Kimi K3.1 Pro 实测对比 GPT-6 Astra：3D 建模能力与成本分析
本文实测对比了 Kimi K3.1 Pro 与 GPT-6 Astra 在多个 3D 任务上的表现，包括古建筑建模、机械结构、透明材质和游戏开发等。结果显示，Kimi 在精细模型构建上更优，而 GPT 在大型场景稳定性上更好。成本方面，Kimi 比 GPT 便宜约 80%，性价比突出。文章还提供了使用 Kimi 进行 3D 建模的入门指南。
全部文档 / 标签: 编程助手
8 篇
Codex 也能免费用 DeepSeek V4.1 Flash 了：Magpie + WorkBuddy AI 保姆级教程
本文是详细的保姆级教程，讲解如何通过本机中转站 Magpie 和 WorkBuddy AI 海外版账号，让 Codex 免费使用 DeepSeek V4.1 Flash 模型。作者介绍了从注册 WorkBuddy AI 账号、安装 Magpie、配置插件、将 Codex 接入 Magpie 的完整流程，并通过路由记录和积分验证免费模型的真实使用。进一步还介绍了路由组功能，实现自动任务分配：复杂任务（架构设计、bug 排查、代码评审）交给 GPT-6 Astra，代码编写等任务交给免费的 DeepSeek。全文在 Mac 环境下实操，包含一个 3D 网页开发的完整实践案例及踩坑经验分享。
Claude Opus 5.5 提示词指南要点速览
Claude 官方发布了 Claude Opus 5.5 的提示词指南，核心要点包括：合理设置思考档位 effort，日常用 medium 即可兼顾质量与成本；想让模型少想就调低档位，无需在提示词中要求“仔细思考”；避免要求模型写出推理过程，查看思考摘要即可；多轮对话时告知模型已完成的问题无需重想；要求模型汇报进度后继续执行长任务而不中途停下；明确告知模型做完即停以减少多余操作（官方测试可省三分之一花费）；只要方案时提前说明；编程任务要求先运行验证再下结论；要求越具体效果越好。总结：调对档位 + 说清要求是用好模型的关键。
FDE 进阶必读：GPT-6 +微软 Argus，一文讲透 AI 长任务交付
文章面向 FDE（深入客户现场做 AI 落地的工程师），介绍微软开源的长期 Agent 运行框架 Argus 如何与 GPT-6 配合完成 AI 长任务交付。通过一个企业周报工具项目案例，讲解 Argus 规划者、执行者、评审者的角色分工，如何发现并修正跨周退款统计口径错误（差 4000 元问题）、如何用第二周样例验证规则处理而非只修当前样例、客户追加按店铺拆分需求时如何保留进度继续开发，以及项目交接时的信息留存检查。文章强调 Argus 的价值在于跨阶段任务组织、进度保存与按需评审，减少 FDE 传递要求与恢复状态的组织负担，并通过 Flash Linear Attention 的公开 PR 案例佐证其成果。
Using Grok Bot: 8 templates to get inspired
作者介绍了 Grok Bot 新上线的 Templates 功能，模板包含机器人所用的技能、记忆和官方插件，可在不含隐私数据的情况下分享工作流。作者分享了多个喜爱的机器人模板：DevRel bot 每天从 X 书签中挑选新工具生成演示；Loops 作为外层工程代理协调 Cursor coding agent；X 算法机器人建议发帖时机与格式；Writing bot 基于写作经典书籍协助文字润色；Personal CRM 自动整理 X 互关好友到 Notion；Image generation bot 通过标准化提示词与调色板生成风格一致的图像资产。
全网 Codex Skill 指南：精选资源与安装教程
本文系统梳理了 Codex 的 Skill 生态，指出安装核心 Skill（如 create-plan、gh-fix-ci）是将其从聊天机器人升级为工程团队的关键。文章汇总了必 Star 的官方与社区仓库，按场景（规划、CI/CD、测试、前端等）分类精选了神级 Skill，并提供了保姆级的安装与调用教程，最后分享了自定义 Skill 及进阶组合玩法，帮助开发者最大化利用 AI 编程工具。
Pi Agent 配置指南：打造你的专属 AI 编程助手
文章介绍了 Openclaw 背后的极简编码智能体框架 Pi。与开箱即用的工具不同，Pi 主张极简内核，通过 Extension、Prompt Templates 和 Packages 进行高度定制。文章详细讲解了如何编写拓展、创建模板以及管理包生态，并推荐了 10 个实用的 Pi 包和配置方案，适合喜欢深度定制和折腾的开发者。
Karpathy：不再“写代码”，而是指挥Agent
本文记录了 Andrej Karpathy 与 Sarah Guo 的播客对话。Karpathy 指出自 2024 年底起，其工作模式已彻底转变为“指挥 Agent 干活”，通过 AutoResearch 实现递归自我改进。他讨论了 AI Agent 在编程与生活中的应用、开源与闭源模型的收敛，并指出了当前 AI 在可验证领域（代码）飞速进步，但在非可验证领域（如幽默）仍面临“参差不齐”的瓶颈。
