Arsenal Topic
工作流
出现期数
18
贡献者
78
提到工具
86
核心洞见
站长分享了自己的 Skill/提示词沉淀方法:不是把一套规则硬套所有项目,而是在项目中记录真实问题,月底总结后再让 AI 转成提示词或 Skill。
有人询问微信聊天记录解密工具,群友给出的关键提醒是这类方案麻烦点在于需要对应微信版本。
群友问微信聊天记录爬楼工具,结论是腾讯自带“小微”可用但仍是灰度/内测,未全面开放,自己做则有人表示“不敢做”。
围绕 Codex 变慢、GUI 费 token、模型选择的问题,群里形成了比较明确的实践结论:重活尽量转 CLI,主力组合可以是 Cursor Composer、Grok、Luna+DS。
当天多位群友反馈 Codex 出现卡输入、发不出消息、模型强度不可改、中文设置失败、sol 极高选项消失等问题。
当天最完整的实操链是老蔡分享 Codex 总控与任务分派工作流:总控负责需求澄清、拆分、分派、验收,代码、审查、测试等专门任务各司其职。
围绕海外灯饰获客,老蔡和东东给出从小白到可执行爬虫脚本的拆解:不要直接让 AI 写代码,而是先说明行业、目标客户信息、结果格式和输出位置,再用问答方式把架构、功能、模块和语言聊清楚。
围绕 Claude 与 Codex 的能力差距、国内网络环境和多工具调度,群里给出了较完整的可行方案:Claude 部署在国外服务器,通过 Tailscale 穿透访问本地 Windows、Mac,再远程控制本地 Codex 和 Herme
旺总反馈账号被盗后被消耗一百多美元,处理选择不是继续加防护,而是直接删除入口。
模型实战排名:opus > gpt > composer2.5 > glm5.2,排名基于编码场景综合表现
Fable 5最佳用法是搭配架构师模型:Sonnet做规划,Fable做执行,不要反过来
Fable 5的执行力一流但有"什么都自己写"的倾向,会忽略可复用的开源代码,需要人工引导使用现有轮子