即刻App年轻人的同好社区
下载
最近半年听过最好的一期AI播客。
今天在出差的路上，听了一期 AI 播客，很有启发。
和我之前看过的大多数 AI 播客不太一样，这一期聊的不是模型、工具或者创业机会，而是在认真讨论一个问题：AI 时代，一个人该如何成长。
嘉宾是 Notion 的产品负责人。这哥们的很多观点都特别接地气。
因为最近一段时间，我连续写了几篇 Codex、Claude Code 的使用教程。
本来只是分享自己的使用经验，没想到吸引来了不少原本并不怎么关注 AI 的读者。
和他们交流之后，我发现一个很有意思的现象。
很多人在学习 AI 的时候，仍然沿用着互联网时代的思维方式。
大家最关心的是学哪个工具、掌握哪些技巧、收藏哪些提示词，希望通过学习一套方法，快速获得结果。
这当然没问题。但听完这期播客之后，我越来越觉得，那些具体的方法和技巧或许没有大家想象中那么重要。
因为工具会变，模型会变，今天流行的工作流，几个月后可能就会被新的方式替代。真正能够长期留下来的，反而是一些更底层的能力。
不知不觉，今年上半年只剩最后 15 天了。如果让我从这半年看过的所有 AI 播客里只留下一期推荐给大家，那我会选这一期。
具体内容我放到附件了，大家可以自己去看。下面是我的一些总结。
1、AI 时代，主动性正在变得越来越重要。因为工具的使用门槛正在快速降低。过去一个人会写程序、会设计、会做产品，本身就是一种很高的壁垒。
想掌握这些能力，往往需要投入大量时间学习。但现在情况正在发生变化。
借助 AI，很多人已经能够快速获得过去需要几年才能积累起来的能力。
技能本身的重要性正在下降。主动性、审美和判断力的重要性却在快速上升。
因为 AI 可以帮我们完成很多事情，但它无法替你决定做什么。它可以帮你实现想法，但无法替你产生想法。
最终拉开人与人差距的，越来越不是会不会某个技能，而是愿不愿意主动动手试一试。
2、或者更具体点说，如果一个人有主动性的话，那 AI 工具就可以为你所用。
如果你不想做，那任何先进的生产力工具跟我们也是绝缘的。
说个故事，我下午刚从客户那里回来，某一线大厂。上个月，我给客户推荐过一个候选人，问起情况，客户说面试没通过。
我很惊讶，我推荐的候选人是我的前同事，我和他共事过，这人基本功很好。客户叹了口气说：主要问题是他的主动性不够。
我继续追问：你是怎么判断出来主动性不够的？
客户回答：问之前在某个项目里负责了什么，话里话外能听出来，他的工作范畴仅仅就局限在领导安排的事情上，没见着他的思考，也没见着他为完成目标额外做过什么事情，按部就班，有点当一天和尚撞一天钟的感觉。
主动性不够，来我们团队，很难生存下去。所以也就没推进了。
我挺认同客户的判断。
不管是在大厂还是小厂，主动做事，为目标着急永远是重要的能力。别人推一步，然后干一步，这种性格很难把事情做好。
并且，我总觉得，主动是一种受益终生的思维方式，主动和同事沟通进展，主动思考问题的解决方案，主动认识一些厉害的人......
3、主动性不是天生的，它可以通过训练获得。很多人以为行动力是一种性格。有的人天生敢折腾，有的人天生保守。
但 Notion 产品负责人 Max 的看法不一样。他觉得 Agency 更像一种肌肉，你越经常动手，它就越强。你越习惯等待，它就越弱。
培养 Agency 最简单的方法，是从解决自己的小问题开始，先找一个真实存在的小问题。
比如一个重复劳动特别烦，比如一个流程特别低效，比如一个文档整理特别麻烦。然后试着用 AI 给自己做一个小工具。
哪怕只有自己用也没关系。因为重点不是工具本身，而是在这个过程中建立一种认知：原来问题是可以自己解决的。
4、在动手构建的过程中，有一天我们会突然意识到，这个世界其实是由一群并不比你聪明多少的人创造出来的。
很多规则、产品、流程、组织，看起来理所当然，但本质上都是人设计出来的。既然别人能设计，那我们也有机会重新设计。这种认知转变，往往是行动力真正觉醒的开始。
很多人遇到问题的时候，第一反应就是等。等领导给方向，等产品提需求，等别人先做出来。但其实，我们应该调整自己的思维方式，让自己遇到问题之后，下意识地开始行动。
因为现在我们已经有 AI 这个强大的工具了。
5、品味并不是审美好，也不是见多识广。Max 对品味有一个非常有意思的定义。所谓品味，本质上是一种预测能力。
看到一个产品、一个功能、一个内容创意时，脑海里能够大致预判用户会不会喜欢，会不会愿意使用，会不会愿意分享。
这种能力听起来有点抽象，但其实非常重要。因为今天 AI 已经能够帮助完成越来越多具体工作。
写代码、生成图片、制作 PPT、整理文档，这些能力正在快速普及。
当越来越多人都能把东西做出来的时候，决定最终差异的往往不再是执行能力，而是判断能力。
同样一个想法，有的人能够一眼看出它值得继续投入。有的人则会在错误方向上投入大量时间。两者的区别，很多时候就是品味。
6、品味的提升没有捷径。它有点像训练模型，不断构建自己的作品，不断获得反馈，再不断修正判断。
时间久了，脑子里就会形成一个越来越准确的模拟器。
很多人以为高手靠天赋，其实更多是在高频反馈里积累出来的。这是基本的逻辑。
另外，提高品味最有效的方法，其实是持续接触优秀作品。
因为人的判断标准，本质上来自参照系。看过足够多优秀的产品、文章、设计和创意之后，对好坏的感知会越来越敏锐。
7、很多人容易掉进一个陷阱，总觉得准备充分了再开始。
过去这种思路其实没有问题。因为以前验证一个想法的成本很高。做一个产品，可能要找工程师、找设计师、写方案、排计划。
很多事情还没开始做，已经投入了大量时间和资源。所以大家会习惯先研究、先分析、先讨论。
但 AI 改变了这件事。今天很多想法，一个下午就能做出原型。一周时间就能拿到第一批反馈。
过去需要一个月才能知道的答案，现在可能几天就能验证出来。
所以越来越重要的一种能力，是快速尝试。想到一个点子，就先做出来看看。发现问题，再继续修改。拿到反馈，再继续迭代。
AI 让试错变得越来越便宜。
当试错成本下降之后，一个人能够尝试的次数会大幅增加。一年做十次尝试的人，和一年做一次尝试的人，最终积累出来的判断力往往完全不同。
8、AI 时代，一个很大的变化是，职业发展的坐标系正在发生变化。
过去很多人会把职业成长理解成职位的变化，从专员到经理，从经理到总监，从初级工程师到资深工程师。
但随着 AI 让越来越多职业边界开始融合，很多岗位本身都在快速变化。
相比职位叫什么，未来更重要的可能是一个人能不能独立完成一件完整的事情，能不能把一个模糊的想法变成真正被人使用的成果，以及遇到问题时有没有能力推动事情继续往前发展。
这些能力不会随着岗位变化而消失，反而会变得越来越重要。
或者换句话说，大家应该看到了，现在很多公司的中层在快速的贬值，特别是一些已经没有具体做事能力的中层，在现在的市场上，已经没什么竞争力了。
角色边界会继续模糊，混合型人才 + 高主动性才是持久的竞争力。
今天在出差的路上，听了一期 AI 播客，很有启发。
和我之前看过的大多数 AI 播客不太一样，这一期聊的不是模型、工具或者创业机会，而是在认真讨论一个问题：AI 时代，一个人该如何成长。
嘉宾是 Notion 的产品负责人。这哥们的很多观点都特别接地气。
因为最近一段时间，我连续写了几篇 Codex、Claude Code 的使用教程。
本来只是分享自己的使用经验，没想到吸引来了不少原本并不怎么关注 AI 的读者。
和他们交流之后，我发现一个很有意思的现象。
很多人在学习 AI 的时候，仍然沿用着互联网时代的思维方式。
大家最关心的是学哪个工具、掌握哪些技巧、收藏哪些提示词，希望通过学习一套方法，快速获得结果。
这当然没问题。但听完这期播客之后，我越来越觉得，那些具体的方法和技巧或许没有大家想象中那么重要。
因为工具会变，模型会变，今天流行的工作流，几个月后可能就会被新的方式替代。真正能够长期留下来的，反而是一些更底层的能力。
不知不觉，今年上半年只剩最后 15 天了。如果让我从这半年看过的所有 AI 播客里只留下一期推荐给大家，那我会选这一期。
具体内容我放到附件了，大家可以自己去看。下面是我的一些总结。
1、AI 时代，主动性正在变得越来越重要。因为工具的使用门槛正在快速降低。过去一个人会写程序、会设计、会做产品，本身就是一种很高的壁垒。
想掌握这些能力，往往需要投入大量时间学习。但现在情况正在发生变化。
借助 AI，很多人已经能够快速获得过去需要几年才能积累起来的能力。
技能本身的重要性正在下降。主动性、审美和判断力的重要性却在快速上升。
因为 AI 可以帮我们完成很多事情，但它无法替你决定做什么。它可以帮你实现想法，但无法替你产生想法。
最终拉开人与人差距的，越来越不是会不会某个技能，而是愿不愿意主动动手试一试。
2、或者更具体点说，如果一个人有主动性的话，那 AI 工具就可以为你所用。
如果你不想做，那任何先进的生产力工具跟我们也是绝缘的。
说个故事，我下午刚从客户那里回来，某一线大厂。上个月，我给客户推荐过一个候选人，问起情况，客户说面试没通过。
我很惊讶，我推荐的候选人是我的前同事，我和他共事过，这人基本功很好。客户叹了口气说：主要问题是他的主动性不够。
我继续追问：你是怎么判断出来主动性不够的？
客户回答：问之前在某个项目里负责了什么，话里话外能听出来，他的工作范畴仅仅就局限在领导安排的事情上，没见着他的思考，也没见着他为完成目标额外做过什么事情，按部就班，有点当一天和尚撞一天钟的感觉。
主动性不够，来我们团队，很难生存下去。所以也就没推进了。
我挺认同客户的判断。
不管是在大厂还是小厂，主动做事，为目标着急永远是重要的能力。别人推一步，然后干一步，这种性格很难把事情做好。
并且，我总觉得，主动是一种受益终生的思维方式，主动和同事沟通进展，主动思考问题的解决方案，主动认识一些厉害的人......
3、主动性不是天生的，它可以通过训练获得。很多人以为行动力是一种性格。有的人天生敢折腾，有的人天生保守。
但 Notion 产品负责人 Max 的看法不一样。他觉得 Agency 更像一种肌肉，你越经常动手，它就越强。你越习惯等待，它就越弱。
培养 Agency 最简单的方法，是从解决自己的小问题开始，先找一个真实存在的小问题。
比如一个重复劳动特别烦，比如一个流程特别低效，比如一个文档整理特别麻烦。然后试着用 AI 给自己做一个小工具。
哪怕只有自己用也没关系。因为重点不是工具本身，而是在这个过程中建立一种认知：原来问题是可以自己解决的。
4、在动手构建的过程中，有一天我们会突然意识到，这个世界其实是由一群并不比你聪明多少的人创造出来的。
很多规则、产品、流程、组织，看起来理所当然，但本质上都是人设计出来的。既然别人能设计，那我们也有机会重新设计。这种认知转变，往往是行动力真正觉醒的开始。
很多人遇到问题的时候，第一反应就是等。等领导给方向，等产品提需求，等别人先做出来。但其实，我们应该调整自己的思维方式，让自己遇到问题之后，下意识地开始行动。
因为现在我们已经有 AI 这个强大的工具了。
5、品味并不是审美好，也不是见多识广。Max 对品味有一个非常有意思的定义。所谓品味，本质上是一种预测能力。
看到一个产品、一个功能、一个内容创意时，脑海里能够大致预判用户会不会喜欢，会不会愿意使用，会不会愿意分享。
这种能力听起来有点抽象，但其实非常重要。因为今天 AI 已经能够帮助完成越来越多具体工作。
写代码、生成图片、制作 PPT、整理文档，这些能力正在快速普及。
当越来越多人都能把东西做出来的时候，决定最终差异的往往不再是执行能力，而是判断能力。
同样一个想法，有的人能够一眼看出它值得继续投入。有的人则会在错误方向上投入大量时间。两者的区别，很多时候就是品味。
6、品味的提升没有捷径。它有点像训练模型，不断构建自己的作品，不断获得反馈，再不断修正判断。
时间久了，脑子里就会形成一个越来越准确的模拟器。
很多人以为高手靠天赋，其实更多是在高频反馈里积累出来的。这是基本的逻辑。
另外，提高品味最有效的方法，其实是持续接触优秀作品。
因为人的判断标准，本质上来自参照系。看过足够多优秀的产品、文章、设计和创意之后，对好坏的感知会越来越敏锐。
7、很多人容易掉进一个陷阱，总觉得准备充分了再开始。
过去这种思路其实没有问题。因为以前验证一个想法的成本很高。做一个产品，可能要找工程师、找设计师、写方案、排计划。
很多事情还没开始做，已经投入了大量时间和资源。所以大家会习惯先研究、先分析、先讨论。
但 AI 改变了这件事。今天很多想法，一个下午就能做出原型。一周时间就能拿到第一批反馈。
过去需要一个月才能知道的答案，现在可能几天就能验证出来。
所以越来越重要的一种能力，是快速尝试。想到一个点子，就先做出来看看。发现问题，再继续修改。拿到反馈，再继续迭代。
AI 让试错变得越来越便宜。
当试错成本下降之后，一个人能够尝试的次数会大幅增加。一年做十次尝试的人，和一年做一次尝试的人，最终积累出来的判断力往往完全不同。
8、AI 时代，一个很大的变化是，职业发展的坐标系正在发生变化。
过去很多人会把职业成长理解成职位的变化，从专员到经理，从经理到总监，从初级工程师到资深工程师。
但随着 AI 让越来越多职业边界开始融合，很多岗位本身都在快速变化。
相比职位叫什么，未来更重要的可能是一个人能不能独立完成一件完整的事情，能不能把一个模糊的想法变成真正被人使用的成果，以及遇到问题时有没有能力推动事情继续往前发展。
这些能力不会随着岗位变化而消失，反而会变得越来越重要。
或者换句话说，大家应该看到了，现在很多公司的中层在快速的贬值，特别是一些已经没有具体做事能力的中层，在现在的市场上，已经没什么竞争力了。
角色边界会继续模糊，混合型人才 + 高主动性才是持久的竞争力。
7 13
把我做的猫咪手绘插图 Skill 开源了，大家可以直接拿去用。
用法非常简单。把一篇文章直接发给 Codex 就行。
它会先通读全文，理解文章到底在讲什么，然后判断哪些位置适合插图，哪些地方读者理解成本比较高，哪些地方如果加张图会让内容更容易理解。
接下来，Skill 会自动完成配图构思，并直接生成对应的 16:9 手绘插图。
整个过程基本不需要写提示词，也不需要提前告诉它应该画什么。它会根据文章内容自己完成分析和设计。
当然，如果你已经明确知道想给哪一部分配图，也可以直接指定。
我在设计这个 Skill 的时候，专门针对流程图、对比图这类场景做了优化。
因为日常写文章、做 PPT 的过程中，这类内容出现频率特别高。很多时候一整页全是文字，即使内容有价值，看起来也会有些枯燥。
如果中间穿插几张风格统一、带一点趣味感的手绘插图，整个阅读节奏会舒服很多。
github.com
用法非常简单。把一篇文章直接发给 Codex 就行。
它会先通读全文，理解文章到底在讲什么，然后判断哪些位置适合插图，哪些地方读者理解成本比较高，哪些地方如果加张图会让内容更容易理解。
接下来，Skill 会自动完成配图构思，并直接生成对应的 16:9 手绘插图。
整个过程基本不需要写提示词，也不需要提前告诉它应该画什么。它会根据文章内容自己完成分析和设计。
当然，如果你已经明确知道想给哪一部分配图，也可以直接指定。
我在设计这个 Skill 的时候，专门针对流程图、对比图这类场景做了优化。
因为日常写文章、做 PPT 的过程中，这类内容出现频率特别高。很多时候一整页全是文字，即使内容有价值，看起来也会有些枯燥。
如果中间穿插几张风格统一、带一点趣味感的手绘插图，整个阅读节奏会舒服很多。
github.com
63 419
保姆级教程：Codex 接入 DeepSeek V4。
今天想写一篇教程，详细介绍下怎么把 DeepSeek V4 接入到 Codex 当中。
考虑到好多用户仍然是在用 Windows，所以今天的介绍我会以 Windows 为主。
今天想写一篇教程，详细介绍下怎么把 DeepSeek V4 接入到 Codex 当中。
考虑到好多用户仍然是在用 Windows，所以今天的介绍我会以 Windows 为主。
保姆级教程：Codex 接入 DeepSeek V4。
8 00
华为怎么就没人写个离职信，让余承东这个遥遥领先的老登彻底幺幺了。
他刚刚在发布会说：
在全世界都不知道大模型为何物的时候，华为就发布了盘古大模型，可以说是这个行业绝对的全球先驱者。
后来因为各种各样的原因，没做好，不应该。
去年国庆节前夕，公司又让我来负责这个大模型，我会带领团队一路赶超，从中国第一，走向将来的世界第一。
他刚刚在发布会说：
在全世界都不知道大模型为何物的时候，华为就发布了盘古大模型，可以说是这个行业绝对的全球先驱者。
后来因为各种各样的原因，没做好，不应该。
去年国庆节前夕，公司又让我来负责这个大模型，我会带领团队一路赶超，从中国第一，走向将来的世界第一。
6 163
Google Developer 这场圆桌干货真多。
Google Developer 这场圆桌讨论含金量非常高，推荐所有的程序员和产品经理都可以看看。
几位嘉宾都是谷歌非常资深的工程师和管理者，他们分享了各自对接下来程序员职业发展的看法，应该是我今年听过最有见地和接地气的判断了。
下面是我的笔记：
1、程序员应该主动放下对语法的执念。过去学习一门语言，往往要花大量时间记忆各种语法细节。
现在这些工作越来越适合交给 AI。真正值得投入精力的，是理解这门语言为什么这样设计、适合解决什么问题，以及不同技术方案背后的取舍。
语法越来越容易获得，判断力反而越来越稀缺。
2、Senior Engineer 的定义变了。过去资深工程师的价值，是能写出别人写不出来的代码。
现在资深工程师的价值，更多体现在理解复杂系统、拆解复杂问题，以及做出正确的权衡判断。
面对同一个需求，他知道哪些方案适合业务长期发展，哪些方案只是看起来很先进，实际却会带来新的复杂度。
3、AI 正在模糊职业边界。谷歌有团队做过一次统计，一周时间里，软件工程师大部分时间都在补文档、写设计文档，而 UX Researcher 反而开始写代码。
过去很多需要跨团队协作的事情，正在被 AI 压缩到一个人身上完成。
确实，AI 会让每个人获得一些跨领域能力，但大多数时候只能达到入门水平。
产品经理能写一点代码，工程师能做一点设计，研究员能做一点原型。但真正的竞争力，依然来自自己专业领域里的高级判断力。
4、AI 时代，内部文档的重要性反而在上升。当团队开始大量使用 Agent，相当于团队规模突然翻倍，而且新增成员几乎没有任何背景知识。
如果设计决策、业务规则和历史上下文没有被记录下来，再聪明的 Agent 也很难发挥作用。
5、AI 时代最危险的事情是把思考让渡给 AI。
很多人现在写代码的方式是，把需求告诉给 AI，让它生成，错了再让 AI 修改。
时间久了之后，系统虽然还能运行，但自己已经说不清楚为什么这样设计、为什么这样实现。
这就是所谓的 Cognitive Debt。
AI 给出答案之后，不验证、不质疑、不追问，直接接受，表面上效率很高，实际上是在逐步放弃自己的判断能力。
短期看是在省时间，长期看是在搭纸牌屋。等系统真正出问题的时候，你会发现自己根本不知道它为什么会这样工作。
6、以前开发者负责的是实现路径，诸如用什么语言、什么框架、怎么写每一行代码。
现在越来越多时候，开发者要描述的是 end state，也就是最终想要什么。你要把问题、目标、约束、边界、质量要求讲清楚，然后让 AI 去实现。
但这件事没那么简单。不是随便写一句 prompt 就完了。
你得非常清楚地知道：什么叫 done，什么叫 good，用户真正要解决什么问题，系统要满足哪些质量标准。
比如功能正确只是 done 的一部分，性能、可访问性、交互体验、稳定性，也都应该写进意图里。
7、架构能力正在往下沉。以前可能只有高级工程师、架构师才经常考虑系统拆分、模块关系、通信方式。现在只要你用 Agent，你就得想这些问题。
比如，一个任务应该交给一个 Agent 跑一天，还是拆成十个 Agent 各跑一小时？哪些任务适合后台跑？
哪些任务必须人盯着？一个 Agent 的职责边界在哪里？多个 Agent 怎么协作？这些都已经变成普通开发者也要面对的问题。
8、很多人把 AI 当工具用，但更高阶的玩法是把 AI 当成一个持续成长的协作者。
真正有价值的动作，是分析 Agent 的错误。Agent 为什么会犯这个错？是上下文缺失？规则不清晰？还是需求本身有歧义？
很多人遇到错误之后第一反应是赶紧修复。
但优秀的工程师遇到错误之后第一反应是总结。因为修复一次错误，只能解决今天的问题。
理解错误产生的原因，才能解决未来的问题。
9、一个特别实用的方法，是把 AI 当成一个专门挑刺的导师。
代码写完之后问它：我漏了什么逻辑没？哪里会出问题？别人会怎么反对这个方案？文档写完之后也问同样的问题。
很多时候最有价值的，是让 AI 帮我们发现自己看不见的盲区。
10、不要把忙碌误认为生产力。
很多人喜欢吹嘘说自己同时启动了 20 个 Agent 干活，并行在干 10 个任务，看起来很厉害。
理论上确实可以同时开很多个 Agent 干活，但人的注意力不能并行。Agent 多了以后，我们可能会花大量时间分配任务、检查结果、修正方向，最后看起来很忙，其实生产力不一定高。
真正重要的能力，是知道哪些事情应该交给 Agent，哪些事情必须自己深度参与。
忙碌和有产出是两回事。
11、不要试图跟上所有变化。AI 时代很容易陷入一种错觉，好像每天都有新工具出现，自己只要慢一步就会被淘汰。
一个具体的方法是，给自己设定固定的实验预算。比如每个月认真研究一个工具，或者每周固定留出几个小时做实验。适合自己的就留下，不适合自己的就快速放弃。
变化越来越快之后，真正重要的能力已经不是追热点，而是筛选热点。
Google Developer 这场圆桌讨论含金量非常高，推荐所有的程序员和产品经理都可以看看。
几位嘉宾都是谷歌非常资深的工程师和管理者，他们分享了各自对接下来程序员职业发展的看法，应该是我今年听过最有见地和接地气的判断了。
下面是我的笔记：
1、程序员应该主动放下对语法的执念。过去学习一门语言，往往要花大量时间记忆各种语法细节。
现在这些工作越来越适合交给 AI。真正值得投入精力的，是理解这门语言为什么这样设计、适合解决什么问题，以及不同技术方案背后的取舍。
语法越来越容易获得，判断力反而越来越稀缺。
2、Senior Engineer 的定义变了。过去资深工程师的价值，是能写出别人写不出来的代码。
现在资深工程师的价值，更多体现在理解复杂系统、拆解复杂问题，以及做出正确的权衡判断。
面对同一个需求，他知道哪些方案适合业务长期发展，哪些方案只是看起来很先进，实际却会带来新的复杂度。
3、AI 正在模糊职业边界。谷歌有团队做过一次统计，一周时间里，软件工程师大部分时间都在补文档、写设计文档，而 UX Researcher 反而开始写代码。
过去很多需要跨团队协作的事情，正在被 AI 压缩到一个人身上完成。
确实，AI 会让每个人获得一些跨领域能力，但大多数时候只能达到入门水平。
产品经理能写一点代码，工程师能做一点设计，研究员能做一点原型。但真正的竞争力，依然来自自己专业领域里的高级判断力。
4、AI 时代，内部文档的重要性反而在上升。当团队开始大量使用 Agent，相当于团队规模突然翻倍，而且新增成员几乎没有任何背景知识。
如果设计决策、业务规则和历史上下文没有被记录下来，再聪明的 Agent 也很难发挥作用。
5、AI 时代最危险的事情是把思考让渡给 AI。
很多人现在写代码的方式是，把需求告诉给 AI，让它生成，错了再让 AI 修改。
时间久了之后，系统虽然还能运行，但自己已经说不清楚为什么这样设计、为什么这样实现。
这就是所谓的 Cognitive Debt。
AI 给出答案之后，不验证、不质疑、不追问，直接接受，表面上效率很高，实际上是在逐步放弃自己的判断能力。
短期看是在省时间，长期看是在搭纸牌屋。等系统真正出问题的时候，你会发现自己根本不知道它为什么会这样工作。
6、以前开发者负责的是实现路径，诸如用什么语言、什么框架、怎么写每一行代码。
现在越来越多时候，开发者要描述的是 end state，也就是最终想要什么。你要把问题、目标、约束、边界、质量要求讲清楚，然后让 AI 去实现。
但这件事没那么简单。不是随便写一句 prompt 就完了。
你得非常清楚地知道：什么叫 done，什么叫 good，用户真正要解决什么问题，系统要满足哪些质量标准。
比如功能正确只是 done 的一部分，性能、可访问性、交互体验、稳定性，也都应该写进意图里。
7、架构能力正在往下沉。以前可能只有高级工程师、架构师才经常考虑系统拆分、模块关系、通信方式。现在只要你用 Agent，你就得想这些问题。
比如，一个任务应该交给一个 Agent 跑一天，还是拆成十个 Agent 各跑一小时？哪些任务适合后台跑？
哪些任务必须人盯着？一个 Agent 的职责边界在哪里？多个 Agent 怎么协作？这些都已经变成普通开发者也要面对的问题。
8、很多人把 AI 当工具用，但更高阶的玩法是把 AI 当成一个持续成长的协作者。
真正有价值的动作，是分析 Agent 的错误。Agent 为什么会犯这个错？是上下文缺失？规则不清晰？还是需求本身有歧义？
很多人遇到错误之后第一反应是赶紧修复。
但优秀的工程师遇到错误之后第一反应是总结。因为修复一次错误，只能解决今天的问题。
理解错误产生的原因，才能解决未来的问题。
9、一个特别实用的方法，是把 AI 当成一个专门挑刺的导师。
代码写完之后问它：我漏了什么逻辑没？哪里会出问题？别人会怎么反对这个方案？文档写完之后也问同样的问题。
很多时候最有价值的，是让 AI 帮我们发现自己看不见的盲区。
10、不要把忙碌误认为生产力。
很多人喜欢吹嘘说自己同时启动了 20 个 Agent 干活，并行在干 10 个任务，看起来很厉害。
理论上确实可以同时开很多个 Agent 干活，但人的注意力不能并行。Agent 多了以后，我们可能会花大量时间分配任务、检查结果、修正方向，最后看起来很忙，其实生产力不一定高。
真正重要的能力，是知道哪些事情应该交给 Agent，哪些事情必须自己深度参与。
忙碌和有产出是两回事。
11、不要试图跟上所有变化。AI 时代很容易陷入一种错觉，好像每天都有新工具出现，自己只要慢一步就会被淘汰。
一个具体的方法是，给自己设定固定的实验预算。比如每个月认真研究一个工具，或者每周固定留出几个小时做实验。适合自己的就留下，不适合自己的就快速放弃。
变化越来越快之后，真正重要的能力已经不是追热点，而是筛选热点。
11 27
总结下我使用 Codex 的 8 个高频场景。
总结一下我使用 Codex 的几个主要场景。Coding 就不说了，这是它的看家本领。
但除了 Coding 之外，我发现这个工具已经慢慢融入到我日常工作的方方面面。
一、配图
我现在写文章、PPT，甚至公司内部文档时，配图这件事基本都交给 Codex 来处理。根据不同场景，大概可以分成三类。
第一种，信息型配图。
我会直接把文章丢给 Codex，再调用自己提前做好的文章配图 Skill。这个 Skill 会先通读整篇文章，判断哪些地方适合插入配图，然后和我确认。
确认之后，它会直接生成一个 HTML 版本的配图页面。
我很喜欢这种方式，因为配图本质上变成了网页。
如果有哪里不满意，无论是文字、排版还是布局，都能快速修改，不需要重新生成。
而且用下来我越来越觉得，很多文章配图其实并不需要 GPT Image 2 这种图片模型。对于信息传递来说，简单的图形、线条和排版往往已经足够了。
有时候越简单，反而越容易让读者把注意力放在内容本身。
第二种，手绘风格的脑图、流程图、时序图、架构图等等。
工作里经常会遇到需要画流程图、梳理逻辑关系的时候。我一直很喜欢用 Excalidraw，因为它画出来的东西天然带着一种手绘感，看起来没有那么生硬，很有味道。
现在，我的流程是先把一段文字或者一个想法丢给 Codex，让它先帮我拆解。
比如这段内容如果要画成流程图，需要哪些节点、哪些关系、应该怎么组织结构。等整体框架确认之后，再调用我专门做的 Excalidraw Diagram Skill 生成。
这个 Skill 会同时输出两个文件，一个是 PNG，一个是 Excalidraw 文件。PNG 可以直接拿来用。Excalidraw 文件则可以重新导入 Excalidraw 进行二次编辑。
Skill 地址在这里：
github.com
第三种，制作有趣的 PPT 插图。
这个 Skill 是我在 X 上发现的，特别好用。它可以把一段原本很枯燥的内容，自动转换成这种带有强烈手绘风格的插图。
这种风格最大的特点，就是把原本严肃、抽象的内容，用手绘插画的方式重新表达出来。
画面里会出现各种小人、道具、场景和夸张的视觉元素，看起来像是在讲一个故事。
地址在这里：
github.com
二、整理电脑磁盘
如果你的电脑存储空间本来就不大，经常需要清理磁盘腾地方的话，我觉得有了 Codex 之后，真的没必要再专门买那些磁盘清理软件了。
我家里的 Macbook 存储空间并不大。今年我往这台电脑上装了特别多 Agent 产品，其实很多都是体验，装完很快又卸载了。
但后来我发现，直接把它拖到废纸篓是没办法彻底删除的。因为很多 Agent 软件背后都有很多依赖软件。
后来我突然想到，为什么不让 Codex 帮我查查。
于是我直接让它扫描系统，看看过去装过的那些 Agent 软件有没有残留文件，哪些关联组件还能安全删除。
结果还真找出来不少没卸载干净的关联文件。而且动辄就占几个 G。
三、长文转 Slides
我给自己定了一个要求：每周至少精读一篇长文章。
这里说的长文章，指那些真正值得花时间读完的长博客、深度访谈或者研究文章，而非新闻和各种碎片化资讯。
因为我越来越觉得，在信息泛滥的时代，单纯刷新闻的价值其实并不高。
很多内容看完当下觉得自己知道了，但过两天就忘了。相比之下，那些经过充分思考和沉淀的长文，反而更容易给人带来新的认知。
现在我的做法简单很多。每次读完一篇文章，我会直接把文章交给 Codex，让它帮我生成一份 HTML 版 Slides。
内容不需要面面俱到，重点是把文章的核心观点、关键论据和整体脉络梳理出来。
生成之后，我会对着这份 Slides 再完整过一遍，相当于重新复盘一次文章。
这个过程其实很有意思。第一次阅读是在吸收信息，第二次借助 Slides 回顾的时候，更多是在整理自己的理解。
很多第一次阅读时忽略的细节，往往会在这个阶段重新浮现出来。
Skill 地址：
github.com
四、处理会议纪要
现在各种软件都有会议纪要功能，但我还是习惯把会议纪要导出成 Markdown 文件，再交给 Codex 处理。
尤其是当同一个主题连续开了好几次会的时候，这种方法特别好用。
比如这周围绕某个项目开了三四次会，我会把所有会议纪要一次性丢给 Codex，让它从整体视角去分析，而不是只看某一次会议发生了什么。
最直接的用法当然是整理 Todo。
我会先让它把所有待办事项提取出来，然后继续追问一句：这些 Todo 里面，哪些事情是你可以直接帮我完成的？
有意思的是，很多事情它还真能做。比如整理资料、写初稿、做调研、分析数据、汇总信息、生成文档、整理方案之类的工作，很多时候都可以直接交给它继续往下执行。
如果是客户会议或者用户访谈，我会让它帮我梳理用户最关注的问题、最频繁出现的抱怨，以及那些容易被忽略但值得关注的反馈。
有时候为了收集用户声音，我们会从很多渠道拿资料。有的是微信群聊天记录，有的是用户访谈纪要，有的是问卷反馈。
以前这些内容散落在各个地方，很难整体分析。
现在我会把这些资料统一整理出来，一股脑丢给 Codex，让它帮我做用户痛点分析、需求归类和观点提炼。
特别是当数据量比较大的时候，这种工作我越来越倾向于交给 Codex。因为它能同时阅读大量资料，还能快速发现不同信息之间的关联。
五、连接飞书
这个用法我上周刚专门写过一篇文章，估计很多人还不知道。
如果想在手机上使用 Codex，其实除了 ChatGPT App 之外，还可以直接接入飞书。
整个过程非常简单，和之前在飞书里接 OpenClaw 的方式差不多，几分钟就能搞定。
连接 Codex 和飞书，我的本意是通过手机操作 Codex。但真正用下来之后，我发现自己反而更喜欢在电脑端的飞书里使用 Codex。
因为飞书本身就是我的工作中心。聊天记录、会议纪要、文档、项目资料，很多内容本来就在飞书里。
比如看到一段群聊讨论，我可以直接转发给 Codex，让它帮我整理重点。开完会的纪要，也可以顺手丢给它分析。
更有意思的是飞书文档。以前如果想让 Codex 帮我修改一段内容，通常需要把内容复制出来，再扔给 Codex。
现在很多时候根本不用这么麻烦。比如我正在写这篇文章，写到某一段的时候，觉得表达还不够顺，或者想从另一个角度展开，直接在飞书文档里 @ Codex 就行。
六、接入微信读书
微信读书最近也发布了 Skill，可以直接一键安装，大家搜一下就能找到。
顺便说一下我自己的阅读习惯。
除了文学类作品，我其实很少把一本工具书从第一页一直读到最后一页。
因为很多工具书本身就不是按照小说的方式来阅读的，里面真正有价值的内容往往集中在少数几个章节。
所以我经常会先打开微信读书，看这本书的热门划线。把热门划线先看一遍之后，这本书最核心的观点、最有启发的内容，基本就已经了解个七七八八了。
然后再根据自己的兴趣，去挑一些章节精读。
这也是为什么我每年都会给微信读书续费。因为热门划线这个功能实在太好用了。
某种程度上，相当于成千上万名读者提前帮我们做了一轮筛选。哪些内容最值得停下来思考，哪些段落最容易引发共鸣，大家其实已经用划线投过票了。
而接入 Codex 之后，这件事又方便了一大截。
因为平时经常写文章，经常会遇到一种情况：明明记得某本书里看过一个特别好的观点，或者一句特别有启发的话，但就是想不起来具体在哪。
以前只能自己回去翻书。现在我直接让 Codex 去微信读书里找。
比如让它围绕某个主题，从热门划线里筛选相关内容；或者帮我找某位作者关于某个问题的观点；再或者从几本书的热门划线里整理出共同出现的关键概念。
对于经常阅读、经常写作的人来说，这种体验还是挺爽的。因为书里的内容并没有变多，但调用这些内容的成本被大幅降低了。
七、部署网站
现在大家都在 Vibe Coding 自己的小产品，前后端都有。我自己也已经 Vibe Coding 了 11 个小工具。
这些小工具很多是有后端的，涉及到怎么部署到服务器上。
我现在用的是腾讯云的 CloudBase，它同样有 CLI，所以只要完成一次授权，后面所有的部署，都可以在 Codex 里搞定，不需要再去 CloudBase 后台做各种配置。
八、处理公司日常琐碎事务
我们是小公司，所以很多原本需要行政、HR、财务甚至法务处理的基础工作，现在基本都交给 Codex 了。
比如一份合同拿过来，我通常会直接丢给它。让它先检查风险、梳理重点条款，或者按照我们的需求修改。
很多标准化合同，它处理起来已经相当成熟了。
包括一些制度文件、招聘相关资料、流程文档之类的工作，也都可以交给它先完成第一版。
而我觉得更有价值的，是它和飞书数据打通之后带来的变化。
我们公司的很多经营数据、财务数据，其实都放在飞书多维表格里。给 Codex 装上飞书 CLI 之后，它就可以直接和这些数据连接。
这样一来，它就不只是一个聊天工具了，而是能够真正参与到日常运营当中。
比如新增数据、修改数据、批量检查数据，这些事情都可以直接交给它处理。
我自己现在还有一些固定的自动化流程。
比如每天上午，我都会让 Codex 去检查前一天的数据。看看有没有遗漏记录、异常数据，或者一些明显不合理的地方。
很多时候，人录数据难免会出错。但让它每天固定巡检一次，很多问题当天就能发现。
到了月底，我直接跑一个命令，Codex 就会把这个月的经营情况梳理出来。
总结一下我使用 Codex 的几个主要场景。Coding 就不说了，这是它的看家本领。
但除了 Coding 之外，我发现这个工具已经慢慢融入到我日常工作的方方面面。
一、配图
我现在写文章、PPT，甚至公司内部文档时，配图这件事基本都交给 Codex 来处理。根据不同场景，大概可以分成三类。
第一种，信息型配图。
我会直接把文章丢给 Codex，再调用自己提前做好的文章配图 Skill。这个 Skill 会先通读整篇文章，判断哪些地方适合插入配图，然后和我确认。
确认之后，它会直接生成一个 HTML 版本的配图页面。
我很喜欢这种方式，因为配图本质上变成了网页。
如果有哪里不满意，无论是文字、排版还是布局，都能快速修改，不需要重新生成。
而且用下来我越来越觉得，很多文章配图其实并不需要 GPT Image 2 这种图片模型。对于信息传递来说，简单的图形、线条和排版往往已经足够了。
有时候越简单，反而越容易让读者把注意力放在内容本身。
第二种，手绘风格的脑图、流程图、时序图、架构图等等。
工作里经常会遇到需要画流程图、梳理逻辑关系的时候。我一直很喜欢用 Excalidraw，因为它画出来的东西天然带着一种手绘感，看起来没有那么生硬，很有味道。
现在，我的流程是先把一段文字或者一个想法丢给 Codex，让它先帮我拆解。
比如这段内容如果要画成流程图，需要哪些节点、哪些关系、应该怎么组织结构。等整体框架确认之后，再调用我专门做的 Excalidraw Diagram Skill 生成。
这个 Skill 会同时输出两个文件，一个是 PNG，一个是 Excalidraw 文件。PNG 可以直接拿来用。Excalidraw 文件则可以重新导入 Excalidraw 进行二次编辑。
Skill 地址在这里：
github.com
第三种，制作有趣的 PPT 插图。
这个 Skill 是我在 X 上发现的，特别好用。它可以把一段原本很枯燥的内容，自动转换成这种带有强烈手绘风格的插图。
这种风格最大的特点，就是把原本严肃、抽象的内容，用手绘插画的方式重新表达出来。
画面里会出现各种小人、道具、场景和夸张的视觉元素，看起来像是在讲一个故事。
地址在这里：
github.com
二、整理电脑磁盘
如果你的电脑存储空间本来就不大，经常需要清理磁盘腾地方的话，我觉得有了 Codex 之后，真的没必要再专门买那些磁盘清理软件了。
我家里的 Macbook 存储空间并不大。今年我往这台电脑上装了特别多 Agent 产品，其实很多都是体验，装完很快又卸载了。
但后来我发现，直接把它拖到废纸篓是没办法彻底删除的。因为很多 Agent 软件背后都有很多依赖软件。
后来我突然想到，为什么不让 Codex 帮我查查。
于是我直接让它扫描系统，看看过去装过的那些 Agent 软件有没有残留文件，哪些关联组件还能安全删除。
结果还真找出来不少没卸载干净的关联文件。而且动辄就占几个 G。
三、长文转 Slides
我给自己定了一个要求：每周至少精读一篇长文章。
这里说的长文章，指那些真正值得花时间读完的长博客、深度访谈或者研究文章，而非新闻和各种碎片化资讯。
因为我越来越觉得，在信息泛滥的时代，单纯刷新闻的价值其实并不高。
很多内容看完当下觉得自己知道了，但过两天就忘了。相比之下，那些经过充分思考和沉淀的长文，反而更容易给人带来新的认知。
现在我的做法简单很多。每次读完一篇文章，我会直接把文章交给 Codex，让它帮我生成一份 HTML 版 Slides。
内容不需要面面俱到，重点是把文章的核心观点、关键论据和整体脉络梳理出来。
生成之后，我会对着这份 Slides 再完整过一遍，相当于重新复盘一次文章。
这个过程其实很有意思。第一次阅读是在吸收信息，第二次借助 Slides 回顾的时候，更多是在整理自己的理解。
很多第一次阅读时忽略的细节，往往会在这个阶段重新浮现出来。
Skill 地址：
github.com
四、处理会议纪要
现在各种软件都有会议纪要功能，但我还是习惯把会议纪要导出成 Markdown 文件，再交给 Codex 处理。
尤其是当同一个主题连续开了好几次会的时候，这种方法特别好用。
比如这周围绕某个项目开了三四次会，我会把所有会议纪要一次性丢给 Codex，让它从整体视角去分析，而不是只看某一次会议发生了什么。
最直接的用法当然是整理 Todo。
我会先让它把所有待办事项提取出来，然后继续追问一句：这些 Todo 里面，哪些事情是你可以直接帮我完成的？
有意思的是，很多事情它还真能做。比如整理资料、写初稿、做调研、分析数据、汇总信息、生成文档、整理方案之类的工作，很多时候都可以直接交给它继续往下执行。
如果是客户会议或者用户访谈，我会让它帮我梳理用户最关注的问题、最频繁出现的抱怨，以及那些容易被忽略但值得关注的反馈。
有时候为了收集用户声音，我们会从很多渠道拿资料。有的是微信群聊天记录，有的是用户访谈纪要，有的是问卷反馈。
以前这些内容散落在各个地方，很难整体分析。
现在我会把这些资料统一整理出来，一股脑丢给 Codex，让它帮我做用户痛点分析、需求归类和观点提炼。
特别是当数据量比较大的时候，这种工作我越来越倾向于交给 Codex。因为它能同时阅读大量资料，还能快速发现不同信息之间的关联。
五、连接飞书
这个用法我上周刚专门写过一篇文章，估计很多人还不知道。
如果想在手机上使用 Codex，其实除了 ChatGPT App 之外，还可以直接接入飞书。
整个过程非常简单，和之前在飞书里接 OpenClaw 的方式差不多，几分钟就能搞定。
连接 Codex 和飞书，我的本意是通过手机操作 Codex。但真正用下来之后，我发现自己反而更喜欢在电脑端的飞书里使用 Codex。
因为飞书本身就是我的工作中心。聊天记录、会议纪要、文档、项目资料，很多内容本来就在飞书里。
比如看到一段群聊讨论，我可以直接转发给 Codex，让它帮我整理重点。开完会的纪要，也可以顺手丢给它分析。
更有意思的是飞书文档。以前如果想让 Codex 帮我修改一段内容，通常需要把内容复制出来，再扔给 Codex。
现在很多时候根本不用这么麻烦。比如我正在写这篇文章，写到某一段的时候，觉得表达还不够顺，或者想从另一个角度展开，直接在飞书文档里 @ Codex 就行。
六、接入微信读书
微信读书最近也发布了 Skill，可以直接一键安装，大家搜一下就能找到。
顺便说一下我自己的阅读习惯。
除了文学类作品，我其实很少把一本工具书从第一页一直读到最后一页。
因为很多工具书本身就不是按照小说的方式来阅读的，里面真正有价值的内容往往集中在少数几个章节。
所以我经常会先打开微信读书，看这本书的热门划线。把热门划线先看一遍之后，这本书最核心的观点、最有启发的内容，基本就已经了解个七七八八了。
然后再根据自己的兴趣，去挑一些章节精读。
这也是为什么我每年都会给微信读书续费。因为热门划线这个功能实在太好用了。
某种程度上，相当于成千上万名读者提前帮我们做了一轮筛选。哪些内容最值得停下来思考，哪些段落最容易引发共鸣，大家其实已经用划线投过票了。
而接入 Codex 之后，这件事又方便了一大截。
因为平时经常写文章，经常会遇到一种情况：明明记得某本书里看过一个特别好的观点，或者一句特别有启发的话，但就是想不起来具体在哪。
以前只能自己回去翻书。现在我直接让 Codex 去微信读书里找。
比如让它围绕某个主题，从热门划线里筛选相关内容；或者帮我找某位作者关于某个问题的观点；再或者从几本书的热门划线里整理出共同出现的关键概念。
对于经常阅读、经常写作的人来说，这种体验还是挺爽的。因为书里的内容并没有变多，但调用这些内容的成本被大幅降低了。
七、部署网站
现在大家都在 Vibe Coding 自己的小产品，前后端都有。我自己也已经 Vibe Coding 了 11 个小工具。
这些小工具很多是有后端的，涉及到怎么部署到服务器上。
我现在用的是腾讯云的 CloudBase，它同样有 CLI，所以只要完成一次授权，后面所有的部署，都可以在 Codex 里搞定，不需要再去 CloudBase 后台做各种配置。
八、处理公司日常琐碎事务
我们是小公司，所以很多原本需要行政、HR、财务甚至法务处理的基础工作，现在基本都交给 Codex 了。
比如一份合同拿过来，我通常会直接丢给它。让它先检查风险、梳理重点条款，或者按照我们的需求修改。
很多标准化合同，它处理起来已经相当成熟了。
包括一些制度文件、招聘相关资料、流程文档之类的工作，也都可以交给它先完成第一版。
而我觉得更有价值的，是它和飞书数据打通之后带来的变化。
我们公司的很多经营数据、财务数据，其实都放在飞书多维表格里。给 Codex 装上飞书 CLI 之后，它就可以直接和这些数据连接。
这样一来，它就不只是一个聊天工具了，而是能够真正参与到日常运营当中。
比如新增数据、修改数据、批量检查数据，这些事情都可以直接交给它处理。
我自己现在还有一些固定的自动化流程。
比如每天上午，我都会让 Codex 去检查前一天的数据。看看有没有遗漏记录、异常数据，或者一些明显不合理的地方。
很多时候，人录数据难免会出错。但让它每天固定巡检一次，很多问题当天就能发现。
到了月底，我直接跑一个命令，Codex 就会把这个月的经营情况梳理出来。
275 15225
创业最难的事。
或者也不只是创业吧。我觉得对于所有做事的人而言，基本都会遇到如下两个问题：
第一，做事的过程中，自然而然会浮现出很多问题。但并不是每一个问题都要解决，我们需要克制、聚焦，找关键问题。
这挺难的，真的。忘了前两天在哪里看到的这句话：“魔术师挥动一只手来引起您的注意，而另一只手则可以表演魔术。”
要想发现问题，我们就要耐心观察另一只手，别被其他的次要因素干扰。就是这种感觉。
第二，心力或者心态。这是一个很空的话题，但又无比重要，只能自己感受。
这两天晚上回家，我在读南门太守的《建安十三年》，书中说，曹操这人很有意思，经常在大败之后大笑，对于失败，曹操总有一种“败不馁”的气魄，这十分难得。
成功的时候，是个人就能自洽，这并不难。难的是，失败之后呢？有的人，会一蹶不振，怀疑自己。
有的人则会心灰意冷，再也没了风骨。但失败实在是太正常了。心力很重要。
或者也不只是创业吧。我觉得对于所有做事的人而言，基本都会遇到如下两个问题：
第一，做事的过程中，自然而然会浮现出很多问题。但并不是每一个问题都要解决，我们需要克制、聚焦，找关键问题。
这挺难的，真的。忘了前两天在哪里看到的这句话：“魔术师挥动一只手来引起您的注意，而另一只手则可以表演魔术。”
要想发现问题，我们就要耐心观察另一只手，别被其他的次要因素干扰。就是这种感觉。
第二，心力或者心态。这是一个很空的话题，但又无比重要，只能自己感受。
这两天晚上回家，我在读南门太守的《建安十三年》，书中说，曹操这人很有意思，经常在大败之后大笑，对于失败，曹操总有一种“败不馁”的气魄，这十分难得。
成功的时候，是个人就能自洽，这并不难。难的是，失败之后呢？有的人，会一蹶不振，怀疑自己。
有的人则会心灰意冷，再也没了风骨。但失败实在是太正常了。心力很重要。
8 02
看了阿里内网流传出来的七万字长文，我感觉阿里近两年最大的败笔就是高价收购了无招的那个没什么商业结果的创业公司股份，然后又让他重掌钉钉。
无招觉得自己是乔布斯。
乔布斯当年也是被迫离开自己一手创立的公司，后来又临危受命，把苹果推到了新的巅峰。
无招看到这样的故事，也常常能够共鸣，当年，他也是受不了逍遥子的云顶一体，才被迫出走的。
他可能觉得自己的偏执也和乔老爷子有几分相似之处。不一样的是，他完全没有乔布斯的人文精神和审美。
无招觉得自己是乔布斯。
乔布斯当年也是被迫离开自己一手创立的公司，后来又临危受命，把苹果推到了新的巅峰。
无招看到这样的故事，也常常能够共鸣，当年，他也是受不了逍遥子的云顶一体，才被迫出走的。
他可能觉得自己的偏执也和乔老爷子有几分相似之处。不一样的是，他完全没有乔布斯的人文精神和审美。
8 22
开始刻意的带着孩子玩AI了。
六一儿童节，闺女放假，我花了一个多小时，和她一起做了一个关于风筝的交互式网站。
缘起是上个月我们去呼和浩特看演唱会，在敕勒川公园，抬头看见湛蓝的天空中有人在放风筝。
那只风筝就像草原上的雄鹰，有一种苍茫之感，于是我拿出手机拍了张照片。
拿着这张照片，我先是和她一起做了一个视频。紧接着，又把视频转化为了交互式的网站。
孩子觉得太神奇了。给 AI 一张图片，它能变成视频。给 AI 一段视频，它又能变成一个网站。
以前我们总觉得图片是图片，视频是视频，网页是网页。但现在这些内容形态之间的边界正在消失。
一张照片不再只是照片，它可以快速变成视频，变成网站，甚至可以变成一个能够交互的小世界。
我也很开心，六一儿童节这天，能带着她在 AI 的世界里像风筝一样飞一圈。
其实，这事对我也很有启发。过去我们总是在谈怎么用 AI 做工作流、怎么提效。
但这一刻我忽然觉得，它也能把生活里一个很小的瞬间，放大成一个有趣好玩的作品。
六一儿童节，闺女放假，我花了一个多小时，和她一起做了一个关于风筝的交互式网站。
缘起是上个月我们去呼和浩特看演唱会，在敕勒川公园，抬头看见湛蓝的天空中有人在放风筝。
那只风筝就像草原上的雄鹰，有一种苍茫之感，于是我拿出手机拍了张照片。
拿着这张照片，我先是和她一起做了一个视频。紧接着，又把视频转化为了交互式的网站。
孩子觉得太神奇了。给 AI 一张图片，它能变成视频。给 AI 一段视频，它又能变成一个网站。
以前我们总觉得图片是图片，视频是视频，网页是网页。但现在这些内容形态之间的边界正在消失。
一张照片不再只是照片，它可以快速变成视频，变成网站，甚至可以变成一个能够交互的小世界。
我也很开心，六一儿童节这天，能带着她在 AI 的世界里像风筝一样飞一圈。
其实，这事对我也很有启发。过去我们总是在谈怎么用 AI 做工作流、怎么提效。
但这一刻我忽然觉得，它也能把生活里一个很小的瞬间，放大成一个有趣好玩的作品。
00:09
11 00
Codex 已经可以接入飞书了，附详细教程。
我发现 Codex 已经可以接入飞书了。这个还是非常非常方便。特别是对于我这样深度使用飞书的人来说。
我知道 ChatGPT 的 App 也可以给 Codex 发消息，但总归麻烦一些。
毕竟手机上打开 ChatGPT，还是有各种各样的网络问题。用飞书就直接很多。
而且，像我们团队在深度使用飞书，各种各样的文档、聊天上下文都在飞书里。
Codex 接入飞书之后，我可以在任何需要的地方直接 @ Codex，这样就减少了很多信息的来回倒腾。
接入飞书后，Codex 就相当于是一个联系人嘛，我们可以把聊天记录、文档等等直接转给这个 Codex，它就可以开始工作了。
安装也非常简单。直接把这个桥接的开源项目发给 Codex，让它帮忙看看怎么能把 Codex 接入飞书。
大概等两三分钟，中间需要经过一次授权，就可以搞定了。
授权其实也很简单啊，它的逻辑就和飞书的 CLI 是一样的，在飞书的开放平台创建一个应用。
开源项目的地址在这里：
github.com
装好之后，就有非常多有意思的场景了。
如果平时写文章，经常会遇到一种情况。写着写着突然卡住了，或者某一段总觉得哪里不对，但自己又说不上来。
以前我是怎么处理的？因为已经装了飞书 CLI，所以我会直接把文档链接发给 Codex。它其实是能看到整篇文章的。
但接下来还是得把那一段内容单独复制出来，然后告诉它：帮我看看这一段是不是有点别扭，或者这里的逻辑是不是不太顺。
现在就不一样了。Codex 接入飞书之后，本质上已经变成了飞书里的一个联系人。
我直接在文档里圈选一段内容，写个批注，@Codex。它就能顺着当前上下文直接参与讨论。
整个过程都发生在文档里，不需要再来回复制、切换和同步信息。
另外还有一个我觉得很巧妙的设计。
大家都知道，Codex 本身是有项目概念的。如果接入飞书之后，所有任务都放在一个聊天窗口里，那时间一长肯定会乱掉。
写文章的上下文、做网站的上下文、研究资料的上下文，全混在一起了。
我原本还担心这个问题。
结果发现这个开源项目已经考虑到了。它的设计很简单：一个群，就是一个项目。
比如我现在要让他帮我做个小网站，这时候我可以直接用 /new chat 的命令来创建群聊，也就是项目。
紧接着，会话中立马会出现一个新的群聊。我直接发消息艾特 Codex，它就可以工作了。
注意群聊里的消息，必须艾特 Codex 的那个智能体，它才会收到。
我原本看到这个开源项目的时候，觉得出门在外可以通过手机上的飞书跟办公室电脑上的 Codex 交互，这样就会方便很多。
但下午装上玩了一会之后，我发现桌面端其实也有非常多的使用场景。
比如刚才说的文档场景，我直接在文档里艾特 Codex，它就能够参与进来。这样的话，它就真正融入到了我现有的工作流当中。
再比如公司群里，同事转了几条消息过来。以前我可能还要把这些内容整理一下，再发给 Codex。
现在其实不用了，直接把那几条消息框选出来，合并转发给 Codex，它就可以开始工作。
虽然我电脑上本来就开着 Codex，但这种直接在飞书里转发的链路还是会顺畅很多。
我发现 Codex 已经可以接入飞书了。这个还是非常非常方便。特别是对于我这样深度使用飞书的人来说。
我知道 ChatGPT 的 App 也可以给 Codex 发消息，但总归麻烦一些。
毕竟手机上打开 ChatGPT，还是有各种各样的网络问题。用飞书就直接很多。
而且，像我们团队在深度使用飞书，各种各样的文档、聊天上下文都在飞书里。
Codex 接入飞书之后，我可以在任何需要的地方直接 @ Codex，这样就减少了很多信息的来回倒腾。
接入飞书后，Codex 就相当于是一个联系人嘛，我们可以把聊天记录、文档等等直接转给这个 Codex，它就可以开始工作了。
安装也非常简单。直接把这个桥接的开源项目发给 Codex，让它帮忙看看怎么能把 Codex 接入飞书。
大概等两三分钟，中间需要经过一次授权，就可以搞定了。
授权其实也很简单啊，它的逻辑就和飞书的 CLI 是一样的，在飞书的开放平台创建一个应用。
开源项目的地址在这里：
github.com
装好之后，就有非常多有意思的场景了。
如果平时写文章，经常会遇到一种情况。写着写着突然卡住了，或者某一段总觉得哪里不对，但自己又说不上来。
以前我是怎么处理的？因为已经装了飞书 CLI，所以我会直接把文档链接发给 Codex。它其实是能看到整篇文章的。
但接下来还是得把那一段内容单独复制出来，然后告诉它：帮我看看这一段是不是有点别扭，或者这里的逻辑是不是不太顺。
现在就不一样了。Codex 接入飞书之后，本质上已经变成了飞书里的一个联系人。
我直接在文档里圈选一段内容，写个批注，@Codex。它就能顺着当前上下文直接参与讨论。
整个过程都发生在文档里，不需要再来回复制、切换和同步信息。
另外还有一个我觉得很巧妙的设计。
大家都知道，Codex 本身是有项目概念的。如果接入飞书之后，所有任务都放在一个聊天窗口里，那时间一长肯定会乱掉。
写文章的上下文、做网站的上下文、研究资料的上下文，全混在一起了。
我原本还担心这个问题。
结果发现这个开源项目已经考虑到了。它的设计很简单：一个群，就是一个项目。
比如我现在要让他帮我做个小网站，这时候我可以直接用 /new chat 的命令来创建群聊，也就是项目。
紧接着，会话中立马会出现一个新的群聊。我直接发消息艾特 Codex，它就可以工作了。
注意群聊里的消息，必须艾特 Codex 的那个智能体，它才会收到。
我原本看到这个开源项目的时候，觉得出门在外可以通过手机上的飞书跟办公室电脑上的 Codex 交互，这样就会方便很多。
但下午装上玩了一会之后，我发现桌面端其实也有非常多的使用场景。
比如刚才说的文档场景，我直接在文档里艾特 Codex，它就能够参与进来。这样的话，它就真正融入到了我现有的工作流当中。
再比如公司群里，同事转了几条消息过来。以前我可能还要把这些内容整理一下，再发给 Codex。
现在其实不用了，直接把那几条消息框选出来，合并转发给 Codex，它就可以开始工作。
虽然我电脑上本来就开着 Codex，但这种直接在飞书里转发的链路还是会顺畅很多。
23 524