文章介绍了 Mickey 在 Startup Ideas Podcast 上展示的多 Agent 并行开发工作流——'软件工厂'。该方案基于几个 markdown 文件和 agents.md，与模型和工具无关，支持 Codex、Claude Code、Cursor 等。四步流程：1) Isolate：每个新功能在独立 git worktree 分支开发，避免 Agent 相互覆盖；2) Build：用代码结构 skill 规范架构，保证代码可读；3) Prove：要求 Agent 提供前后对比证据（录屏、截图或性能数据），未达标自动回退重做；4) Ship：接入 Greptile 等代码评审 Agent 打分，达到 5/5 才合并。作者强调核心是工作流和领域知识而非模型本身。
文章介绍了 Ras Mic 使用 OpenAI 最贵模型 GPT-6 Astra 在半小时内完成 AI 家庭音箱从设计到落地的完整流程：建模、零件估价、Blender 布局、代码编写与 PR 合并。他强调 Codex 订阅对 Astra 的高额补贴（一周用量折合 API 超过 2.4 万美元，实际仅付数百美元订阅费），建议趁补贴窗口用足模型能力。核心观点是：模型智能提升了，但人们的尝试勇气没跟上——与其用 Astra 生成落地页，不如做硬件和更大胆的项目。Greg 将这一趋势称为 vibe manufacturing，预测将涌现大量年入百万美元的小众硬件生意。
本文介绍了近30天内5个备受关注的开源GitHub项目：1）No AI Slop，由Peter Yang开发的去除AI写作痕迹、保留个人风格的Skill；2）TryCompAI的开源CRM，将CRM作为Agent工作空间，自动跟进线索和丰富客户信息；3）Browser Use的Video Use，让Claude Code或Codex等编程Agent实现视频编辑自动化；4）NVIDIA的SkillSpector，扫描Agent技能的提示注入、数据泄露等安全风险；5）Shawn Pana的Phone Harness，让AI Agent控制真实的iPhone或Android手机，用于移动QA和自动化。所有项目均免费开源，部分依赖付费服务。
文章提出营销已进入第四个时代——营销工程（Marketing Engineer）。传统营销让人产生兴趣，数字营销通过可衡量渠道获客，增长黑客将营销融入产品，而营销工程师则利用AI Agent、数据、代码和品味构建持续学习的营销系统。核心方法是搭建Growth Repo（增长仓库）沉淀公司营销记忆，包括客户真相、内容引擎、外联引擎、创意测试等文件夹，并通过撰写Agent职位说明书来训练AI员工。文章详细介绍了工具栈（Claude、Codex、工作流、创意模型）和六大系统建设：客户真相、创始人内容引擎、外联信号引擎、创意测试引擎、AI搜索可见性、增长驾驶舱，并指出这一职业将在未来18-24个月成为高薪岗位。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
本文详细介绍了 Riley Brown 关于 OpenAI Codex 的使用教程。文章指出 Codex 整合了编程与业务工作流，确立了新的界面标准（左侧聊天、中间代理、右侧成果）。内容包括如何利用 Skills 压缩重复工作流、设置多任务并行、连接 Notion 权限管理，以及四个上手实战项目。Riley 强调 GPT 5.5 时代浏览器代理的潜力，并鼓励用户通过探索和试错来掌握 AI 工具。
