A
AI Coding
拆任务、控上下文、控模型、控 token。核心不是让模型多写，而是让模型少走弯路。
01 / Signal Map
本周高价值主题
群聊里的有效信息不是平均分布的。本周最值得沉淀的是 AI Coding 与 Agent 工作流，而不是单纯工具新闻。
C
Codex / Claude
Codex 更适合复杂工程，Claude 在写作、前端创意和设计辅助上仍然很强。
W
工作流自动化
扣子、n8n、MCP、ERP Agent、报销流程，讨论重点转向业务流程落地。
P
提示词资产
本周出现了 Codex 复盘、GPT PPT、子代理角色设计三类可复用模板。
R
资源索引
代码图谱、去 AI 味、提示词反推、AI PPT、Codex 教程都值得存档。
02 / Prompt Assets
可复用提示词
这些不是“随口一问”，而是可以反复放进工作流里的提示词资产。
Codex 经验复盘
让 Codex 读取历史对话与执行日志，沉淀个人偏好、踩坑记录和可复用规则。
阅读并检索我们所有的 Codex 对话记录与执行日志，进行系统性复盘，提炼出可复用的经验文档。 文档需要涵盖以下内容： 一、执行经验总结：记录哪些做法导致了问题、最终正确的执行方式是什么，以及从中得出的教训。 二、我的偏好与理念提炼：从对话中识别并归纳我的 UI 设计偏好、产品设计理念、交互原则等，形成结构化的个人风格档案。 三、可复用规则清单：将上述内容整理为 Codex 未来可直接遵循的行为准则。 完成文档后，将其保存为独立文件，并在 .agent 配置中以地址引用的方式加载该文档，使后续所有 Codex 会话默认继承这些经验，无需重复说明。
GPT PowerPoint 生成
通过 ChatGPT PowerPoint 插件生成可编辑 PPT，并调用 image 2 生成配图。
帮我做一个新疆北疆10日游的PPT，调用image 2的画图功能，要涵盖十个北疆著名景点，不要全是网红地点，要发掘小众景点。风格要符合旅行PPT调性，图文并茂，美观大气，杂志排版风格，每页都要有image2来画对应景点图插入。
多 Agent 角色设计
固定 6 个子代理的名字、职责边界和验收标准，让并行开发不再靠临场发挥。
请为我的多 Agent 开发工作流设计 6 个固定子代理。 要求： 1. 每个子代理有固定名字、职责边界、适用任务、禁止事项。 2. 覆盖：需求拆解、代码实现、测试验证、代码审查、文档沉淀、DevOps/集成。 3. 明确哪些任务适合并行，哪些任务必须串行。 4. 每个子代理都要有输入格式、输出格式、验收标准。 5. 名字要好读，男女名字都有，文化背景多元。 6. 最后给出一份可直接写入配置文件的结构化 JSON/YAML。
任务分类器
把一堆想法先分成 AFK、HITL、依赖型和并行型任务，再决定是否交给 Agent。
请把下面这些想法分类为： 1. 可以 AFK 自动完成的任务。 2. 必须 HITL 等人判断的任务。 3. 依赖其他任务完成后才能开始的任务。 4. 适合并行开发的任务。 对每个任务给出：建议执行 Agent、输入材料、输出物、验收标准、风险点。
03 / Agent Operating System
多 Agent 编排方法
本周最强共识：不要把巨大任务塞给一个模型。把任务拆小，把上下文切干净，把主会话降级为调度中枢。
1
上下文不足时拆任务
例如检查 20 个后台 API，不要让一个 Agent 全吃。每 2 个接口一个子代理，一个负责 explore，一个负责质量改写，主会话只做跟踪和收尾。
2
三种协作模式
小任务用主会话；中等任务用主会话 + 子代理；复杂系统才考虑 Agent Team。省 token、省时间、质量是不可能三角。
3
AFK 与 HITL
AFK 任务能从开始跑到 PR 落地；HITL 任务必须等人判断方向。先分类，再自动化。
| 模式 | 特点 | 成本 | 适用场景 |
|---|---|---|---|
| 主会话单 Agent | 上下文集中，沟通简单 | 最省 token | 小任务、简单修改、明确问题 |
| 主会话 + 子代理 | 主会话与子代理一对一通信，子代理之间不互通 | 中等 | 并行排查、分模块实现、接口审查 |
| Agent Team | Agent 之间可以通信，每次上下文更独立 | 最高 | 复杂项目、多人协作式任务、架构级拆解 |
04 / Engineering Loop
工程流沉淀
AI 提速不是“多生成几行代码”，而是把需求、开发、测试、合并变成可循环系统。
G
PRD 拆包到 GitHub Issue
- PRD 由大模型拆成单一开发包。
- 开发包发布到 GitHub issue。
- Skill 让 Agent 批量拉取开发包。
- LLM 判断依赖，自己开发、测试、提交 PR。
- 测试绿灯后合并，最后关闭 issue。
P
支付 / Webhook 联调经验
- 准备固定 review 分支。
- 代码推上去后自动创建测试域名。
- 测试环境变量与生产支付回调隔离。
- 本地开发可用隧道工具，让回调访问本地环境。
05 / Resource Index
工具与资料链接
把群里的散落链接变成索引。后续要学习、复盘、迁移平台时，可以从这里开挖。
06 / Model Notes
模型选择经验
群里没有给出绝对答案，但可以沉淀出按场景选模型的倾向。
| 场景 | 倾向选择 | 备注 |
|---|---|---|
| 复杂后端代码 | Codex / 强推理模型 | 更严谨，但仍要 review。 |
| 写作、文字、创意 | Claude Code / Claude | 群里认为写作类 Claude 更强。 |
| 简单文字整理 | DeepSeek / 低成本模型 | 成本低，适合高频轻任务。 |
| 前端 UI | 参考图 / Figma / 多方案筛选 | 不能只靠一句“帮我做个界面”。 |
| Debug / Troubleshooting | 高推理档位 | 普通编码可以中等推理，排障建议更高。 |
07 / Guardrails
风险提醒
有些路看起来很酷，但成本、风控和稳定性会反噬。这里保留群里几个值得警惕的经验。
!
不要让 Agent 控制微信
群里出现过让 Codex 发微信后微信退出登录的案例。不要做微信进程控制、自动发消息、批量操作。
C
Computer Use 不一定划算
模拟 UI 很耗额度，很多场景还不如自己点。适合流程固定、重复性强、人工成本高的任务。
R
AI Coding 不能完全不看
方向错了要敢点 Stop；有 Git 才能放心中断；大型代码库要补代码图谱和 review。
Final Insight
差距不在工具收藏，而在工作流设计。
本周风林AI交流群真正沉淀出来的共识是：AI 学习的重点已经不是“会不会问一句 prompt”，而是会不会把任务拆成可执行流程、会不会管理上下文和 token、会不会把 Agent 当成一组可协作的角色来编排。