Nobody knows me better than ChatGPT

有问题解决问题的过程还挺有趣的

抖音刷到了一个开源连接器的项目，open-connector，国人出品，挺良心的。

推荐给大家。

github.com

Browserbase这家公司挺有意思的，买了2个月会员。

Agent的指纹浏览器。

Vibe Coding游戏从去年开始到上半年是个很火热的赛道。甚至每次新模型一推出3D类 case更加能拿到流量。文生图生3D模型的使用场景更多了。

还有一个SVG动画。现在模型依旧绘制SVG动画差点意思。但也出现了一些曲线救国的方式。

其实最近一款出海产品90%流量都来自ChatGPT，其次是谷歌。

完全可以沉淀个Skills把用户向AI提问的语句和关键词在你的落地页都有承接。

而最好落地页的关键就是对标，一样可以交给Web ChatGPT帮你调研输出。

独立开发者其实非常建议去学习下Lovable。

单纯从产品角度出发，你可以学习后获得一份自己的Agent编排范式和应用脚手架。

意味着是落地页，工具，业务系统，Dashboard等你都有快速建站的模板，集成了邮箱，域名，注册登录，数据库，支付，SEO等核心套件，基于这套编排范式可以快速上线。

当你学有所成，你就发明了ShipFast和ShipAny。

而使用Grok执行，最近一个感受就是可以得到非常纯净的页面，很适合工具和业务系统。

最近开发范式：Web ChatGPT规划 - Grok执行 - Codex Astra审查。

怎么把 ChatGPT 额度用出接近 Double 的体感？
为什么很多场景下，会感觉 ChatGPT 比 Codex 好用？
为什么 Codex 不应该拿来做所有 AI 任务？

结论：多用Web版本ChatGPT，别把所有任务都扔给 Codex。

开放任务 → ChatGPT
工程执行 → Codex

ChatGPT 和 Codex 的体感差很多，核心在 Harness差异。

ChatGPT 更适合：
调研 / 搜索 / 文件分析 / 生图 / 产品讨论 / 写文档

Codex 更适合：
Repo / Terminal / Debug / Refactor / Test

Codex 的 Agent Loop 本来就是围绕代码执行设计的。
拿它做调研、看 PDF、聊需求，不一定更强，反而更重、更烧 Context。

最后其实可以考虑把1M上下文关掉，最近一个月感觉也没啥影响。

其实Astra后，Codex + Figma比Claude Design类更香了。

Agent 越来越容易做，产品反而越来越难做。

去年还在讨论：通用 Agent 还是垂直 Agent。

今年这个问题已经没那么重要了。

Claude Code、Codex CLI、OpenCode、Pi 这些 Agent Harness 越来越成熟，Agent Core 本身不用反复重造。换一套 Tools、Skills、Workflow，很快就能从 Coding 做到 Research、Video，甚至继续演化成 Agent Team。

Manus、Genspark 都在往这个方向走。

但这里有个很大的错觉：Agent 能力扩张得越快，不代表产品增长也会越快。

从 Agent 的视角，只是换了一套 Tools；从产品的视角，可能已经换了一批用户。

Video、Coding、Research 底层可以共用一套 Harness，但背后的 ICP、使用频率、付费理由、SEO、投流渠道可能完全不同。

所以一个场景跑通之后，真正应该沉淀的不只是功能，而是下一轮可以复用的资产：

- Agent 能力能不能复用？
- 产品 Workflow 能不能复用？
- 还是不是同一批用户？
- SEO、投流、渠道能不能继续复用？

好的第二个场景，不应该从Agent 还能做什么里找，而应该从：现在这批用户，下一步还需要做什么里找。