与「聊天技巧」相关的搜索结果

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。 而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统 我把自己最常用的 20 个技巧整理出来了。 如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。 一、让 Codex 逐渐认识你 1. 每天让它问你一个问题 我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察 现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来 把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。 二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘 让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员 你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事 日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。 三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品 做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作 我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流 不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。 四、建立自己的信息雷达 16. 每天订阅 Builder 信息 我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。 五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页 看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠 我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是： 不要把 AI 只当作“问答工具”或“临时外包”。 当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。 换电脑时，我第一个装的软件就是 Codex。 写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。 你最想让我把上面哪一条展开成教程？ 评论区告诉我，我下一条就拆！ #codex# #chatgpt# @thsottaux

大家别再只盯模型了：想要 AI 真正提效，拼的是「上下文管理」 今天给大家讲讲玩 Agent 的一个关键点：怎么让 AI 拿到正确资料、调用正确工具、少浪费 token。 很多人用 AI 效率低，原因不是模型差，而是上下文太乱 你给它一堆文件，它不知道哪个重要。 你让它改代码，它不知道项目约束。 你让它写方案，它不知道你的历史偏好。 你让它调工具，它不知道哪个工具该在什么时候用。 最后结果就是： 看起来 AI 在认真工作，实际上你一直在补充背景、纠正方向、重写输出。 这也是为什么「上下文工程」开始变重要，会用 AI 的人，不只是会写一句 Prompt 的人。 AI 工具真正好用，要有 3 层能力 我建议你把 AI 工作流拆成 3 层来看： 第一层：资料层。 也就是文档、代码、网页、表格、数据库、聊天记录。AI 要先能找到这些东西。 第二层：工具层。 比如浏览器、终端、代码编辑器、搜索、表格、图片生成、MCP 工具。AI 不能只回答，它要能调用工具完成动作。 第三层：记忆层。 也就是你的偏好、写作风格、项目规则、常用格式、过去踩过的坑。没有记忆的 AI，每次都像新来的实习生。 能把这三层接起来，AI 才会真的省时间。 把我珍藏的套工作流分享给大家： 如果你每天都用 AI，我建议你从今天开始做 5 件事： 1⃣把固定输出格式写成模板 比如文章结构、项目推荐格式、封面提示词、结尾互动句。 2⃣把常用规则沉淀成技能 比如「GitHub 项目必须核验 Star」「AI 新闻必须查最新来源」「中文稿要去 AI 味」。 3⃣给 AI 明确资料入口 不要只说「帮我写一篇」，而是告诉它看哪些链接、哪些文件、哪些历史内容。 4⃣给工具分工 搜索负责找信息，表格负责结构化，图片技能负责封面，润色技能负责口吻。 5⃣每次修正都沉淀 你反复纠正 3 次以上的要求，就不该再靠临时提醒，而应该写进固定流程。 这些才是 AI 提效的核心，按照这个工作流去调教你的 AI，不仅效率事半功倍，而且质量也会显著提升。 所以，建议大家别再只收藏「神级 Prompt」了。更值得收藏的是你的 AI 工作流、技能库、资料入口和记忆规则。 建议大家点赞+收藏，我会持续给大家分享更多 AI Agent 实用技巧。 #AI# #Codex#

最近有个观察，很多人用agent时忽略了这个小技巧 如果只在同一台电脑用claude code、codex，没必要花大精力折腾云端共享记忆 我们和任意一个agent的原始聊天记录、以及它生成的md文档都存在本地，其他agent都能直接查看和修改 需要另一个agent介入接手时，只需和它说：“读取我和claude code/codex关于某任务的聊天记录和记忆文档，然后继续”即可，之前的上下文会无缝衔接

看了新晋亚洲首富孙正义 这个最新访谈睡不着了， 6 月 1 号他在巴黎接受CNBC 专访时透漏了很多未来的财富密码， 明确表示下一个万亿美元机会,是 Physical AI 和机器人。 以及这一波 AI 革命的规模, 大概率是互联网泡沫时代的 50 倍, 是人类经历过最大的一次技术与实现革命。 我看了一圈中文圈的反应, 绝大多数人都把这条当普通新闻刷过去了, 过去三年我们忙着教 AI 写代码、画图、聊天, 但下一个十年,AI很可能会从屏幕里走出来,站起来,迈出腿,动手做事。 也就是说, 我们现在练的所有 prompt 技巧、Agent 编排、内容生成等等本质上都还在无身体的 AI这一层。 未来真正决定下一代生产力地形的是有身体的那一层， 下面这几条,是我把这件事彻底想透之后, 给普通人能用上的一份认知和财富进阶地图 👇

看完很感触。虽然我自己在感情上一踏糊涂，但还是有点微小的经验可以分享分享。希望拾一不要介意。 第一，尽量不要试图通过线上交流培养感情。做我们这一行，很容易忽略了线下交流的魅力所在。双方的第一次眼神接触，第一次交谈，交谈过程中双方的反应，人格魅力的互相释放，身体的气味，等等，都是两个人是否能走在一起最关键的因素。在交往前，荷尔蒙永远无法通过文字传递。 因此不应该在通讯录中找对象突然开始话题，这十分不明智，除非这个人本来就对你有兴趣。 不过，拾一找「学习委员」聊天并约出来见面吃饭，这是其实是很正确且勇敢的做法。但拾一认为「现在慢慢地基本上没有什么可聊的了，再主动去约的话，也不会有什么结果。这仍然是一段非常不对等的关系，你主动付出是得不到什么回应的，不管是情绪价值还是别的什么」，这种想法我觉得有点过于伤害了自己。 不应该认为「主动付出是得不到什么回应的」，因为对方同意出来线下见面吃饭，已经是最好的回应。至于结果如何，是双方是否来电决定的，如果没有交往的可能，只是两个人不匹配，或是一方期望对方主动，而一方不够主动所导致的错位。并非拾一所认为的「关系不对等」，无需太过自责。 所以，尽可能多地制造线下社交的机会。这是效率最高的，且最锻炼一个人社交能力的方式。尝试用一些 Dating App, 或参加线下活动，或清吧，或剧本杀，或同好组，等等，人为地把自己放在公共场所。去了解，去沟通，去接触。 有人会说，Dating App 有认真谈恋爱的吗？我认为在这个阶段，首要追求的并不是情感的质量，而是把自己投入到情感当中。没有人能保证恋爱的质量，即使不是通过 Dating App 认识的对象。恋爱的目的永远是通过在恋爱或情感中，更加了解你自己。你对爱情的看法，你对对象的期望，你想和什么样的人过生活。 每一份爱情无论成功与否，只要你能从中得到成长，这份感情就是有价值的。我们在相爱的过程中学习爱的能力，我们通过爱情弥补过去情感教育的缺失。 拾一说，「一方面，我渴望拥有这样的关系；而另一方面，我更多的是担心自己能不能承担起这样的责任。随着岁数越来越大，这种恐惧和矛盾也变得越来越严重。扪心自问一下，我向往的关系是什么样的呢？」 我相信，只要投入到一段关系中，拾一能对这些问题有更清楚的理解。因为只有自己最了解自己，短视频上的恋爱，无论是充满浪漫甜蜜还是充满悲观，都是一千个人的一千种爱情，而不是自己的爱情。 第二，一定要自信。 拾一在咱圈子里如此牛逼，足够有自信的资本。或许有人认为，在别人面前谈论技术有多牛逼未免有点太尴尬。这是当然的。牛逼的技术能力并不是用来聊天的资本，自信是散发出来的，而能力是散发自信的基底，它处于自信的立足层，而在此之上的，是你通过技术，想成为一个什么样的人，想做成什么样的事，想改变哪些你认为不合理的东西，这些构成了你的价值观，你的世界观。而这些往往就是你的魅力所在。我相信拾一在这方面肯定有足够的自信。只是还没把它通过合适的方式散发出来而已。 当然，交流的技巧也是相当重要的一部分。如何使对方感受到被尊重，如何不把话题聊死，等等，不过这些都足够写成一本书了。在这里就不展开了。 茫茫人海中，能找到互相喜欢的，甚至双方都愿意一起过下去的人本来就是一件很难的事情，个人所能做到的，就是尽可能地学习、创造机会，让概率最大化。创业也是如此吧。 加油拾一。 最后推荐一本沈奕斐的书《什么样的爱值得勇敢一次》，希望有帮助。

AI Agent 要变强，有两条完全不同的路。 一条是 Skill，也就是给自己装技能，把新能力直接塞进脑子里。 另一条是 SubAgent，就像派小弟去干活，自己只看汇报。 这两条路听起来都能让 Agent 更厉害，但适用的场景还是有所不同，用错了的话，你的 Agent 可能反而会越用越慢、越用越乱。 Skills，就像是给主 Agent 装插件。 比如你的 Agent 原本只会聊天，现在你想让它能写 PPT。Skills 的做法是：把写 PPT 的能力说明、工具调用方式、注意事项，全都塞进主 Agent 的上下文中。主 Agent 通过上下文学会了这项技能，它可以自己来写 PPT。 第二种叫 SubAgent，就像是委托外包。 同样是写 PPT，SubAgent 的做法是：主 Agent 把任务派给一个专门写 PPT 的 SubAgent，SubAgent 独立完成后把结果交回来。主 Agent 全程不参与具体执行，只负责派活和验收。 一个是内化能力，一个是外包能力。听起来都能搞定任务，区别在哪？ 区别在上下文管理，上下文就是 AI 的记忆。 你可以把 AI 的上下文想象成一张工作桌。桌子大小是固定的，你放的东西越多，就越难找到需要的那份文件。这就是上下文容量的问题。 Skills 模式下，所有能力说明都铺在同一张桌上。好处是信息互通，主 Agent 能看到所有中间结果，推理过程连贯。坏处是桌子很快就乱了，Prompt 越来越长，能力之间可能打架，AI 开始犯糊涂。 SubAgent 模式下，SubAgent 在另一张桌子上干活。干完把结果递过来，过程中产生的草稿、中间文件全留在那边。主 Agent 的桌面保持干净。代价是信息传递要设计好，不然关键信息可能在交接时丢了。 这就是上下文污染问题，这里的污染不是夸张的比喻，是真实的工程瓶颈。 什么时候用哪种？ 判断标准其实很简单：子任务有多复杂，以及你需不需要完成任务过程中产生的信息。 Skills 适合的场景：任务本身不太复杂，或者你需要主 Agent 全程掌控。 比如让 Agent 充当入口路由，根据用户请求加载不同的“场景模式”，像进入 YouTube 总结模式、进入写报告模式。这时候 Skills 的懒加载特性很香：先只加载能力名字和简介，真正要用时才加载完整说明。不像 MCP 那样一股脑把所有工具的详细文档全塞进上下文。 SubAgent 适合的场景：子任务很重、很耗时、中间过程很啰嗦。 最典型的例子是浏览器调试工具。Chrome DevTools 的 MCP 功能很强，但工具说明太臃肿，放进主 Agent 会严重占用上下文。把它封装成 SubAgent，你只需要说“去查日志、截图、分析一下”，它跑完把分析结论递回来。中间那些截图、DOM 树、网络请求细节，全都留在 SubAgent 那边，不污染主 Agent 的上下文。 进阶玩法 有意思的是，Skills 和 SubAgent 这两种模式可以结合。这技巧是从 @yan5xu 那里学来的（ 第一种思路叫“先展开再压缩”。 打个比方：你开了一个两小时的头脑风暴会，白板上写满了草稿、争论、被否决的方案。但最后写进会议纪要的只有三条结论。那些中间过程对得出结论很重要，但对后续执行的人来说是噪音。 Agent 也可以这样操作。主 Agent 发现需要某个 Skill，加载进来，一通操作拿到结果。然后把从“加载 Skill”到“拿到结果”这整段过程折叠掉，只保留最终结论。对后续推理来说，就像开了一个会但只留下了会议纪要。 第二种思路是用文件系统做“中转站”。 想象你管理一个外包团队。你不会把所有需求细节都塞进一条微信消息里，而是说“需求文档在这个链接，去看”。外包团队交付时也不会把源码复制粘贴给你，而是说“代码在这个仓库，部署文档在这里”。 Agent 之间也可以这样协作。主 Agent 委托任务时，不把冗长的背景资料直接写进指令，而是存成文档，只传一个地址。SubAgent 返回时也一样：交付一个简短的状态摘要——“完成了/卡住了/需要你决策”——加一个详细记录的文档地址。主 Agent 根据情况决定要不要点进去看细节。这样双方的上下文都保持精简。 第三种是 Claude Code 里的实战技巧。 上下文快见底时，让 Claude 把当前完成的工作总结成一份文档。然后用 rewind 功能回滚到任务开始前的状态，告诉它：“这件事我已经做完了，记录在这个文件里。” 相当于什么？相当于你跑了一场马拉松，快到终点时发现体力不支。于是你把已经跑过的路线画成地图存档，然后“瞬移”回起点，精力充沛地说“我知道怎么走了，地图在这”。上下文被清空了，但成果保留了下来。用这个方法能在上下文耗尽前抢救一把。 最后 Agent 的竞争正在从“能调用多少工具”转向“怎么优雅地管理这些工具”。 很多人追逐最新的 Agent 框架、最花哨的能力扩展，却忽略了最基础的问题：AI 的工作记忆是有限的，你怎么组织它，决定了它能做多复杂的事。Skills 和 SubAgent 不是非此即彼的选择，而是两种工具，用对场景才能发挥价值。 说到底，Agent 架构设计和软件架构设计还是有很多相通之处。 是把逻辑写在一个巨型函数里，还是拆成模块化的微服务？ 是共享全局变量图省事，还是严格隔离状态保持干净？ 这些老问题换了个皮，又回来了。

#陈一发儿#[超话]# 抖音关注的减肥博主基本都减不下来了，纷纷复胖变吃播博主。 但每个一两百斤的吃播胖子都有对象是怎么回事。 还有说自己瘦了几十斤其实根本没瘦不敢发对比图也不敢出镜只好天天发鸡汤假减脂餐的假减肥博主。 还有说自己故意吃胖陪姐妹们再次减下来其实就是忍不住了暴食了，然后每天和“姐妹们”打卡跳操减肥但一天比一天看着胖。 还有个博主以前是健身教练生娃之后变大胖子，现在说要减下来为了健康为了美丽。然后天天带着大家跳操，肌肉是有了动作也很厉害看着核心很牛逼，路过群众纷纷说：哇这就是大佬刷脂吗，这样减下来肉才不会松。结果几个月下来从大胖子减成了结实的胖子之后卡住了，现在已经停更好久了。 还有260斤说自己要见网友但并不是网恋不过经常夜里俩人聊天好几小时还有几十天就要见网友了必须减下来但是一直减不下来扛不住压力了索性不更新了锁账号的博主。 还有个200多斤目标减到110斤，然后135斤卡住了的博主，开始放纵餐变放纵日变放纵周现在索性不减肥了已经150斤了，感觉年底前她180斤一点问题没有。 还有个270斤的女吃播博主经常相亲我十分好奇。 还有个500多斤进减肥训练营减到165斤然后出营之后复胖到210斤的妹子现在自己做账号开始教大家减肥自己又减不下来结果视频开始做红烧肉肘子什么的变吃播了评论区都说你这样不行啊不能再胖回去了啊多可惜，她挨个回复说放心吧绝不会再胖回去的这话也不知道骗谁估计是骗自己吧。 吃播博主里面那些真吃进去的人均发福几十斤变大地雷。 吃播不胖的博主全部都假吃催吐越来越瘦嘴角下垂目光呆滞。 变性博主们垫胸垫胯，穿紧身裤藏得极好让评论区天天猜到底做没做手术，然后个个找到了男朋友天天镜头秀恩爱也许是剧本吧真的好怪俩人酒店房间接吻还要专门请个摄影师拍下来。 变性博主们经常开直播教大家美妆技巧其实在我看来害得靠美颜。 一些社会观察。 🤔🤔

🚀 OpenCodex 1.2.0 框架彻底重构完成！ 这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。 现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI
无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关
网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥
网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥
当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通
会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。 官方模型永远稳定，第三方模型按需接入。🛡️✨