条就是每天 20 条，90% 落在 5,000 播放以下、但少数能到 5 万到 50 万、有的破 100 万，0.1-2% 的观众点进产品页。

他讲了 Claudex，一个在 Claude Code 里跑 OpenAI GPT-5.6 Sol 模型的黑科技。第一步是起一个 CLIProxyAPI、把 Claude 和 Codex 都通过 OAuth 接进去、让它充当一个 OpenAI 兼容代理。第二步是把 Claude Code 指向那个代理，在 ~/.claude/settings.json 里设 BASE_URL 和 TOKEN。第三步是做一个叫 claudex 的 zsh 别名、在启动时指定 GPT-5.6 Sol 加那些环境设置。结果是个混合体：Claude Code 出色的 agent harness、UI 和工具，底下换成 GPT-5.6 Sol 当模型，不过他警告封号风险不为零、后果自负。