Claude Code 和 Codex 到底有什么区别？我测试 30 天后的真实答案
文章基于30天的测试对比了Claude Code和Codex的区别。Claude Code擅长从零创造、快速原型和内容创作，适合从想法到产品的实现；Codex则擅长代码分析、优化和自动化执行，适合项目维护和流程完善。作者主张根据任务阶段组合使用两者，以构建高效的AI工作流。
全部文档 / 标签: AIAgent
468 篇
制作 Lenny's Product Pass 视频的工作流
文章详细介绍了使用 Fable 工具制作 Lenny's Product Pass 宣传视频的完整流程。作者强调了先制作 HTML 故事板再生成视频的重要性，并分享了如何利用自定义技能（如 motion-doctrine 和 vox pack）实现流畅的动画效果。文章还记录了从动态明信片设计、丰富背面细节到重置开头和结尾的四次关键修改过程。
我们都低估了hermes！--本地部署hermes真的太强了
本文介绍了本地部署 AI Agent Hermes 的强大功能与应用，包括接入微信、知识库管理、自我进化等特性。文章详细提供了 Windows 环境下的部署教程，涵盖模型配置、微信接入及常见问题解决方案，展示了其在 OCR、记账、多端协同等场景的实战效果。
体验两周Robot Phone，我第一次觉得手机活过来了
作者分享了体验荣耀Robot Phone两周的深度感受。这款手机配备独特的钛合金机械云台，结合强大的YOYO智能体，不仅能完成复杂的跨APP任务，更通过物理动作赋予手机“生命力”。它从单纯的工具转向具有情绪价值的伙伴，为僵化的手机形态带来了久违的创新与惊喜。
AI 时代形式化验证的供需重构
文章分析了 AI 如何同时推动形式化验证的需求与供给曲线移动。在需求端，AI 代码生成增加了对可信验证的需求，以解决审查瓶颈和意图确认问题；在供给端，AI 自动化了证明生成和规格编写，降低了成本。文章指出，密码学、区块链等高风险领域将率先受益，验证正从高端服务转变为软件基础设施。
用 AI Agent 开发的真实成本：记忆比 Token 更贵
作者分享了使用 Memmy 整合多个 AI Agent（Claude Code、Codex 等）历史记录的实战经验。通过统一记忆管理，新 Agent 能准确识别过期结论和冲突信息，避免重复试错成本。文章强调长期记忆的核心价值不在于存储数量，而在于精准识别“什么不再有效”，从而实现无缝的项目交接。
我把 OKX接入了我的 AI 交易系统
作者将 OKX 的加密货币数据接入自研量化系统，利用其免 Key API 降低了数据获取成本。文章对比了传统股市与币圈数据的差异，并探讨了 OKX 在 AI Agent 钱包和代币化美股方面的布局，认为链上可验证的业绩是未来方向。
n8n不是副业神药，它是把脏活接起来的水管
文章分析了自动化工具 n8n 的本质与应用场景。作者指出 n8n 并非自动赚钱的工具，而是通过连接不同节点解决重复性“脏活”的流程助理。文章详细列举了内容生产、销售跟进、客服分流、报表自动化、知识管理及 AI Agent 底座六大落地场景，强调核心价值在于业务流程理解而非单纯的技术操作。
如何设计 AI Agent：思维模型与实体化
文章提出 AI Agent 应被视为“思维与身体”的结合。单纯依赖大模型能力的 Agent 难以体现价值，唯有通过构建包含身份、资产、感知和限制的“身体”结构，将无界的智能具象化，才能解决用户痛点，避免沦为单纯的套壳聊天机器人。
如何让你的 AI 智能体能力提升 100 倍
文章探讨了如何通过建立完善的评估系统来防止 AI 智能体随着时间推移而性能下降。作者提出了利用文件夹结构和特定提示词记录规则、错误和边界情况的解决方案，将模糊的“感觉”转化为具体的测试用例，从而确保智能体持续高效工作。
鲍勃大叔：不看AI代码，只设约束
《Clean Code》作者鲍勃大叔表示，为利用AI生产力，他不阅读AI生成的代码，而是通过设置单元测试、QA流程、代码质量指标等严格约束来确保质量。他提出了由多个Agent组成的流水线实践，强调AI时代核心能力从读代码转向写测试和定指标。
从循环到图：如何运行真实的 AI 代理团队
文章阐述了如何利用图结构而非简单的循环来管理 AI 代理团队。核心在于“钻石模式”：任务并行分发、执行、独立验证与汇总。这种模式通过分散推理过程，提升了效率和准确性，并强调了人工检查节点的重要性。
打造爆款短视频的AI Agent实战
作者分享了如何构建一个能自动制作爆款视频的AI Agent。该代理通过分析数据寻找热门格式，利用Kimi、Seedance等工具自动完成脚本、剪辑和分发，并根据反馈自我优化。月成本仅111美元，收入达14700美元，实现了全自动化的内容生产闭环。
使用 Kimi K3 构建公司操作系统的指南
本文详细介绍如何仅利用 AI Agents 和 Kimi K3 模型构建完整的公司操作系统。文章阐述了公司 OS 的核心要素，包括词汇表、数据源、心跳机制及操作界面，并提供了具体的构建原理和 Prompt，旨在解决多 Agent 协同中的状态管理和权限控制问题。
我在 Pi 中重建了整个 Claude Code 设置
本文介绍了什么是“Harness Engineering”（约束工程），即通过配置模型周边的工具、指令和记忆来提升 AI 输出质量。作者详细演示了如何将 Claude Code 的配置迁移至名为 Pi 的工具，重点包括利用文件管理 Prompt、迁移 Skills、自定义系统提示以及实现记忆功能，从而实现模型的无缝切换和完全控制。
如何在 X 平台获得 3600 万浏览量并获取数千用户
文章分享了 Okara 通过 X（Twitter）平台实现 3600 万浏览量并获取大量用户的实战经验。策略包括：精准选择渠道、发布产品发布、教育性推文、演示视频、产品公告及热点评论等五类内容。通过不断测试不同钩子和形式，他们成功实现了病毒式传播，并验证了 B2B SaaS 在 X 平台的增长潜力。
Hermes 入门指南：从零构建 AI 分析师
本文总结了作者 4 个月使用 Hermes AI 作为分析师的经验，精选了 12 篇文章。内容涵盖从环境搭建、工作流设计到工具配置的全过程，特别是数据分析和投资研究场景的实践，适合新手定制 AI Agent。
如何使用 Kimi K3 构建你的第一个 AI Agent 循环
本文介绍了如何利用 Kimi K3 模型的高性价比缓存机制构建 AI Agent 循环，包含原理图解、Claude Code 配置及原生 API 代码示例。文章详细阐述了目标设定、自动化检查、成本控制（低至 $0.39/轮）及常见避坑指南，帮助开发者实现自动化代码修复任务。
From Loop Engineering to Graph Engineering?
文章探讨了AI Agent架构从单一循环向图结构网络的转变。单一循环在自我改进中存在古德哈特定律、目标盲视、循环冲突和测量衰减等局限。成熟的系统如机器学习运营和公司治理，实际上是由多个互相监督、制约的循环组成的网络，这种结构比单一循环更可靠。
品味与判断力：AI时代的开发者生存指南
文章探讨了AI Agent如何自动化初级开发者的重复性工作，导致入门级岗位减少并阻断传统成长路径。作者指出，未来的核心竞争力不再是解决已知问题，而是培养“品味”和判断力，并给出了包括阅读代码、记录错误、掌握基础等七条具体建议，以帮助开发者在AI时代建立不可替代的认知优势。
Building a Self-Improving, AI-Native Company
文章介绍了Deel如何构建自我改进的AI系统。通过Bug Hunter和Deel Code两个Agent，系统自动在真实客户环境中发现漏洞、编写修复代码并验证结果。人只负责最终审批，将工程师移至决策环节，实现软件闭环自我进化。
深入理解 AI Agent：设计原理与工程实践
李博杰新书《深入理解 AI Agent：设计原理与工程实践》开源，涵盖从0到1构建生产级AI Agent的原理与代码，包括RAG、工具调用、多Agent协作等实战内容。
PPT图解AI Agent的核心机制
本文通过10张图文详细解析AI Agent的核心机制，包括从回答问题到完成任务的转变、基础架构、核心循环、工具调用、记忆管理、规划控制、知识增强、多Agent协作及安全评估等关键概念，并提供制作涂鸦风PPT的提示词。
如何搭建一套 24/7 全天候寻找交易机会的 AI Agent
本文介绍了如何利用 Slate 工具搭建一套由 6 个 AI Agent 组成的量化研究集群，自动完成从阅读论文、特征工程、回测到因子归因的全流程，实现 24/7 全天候寻找 Alpha 交易机会，彻底改变传统量化研究模式。
Vibe Marketing 中的循环工程术
文章探讨了将软件工程中的“循环”概念应用于商业营销的趋势。相比传统的构建代码，Ellie 提出将 SEO、广告投放和产品反馈等业务环节自动化。利用 AI Agent 执行“构建-验证-循环”流程，通过客观数据（如搜索排名）自我迭代优化，从而实现低成本、全天候的业务增长。
OpenAI 重大更新：终结对话时代，打造 AI 工程团队
文章详细解读了 OpenAI 的最新更新，包括 GPT-5.6 模型家族的发布、GPT-Live 全双工语音交互的引入，以及 ChatGPT Work 和 Codex 的深度整合。核心观点是 ChatGPT 正从单一的问答机器人进化为包含规划、多代理协作、代码执行和语音交互的“AI 工程工作台”。文章还针对 Codex 用户提供了模型选择建议。
你是大模型的受益方，还是被吞掉方？AI应用的护城河与机会 ft. TiDB 唐刘
文章探讨了 AI Agent 时代数据库角色的演变。TiDB 唐刘指出，虽然 AI 压缩了中间层软件，但数据库作为 Agent 的“统一存储层”和“单一事实源”，其重要性不降反升。文章详细梳理了从存海量数据、租户隔离、Agent 自主管理到文件与 Workspace 托管的六大产品演化阶段，并讨论了 FDE 角色在 AI 时代的回归，以及判断 AI 产品护城河的核心逻辑：是模型进步的受益方，还是将被吞掉的一层。
如何构建你的第一个 AI 循环系统
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。
GEO：为什么 AI 推荐你的同行而不推荐你？
文章探讨了生成式引擎优化（GEO）的逻辑，解释了AI如何通过听懂问题、寻找资料、筛选证据和组织答案四个步骤生成推荐。作者通过重庆酒类品牌的实测案例，指出品牌在不同场景下曝光率差异巨大的原因，并提供了针对公众号、小红书、抖音等平台的内容优化策略，建议品牌应针对“证据缺口”而非泛泛关键词进行内容布局。
