墨鱼札记

很多人一听到“开发 Skill”，第一反应可能是：这是不是要写代码？是不是要懂 Agent 框架？是不是又是一个听起来很高级、实际上门槛很高的东西？ 但我这段时间折腾下来，感觉 Skill 没那么玄。 最简单的 Skill，本质上就是把你反复对 AI 说的那一套话，整理成一个可以复用的说明书。它可以很简单，只是一段稳定的对话规则；也可以很复杂，带参考资料、模板、脚本、校验流程，甚至变成一个小型工作流。 这篇就用普通人的角度，讲讲怎么从 0 开始做一个属于自己的 Skill。 Skill 到底是什么？先说人话版。 Skill 就是给 AI 准备的一份“专用操作手册”。 平时你可能经常这样和 AI 沟通： 12345你帮我整理一下这篇草稿，口语一点，不要改核心意思。排版成博客格式。图片路径别弄丢。最后加上公众号二维码。先本地预览，确认后再推送。 如果每次都要重新说一遍，就很烦。Skill 要解决的就是这个问题：把这些稳定要求沉淀下来，变成一个文件。以后你只要说“整理这篇文章”，AI 就知道该按你的习惯处理。 按照 Agent Skills 的公开规范，一个标准 Skill 至...

Codex 现在可以放进一只自己的桌面宠物。 这篇文章记录一下我用 hatch-pet Skill 做出专属宠物 Moyu 的过程。整个流程没有想象中复杂，核心就三步：准备参考图 -> 让 Codex 做计划 -> 执行计划并检查结果。 参考图可以是你已经有的头像、吉祥物、Logo 角色，也可以先让图像模型生成几版，再从里面挑一张最顺眼的。 我这次选的是一只可爱的墨鱼形象：深墨蓝外套、奶白色脸、大眼睛、青绿色发光方块。最后它被打包成了 Codex 能识别的自定义宠物。 第一步：准备参考图参考图决定了宠物的气质。 你可以直接拿一张现成图片，也可以先用图像生成工具做几版候选。如果还没有图，可以先让 Codex 帮你生成角色草案： 123帮我生成 5 张不同风格的可爱墨鱼卡通形象图，最后要用来做 Codex 的桌面宠物。要求：单个角色、完整身体、轮廓清晰、适合后续做透明背景和动画。风格可以包含 3D 玩具、扁平插画、软萌贴纸、像素游戏、国潮水墨。 如果方向已经比较明确，也可以直接给更稳定的提示词： 123生成一个可爱的墨鱼 Codex 桌面宠物参考图。角色是 Q 版小...

最近不少人在折腾 Codex、Hermes 这类 Agent 工具时，会遇到一个很现实的问题：官方模型用起来有门槛，或者因为网络、账号、费用等原因不太顺手。 如果只是想先体验 Agent 的工作流，或者希望把本地 Agent 接到国产大模型上，其实可以走一条更轻的路线：用 cockpit-tools 管理账号与模型配置，再把 DeepSeek 这类 OpenAI 兼容接口接进去。 这篇就以 DeepSeek + cockpit-tools + Codex 为例，记录一遍完整配置流程。 准备工作你需要先准备这些东西： 一个可用的 Codex 客户端。 一个 DeepSeek 开发平台账号。 一个 DeepSeek API Key。 cockpit-tools 安装包。 少量测试余额，避免接口调用时因为余额不足导致误判配置失败。 Codex 可以从 OpenAI 官方入口打开： 1https://chatgpt.com/codex/open-app 也可以直接在 Microsoft Store 里搜索下载。 获取 DeepSeek API Key先打开 DeepSeek...

其实很久之前，我就对 PyTorch 挺感兴趣的，也一直琢磨着搞个目标检测或者验证码识别的项目来练练手。但拖延症大家懂的，这个计划在我的收藏夹和 ToDo List 里静静躺了快一年，每次都以“最近太忙”或者“环境配置太麻烦”为借口搁置了。 直到前阵子，看到一个需要频繁人工点击的点选类验证码（就是那种给你一张大图和几个提示字，让你按顺序在图里把对应图标点出来的验证码），我终于下定决心：是时候把这个坑给填上了。 折腾了两周，踩了无数坑，成功把模型训练出来，并在本地部署了 FastAPI 推理接口，回测成功率达到了 90% 以上。在这里做个完整的复盘，记录一下这个从无到有的过程、踩过的坑以及心得体会。 思路与架构设计点选类验证码的识别，核心在于解决两个问题： 图标在哪里？（目标检测问题：把大图里的候选图标全部框出来） 哪个图标对应哪种颜色或文字？（特征分类问题：对框出来的图标进行颜色或类别判定，决定点击的先后顺序） 经过一番调研，我设计了如下的工作流： 数据采集：通过 API 从某测试平台并发抓取原始的验证码图片和点击顺序指令。 数据标注：因为人工画框太痛苦，我先利用图像...

先说结论很多时候，不是 AI 真的傻，而是你把它当成了“会读心的万能员工”。 你只给它一句： 1帮我写一篇文章。 然后期待它知道： 写给谁看 用什么语气 多长合适 要不要有观点 要不要带案例 哪些话不能说 最后用什么格式交付 这就像你对一个新同事说：“你去把这事处理一下。”他反问你处理到什么程度，你又觉得他不聪明。 AI 很强，但它不是读心术。它更像一个能力很强、反应很快、但需要你讲清任务边界的助手。 AI 为什么看起来傻？最常见有 5 个原因。 1. 你给的任务太模糊比如： 1帮我优化一下这段话。 这句话看起来没问题，但 AI 不知道你要优化什么： 更短？ 更有销售感？ 更口语？ 更专业？ 更适合公众号？ 更适合发朋友圈？ 更像老板说的话？ 所以它只能给一个平均答案。平均答案通常就会显得很空、很滑、很 AI。 更好的写法是： 123456789请把下面这段话改成适合公众号开头的版本。要求：1. 100 字以内2. 语气像一个懂技术但不端着的朋友3. 不要使用“在当今时代”“综上所述”这类 AI 腔4. 开头要让读者知道：为什么这件事和他有关原文：【粘贴原文】 ...

先给结论 这篇文章不做玄学排名，只从实际使用场景出发，把常见 AI 编程工具拆开讲清楚：谁适合当主力，谁适合做辅助，什么时候该上 Agent。 如果你只想要一句话： 想把任务交给 AI 去改仓库、跑命令、出文件：选 Codex 想在终端里让 AI 深度理解代码、做复杂改动：选 Claude Code 想在编辑器里边写边改，体验最顺：选 Cursor 公司已经在 GitHub 里协作，想要权限、PR、Issue、审计都顺：选 GitHub Copilot 想试一个 AI IDE，预算有限，又想用多模型和 Cascade：可以试 Windsurf 想要更“自动员工”式的异步开发：看 Devin 想试 Google 的 agent-first IDE：看 Antigravity 想把想法先变规格，再变代码：看 Kiro 别问“哪个最强”。更靠谱的问题是：你主要在哪里写代码、要不要改整个项目、能不能接受按量计费、团队需不需要管理权限。 很多人看到这里，可能已经开始一头雾水了：一会儿 Codex，一会儿 Claude Code，一会儿 Cursor；刚弄明白模型，又冒出来 Agen...

最近经常能看到一个词：AI 焦虑。 有人担心自己会不会被 AI 取代，有人担心再不学 AI 就落后了，也有人每天刷到各种“一个人干掉一个团队”“十分钟做出一个产品”的内容，看多了之后更焦虑。 但我自己折腾下来，AI 确实很神，但是没那么可怕。 在我看来，至少是现在看来它更像是一个把“试一试”的成本大幅降低的工具。 很多事情不是做不了，而是不值得做很多时候，一个想法卡住，并不是因为技术上完全做不了。 而是因为成本太高。 比如你突然想到一个小工具、一个自动化流程、一个页面、一个脚本，甚至一个内容栏目。真要自己从零开始做，也不是不行，但你会马上开始算账： 1234567要查资料要搭环境要写代码要调 bug要做页面要整理内容还不确定最后有没有用 然后这个想法很可能就停在脑子里了。 不是你不会做，也不是你没有能力做，而是这个东西还没证明值得你投入那么多时间。 这其实挺常见的。 很多需求就是死在“验证成本太高”上。 AI 的价值：降低验证成本 我觉得 AI 很重要的一个作用，就是把这种验证成本降下来。 以前一个想法可能要花一两天才能做出个雏形，现在可能几个小时，甚至几十分钟就能看到一...

最近折腾了一套小工作流：让 AI 自动抓取 GitHub 最近一周涨星比较快的开源项目，整理成适合微信公众号阅读的文章，再推送到公众号草稿箱。 这套流程目前还在继续完善，源码和文档还没到可以直接丢出来的程度。等后面稳定一点，我会整理到 Git 仓库里。这里先把整体思路记录下来，算是阶段性复盘。 为什么要做这个GitHub Trending 很适合当技术雷达。 但如果每周都手动整理一遍，其实挺麻烦。大概流程是这样： 1234567891011打开 GitHub Trending筛选 weekly记录项目名、star 增长、语言、协议打开项目 README判断适用人群和项目价值写成公众号文章调整排版做封面图上传图片复制到公众号后台预览，再发布 这些步骤里，真正值得花时间的是判断项目有没有价值，以及怎么把它解释给读者听。 至于抓数据、补字段、整理格式、上传草稿这些重复动作，更适合交给脚本和 AI。 我想要的效果很简单：以后只要说一句： 1生成本周 GitHub 涨星榜公众号草稿 后面的事情就自动跑完。 想达到的效果理想状态下，这条工作流需要自动完成这些事： 抓取 GitHu...