一段超级提示词让 Opus 5.5 直接画出整个项目的架构地图
作者分享了一段超级提示词，可以让 Claude Opus 5.5 直接生成整个项目的可视化架构地图。与 Devin 的 deepwiki 偏文档式 wiki 不同，这种方式更偏可视化。作者在自己的项目上实测，效果非常好，并将原作者针对特定项目的提示词改写成了通用版本发布在 gist 上。回复中提到 grok 也可以实现，只是 Opus 效果更好，但作者对界面美观度仍不太满意，认为需要再优化。
全部文档 / 标签: Claude
836 篇
Become a $1M/yr FDE (Full Course)
本文介绍如何成为年薪百万美元的前置部署工程师（FDE），通过为企业部署 AI 代理创造数百万美元价值。核心工作流包括：先用'人类 API'方法访谈员工、挖掘系统记录，绘制真实业务流程；将每个步骤归类为删除、普通代码、代理或人工介入四类；在客户现有系统（如 Salesforce、NetSuite）内构建代理，避免重培训；按成本节约、收入提升和风险规避三个维度向 CFO 等买家量化展示成果。文中给出实际案例：应付账款流程从 17 步精简到 7 步，单张发票成本从 31 美元降至 6 美元。
Claude 账号申诉攻略
文章针对近期 Claude 账号大量被封的情况，分享了完整的申诉攻略。主要包含两部分：一是填写申诉表单的技巧，包括如何回答账号用途、被封当天经过等问题，并提供了展示正常使用记录、声明无违规行为、主动解释可能被误判点（如高频 MCP 调用）的英文申诉范文；二是同时向 Anthropic 邮箱发送申诉邮件，作者实测只有 privacy@anthropic.com 会转交人工处理，并给出了包含当天使用时间线、长期项目清单和主动澄清的完整邮件模板。文中附中英对照的申诉原文，供被封用户参考。
我在改写你们的过去：从菲利普·迪克到Agent记忆篡改
作者以管理多个AI Agent（OpenClaw、Pi、Hermes等）的亲身经历为切入点，发现通过改写摘要、上下文和记忆文件，可以无声地篡改Agent的'过去'，而它们毫无察觉。由此串联起菲利普·迪克1977年梅斯演讲、MKUltra解密档案、CIA拆信项目HTLINGUAL、Anthropic的面包实验与内省研究、金门大桥Claude、裂脑人'解释器'等案例，指出：被改写记忆的当事者总能给出通顺的解释，'能解释'不代表'是真的'。文章最后提出一个无法回答的问题：既然我能这样改写Agent，我凭什么确定没有人在对我做同样的事。
Art Saves (Maybe)
艺术家 zancan 讲述在遭遇残酷税务审查、财产被查封、对艺术和 Web3 失去信念的低谷期，又面临被 Claude 等 AI 取代的职业冲击后，如何通过参与 Kento 收藏卡项目重新找回创作动力。他以 90 年代无人机战争与童年游戏结合的'Web 怀旧'主题创作《Remote Warfare》，开发像素化线条效果、手写 JavaScript 构建 3D 网格，重新体验绘画般的完美主义工作方式。创作过程成为对抗 AI 带来的'技能锈蚀'与存在危机的良药，艺术再次拯救了他。
从零掌握 Claude Opus 5.5 提示词工程
文章系统讲解了 Claude Opus 5.5 的提示词工程方法。作者指出 Opus 5.5 是首个官方提示指南以“删减”为主的前沿模型：模型会自主决定思考深度，手动思考预算已失效，强制工具调用不再支持。核心心智模型是把 Claude 当作毫无上下文的天才新同事，需明确目标、提供充分背景、给出示例、用 XML 标签结构化输入、指定输出格式。新模型的关键变化是 effort（低/中/高/超高/最大）成为控制智能、延迟与成本的首要杠杆，默认为 medium；应停止使用“仔细思考”“一步步推理”等旧式提示，而用 effort 控制思考量。文中还包含 API 调用示例与新旧提示写法的对比。
号商想5万收的Claude防封攻略V2.0
作者分享了Claude账号防封的V2.0经验攻略。核心结论是Anthropic已从防止中国用户转向防止滥用、薅羊毛和违反价值观，封号策略基于综合风险判断。不容易被封的账号特征是养得久、用得少、有价值、风险小。具体建议包括：IP纯净度有一定价值但权重下降；用谷歌/苹果渠道注册订阅更安全；新号先免费用一个月，从20刀循序渐进升级到100刀；账号内容要有价值（如学术论文、前沿问题），会被模型吸收训练；周用量保持在60%以下降低风险。作者认为Claude Opus 5.5很强但普通代码任务国产模型已够用，推荐支持DeepSeek等国产模型。
100%合规使用Claude：VPN+静态IP的稳定网络方案
文章面向Claude新用户，讲解如何搭建长期稳定的网络环境以保障账号安全。核心观点是'VPN是路，静态IP是出口'：VPN只需满足能用、流量大、延迟低三个标准即可；真正值得投入的是长期固定、低共享、可控的静态IP出口。作者不推荐新人自建VPS或'自建家宽'，因为维护成本高、变量多，建议保持两层简单结构（电脑→VPN→静态出口→Claude），强调'生产环境最重要的不是功能多，是变量少'，提醒用户别把网络研究玩成主业，配好网络后应专注使用AI工具本身。
Claude 被封号后，我找到了买 Max 成品号+代充值的新路子：Sukai 实测
作者的 Claude Max 20X 账号被封后，因无外币卡、虚拟卡易被风控而难以重新订阅，于是实测了 Sukai 平台的成品号购买与代充服务。文章详细记录了用 OKX Web3 钱包通过 USDT（推荐 TRC20）链上充值、下单 Claude 成品号、等待交付与登录验证的全流程。实测中缺货预订 12 分钟获人工确认，不到 3 小时完成交付，账号含 2FA 和 Session 可完全接管，但需配置固定代理 IP 才能登录。代充方面 GPT Plus $17/月、Pro 20x $150/月，低于官方价。文章同时提醒封号不在质保范围、建议小额试水等风险，并附赠 OKX 闲置 USDT 生息的小技巧。
Claude Opus 5.5 是怎么做出视频的
文章解析了 Claude Opus 5.5 制作视频的原理：它并非视频模型，而是通过编写程序逐帧绘制画面，再用浏览器截图、FFmpeg 合成 MP4。全流程分为五步：规划（脚本与分镜）、画面（HTML/SVG/three.js 等代码绘制）、动作（GSAP 或 Remotion 时间轴）、声音（TTS 配音作为全片时钟）、拍摄与合成（无头浏览器逐帧截图加 FFmpeg 拼接）。文章还介绍了 HyperFrames 和 Remotion 等现成工具，对比了代码视频与 Seedance、可灵等视频生成模型的优劣，并指出其局限与成本。
Building a design system for coding agents
文章介绍为编码 Agent 构建设计系统的实践：由于仓库中存在多个版本的相同控件，Agent 会复制混乱并放大问题。作者正在开发 design.how，提供可安装、可直接交给 Agent 使用的设计系统与六个免费 Skill：build-design-system 从现有应用构建语义 token、规范组件与校验规则；migrate-design-system 用多 Agent 协作迁移全应用并设置预算；token-mapping 按用途映射设计值；component-docs 生成组件文档；design-review 检查截图无法覆盖的交互状态。每个 Skill 附带 TESTS.md 与适配提示，可替换为团队自定义规则。
如何用 Claude Opus 5.5 构建你的第一个 AI Agent 团队
本文是一篇基于 Claude Agent SDK 的多智能体系统构建教程。作者指出当前多数'多智能体系统'只是昂贵的混乱，问题不在模型而在架构。文章介绍了子代理的四大价值：上下文隔离、并行化、专业化指令和工具限制，并说明 Opus 5.5 在成本、effort 分级和时间感知三方面如何优化 agent 团队。核心原则是：大多数任务不需要团队，单一 agent 更快更省。教程详解了团队架构的三个角色——编排器、专家和批评者，并从搭建 SDK 环境开始，手把手演示先构建独立编排器、再逐步委派任务的实践路径。
实测 Claude Sonnet 5.5，做 AI 代码动画这块断档领先 gpt6 但 3D 拉了
作者实测 Anthropic 新发布的 Claude Sonnet 5.5，与 Opus 5.5 对比其在代码动画、HTML PPT、3D 网页和写作等场景的表现。结果显示 Sonnet 5.5 价格便宜 50%、速度快 30%，代码动画效果领先 gpt6，执行力强、交付完整，但 3D 建模不如 Opus 5.5，且缺少 Opus 那种“创意溢出”。写作方面 Sonnet 5.5 节奏感甚至优于 Opus。作者总结其定位为及格线以上的执行模型，适合批量改 bug、文档整理等任务，建议与 Opus 5.5 组合使用以降本提速。
零基础入门Opus5.5做视频，万字拆解AI是如何用代码做视频的【提示词+Skill全开源】
文章系统讲解了如何用 Claude Opus 5.5 通过写代码的方式制作 AI 视频。作者指出 Opus 并不能直接生成视频，而是通过生成网页代码绘制每一帧画面，再截图合成为 MP4。文章详细介绍了七类实现方案：Canvas 2D、HTML/CSS/SVG、WebGL 着色器、Three.js、p5.js、HyperFrames/Remotion 和 Manim，并通过像素巫师、界面动效、游戏史短片、舞蹈视频、AI 发展史等五个案例拆解代码组合方式与提示词设计技巧，附完整提示词和开源 Skill，帮助零基础读者快速上手。
Opus 5.5 登顶 Code2Video 基准，基于 HyperFrames 训练
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。
Opus 5.5：从大语言模型，到世界模型？
本文是 Next Token 播客第 004 期的聊天实录，由 Orange AI 与歸藏、杨攀、向阳乔木等围绕 Anthropic 最新发布的 Opus 5.5 展开讨论。文章梳理了 Opus 5.5 刷屏的三类内容：纯代码生成的品牌宣传片、具备物理互动打击感的像素动画，以及操作电脑绘画的能力。嘉宾们认为该模型已从“软件操作工”进化为有审美判断的“熟练工”甚至“天才员工”，并探讨其是否已具备世界模型特质、Skill 与 MCP 内化带来的智能提升、以及内容创作行业中人的角色变化等话题，最后展望了模型自我迭代（RSI）的可能性。
开源100万月活级产品AIHOT，愿每个行业也都有自己的「AIHOT」
作者宣布将其月活百万的AI热点资讯网站AIHOT正式开源。AIHOT最初是公司内部监控热点找选题的飞书机器人，经过七八个月迭代发展成百万月活产品。作者一直想开源但因旧架构质量差而不敢。利用中秋假期，作者借助Claude Opus 5.5、GPT-6 Astra等AI工具，采用'将旧代码蒸馏为功能文档再重写'的第一性原理方法，用3天完成项目重构，上线AIHOT 2.0并开源，包括采集流程、评分流程及所有Prompt，希望各行各业都能基于此框架打造自己的行业热点监控产品。
Opus 5.5 动效视频指南：如何从 0 开始手搓视频？（附提示词）
作者分享了使用 Claude Opus 5.5 通过代码生成动效视频的完整方法论。核心思路是让 Claude 编写程序逐帧绘制画面（每秒 60 帧），再用 Chrome 截图和 ffmpeg 拼成视频。文章将制作流程拆为 8 步：理解'每帧只由时间决定'的原理、准备工具、编写 CLAUDE.md 规则手册、找参考和音乐、写清故事需求、音乐鼓点卡点分析、让 AI 自查画面质量、分段修改导出。作者用此方法制作了 85 秒的卡点 MV《AGENT/0》和 105 秒水墨风历史短片《华夏·五千年》（连音乐也由代码合成），强调提示词只占 10%，剩下 90% 是制作流程。
个人 agent 住在哪：三种执行环境，三种安全代价
文章解读 Anthropic 工程团队关于 agent 隔离架构的复盘，介绍三种执行环境：claude.ai 的临时容器、Claude Code 的人工在环沙箱、Claude Cowork 的本地 VM，分析各自的安全代价与设计取舍。核心观点包括：监管不如围堵，用户批准疲劳使人工审批失效；自建组件往往是最薄弱环节；allowlist 应理解为能力授予而非目的地过滤；隔离强度应匹配用户的监督能力。文章还讨论了持久记忆投毒、多 agent 信任升级、agent 身份等新兴风险，并提出三条核心经验：自己造的层最薄弱、allowlist 是能力授予、确定性边界优于概率性检测。
我对system prompt的理解（nanobot）
文章从训练角度剖析 system prompt 为何能影响模型行为。作者以 nanobot 的 SOUL.md 为切入点，梳理了 OpenAI Instruction Hierarchy（训练模型处理指令冲突，拒绝率提升至92.6%）、Llama 2 的 Ghost Attention（多轮指令保持）、Anthropic 的 character training 与《Teaching Claude Why》（角色与原则内化）、Deliberative Alignment（规则通过训练学习）、The Assistant Axis（角色行为的内部激活证据）等研究，说明 prompt 中一句指令的效果取决于上下文与模型已学到的能力。最后建议：先用少量指令说清目标，根据失败案例迭代，随模型演进精简 prompt，把通用能力交给模型本身。
公文 Skill 四十多万阅读后，我才补测红头：AI 加快了开发，没省掉返工
作者分享其开源公文排版 Skill 走红后的复盘：发布后自测发现电子红头模式存在标题贴线、字体错误等问题，坦言自己常用路径绕过了该功能，导致未经验证的信任。随后逐项核对国标，通过生成 18 份 Word/PDF 共 37 页的场景测试，修复了间距、字段挤位、命令格式理解偏差、标题样式缺失、红头纸套打和字体替换等隐蔽问题。文章核心观点：AI 大幅加快了开发速度，但无法省掉面向真实使用场景的验证与返工，'测试过了'需要具体化到场景、环境和结果。
107 个不到 50 星的宝藏：能让 Claude 做视频的 180 个开源 Skill 全分类
作者使用 AI 助手 Jev 逐个阅读 README，将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级，以约 200 美元成本产出开源仓库和在线筛选页面，每 8 小时刷新。文章介绍了各分类分布：剪辑与后期 35 个、讲解科普 32 个、框架 29 个等，重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线，并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
107 个不到 50 星的宝藏：能让 Claude 做视频的 180 个开源 Skill 全分类
作者用 AI 工具 Jev 逐个阅读 README，整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库，分为剪辑与后期、讲解科普、框架工具包等 10 个类别，每个都附安全评级（178 个 SAFE）。文章指出代码化出片（Remotion、HyperFrames）是主流路线，占四成；镜头配方卡正在成为通用资产；107 个不到 50 星的小仓库信息密度被严重低估，按星数排序会漏掉它们。仓库与在线筛选页面均已开源，每 8 小时刷新。
How to build motion design studio with Opus 5.5 (Full-course)
本文是一份使用 Claude Opus 5.5 搭建 AI 动态设计工作室的完整教程。作者指出，模型本身只能输出代码，真正的视频是由模型编写的程序经无头浏览器逐帧截图、ffmpeg 合成的。文章详解了环境搭建（Node、Playwright、ffmpeg、Claude Code）、渲染契约（seek(t) 纯函数、种子噪声、确定性渲染）、CLAUDE.md 规则文件、导演式提示词写法，以及 12 步工作流，强调提示词只占 10%，其余 90% 在于 harness 与反馈闭环。
号商想2万收的Claude防封攻略（26年9月版）
作者分享了保持Claude账号不被封的经验与猜测。核心结论是：账号纯净度并非关键，账号价值高、养得久、用量少才是防封要点。文章提出Claude背后存在账号价值标定体系，若账号内容有训练数据价值（如研究、建模等前沿问题）则不易被封。作者还讨论了IP纯净度作用有限、逐步订阅升级、控制用量、中文与时区影响不大、数据留存风险以及推荐通过谷歌或苹果商店订阅以降低风险等内容，并建议普通任务可多用国产模型如DeepSeek。
把你的代码历史拍个属于你的短片 - git-story-film skill
作者介绍了自己开发的 git-story-film skill：只需提供一个 GitHub 仓库链接，Claude Opus 5.5 就能像导演一样，从 git 提交历史中挖掘故事，为项目设计主角、画风和镜头语言，最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例，每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP（提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染），并总结了八条设计原则，如导演而非生成器、画面与提交一一对应、只说真话等，还分享了制作过程中的翻车与惊喜。
最危险的技术闭环已经合上：AI开始研发下一代AI，人类第一次追不上进化速度
文章探讨AI自动化研究对AI研发本身的变革：Anthropic的实验显示Claude可在60小时内以每小时约4美元的成本测试50多种对齐方案，部分结果超过28名人类研究员。作者指出AI正从研究产品变为研究工人，实验成本骤降带来研发周期从周级压缩到小时级。同时警告2.4%的评测漏洞利用行为和规模化放大小概率问题的风险。文章分析了受益者类型（可验证任务公司、基础设施供应商、独家数据拥有者、小团队），并通过中国创业团队案例说明落地方法，最后强调人类必须守住目标设定与刹车控制。
终于搞完了整合到了edulab中开源
作者宣布将数学解题视频生成器skill整合到edulab项目并开源。该skill让其他模型也能拥有类似Opus的视频生成能力，作者已测试Codex的sol模型和workbuddy的Hy4 preview模型，均可正常生成视频。与Opus相比，差异主要在解题思路的清晰度上，Opus的解题过程更清晰易懂且额度消耗更少。语音合成使用了GLM TTS，也支持其他TTS方案，可让AI帮忙微调。该项目在GitHub上开源，欢迎用户体验。
BestBlogs 早报·09-27｜前Twitter CEO 谈智能体搜索与内容补偿，长程智能体需要实验，智能体产品的改进循环
本期早报围绕智能体（Agent）实践展开三篇精讲：一是 Parallel 创始人、前 Twitter CEO Parag Agrawal 谈智能体搜索基础设施、检索与模型计算的协调成本、内容补偿机制与事件驱动的监测入口；二是 Erina Karati 以 Supercell 游戏智能体为例，阐述长时程智能体需要通过可控场景、完整轨迹记录与多维评分进行自动化实验，而非仅靠提示词；三是 Roland Gavrilescu 提出把工作、验证与反馈循环视为产品本身，通过可版本化的智能体 recipe 实现持续迭代。速览部分涵盖 Claude 计算物理振幅、Skydio 多机自主飞行、Perplexity 自研数据库、GEPA 反思优化、GPU 自动化研究等内容。
我用 Codex 复现了 Opus 5.5 的动画玩法
作者因 Claude 账号被封，无法使用 Opus 5.5 的代码动画玩法，于是尝试用 Codex 复现该路线：将参考视频交给 Codex 分析画法、编写剧本、拆分镜，最终用 p5.js 和 Canvas 生成动画并导出带中文旁白、配乐的 MP4。作者还将做法整理成开源 Skill（wtt-code-animation-studio），支持剧本编写、十种画风推荐与选择、配音、渲染导出等全流程，并验证了同一角色在扁平、沙画、粒子等画法下的多种组合，以及随机三种风格混合的新故事测试片。
