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。
相关文档
90天成为营销工程师：完整学习路线图
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。
效率提升100%！分享我的 AI Coding 大杀器：SDD 工作流
本文介绍了规范驱动开发（SDD）工作流，旨在解决 AI 编程中常见的“左右脑互搏”问题。作者分析了问题根源，包括上下文注意力衰减、历史决策丢失和缺乏统一规则，并提出了 SDD 的解决方案。文章详细阐述了 SDD 的核心概念、最简开发流程、规范分类与管理方法，并推荐了开源的 agents-spec Skill 工具，帮助开发者自动化规范审计和目录治理，提升 AI 编码效率。
How to Build Your First AI Agent Team With Claude Code in 30 Minutes
本文介绍了如何在30分钟内使用Claude Code构建一个由三个专业智能体（规划者、执行者、审查者）组成的AI智能体团队。文章详细阐述了团队协作优于单一智能体的原因，并提供了从定义目标、设计角色、配置CLAUDE.md到创建和运行智能体团队的分步指南。通过并行工作和独立审查，该团队能提高任务执行的质量和效率，减少用户的来回干预。
图工程：将AI智能体组建成团队的6个步骤
本文介绍了“图工程”（Graph Engineering）的概念，即通过一条提示词唤起一组AI智能体（Agent）协同工作。文章将其分解为六个实施步骤：首先构建一个可独立运行的智能体闭环；其次提前绘制工作流图；然后通过单一提示生成并行智能体；同时强调审查工作必须交由不同模型和新上下文完成以防“回音室”效应；保留图外测试或人工作为最终防线；最后根据实际需求按需扩展图规模。作者指出，绘制智能体协同图正在成为AI构建者的新核心竞争力。
如何为你的 AI Agent 创建合适的 Skill
文章介绍了 AI Agent 中 Skill 的概念，区别于一次性 Prompt 和全置 Config，Skill 是可复用的按需加载工作流。通过 SKILL.md 开放标准，可实现跨平台兼容。文章详细阐述了 Skill 的加载机制、类型（用户触发/模型触发），并针对“执行偏差”和“过度冗长”等常见失败模式提出了具体的修复策略，强调从解决问题而非工具出发来构建 Skill。
装了 CodeX 却只会聊天，我用 7 个技巧让 AI 真正干活
文章指出很多人将 AI Agent 仅当作聊天机器人使用，未能发挥其处理本地文件和自动化工作的潜力。作者通过 7 个实战技巧（包括文件整理、项目管理、Skill 系统、CLI 集成等），详细演示了如何利用 CodeX/Claude Code 等工具构建高效工作流，实现从单纯对话到真正让 AI 干活的认知转变。
不用写代码，三招把日常经验沉淀为 AI Skill
本文指出 Skill 的本质是将个人工作经验固化为 Agent 的操作手册。文章分析了为什么直接套用他人 Skill 往往失效，并提出了三种将个人经验转化为 Skill 的实用方法：拆解并改造他人 Skill、复盘成功的 AI 协作过程、利用 skill-creator 搭建骨架。作者强调通过持续迭代，Skill 能让 AI 越用越像自己，从而实现工作流的自动化和个人知识的资产化。
开源AI Skill全自动视频号带货流水线 Story Studio 实战拆解
作者开源了一个名为 Story Studio 的 AI Agent Skill，用于自动化生产历史/人物故事类短视频，涵盖选题策划、黄金钩子文案、豆包大模型配音、毫秒级字音对齐、三套画风分镜生图、自动生成剪映草稿等全链路。作者靠该流水线在视频号实现单条爆款播放100W+、单日带货4000+的战绩。文章详细拆解了各环节实操方法，并分享图书带货、银发健康产品、创作者分成计划、私域导流等四条变现路径，强调工具完全免费开源。
如何用 AI 逆向工程任何东西（REA 完整指南）
本文介绍了开源工具 REA（Reverse Engineer Anything），一个拥有 33.5 万星标的 GitHub 项目。REA 通过 MCP（模型上下文协议）接入 Claude Code、Codex、Grok Build 等 AI Agent，让 Agent 能够分析网站、桌面应用、移动应用乃至游戏的功能实现原理，并生成规格文档用于构建自己的版本。文章提供了从零开始的完整新手教程，包括安装步骤（npx 命令或自动化 Agent 安装）、健康检查方法，以及五步工作框架：观察架构、深度理解（X-ray）、制定蓝图、构建实现、迭代升级，并附有各阶段的实用提示词模板。核心价值在于可以借鉴喜爱的应用功能，快速打造自己的版本。
4K 视频下载、AI 提取台词、导出双语字幕：本地开源工作流
文章介绍了一套完全开源免费的本地工作流，替代收费视频解析网站。核心工具为 yt-dlp + FFmpeg 下载全网主流平台 4K 高清视频，再用 faster-whisper large-v3 模型在本地显卡上约 30 秒即可提取视频台词，生成带时间轴的 SRT 字幕与 TXT 文本，并可导出双语字幕。作者强调无需写代码，只需将准备好的提示词发给 Claude Code 或 Codex 等 AI Agent，即可自动完成安装与运行。该流程适用于视频二创、解说拆解、文案分析和知识库构建，兼具隐私保护和零成本优势。
用完 12 个 Personal Agent 后，我找到了决定好用上限的五个标准
作者实测 12 个 Personal Agent，基于 1505 条覆盖 11 类的用例，总结出评判 Personal Agent 好用程度的五个维度：记忆能力、信息获取、Computer Use、主动性和多端联动。文章通过记账、海鲜市场自动回复、自动剪辑视频、跨设备调度 Codex/Claude Code/Grok 等 9 个真实案例展开分析，指出 Agent 与个人已有账号和应用生态的重叠度决定其上限，并对比了 Today、Grok Bot、OpenAI Dots、千问等产品的差异，最终分享了以手机远程调度多台电脑多 Agent 协同的工作流。
给科学家用的 Claude Code：本地跑、可追溯、能换引擎的 Open-Science 实测
文章实测了新加坡 AIPOCH 团队开源的科研 AI 工作台 Open-Science，它以 Claude Code、Codex 等为可替换引擎，外覆科研专用壳层。针对科研三大痛点——文献易被 AI 编造、敏感数据不能出本地、图表无法溯源——该项目提供 36 个科学数据库连接器、本地数据存储、不可篡改的执行记录与血缘图，并支持通过 .science 文件包（基于 RO-Crate 开放标准）导出完整研究过程供他人复现。作者以复现一篇基因表达分析论文为例，验证了差异表达分析与火山图生成，并用独立 AI 审查员完成交叉核验，展示了可复现、可交接的开源科研工作流。
