与「开发者工具」相关的搜索结果

你这个月的 Codex 订阅，按 OpenAI API 价格折算，到底薅回了多少钱？做了个 macOS 小组件专门算这笔账——进度条的满额刻度，标到了约 4.6 万美元/月。（郭美青老师本来是自己用的，然后开源出来给大家用） codexU 是一个 macOS 菜单栏 + 桌面小组件，把 OpenAI Codex（以及 Claude Code）的额度窗口、token 用量、今日任务看板，全塞进菜单栏。 它最戳人的是那个叫 "羊毛进度" 的功能： Codex 的额度界面通常只给你一个百分比和重置时间，你根本看不出"我这个月到底用掉了多少价值"。codexU 把本机解析到的 token（未缓存输入 / 命中缓存输入 / 输出）按对应模型的 OpenAI API 单价折算成美元，再和你的订阅价（Plus / Pro 100 / Pro 200）摆在一条进度条上——一眼看出这个月订阅回本到哪个区间了。满额刻度按"2 亿 token/天 × 30 天"估到约 4.6 万美元/月（这是理论上限估算，不是账单）。等于给"薅羊毛"做了个可视化仪表盘。 工程上它跟得很紧，有两个细节值得说： 1、数据全本地：Codex 走 app-server 的额度/用量接口 + ~/.codex/state_5.sqlite + rollout 日志里的 token_count 事件；Claude Code 走 ~/.claude/ 的 transcript。一个入口同时看两边本机用量。 2、支持最新版合并后的codex：Codex 和 ChatGPT 合并后，macOS 应用从 改名成了 已经兼容新应用名。 也有个绕不开的现实限制——Codex 本地 API 只暴露"滚动窗口已用百分比 + 重置时间"，不给绝对配额数字，所以它只能显示剩余百分比，不是精确到还剩多少 token。 怎么用： 本机装了 Codex 并登录、至少跑过一次（生成 state_5.sqlite）。去 GitHub Release 下对应架构的 DMG（arm64 / x86_64），首次因为不是 App Store 签名，要在"系统设置 → 隐私与安全性"手动点"仍要打开"。Claude Code 统计是可选的。 每天开 Codex 干活的，挂一个在菜单栏——月底看看自己到底从订阅里薅回了多少，顺便还能看出你的 token 都烧在了哪几个项目上。 #codexU# #Codex# #ClaudeCode# #开发者工具# #独立开发#

OpenAI 发布 ChatGPT Work，并把原来的 ChatGPT 与 Codex 桌面应用整合为一个产品。 新应用被拆成三个入口：Chat 负责问答和讨论，Work 负责研究、分析以及交付文档、表格、演示稿、报告和网站，Codex 继续处理代码、终端和软件工程任务。 这个划分说明，OpenAI 正在主动结束“所有需求都塞进聊天框”的产品阶段。 Work 使用了 Codex 的代理技术和 GPT-5.6。用户可以直接描述最终结果，它再自行拆分步骤、调用已授权的应用和文件，并在执行过程中接受修改或审批。 OpenAI 披露，Codex 每周用户已超过 500 万，其中超过 100 万人用它处理软件开发之外的工作。 ChatGPT Work 更像是对这种真实用法的正式产品化，而不是凭空创造的新需求。 对 OpenAI 来说，这次更新同时解决了两个问题。 第一，Codex 不再只是开发者工具。它积累的电脑操作、长任务执行和文件处理能力，现在可以通过 Work 分发给销售、财务、运营和研究人员。 第二，ChatGPT、Codex、插件和本地文件被放进同一个入口。 对于只完成单个环节的 Agent 产品和传统自动化工具，这会形成压力：用户可能不再愿意为每个流程单独购买一套软件。

OPC Skills：面向"一人公司"的 Agent Skills 开源库 # 10 个 Skills 分为 4 类，累计 51K+ 次安装 ① 市场调研层 · requesthunt（v2.3.0，最活跃）：从 Reddit / X / GitHub / YouTube / LinkedIn / Amazon 抓取真实用户反馈，生成需求研究报告。现已切换为 Rust CLI（自带 SHA256 校验 + 设备码登录）。其"平台选择指南"很专业——按产品类别推荐主次数据源（如硬件→YouTube 优先，开发者工具→Reddit 优先） ② 数据采集层（API 封装技能） · X/twitter（28 个脚本，最厚重）：封装 twitterapi. io，覆盖用户/推文/列表/社区/Spaces/趋势全端点 · reddit（7 脚本）：基于公共 JSON API · producthunt（11 脚本）：GraphQL API ③ 设计生产层 · nanobanana：Gemini 3 Pro Image 图像生成（文生图、图编辑、2K/4K） · logo-creator：依赖 nanobanana，含裁剪、去背景、SVG 矢量化 · banner-creator：依赖 nanobanana，输出多平台横幅 ④ 增长与基建层 · seo-geo（33.5K 安装，最热门）：SEO + GEO（生成式引擎优化），内嵌普林斯顿 9 项 GEO 方法论，覆盖 ChatGPT / Perplexity / Google AI Overview / Copilot / Claude 各平台的引用优化策略 · domain-hunter：依赖 twitter + reddit，域名查价、找促销码、给购买建议 · archive：会话知识归档，带 SessionStart hook 自动把 .archive/MEMORY.md 注入上下文——唯一带运行时钩子的技能，体现"跨会话记忆复用"思路 项目地址

卧槽，Anthropic 这次真的翻大车了。 有人在 Claude Code 的二进制里挖出了隐藏代码——专门检测你是不是中国用户、或者代理走了中国。不是普通遥测，是故意混淆、发行说明不写、用户完全不知情的那种。 过程很骚： - 检测到你在用代理 → 检查时区（上海/乌鲁木齐） - 检查代理 URL 是不是指向中国域名或 AI 实验室 - 命中之后，偷偷改掉 system prompt 里的字符：把日期格式换掉、把撇号换成别的 Unicode 同形异码字 - 这些改动肉眼根本看不出来，但 Anthropic 后端可以对得上 说穿了就是：它在你的 prompt 里藏了一组只有他们自己能解的水印。 从 v2.1.91（今年4月2号）就有了，代码做了 XOR 加密、函数名压成一坨，strings 根本扫不出来。 Anthropic 要防什么大家都懂：防套 API 卖翻墙服务、防国内实验室蒸馏模型。但问题是——你是做开发工具的，用户给你文件系统权限、给你 Shell，你背地里搞这一手？ 最寒心的是：没有任何文档、没有任何声明。 今天它能偷偷改 prompt 水印你，明天呢？后天呢？一个运行在你本地的编码 Agent，你永远不知道它到底还在上面藏了什么。 源码三月份就因为 npm 泄露过一次，六十万行被人翻了个底朝天。这才过多久，又来一桩。 开发者工具的底线就三个字：别背刺。 信任建起来要几年，毁掉只需要你一次不打招呼的骚操作。这事已经在 X 和 Reddit 炸了，我不信 Anthropic 能装死到底。 原帖链接：

整理了50个谷歌搜索不出来的网站 绕过付费墙、免费下载论文、找应用替代品、查流媒体在哪看……几乎涵盖了日常需要 按分类列一下： 📚 文献资源 — 绕过任何付费墙 — 几百万免费教科书 — 免费论文库 — 7万本免费经典书 🛠 图片视频工具 — 浏览器版Photoshop — 免费压缩图片 — 一键去背景 — 删除照片里的东西 — 去视频背景 🎨 代码与设计 — 把代码变成艺术品 — 漂亮的代码截图 — 免费产品效果图 — 不用PS做原型 🔒 隐私安全 — 检查账号是否被黑 — 扫描文件有没有病毒 — 发自毁消息 — 秒速一次性邮箱 🎵 音乐音频 — 听全球电台 — 探索所有音乐风格 — 查剧里的歌曲名 — 专注工作用的配乐 — 自定义白噪音 — 咖啡馆氛围音 🔬 科研工具 — AI论文助手 — 查科学界的共识 — 论文可视化地图 — 免费学术搜索 — 秒懂复杂论文 💻 开发者工具 — 开发者专用AI搜索 — 正则表达式测试 — 代码格式化 — 可读的JSON — 解释终端命令 📌 其他实用 — 好用的书签管理 — 查网站是否宕机 — 反向图片搜索 — 测网速 — 免费编辑PDF — 合并分割PDF — 秒速临时邮箱 — 找流媒体在哪看 — 网页时光机 — 找替代应用 互联网远比谷歌展示的大得多 大多数人永远只看第一页

你有没有收到过这种邮件： “我看到你 GitHub 上的某某项目，想邀请你参加……” 我以前真以为对方认真看了我的代码。 后来自己查了一圈才明白：很多时候，他们没看代码。他们看的是我 commit 里的邮箱。 git 每提交一次，作者邮箱就会写进公开历史。只要仓库是公开的，谁都能 "git log" 捞出来。 于是就有一堆爬虫专门干这个： 扫 repo，抓 commit 邮箱，再根据项目名、README、star、topic，拼一封看起来很“私人化”的冷邮件。 我收到过不少类似的邮件。 有人说看到了我某个开源项目，邀请我参加比赛，还附带奖金和机会。 有人说看了我的 GitHub，觉得我做的东西不错，想聊聊创业或者合作。 还有 hackathon、开发者工具、增长产品之类的邮件，上来就说： “我看到了你的 GitHub。” 甚至有些邮件会精确提到某个项目的 README、star 数、文档结构，显得像是认真研究过。 但你多看几封就会发现，味道很像。 它们未必真的认识你，也未必真的理解你的项目。 很多时候，只是机器把你的公开足迹拼了一遍。 这件事真正让我警觉的，不是营销邮件本身，而是我后来检查自己的公开仓库时发现： 我曾经在一些公开提交里，用过真实私人邮箱，甚至还用过工作邮箱。 工作邮箱那条最危险。 它不是泄露一个邮箱那么简单，而是把你的个人 GitHub、个人项目、历史代码、公开身份，和雇主关系直接拴在了一起。 这比收到几封垃圾邮件严重得多。 我后来做了几件事： 把能处理的公开提交邮箱，尽量改成 GitHub 的匿名 "noreply" 邮箱； 打开 GitHub 的邮箱隐私设置； 打开阻止命令行 push 泄露私人邮箱的选项； 以后所有公开项目，都不再用真实邮箱和工作邮箱提交。 但说实话，这只是止血，不是召回。 已经被爬走的邮箱，不会因为你清理了历史就从别人的营销名单里消失。 缓存、fork、旧 clone、各种私有数据库，你都控制不了。 清理的意义只在未来： 新爬虫抓不到了； 敏感邮箱从公开面消失了； 以后不会继续把真实身份喂给机器。 所以，如果你也在 GitHub 上裸着邮箱，记两件事： 第一，公开提交一律用 GitHub "noreply"。 第二，公开项目、开源项目、玩具项目，别用工作邮箱。 邮箱迟早会被扫。 你能管住的只有一件事： 以后别再主动喂给它。

我用 Apodex 做了一次深度研究测试。 Apodex 的定位是 Self-Evolving Heavy-Duty Solver，也就是“自进化重型求解器”。它面向的不是简单问答，更专注那些重要、复杂、没有现成答案的问题：需要拆解、搜索、比较证据，再在下结论前核查关键主张。 这次我选的问题是： AI Agent 公司如何选择产品方向：开发者工具、企业工作流、研究助手，哪个更值得做？ 这个问题比单纯问“某个技术最近有什么进展”更难，因为它没有标准答案。要同时看市场需求、付费意愿、竞争格局、技术门槛、销售周期、融资叙事、短期落地难度和长期空间。 我用中档 Deep Reasoning 跑了一次，也尝试了 Deep Discovery。后面这个模式更能体现 Apodex 的核心能力：它会把问题拆成多条研究线，分别查开发者工具、企业工作流、研究助手，再补充 VC 视角、企业采用率、市场规模、客户流失风险和具体创业机会。 比较有意思的是，它没有在第一轮搜索后马上给结论。它先做总览，再发现证据不够，于是继续补查 TAM、创业方向排名、Menlo Ventures、SaaStr、BCG、企业 AI 报告等来源。这个过程能看到它在不断确认：哪些判断有数据支撑，哪些只是看起来合理。 最后它给出的排序是： 1. 垂直企业工作流 Agent 2. 垂直研究助手 3. 开发者工具 它认为，2026 年对大多数 AI Agent 创业公司来说，最值得做的是“垂直企业工作流 Agent”。理由是这类产品更容易找到明确买方，也更容易证明价值：比如保险理赔、医疗账单、物流异常处理、合规监测、采购和库存管理。这些场景本来就有人力和外包成本，Agent 如果能节省时间、降低错误率或提升收入，客户更容易付费。 开发者工具当然是 AI 最成熟的应用之一，但竞争也最强。Codex、Cursor、Claude Code、Devin 这些玩家已经占住用户心智。新公司如果还只是做通用 coding assistant，很难讲出差异。除非团队本身有很强的开发者工具背景，并且能切入更细的方向，比如合规代码、安全审查、CI/CD 自动化、企业代码治理。 研究助手的机会也存在，但前提是必须垂直化。通用 research assistant 很容易被大模型和浏览器插件覆盖。更有价值的是法律、金融、药研、监管、投研这类高价值场景，因为它们需要引用来源、审计记录和人工确认。换句话说，好的研究助手最后往往会变成“研究型企业工作流 Agent”。 这次测试让我更清楚地感受到 Apodex 和普通聊天机器人的区别：它的重点是先验证、后下结论。对这种变量多、信息散、需要做取舍的问题，过程透明和证据核查比答案本身更重要。 所以我觉得 Apodex 更适合拿来处理这类问题： · 一个创业方向值不值得做？ · 某个行业现在是否适合进入？ · 技术趋势背后有没有真实商业机会？ · 一个投资判断有哪些反方证据？ · 复杂议题里，哪些结论可以相信？ 这类问题很难靠一次搜索或一次对话解决，需要一个系统把资料找齐、拆开比较、反复验证。Apodex 想做的就是这件事。 体验入口： 开发者可以在 Hugging Face 下载模型： 感兴趣也可以加入 Discord。

说一个暴论，如果想理解 AI 接下来怎么走，先把信息源换一批。 相信很多朋友和我一样，AI 关注列表里，有大量工具号、变现号、提示词号，这些当然有用。 但如果你想看更上游的东西，比如模型方向、Agent 演进、开源生态、机器人、推理、AI 安全、产品化趋势，可以优先关注这些人。 按 4 层来分，咱们一层一层看。 第一层：顶级研究者和思想源头 @karpathy 最适合普通人长期关注的 AI 技术解释者。LLM、训练、Agent、教育内容都讲得非常清楚。 @ylecun 图灵奖得主，Meta AI 代表人物。观点很锋利，经常和主流 LLM 路线辩论。 @fchollet Keras 作者，ARC-AGI 发起人。很适合看他对智能、泛化、评测的思考。 @ilyasut Ilya Sutskever，SSI 创始人。发得少，但每次都容易成为行业信号。 @geoffreyhinton 深度学习奠基人之一。AI 风险、智能本质、神经网络历史，都绕不开他。 @goodfellow_ian GAN 发明者。低频高信号，适合关注基础研究和技术判断。 @NoamShazeer Transformer 论文作者之一， 联合创始人。真正影响过这一代模型架构的人。 第二层：顶级实验室和负责人 @OpenAI 模型、Codex、Agent、开发者生态，一手更新源。 @AnthropicAI Claude、Computer Use、AI 安全和可控 Agent，非常适合关注 Agent 工作流的人。 @GoogleDeepMind Gemini、Alpha 系列、科学 AI、机器人和多模态研究。 @AIatMeta 开源模型、Llama、视觉和基础研究，开源生态必须看。 @xai Grok、X 算法、实时信息流和 AI 产品结合，和 X 内容生态关系很近。 @sama OpenAI CEO，看产品方向和行业节奏。 @DarioAmodei Anthropic CEO，看安全、Scaling、模型治理和长期判断。 @demishassabis DeepMind CEO，AI for Science 这条线非常重要。 第三层：Agent、工程化和真实工作流 @hwchase17 LangChain 创始人。LangGraph、Agent 架构、Evals、长期工作流，非常适合做 Agent 的人看。 @LangChain Agent 工程化更新源，LangGraph / LangSmith / Deep Agents 都在这里。 @jerryjliu0 LlamaIndex 创始人。RAG、知识库、数据层和 Agent 结合，实战价值很高。 @goodside Riley Goodside，提示词、模型行为、边界测试，很多案例都能直接启发工作流设计。 @HamelHusain 做 AI 系统测试、Evals、可靠性，非常适合看“怎么让 Agent 真正可用”。 @swyx AI Engineer 代表人物之一。Agent、AI UX、开发者生态、产品化趋势都很有密度。 @DrJimFan NVIDIA 机器人和具身智能方向，非常适合看 Physical AI、世界模型和机器人。 第四层：产品、创业和 AI 应用 @AndrewYNg AI 教育、应用落地、创业和职业建议，适合长期看。 @levelsio 独立开发者代表，AI 产品化和快速上线能力很强。 @steipete OpenClaw / 桌面 Agent 相关，适合关注本地 Agent、电脑控制和开发者工具。 @rileybrown Vibe coding 和 AI 产品实操，适合看普通人怎么把 AI 用成产品。 @gregisenberg AI 创业、创意、商业化，适合看需求和产品机会。 @yoheinakajima BabyAGI 作者，早期 Agent 探索者，适合看自主 Agent 的实验。 如果要选出 10 个一定要关注的，我会选下面这个列表， @karpathy @fchollet @ylecun @ilyasut @OpenAI @AnthropicAI @GoogleDeepMind @hwchase17 @goodside @DrJimFan 这 10 个基本能覆盖模型、研究、Agent、产品和未来方向。 工具号可以帮你追热点。 这些账号能帮你判断热点背后的趋势。

好消息，Vercel 把他们的设计系统直接开源了，两个地址： 里面写着颜色 token、字体规格、间距、圆角、组件、动效、甚至文案规范，全部写死了具体数值。 先说这套设计系统的核心逻辑是什么。 它的美学只有一个原则：颜色是用来传达信息的，而非装饰。整套色板有灰、蓝、红、绿、紫……但强调色只在两种情况下出现：状态（成功、错误、警告）和当前页面最重要的那一个操作。其他地方全部是灰。 字体用 Geist Sans 和 Geist Mono，两个都开源。所有标题的 letter-spacing 都是负值，越大越紧。我个人感受，这让标题看起来沉，不飘。 圆角只有三档：6px 日常控件，12px 弹窗菜单，16px 全屏大块面。整个产品里只选一种，不混用。 动效的原则我觉得是整个文档里最有意思的一句话：0ms 往往是最好的选择。能不动就不动，要动就短，要快。 然后说说我怎么看「学优秀设计」这件事。 直接照搬 Geist 的问题，文档自己也说了：这套美学辨识度太强，拿来就用，别人看到一眼就是这是用 Geist 做的，而不是这是你的品牌。 更大的问题是：Geist 是为开发者工具设计的，它的克制是因为它要承载 dashboard、日志、代码。用在消费者产品或者偏人文的场景里，会显得比较冷。 所以我自己用的方式是：学逻辑，不学样子。 我的业务所需要的视觉感受是：温暖的编辑部，冷静的产品工具。 所以，在颜色分工上：我的产品不需要是黑白灰，但强调色只有一个主角，这个原则是通用的。好事发生App是有自己的品牌色的，我们的小红书业务也有墨色 + 好事朱的视觉规范。再比如圆角只选一档、不混用，这不是 Geist 的风格，这是做决策时减少噪音的思路。 在字体层级上：正文 copy-14/16，辅助信息 label 系列，用 Mono 处理需要对齐的数字……这些在 SwiftUI 写 App 的时候完全可以翻译成同一套思维。 风格不是一套模板，是一套用来解决问题的方式。 Geist 解决的是：信息密度极高的工具界面，怎么保持清晰、不混乱。 你要解决的问题未必一样，但那个「先搞清楚自己要解决什么问题」的步骤，是一样的。 你也可以试试，让你的AI工具全面了解你的业务，读取开头的两个地址，去完善自己业务的品牌设计系统。 在创造的过程里，成为你自己，而不是照猫画虎。

#Codex# 桌面版现在可以启用完整的 #Chrome# 开发者工具权限，可以用于复杂的调试任务，但因为存在极高的安全风险，所以默认情况下该功能被禁用。 风险在于，完整 CDP 权限可以获取 Cookie 等敏感数据，如果遇到提示词攻击就有可能泄露数据，所以建议仅在进行调试时开启 CDP 权限，用完立即关闭。 查看详情：