OpenAI CFO 亲述：两年搭出 AI 原生财务团队，投资人尽调从通宵干到几秒出稿
OpenAI CFO Sarah Friar 复盘两年内从零搭建 AI 原生财务团队的经验，提出五条核心方法论：先开放 AI 权限并举办黑客松激发使用；围绕决策而非旧流程重构工作流，实现零日关账和持续预测；财务人员转型为工具构建者；速度需匹配问责机制；按单位智能价值而非 token 数量评估 AI 投入。文章强调 AI 改变工作最小单元，财务团队通过 AI 实现效率飞跃，同时保持人类判断与责任。
相关文档
AI 时代普通人如何应对：财富洗牌下的行动建议
作者基于在硅谷的观察和重度使用 GPT-6 的经历，认为 AI 发展将终结现有社会分工、引发财富重新洗牌，并给出普通人应对建议：一是放手让 AI 帮忙寻找方向，弥补思维盲区；二是预算允许的话体验高额度模型（如 200 美元档 Codex 会员），用 AI 解决最难、拖延已久的问题；三是放下对现有工作和他人评价的执念，为未来试出新路并坚持；四是保持健身和睡眠，降低焦虑，每天推进具体的事情。作者认为这可能是普通人改变处境的重要机会。
Codex 实战系列｜10 个最值得安装的 Skills
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。
80% 的人说 AI 提效了，只有 6% 的公司真赚到钱：麦肯锡 1719 家企业调研解析
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。
成为 Codex 高级用户的完整指南
本文是一篇进阶指南，旨在帮助用户将 Codex 打造为“常驻 AI 团队”，从而实现单人高效运作。文章指出，普通用户倾向于单步提示，而高级用户应转变为“设定目标与边界”的指挥者。作者提供了构建专属工作区、利用语音输入、使用 /goal 设定长期目标、让 AI 先勘察后执行等实用技巧。此外，文章还深入探讨了如何通过多智能体并行处理任务、云端运行长任务以及使用手机进行远程控制，从而打破设备与时间的限制，最大化提升工作流效率。
OPENAI 的反思：PRD 没死，PM 别砍
本文基于 OpenAI Codex 负责人 Andrew Ambrosino 的播客访谈，探讨了 AI 时代下产品管理与开发流程的反思。文章指出 PRD 未死，关键在于选对媒介；反对盲目裁撤 PM，强调学科积累的最佳实践不应被抛弃。Andrew 提出角色应由实际交付内容定义，而非头衔。他警示人们应与结果而非流程结婚，在 AI 降低实现成本的当下，人的判断力、品味与经验变得更为昂贵和稀缺。
别再伺候 AI 了：5 个方法狠狠压榨 Codex
文章指出使用 AI 不应陷入反复解释需求的低效循环。作者分享了 5 个提升 Codex 效率的方法：利用插件连接外部工具、使用 Goal Mode 自主规划任务、配置自动化定时执行、通过 MCP 接入 Obsidian 知识库，以及将常用流程固化为 Skills。
不懂 Harness Engineering，你所谓的 AI 转型只是在浪费预算
文章探讨了 Harness Engineering 的概念，即通过设计环境、设定标准和建立反馈来构建 AI 的工程环境，从而将 AI 从简单的聊天工具转化为能持续工作的生产力。文章对比了 OpenAI 和 Anthropic 的不同实践路径，并以 VergeX 为例，阐述了 Harness 在 AI 交易中的具体应用，包括工具调用、上下文管理、架构约束和反馈循环四大核心模块。
用 AI 几句话清理 Android 平板的广告、通知和预装应用
作者分享了用 AI（Claude/Codex）通过 Mac 连接 Android 平板，几句话完成系统清理的实用技巧。提供的提示词涵盖五个方面：关闭广告和推广入口、按分类保留有用通知、更换带促销装饰的应用图标、停用无用预装应用（保留基础服务）、整理桌面布局。整个过程无需 root，适合优化新买的 Android 设备或帮家人清理手机。评论区还讨论了 WiFi 调试、iPhone Air + 安卓小平板的搭配，以及国内安卓系统广告难以关闭的现状。
花两千踩坑四大 Personal Agent，我用 3 个提示语把 33% 成功率救活了
作者花费两千元和两周时间实测 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四大 Personal Agent，测了 12 个自媒体平台的数据采集，最终成功委托率仅 33%。文章指出 Personal Agent 无法完全替代本机，存在账号登录、多任务管理等问题。作者最终选择 OpenAI Dots 作为云端方案，配合本机 Codex，总结出三个核心提示语：多任务进度条追踪、Computer Use 六道门采集验证、云端融合日报生成，并分享了邮件自动分拣回复、飞书文档中转等实用技巧，搭建了一套覆盖数据采集、日报和 AI 选题的完整工作流。
OpenAI DevDay 发布了所有东西，但什么才真正好用？五位 AI 重度用户畅谈 Dots、Jev 与个人助手的产品真相
Latent Space 首期「High Taste Testers」栏目中，五位 AI 重度用户在 OpenAI DevDay 2026 后畅谈产品真相。核心观点：模型前沿没有让人失望，产品执行让人失望；Dots 等功能藏得太深、远程执行与状态迁移未解决；Codex 桌面端更新频遭差评；行业应从 agent 转向 assistant，助手胜负在减负；Jev 决策模型改变的是成本曲线而非能力边界；信任是这一代模型的真正分水岭；分发与深度的矛盾注定产品分裂，各自占据生态位。
兄弟们，我耗费5天把 REA 和原生 Codex 对跑了 108 次：它到底给 Codex 增加了多少实际能力？
作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验，其中35对可同条件比较。文章详细记录了三个阶段：首先是六次小型探索，测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务，两边均通过全部用例但 REA 组耗时略长；随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索，以及原生 Codex 借助普通工具自行调查的能力，指出在小规模任务中两者能力差距不明显，差异更多体现在调查入口和验证路径上，并对实验边界与结论适用范围做了严谨说明。
想入门 AI 领域的极佳方式就是大量翻阅论文——Open-Science 科研工作台推荐
作者认为大量阅读 AI 论文是入门 AI 领域的极佳方式，并以朋友韭二老师爆肝 60 篇论文后入职盛大 evermind 为例。同时指出在 X 上分发论文解读是一种起号方式，该赛道仍有空白。针对论文小白，作者推荐一体化 AI 科研工作台 Open-Science：内置科研 skills 的 Agent 可检索文献、梳理方法并输出报告；支持灵活接入 Codex、Claude 等模型；研究过程可回溯审核；支持动手复现论文计算与分析。复现 5 篇以上即可深入掌握 AI 领域知识，项目已开源。
