技术
未读
Claude 官方藏了个仓库,装上之后 PDF / Word / PPT / Excel 全自动生成
这篇文章详细介绍了Anthropic官方的Claude Code Skills，这些技能包能够将AI从简单的对话能力提升到实际生成可编辑文件的层面，如PDF、Excel、PPT和Word。
核心是`anthropics/skills`官方仓库，它提供了文档技能包（document-skills），用户只需在Claude Code命令行工具中通过几条指令（`marketplace add`和`plugin install`）即可安装。安装后，Claude AI能够直接调用Python库来创建带有可计算公式、可编辑图表和规整母版的文件，而非仅提供描述或图片。
文章举例说明，用户只需用自然语言描述需求，如从CSV数据生成包含原始数据、汇总分析和数据透视表的Excel报告，并基于此生成结构化的PPT汇报，Claude便能自动生成所需文件，极大提升工作效率。此外，Skills还适用于合同关键条款提取、批量简历信息汇总等高频场景。
文章也提醒用户注意文件路径避免中文、初次安装依赖需耐心等待及明确文件保存路径等使用细节，以确保流畅体验。总结而言，Claude Code Skills让AI成为一个能实际交付成果的“同事”，对不熟悉编程的用户尤其友好，能有效节省大量重复性工作时间。
技术
未读
提示词不是技巧,是一份写给 AI 的工作说明书
写在前面：这篇是我自己用下来真正稳定的一份清单。不是"AI 提示词大全",也不是"收藏就能变厉害"那种东西。建议先读完,再挑你这周真用得上的 5 个,剩下的回头慢慢翻。 很多人写提示词,本质上是在许愿。 "帮我写一篇博客。""总结这段文字。""解释这个概念。"——这不是提示词,是把活儿丢给 AI,然
技术
未读
如何让Codex更懂你：学会这些记忆技巧，直接提效90%
Codex App用户常因其缺乏跨会话的长期记忆，面临重复设置偏好和意外执行命令的问题。文章介绍了两种核心解决方案来构建其记忆机制。
首先是`AGENTS.md`文件。这是一个预设规则文件，Codex启动时会自动读取，为所有对话提供持久化的上下文信息，从而避免反复叮嘱。它分为全局层（`~/.codex/AGENTS.md`，用于设置个人偏好和通用规则）和项目层（项目目录内，用于定制项目特有规范）。规则内容可包括基础行为、安全边界和工程规范。为有效利用，建议规则分层管理、从基础开始按需迭代，并拆分复杂内容。
其次是“Memories”自动记忆功能。用户可在设置中手动开启此功能，让Codex在对话过程中主动总结并记录关键信息和用户偏好，并存储于`~/.codex/memory/Memory.md`文件。
通过这两种机制的结合与持续调整，Codex将能更好地理解用户意图，减少重复性操作，提升使用效率。
技术
未读
告别手动改配置：3 步用 cc-switch 让 Claude Code 接入 DeepSeek V4
文章介绍了 `cc-switch` 工具，旨在简化 `Claude Code` 使用第三方大模型（如 DeepSeek）时的切换流程。该工具将原先需要手动修改 `settings.json`、`.zshrc` 文件并重启终端的繁琐步骤，简化为通过图形界面一键切换，极大地提升了用户体验。
安装过程简便，用户只需通过 Homebrew 执行两条命令即可完成安装并打开桌面应用。以接入 DeepSeek 为例，用户只需在 `cc-switch` 应用中输入 DeepSeek API Key，并配置相应的模型映射，即可启用。切换后，终端执行 `claude` 命令即可验证模型已成功切换。
`cc-switch` 的实现原理是自动化将配置写入各 CLI 工具的原生配置文件，如 `~/.claude.json`。此外，它内置了官方登录预设，方便持有 Claude Pro 订阅的用户一键切换回官方模型，无需重启 Claude Code。相比手动配置，`cc-switch` 提供了一个直观、可视化的解决方案，降低了新手接入和管理多模型的门槛。
.png?width=800)
技术
未读
从裸奔到全副武装：我每天在用的 10 个 Claude Code 仓库
本文作者基于一年使用 Claude Code 的经验，筛选并推荐了10个真正能提升效率的社区工具，旨在帮助其他用户避开多数华而不实的仓库。这些工具覆盖了多方面功能。
其中，`cc-switch` 统一管理多种AI coding工具，解决切换混乱问题；`web-access` 和 `OpenCLI` 为 Claude Code 赋予联网和直接操作网站的能力，极大拓展应用场景。基础方面，官方的 `skills` 库和 `courses` 课程是学习 Skill 开发及 Prompt Engineering 的标准范本，而 `claude-code-system-prompts` 则揭示了 Claude Code 的底层运行逻辑。
在开发工作流上，`obra/superpowers` 提供了一套从构思到代码实现的完整框架；`everything-claude-code` 则展示了多 Agent 协作处理复杂任务的实践。此外，`graphify` 帮助快速理解大型代码库，`claude-mem` 实现跨会话的长期记忆管理。
作者建议先学习基础课程和系统提示，再按需引入这些工具。该清单提供了一个高效实用的 Claude Code 工具栈，覆盖90%的日常使用场景，帮助用户少走弯路。
技术
未读
Codex 新手入门完整教程：从零基础到高效上手的全流程指南
作者纳思稻壳分享了其使用Codex的经验，强调其每月二十余元的低成本远超昂贵AI套件的实用性。Codex本质是能读写文件、运行命令的AI助手，而非仅限于文本聊天的机器人。作者用它整理文档、分析代码、处理数据（Excel/CSV）及开发小工具和网页。
建议新手从桌面App版入手，界面直观，分为项目、对话、结果三栏。特别强调权限设置需谨慎。实际应用中，项目对话能驱动Codex进行文件操作，而普通对话仅用于文本交流。
文章指出需采取迭代协作，不追求一步到位。通过贪吃蛇游戏和CSV分析案例，演示了从明确需求、预设计划、获取结论、生成报告到人工复核的完整流程。高效沟通的关键在于让Codex复述任务理解和行动计划，以减少返工。反馈应细分为修改、补充、重构，每次专注于一类。错误处理则遵循标准化模板，提供具体场景和完整报错信息。
文末还涵盖了高级协作方法（如四文档法则）、常见问题及应对策略，并给出了一套分阶段的推荐学习路径。作者总结Codex性价比极高，能赋能非程序员将想法转化为可执行的项目。
技术
未读
从零到一:我用国产模型把 Claude Code 跑通后,写下了这份给小白的避坑手册
这篇教程专为完全不懂命令行和Node.js的AI新手设计，旨在帮助读者快速入门AI Agent工具Claude Code。它将引导读者搭建本地运行的Claude Code环境（支持国产模型），理解模型、Agent、Skill、MCP等核心概念，并动手实践，创建一个可用于小红书发布的“早读小工具”。
教程首先详细解释了Agent（如Claude Code）如何结合模型（AI大脑）和工具（手脚），实现“能说能做”。针对国内用户，提供了通过`cc-switch`配置MiniMax、智谱GLM等国产模型API的方案，避免海外支付和网络限制。
接着，文章逐步指导读者安装Git、Node.js、VS Code和Claude Code，并详细介绍了Claude Code的基础操作，包括启动方式、快捷键、工作模式（如Plan模式、YOLO模式）及通过`CLAUDE.md`设置长期偏好。
核心实践部分，读者将跟随教程完成“早读动物园”网页应用的开发，体验如何通过自然语言和需求文档（PRD）让AI自动生成代码。最后，教程讲解了Skills的概念，作为AI的SOP手册，以及如何安装和自定义Skills，并区分了Skills、MCP、Hooks、Plugin等功能。文章强调动手实践，遇到问题善用AI调试，以弥补工具带来的巨大生产力差距。
技术
未读
让 Codex 在你睡觉时写代码：半年踩坑后的几条规矩
文章指出，最初期望AI（如Codex）能夜间自主完成复杂编码任务的愿景并未实现。AI更像一个不知疲倦的执行者，需要明确的边界而非模糊的指令。例如，“优化项目”这类泛泛的任务会导致一堆半成品和冲突。
成功的夜间任务必须满足输入、写入范围和验收命令三要素，即“派工”而非“许愿”。作者通过ShipReady项目实例，展示了如何设定具体的安全检查任务，限制修改范围、依赖和UI，并明确验证命令。
适合夜间执行的任务包括：只读扫描生成报告、小范围特定模块测试（而非提高覆盖率），以及文档和工程卫生更新。应避免交给AI产品判断重的任务、跨前后端的大规模重构，以及涉及真实账号或生产权限的操作。
为确保高效产出，建议使用详细的任务模板作为“夜班工单”，并在代码仓库中创建`AGENTS.md`文件作为AI的“员工手册”，明确项目规范和行为准则。验收时，应优先检查`git diff`和测试结果，再查看AI的总结报告，确保改动在控制范围内。
总结而言，AI能替人熬夜，但人必须清晰定义值得它熬夜的任务。
.png?width=800)
技术
未读
别再骂模型了，你的 Agent 不是不想干活，是没人叫它起床
本文深入探讨了在Hermes平台上构建长期运行自治Agent的实践问题与解决方案。作者发现，其设计的自治交易员助手在完成一轮任务后便停止工作，原因并非提示词（prompt）不足，而是多数Agent的最小交互单位是一个“回合”（turn），完成后即停。要实现Agent的24小时持续工作，核心在于引入一个定时唤醒的运行时调度器。
文章指出，真正的长期自治需将任务切分成短周期，通过Gateway（后台闹钟）、Cron（定时任务，特别是“every”关键词）、Heartbeat（定义每次唤醒后的具体工作流程）和状态文件（替代聊天上下文，承载工作连续性）协同作用。Agent每次被唤醒时，会从`HEARTBEAT.md`、`current-state.md`、`task-queue.md`等状态文件中恢复上下文，推进一个明确的工作单元，并更新状态。
作者强调，关键在于让文件系统而非聊天记录承载连续性。建议配置Work Heartbeat、Short Review和Major Review三种Cron任务，并保持最小文件结构以确保Agent每次都能自包含地恢复工作。同时提醒，Git不应作为实时日志使用。最终总结，Agent持续运行的关键在于每次醒来都能清晰地知道自己是谁、在哪、要做什么。
技术
未读
Codex 接入本地大模型：一次跑通的环境配置记录
本文详细介绍了如何配置Codex Desktop App，使其通过Ollama运行本地大型语言模型，从而摆脱云端依赖，实现数据隐私和离线工作。
核心配置环境包括Codex Desktop App、Ollama v0.24及以上版本，以及Gemma 4（推荐16G内存）或Qwen 3.6（推荐32G内存或独显）等本地模型。
配置步骤如下：
1. 安装或升级Ollama至v0.24+。
2. 在终端执行`ollama launch codex-app`，为Codex启动专用通道。
3. 在Codex中选择“本地版”运行模式，并根据机器配置选择合适的本地模型。
4. Ollama将自动下载所选模型文件（注意网络稳定性和磁盘空间）。
5. 模型下载完成后，Ollama会引导重启Codex。
6. 重启后，Codex即可调用本地Ollama服务进行任务验证。
该方案优势在于数据不出本地、无费用、支持离线工作；但本地推理性能可能不及云端。文章特别提醒`ollama launch codex-app`会修改Codex配置文件，可通过`--restore`命令或手动备份恢复。
最近发布
