即刻App年轻人的同好社区
下载
Claude code修复的源码fork了一份，2小时后删！
这里：github.com
这个项目刚克隆下来后，不能直接运行，建议先做这几步：
1.进入项目目录并安装依赖
cd claude-code2 && bun install
2.不要直接运行 src/main.tsx
这个仓库真正的 CLI 入口是 src/entrypoints/cli.tsx，用错入口会出现“看起来启动了，但没有真正进入 CLI”的情况。
3.先用帮助命令确认入口正常
bun run src/entrypoints/cli.tsx --help
4.再执行构建
bun run build
构建成功后，说明源码和依赖链路基本没问题。
5.配置 API 地址和 API Key
项目运行依赖 ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY，如果不提前配置，请求阶段通常会卡住或无法正常返回。
这类配置通常来自 ~/.claude/settings.json 里的 env 字段。
最后再启动交互模式
bun run dev
bun run src/entrypoints/cli.tsx
注意：先装依赖、用对入口、确认构建通过，再把 API 配置补齐，这样才能真正进入可对话状态。
这里：github.com
这个项目刚克隆下来后，不能直接运行，建议先做这几步：
1.进入项目目录并安装依赖
cd claude-code2 && bun install
2.不要直接运行 src/main.tsx
这个仓库真正的 CLI 入口是 src/entrypoints/cli.tsx，用错入口会出现“看起来启动了，但没有真正进入 CLI”的情况。
3.先用帮助命令确认入口正常
bun run src/entrypoints/cli.tsx --help
4.再执行构建
bun run build
构建成功后，说明源码和依赖链路基本没问题。
5.配置 API 地址和 API Key
项目运行依赖 ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY，如果不提前配置，请求阶段通常会卡住或无法正常返回。
这类配置通常来自 ~/.claude/settings.json 里的 env 字段。
最后再启动交互模式
bun run dev
bun run src/entrypoints/cli.tsx
注意：先装依赖、用对入口、确认构建通过，再把 API 配置补齐，这样才能真正进入可对话状态。
2 13
发现Codex新增了几个实验性的功能，和Claude code一样也有了Sub-agents，应该能解决效率问题了！
Shell snapshot（Shell 快照）：把当前 shell 环境（例如已执行的 login 脚本、环境变量、已激活的 venv 等）做成快照，后续每次跑命令不用重复走一遍初始化。适用：启动很慢、每次打开都要加载一堆配置/鉴权/环境的项目（大仓库、复杂 zsh/bash 配置、需要云鉴权等）。
Sub-agents（子代理）：让 Codex 同时“分身”成多个代理并行干活，比如一个查资料、一个改代码、一个写测试。适用：任务可拆分且互不依赖的工作（排查多条报错线索、迁移/重构时同时改多处、同时写实现+测试+文档）。
Apps（连接的 ChatGPT App）：允许在 Codex 里用 $ 调用你连接的应用（如 GitHub/Linear/Jira/Google Drive 等），直接读写外部信息。适用：需要把代码变更和外部系统联动（查 issue/PR、拉需求、读设计文档、同步任务状态）。
Shell snapshot（Shell 快照）：把当前 shell 环境（例如已执行的 login 脚本、环境变量、已激活的 venv 等）做成快照，后续每次跑命令不用重复走一遍初始化。适用：启动很慢、每次打开都要加载一堆配置/鉴权/环境的项目（大仓库、复杂 zsh/bash 配置、需要云鉴权等）。
Sub-agents（子代理）：让 Codex 同时“分身”成多个代理并行干活，比如一个查资料、一个改代码、一个写测试。适用：任务可拆分且互不依赖的工作（排查多条报错线索、迁移/重构时同时改多处、同时写实现+测试+文档）。
Apps（连接的 ChatGPT App）：允许在 Codex 里用 $ 调用你连接的应用（如 GitHub/Linear/Jira/Google Drive 等），直接读写外部信息。适用：需要把代码变更和外部系统联动（查 issue/PR、拉需求、读设计文档、同步任务状态）。
0 01
每月 $9.9 买个「认证人类」技能证书，让AI来雇佣你干活😰
又来一个Openclaw的新玩法，AI 先来评估人类，再让人类被 AI 雇佣去干活。听起来像是AI来让你当7×24小时的牛马了~
这个创新点对于招聘市场绝对是一个很好的idea，
雇佣者不需要自己面试、筛人、对比简历，只要讲清楚“我想达成什么目标”，剩下的交给 AI 去拆解任务、挑人、组队、管理交付。
有点像“AI版的人类招聘市场”，感觉应该是好事儿吧😄
rentahuman.ai
又来一个Openclaw的新玩法，AI 先来评估人类，再让人类被 AI 雇佣去干活。听起来像是AI来让你当7×24小时的牛马了~
这个创新点对于招聘市场绝对是一个很好的idea，
雇佣者不需要自己面试、筛人、对比简历，只要讲清楚“我想达成什么目标”，剩下的交给 AI 去拆解任务、挑人、组队、管理交付。
有点像“AI版的人类招聘市场”，感觉应该是好事儿吧😄
rentahuman.ai
0 00
普遍来看，目前AI玩家分为三类 最后一类用好绝对是断层式的降维打击。
1. 把 AI 当工具的人（初级）
主要把 AI 当“增强版搜索引擎”用：哪里不会问哪里、要答案要解释。能解决即时问题，但很少形成可复用的方法。
2. 会用 AI 提效的人（中级）
具备一定专业能力，懂基础方法论，能写出更好的提示词，熟练搭配各类工具，把 AI 变成工作流的一部分，从“问答案”升级到“提效率、提产出”。
3. 用 AI 构建系统的人（高级）
不仅用工具，更会把能力沉淀为系统：借助 Claude Code、各类 Skill/脚本/自动化，把流程、规范、模板、数据、知识库工程化地封装起来，持续迭代优化。
他们的核心优势不在于“会用某个模型”，而在于能做到：可复用、可扩展、可度量、可迭代——形成稳定输出的生产系统。
真正把 AI 用到位的人，通常会把「代码工具 + 自动化 + 复盘迭代 + 数据/素材库 + MD 文档沉淀」组合起来，用工程化方式管理和升级自己的第二大脑。
所以最有竞争力的一类人，不是“用 AI 做事”，而是“用 AI 搭系统做事”
——大胆地说未来这类人基本上是一个人构建一套系统，会带来断层式的降维打击！
1. 把 AI 当工具的人（初级）
主要把 AI 当“增强版搜索引擎”用：哪里不会问哪里、要答案要解释。能解决即时问题，但很少形成可复用的方法。
2. 会用 AI 提效的人（中级）
具备一定专业能力，懂基础方法论，能写出更好的提示词，熟练搭配各类工具，把 AI 变成工作流的一部分，从“问答案”升级到“提效率、提产出”。
3. 用 AI 构建系统的人（高级）
不仅用工具，更会把能力沉淀为系统：借助 Claude Code、各类 Skill/脚本/自动化，把流程、规范、模板、数据、知识库工程化地封装起来，持续迭代优化。
他们的核心优势不在于“会用某个模型”，而在于能做到：可复用、可扩展、可度量、可迭代——形成稳定输出的生产系统。
真正把 AI 用到位的人，通常会把「代码工具 + 自动化 + 复盘迭代 + 数据/素材库 + MD 文档沉淀」组合起来，用工程化方式管理和升级自己的第二大脑。
所以最有竞争力的一类人，不是“用 AI 做事”，而是“用 AI 搭系统做事”
——大胆地说未来这类人基本上是一个人构建一套系统，会带来断层式的降维打击！
1 01
Codex 桌面端来了！
作为 Codex 的重度用户，这次桌面版升级感觉效率又上了一个台阶。
内置的工作树 + 云端环境，把 Codex 直接变成“多智能体指挥中心”：同一时间让多个智能体在不同项目里并行推进，真正做到一边派工、一边交付，项目节奏直接起飞。
更关键的是，「技能」能把团队规范写进工作流里：从代码理解、原型构建到文档输出都更一致；再配合自动化，把分流、监控、CI/CD 这类日常后台流程交给它跑，你就可以把精力集中在关键决策和质量把控上。
openai.com
作为 Codex 的重度用户，这次桌面版升级感觉效率又上了一个台阶。
内置的工作树 + 云端环境，把 Codex 直接变成“多智能体指挥中心”：同一时间让多个智能体在不同项目里并行推进，真正做到一边派工、一边交付，项目节奏直接起飞。
更关键的是，「技能」能把团队规范写进工作流里：从代码理解、原型构建到文档输出都更一致；再配合自动化，把分流、监控、CI/CD 这类日常后台流程交给它跑，你就可以把精力集中在关键决策和质量把控上。
openai.com
2 00
想放弃 Openclaw，但是又有点舍不得。
最近也在折腾 Openclaw 的配置，本地电脑跑了，因为安全性有问题，还买了一个阿里云的服务器去跑。
但说实话，昨天刚把moltbook配置上，今天早上发现居然没响应了，不回我。而且偶发性不稳定，但又舍不得它的系统设计，很多能力还是挺强的。
所以我打算：
1. 本地用的 Mac 还是不去跑 openclaw，因为考虑到安全性不敢用。
2. 云端阿里云这块，我打算把它做成 Git 的版本。
3. 后期本地专门做一个知识库管理。Openclaw 特别适合做知识库管理，我会把自己的一些文件做成项目化，然后更新到阿里云上，后续 Openclaw 就直接调用这些知识库来用。
但说实话，稳定性这一块还是挺差的。配置折腾半天弄好之后，依然不稳定，还是觉得 用Claude code和codex顺手，整体设计也没有那么重。
最近也在折腾 Openclaw 的配置，本地电脑跑了，因为安全性有问题，还买了一个阿里云的服务器去跑。
但说实话，昨天刚把moltbook配置上，今天早上发现居然没响应了，不回我。而且偶发性不稳定，但又舍不得它的系统设计，很多能力还是挺强的。
所以我打算：
1. 本地用的 Mac 还是不去跑 openclaw，因为考虑到安全性不敢用。
2. 云端阿里云这块，我打算把它做成 Git 的版本。
3. 后期本地专门做一个知识库管理。Openclaw 特别适合做知识库管理，我会把自己的一些文件做成项目化，然后更新到阿里云上，后续 Openclaw 就直接调用这些知识库来用。
但说实话，稳定性这一块还是挺差的。配置折腾半天弄好之后，依然不稳定，还是觉得 用Claude code和codex顺手，整体设计也没有那么重。
1 00
2026年最值得关注的英文 X 账号：
@karpathy = LLMs king
@steipete = built openclaw
@gregisenberg = startup ideas king
@rileybrown = vibecode king
@corbin_braun = cursor king
@jackfriks = solo apps king
@levelsio = solo startups king
@marclou = solo startups king
@EXM7777 = AI ops + systems king
@eptwts = AI money twitter king
@godofprompt = prompt king
@vasuman = AI agents king
@AmirMushich= AI ads king
@0xROAS = AI UGCs king
@egeberkina = AI images king
@MengTo= AI landing pages king
@rryssf_ = automations king
@kloss_xyz = systems architecture king
@emollick = AI science king
@Hesamation = AI/ML king
@karpathy = LLMs king
@steipete = built openclaw
@gregisenberg = startup ideas king
@rileybrown = vibecode king
@corbin_braun = cursor king
@jackfriks = solo apps king
@levelsio = solo startups king
@marclou = solo startups king
@EXM7777 = AI ops + systems king
@eptwts = AI money twitter king
@godofprompt = prompt king
@vasuman = AI agents king
@AmirMushich= AI ads king
@0xROAS = AI UGCs king
@egeberkina = AI images king
@MengTo= AI landing pages king
@rryssf_ = automations king
@kloss_xyz = systems architecture king
@emollick = AI science king
@Hesamation = AI/ML king
180 2668