Codex + image-2 视频产出工作流分享
外包一个几十秒的产品视频要上万块，但我没打开任何剪辑软件，只用代码就把它跑出来了。 工作流的关键在于：先用 GPT-Image-2 把每个场景的视觉预演图出好，再把图交给 Codex 复刻成代码。 先看成品👇：
Codex指令保姆级教程
这是一篇写给完全没用过 Codex 的新手教程。 每条指令我都会先讲它是干嘛的，再用大白话解释什么时候用，最后给一个可以照抄的例子。 读完你就能上手。 先说结论： Codex 不是聊天机器人。 它更像一个坐在你项目目录里的 AI 编程同事。 你可以让它读代码、改文件、跑命令、写测试、看 diff、做
把视频变成图文博客：Agent + 豆包 Seed2.0 lite 重做 Karpathy 两年前的工作流
两年前，Andrej Karpathy 发过一条很有意思的推文。他想把自己 2 小时 13 分钟的 tokenizer 教学视频，自动转换成一本书的章节，或者一篇关于 tokenizer 的博客。 这件事当时我也关注过，还动手尝试过。那时候比较自然的实现流程大概是这样： 用 Whisper 给视频转
开源一个 PPT Skill｜压进了我 10 年的设计经验
上周被李继刚老师邀请去做了场私享会关于 AI 和组织的访谈。 散场之后，发现大家问得最多的一句话是:“那个 PPT 是什么做的，能不能开源一下?” 没想到副产品成了主产品。 索性就把它开源了，叫 guizang-ppt-skill（https://github.com/op7418/guizang-
Codex goal命令高级技巧保姆级教程，Plan模式+Spec-Driven+自研Skill，三大高级技巧组合让开发效率倍增！真正内置Ralph Loop
/goal 是 OpenAI 在 Codex CLI 0.128.0 （2026 年 4 月 30 日发布）中新增的一条命令。它不是又一个普通的提示词模板，而是 Codex 内部新增了一整套 目标生命周期管理 机制——给一个目标，Codex 会自己一轮接一轮往下推进，真正实现无人值守。社区里已经出现
Hermes + Qwen3.6：本地最强 Agent 组合！零成本、无限 Token，太香了！
1- 部署教程 重启后再执行安装Ubuntu 24.04系统 wsl --install -d Ubuntu-24.04
装完会自动重启，重启后会弹出 Ubuntu 窗口让你设置用户名和密码（随便设，记住就行）。 Ubuntu 24.04 装好并登录成功，现在先验证 GPU 是否直通正常： nvi
假如 xxx 设计 GitHub，你最喜欢哪个？
1- 假如 xxx 设计 GitHub，你最喜欢哪个？ 这两天网上有个很有意思的梗：把 GitHub 交给不同品牌、不同平台，甚至不同历史人物"重新设计"。 你会看到 Netflix 版 GitHub、Apple 版 GitHub、拼多多版 GitHub，也会看到李世民版、宋徽宗版、动物森友会版。形
Cursor 复盘 Harness：模型决定能力上限，Harness 决定生产下限
最近把前面几篇 Harness 文章翻回来，我发现自己一直在绕一个很朴素的问题打转。 同一个模型，放进不同 Coding Agent，体感为什么差那么多？ 4 月初整理《模型差距在缩小，Harness 差距在放大》时，我还主要是在外层找答案：Repo Context、结构化工具、工作记忆、缓存策略、
