作者在 Claude Code 中构建了一个'Roast Room'，用基于 Jeff Bezos、Warren Buffett、Alex Hormozi 等知名企业家公开资料塑造的 AI 顾问委员会来辅助商业决策。每位顾问拥有独立的 agent 文件和'大脑'资料库（包含决策规则、框架、立场和故事），各有不同的审视视角。用户给出决策、备选方案和背景，顾问们相互辩论并输出可下载的结论 PDF。作者还开发了 New Roaster 技能来快速添加新顾问（如 Elon Musk），会话记录保留在本地文件中便于事后审查。最终决策仍由作者本人做出。
作者用相同的提示词、品牌素材和数据让 Claude Code（Opus 5）和 Codex（GPT-5.6 Sol）各构建八个网站，从设计质量、Agent 数量、耗时、输出 token 和 API 成本多维度对比。结果是 Codex 在开放式设计环节赢得六轮中的五轮，效率优势显著：Codex 仅用 9 个 agent、约 5 小时、55 万 token、约 100 美元，而 Claude Code 用了 25 个 agent、14 小时、近 300 万 token、约 444 美元。实验还发现当提示词足够具体时，两者产出几乎一致。
作者花一周时间将开源的 Deepseek Harness 与 Claude Code 在自己的 AI 操作系统中进行对比测试，包括建网站、知识库搜索、分析工作簿等真实任务。结论是 Deepseek Harness 速度更快、免费开源、一切皆插件、可高度定制，但作为开发者预览版仍有 bug、上下文丢失和视觉验证弱等问题。作者倾向于用它做快速研究和低成本溢出工作，而深度或客户级交付仍更信任 Claude Code。
本文介绍了如何利用 Claude Opus 4.8 构建个人 AI 操作系统的实践。作者提出了“上下文为王”的核心理念，详细阐述了包含“上下文、连接、能力、节奏”的四层架构（4C's），并分享了组织文件、建立工具连接以及使用 /insights 指令进行自我审计的方法，旨在打造一个统一的、非状态化的智能工作流。
本文详细介绍了如何高效使用 Codex 编程工具。作者通过一个 YouTube 评论情报系统的实战案例，展示了 Codex 在本地文件操作、计划模式、API 连接、技能复用及自动化部署等方面的核心功能，并将其与 Claude Code 进行了对比。
作者基于 400 小时的实际使用经验，总结了在房地产、HVAC 等多个行业中反复证明有效的 6 个 Claude Code 技能。这些工具虽然简单枯燥，但能显著解决实际业务中的效率问题。重点介绍了 Skill Creator（快速生成技能）、Superpowers（强制规范开发流程）、GSD（防止上下文污染）、/review（代码审查）以及 Context Mode（上下文压缩）等工具，它们共同构建了一个从构建到交付的高质量自动化开发工作流。
文章详细介绍了如何构建一个基于 Claude Code 的个人 AI 操作系统来管理年入 300 万美元的业务。作者提出了“Three Ms”思维模式和“Four Cs”技术框架，并分享了具体的仓库结构、文件组织、工具连接技巧以及 Skills（技能）的最佳实践，旨在通过 AI 实现业务流程的自动化和高效管理。
