想让 AI 帮你做完整项目？小白先学会这套工作流
本文介绍了一套利用 AI 开发完整项目的工作流，以 DeepSeek Harness 科普网站为例，演示了从模糊需求到分阶段开发、测试、验收和迭代的完整过程。作者强调了将需求具体化、使用 spec 和 tickets 管理任务、人工验收、以及将新需求和新 bug 记录为 ticket 的重要性。文章还提供了可复用的规则和工具，帮助读者将这套流程应用到自己的项目中。
相关文档
You need to be skillsmaxxing
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
抖音整蛊类弹幕游戏，从0到1开发接入保姆级教程
本文是一篇从零到一开发抖音整蛊类弹幕游戏的完整教程。作者以原创玩法"嘴硬小怪兽"为例，讲解如何用 Codex 辅助开发 Unity 游戏，并接入抖音直播 LiveOpenSDK。内容涵盖：开发者注册认证与资质准备（软著、授权材料）、创建弹幕玩法获取 AppID、提交玩法提案、设计弹幕/点赞/礼物互动规则、用 Codex 生成场景和整蛊动作（挨锤、喷嚏、头套）、本地模拟互动测试、安装官方 SDK 并实现消息推送与礼物履约上报等完整流程，目标是让主播直播自己的游戏，实现从播客到游戏厂商的转型。
AI Native 实践续篇：迈向 Stage 8
作者继八月 AI Native 实践后，记录从 Stage 7 迈向 Stage 8 的多 Agent 工作方式探索。核心实践包括：用「测试测试」验证测试有效性（借鉴变异测试）；要求 Agent 交代判断依据；采用 1+N 组织方式，由 Captain 统筹调度其他 Agent，并保护其上下文不陷入实现细节；用 logbook Kit（lbkit）串起需求到上线的完整交付流程，通过 Preflight 预演减少中途打断；让 Delivery 与 Verify 两种角色形成对抗，发现分歧。作者强调多 Agent 有成本需按任务规模挑选，目标是保护人的完整注意力与决策密度，认为对抗机制比单纯循环更重要。
从一个 Bot 到一整个组织，Grok Bot 的进阶用法分享
作者分享了国庆期间折腾 Grok Bot 的进阶用法，搭建了两套 AI 组织体系：一套服务跨境电商的 12 岗位亚马逊团队，一套服务个人自媒体 IP。核心玩法包括：将本地电脑托管给云 Bot，把在 Claude、Codex 中打磨好的 Skill 迁移给 AI 员工；按功能拆分岗位并写清职责边界；用 1+N 统筹机器人模式降低 Token 消耗；让 Grok 调用 Codex、Cursor 等外部 Agent 实现模型分层；接入飞书 CLI 落成云文档，以及通过 GBrain 知识库打通手机资料收集与工作流。文中还强调了岗位权限边界与人工把关的重要性。
Claude 封号，记忆归零？我的本地架构：换号也不用重训
作者分享了一套不依赖云端账号的本地 AI 工作流架构，核心思路是把规则、技能、日记等真正有价值的资产沉淀在本地硬盘，而非网页端/App 的记忆功能中。整套体系分为四层：工具层（Claude Code、Codex、Cursor 作为入口）、模型层（可随时更换）、架构层（本地文件结构）、处理层（按本地规则和技能处理任务）。作者通过全局规则文件（CLAUDE.md）、本地 skills 目录、按日短记忆 + 长期偏好文件、AI 日记四层文件体系，实现了账号封禁后快速恢复工作的能力，并提出新人可先从三步最小方案入手搭建。
两句话，55 分钟，一条 3D 纪录片：我把它做成了一个 skill（已开源）
作者用 Claude 制作 3D 历史纪录短片，通过将制作经验封装成开源 skill（code-doc-film），把《郑和下西洋》片子的制作时间从 116 分钟压缩到 55 分钟，只需两句指令。skill 本质是一个包含说明文档和脚本的文件夹，核心是一张「翻车表」：记录镜头钻山、音画不同步、史实错误、渲染纯色等 7 类踩坑问题及自动化校验方案。文章同时坦承 skill 的局限：人物建模粗糙、未做过的题材仍慢、事实核对只保证有出处不保证正确。
建议收藏！超级个体必备：用Codex重构内容生产的全套实操教程
本文是一份面向非程序员自媒体创作者的 Codex 实操教程，基于 @miles_mazy 的《Codex 入门指南》改写。文章以“把 30 份网页、PDF、截图和旧笔记整理成公众号深度稿”为贯穿案例，详细讲解了如何用 Codex 完成内容生产全流程：包括区分 Chat/Project/Task 三层概念、设置本地执行模式与权限沙盒、建立规范的项目目录结构、撰写六项编辑任务书、进行研究与来源台账管理、从材料推导观点与大纲、分段写作并保留个人语气、三轮审校（事实/结构/语言）、生成配图，以及多平台改写与发布检查。核心方法是：材料进入项目，任务拆成阶段，每步留下文件，最后逐项验收。
我再也不想用第三方软件了
作者Julie Zhuo分享了她从依赖第三方软件到自建个性化工具的心路历程。她因不满现有AI代理管理工具的局限，利用AI在半小时内构建了移动端应用Mog Squad，随后又开发了桌面版，实现了同时管理Claude和Codex等多个代理、高度定制化的工作流。她还为孩子打造了融入个人生活故事的Duolingo风格学习应用。文章指出，AI时代让超个性化软件成为可能，人们将更偏爱自己组装的工具，第三方通用软件的主导地位可能被颠覆。
几个月心血搭好的 AI 元技能，我为什么全拆掉？
作者几个月前搭建了一套名为「刚柔」的元 Skill，用图 IR、契约闸和检查机制防止模型偷懒、打折扣执行任务。随着 GPT-6 Astra 发布，模型遵循指令和多步执行能力大幅提升，OpenAI 官方建议检查 AGENTS.md 和 Skills 中可能影响模型行为的指令。作者由此意识到，许多为弥补旧模型短板而设的约束如今反而妨碍任务完成，于是委托 Codex + GPT-6 在秘书 Grok Bot 协调下彻底拆除该元技能。文章详细记录了清理的难度、推理档位选择、具体执行过程（如取消从零重跑、自动三路候选）及打包脚本隐私问题的修复，最终指出：该留的是把工作可靠完成的目标，而不是特定的脚手架，技术条件变了就该果断调整。
Codex 6 入门指南：16个必备技巧，节省90%的Token
作者结合实际使用经验，总结了 Codex 6 的 16 个实用技巧，帮助用户把任务交代清楚、获得可直接使用的结果。内容涵盖：先更新版本、确认工作目录、明确目标材料限制与完成标准、使用 Plan 规划、发截图圈出修改区域、运行中及时补充指令、用 Goal 写清终点、关键决定写入文件、通过 AGENTS.md 沉淀重复要求、按需选用 Skill、确认工具权限、分清并行任务范围、验收时查看 Diff 改动范围，以及从手动跑通开始逐步自动化。核心思想是把模糊需求转化为可执行、可验收的指令，减少返工与 Token 浪费。
Skills 管理思路：本地管理 + 软连接
作者分享了管理 AI Agent Skills 的经验：不建议在本地一次性安装太多 Skills，因为过多的 Skill 会误触发模型调用并限制模型发挥，同时 Skill 描述会占用上下文窗口的 Token 预算。管理方法分两步：第一步将所有 Skills 统一放在本地目录（分 Github、personal、official 三类），并建立管理文档和定时更新脚本；第二步用软连接（symlink）按项目需要启用 Skill，而不是复制安装，避免全局启用浪费上下文。这些工作都可以交给 Codex/Claude 等 Agent 自动完成。
我用 AI 管理 10 家跨境店铺，月入百万：17 个流程和全部工具公开
本文作者 Dean 分享了如何利用 AI 工作流管理 10 家跨境电商店铺，实现月入百万的经验。文章详细介绍了 17 个核心流程，包括平台选择、市场分析、竞品分析、卖点拆解、供应商审核、利润计算、MVP 产品规划、内容生产、广告分析、达人筛选、客服系统、库存管理、每日复盘、内部工具化等。每个流程都提供了具体工具、数据来源、AI 指令和决策方法，强调通过 AI 将重复任务自动化，提升运营效率。
