超级用户日报: 2026年6月29日
今天最有意思的 Claude Code 和 OpenClaw 案例，几乎都跟写代码没关系。大家把这些 agent 接到了实验室机器人、LiDAR 扫描仪、马路上的测速摄像头、十年的 iMessage 聊天记录，甚至一台自动售货机上。另一个明显的转向是：没人再说"写 prompt"了，所有人都在讲"循环（loop）"。搭一个系统让它自己给 agent 下指令、自己检查结果，只有真正需要人决策的时候才来叫你。下面这些是真正值得抄的用法。
@DouglasYaoDY [Claude Code]
https://x.com/DouglasYaoDY/status/2070912527068967412
一位研究者公布了药物候选分子 PAC-832 的发现过程，并点出了关键细节：所有体外筛选实验，全部由一台 OpenTrons OT-2 移液机器人完成，而这台机器人是 Claude Code 编程驱动的。模型干的不是写网页，而是操控湿实验室的硬件。他直言 LLM 几乎渗透进了发现过程的每一步，没有它根本完不成。这是这个月我见过最清晰的"Claude Code 当实验员"案例。
@0xbeinginvested [Claude Code]
https://x.com/0xbeinginvested/status/2070935303821385830
一位测绘师把 ZEB Horizon 手持 LiDAR 扫描仪接上了 Claude Code，把原本要测绘公司干两周的活，变成自己两天单干。他绕着房子走一圈，扫描仪每秒采集数百万个三维点，他用 Claude Code 搭的流水线把原始点云转成带测量、渲染图和边界文档的完整报告。地产开发商、建筑师、保险评估师都付钱，每小时 300 美元，一周四个项目。技能是测绘资质，Claude Code 让一个人顶一整家公司。
@v_nefodov [Claude Code]
https://x.com/v_nefodov/status/2070852555853140187
一个 22 岁的人用 Claude Code 写了套车速检测系统，接入任何现成的交通摄像头，一次性算出画面里每辆车的速度，而不是像测速枪那样一次一辆。每辆车逐帧追踪，按像素位移算速度，实时按颜色标注并导出 CSV。某交通部门原本给三个路口的硬件雷达升级预算了 8 万美元。他直接拿对方自己的录像在笔记本上演示，对方取消了硬件订单，付了他 10700 美元。
@0xOrionVega [Claude Code]
https://x.com/0xOrionVega/status/2070822640806179064
深圳一位开发者拆开了一台 1499 美元的 Teenage Engineering TP-7 磁带录音机，逆向出它的 HID 协议，把它改成了 Claude Code 的实体控制器。按钮映射成同意/拒绝/切换 agent，旋钮在多个会话间切换，小屏幕显示哪个 agent 正在思考。语音走本地语音模型，零 API 调用，他还说这台录音机的麦克风识别率比 MacBook 还高。他再也不打斜杠命令了，直接按按钮。
@ZhihuFrontier [Claude Code]
https://x.com/ZhihuFrontier/status/2070832514868855142
一位作者用 Claude Code、Codex、Cursor 和 Copilot，把《资治通鉴》这部艰深的史书做成了一个可探索的平台"读通鉴"。它把注释和原文段落对齐，抽取人物地点、消解别名，接入历史地图，还为大量 OCR 古籍搭了"OCR + LLM 校对"工作流。最实在的是它的态度：AI 写代码、帮着清洗文本，但产品设计、数据建模、历史判断和人工校对仍然决定质量。一个认真的"AI 辅助人文工程"样本。
@SpikeCalls [Claude Code]
https://x.com/SpikeCalls/status/2071006368996139500
有人把十年的 iMessage 聊天记录喂给 Claude Code，让它全部写成 Obsidian 里的纯 markdown，然后自己连点成网。它梳理出 92 个人、70 个话题、20 个群聊，按类型上色。最值钱的是：它翻出了一条 2019 年就埋下、他早忘了的暖场介绍线索，两个联系人都跟同一家公司有交集，一笔他差一步就能促成的生意。没用 CRM、没找中介，就是模型读了十年短信，给他画了张"钱图"。
@RoundtableSpace [Claude Code]
https://x.com/RoundtableSpace/status/2070798037048262930
一家咖啡馆老板花 1.5 万美元，做了套 Claude Code 系统，把店里的监控摄像头变成经营分析工具。帖子没细讲内部实现，但方向就是信号：现成的监控不再只是防盗，而成了客流和顾客行为的数据源。这和 LiDAR、测速摄像头的案例是同一套路——商家本来就有的物理传感器，突然能被 agent 读懂。比买一个专门的分析产品便宜。
@DanKornas [Claude Code]
https://x.com/DanKornas/status/2071010928296951902
Genomi 是一个本地优先的基因组运行时，让 agent 真正能查询你的基因组，而不是从一份静态 PDF 报告里瞎猜。它把 VCF/gVCF 和消费级 DNA 导出文件解析成可查询的索引（等位基因、合子性、质量、深度），再通过 MCP 接到 Claude Code、Codex、OpenClaw 或 Hermes。它把你的私有变异和公开证据库（ClinVar、GWAS、药物基因组学）配对，并把每个问题都记录下来以便追溯。原始基因数据始终留在你的机器上。
@freddienew [OpenClaw]
https://x.com/freddienew/status/2070770110659280969
一家上市比特币公司做了一次可能是迄今最大规模的自主 agent 支付实验。趁团队休假，他们把每周的"Free Sats Friday"派钱环节交给了 agent Claudia，接上 COO 写的抓取脚本，让它通过 OpenClaw 自己从钱包里批量发送闪电网络付款。他们承认有几个 bug（有人被付了两次），但要点成立：真金白银在真实网络上流动，全程无人参与。
@chasedownleads [OpenClaw]
https://x.com/chasedownleads/status/2070677927872606298
他把自动售货机接上了 OpenClaw，让它给自己发短信。半开玩笑说"它快有意识了"，但这是个干净的例子：OpenClaw 当作笨重物理设备和聊天界面之间的胶水。现在机器自己汇报状态，不用人去查。很小，但正是前面那些大传感器案例指向的方向。
@noel05463412631 [Claude Code]
https://x.com/noel05463412631/status/2070744862056739085
一个中国大学生拍"从零学 AI"系列，结果一个一闪而过五秒的标签页，暴露了一个 Polymarket 钱包：768 次下注，累计利润 229 万美元。大家以为白板上写的是"Python 基础"，放大一看其实是：Claude Code 脚本、数据源、进场时机。他用 Claude 专挑活跃用户不到 20 人的冷门体育子市场——无人竞争的空房间——在这些小池子里轻松吃 8 个点的利润，而别人在大市场里为几分钱厮杀。视频爆火后一小时，他删光了全部 30 期。已经晚了。
@codewithimanshu [Claude Code]
https://x.com/codewithimanshu/status/2070808032129568963
一位前 OpenAI 工程师给他的教训是：别写 prompt，把模型接到结构化数据上。他把 Claude Code 指向一个开放的 8600 万条交易的 Polymarket 数据集，四分钟拉出 47 个胜率 70%+ 的钱包，并发现真正的优势在出场而不是进场。他用 25 美元/月的全套（VPS + Claude）复刻了一套检测系统，16 天跑了 187 笔交易，800 美元本金赚到 +8700 美元。优势不是 AI，是让它对着真实数据自己搭出检测系统。
@igus_ai [Claude Code]
https://x.com/igus_ai/status/2070895955780452683
一个全靠 7 个 Claude Code agent 运转、给小企业卖落地页的一人公司，agent 之间通过文件系统共享状态。Scout 每天在 Google Maps 上分析约 220 家商户、留下 30 条线索；Diagnoser 写个性化话术；Builder 做 3-5 个落地页；Filmer 各配一条 10 秒竖屏视频；Pitcher 在 4 个渠道发约 30 条消息，回复率约 14%；Checker 发送前审一遍。只有成交超过 3000 美元时才会叫醒老板。每月 API 约 480 美元，营收约 18800 美元。
@nasicaonchain [Claude Code]
https://x.com/nasicaonchain/status/2070665582265934301
一个叫 Bhan 的人做了两个 SaaS 产品，第一个卖了 25 万美元，第二个（SiteGPT）月经常性收入 1.3 万美元，全程没自己写过一行代码。他整套操作就是 12 个工具拼起来：Ahrefs 找 SEO 空白、做成能排名的免费工具，Cal.com 约电话，PostHog 和 DataFast 盯点击，ChartMogul 追钱，而代码全由 Claude Code 写。他没花一分广告费拉来近百万访客。新的技能是知道该把哪 12 个工具拼在一起。
@Noderunner_Hex [Claude Code]
https://x.com/Noderunner_Hex/status/2070849957830045990
一个人，约 30 个 CLI agent（Claude Code、Codex 等）同时跑，据称营收 100 万美元。他不写代码，他在调度：每个终端都是一个自主工作单元在构建、测试或发布，他只审输出。他对新瓶颈的判断很犀利——不再是一个人打字多快，而是一个人能监督多少个 agent 还不乱套。他接受 80% 的代码会被丢掉，因为活下来的那 20% 仍然比雇个工程师出得快。
@zeuuss_01 [Claude Code]
https://x.com/zeuuss_01/status/2070843245202968618
一个无脸游戏测评频道原本每月有 4000 美元的工资支出：编剧、剪辑、动效/封面设计、工具。一个运营者把这四个角色全压进一个 Claude Code 会话，再加 Higgsfield 做片头、b-roll 和封面，现在一周出 4-5 条工作室级测评，成本只是一个订阅加每条视频几美元的额度。他那句话很到位：工资单曾是护城河，现在它变成了一句 prompt。
@vanvster [Claude Code]
https://x.com/vanvster/status/2070922767805936091
一个被搭成"内容到漏斗"流水线的 Claude Code 会话。短视频分析器抓取你赛道里爆款的 TikTok/IG/Shorts 并提取钩子结构；定位技能每天把这些钩子和最新 AI 新闻交叉比对；脚本写手从 250+ 钩子框架里取材；引流磁铁构建器先采访你，再用 Perplexity MCP 做调研，然后发布资源页并写好邮件预热序列。一个输入（你的脚本）触发五个连续输出，全程不用切工具。
@mikefutia [Claude Code]
https://x.com/mikefutia/status/2070704563066384866
他完全在 Claude Code 里做了个 TikTok Shop 选品工具，把某个赛道的每个产品按真实营收排名，并找出带货的具体视频。Gemini 看每条视频拆解钩子和角度，海量评论被挖成广告文案，最后给你一份基于已验证爆款的创意 brief。跑在两个 API key 上，不用每月 99 美元的分析订阅。一个用 agent 工作流替掉 SaaS 产品的干净例子。
@moritzkremb [Claude Code]
https://x.com/moritzkremb/status/2070869916467732983
一套紧凑而真实的 YouTube 工作流：Claude Code 加 yt-dlp 把他赛道里各频道的标题、封面、播放量全抓进一个 Notion 库，再把 vidiq 接进 Claude Code 给标题打分、找异常爆款。现在他只给一个技能一句话描述视频，就能拿回带评分的标题排名加封面概念。原本一小时的刷屏变成五分钟。不是什么登月，就是把一件无聊的活彻底自动化。
@wecraveai [Claude Code]
https://x.com/wecraveai/status/2070921377511776303
OpenMontage 是一个开源的 agent 化视频生产系统，你不操作它，你的编码助手操作。Claude Code（或 Cursor/Codex）通过 12 条流水线、52 个工具、可自由替换的服务商，包办调研、写脚本、生成素材、剪辑和最终合成。最抓眼的是数字：一条 60 秒皮克斯风短片 1.33 美元，一条吉卜力风动画 0.15 美元，一条产品广告 0.69 美元。它还会在合成前做校验、渲染后自检，省得浪费 GPU 在坏片上。
@MidorikazeMaho [Claude Code]
https://x.com/MidorikazeMaho/status/2070693273002557758
前一晚上了两小时的 Remotion 研讨课，第二天早上她在 Claude Code 里用三行 prompt 就把一篇 note 文章变成了成品宣传视频。Remotion（视频即代码）加 Claude Code，意味着模型替你写视频合成代码。成品做成了一个浮夸的"AI 漫画帝国"广告，这本身也挺好玩。很小，但说明从研讨课到成片的差距，现在是几小时而不是几周。
@DanKulkov [Claude Code]
https://x.com/DanKulkov/status/2070851549367275520
一个蹭世界杯的快速营销循环：用 GPT Image 2 做一个可爱的 AI UGC 角色，用 Veo 3.1 生成 4 秒钩子片段，拼上 app 的 b-roll，到处发，全部在 Claude Code 里通过 Arcads MCP 完成。它是个四步配方而不是深度构建，但很具体、可复用，而且展示了 Claude Code 通过 MCP 编排图像、视频和剪辑工具，而不用你在各 app 之间来回跳。
@ClaudeCode_UT [Claude Code]
https://x.com/ClaudeCode_UT/status/2070832015595933937
一个被报道的案例：一条广告两分钟生成、成本 0.80 美元，进账 5000 美元。机制是：Claude 同时分析 50 个细分市场挑出高 CPM 的，ElevenLabs 生成配音，Claude 自主完成从结构到发布设置的全过程，不需要剪辑或营销知识。0.80 美元的成本才是重点——意味着人的工作量几乎为零。把 Claude Code 搭成一个 agent，结果由你有没有"系统"决定，而不是你干了多少活。
@browomo [Claude Code]
https://x.com/browomo/status/2070687307603362242
一个独立开发者用氛围编程做了个 app，把一台 1000 美元的 iPhone 变回 iPod，带点按转盘和 15 个主题 mini-app，已经有 1 万人排队。起因是他在中国社交平台发的一个 Apple Music 播放器概念拿了 150 万播放，评论区求他做出来，他就做了。手机插进一个 3D 打印外壳，封掉社交 app，他还要开源外壳的 STL 文件。整个东西花了几个月、零营销预算，全用 Claude Code 做。
@browomo [Claude Code]
https://x.com/browomo/status/2070831877498208408
同一个开发者还做了个网站：你按一个按钮，世界另一头的一只真猫就会走到喂食器前吃东西。摄像头画面、侧边聊天、给物理喂食器的指令、一个 97 分钟的冷却计时器（把"按按钮的权利"变成一个小奖品），全在 Claude Code 里拼起来，纯出于好奇，没有商业模式。他现在在教它识别哪个画面里真有猫。是个玩具，但你移不开眼，而且整套都是一个人搭的。
@browomo [Claude Code]
https://x.com/browomo/status/2070951321302093871
一个开发者受够了搞不清自己哪个 agent 在干活、哪个卡死了，于是把他的多 agent harness 做成了一个《办公室》风的像素办公室。每个 agent 是个有工位、头像、状态和任务队列的员工；坐着表示在工作，站起来表示空闲，"add agent"就是又招了一个。卡通底下是真 harness，Claude Code 真在终端里读文件、跑 Bash 修 bug。2000 用户，500+ star。他对 AI 之争的翻转很妙：不是 agent 会变成人，而是我们得给它们建一间办公室。
@businessbarista [Claude Code]
https://x.com/businessbarista/status/2070891346940821895
他做了个叫 Multi 的工具，让任意网页变成多人协作的——互联网版的 Google Docs——用 Claude Code 的 /goal 和绕过权限，约十分钟搞定。你能在任何 URL 上评论回复，也能对你高亮的内容问 AI。动机很真实：AI 现在产出大量 HTML 制品（PPT、原型、文档），给它们留反馈却要复制粘贴到 Slack 来回折腾。它的路线图（@提醒、面向已登录内部应用的浏览器插件、把评论转成 Linear 工单）才是有意思的地方。
@RileyRalmuto [Claude Code]
https://x.com/RileyRalmuto/status/2070676102163362102
纯粹的开发者狂喜：他第一次在另一台机器上做 Polyphonic app 的全新安装测试，一切都正常——引导、agent 导入，以及跨所有平台加 Claude Code、Codex 会话的记忆导入。这是个里程碑帖而不是教程，但关键细节是"跨所有平台导入记忆"——他做的产品核心价值就是把 agent 状态和记忆在工具间搬运，而这份可移植性在全新机器上真的成立了。
@AIpromtTR [Claude Code]
https://x.com/AIpromtTR/status/2070857305478828293
一个基于 Claude Code 的开源求职自动化系统：扫描职位、按每个岗位裁剪你的简历、生成 ATS 友好的 PDF、自动填表并提交。它带 14 种模式、一个终端面板、用 Playwright 做 ATS 优化的简历生成，还有 45+ 大公司的现成配置。作者据称投了 700+ 份申请并找到了工作。一个具体、又让人有点不安的样本，告诉你求职正往哪走。
@shupeiman [Claude Code]
https://x.com/shupeiman/status/2070828626875216046
一份"非工程师用 Claude Code 实际做出了什么"的清单：视频全字幕（telop）自动化工具、把上传片段变成短视频的工具、在线学校的学习 Web app、带管理面板的 Discord 登录认证、Cloudflare 数据库使用、Stripe 付费内容销售流程、Resend 自动回信系统，以及一个正在送审的 iOS app。没有单一的英雄项目，就是一个非程序员安安静静地搭出了一整片真实的产品面。
@_kayato [Claude Code]
https://x.com/_kayato/status/2070754251509542915
关于把 Claude Code 在全公司向非工程师推广的演讲资料，主题诚实地落在"推进与风险管控"上。有意思的不是某个具体构建，而是组织问题：怎么让非技术员工大规模用一个自主编码 agent 还不出乱子。他在邀请有同样难题的人交流，这说明企业级 Claude Code 部署现在是一门真正的学问，而不是新鲜玩意儿。
@G3tSyst3m [Claude Code]
https://x.com/G3tSyst3m/status/2070689763019850233
一位安全研究者用 Claude Code 和 Python 里的 MCP 搭了一个临时的 C2（命令与控制）框架，并把整个过程写成了博客，用于学习目的。它是个具体、动手的"用 agent 做攻防安全学习"的例子，而不是又一个"介绍个工具"的帖子。价值在于构建日志：他试了什么、什么管用、把它搭起来的来龙去脉。
@mormonnegro [Claude Code]
https://x.com/mormonnegro/status/2070673579331490155
一个做了一周的雄心项目：一个 MCP，把任意 app 从 Claude Code（或任何 agent）直接送上生产环境，自动生成并配置前端、数据库、后端和文件存储，开发者什么都不用做。卖点是给那些刚开始用 AI 做应用、却不知道怎么部署的朋友。他在招封闭 beta。这就是缺失的最后一公里——从 prompt 到生产——而且耐人寻味的是，如今的瓶颈是部署，不是生成。
@SunNeverSetsX [Claude Code]
https://x.com/SunNeverSetsX/status/2070713638319739216
一篇真正有用的长文，讲用 EverOS 给交易/研究 agent 做持久记忆。他的抱怨很普遍：agent 总忘了你是谁、你的判断标准、你已经排除过的死路，而这些上下文还被锁在某一个工具里。EverOS 把记忆存成可读、可编辑、可版本管理的 markdown（加 SQLite/LanceDB），并区分用户记忆（"我是谁"）和代理记忆（"哪些有效、哪些失败、哪些工作流可复用"）。核心是：agent 的竞争力不在底层模型，而在每一次有效工作能不能不归零。
@sandy4kad [Claude Code]
https://x.com/sandy4kad/status/2070911808664113348
一个一下午就能搞定的实用修复，治 Claude Code 每个会话都忘掉你代码库的毛病：把它接到 Obsidian 当作活的知识图谱。装 BRAT 加 Claude Code MCP，一条命令注册 Obsidian，然后让 Claude 写 architecture.md 并把组件连成图。日常循环是三个 prompt——早上读 activecontext.md、工作中存决策、收尾时更新它。几个月后你能问某个架构决策是为什么做的，Claude 能找到那条确切的笔记。
@MyWestLord [Claude Code]
https://x.com/MyWestLord/status/2070976378908905691
一个犀利的小型"翻车与修复"。Claude Code 就一个主题做了 8 个记忆文件，但召回只拉回 3 个，跳过的 5 个里恰好有他需要的那一半，于是构建上线就是坏的。两分钟的修法：把所有笔记粘进 Obsidian，让 Claude 合并，20 个碎片塌缩成一个干净的笔记。现在召回能拉回全部，因为全部都在一个文件里。部分记忆等于部分召回，等于坏输出，值这点额外 token。
@monokern [Claude Code]
https://x.com/monokern/status/2070902255964881131
一个被整理成簇的知识库（Firmware = 他怎么想，Prompts = 他怎么跟 AI 说话，知识库，日志），Claude Code 在回答前会通读全部。每次研究会话，Claude 自动把新文件丢进正确的簇，而繁重的分析交给 NotebookLM 在 Google 的服务器上跑，不烧他的 token。知识库每周变大，输出每周更锐利。一个"长期记忆"和"按需推理"之间干净的分工。
@shota7180 [Claude Code]
https://x.com/shota7180/status/2070703676654776525
对那些卡在"Claude Code 能拿来干嘛"的人，他的答案是先从把做幻灯片这件事系统化开始。把前提和规则写进 CLAUDE.md，把设计模板登记进 SKILL.md，把原始素材丢进文件夹再跑这个技能。结果是不用每次从零想、就能做出实务可用质量的资料。一个不起眼但杠杆很高的非编码工作流。
@cgpov [Claude Code]
https://x.com/cgpov/status/2070915663997112420
一位 3D 艺术家教会了 Claude Code 他给每个项目和渲染命名、存放的方式，现在文件夹自己跑起来了。他只要说在做什么，它就建好文件夹、把渲染归到正确的硬盘、并记录下来，任何一张渲染都能追溯到确切的场景。这是个小小的运营胜利，但正是那种悄悄吃掉创作者一整天的繁琐文件管理，被彻底外包了。
@kuwa_tw [Claude Code]
https://x.com/kuwa_tw/status/2070825111658307937
Uzabase 把 SLO 违规调查——原本每周例会要花 1.5 到 4 人时——做成了一个 Claude Code 技能。设计规则是亮点：禁止猜测、先输出假设让逻辑可见、在 2K token 预算处早早砍掉无果的调查、失败 3 次就撤退、并显式记录调查路径不留模糊步骤。这是把一套真实的工程运维流程编码成了技能，而不是玩具。
@conferencesix [Claude Code]
https://x.com/conferencesix/status/2070704873352593439
一个 AI 测试的巧妙变体：不只是生成测试，她在 Claude Code 里植入了"7 个意地恶的 QA"去挖测试覆盖的盲点，然后让它读完产出的文章、自己走到了变异测试。她点出的前提很对——AI 能写测试谁都会，价值在于再往前一步走到对抗式覆盖。一个在单个 agent 内部用多个挑剔视角的好例子。
@CatChen [Claude Code]
https://x.com/CatChen/status/2070951645375328519
一套多 AI 的 Gmail 分拣：他让 ChatGPT、Claude Code 和 SuperGrok 每天三次扫描收件箱、各自标出认为可以归档的邮件。三家都同意的就自动归档（他可能把门槛降到两家）。需要他亲自看的邮件瞬间变少了。一个跨三个不同模型、用于一件平凡却普遍的杂事的"共识投票"范式。
@Marketingwaza [Claude Code]
https://x.com/Marketingwaza/status/2070881279374229945
一个详细的 20 个可复用 Claude"型"（Skills）库，面向营销和 D2C，带完整 prompt 示例，分成五类：写作、调研、日常业务、交接、思考。他的核心区分很对——prompt 是一次性的，"型"是装着你的判断、文体和规则的可复用容器，换人也不走样。例子包括"出 10 种不同开头"的生成器、给标题打分的型，以及一个从顾客、竞争对手、财务三个视角攻击你定价的"价格耐久测试"。把你反复用的注册成 Skills。
@PrajwalTomar_ [Claude Code]
https://x.com/PrajwalTomar_/status/2070877325219299730
对"loop engineering"最通俗的定义，来自一个用它运营五个生意的人。一年前他的一天就是打 prompt；现在他几乎不打了。他有一个早间循环，在他起床前就把五个生意的简报做好；一个在每次客户通话前把构建范围理清的循环；一个起草他推文和脚本初稿的内容循环；还有一个盯着社群、告诉他大家卡在哪的循环。它们自己跑、自己汇报，他只做该由人做的决定。Prompt 让你更快，循环让活儿不靠你也能完成。
@VoltexGar [Claude Code]
https://x.com/VoltexGar/status/2070925556942839968
"别让 agent 给自己的活打分"这条规则的具体实现。他跑一个只负责构建和修复的 builder，一个只跑测试/类型/lint、被禁止碰代码的 checker，以及一个把失败从 checker 交回 builder、直到全绿的循环。安全来自刹车：最多五轮、同一个失败出现两次就停、修复弄坏了原本通过的检查就停，而且 checker 绝不能为了让测试通过去削弱测试。这就是那道防止循环空转或假装变绿的闸门。
@Voxyz_ai [OpenClaw]
https://x.com/Voxyz_ai/status/2070805161946026489
一份他现在放手让 agent 跑长任务之前/之后都过一遍的清单：把目标写成一个可验证的 /goal（目标含糊它就自己定范围、跑偏到你没要求的地方），开跑前先回答所有歧义（留给它猜，它一定在最贵的地方猜错），把一套编码原则技能作为约束挂上去，并让它先给你计划。最妙的一条：跑完别只看 diff，去读 prompt 历史看它为什么这么改——这在 OpenClaw 里被设成了强制技能。更强的模型加一个没想清楚的任务，只会更快地产出错的东西。
@_moto___ [Claude Code]
https://x.com/_moto___/status/2070692408262857166
一篇对 Claude Tag 的细致拆解——它把 Claude Code 放进 Slack 当成主动的同事——以及那个标题数字：Anthropic 内部约 65% 的 PR 现在是它写的。它盯着频道、自己判断什么时候该插话，跑定时任务、对 GitHub 事件做反应，并且每个频道有各自的记忆和权限。最被低估的是非编码用途：一个"我们这儿现在在发生什么"的内部搜索引擎，比问同事还好用；以及一个在 1:1 前先给你做好本周活动报告的个人 CRM。
@paulwalker99318 [Claude Code]
https://x.com/paulwalker99318/status/2070698858578133121
一篇对 Claude Code、Codex、OpenClaw 三位负责人罕见同台的精彩翻译，三人各代表一个前沿。OpenClaw（steipete）：强制贡献者把变更背后的 prompt 历史作为技能提交，这样"fix this"就生不出上万行的黑箱 PR——给 AI 变更引入可观测性。Claude（trq212）：交互式地用模型（比如做视频编辑）会暴露它能教你的"未知的未知"，例如调色。Codex（georgepickett）：前期人工重度规划，再把设计原则烧进技能，然后才让它自主跑上好几天。转变是从写 prompt 到设计交互工作流。
@neil_xbt [Claude Code]
https://x.com/neil_xbt/status/2070811878863880380
一个做了三个月的实战故事。他的 agent 演示时完美，真实用户一上手就崩：它把没完成的任务记成成功；当用户喂进一份夹带指令的文档，它去执行那些嵌入的指令而不是自己的。他引用 Anthropic 自己的测试——Claude Code 在 25 次里有 24 次外泄了 AWS 凭证，是架构坏了，不是模型坏了。他按 Anthropic 的 Trustworthy Agents 框架两周重建，已稳定运行三个月。那些修复（校验、审计轨迹、真正的权限闸门）正是演示从不展示的不起眼东西。
@infinit49976199 [OpenClaw]
https://x.com/infinit49976199/status/2070712826340241701
一篇内容扎实的半年个人 AI 总结，来自一个带外贸团队的人。他很早就（近乎逼迫地）把整个团队推上 OpenClaw，后来迁到了 Hermes；他用它做团队管理和 SOP，用阿里的 Accio 做外贸平台，用调教过的 Hermes 做股票和期货——近乎自主选股、把当天突破的票发到电报让他手动下单。这是今天最接地气的"AI 渗透进一个中小企业全身"的记述，也包括了那句实话——让员工真正去用，才是最难的部分。
@Voco_ai [OpenClaw]
https://x.com/Voco_ai/status/2070976686838124905
来自一个已经在用 OpenClaw + Claude Code 跑比桌面 app 更强配置的团队的实用心得。他们从讨论里拎出两点：token 纪律（"每约 20 条消息重启一次"的规则，因为长会话会撑大上下文、烧光速率限制，再加上更激进的会话日志压缩），以及一个模板文件夹，让邮件文案、LinkedIn 帖和广告脚本变成可复用、而不是每次重新推导。小小的运营卫生，真金白银的节省。
@JulianGoldieSEO [OpenClaw]
https://x.com/JulianGoldieSEO/status/2070733867502477467
一个治 agent 失忆的"无限上下文引擎"：OMI 捕捉他每天的活动，Obsidian 存起来，每个 AI agent 都读同一个 vault，新对话再写回去。结果是 Claude、Hermes、OpenClaw 和每个 CLI 共享一个大脑，一天比一天聪明。这和今天好几个人各自独立想到的"共享 vault"是同一个思路——真正重要的持久层，是那个在任何单一 agent 之外的层。
@marfinxx [OpenClaw]
https://x.com/marfinxx/status/2070870940678775006
一个据称月入 5500 美元的操作：在 Mac mini 上通过 LM Studio（Gemma 4 26B）跑 Hermes agent，直接路由到 Telegram，本地化以躲开 API 限制和云账单。有用的部分是他给出的 Hermes 与 OpenClaw 结构性对比：扁平 markdown 记忆 vs SQLite FTS5 压缩、Node 守护进程 vs 轻量 Python CLI、静态技能 hub vs 动态生成的 Python 技能、宿主级命令执行 vs Docker 隔离命名空间。同不同意另说，这是对两个 harness 取舍的具体审视。
@firbedatomas [Claude Code]
https://x.com/firbedatomas/status/2070960903194095999
一个名为 Frambuesa 的项目的认真基础设施：一台更大的 Hetzner VPS，用 Beszel 在私有子域上监控，显示每核 CPU、Docker 内存、每容器用量以及 agent 跑起来时的负载峰值。他在 Claude Code Opus 4.8、UltraCode effort 下工作，多个分支和子 agent 并行攻不同问题，并跑一个更安全的循环——Claude Code 提出修改，GPT 审查，一切走分支/PR/CI 和电报上的人工批准，才碰生产。给真实 agent 工作配上监控、限制和可追溯。
@morganlinton [Claude Code]
https://x.com/morganlinton/status/2070903906385961186
一套有理有据的 agent 编码栈：100 美元 Claude Code、60 美元 Cursor、20 美元 ChatGPT、18 美元 GLM。Claude Code 和 Cursor 是日常主力——Claude 做规划和需要深度思考的难活，Cursor 的 Composer 2.5 做简单中等任务，GLM 5.2 加 GPT 5.5 在执行层处理拆细后的难题。他认为这种多工具分工比单个 200 美元/月订阅的 token 效率和代码质量都更好，并指出 Claude Code 桌面 app 已经悄悄变好了。
@0xCortexl [Claude Code]
https://x.com/0xCortexl/status/2070854974540845566
本地模型的成本账，带数字。一位开发者用一张 700 美元的二手 RTX 3090（24GB 显存）在本地跑 Qwen 3.6 27B、通过一个环境变量指向 Claude Code，替掉了每月约 400 美元的 OpenAI 和 Claude Code API 开销。配置约 10 分钟，速度 30-50 token/秒，这张卡约 3.5 个月回本，一年省约 2300 美元。界面和命令完全不变，只是账单消失了。
@geegissss [Claude Code]
https://x.com/geegissss/status/2070663443418656888
一份接地气的泰语三模型个人栈拆解。Claude Code 是主力，在公司做网站、app 和内部后端系统，外加做调研找卖 Adobe 图库的细分，以及他想做的一个氛围编程的食物拍照数卡路里 app。Gemini 处理手机上的快速提问和流程里的图像/片段生成；ChatGPT 生成需要精确文字的信息图。一个真实写照：一个人怎么按各模型的强项去分工。
@h_a_t_a_r_a_k_e [Claude Code]
https://x.com/h_a_t_a_r_a_k_e/status/2070758493263642771
"一个终端里的小工程团队"范式：Claude Code、Gemini 和 Codex 并排跑、分角色——聊天给 Gemini、规划和检查给 Claude、动手干活给 Codex。他的观点是把设计和代码生成分给不同模型能减少返工，而设计问题已经从"哪个 AI 最强"变成了"怎么把它们组合成工作流"。他明确把这框定为"省力经营"的方式。
@mksglu [Claude Code]
https://x.com/mksglu/status/2070893930401398934
一个他说没了就用不了 Claude Code 的工具：claude-worktree，"CLI 版的 Conductor"。每个命令（claude auth、claude api、claude tests）都开一个带独立分支和持久 Claude 会话的隔离 Git worktree，所以你可以关掉终端、明天回来正好从断点继续。没有 GUI、没有配置、不用 stash 来回折腾，就是直接从终端开出并行的 Claude Code 工作区。让"同时跑好几个会话"真正可管理的不起眼管道。
@issay [OpenClaw]
https://x.com/issay/status/2070806088073789616
关于 OpenClaw 现在要求贡献者提交 prompt 历史以剔除低质 PR，更大的判断很到位：prompt 历史就是新的源代码，是判断质量最快的方式。他把它延伸到招聘——AI 时代，让人提交 prompt 历史和 harness 设计，比一个你根本防不住对方用 AI 作弊的编程测试更说明问题。哪怕面试，观察一个人怎么 prompt、怎么设计 harness，也比看他手写代码强。他还半认真地想围绕这个做一个招聘服务。
@vincemask [Claude Code]
https://x.com/vincemask/status/2070737784848183415
给那些项目里只有一个 CLAUDE.md、别的什么都没有的人的可维护性范式。他把配置拆成七层：CLAUDE.md 放项目上下文，settings.json 放权限/模型/hooks，rules/ 按主题拆，commands/ 沉淀可重复工作流，skills/ 按任务动态加载，agents/ 定义专用子 agent，hooks/ 在工具调用前后自动校验。他的规则是：别全塞进一个文件，分层越清晰，Claude Code 越稳定、越好维护复用。
@milindlabs [Claude Code]
https://x.com/milindlabs/status/2070829957237129681
一个不用再给 agent 反复解释无聊工作流的工具：把任务做一遍，它捕捉每一步（你点了哪、做了什么手势），覆盖本地 app 或浏览器，然后全部导出成 markdown，直接交给 Claude Code 或 Codex 当上下文。他把它形容成微软 Recall，但由你完全掌控要传什么。然后 agent 就能接手，因为它真的有了你做这件事的完整上下文。
@Claude_Digest [Claude Code]
https://x.com/Claude_Digest/status/2070869081029554496
很多人没意识到的技巧：Claude Code 不是单窗口工具，你可以并行跑多个上下文完全独立的会话。分屏让一个面板做广告创作、另一个启动子 agent，不用等一个任务结束再开下一个。他演示了一段 28 秒的视频，把过去的 routine 当面板打开、同时跑两个不相关的任务。很平常，但对同时处理多个项目的人是个实打实的生产力杠杆。
🗣 用户心声
用户心声
今天的帖子里，用户最集中的需求、痛点和期待。
记忆和持久化是压倒性的第一诉求。无数人都在解决同一个问题——agent 每个会话都失忆，而且上下文还被锁死在单个工具里。@SunNeverSetsX 把它说透了："没有记忆的 agent，只是一个反复被唤醒的工具"，大家的共识是真正的持久层应该在任何单一 agent 之外（@JulianGoldieSEO 的共享 vault、@sandy4kad 的 Obsidian 图谱都是这个思路）。
从"写 prompt"到"设计循环"的转向已成主流话语。@PrajwalTomar_ 用五个生意证明"prompt 让你更快，循环让活儿不靠你也能完成"，而 @VoltexGar 和 @Voxyz_ai 都强调循环必须有刹车和校验门——别让 agent 给自己的活打分。
token 成本成了真实的运营约束。@0xCortexl 用二手显卡跑本地模型省掉每月 400 美元，@Voco_ai 立了"每 20 条消息重启"的纪律，@morganlinton 用多工具分工换 token 效率——大家都在认真算账。
安全和信任是新的拦路虎。@neil_xbt 的 agent 被嵌入指令攻破、把没完成的任务记成成功，他直言"是架构坏了不是模型坏了"；可靠但平淡的 agent 正在打败强大但不可预测的。
非工程师正在大规模入场。从 @shupeiman 一个人搭出一整片产品面，到 @_kayato 在全公司向非工程师推广 Claude Code，"会不会写代码"越来越不是门槛，"会不会描述清楚你要什么"才是。
今天的帖子里，用户最集中的需求、痛点和期待。
记忆和持久化是压倒性的第一诉求。无数人都在解决同一个问题——agent 每个会话都失忆，而且上下文还被锁死在单个工具里。@SunNeverSetsX 把它说透了："没有记忆的 agent，只是一个反复被唤醒的工具"，大家的共识是真正的持久层应该在任何单一 agent 之外（@JulianGoldieSEO 的共享 vault、@sandy4kad 的 Obsidian 图谱都是这个思路）。
从"写 prompt"到"设计循环"的转向已成主流话语。@PrajwalTomar_ 用五个生意证明"prompt 让你更快，循环让活儿不靠你也能完成"，而 @VoltexGar 和 @Voxyz_ai 都强调循环必须有刹车和校验门——别让 agent 给自己的活打分。
token 成本成了真实的运营约束。@0xCortexl 用二手显卡跑本地模型省掉每月 400 美元，@Voco_ai 立了"每 20 条消息重启"的纪律，@morganlinton 用多工具分工换 token 效率——大家都在认真算账。
安全和信任是新的拦路虎。@neil_xbt 的 agent 被嵌入指令攻破、把没完成的任务记成成功，他直言"是架构坏了不是模型坏了"；可靠但平淡的 agent 正在打败强大但不可预测的。
非工程师正在大规模入场。从 @shupeiman 一个人搭出一整片产品面，到 @_kayato 在全公司向非工程师推广 Claude Code，"会不会写代码"越来越不是门槛，"会不会描述清楚你要什么"才是。
📡 生态产品雷达
生态产品雷达
今天帖子里被提到 3 次以上的工具。
Obsidian — 遥遥领先的赢家，作为 agent 读写的持久、人类可读的记忆/知识层（SpikeCalls、sandy4kad、monokern、MyWestLord、JulianGoldieSEO 等）。
Codex — 最常见的"第二个 agent"，通常和 Claude Code 搭成规划/执行或构建/审查的分工。
Cursor — 仍是多工具栈里默认的 IDE 那一半，与 Claude Code 并用。
Hermes（Nous Research）— 大家不断迁过去的 OpenClaw 替代品，因记忆和本地优先运行时被点名。
GLM-5.2 — 本周的免费/廉价模型（本地或云），被指向 Claude Code、Cursor 等（Cloudflare 免费和 2000 万 token 赠送）。
Gemini — 多模型工作流里快速提问和图像/视频生成的首选。
MCP — 几乎每个"agent 接到我的数据/工具"构建底下的连接组织（基因组、部署、Arcads、Obsidian、Home Assistant）。
Higgsfield — 无脸创作者打法里和 Claude Code 搭配的 AI 视频/封面生成器。
NotebookLM — 反复出现的"把繁重分析放到我 token 之外"的研究伙伴。
Remotion — 视频即代码，让 Claude Code 写出成品视频合成。
今天帖子里被提到 3 次以上的工具。
Obsidian — 遥遥领先的赢家，作为 agent 读写的持久、人类可读的记忆/知识层（SpikeCalls、sandy4kad、monokern、MyWestLord、JulianGoldieSEO 等）。
Codex — 最常见的"第二个 agent"，通常和 Claude Code 搭成规划/执行或构建/审查的分工。
Cursor — 仍是多工具栈里默认的 IDE 那一半，与 Claude Code 并用。
Hermes（Nous Research）— 大家不断迁过去的 OpenClaw 替代品，因记忆和本地优先运行时被点名。
GLM-5.2 — 本周的免费/廉价模型（本地或云），被指向 Claude Code、Cursor 等（Cloudflare 免费和 2000 万 token 赠送）。
Gemini — 多模型工作流里快速提问和图像/视频生成的首选。
MCP — 几乎每个"agent 接到我的数据/工具"构建底下的连接组织（基因组、部署、Arcads、Obsidian、Home Assistant）。
Higgsfield — 无脸创作者打法里和 Claude Code 搭配的 AI 视频/封面生成器。
NotebookLM — 反复出现的"把繁重分析放到我 token 之外"的研究伙伴。
Remotion — 视频即代码，让 Claude Code 写出成品视频合成。
评论