本文是 Codex-OpenPencil 插件的快速上手教程，以设计一个服装购物 APP 为例，完整演示从安装、打开画布、确认风格、扩展页面、选中元素口喷修改，到图片生成与搜索、保存设计资产，再到设计稿转代码的全流程。插件免费开源，提供支持平移缩放的无限画布，Codex 负责理解需求并调用工具，OpenPencil 负责设计展示与编辑，可 100% 还原生成 HTML、Vue、React、SwiftUI 等框架代码。文章还介绍了看板、教程图、对比图、PPT 等其他应用场景及常见问题处理方法。
DeepSeek 发布了 DeepSeek-V4.1-Flash-1017 小版本更新，作者在推理、代码、Agent、图像理解等 8 个实际场景中与 Opus 5.5 进行同题对比测试。测试包括网页小游戏开发、落地页设计、讲解动画、视频渲染、数据分析、草图转网页和小说写作。结果显示该 Flash 版本在功能完整度、数据分析、交互还原等方面表现出色，多项能力已接近 Opus 5.5。新版本采用 552B 参数 MoE 架构，MIT 协议开源，同时开放了 Search 和 Fetch 搜索接口。
Google 发布新一代旗舰模型 Gemini 4 Argon，主打复杂长流程任务的深度推理，输出 token 上限达 100 万，行业第一。官方跑分 19 项中拿下 14 项第一，第三方测试显示其幻觉率全场最低（15%），且成本仅为 GPT-6 Astra 的六成。作者通过两个实测案例进行对比：俄罗斯方块游戏中 Argon 5 分钟一次写完 4.7 万字符代码，速度是 Astra 的两倍多，验证了长输出能力；但番茄钟前端设计对比中，Argon 功能完整却设计粗糙并有 UI bug，验证了其前端偏弱的爆料。结论：Argon 硬实力强、长代码能力实锤，但前端精细活不是主场。
作者用同样的 12 道题横向实测 Gemini 4 Argon、Claude Opus 5.5 与 GPT-6.1 Sol。Argon 在 Gemini 网页 App 中闭卷盲打，另两家则通过 Claude Code 与 Codex 命令行 Agent 拥有自测调试的工作流。结果 Argon 对 Opus 0 胜 5 平 7 负，对 GPT 2 胜 4 平 6 负。失分分两类：铁路、咖啡店、四季三题毁于作用域未定义、少打空格、404 地址等小错，补一两行即可运行，根源在 App 环境无法自测；而机械蝴蝶连杆伸缩、折纸裂开、书封视觉误读、西瓜过曝等属于硬伤。Argon 在视觉题与原创游戏上表现出色，Pro 额度也较充裕。
作者分享了一套 GPT Image 2.5 出图的结构化提示词方法论，将画面拆解为身份、物理、摄影、视觉风格四大系统加负面词控制系统，共 17 个层级，并提供 5 层、8 层、15 层三个版本。通过“雨夜便利店”同场景实测对比，展示信息量对出图质量的影响。作者还用蚂蚁百灵 Ling-3.1-flash 模型将 5000 字方法论文档在 24 秒内一次性生成单文件 HTML 提示词拼装工具，支持逐层填写、实时拼接、一键复制，并介绍了将该模型接入本地 Claude Code 的环境变量配置方法与使用体验。
作者介绍了如何使用 Claude Opus 5.5 通过提示词生成动态图形视频，替代昂贵的动态设计师。传统上聘请动效设计师每月需 5000-6000 美元，制作 60 秒动画解说视频需 2-3 周，而使用 Opus 5.5 只需一个提示词即可在 10 分钟内生成发布视频。文章分享了 5 个经过测试的动效提示词及其实际生成的视频，并为付费会员提供涵盖 10 个类别的 100+ 提示词库。示例提示词详细展示了如何用 Remotion (React) 生成品牌动效视频，包括品牌配色、字体、动画平滑度控制、代码合成音乐、场景设计等完整规范，全程无需第三方视频或音频工具，所有帧和音效均由代码渲染合成。
作者团队耗时一周、花费四千多元深度测试 Claude Opus 5.5 的视频制作能力。Opus 5.5 通过代码生成方式制作 MG 动画，具备确定性高、可精准修改的优势。文章展示了科普教育视频、产品宣传片、剪辑包装、游戏动画等多个应用场景，指出其效果已超过资深设计师水平。同时分析了风格同质化、制作时间长、费用高等不足，并提出用参考图、调整推理强度等解决方案。作者将测试中的方法技巧整理成 Skill，认为该模型正在改变科普、教学和宣传片制作方式。
Code2Video 是与 Google DeepMind 和 Kaggle 合作推出的开放基准，测试模型在单次调用、无 Agent 框架和工具的情况下，根据视频需求生成代码生成视频的能力。Opus 5.5 排名第一，超过 GPT-5.5、GPT-6 Astra 和 Claude Fable 5.1。研究分析了约 70 个 X 上的一次性提示词，发现 Opus 5.5 常用 Python 画帧再交给 FFmpeg，或用无头浏览器逐帧捕获 HTML 页面渲染。其核心思路是把视频写作时间的函数 f(t)，逐帧计算，输出可重复。 Opus 5.5 还能在无工具和文档的情况下凭记忆复现 HyperFrames 特有概念，20 次全部通过其检查器。配合 HyperFrames 约束和 CLI 规则，可减少错误、降低一半 token 成本。
作者使用 Cursor 搭配 Claude Opus 5.5，通过云端 Agent 一口气开发了三个项目：快捷语音输入工具、东京 3D 城市模拟器和鹈鹕骑车跑酷游戏。语音输入工具借鉴微信长按说话交互，让 Mac 所有输入框都能按住鼠标语音输入；东京模拟器基于日本 PLATEAU 真实建筑数据，包含 7.2 万栋楼、昼夜变化、车流、涩谷路口行人和东京站电车时刻表，超越了 OpenAI 官方 Codex 案例 CityForge；跑酷游戏则用纯代码生成美术与音效，实现了漂移与喷火玩法。文章展示了 Opus 5.5 强大的 Agent 编程能力。
作者实测阶跃星辰新模型 Step 5 Preview，认为其前端 UI 能力已进入第一梯队，价格仅为竞品三分之一却达到 K3 水平。测试显示它能高精度复刻 Apple 官网页面，配合 Skills 可实现动效网页设计，还能用 HTML5 Canvas 开发 2D/3D 游戏且操作流畅。作为 Agent 接入 Claude 框架后，它能从 72 页 PDF 中逐页提取数据核算利润率，并审计修复含 1800 多条公式的复杂 Excel 财务模型，揪出 22 处错误并标注不确定项。作者感叹国产模型正在从几家变成一批，整体表现超出预期。
文章探讨当 AI 能编写几乎所有代码时，工程师的角色将如何演变。以 PostHog 为例，其 monorepo 中由 agent 发起的 PR 已从 20% 升至 70%。作者认为工程师不会消失，而是转向四项核心工作：一是监控全局，通过构建 standup bot、repo scout 等系统及时获取信息并确定优先级；二是设定方向，综合经验、用户价值、技术可行性和竞争格局做出取舍，避免被 AI 轻易生成的功能带偏；三是决定如何构建与实现，凭借对代码库和实现细节的理解确定范围、提出正确问题；四是评估 agent 的工作产出。工程师的价值从写代码转向监督、决策与系统设计。
DAIR.AI发布本周（9月7日-13日）顶级AI论文精选，涵盖五篇论文：Procedural Graphs提出用显式程序图指导长时程智能体，减少动作漂移；FrogNano证明4B编码智能体可通过纯强化学习与在线任务合成达到竞争性能；STAIR利用目录结构改进生成式检索，显著提升召回率并降低幻觉；AI-Native Design Docs主张以自然语言设计文档为持久产物，由编码子智能体重新生成实现；PARSER将阅读与推理分离，通过并行子智能体与迭代散射-聚集提升长文档处理效率。
本期早报聚焦 Agent 能力落地过程中的工程变量与真实收益。精讲三篇：DeepSeek V4.1 Flash 通过大幅缩减 KV Cache 降低长上下文推理与缓存成本；Magic 用保留集、缩放律和防数据泄漏评测验证预训练配方的十倍效率提升，强调跨规模验证的重要性；Shopify 因编码模型降低双端实现成本，从 React Native 转向 Swift/Kotlin 原生开发，并通过 Helix 流程保证 AI 生成代码的可交付性。速览部分涵盖 Cognition SWE-2 的成本-能力 Pareto 优化、Agentic Harness 工作流框架、Anthropic 网络安全事件对齐复盘、规范驱动开发研究、LinkedIn 企业 Agent 的 Skills 实践与 Bolt CEO 关于原型到生产代码的访谈。
本文介绍了开源项目ponytail，该项目在GitHub上拥有91.6k star，其核心哲学是让AI模仿资深工程师的“懒人思维”，优先寻找现成方案或修改配置，避免不必要的代码编写。作者实测发现，ponytail能让AI先思考再动手，自动拆分复杂需求为最小改动，重构老模块时代码量减少近一半。此外，它强制AI编写“为什么这么改”的注释，相当于免费代码审计，对维护老项目尤其有用。作者认为该项目思路独特，不追求跑分，专治AI写码落地难的问题，并推荐给AI方向的开发者。
文章回顾了AI递归自我改进（RSI）的80年历史，将其划分为四次浪潮：随机突变（遭遇生成瓶颈）、数学证明（陷入验证瘫痪）、AutoML（过度拟合基准测试），以及当前大语言模型阶段。作者指出，随着LLM解决了代码生成的瓶颈，AI系统演进的核心挑战已剧烈转移至“验证”阶段。面对开放式任务，如何有效验证AI生成复杂系统的逻辑可靠性，成为了当前AI自我进化的真正天花板。
本文介绍了如何将DeepSeek最新推出的V4 Flash模型接入Codex工具。通过官方脚本一键配置，用户可以在保持Codex强大编程工作流的同时，大幅降低AI编程成本。文章详细讲解了DeepSeek V4 Flash的更新特性、API申请流程以及在不同终端中的配置与使用方法。
文章介绍了一条专为 Codex 新手设计的万能提示词，旨在解决 AI 盲目修改代码导致项目混乱的问题。该方法要求 AI 在执行任务前，必须依次完成阅读项目、复述需求、提出问题、制定计划和等待确认五个步骤。通过先理解再动手，可以有效规避技术债和逻辑冲突，确保修改准确且可控。
Ruben Hassid 分享了如何利用 Claude 和 ChatGPT 制作高质量信息图表的详细步骤。通过上传参考图片、提取设计系统、生成 HTML 代码，用户可以快速创建精确且易于编辑的视觉内容，适合提升社交媒体互动效果。
作者分享了使用 Kimi K3 模型的实际体验，通过 3D 坦克大战游戏、权力游戏地图动画和教学视频制作三个案例，展示了其在多模态和复杂任务处理上的强大能力。文章指出 K3 提供了 Claude 和 Codex 之外的优质选择，且具备合规性优势，但同时也面临算力短缺的局限。
作者通过复刻盈利产品Rotato，实测Kimi K3的代码生成与技术分析能力。借助Kimi WebBridge插件，K3完成了竞品分析和核心代码编写，但在图形学深度问题上稍逊于Fable 5。作者认为K3性价比极高，适合作为中层模型使用。
随着 GPT-5.6 等模型的发布，AI 工作流的核心已从编写提示词转向设计自动化循环。文章解释了为何人类不应再做循环中的瓶颈，并详细介绍了如何使用 Slate 工具构建具备自主规划、执行和验证能力的 AI Agent 循环系统，包含具体的配置文件与命令实操。
文章深入对比了当前热门的两种 AI 编程工作流 grill-me 和 Superpowers。作者从设计初衷出发，分析了两者在多轮问答、需求对齐及执行计划上的差异。grill-me 假设开发者已有方案，通过大量提问完善细节；Superpowers 则通过 Brainstorming 引导方向，并引入多轮 Reviewer 保证质量。文章指出，选择哪种工具取决于模型的智能程度以及对长程任务处理的偏好。
本文实测了美团发布的基于 5 万张国产算力芯片训练的万亿参数大模型 LongCat-2.0。文章指出，该模型在预训练到大规模部署的全流程中实现了国产算力闭环，具有里程碑意义。虽然通用推理能力与顶级闭源模型仍有差距，但在 Terminal-Bench 和 SWE-bench Pro 等 Agent 与编程任务中表现强劲。作者实测了将其接入 Claude Code 和 Codex 进行工作流处理，结果显示其在长上下文处理和任务拆解上表现稳定，为开发者提供了一个可行的非国产替代方案。
xAI 发布 Grok Build 并向 X Premium+ 用户开放。这款终端 AI 编程工具是 Claude Code 的竞品，支持 Windows/Mac/Linux 安装。文章介绍了安装方法及使用案例，包括生成图片、视频、浏览推文和生成网页，特别强调了其独特的视频生成能力。
文章详细介绍了 Moonshot AI 推出的 Kimi K2.6 模型及其核心功能 Agent Swarm。该技术支持每轮运行 300 个并行子代理，将单一文本指令转化为完整的项目交付物（如文献综述、数据集、代码和网页）。文章通过对比“聊天”与“群组”两种心智模型，展示了该技术在学术研究、可视化生成、LaTeX 排版、批量网页开发及大规模代码重构六大场景中的绝对优势，并提供了在单一代理与群组代理之间进行选择的决策指南。
文章指出 Claude Code 直接使用存在上下文腐烂、缺乏流程约束等工程问题，提出利用 Harness（Agent 系统架构）来规范 AI 行为。作者详细对比了四套方案：Super Powers（纪律层）、GSD（上下文层）、G-Stack（角色层）和 Archon（编排层），并分析了各自的适用场景、优缺点及实施代价，建议开发者根据需求循序渐进地搭建 AI 开发工作流。
本文记录了对 Anthropic 内部 Claude Code 创建者 Boris Cherny 的访谈。文章详细阐述了 Claude Code 从一个小型孵化项目成长为年化营收超十亿美元产品的历程。Boris 分享了他如何利用数百个 Agent 和 Loop 模式完全替代手写代码，实现“编程已被解决”的个人工作流。此外，文章还探讨了 AI 对 SaaS 护城河的冲击、通才的崛起、软件构建的“大众化”类比，以及 Anthropic 在组织流程层面领先于外部的实践。
文章总结了吴恩达 AI 提示词工程课程第三模块的核心内容，聚焦于如何利用 AI 进行多模态任务。文章提炼了 6 节课程的精髓，包括：多模态成本意识、AI 看图与文字提取技巧、AI 绘画的视觉语言、用 Prompt 快速开发 App、以及利用 AI 写代码进行数据分析。文章提供了多个可直接复用的 Prompt 模板，如 GIO 三件套和数据提取四步法，旨在帮助用户找到让 AI 落地的最低成本路径。
文章介绍了一个用于大型任务（如系统构建、功能开发）的 AI Agent 通用提示词模板。该模板旨在规范代理的工作风格与质量标准，要求其像资深工程师一样，深入理解上下文、制定计划、充分调用工具并进行严格测试。文章详细列出了从建立任务、收集背景、编写计划到执行纪律的具体步骤，强调不妥协的质量和持续迭代。
文章指出了大多数开发者在使用 Claude Code 时仅停留在“对话”层面的误区，提出了将其视为“可编程推理引擎”的理念。作者详细阐述了如何通过构建“输入层-推理层-执行层-反馈层-记忆层”的系统架构，利用 Prompt Builder、自动化测试闭环和 CLAUDE.md 记忆机制，将 AI 从辅助工具转化为高一致性的生成系统。
