公众号文章 / ARTICLES
方法、判断与持续展开的思考 · 29 项内容
用AI写歌出图，别逼自己把需求说清楚，一个相亲节目给了答案
人人都教你用AI先把需求说清楚。可写一首歌、做一张图，你偏偏说不清。我想起多年前相亲节目上的一个女嘉宾，她把条件说得清清楚楚，却在台上站了很久。
obsidian你根本就用错了！连上agent变成一个自动化内容生产线
记了1000条笔记，990条都在吃灰？别再画那些双链星空图了。连上Agent之后，散乱的文件夹被自动归档，写文章自动出初稿，你的手甚至都不用碰键盘。obsidian从来不仅仅是一个记事本！
为什么你的AI味永远去不掉？扒透全网三大去味流派，我终于把刀下对了地方
市面上的去AI味方法多数都在自嗨。有的在玩查杀病毒的黑名单游戏，有的把文章改成了假笑客服，有的甚至越改越假。结合283万字实证与三大开源顶流，深度拆解为什么去AI味的核心从来不是换词润色，而是残酷的物理删除与减法剪枝。
AI还是不好用？那是因为从第一天你就被窗户纸挡住眼睛了
有人说豆包不好用、Kimi是玩具。他们说得对——在他们用的那个维度里，确实不好用。问题是他们不知道自己在哪个维度里。这层看不见的认知壁垒，纸很薄，一捅就破，但你不知道那里有纸。更麻烦的是，你告诉别人也没用。
做自媒体别再抽卡了，我用 Codex 和 Obsidian 搭了条流水线
点击蓝字，关注 船长 ![[50 Assets/公众号/260706 头图.png]] 本文约 2600 字，阅读约 8 分钟 在网页聊天框里让 AI 写视频脚本，最大的问题是没有积累。关掉窗口，大模型就失忆一…
Fable 5被禁，Opus 5挨骂，开源闭源新分界线
从DeepSeek的融资到Meta的退缩，再到中国酝酿的出口管制，开源和闭源这两个词正在被重新定义。
Codex被"下架"了？其实是OpenAI这次升级更大——GPT-5.6 ChatGPT Work 保姆级教程
独立的Codex软件没有了，融进了ChatGPT Work。用铁柱入职第一周的真实任务当证据，讲清楚这次升级真正变的不是入口变多了，是判断力被交还给了用户。
AI不是不懂你，是你从来没给过它认识你的机会
大家骂AI输出平庸，可你的经历、判断、踩过的坑，一个字都没让它读过，它拿什么懂你。
我把用AI的人分成五层，大多数人停在第一层
流沙、套壳、根系、经纬、共生，五层的定义，中间的三道坎，以及一套采集系统从最底层往上爬的全过程。
都在骂AI垃圾内容，我觉得骂错了对象
劣币驱逐良币的根在流量算法，不在AI。封了AI，劣币换个皮还会回来。
我做3天，他拍2分钟
1 我做3天，他拍2分钟 朋友发来一条视频，标题写着"Codex太强了"。 点开一看，手机怼脸拍的，一镜到底。画面灰，背景里衣服杂物堆了一沙发。博主说话带着口癖，全程大意就是"这个工具很强，可以写文章可以剪视频…
AI不会判断
AI写文章差的不是文笔，是判断力。它是一个脑子里装了全部知识的老学究，但什么叫好文章，只能人来定。
试了半年Claude和GPT-5，我摊牌了，都不好用
同一个AI模型，在网页端只会聊天，在桌面端能改文件，在IDE里能读整个仓库。模型的差距是马力，但决定你能不能到目的地的，是你有没有一副好马具。读完你会重新理解你和AI的关系。
你还在问 AI 问题，别人已经让它交付项目了
很多人用 AI，只是打开网页问问题。真正的差距，是有没有让 AI 进入文件、流程和项目，替你把事往前推。
手机远程操控电脑，折腾的时代结束了
三个月前用手机遥控电脑要搭代理接API调模型，一个周末才跑通。今天扫码说话就行。能力的门槛自己降下来了。
同一个模型，换个入口就像换了能力
大模型强不强，不能只看模型名。同一个模型在网页端聊天、在命令行里改文件、在 IDE 里读仓库、在 API 里接进产品，呈现出来的能力感可能完全不同。
AI不好用？先看你是不是还停在第一层
AI 的差别不只在模型，也在你把它用到了哪一层。
你用了这么久 AI，为什么还是自己最忙？
别只让 AI 陪你聊天。先看它能不能参与一件事。
GPT-5.5 Instant 网页版实测五场景，它不是更聪明了，是变低调了
五个真实场景测了一遍 GPT-5.5 Instant 网页版：逻辑推理、中文写作、办公整理、多模态生成、抗幻觉。它没有变聪明，它变低调了。
公众号配图别再抽卡了，我用 Codex 搭了一条流水线
我用林知夏游记做了一次实操：先在 Obsidian 整理正文和素材，再让 Codex 拆镜头、写提示词，最后交给 image2.0 批量出图。
五一第一天，我从杭州飞去成都见一个老朋友
五一第一天，早起、赶飞机、见朋友、去宽窄巷子吹风，在小巷茶馆坐到太阳偏西，再去玉林串串吃饭。
image2.0 林知夏项目，双公众号文章提纲
第一篇为林知夏第一人称五一成都游记，第二篇为 image2.0 测评和 Codex 工作流拆解。
Skill 写了总跑偏？先让 NotebookLM 理资料，再回 Claude Code 跑真任务
我把旧稿、删掉的标题、审校清单和失败输出一起喂给 NotebookLM，再回 Claude Code 跑真任务。Skill 真正有用的地方，不是把文件写满，而是把规则从失败里逼出来。
想要3句话，AI写出2000字。大模型越强，怎么反而越容易出错？
让Claude帮我整理笔记，它把整个知识库重构了。让它写个总结，它写成了学术论文。这不是AI不好，是它"太好"了。模型越强，越需要边界。