与「技能五輪全国大会」相关的搜索结果

#技能五輪全国大会# の 開会式でゲストとして 出演させて頂きました🏅 沢山の方の前で緊張しましたが 楽しかったです🌸 松蔭高校(和太鼓､獅子舞､ダンス) の皆さんとコラボできたのも 嬉しかったですし 私も元気を貰いました💭 選手の皆様、明日からの本番 応援しています📣😊🎌

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

一个很重要的教育趋势，定制化的高端小型化私校正在美国高收入家庭中流行。 这是完全不同于任何公立或私立教育体系的学校，比如一所名为Forge Prep的学校，面向五至八年级的学生，通过解决实际问题、创建企业和设计产品来培养学生的学习能力。 孩子们学习谈判、销售和公开演讲等技能，从小培养企业家的基本素养。 在这些学校，上课的是“指导者”或“教练”，而不是教师。有些学校使用AI辅导系统，根据孩子的个人需求定制课程。 这样的学校在全美发展很快。比如一家叫Alpha的学校于12年前在德州奥斯汀创立，2025年在全美各地新增了8所分校，今年还将有近20所分校开业。 这些私校的诉求是培养适应世界变革的通用人才，而不是只会背诵和考试的人。 Alpha的知名拥趸包括亿万富翁比尔·阿克曼。线下导师年薪起码六位数。家长很多是从事金融、科技的富裕人士。这些思维活跃的家长们普遍意识到AI将取代基于传统模式的思维方式，传统教育已经落伍了。

大量没人完整解决、长期被忽视的真实需求 结合他长期观察人性、流量、普通人生存困境的内容，分**人性情绪、职业商业、普通人财务、生活养老、线上流量、工具效率**六大类，都是现有行业只做一半、治标不治本的空白需求： ## 一、人性情绪与社交：所有社交产品只解决“连接”，不解决“心理成本” 1. **分层社交的情绪缓冲工具** 人向上社交紧绷、向下社交放纵、平层社交内耗，但没有产品区分三种关系的沟通模板、情绪减负、边界保护。现有聊天软件只做发消息，没人帮普通人降低社交内耗、规避讨好型人格、自动划分亲疏边界。 2. **落差人群心理修复服务（网红/暴富返贫、裁员中产）** 就是你前面聊的网红困境：习惯月入几十万快钱后，无法适配月薪几千的慢收入；暴富后跌落、大厂裁员中产断层，市面上只有心理咨询，没有**财富落差适应、消费降级规划、赚钱心态重建**一体化方案。 心理咨询不谈赚钱耐受度，理财只讲存钱，完全割裂心理与收入行为，巨大空白。 3. **低敏感人群感官减负体系** 社恐、高敏感、注意力涣散人群，线上线下全是刺激：嘈杂办公、短视频强刺激、嘈杂商超。市面只有降噪耳机，没有一套覆盖家居、穿搭、办公、出行的轻量化低刺激配套，也没有长期情绪稳定陪伴服务。 ## 二、流量/网红赛道：全行业只教变现，不做“长期抗风险兜底” 1. **网红流量红利期终身资产规划** MCN、带货课程全教怎么涨粉、直播卖货，没人专门给网红做：强制储蓄拆分、被动资产配置、梯度消费约束、封号/过气后的转行缓冲预案。 核心痛点：赚快钱时无约束消费，风口消失直接返贫，市场没有针对性财务风控服务。 2. **过气博主低成本转型落地服务** 账号限流、封号后，博主既放不下过去收入，又不会做慢生意；求职自卑、创业没经验。现有就业、创业服务不匹配网红的技能（镜头、表达、供应链），没有定向转型路径。 3. **自媒体合规长期风控托管** 大多博主只做内容，不懂平台规则、税务、舆情风险，出事只能临时找律师；缺少轻量化、按月付费的自媒体合规托管（内容审核、税务规划、舆情预案）。 ## 三、普通人财务：理财只讲投资，回避“收入心态断层” 1. **快钱从业者收入耐受矫正方案** 主播、代购、短期投机、项目暴富人群，普遍“小钱看不上、大钱赚不到”。理财软件只教基金股票，完全不解决**赚钱耐心、收入预期管理、阶梯式消费降级**这类心理+行为问题。 2. **中产断层缓冲服务** 中年失业、房贷压力、收入腰斩，市面上只有债务协商，没有收入重建、家庭开支重构、职业降级心态疏导的一体化服务。 3. **小额稳定现金流规划工具** 多数理财工具瞄准大额资产，月薪5k–15k普通人缺少适配：强制分存、弹性开支、应急金梯度积累、低风险小额副业匹配的轻量化工具。 ## 四、民生养老与家庭：服务割裂，没有一站式轻量方案 1. **独生子女居家养老轻量化托管** 养老院太贵、居家护工不规范、子女异地无法照料；现有产品要么重资产养老院，要么单次陪诊，缺少按月、按需、平价的居家养老全套托管（日常采购、定期体检、紧急响应、适老化简易改造）。 2. **独居成年人应急兜底服务** 单身青年、独居老人突发疾病、意外无人知晓；监控设备只做视频，没有联动社区、急诊、家属的低成本应急响应体系。 3. **家庭矛盾中立轻量化调解** 夫妻收支矛盾、亲子内卷、两代人消费观念冲突，普通人不愿找心理咨询、调解机构收费高，缺少平价线上中立梳理、沟通话术、收支规划调解服务。 ## 五、职场与打工人：只教升职，不解决“生存平衡” 1. **高不成低不就人群职业过渡服务** 曾经高薪、现在行业下行；做过网红/销售，不愿进厂坐班；技能断层人群。招聘平台只匹配岗位，没有心态疏导、技能轻量化转型、收入预期下调适配方案。 2. **职场边界感工具与指导** 无效加班、领导过度索取、同事内耗，没有标准化工具划分工作时间边界、拒绝话术、工作量量化规避PUA。 ## 六、线上工具与效率：细分痛点只解决一半 1. **个人多账号资产统一风控** 短视频、电商、私域多账号运营，资金分散、收益统计混乱、封号资产损失无预案；现有记账软件不适配自媒体多渠道收入。 2. **普通人副业试错轻量化托管** 多数副业教程只卖课，不提供低成本试错、收支管控、止损机制，普通人容易盲目投入亏损。 ## 核心共性：这些需求没人做的底层原因 1. **利润短期化**：资本偏爱爆发式快钱赛道，而以上需求都需要长期陪伴、低频复购，很难快速收割； 2. **跨领域壁垒**：既要懂心理，又要懂财务、行业规则，单一赛道商家做不全； 3. **用户不自知痛点**：当事人只会觉得“自己心态差、赚不到钱”，不会意识到是**收入模式、消费习惯、环境刺激**共同造成，不会主动搜索解决方案，市场缺少教育； 4. **行业刻意回避**：网红MCN、理财机构、招聘平台，依靠用户焦虑、持续投机赚钱，不会主动推出“降低欲望、稳健长期”的服务，损害自身短期收益。 需要我把这些需求精简成**可落地创业细分赛道清单**，标注每个赛道的目标人群、变现方式吗？

这可能是目前最完整的 Codex 实战课——作者 Riley Brown 用 30 分钟，通过 7 个白领工作真实场景，一个个演示给你看如何用 Codex 提效： - 60 张收据照片自动 OCR 进 Excel - 扫两周邮件自动整理成品牌合作表格 - 让它自己打开 Canva 做 PPT - 自动控制浏览器开发测试网站 - 每周五早 9 点自动更新报表…… 看完你会重新理解"AI 帮我做事"到底能做到什么程度。 00:00 开场：ChatGPT/Claude/Codex 到底该用哪个 00:41 Codex 是能控制整台电脑的智能体超级应用 02:22 能力①完全文件访问：60 张收据自动 OCR 进 Excel 04:27 文件都留在本地，怎么用 project 保持条理 07:41 能力②持久记忆：手动记忆 agents.md vs 自动记忆 10:46 能力③插件 plugins：两下接入 Slack/Gmail/Notion 11:33 实战：扫两周邮件，整理品牌合作进表格 13:51 能力④技能 skills：把工作流沉淀成可复用 SOP 15:05 创建技能的两种方式，手动工作流法最好 19:22 能力⑤内置 GPT-image-2，直接出产品图 21:03 能力⑥computer use / browser use：自己开 Canva、测网页 23:58 能力⑦automations：每周五 9 点自动更新表格 25:31 常驻录屏，自动给演示补内容 27:19 七大能力总结回顾 28:26 结尾

分享一个帮助营销的skill，最近更新： 新增技能：prospecting（获客） 在一个技能中支持三种获客场景：SaaS、B2B、本地中小企业。三者共享同一套五阶段流程框架，但数据来源和筛选逻辑各有不同。 五阶段流程 1. ICP 定义 — 明确理想客户画像 2. 发现线索 — 从各渠道挖掘潜在客户 3. 资格筛选 — 按标准过滤不符合条件的线索 4. 打分排序 — 对合格线索进行优先级评分 5. 结果输出 — 以表格或 CSV 格式导出 各场景特点 - SaaS 获客：技术栈信号、融资/招聘动态、GitHub Star/Fork 作为开发者兴趣指标 - B2B 获客：企业画像 + 触发事件，通过 Apollo/ZoomInfo/LinkedIn Sales Nav 定位决策人 - 本地企业获客：浏览器辅助的 Google 地图调研，将网站状态分为四级 包含的参考文档 - Apollo、Clay、ZoomInfo、Clearbit、Hunter、Snov、Truelist、LinkedIn Sales Nav、BuiltWith、Crunchbase、RB2B、GitHub、Firecrawl、Browserbase 等数据源详解 - 合规指南：CAN-SPAM、GDPR、CASL、平台使用条款、反模式清单 - 6 个评估测试用例

作为一个把 Claude 用到极致，codex偶尔使用的非技术人员，我来谈一下我对于codex和claude的感受： Codex 正在吞噬应用层的一切，Claude 正在吞噬编码层的一切 先说 Codex 的应用层吞噬 Codex 现在已经不是一个编程工具了 它是一个能操作你电脑上所有东西的超级 App，这点大家应该都深有体会 1. Computer Use - 后台操作你的 Mac 4 月 16 日上线，Codex 可以用自己的光标看、点击、输入 多个 Agent 可以在你的 Mac 上并行工作，不干扰你自己的操作 前端设计、游戏开发、任何 GUI 应用，它都能操作 2. Chrome Extension - 接管你的浏览器 5 月 7 日上线，Codex 现在能直接在 Chrome 里工作 它能操作你已经登录的网站，使用你的 Cookie 和认证状态 跨多个标签页并行处理任务，在后台运行不打断你 3. 90+ Plugins - 连接你的所有工具 GitHub、Slack、Gmail、Google Drive、Notion 每个 Plugin 打包了 Skills、App 集成、MCP 服务器 一键安装，直接用 4. Skills - 把重复工作变成一条指令 你可以把任何多步骤工作流打包成一个 Skill 输入 / 触发，就像训练好的员工一样 OpenAI 自己用 Skills 做每日问题分类、CI 失败总结、发布简报 5. Automations - 让 AI 在你睡觉时工作 设置定时任务，Codex 可以自动运行 每天早上生成工作简报，每周五做项目总结 它甚至能跨天、跨周持续执行长期任务，自动唤醒继续工作 6. Memory - 记住你的偏好和历史 Codex 会记住你的个人偏好、纠正过的错误、花时间收集的信息 下次任务自动用上，质量更高，速度更快 7. 图像生成 - 直接在工作流里生成图 集成了 gpt-image-1.5，需要配图的时候直接生成 不用跳出去用别的工具 你自己能发现，Codex 的逻辑是什么？ 让 AI 成为你所有软件之上的操作系统 不是造新工具，而是把现有工具全部串起来 这才是应用层吞噬 再说 Claude 的编码层吞噬 Claude Code 在 2026 年的定位已经非常清晰： 它要重新定义什么叫“开发者” 1. 100 万 token 上下文 - 读取整个代码库 Claude Code 能读取你的整个项目，理解所有文件之间的关系 不是单文件建议，而是跨文件重构 2. 自主执行 - 从规划到测试全自动 你只需要描述想要什么，Claude Code 会： 规划方案 → 写代码 → 运行测试 → 读取错误 → 自动迭代修复 整个过程不需要你插手 3. Terminal + IDE + Desktop - 全场景覆盖 在 Terminal 里用命令行 在 VS Code、JetBrains 里用插件 在 Desktop App 里用图形界面 所有配置、MCP 服务器、Skills 全部同步 4. SWE-bench 80.8% - 行业最高分 这是衡量 AI 解决真实 GitHub Issues 的标准测试 Claude Code 是 2026 年最高分 真实团队用它 20 小时迁移 5 万行代码，事故调查时间减少 80% 5. 自动记忆 - 记住你的构建命令和调试模式 Claude Code 会自动保存项目上下文、调试模式、你偏好的方法 跨 Session 记忆，不用每次都重新解释 6. Hooks - 自动化你的开发流程 每次编辑后自动格式化 每次提交前自动 Lint 用 Shell 命令串联整个工作流 Anthropic 自己说，他们公司现在大部分代码都是 Claude Code 写的 工程师的角色变成了：架构师 + 产品思考者 + 编排者 管理多个 AI Agent，给方向，做决策 这就是编码层吞噬的本质：把编程从技能变成了表达 所以，Codex vs Claude 的本质区别是什么？ Codex 的方向：应用层超级个体 操作你已有的软件，自动化所有日常工作 适合 90% 的普通人 核心能力：串联现有工具 Claude 的方向：编码层超级个体 帮你写代码、改代码、部署代码 适合 10% 的创造者 核心能力：从零创造新东西 但这里有个被所有人忽略的东西：Claude 不只有 Code，还有 Cowork Claude Cowork 是什么？ 它是 Claude 针对非技术人员推出的应用层工具 Marketing、Data 团队发现自己在用 Claude Code 做复杂的多步骤工作 Anthropic 观察到这个现象，就做了 Cowork Cowork 的核心能力： 操作你的本地文件和应用 38+ Connectors 连接 Slack、Notion、Google Drive、Microsoft 365 Projects 让每个项目有独立的文件、上下文、记忆 Scheduled Tasks 定时自动执行任务 Plugins 打包 Skills、Connectors、Sub-agents 你看，Claude 的野心其实是： 用 Claude Code 吞噬编码层 用 Claude Cowork 吞噬应用层 如果你是普通人，想提升日常工作效率： Codex 和 Claude Cowork 都可以 Codex 的 Computer Use 更激进，能操作任何 GUI Claude Cowork 的 Projects 更稳定，适合长期项目 如果你是开发者，想做产品、做项目： Claude Code+codex 是第一选择 SWE-bench 最高分的规划能力+codex的推理能力，代码质量最好 2026 年的 AI 竞争，比的是谁能把 AI 更好地嵌入到用户的日常工作流里 Codex 在应用层走得最激进 Claude 在编码层走得最深，同时用 Cowork 补齐应用层 这两个方向，正在重新定义“一个人能做什么” 应用层和编码层，都在被 AI 吞噬，而我们，正站在这个变革的最前沿，真的很兴奋！

黄仁勋最近的一段话，点醒了很多人。 前三次工业革命，淘汰的几乎都是“重复劳力”： 1790年，纺织机出现，几十万纺纱女工被机器取代； 1920年，汽车普及，马车夫一夜之间失业； 2012年，数码时代到来，Kodak轰然倒下，12万员工离开工厂。 而第四次工业革命，AI开始淘汰的，是“重复脑力”。 录入员、编辑、跟单员、基础设计师、初级金融分析师……那些高度标准化、流程化、可复制的白领工作，正在像当年的流水线工人一样，被算法吞没。 很多人直到今天还没意识到： AI最先替代的，不是体力劳动，而是“像机器一样思考的人”。 就在昨天，黄仁勋在Carnegie Mellon University演讲时，反而给年轻人指出了一条“旧路”： 电工、水管工、技师、建筑工人、钢铁工人……这些曾被很多人看不起的职业，正在重新变得珍贵。 因为AI会写代码，却不会爬进漏水的地下管道； 会生成PPT，却修不好烧掉的配电箱； 能写出一万份商业计划书，却没办法在零下十度的工地里焊一根钢筋。 与此同时，北京的昌平职业技术学校突然火了。 5月10日开始收简历，很多家长提前一天排队。 有的专业只招30人，却有五六百份简历。 甚至还有穿着人大附、清华附校服的孩子，也在队伍里。 人们忽然发现： 所谓“体面”的白领岗位，可能只是看上去光鲜； 而真正稳定、长期、难被替代的，反而是那些能真正解决现实问题的技能。 航空服务、新能源汽车维修、智能设备运维、通信线路铺设……这些专业听起来不够“高级”，却有超过95%的就业率，很多去向还是国企。 一个月六七千，加五险一金，家里有房，没有高额房租焦虑，日子未必输给那些挤进985、211后，却在大城市里为裁员和房租焦虑的年轻人。 时代正在悄悄翻面。 前几年，所有人都往金融和互联网里挤； 今天，越来越多人开始重新尊重技术工种。 前几年，“职校”是很多家长羞于启齿的词； 如今，好专业却已经开始抢破头。 这并不奇怪。 因为所有的行业，本质上都逃不过周期： 地产如此，股市如此，学历如此，职业也是如此。 当一个赛道被过度追捧时，它往往已经接近拥挤； 而真正的机会，常常藏在人们集体看不起的地方。 更深一层看，人类社会其实从未真正奖励“学历”，而是在奖励“不可替代性”。 过去工业时代，机器替代肌肉； 如今AI时代，算法开始替代大脑里的重复动作。 但那些需要真实世界协作、复杂环境判断、现场经验、人与人信任的工作，反而越来越难被取代。 AI再强，它终究只是住在服务器里的数字幽灵。 而给它铺电网、建机房、做散热、修设备、维护城市运转的，依然是一个个满身烟火气的碳基人类。 技术越发达，人类最后的价值，反而越会回到“真实”本身。

完了，看相先生也要失业了！ 我把这个掌纹给GPT，看看它都说了些啥： 我按传统手相娱乐解读来看；健康部分只能做非诊断性的生活提醒，不能仅凭掌纹判断疾病。 一、掌相整体感觉 从图里看，手掌纹路比较多、细纹密，主线相对清楚，掌肉偏厚，掌色偏粉红。 1. 性格与思维 你的掌纹属于细纹较多、交叉线多的类型，传统说法里一般代表： 脑子停不下来，想法多，容易同时考虑很多事情。 对机会、风险、人情变化比较敏感。 做事不是特别“粗线条”，更容易反复推演、比较谨慎。 容易操心，尤其是事业、钱、家庭责任类问题。 简单说：不是那种完全随缘型，更像靠判断、试错、复盘往前走的人。 二、三大主线 1. 生命线 生命线从拇指根部绕下来，整体看比较长，弧度也明显。 传统手相里，这通常代表： 底子不算差，恢复力还可以。 不是特别弱的体质。 但生命线附近有不少细碎横纹，说明容易因为压力、熬夜、劳累造成状态波动。 这类掌纹的人，身体不一定差，但很怕长期透支。一旦睡眠、饮食、情绪乱了，状态会明显下降。 2. 智慧线 智慧线比较长，并且有向下走的趋势，细纹干扰也较多。 传统解读： 思考能力强，适合分析、策略、判断、写作、交易、内容创作、技术规划这类事情。 直觉和想象力不差。 但容易想太多，脑力消耗大。 遇到压力时，容易出现“越想越累、越累越难停”的状态。 这条线比较符合长期高强度用脑型的人。 3. 感情线 感情线在上方横走，图里能看到但不是特别单一深刻，旁边细纹较多。 传统说法： 情绪感受比较细。 对关系、人际反馈、认可感会比较敏感。 表面可能理性，内在其实容易受情绪牵动。 不太适合长期压抑，有事憋着不说容易内耗。 三、事业与财运倾向 掌中央有比较明显的纵向线条，类似事业线，但中间有交叉和干扰纹。 传统解读： 事业不是单一路线平稳上升，更像阶段性转折、靠自己摸索升级。 适合靠技能、判断、内容、系统、项目积累来赚钱。 早期或中期容易有反复：方向调整、项目切换、压力较大。 财运更偏“靠脑力、经验、系统化积累”，不是纯靠运气暴富型。 如果按掌纹看，你比较适合做：内容/IP、自动化系统、投资策略、技术工具、商业判断型工作。但也要注意不要摊子铺太大，细纹多的人容易“多线作战后被自己拖累”。 四、健康提醒：只能作为生活观察 不能通过掌纹判断具体疾病。但从手掌状态和纹路密集度看，可以给几个偏实用的提醒： 重点注意 1：睡眠与神经疲劳 细纹多、智慧线干扰较多，传统上常被看作“思虑重、脑耗大”。 现实建议： 少熬夜，尤其不要长期凌晨后还高强度用脑。 睡前减少刷信息流、看行情、写策略。 如果经常头胀、心烦、失眠、早醒，要优先调整作息。 重点注意 2：脾胃与消化状态 掌色整体偏粉，但纹路多、掌面略显干，传统上会提醒注意消化吸收和压力型胃肠反应。 现实建议： 少冰冷、少油腻、少空腹咖啡。 高压期不要一边工作一边乱吃。 如果经常胃胀、反酸、腹泻/便秘交替，建议正规检查。 重点注意 3：心血管压力管理 掌纹不能判断心脏问题，但长期压力、熬夜、焦虑、久坐本身就会增加负担。 建议： 每周固定有氧运动 3 次以上。 控制久坐，每 60–90 分钟起身活动。 定期测血压、血脂、血糖，尤其如果家族里有相关问题。 重点注意 4：手掌干燥与皮肤状态 图里掌纹较明显，也可能和拍摄角度、干燥、清洁剂接触有关。 建议： 经常洗手、接触清洁剂的话，用护手霜。 如果有脱皮、瘙痒、裂口、红斑，要考虑湿疹/接触性皮炎等，找医生看更可靠。 五、总评 按传统掌相看，你是典型的： 脑力强、责任感重、机会感强，但容易操心和长期透支的人。 事业上适合靠判断力、系统能力和内容/技术复利积累；健康上最需要防的不是“先天弱”，而是睡眠不足、压力堆积、久坐和脑力过载。 更准确的健康判断不要看掌纹，最好做一次基础体检：血压、血脂、血糖、肝肾功能、心电图、维生素D、尿酸这些，比手相可靠很多。