作者作为一名 AI 产品经理，分析了 AGI 时代产品开发进度未见提升的原因：落后的产研协作方式与 AI 新生产力之间存在矛盾。PRD 过详细耗时耗力，不够详细则 AI 自由发挥导致返工循环，核心问题是文档传递中的上下文不一致。作者提出折中方案：将前端工作交给产品经理，实测显著提升开发效率并改善产研关系。进一步探讨 AI Native 组织应以 AI 的'快'为核心搭建架构，理想形态是一个人同时担任产品经理和研发的超级个体，强调 AI 时代行动力与干中学的重要性。
作者作为一名不会写代码的文科生，详细拆解了如何在24小时内借助AI为家乡苹果搭建一个可收款的电商网站。文章分九步讲解：准备资料（商品信息、成本、库存、售后规则）、开通域名和Cloudflare、Stripe、GitHub等账号、用AI追问生成PRD、交给Codex开发（Astro+React+Cloudflare Workers技术栈）、在Stripe沙盒测试支付、分开部署测试站与正式站、上线前清理与检查，以及后台登录、订单通知、代码备份、移动端优化等后续迭代要点。文中还给出多段实用提示词，强调AI能包办写码，但资料、账号和决策需自己完成。
文章记录了 Manus 团队在研发 AI Agent 产品的过程中，用自家产品改造自身组织运作的实践。研发团队通过 Manus-mono 统一入口和给 AI 的说明书，让一个工程师能同时处理十几个需求，一人写完前后端和移动端；产品团队实现了端到端上线，所有产品经理都提交过代码，甚至用视频代替传统 PRD 表达需求；市场团队则引入'数字同事'参与工作流，自动跟踪发布、复盘数据、跨团队对齐。整体上，组织从 Human in the loop 走向 Human on the loop，减少人与人之间的打断损耗，人更多承担监督、判断和决策的角色。
作者分享了作为 Infra/Kubernetes 工程师在 AI Native 时代的工作方式演变：从 2 月认为 Code Typing 不必要，到 5 月确立「AI 放大执行、人负责判断」，再到 8 月形成信息、研发、落地、工具链的完整链路。信息层面，他用 minds（AI 参与度 90%+）和 my-kms（5%）两个知识仓库，Agent 改动走 PR 流程由人 review；编码层面推行 Spec-driven、用 guides 固化约束、自测 Agent 分层验证；工具链上自建 mind-forge、skm 等工具。核心观点：AI 善于「作」（生产、展开、润色），人负责「创」（问题、判断、观点），工作重点是决策密度、共识形成与保留个人棱角。
作者体验上海人工智能实验室发布的 Atria Dawn Preview Agent 后，首次感到 AGI 临近。该 Agent 能自主检索资料、写代码、跑实验、验证结果并交付可用成品，甚至生成 3D CAD 模型。更令人意外的是，其 96 人核心团队中 65 人为在校学生。作者指出其与 Claude Code 等现有 Agent 的本质区别在于'模型 + Harness + 环境'三层架构，Agent 自己完成验收环节，无需人工逐步盯进度，大幅提升了超级个体能独立交付项目的复杂度上限。
作者分享与AI协作时失去心流的体验，描述等待AI时刷手机停不下来、多任务切换导致疲惫等场景，引用吴恩达、Simon Willison的观点及认知心理学研究，分析切换成本和内疚感带来的消耗，并尝试减少并发、拆小任务、调整节奏、优化AI输出等方法来适应新工作方式，反思人在向更强智能妥协的过程中如何找回沉浸与满足感。
文章推荐 B 站播客《创见》对 OpenAI ML Infra 工程师赵迪的访谈。赵迪曾在 Twitter/X 工作近 7 年，评价马斯克是'最大的混蛋'但依然令人敬佩，因为其遵循第一性原理，将工程师从 3000 人裁到 100 人仍能运转。他分享了用 Rust 编写的推理引擎 Navi 为 X 节省数百万美元的经历，认为 ChatGPT 3.5 是 AGI 从 0 到 1 的关键，现在已非常接近 AGI。他还谈到智能可能成为区分阶级的工具、模型能力是核心壁垒、以及工程师价值不再在于写代码量等犀利观点。
OpenAI于2026年9月4日发布GPT-6 Astra，与Anthropic的Claude Fable 5.1正面竞争。Astra在数学（FrontierMath 97.6%）、ARC-AGI-3（99.9%）、电脑操控（OSWorld 2.0）等评测上大幅领先，编程类任务则与Claude咬得较紧未全面胜出。文章分析了各项benchmark数据、定价（与Fable 5.1相同）、Codex跨上下文记笔记等新功能，指出Astra是首个触发Critical网络安全阈值的模型，因此漏洞利用能力被限制。作者认为AGI时代特征初显，电脑操控能力将碾压此前人机协作的苦力活。
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。
作者基于7年产品经理经验，分享了如何利用 Codex 和自制的 PM-Skill 2.0（21个Skill，GitHub 1000+ star）跑通产品经理全流程工作。文章演示了从需求调研、竞品分析、网站转原型、PRD撰写、多角色评审、埋点设计到发布站点的完整链路，全程在 Codex 内完成。上线后还可用 pm-analytics 做数据分析、pm-experiment-designer 做实验设计、pm-postmortem-writer 做复盘。作者认为垂类 Agent 本质是通用 Agent 加上特定工作流，通用 Agent 配合 Skill 组装即可定制出特定职业的工作台，开发也可借此给自己配个产品经理。
本文从不同职业角度介绍OpenAI Codex的实际应用，涵盖财务、教师、运营、咨询、法律、科研和程序员七大场景。案例包括Excel数据处理、SQL取数分析、PPT生成、海报图片制作、合同审查、文献综述、数据分析等，并介绍以Codex为大脑搭建自定义工作流的进阶玩法。作者强调Codex与聊天AI的区别：它交付的是做完的活，而非文字建议。
本文借鉴Zalando、ASOS、Mango等时尚电商巨头利用AI降低视觉内容成本、缩短上市时间的案例，提炼出“拍、喂、扩、审”四步内容产线思维。作者提出用WorkBuddy作为“笔”来生成任务单，用Codex作为“手”来执行批量处理，并详细演示了如何在半天内完成一个SKU的主图生产闭环。文章强调真实拍摄、人终审的重要性，并提供了自检清单和操作步骤，帮助个人或小团队提升内容生产效率。
本文针对 AI 工具普遍收费的现象，从付费、马具（Harness）、创作、取舍、边界五个方面展开讨论。作者以自身使用经验为例，分析了 Kimi、DeepSeek、Claude Code、Codex、OpenClaw、YouMind 等工具的特点与适用场景，提出了根据个人需求、预算和质量门槛选择工具的方法，并强调了重器轻用的理念。同时，文章也探讨了在医疗等敏感领域使用 AI 时的数据安全边界。
