本文是面向零基础读者的 REA（Reverse Engineer Anything）工具上手教程。REA 是给 Codex、Claude Code 等 AI 编程助手使用的开源逆向分析工具，可读取网页、桌面应用和二进制程序，查清功能实现原理。教程以 Chrome 恐龙小游戏为例，通过五个步骤演示完整流程：先玩原游戏体验加速效果；给 Codex 接入 REA 并启动调试版 Chrome；让 Codex 通过 REA 查清游戏加速规则（初始速度6、每次更新加0.001、上限13）；让 Codex 生成带速度滑块的自己的版本；最后核对加速计算是否与官方参考值一致。全程只需复制命令和对话式提问，无需手写代码。
作者在 X 上发起调查，询问开发者是否敢给 AI Agent 开启 Full Access（全权限自动执行），收到 100 多条回复后发现超过 85% 的重度玩家都在开全权限运行。文章总结了敢开全权限的三大理由：频繁确认打断工作流、手动确认只是心理安慰（确认疲劳）、翻车需靠工程兜底而非人眼审查。并详细介绍了 Claude Code、Codex、Gemini、DeepSeek、ZCode 五大工具的全权限开启方式与安全护栏配置，最后给出保命三件套：终端拦截器 dcg、Git 高频提交与备份、容器/虚拟机环境隔离，实现高效与安全的平衡。
文章介绍了如何在 Grok Bot、Muse、Dots 等 Personal Agent 中使用 Lody 的方法。作者认为当前 Personal Agent 虽然火热，但交互过程缺乏透明度，开发者难以掌控任务执行细节。Lody 是一个本地优先的多 agent 控制面，可让用户在电脑或服务器上运行多个 harness（如 Codex、Claude Code 等）。文章详细讲解了如何将 Bot 作为统一交互界面和任务调度员，把具体任务通过 Lody CLI 分配给背后的各个 agent 执行，并介绍了如何配置机器、使用 Agenvo 工具，以及如何设置定时任务防止 Bot 云机器休眠。整体方案让开发者既能享受 Bot 的便利，又保留对任务过程的掌控。
作者受小红书英语学习账号启发，用 Claude/Codex 等 AI 工具在 4 天内复刻了一个英语学习网站，全程未手写代码。随后利用 AI 批量加工素材（字幕提取、翻译、词汇生成）、自动剪辑短视频并定时发布到抖音和小红书引流，并接入抖店、小红书店实现自动发货和自助开通。最终形成「AI 做产品 → AI 处理素材 → AI 剪辑获客 → 自助下单 → 自动交付」的完整自动化闭环，实现被动收入，作者只需负责选内容、看数据和调方向。
作者分享了使用开源项目 REA（Reverse Engineer Anything）逆向 Claude Slides 编辑器的实践过程：先下载核心脚本和样式表，通过 Codex 安装 REA，利用 REA Skill 逆向混淆代码，再用 Claude Code 5.5 重写为结构良好、类型完整的代码。对于提示词部分，作者没有直接逆向，而是通过让 AI 模仿实现一个同等效果的 Slides Skill 来获得等效提示词。文章展示了 AI 编程智能体在软件逆向工程中的应用思路和完整工作流。
作者面对 PCB 固件逆向 5000 元、全新设计 3-5 万的报价，决定用 AI 自己动手。投入约 1176 元购买 J-LINK、电烙铁等工具，在 Codex 的指导下先抄板逆向电路原理图（通过反馈测试结果让 AI 结合芯片数据手册还原设计），修复了原板 JTAG 布线的奇葩设计后成功读出固件，并完成 100% 原理图还原。整个复刻过程约 3 天，作者认为 AI 大幅降低了硬件逆向门槛，让个人可以完成过去团队数月的工作。
作者分享了对 REA（Reverse Engineer Anything）工具的实测体验。REA 为 Claude、Codex 等 AI 接入了一整套逆向工程工具，能够分析没有源码的软件，从模块、路由、IPC 通信追踪功能实现逻辑，并在自己的项目中复现。它还可以拆解不开放接口的 Electron 桌面应用，甚至调用 Ghidra、Hopper 读取伪代码和汇编，精准还原老游戏和老旧库中的算法。作者以剪映等项目为例验证了其强大能力，并引发讨论：AI 时代，软件逆向如此容易，是否意味着一切都要开源了？
作者复盘了使用Codex指挥AI视频工具Muse制作《如梦令》短视频的完整流程。文章详细描述了三方协作分工（作者定目标、ChatGPT前期策划、Codex操作Muse执行）、从词到影片的叙事骨架设计、逐步制作顺序（恢复上下文、锁定母版标准、逐镜制作与验收、返工、配乐处理、交付修复），并总结了可复用的SOP，包括开工包准备、先校准再扩展、逐镜验收、精确返工、音频验收等经验教训，附有可直接复制的Muse指令模板和完整证据索引。
作者整理了 10 个面向自媒体视频制作的优质 Codex Skill，涵盖风格化短片、手绘与漫画风、资讯解说、图书带货等方向，每个都附 GitHub 地址和原帖链接，装上即可用 AI 不露脸出片，多个案例达到百万播放、快速涨粉的效果。文章还补充了金句图片、文案生成等图文类 Skill，以及古风武侠英语剧、AI 治愈号等爆款账号拆解。同时给出安装提醒：不要一次全装避免 context 膨胀、注意模型和视频生成的费用成本、使用前看清开源许可协议避免商用风险。
作者南鸢基于开源项目 honghouzi 的 Codex Workspace Enhancer 和 yubowen123 的 codex-sidebar-enhancer 改造整合，开发并开源了 Nuyoah Codex Workstation。这是一套嵌入 Codex / ChatGPT 桌面应用的本地增强工具，核心功能包括：最多四个 Codex 对话并排的四宫格布局、项目进展与交付文件管理、任务地图展示任务关系、以卡片形式展示已安装 Skills 并可一键插入任务、以及素材资产只读浏览与插入（支持 Eagle 和本地文件夹）。作者说明了适用人群、安装门槛（需 Node.js 22.5+、macOS/Windows）及部分功能尚未完全验收的情况，项目采用 MIT 许可证，源码已在 GitHub 公开。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
作者分享曾被封禁20多个Claude账号后的经验总结。核心方案包括：使用干净私有独享的IP代理工具，避免与他人共享易被识别为'蒸馏厂'的网络环境；以文明方式在原生模式下使用Claude，不使用反代或套壳工具。文章提供了开源自建服务器网络配置方案（含skills配置），推荐搬瓦工服务器和Clash Verge客户端，并补充注册新号、关闭定位、KYC认证、支付方式等细节建议与个人使用习惯，帮助用户保持账号长期稳定存活。
文章是开源 AI 开发工作台 Orca 的详细入门与进阶教程。Orca 是一个 ADE（Agent Development Environment），让用户在一个窗口里同时指挥多个编程 Agent（如 Claude Code、Codex、Cursor），每个 Agent 拥有独立代码副本互不干扰。作者讲解了 Orca 如何解决多 Agent 并行开发中的四大痛点：副本环境配置、任务监控、代码验收和厂商绑定，并提供了实际工作流示例，包括让三个 Agent 赛跑修复高危 bug、会话派生与跨 Agent 交接、内置浏览器精准定位 UI 元素、逐行批注验收、AI 代码归属标记，以及用 Agent 担任项目经理的编排功能。
NVIDIA 推出 Jetson Agent Skills，将设备特定的平台知识注入 AI 辅助开发流程。边缘 AI 开发不仅涉及代码，还需处理硬件、内存、JetPack 版本、容器和部署约束。Jetson Agent Skill 是包含指令、参考资料、安全边界和辅助脚本的可检查包，分为 Device Skills（设备诊断、环境配置、模型服务、基准测试）和 BSP Skills（刷机前的平台定制）。文章介绍了基于 Codex 的完整工作流教程，从连接 Jetson Orin Nano 到构建本地运行的视觉语言模型（VLM）应用，并展示了 JetPack 7.2.1 中基于 Video Codec SDK 和 PyNvVideoCodec 的视频技能如何自动生成并验证编解码流水线，最终返回可复现的性能测量结果。
文章批判性分析了当前 coding agent（如 Claude Code、Codex、OpenCode）的种种缺陷：任务管理糟糕、不会并行处理和委派、对自身功能一无所知、计划表达混乱、轻易停下等待用户、缺乏真正的沙箱安全边界。作者区分了模型（大脑）与 agent（身体），指出模型进步很快但 agent 层才是瓶颈，并列举了理想 agent 应具备的能力：任务拆分与模型委派、人类易读的计划、OS 级沙箱、ETA 估算、自省改进等。最后猜想这是委托—代理问题——AI 高管与一线开发者脱节，只关注 demo 和基准测试而非开发者体验。
本文是 Pi Durable 访谈译文第三篇，Mario Zechner 与 Armin Ronacher 讨论各类编码 harness 的体验。他们聊到 AMP 的 Orbs 设计与团队愿景、OpenCode 的持久化探索、DeepSeek harness 的插件架构与极简体验、以及 Claude Code 的自我修改趋势与稳定性问题。还谈及 Pi Mobile 让手机本地运行 agent 的愿景、Web 插件系统的安全挑战（XSS、沙箱隔离）、对 MCP 支持的转变，以及让非开发者上手 agent 的 onboarding 难题和对 AI 技术真正落地应用的期待。
作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill（grill、implement、ponytail、handoff 等）与简短 Prompt（第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合），指出随着模型能力增强，过重的 Workflow 反而成为噪声，应使用方法论式思维快捷键。同时分享了日常开发流程：grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查；重点讲解如何构建 Agent 友好的端到端测试环境（CLI、MCP、浏览器自动化），以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度，Harness 需随模型迭代做减法。
作者整理了16个面向电商运营的 Agent Skill，按开店流程分类推荐：选品（TikTok Shop、跨境选品工具LinkFox）、建站与后台（Anthropic官方Claude Commerce Agents、Shopify与WooCommerce官方agent-skills）、商品页与视觉（服装出图、详情页策划）、素材与广告（视频克隆Hypit、带货视频工具）、承接与增长（营销skill库、SEO工具、178个skill索引库）。作者强调优先安装官方skill和平台插件，因为它们会随平台更新维护，而个人开发的skill可能因API变更而失效。每个skill附GitHub地址、功能说明、安装要求及注意事项。
作者分享了其开源AI画布项目BeefTV在一周内获得800 stars的经验。项目源于对闭源无限画布产品体验的不满，定位为轻量化、用户体验优先的开源AI画布工作台。落地过程中，作者借助CodeX等AI工具完成100%代码编写，通过借鉴成熟开源方案、用Playwright拆解优秀产品交互、配置专门Agent自动化测试等方式提效，并沉淀出skill。推广方面，作者利用'开源版LibTV'的概念作为社交货币引发传播，通过开源积累用户反馈，构建社群连接，并探索算力商业闭环，目标是打造开源AIGC平台。
作者认为 TRAE 是国内 AI Coding 领域第一，TraeWork 和 TraeCode 合并后成为最接近 Codex 的 Agent Harness。文章通过多个实际案例展示 TRAE 能力：用电脑控制和浏览器控制插件自动调研 Producthunt 产品；10 分钟开发 Obsidian UI 学习插件并上架；20 分钟将插件移植到 DeepSeek Harness；通过绑定微信、飞书随时随地远程修 Bug、合并代码；办公学习方面有模板库和飞书文档集成。作者认为 TRAE 三端打通、双模式设计（SOLO 和 IDE），让 AI Agent 覆盖更广人群，即使界面像 Codex 也无妨。
作者分享 Claude 账号被封后如何无损迁移开发任务和历史记录的 4 招实操方法。第一招是使用 Claude Code 而非 Chat，因为其对话记录、配置、skill 和 memory 都明文存放在本地 ~/.claude 目录，可被新号或其他 Agent 直接读取；第二招是利用 Codex App 的一键导入功能，连对话历史都能原样搬过去；第三招是在全局契约中约定自动沉淀 run log（过程轨）和 summary（结论轨）文档，让交接材料平时就写好；第四招是将项目文档定期备份到 GitHub 私有仓库，新工具连上即可了解项目全貌。文末还附有外挂记忆工具推荐及注册 Claude 新号的番外方法。
本文介绍 CC Switch 4.0 新增的聚合模式，让 Claude Code 和 Codex 用户可以在客户端内无感切换多家模型供应商。文章从实际效果入手，讲解聚合模式的请求分发原理，并分步骤演示配置流程：进入聚合页面、添加供应商与模型列表（支持一键获取和自动补全模型信息）、将供应商加入聚合名单、选择默认供应商并开启。文中还对比了直连、路由、聚合三种模式的适用场景，说明 Claude 与 OpenAI 官方订阅的支持范围与账号风险差异，以及 Codex 重启、缓存成本等日常使用细节，并向开源项目 opencodex 致敬。
作者分享了一套基于 AI 助理 Dot 的小红书自动化内容运营体系。通过 Codex 云端电脑的 Computer Use 能力模拟浏览器操作，结合飞书 CLI 读写四张运营多维表格，实现每日定时选题、做图、发布和复盘的完整闭环。文章详细介绍了账号定位与内容标准制定、选题库存管理、角色出处核验与主图生成、排版检查与单次提交、公开状态核验与登记、按 D2/D3/D5/D7 阶段复盘等八个环节，并强调异常停止与恢复规则、去重机制和授权安全。运行五天未见平台异常，流量稳定上涨。核心思路也可迁移到其他具备虚拟鼠标能力的 AI 助理。
文章系统梳理了 70+ 个视频制作相关的开源项目与 Agent Skills，按自媒体视频生产流水线分为七大环节：选题调研与爆款趋势发现、文案脚本与事实核查风控、字幕配音与语音合成、画面剪辑与动态包装、跨平台发布分发、全流程自动化视频生成、以及安全审计与元能力。每个工具标注了 GitHub 来源、Star 数、推荐指数与实操避坑建议，如 MediaCrawler、Agent Reach、baoyu-skills、Humanizer-zh、whisperX 等，帮助创作者用开源工具和终端 Agent 搭建'一人视频生产车间'，实现自动化高效产出。
本期 INDIGO TALK 对谈字节前工程师郭宇，从 2015 年字节作为神经网络驱动公司的往事讲起，谈到抖音意外胜出的内幕、Vibe Coding 背后的决策负担与工程师倦怠、Agent OS 的未来图景、智能的五个层次与商品化，以及软件为何会像牛奶一样便宜。当软件可以随时生成、用完即丢，个人化软件让分发失去意义，我们真正要交付的是什么？最后讨论当工作不再是必选项时，年轻人该如何选择人生方向。
文章基于 Andrej Karpathy 的观点展开：AI 自主完成的工作越多，人类越需要花时间理解和审查其输出，而这部分工作也可以请 AI 协助。作者以该帖子为素材，实践了四种帮助理解的形式：一是文字，使用 asd-ste100-skill 技能按简化技术英语规范改写总结；二是图解，分别尝试 Codex 内置生图、小黑配图（狐狸定制版）和宝玉信息图技能；三是交互网页，用 Effective HTML 技能生成可切换四种表达版本的展示页；四是讲解视频，用 HyperFrames 生成约 59 秒的中文动画旁白视频。作者逐一评估各形式的效果与适用场景，并分享相关技能资源与使用经验。
作者复盘首次做新词站的完整经历：10月4日上线后二十多个订单，突破日入百刀，流量大部分来自ChatGPT。文中记录了自己通过Google Trends和Sitemap监听找词、快速搭站上线、尝试GEO优化的过程，以及踩过的坑：视频生成只抽样测试导致用户六次生成失败、.xyz域名收录慢被迫换域名、用户小图尺寸引发新bug等。作者总结了几点感受：新词值得尝试、不要惯性避开竞争、完整验证不能省、先完成再完美但上线前测试必须有。
文章系统梳理了面向 Codex、Claude Code、Openclaw 等终端 Agent 的自媒体运营 Skill 清单，共 20 个，覆盖自媒体全流程：选题策划、文章排版与配图、视频剪辑与分发、以及小红书、公众号、抖音、B站、YouTube、推特等平台的运营。每个 Skill 附 GitHub 仓库地址、星标数、功能说明和一键安装指令，并指出使用时的坑点，如不要全装导致 context 膨胀、版本兼容、商业授权限制等。作者强调星标仅供参考，合手才是好工具，帮助个人创作者用 AI Agent 搭建一人内容生产线。
作者分享了一套不依赖云端账号的本地 AI 工作流架构，核心思路是把规则、技能、日记等真正有价值的资产沉淀在本地硬盘，而非网页端/App 的记忆功能中。整套体系分为四层：工具层（Claude Code、Codex、Cursor 作为入口）、模型层（可随时更换）、架构层（本地文件结构）、处理层（按本地规则和技能处理任务）。作者通过全局规则文件（CLAUDE.md）、本地 skills 目录、按日短记忆 + 长期偏好文件、AI 日记四层文件体系，实现了账号封禁后快速恢复工作的能力，并提出新人可先从三步最小方案入手搭建。
本文介绍如何用90天从传统营销人员转型为营销工程师（Marketing Engineer），这一新兴岗位融合营销、产品思维与AI系统能力，Figma等公司已在招聘。路线图分三个月：第一个月用Claude Code或Codex构建可重复的营销工作流，并添加公司上下文与技能；第二个月通过API、MCP服务器连接工具，搭建KPI仪表盘和受众工作流；第三个月加入创意生产、落地页与自动化测试循环，附加SQL、BigQuery与Python知识。核心转变是从执行者变为编排者，构建可复用的营销系统。
