作者 Miles 分享了 Codex 中最实用的 10 个 Skills：follow-builders 生成 AI 创作者资讯简报，Punk Skill 生成有辨识度的文章封面，cangjie-skill 把课程方法编成可调用技能，GordenImage2PPTX 将 PPT 图片转为可编辑文件，book-to-skill 把一本书整理成可查询的阅读技能，show-me 用流程图解释代码，grill-me 在开工前追问需求，last30days 调研近期社区玩法，Defuddle 提取网页正文为 Markdown，skill-creator 帮用户创建自己的技能。每个 Skill 附安装地址、使用示例和实际效果。
文章对比了视频号与小红书的本质差异：视频号是流量放大器与成交场，适合有供应链、直播能力和团队的人放大成交；小红书是用户需求数据库与决策场，适合低成本测试人群、需求和产品方向。作者指出视频号红利正从流量转向经营，小红书的核心价值在于提前发现需求、反向指导产品。AI 时代内容生产门槛降低，真正稀缺的是对用户的理解，未来内容创业将从流量时代进入资产时代，机会属于能结合 AI 效率、内容洞察与商业闭环的人。
文章探讨 AI 生成中文页面排版难看的根本原因：不是审美问题，而是语言结构问题。作者指出 AI 默认的 CSS 参数（负字距、1.4 行高、Inter 字体栈）都是为拉丁文设计的，而汉字等宽、信息密度高、可用的层级手段少，与字母排版从根上不同。文章分析了标题过长、断行不当、细字重浅灰、照搬多列网格等常见症状，并给出可直接使用的排版处方：正文 16–18px、行高 1.75–2.0、字距为 0、一行 30–45 字、字体栈首位用 PingFang SC，以及给 AI 修改中文排版的速查表。
作者开源了 RICOUI DESIGN，一个基于 DESIGN.md 的设计系统工作台。DESIGN.md 是一种结构化 Markdown 文档，集中记录品牌的颜色、字体、间距、组件规则与设计约束，人和 AI 都能读取。工作台支持创建、编辑、预览 DESIGN.md，浏览内置品牌设计参考库，可通过 AI 从公开网站生成初稿，并将文档派生为 Design Tokens、CSS 和 ZIP 供前端与 AI 工具使用。文章详细介绍了 DESIGN.md 的结构约定、从品牌参考到自有设计库的使用流程、AI 生成与安全边界、派生检查机制及云端存储方案，强调以 DESIGN.md 作为唯一源文件维护设计规范。
作者基于十余年加速器编译器经验（曾创建XLA，现任OpenAI硬件团队）探讨AI时代的编译器演进。文章提出将AI视为'随机优化器'的新范式：传统优化编译器依赖固定规则与启发式，而LLM具备类似'optimizin Ollie'专家的程序优化直觉。文章回顾了STOKE随机超优化研究，指出Monte Carlo调整笨拙但快速，LLM智能但较慢，结合二者可智能地在优化空间中探索。虽然无法像传统方法那样保证语义正确性，但AI为自动化程序优化开辟了'编译器2.0'的新方向。
作者分享了使用 Punk 老师开源的两个 AI Skill（punk-ip-illustrations 和 Punk-Skill），仅凭一张照片就生成全套个人 IP 视觉素材的完整流程。通过安装 Skill、上传照片生成角色设定板，再迭代优化细节，最终生成统一风格的文章配图、多种头像风格（像素风、手绘等）和封面图（黑红剪影、商业杂志头版等）。作者认为这套流程让个人 IP 设计不再是设计师的专利，大幅节省时间和沟通成本，但关键还是要会想会用。
文章系统对比了 Figma Motion、After Effects 和 Rive 三款动效工具的定位与适用场景。Figma Motion 定位轻量，适合 UI 日常动效的快速交付，支持导出 CSS、React 代码并兼容 MCP；Rive 凭借状态机、骨骼动画和高性能运行时渲染，适合产品级交互动画；AE 则仍是品牌宣传片和复杂视觉特效的首选。作者给出了三步选择框架：无交互的 UI 动效用 Figma Motion，有交互逻辑的去 Rive，复杂特效开 AE，帮助设计师减少工具切换和沟通成本。
本文是 indigo 8月末直播的整理，围绕“当智能变得便宜且无限供给，稀缺的东西才有定价权”这一主线展开。文章回顾了三个月内的 AI 大事：SpaceX 完成史上最大 IPO、Anthropic 估值近万亿、中国开源模型追平美国前沿、AI 基建信贷化成为“数字时代新房地产”。作者分析了软件不可投资、思考不可外包、投资 Alpha 无法由 LLM 发现等观点，指出知识工作者的护城河在于稀有数据、品位与信任；并从物理约束探讨 AI 算力瓶颈（电、内存、封装），最后落脚于“产品化我自己”——在后 AI 时代通过稀缺性构建个人竞争力。
本文是一篇关于Hugging Face平台的详尽入门指南，旨在帮助初学者快速上手。文章首先介绍了Hugging Face的价值，即可以自由选择模型、试用在线演示并下载到本地。随后，文章详细讲解了平台首页的五大核心区域（搜索框、Models、Datasets、Spaces、更多菜单），并指导读者如何通过Spaces体验AI应用、通过Models查找和下载模型、通过Datasets预览和获取数据。文章还深入解析了模型页面的关键信息（如模型卡、文件版本、社区讨论、许可），以及模型下载和本地使用的具体方法，包括量化版本的选择和硬件要求。最后，文章强调了数据集的预览功能，帮助用户做出明智的下载决策。全文语言通俗，步骤清晰，适合所有对AI感兴趣的读者。
文章回顾了苹果新任 CEO 特努斯的职业历程：从宾夕法尼亚大学机械工程专业毕业，1998 年加入苹果后深耕硬件 25 年。他以对产品细节的极致要求（如显示器螺丝凹槽）和随和的为人著称。在众多接班人选中，他凭借年龄优势、技术能力以及协调软硬件团队的领导力脱颖而出，成功主导了 iPadOS、Apple Silicon 迁移、iPhone Air 等项目。文章还分析了库克留下的机遇（折叠 iPhone、AI 可穿戴设备）与挑战（AI 布局滞后、OpenAI 竞争），指出特努斯需要在 AI 时代带领苹果不掉队，走出属于自己的道路。
作者提出暴论：Skill 才是 AI 时代最值钱的私人数字资产。文章手把手演示如何用 WorkBuddy + Karpathy LLM Wiki 搭建私人内容生产线：将个人代表作、创作笔记结构化为 19 个知识页构建个人知识库（raw 目录只读保真），再合成统一创作规则（Rules），最后封装成本地专属 Skill。Skill 采用四类信息标签（素材事实、旧观点、AI推断、待确认）和严格流水线协议，含选题确认等人工闸门，防止 AI 虚构。作者强调提示词是一锤子买卖，Skill 则是可复用、可持续进化的活资产，能彻底终结每次开新对话重新教 AI 的痛点。
作者分享了一个实用教程：让 AI 在本地只读读取微信聊天记录，从而高效处理海量消息。通过 Codex 配合开源工具（wechat-decrypt）提取 key 并解密本地微信数据库，AI 可以总结群消息、提炼待办、复盘合作关系、挖掘群里的潜在商机，甚至学习用户自己的表达风格来代写回复。文章强调使用边界：只读本机数据、不自动发消息、不上传隐私，并建议每次限定读取范围。作者认为微信是巨大的个人资料库，让 AI 先读一遍能省时间、少漏事，但最终判断仍应由人来做。
作者实测对比了两款主流 AI PPT 工具：国内百度文库智能 PPT 和国外 Gamma。百度文库依托海量专业文档资源，内容靠谱，适合工作汇报、读书分享等中文场景；Gamma 以卡片式现代视觉和网页交互见长，适合英文演示与融资路演。文章分五部分：工具选择、两款工具的完整制作流程演示、横向对比及避坑清单。作者总结 6 个常见坑：提示词模糊、跳过大纲、不核实数据、迷信一键美化、忽视配图版权、不做二次编辑。核心观点是 AI 只做 70%，剩下 30% 的人工打磨决定成品质量。
作者以非技术背景的普通人视角，阐述数据中心对美国再工业化的重要性。作为a16z American Dynamism团队的参与者，他指出机器人制造、AI训练和模拟测试都依赖数据中心的算力支持。文章进一步论证数据中心将同时解决三个相互关联的问题：制造业空心化、高等教育泡沫化以及美国男性的孤独危机。作者以Hadrian公司为例，说明自动化不仅没有抢走工作，反而让工厂能建在美国本土，创造了数百个高薪岗位，为年轻人提供了用双手劳动、获得归属感的就业选择。
文章深度复盘了 Miles 在 X 平台15天从0做到1万粉的增长过程，总结出可复制的四层涨粉漏斗：看见我（手敲高质量回复，在他人流量池增加曝光）、相信我（真人露出、真实现场、明确判断建立信任）、我能帮你（长文交付完整实用内容，换取收藏和转粉）、下次还想找你（趁流量窗口连续输出相邻主题内容）。作者强调运气不可复制，但结构可以搭建，只有提前铺好漏斗，才能接住流量，把一次爆款变成持续增长。
文章探讨AI普及后职场价值的重新分配：AI先将职业拆解为任务并压低可自动化部分的价格，使'第一版'产出贬值，而问题定义、高质量上下文、验证、责任判断和分发信任五种能力变得昂贵。作者指出AI首先挤压新人的练级区，建议普通人不要只学工具，而要建立完整工作流，把AI效率沉淀为流程、知识和市场三类个人资产，并给出90天升级路线，强调人机协作而非依赖，利用一人公司与智能体的低成本试错机会实现翻身。
作者整理了一份2026年最值得关注的72个中文X（Twitter）博主名单，按五大领域分类：AI/Agent/AI编程、创业/副业/商业化、SaaS/APP/独立开发、出海/SEO/海外工具、知识/科技/效率。筛选标准包括粉丝量超1万、全蓝V认证、长期稳定输出实战内容等。每个博主都附有简介和擅长领域说明，如宝玉、李继刚、 idoubi、图拉鼎、哥飞等知名账号，帮助读者高效搭建高质量中文信息流，适合关注AI、创业、独立开发和出海的人群收藏参考。
作者结合自己早期使用 GPT 的经历，指出会用 AI 只是起点，真正拉开差距的是闭环思维、产品思维、批判性思维和独立思考带来的判断力。作者认为产品是给人用的，而非功课式的完成任务，强调 output 与 outcome 的区别。他还提出成长的六个阶段：大量输入、拆解、模仿小零件、组装、创新、商业化。最后强调人际关系的重要性，并指出在 AI 越来越强的时代，判断力、质疑与修正能力才是最值得培养的「老派」能力。
作者陈硕KAI回顾从8月10日起认真运营X（推特）20天的心得。他认为AI时代真正稀缺的不是模型知识或提示词技巧，而是个人判断力、作品、案例和持续做事的能力。他强调做AI内容不应停留在搬运资讯、追逐热点，而应把信息转化为结果，多做真实案例、长期积累和下场实践。他给同行的建议是：先做实践者而非包装专家，聚焦长期方向，公开表达和构建。他认为做X最大的价值在于逼自己持续思考和输出，并结识了很多人。20天只是小小的开始，但变化已经发生。
作者精选了25个GitHub开源项目，展示如何在2026年凭一己之力构建一家AI公司。内容分为五部分：构建AI核心（Dify、Langflow、LlamaIndex、crewAI、browser-use等）、将想法变成产品（open-saas、Supabase、Twenty CRM、Cal.com、Formbricks）、自动化小团队工作（n8n、trigger.dev、Windmill、Firecrawl、Crawl4AI）、获客与留存（PostHog、OpenStatus、Listmonk、Chatwoot）、以及基础设施运维（Ollama、LiteLLM等）。每个项目附功能简介和Star数，是一份实用的一人公司技术栈清单。
本文是 168X 战情室访谈精华，半导体研究与高频交易背景的嘉宾 Herman 系统阐述了对 AI 行业与美股半导体的最新判断。他作为 6 月第一批看空者如今翻多：Anthropic ARR 下修等利空落地后市场未踩踏，杠杆已出清；锚定 Anthropic/OpenAI 是错的，二者只消耗 27% 算力，微软等 CSP 企业端盈利快速兑现，用卡回本周期极短。他判断当前类似 1998 年而非 2000 年互联网泡沫，真正泡沫尚未到来。节目还讨论开源模型改变 CSP 处境、存储高 margin 难以为继、补涨轮动到光/CPU/功率、Apple 扶持英特尔、老黄 5,000 亿基建融资局、币圈与散户建议等议题，并警示 token 用不满的人将先被淘汰。
文章阐述了GitHub对普通人的价值：它不仅是程序员网盘，更是全球1.8亿开发者沉淀的经验库。GitHub保存了项目的完整决策过程，允许人们复用前人成果、避免重复踩坑；同时它是可验证的能力公证处和低成本的创业基础设施。借助AI，不会写代码的人也能利用GitHub管理资产、部署工具。文章给出了小白七天入门路线，强调会用GitHub的人把一次劳动变成可复用资产，普通人与高手的差距在于是否持续积累可验证的作品。
文章指出 AI 时代最残酷的不是 AI 取代人，而是会用 AI 的普通人做出三倍的产出，重新定义了“正常工作量”。作者通过一个市场策划朋友的案例，说明只会普通交付的职场人正被“初稿化”贬值，并提出转策略、做个人 IP、服务高端客户、转管理等 7 个出路。文章强调 AI 会让判断力、问题定义能力、审美、信任和真实经验变得昂贵，普通人应把 AI 当团队而非工具，重构工作流程、沉淀提示词和案例库，将经验产品化。AI 是放大器，诚实面对自己工作的真实含金量才是应对之道。
文章基于麦肯锡 2026 年 8 月《The state of AI in 2026》报告指出：80% 受访者称 AI 提升了个人生产力，但仅 37% 认为 AI 对组织 EBIT 有正向贡献，高绩效组织仅占约 6%。作者通过职场故事说明，把 AI 当润色器与把 AI 当隐形团队的人差距会滚雪球式扩大。文章提出个人应在组织变革前主动重构工作流、沉淀模板与经验、学会管理 AI 成本、成为责任节点；同时分析中层管理者的尴尬处境、岗位任务被重新切分的趋势，强调未来值钱的是敢为 AI 参与后的结果负责的人，而非只会操作工具的人。
文章系统讲解知识库的本质与搭建方法，区分了信息、资料、知识和知识库四个概念，并对比个人知识库与企业知识库的不同目标。个人层面介绍了 Obsidian、Notion、语雀、NotebookLM 四款工具的适用场景及从零搭建步骤（五入口结构、知识卡片、每周整理）；企业层面强调从高频问题出发、明确负责人与权限边界、建立内容生命周期管理，避免工具吃灰。还对比了飞书、ima、Notion Wiki、语雀团队空间等团队工具，指出常见失败原因：版本冲突、无人负责、只录入不运营等。
文章探讨AI时代执行成本趋零后审美判断力的价值。作者指出AI产出是'平均水平的优秀'，难以区分'看起来对'和'真的对'，而AI只会顺从用户偏好、不会纠错，成为放大审美好坏的放大器。审美真正的代价不是钱，而是三样东西：拒绝劣质刺激保护感官阈值、愿意在一件事上停留足够时间、以及承认并推翻过去判断的勇气。最终提出审美应是过滤器而非收藏夹——看一个人持续拒绝什么比看他喜欢什么更重要，并给出四点实践建议：做减法、让AI出多版本逼自己说理由、用'再看一次还行吗'检验、允许审美不断自我更新。
本文基于 Latent Space 对 Lovable CTO Fabian Hedin 的专访，分析这家年化营收 5 亿美元、估值 133 亿的公司为何主动转型。Lovable 将把平台上 6000 万个应用的功能通过 MCP 服务器暴露给 ChatGPT、Claude 等 agent 直接调用，从'造应用'转向提供 capability。作者结合麦肯锡数据与 agent 框架爆发趋势指出：传统 SaaS 的界面价值将归零，商业模式需从卖界面转向卖能力。文章还给 SaaS 从业者、独立开发者和普通用户提出了三条启示：软件不会死，但会隐身。
本文结合麦肯锡《The State of AI in 2026》报告与 TechCrunch 对 OpenAI 的深度探访，揭示 AI 个体红利与企业盈利之间的鸿沟：80% 员工称 AI 提升生产力，但仅 37% 企业 EBIT 有正贡献，高绩效者仅占 6%。32% 的企业因 coding agent 自建功能而放弃采购软件，SaaS 行业面临重新定价。成本墙、裁员预期落空等现象并存。核心结论是：高绩效者的共性不在预算，而在围绕 AI 从根本上重构工作流，组织消化变革的能力才是瓶颈。
本文是 Anthropic 官方博客《The AI-Native SDLC Playbook》的中文译介，作者 DUOROU LIU。文章指出当 AI 让代码编写不再是瓶颈时，传统软件开发生命周期（SDLC）的审批、评审和交接环节反而拖慢效率。AI 原生 SDLC 保留原有控制目标，将 AI 智能体嵌入计划、设计、开发实现、测试、部署和维护六个阶段，形成持续循环：各阶段以版本控制的产物（intent.md、spec.md、plan.md、代码差异、评审结果）衔接并自动触发下一阶段，人的判断保留在关键节点。文章详细介绍了各阶段的具体实施步骤、治理考量和衡量指标。
作者在天策23岁生日之际回顾过去一年的巨大变化：从深圳8平米出租屋独过22岁生日，到经历遇见大学老师、做亚马逊跨境电商、来推特起号14天破万粉、辞职创业、探索AI项目，再到发现Token视角切入AI基础设施服务的四个转折点。他强调不带社群成员赚钱、让参与者拿到结果是最值得炫耀的事，并感谢一路上帮助过自己的朋友与伙伴，期许23岁继续保持好奇，在真实世界中获取反馈、持续迭代。
