作者受 yetone 分发的 AI 持续开发工作流启发，分享自己基于 Claude Code + Codex CLI 的开发实践。核心思路是：主 Agent 用 Claude Opus 负责需求分析、任务拆解、调度与审查，Codex 负责具体编码，低成本 Claude Subagent 监测 GitHub Issues/PR，并结合 Git Worktree 隔离任务。开发前强调明确需求、复用成熟开源组件（yt-dlp、Whisper、FFmpeg）、不断质疑想法；开发中通过 Human-in-the-Loop 让人负责体验与最终决策，AI 处理重复任务。文末附完整的可复用提示词。
本文总结了 Claude Code 的 12 个实用技巧，帮助用户节省额度、提高效率。内容包括：按任务难度分配思考强度（effort）、提前压缩上下文避免撑满、用 /doctor prompt-audit 清理旧指令、通过分析出错会话改进工作环境、使用 claude-mem 实现跨会话记忆、用 Statusline 展示用量信息、用 /run 和 /verify 实际验证功能、写代码与审代码分离、复杂任务先用 Plan Mode、重要限制交给 Hooks 强制执行、用 Git Worktree 并行工作等。所有命令和提示词可直接复制使用。
文章整理了 8 个用 Claude Opus 生成视频的 GitHub 仓库，核心思路是让 Claude 写动画代码，再通过浏览器或本地工具渲染成视频。包括成片与提示词合集 awesome-opus5-5-videos、提供 51 种影片风格的 Skill 项目 lemo-opuscar、两支歌词 MV 完整工程 pdoom-video 与 PDoomVideo、15 种 MG 动效风格的 mg-styles-15、角色动画起步包 ClaudeAnimationBase，以及案例追踪和中文提示词仓库。作者建议从 10-15 秒短片练手，并提醒素材商用授权需注意。
文章介绍了通过 magpie 本地网关与 Kiro 订阅，在 Claude Code 和 Claude Desktop 中使用 Claude Opus 5.5 的方案。Kiro 是亚马逊的 Coding Agent 产品，作者利用 magpie 插件将 Kiro 订阅中的 Claude 模型反代给 Claude Code，省去单独购买 Anthropic API 额度。文章详解了技术原理（请求经 magpie 网关和 Kiro Auth 插件转发）、安装配置步骤（Kiro 付费计划、插件安装、模型选择），并说明如何通过路由记录、订阅用量和工具调用验证模型真实性。最后提醒账号政策风险、额度消耗、数据安全和兼容性等注意事项。
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程：包括从 X 和 Hacker News 选题、准备 Agent 所需工具（Gemini API 写脚本与 TTS 配音、Suno 背景音乐等）、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查，以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill，并指出选题是内容成败的关键，常见问题是画面信息密度过高和配音契合度问题。
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
文章借 Karpathy 的漏斗模型，指出大众对 AI 能力的认知错位：60亿人没碰过大模型，十几亿人只用免费版聊天，仅约2000万人专业使用前沿模型。作者提出小白用好 AI 的三步法：一是换档，分清聊天与派活，按需选择档位而非盲目付费；二是派活，从可检查、重复性的真实任务入手，让 AI 先复述目标再动手；三是验收，把做完写成可执行的动作，要求 AI 交证据，涉及钱、删除、权限必须亲自确认。文末附派活单和七天上手清单，帮助读者用一件真实任务体验 AI 的实际价值。
作者开源了 Pi Durable Subagents 扩展包，为 Pi Durable Agent 框架提供类似 Codex 和 Claude Code 的 subagent 能力。每个 subagent 拥有独立的 Conversation、instructions、模型和工具权限，通过 subagent 工具由主 Agent 委派任务。扩展提供两种模式：Foreground subagent 支持并行创建子任务并等待结果返回，适合并行研究和任务拆分；Background subagent 支持命名后台任务，可通过 spawn、send、stop、status 四种操作持续管理，任务结果通过 durable Reporter task 送回主对话，并支持进程重启后恢复。项目基于 Conversation、Task、ownership 等基础部件构建，采用 MIT License 开源。
作者分享了一段超级提示词，可以让 Claude Opus 5.5 直接生成整个项目的可视化架构地图。与 Devin 的 deepwiki 偏文档式 wiki 不同，这种方式更偏可视化。作者在自己的项目上实测，效果非常好，并将原作者针对特定项目的提示词改写成了通用版本发布在 gist 上。回复中提到 grok 也可以实现，只是 Opus 效果更好，但作者对界面美观度仍不太满意，认为需要再优化。
作者使用 AI 助手 Jev 逐个阅读 README，将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级，以约 200 美元成本产出开源仓库和在线筛选页面，每 8 小时刷新。文章介绍了各分类分布：剪辑与后期 35 个、讲解科普 32 个、框架 29 个等，重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线，并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
作者用 AI 工具 Jev 逐个阅读 README，整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库，分为剪辑与后期、讲解科普、框架工具包等 10 个类别，每个都附安全评级（178 个 SAFE）。文章指出代码化出片（Remotion、HyperFrames）是主流路线，占四成；镜头配方卡正在成为通用资产；107 个不到 50 星的小仓库信息密度被严重低估，按星数排序会漏掉它们。仓库与在线筛选页面均已开源，每 8 小时刷新。
作者介绍了自己开发的 git-story-film skill：只需提供一个 GitHub 仓库链接，Claude Opus 5.5 就能像导演一样，从 git 提交历史中挖掘故事，为项目设计主角、画风和镜头语言，最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例，每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP（提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染），并总结了八条设计原则，如导演而非生成器、画面与提交一一对应、只说真话等，还分享了制作过程中的翻车与惊喜。
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低，可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR，两周内约到 19 次会议，回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构：watch.py 通过日期文件对比追踪招聘重发、融资等信号，judge.py 负责调用 Jev 评分，policy.py 用纯代码实现门槛与权重，两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai，可放入 Claude Code 或 Codex 终端复现。
