爱丽丝呀！ (@BTCqzy1)

Codex 5.6 配上 Obsidian，直接给 AI 装上永久记忆！ 很多人用 Codex，每次打开新任务都要重新解释： 项目做到哪了、之前改过什么、哪些方案已经踩过坑、哪些关键决定已经定了、下一步该从哪里继续。 聊得越久，重要信息反而越容易被埋在历史对话里。 我现在直接把 Obsidian 变成 Codex 的永久知识库。 长期偏好、项目资料、关键决策、踩坑记录和下一步计划，全部交给它持续整理。 等于直接形成一个闭环： 读取过去 ➡️完成任务 ➡️更新记忆 ➡️下次继续接着干 只需要输入这段提示词： 请将当前 Obsidian 知识库作为我的跨项目长期记忆。为所有项目建立统一索引，整理我的长期偏好、项目背景、关键决策、已完成内容、失败方案和下一步计划。每次开始任务前，先读取相关笔记；任务结束后，把新增结论和项目进度更新回对应文档。只保留后续真正需要的信息，不记录无关对话，不写入密码或密钥。 然后再给它安排两个自动任务： 1️⃣ 每日开工简报：每天开始工作前，读取所有进行中的项目，整理今天最重要的 3 项任务、当前阻塞和需要参考的历史资料。 2️⃣ 每月知识体检：每月检查一次整个 Obsidian 知识库，找出重复、过期和相互冲突的信息，更新项目索引并标记建议归档的内容。 项目做得越久，它积累的背景越完整；任务开得越多，它越清楚你过去做过什么决定。 Obsidian 负责记住一切，Codex 负责把这些记忆变成行动。

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？ 别背那些复杂定义。 把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。 今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工 可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑 负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单 告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口 让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位 你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准 它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。 不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手 终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包 不同平台对 Plugin 的定义不完全一样。 简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料 当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案 用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。 它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。 最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。 所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。 所谓 AI 工作流，本质上就是： 给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

Codex 5.6 必装插件：Sentry 很多人都遇到过：刚修好一个 Bug，旧问题又出现，项目陷入反复返工的循环 那是因为你丢给Codex的截图或者日志通常只有最后一条报错。真正决定能不能修好的调用链、影响范围、发生频率、版本信息和运行上下文，可能全都丢了。 最近我给 Codex 接入了 Sentry 插件，整个排查流程完全不一样。 现在不需要反复搬运报错，只要告诉它： 用 Sentry 找出当前的线上 Bug，别只看报错信息，结合调用链和当前代码查出真正根因。 Codex 就可以直接读取你有权限的错误数据，再结合当前项目代码完成： 1️⃣ 还原现场：查看完整调用链和运行上下文，确认 Bug 在什么条件下发生。 2️⃣ 定位根因：把线上错误对应到具体代码，避免只根据最后一条报错猜答案。 3️⃣ 验证修复：先复现问题并补充回归测试，再修改代码，避免修好这里又弄坏那里。 彻底告别 Bug 修了又坏、坏了再修的循环。

Codex 5.6 最强隐藏提示词：让 AI 不再盲目执行，而是先帮你找错！ 很多人用 Vibe Coding 最崩溃的时刻： AI 花几个小时写完代码，token用完了，最后才发现——方向从一开始就错了。 因为 AI 擅长执行，却不会主动质疑你的想法。 分享一个我反复测试后的codex提示词，让 Codex 开启高级工程师评审模式： “在执行任何任务前，请先进行独立判断： 检查我的需求是否存在错误前提、逻辑漏洞、信息缺失或隐藏风险。 不要默认接受我的方案，如果发现更好的方案或潜在问题，请直接指出。 明确区分：已确认事实、合理推测、未验证假设 涉及代码、数据、版本和技术结论时，请先验证，不要编造。 如果信息不足，请先提出需要确认的问题，而不是自行补全。 在执行前，评估方案的长期维护成本和可能影响。” 换成这种方式后，Codex 最大的变化： 1️⃣ 提前发现问题 在开发开始前，先检查需求漏洞和隐藏风险。 2️⃣ 优化技术决策 不只是完成功能，而是帮助找到更可靠的实现方案。 3️⃣ 减少无效返工 把问题解决在写代码之前，比后面不断重构更省时间。

Codex 5.6 最值得养成的收尾习惯：把长对话压缩成项目交接文档，能节省大量 Token！ 长期项目对话一旦过长，就会充斥失效决定和报错垃圾，导致 AI 频繁重复扫描代码、重踩旧坑，浪费大量 Token。 分享一个我在用的提示词，能省不少无效token： “当前阶段即将结束。请创建或更PROJECT_STATUS.md，把本次工作沉淀成一份可以继续执行的项目交接文档。 文档需要包含：当前目标、已完成内容、关键技术决策、修改过的核心文件、测试与验证结果、已知问题、尝试过但失败的方案，以及下一步开发顺序。 请结合当前代码、Git 变更和测试结果核对内容。只保留后续开发真正需要的信息，不记录无关讨论，不猜测未确认的结论，也不要写入密码、密钥等敏感信息。” 下次继续项目时，第一句话只需要输入： “请先阅读 PROJECT_STATUS.md，确认当前进度、已知问题和下一步，再继续开发。” 这个习惯真正有价值的地方，是它会让 AI 少读取冗长上下文，少重新分析已经确认的方案，也不会轻易再走一遍之前踩过的坑。 更重要的是，这份交接文档不绑定某一次 Session，也不绑定某个平台。 你可以把同一个项目交给 Codex、Claude Code、Cursor甚至下一个开发者继续执行。

Codex 5.6 最强的隐藏技巧：不仅能省下 90% 的 Token，还能让 AI 少交半成品、少做无效返工！ 很多人Vibe Coding，第一句话就是： 帮我把这个功能做出来。 但结果常通常是半成品，因为它拿到的只是需求，不是交付标准。 分享一条我反复调整后一直在用的提示词，直接开启 Codex 的交付工程师模式： 暂时不要写代码。请先确认需求，最多向我提出 5 个决定方案方向的关键问题，每次只问一个；已有信息不要重复确认，非关键细节请自行做合理假设。 提问结束后，把需求整理成一份精简、可验证的验收清单，覆盖核心流程、异常情况、空状态、加载状态和不同设备适配，并单独列出你的假设、本次范围以及明确不做的内容。 等我确认后再开始开发。完成后必须实际运行项目，按照验收清单逐项验证并汇报结果；未通过的项目继续修改，直到达到验收标准。 换成这种方式后，Codex 的产出质量会明显提升： 1️⃣ 在开发前补齐模糊需求，发现逻辑漏洞和遗漏场景。 2️⃣ 不再改完文件就交差，而是主动运行项目、检查页面、验证核心流程。 3️⃣ 方向提前对齐，避免反复推倒重写，节省时间和 Token。

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。 一上来就让它： 帮我写一个 App。 分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词： 我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。 这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍 等方向确定后，再让它开始写代码。

Codex 5.6 真的要让剪辑师失业了！ 它现在的视频制作能力提升了不止一个档次，直接一句话生成视频！ 重度实测一周，筛选出这 4 个Skill，直接实现全流程闭环： 1️⃣ HyperFrames （内置插件） 负责整片策划、动效生成、画面合成与最终渲染。它能把文字构思直接转化为高水准的动态视频框架，实现全流程闭环交付。 2️⃣ Remotion （内置插件） 基于 React 模板的视频生成工具。支持通过代码批量生产高质感视频，尤其适合数字人+动效结合的自媒体内容，实现真正的工业化生产。 3️⃣ video-use 专门处理真人素材的剪辑工具。能自动识别镜头、精准卡点并完成后期剪辑，让 AI 具备了职业级的剪辑逻辑。 地址： 4️⃣ Seedance 针对顶级视频大模型的提示词工具。专门生成电影级运镜和实拍感指令，补齐了 AI 视频在审美和镜头质感上的短板。 地址： 现在用 Codex 5.6 + 这4个Skill，从脚本→动效→剪辑→渲染，全程AI闭环。

给 Codex 5.6 装上这 4 个前端设计神器，做出来的网页终于有灵魂了！ 分享一套我目前实测下来最棒的 Codex 前端审美组合： 1️⃣Figma（内置插件） 直接读取设计稿、品牌规范和组件，把视觉参考像素级还原成响应式代码，不再让 Codex 凭空猜设计。 2️⃣Product Design（内置插件） 先确定产品结构和设计方向，再生成不同风格的高保真参考图，确认审美后才开始写代码，彻底告别盲写前端。 3️⃣Taste-Skill 专门负责字体、配色、留白、圆角和组件比例，还能审计并重构已有页面，消灭廉价的 AI 塑料感。 🔗地址： 4️⃣GSAP Skills 补齐 Codex 的动效设计能力，Timeline、ScrollTrigger、Flip、SplitText、SVG 动画全部支持 🔗地址： 再结合 GPT‑5.6 本身更强的布局、视觉层级和设计判断，基本打通了一套完整的前端工作流～

Codex 5.6 确实牛！ 重度使用了几天，筛选出这几个最值得装的插件，生产力直接起飞： 1️⃣Browser ：自动化 QA，写完交互直接让它点、测、验收，比手动快太多 2️⃣GitHub ：实时 PR/Issue，Issue 一丢它直接写代码，开发流程瞬间闭环 3️⃣Codex Security：自动扫漏洞+密钥泄露，还给修复建议 4️⃣Build Web Apps：全栈工厂。打通了从构思到架构生成的全路径。从设计、开发到浏览器测试一套跑完 5️⃣Figma ：像素级还原，设计稿丢进去，几分钟出响应式代码 6️⃣Sentry：线上报错自动定位+推修复代码 王炸功能：Sites —— 做完直接预览、发布、分享，还能绑自定义域名！ 这套装完，你的codex能力会更上一层楼～

挖到一个专为 A 股打造的「全球资讯雷达」——Investment News 包含 12 大赛道（AI、半导体、机器人、新能源车、航天……），覆盖全球 100+ 权威信息源。 每天自动抓取、AI 提炼、翻译成中文，一个本地看板搞定。 每个赛道只给你 3-5 条核心进展，跨源去重，不用自己挨个读英文源。 完全本地运行，数据全程留在你的电脑里。 支持 Claude 或 OpenAI 等兼容模型，一键刷新，自动完成资讯抓取、AI 摘要、中文翻译和溯源整理。 仅开源分享，非投资建议 地址：

刷 GitHub 看到硬核老哥把白毛股神的那套美股投资方法论和产业链拆解逻辑，整理成了一个开源的 skill，叫 Serenity。 它那套推演范式挺有意思的：热点---系统变化--- 拆产业链 —找最难扩产的稀缺环节 —回到公司证据。强迫你少看情绪，多看结构。 正好拿这套 skill 顺手拆了一下下半年的物理板块。说实话，上半年大家都在炒纯硬件和身体侧的身体故事（丝杠、减速器什么的）。 但下半年整个板块的大逻辑已经完全变了：纯硬件的故事基本讲完，真正的瓶颈和阿尔法，正在向软硬交界处的物理世界数据卡位切换。 再按老一套去跟风硬件概念股，下半年很容易被证伪的订单直接砸穿。 不过这种产业链验证，最尴尬的就是普通人根本拿不到硬核的动态数据源，跑出来的全是 AI 大模型那种正确的纯文字废话，完全没法实战。 我折腾了一圈，把这个开源的 Serenity.skill 塞进了 EasyClaw 里跑。 用了几天发现这个工具里有两个隐藏的甜点位，用来跑这套流简直是绝配： 一个是数据源。去验证下半年这些全球龙头的真实订单和盘面异动，看延迟 15 分钟的免费行情就是进去送。 这玩意儿最近直接把业内原本要花大价钱订阅的 iTick 全球实时行情收费接口 给内置开放了。 现在跑 Serenity 去查全球盘口深度、主力资金流，全无延迟，直接把单独订阅行情费的钱给省了。 另一个是个股深度研究。以前大模型吐出来的分析都是密密麻麻的文本块，看两行眼睛就瞎了。 现在它吐出的深度研究，直接是一个 HTML 渲染的网页报告，最爽的是里面全带高清的分析图表。 资金哪天异动、技术面阻力位、机构多空博弈全部被可视化了，排版干净得像券商发给 VIP 客户的内部内参。 下半年谁在蹭概念，谁在悄悄拿订单，看一眼图表里的资金线和业绩前瞻一目了然。 不需要懂任何代码和命令行，一键就能接 TG 或者飞书。每天收盘，Agent 就会雷打不动地把这份带着精美图表的 HTML 内参推送到你手机上。 白毛股神skill地址：

挖到一个 A 股开源投研神器 —— TradingAgents-Astock 专门为 A 股深度定制，数据源完全免费，mootdx + 东财 + 新浪 + 腾讯财经 + 同花顺等直连，无需 API Key，龙虎榜、解禁、资金流一应俱全。 内置 7 个 Agent 分析师，含政策、游资、解禁 3 个 A 股特化角色。 多头空头会议室对账，最终输出考虑 T+1、涨跌停等规则的实操方案。 国内直连也很丝滑，支持 DeepSeek、MiniMax、通义、Claude 等 9 个大模型随意切。 Web UI 和 CLI 都有，不写代码也能用 仅做开源分享，非投资建议 地址：

这绝对是 GitHub 上最牛逼的 AI 网站克隆神器🔥 别再羡慕大厂动辄几万刀的前端设计了！ 用这个开源神器，全网顶级落地页一键变成你的私人组件库！ 操作简单到离谱： 给它一个 URL，AI 几分钟时间，它就能把人家的设计、资源、组件全部智能复刻成干净的生产级代码。 最牛的是，它不是死板的复制，而是带脑子的重构！图片自动下、SVG 自动扣、CSS 自动转。写代码的速度比你眨眼还快！ 地址：

七月主线：AI 从算力军备进入瓶颈补短板 上半年市场最强的是算力和存储 但七月开始，资金不会只盯着 GPU 本身，而是会继续往产业链里挖： 我会把七月重点分成三层： 第一层：最硬的产业催化 1. 存储芯片 / HBM / DRAM AI 服务器吃掉大量 HBM、DRAM、SSD 需求，存储已经不只是周期反转，而是 AI 算力扩张的核心瓶颈之一。 美股看 MU，韩国看三星、SK 海力士，A 股看国产存储和存储模组方向。 这条线兼具涨价、供需紧张、AI 服务器放量和国产替代逻辑。 2. 先进封装 AI 芯片继续升级，不能只靠先进制程。 Chiplet、HBM、CoWoS、2.5D/3D 封装，都会把先进封装的重要性继续抬高。 全球看台积电、日月光、Amkor，A 股看先进封装、封测设备、材料和载板方向。 第二层：封装和算力扩张的材料瓶颈 3. 玻璃基板 / 先进载板 玻璃基板不是孤立题材，而是先进封装继续演进后，材料端被重新定价。 一旦市场开始炒下一代封装材料，玻璃基板、ABF 载板、先进封装基板都会被放到台前。 这条线全球看材料厂、载板厂、封装设备厂，A 股更多看玻璃基板、电子玻璃和封装材料映射。 4. PCB 上游材料端 AI 服务器、交换机、高速互联，对 PCB 的材料要求越来越高。 比起普通 PCB，更值得看的是上游材料、覆铜板、高频高速材料、Low-Dk/Low-Df 材料。 全球看高速 PCB、CCL、服务器链；A 股看覆铜板、高频高速材料和 AI 服务器 PCB 供应链。 5. AI 算力金属 铟、钨、镓、锆、稀土，本质不是单纯炒资源股，而是算力扩张背后的关键材料约束。 AI 芯片、先进封装、光模块、功率器件、机器人都会用到不同的关键金属。 这条线弹性大，但更看价格、供需和政策变化，不能只看概念。 第三层：数据中心和终端应用的外溢 6. CPO / 光通信 / 光纤 算力集群越来越大，数据传输会成为瓶颈。 高速、低功耗、低延迟连接，是 AI 数据中心绕不开的升级方向。 美股看光模块、交换机、网络芯片；A 股看光模块、光芯片、光纤光缆和 CPO 相关方向。 7. 液冷服务器 / 数据中心电力 功耗上去以后，散热和供电就是刚需。 液冷的逻辑很直接：服务器越强，热管理越重要；数据中心越大，电力、UPS、配电、储能、变压器也越重要。 美股看数据中心电力、温控和基础设施；A 股看液冷、温控、电源、电网设备和数据中心建设。 8. 物理 AI / 人形机器人 这是 AI 从云端走向现实世界的方向。 短期看轮动，中期看产品和订单，长期看产业趋势。 美股看底层平台、整机、仓储机器人、机器视觉和边缘算力；A 股看减速器、执行器、传感器、伺服系统和结构件。 仅个人调研观点，非投资建议

上一篇跟大家说了：物理 AI 是下半年最被看好的主线之一 黄仁勋将其称为AI的下一波浪潮，马斯克通过Optimus全力推进，孙正义也看好机器人与具身智能的长期大机会 物理 AI 不能只盯单个环节，而要顺着整条产业链去看： 从人形机器人整机，到机器视觉、传感器、关节、执行器、运动控制、边缘算力，再到工厂、仓库、汽车、医疗等真实应用场景，每一环都不可或缺。 从美股到 A 股，我各筛选了 10 只重点跟踪： 美股方向： · NVDA：物理AI底层平台（训练、仿真、边缘算力） · TSLA：Optimus，人形机器人整机最强叙事 · CGNX：机器视觉（机器人的眼睛） · TER：协作机器人+移动机器人（Universal Robots、MiR） · SYM：仓储物流机器人，已真实落地 · ROK：工业自动化控制层 · VPG：力觉传感器（触觉与力反馈） · VLN/Valens：高速视频与数据传输芯片 · ARM：端侧低功耗算力 · AMZN：仓储机器人与自动化场景 A股方向： · 绿的谐波：谐波减速器（关节核心） · 三花智控：执行器、热管理与机电控制 · 拓普集团：执行器、零部件与汽车智能化 · 鸣志电器：电机与运动控制 · 兆威机电：微型传动与精密齿轮箱 · 恒立液压：液压与线性执行器 · 柯力传感：力传感器 · 奥比中光：3D视觉传感器 · 汇川技术：工业自动化、伺服与控制系统 · 埃斯顿：工业机器人与运动控制 仅个人调研，非投资建议！股市有风险！

错过了今年上半年的半导体、AI、存储，不要再错过下半年的主线。 上半年炒的是 AI 硬件短缺：GPU、HBM、存储、芯片设备。 下半年看的是 AI 资本开支外溢，以及 AI 从屏幕里走向物理世界。 2026 下半年主线排名： 1. AI 电力 / 数据中心基础设施 AI 服务器不是只买芯片就能跑起来，背后还需要电力、天然气、电网、储能、核电、制冷、液冷和数据中心建设。 2. 工业设备 / 电气化 / 自动化 数据中心扩建、电网升级、先进制造扩产，都会带动电气设备、连接器、测试设备、制冷系统、工程建设和工业自动化需求。 3. 物理 AI / 机器人 人形机器人、工业机器人、自动驾驶、机器视觉、传感器、伺服电机、执行器、边缘 AI，都值得关注。 4. AI 应用 / 软件修复 市场迟早会追问：谁能用 AI 真正赚钱？Agent、企业软件、网络安全、数据平台、云服务、自动化工作流，可能迎来修复。 5. 存储 / HBM / 半导体设备 HBM、DRAM、NAND、SSD、先进封装、晶圆设备需求还在，但涨幅大后更考验业绩和预期差。 6. 金融 / 医疗 / 通信服务补涨 如果科技和半导体高位震荡，资金会找估值更低、业绩更稳的方向。金融、医疗、通信服务可能成为轮动承接地。 7. 海外 AI 供应链 韩国存储和 HBM、台湾代工和先进封装、日本材料和设备，仍有性价比逻辑。 错过上半年的 already 后悔了，下半年再错过，可就真要拍大腿了！ 仅个人调研观点，非投资建议

做网页、H5 或者微信小程序，最头疼的就是动效 分享一个蚂蚁集团顶级技术开源的项目—Galacean Effects 它能让你项目直接拥有电影级 3D 粒子、流光拖尾、高级滤镜等炫酷特效，视觉瞬间拉满 核心亮点： 全平台丝滑救星：PC 官网、手机 H5、微信小程序全支持。从底层做了极致优化，哪怕复杂粒子 + Mesh 变形动画，在各种设备上依然能稳稳 60fps，满帧丝滑。 开发成本降维打击：配套视觉编辑器，所见即所得，特效做好直接导出，前端一行代码引入即可像素级复现。 超轻量，不拖累首屏：电影级渲染能力，却体积克制，几乎不影响网站或小程序的加载速度。 丰富交互反馈：原生支持鼠标悬停、点击、手机触摸、滑动等手势，轻松做出跟手的高级互动效果。 感兴趣的可以看看哦～dyor！ 地址：