Posts

本文参考截至 2026-07-14 的公开资料（openai/codex 仓库 README 及 GitHub Releases 页面）。 结论先说 在 Windows 10 上安装 Codex CLI 只需要一行 PowerShell 命令。 升级也同样简单——重新运行安装命令即可覆盖旧版本。Codex CLI 目前最新稳定版是 v0.144.4，还支持 npm 全局安装和 GitHub Releases 二进制下载两种替代方式。 Codex CLI 是什么 Codex CLI 是 OpenAI 推出的本地编程 Agent，直接在你的终端里运行。它和 IDE 插件（VS Code / Cursor / Windsurf）、桌面 App、云端 Web 版（chatgpt.com/codex）是同一套产品矩阵的不同入口。截至 2026-07-14，GitHub 仓库已有 97.9k Star、14.6k Fork、超过 8,000 次提交，Apache-2.0 协议开源。 前提条件 在 Windows 10 上安装 Codex CLI 之前，确保： Windows 10 或更高版本 PowerShell 5.1+（Windows 10 自带）或 PowerShell 7 网络畅通：安装脚本需要从 chatgpt.com 下载，确保能正常访问 OpenAI 服务 Node.js（如果后续选择 npm 方式升级）：建议 18+ 安装：一行命令就够了 以管理员身份打开 PowerShell，执行： ...

在构建生产级 AI Agent 系统时，Skill、脚本和 MCP（Model Context Protocol）是三个核心概念。它们的职责边界常常被混淆——Skill 里能不能放脚本？数据库访问应该走 MCP 还是脚本？多用户场景下身份如何传递？本文梳理这三个层次的架构分工与推荐实践。 核心结论：Skill 负责编排，MCP 负责受控访问外部系统，脚本负责本地计算与转换，Agent Host 负责用户身份与权限上下文。 Skill 的结构 Skill 是告诉 Agent “如何完成某类任务“的知识单元。它的核心是 SKILL.md，包含触发条件、工作流、工具路由、前置条件、错误处理和完成标准。 最小可用结构只需要一个 SKILL.md： your-skill/ └── SKILL.md 生产级 Skill 可以采用更完整的结构： my-skill/ ├── SKILL.md # 入口、元数据、工作流与路由规则 ├── agents/ # Agent 相关元数据 ├── references/ # 业务规则、知识、规范 ├── assets/ # 图片、音频、字体等固定资源 ├── templates/ # 输出模板、工程模板 ├── scripts/ # 可执行脚本与自动化工具 ├── examples/ # 输入输出示例 ├── configs/ # 可配置参数 ├── tests/ # 回归测试与测试数据 └── output/ # 运行产物（通常不提交） scripts/ 目录支持多种语言——Python、Shell、JavaScript、Go 等——能否执行取决于 Agent 运行环境是否有对应的运行时和依赖，不由 Skill 规范强制限定。 ...

结论先说 OpenCode（opencode.ai）是一个开源的终端 AI 编码代理，支持 TUI、CLI、Web、IDE 扩展和 Zen 模式五种使用方式。它提供完整的斜杠命令系统、CLI 子命令和丰富的环境变量配置，覆盖从编码、会话管理到服务器部署的全流程。 本文基于 2026 年 7 月官方文档整理常用的斜杠命令、CLI 子命令、关键参数和环境变量。 TUI 斜杠命令 在 TUI 中输入 / 触发。共 17 个内置命令： 会话管理 命令 别名 快捷键 说明 /new /clear Ctrl+X N 开始新会话 /sessions /resume, /continue Ctrl+X L 列出/切换会话 /compact /summarize Ctrl+X C 压缩当前会话（自动摘要） /undo — Ctrl+X U 撤销最后一条消息 + 还原文件改动 /redo — Ctrl+X R 重做已撤销的消息 /init — Ctrl+X I 创建/更新 AGENTS.md 项目记忆文件 /exit /quit, /q Ctrl+X Q 退出 分享与导出 命令 别名 快捷键 说明 /share — Ctrl+X S 分享当前会话（生成分享链接） /unshare — — 取消分享 /export — Ctrl+X X 导出对话为 Markdown，用 $EDITOR 打开 模型与配置 命令 别名 快捷键 说明 /connect — Ctrl+X C 添加 LLM 提供商（交互选择 + 输入 API Key） /models — Ctrl+X M 列出所有可用模型 /themes — Ctrl+X T 列出可用主题 /thinking — — 切换推理块可见性 界面与辅助 命令 别名 快捷键 说明 /help — Ctrl+X H 显示帮助/命令面板 /details — Ctrl+X D 切换工具执行详情显示 /editor — Ctrl+X E 用 $EDITOR 编辑消息 TUI 消息输入技巧 输入 说明 @filename 引用文件内容到对话中（模糊匹配） !command 把 bash 命令输出注入为工具结果 /command args 执行内置或自定义斜杠命令 自定义命令 在 .opencode/commands/（项目级）或 ~/.config/opencode/commands/（全局）创建 Markdown 文件： ...

一、初始化与首次推送 将本地项目初始化并首次推送到远程仓库的标准流程： 1. 初始化与分支设置 git init 初始化本地 Git 仓库，在当前项目根目录下创建 .git 文件夹，让 Git 开始追踪版本历史。 git branch -M main 强制将当前分支重命名为 main。旧版本 Git 默认主分支叫 master，此命令确保符合现代规范。 2. 文件暂存与状态检查 git add . 将当前目录下所有修改和新文件添加到暂存区。. 代表当前目录下的所有文件。 git status 查看当前仓库状态：哪些文件被修改、哪些在暂存区、哪些未被追踪。提交前做最后确认。 3. 忽略文件验证（安全检查） git check-ignore -v appsettings.local.json 检查特定文件是否已被 .gitignore 规则正确忽略。防止敏感配置文件（如包含密码的 appsettings.local.json）或编译缓存（bin/obj）被错误上传到公开仓库。如果输出了具体的忽略规则行，说明该文件已被安全忽略。 4. 提交与远程推送 git commit -m "Initial commit" 提交暂存区的文件到本地仓库，-m 指定本次提交的备注信息。 git remote add origin https://... 关联远程代码仓库，将本地仓库与名为 origin 的远程服务器地址绑定。 git push -u origin main 将本地 main 分支推送到远程仓库 origin。-u 参数会建立本地分支与远程分支的追踪关系，之后只需 git push 或 git pull 即可。 ...

YouTube 频道「老周横眉」近期发布视频，讨论泰山风景区用约 135 公里刀片铁丝网围合的争议。视频从官方回应、生态保护、国内外对比，一路延伸到景区收费结构和同质化体验。本文依据视频转写内容，整理其核心论证结构与主要观点，便于快速阅读；细节与措辞仍以原视频为准。 争议从哪里来 视频开篇指出：被很多人称为「天下第一山」的泰山，近期被报道用滚筒式刀片铁丝网大范围围合。记者在距游客中心约一公里处看到裸露的铁丝网；出租车司机称其大致把泰山从东到西拦起来，目的是防止游客以非正常方式进入景区。 视频强调的冲击点在于规模与材质： 刀片铁丝网高度超过一人 铺设长度约 135 公里 花费约 2519 万元 在主讲人看来，这类设施更常见于边境、军事禁区或高安保监狱，而不是风景名胜。他因此把事件放进近几年中国景区「围起来收费」的连续叙事中：从壶口瀑布路边围墙，到稻城亚丁对省道的封闭式管理，背后都是同一句潜台词——「大好河山，是能免费看的吗？」 追问与官方解释 热议之后，视频描述了记者的追问路径： 市政府：不了解 文旅局：管不了景区 景区：长时间通话后只重复记录意见、感谢关心一类话术 随后，泰山风景名胜区管理委员会发布《致广大网友的一封信》，给出三个理由： 防火 保护生态 保障游客安全 视频对这三点逐条反驳。 防火？ 主讲人认为，用刀片铁丝网防火缺乏常识依据。森林火灾扑救强调「打早、打小、打了」，前几十分钟往往决定成败；隔离网反而可能阻碍消防员携带风水灭火机、水带、油锯等装备快速进入，切割铁丝网会耽误黄金救援时间。 保护生态？ 视频认为，135 公里隔离网短期可能缠绕、伤害野生动物；长期更会切断栖息地连通，阻碍动物到达水源、觅食地和繁殖地，削弱季节性迁徙，并增加近亲繁殖风险，降低遗传多样性。动物行动受限后，还可能过度啃食局部植被，带来水土流失等连锁问题。换句话说，它把「保护生态」解读为「恰恰破坏生态」。 保障游客安全？ 主讲人用反讽方式质疑：难道是担心老虎狮子误伤游客，才把整座山围起来？如果「怕出事」就能无限围合，那逻辑可以一路推到把黄河盖上盖子。 那封信是不是道歉信？ 视频特别强调：媒体和网友常把这封信称为「道歉信」，但他通读后没有看到「对不起」「致歉」「歉意」一类表述。信的主体是在说明围网「有正当理由」，结尾则是组织林业、消防、环保、文旅、法律等专家综合论证，优化措施，加强数字化、智能化、人性化管理等官僚表述。 主讲人的解读是：信没有承认错误，也没有明确承诺拆除；真正一句可核验的道歉，本可以非常直接——承认考虑不周，并给出拆除时间表。 真实目的：防逃票？ 排除防火与生态后，视频把刀片网的作用收敛为一点：防人，尤其是防不买票就想上山的人。 这不是只靠猜测。视频列出近年多起「自然景观被围墙挡住视线」的案例： 黄河壶口瀑布：国道边上本来可远眺的路段，2023 年左右修起约 2 米高围墙 云南罗平九龙瀑布群 香格里拉金沙江大拐弯 梅里雪山飞来寺观景台 这些项目大多在 2023 年前后集中出现，当时也上过热搜；官方常见回应同样是「保障人民安全」。视频说，味道和今天的泰山几乎同一配方。 谁在决定这些事 视频批评一种常见网络话术：「国家应该严查」。主讲人的论点是：要在国道边修围墙、在泰山拉刀片网，绝不是普通私营企业能自行决定的。 按他的梳理： 5A 景区管理委员会多属政府机构或政府直属事业单位 职责覆盖规划、安全管理、行政执法、门票政策，有时还兼有部分行政职能 经营层面可能成立文旅集团、旅游公司、景区股份公司等国企，负责酒店、游船、缆车、商业开发 实际控制人多数仍是地方国资或地方政府 《风景名胜区条例》等法规把国家级风景名胜区定位为国家重要自然与文化资源，管理权在政府手中 因此，施工可以承包给企业，但审批、管理和政策决定，最终仍在景区管委会与地方政府。视频用一句比喻收束：被狗咬了，别只骂狗，要看清狗主人是谁。 中国景区为什么越来越「坑」 主讲人把问题压缩成四个字：见钱眼开。 视频列举的收费与动线设计包括： 明明能开车进去的地方，强制换乘大巴 麦积山：游客中心设在约 10 公里外，先付约 45 元大巴、再换约 15 元电瓶车才到检票口；约 80 元门票只能看普通区域，精品洞窟另收约 120–180 元 青海湖：环湖围栏绵延数百公里，开车路过也难找到缺口 赛里木湖：一车环湖费用可接近千元量级 普陀山：来回门票约 260 元 黄果树：门票约 160 元，观光车约 50 元 很多自然景区出口必须经过超长商业街，逼迫二次消费 稻城亚丁：将近 38–40 公里省道被阶段性封闭，需缴纳约 120 元观光车费后才能进入 视频认为，国内游客评论区里已出现一个稳定判断：有条件更愿意出国旅行——机票贵，但整体性价比往往更高。 ...

本文参考截至 2026-07-08 的公开资料与市场讨论。资料显示，高善文于 2026 年 7 月 7 日因病去世，享年 55 岁。关于具体病情、治疗过程和追悼安排，公开信息仍存在不同转述，细节应以家属、机构或主流媒体后续正式信息为准。 评价高善文，最容易走向两个极端：一种把他神化成永远正确的预言者；另一种把他简化成“悲观”“唱衰”的市场声音。两种看法都不够准确。 更中立的判断是：高善文是中国宏观研究圈里少数兼具数据框架、现实触感和公共表达能力的经济学家。他的价值不在于每个判断都对，而在于他经常能把宏观总量背后的居民体感、资产负债表和收入预期问题讲出来。 一、他的辨识度：不是只看总量，而是追问体感 很多宏观分析容易停留在几个总量指标上：GDP、投资、消费、社融、工业增加值。这样的分析当然有意义，但它很容易把经济现实压缩成一条平滑曲线。 高善文的不同之处在于，他常常会追问总量背后的人群结构： 就业有没有跟上产出数据？ 居民收入预期有没有恢复？ 房地产价格下跌如何影响消费？ 年轻人、中年人、老年人的处境是否分化？ 价格、就业、企业营收、地方数据之间能不能互相印证？ 这种追问让他的宏观分析不只停留在“数字好不好看”，而是更接近普通人对经济冷暖的感受。 这也是他被不少读者认为“说人话”的原因。 二、他的核心价值：把统计数字和社会结构连起来 高善文最有价值的地方，是他不满足于用平均数和总量叙事解释经济。他更关心分布、预期和结构。 例如围绕房地产、就业、消费和收入预期，他经常把问题放到居民资产负债表中观察： 房价下跌会削弱家庭资产感受。 就业不稳定会压低年轻人的消费意愿。 房贷、教育、养老等压力会集中挤压中年人。 退休金相对稳定的老年群体，反而可能在某些消费场景中更活跃。 企业利润、居民收入和地方财政之间的传导并不总是顺畅。 这种框架的好处是，它能解释一个常见矛盾：宏观数据看上去还在增长，但很多个体的体感并不好。 经济分析如果不能解释这种裂缝，就很容易变成纸面研究。 三、他的研究风格：偏实证，也偏交叉验证 高善文不是单纯靠情绪表达获得影响力的人。他的很多判断，会尝试用多组数据互相印证。 常见路径包括： 用上市公司数据观察行业分化。 用省级面板数据观察地区差异。 用就业、社保、消费、房价和价格指标交叉验证。 用国际房地产泡沫后的历史经验作参照。 用市场价格和政策变化观察预期修复。 这种研究方式的优点，是不会被单一指标牵着走。 但它也有局限：当基础数据口径、样本选择、统计质量或推断链条存在问题时，结论也可能被放大。尤其是通过就业、物价、行业数据去反推真实经济增速，这种方法有启发性，但它不是官方核算意义上的直接测量。 所以，对他的观点，更合适的态度不是“他说了就一定对”，而是把它当作一套值得认真对照的数据解释框架。 四、他为什么容易引发传播 高善文的表达很有穿透力。 他关于年轻人、中年人、老年人处境的描述，在近两年的公开讨论中被大量引用。原因不只是句子锋利，而是它击中了很多人的真实感受：年轻人的收入预期下修，中年人的债务和责任压力累积，老年人的稳定现金流在某些场景里反而更有消费韧性。 这种表达能力，是他的优势。 但优势也会带来风险。 一旦复杂报告被传播成一句金句，原本的图表、口径、因果链条和限制条件就会消失。最后剩下的，可能只是情绪标签。 这对评价高善文并不公平，也对理解现实没有帮助。 五、他不是简单的“唱衰派” 把高善文归类成“唱衰派”，我认为并不准确。 他更像是一个现实主义宏观研究者：熟悉政策逻辑，也理解市场语言，但不愿意把居民部门和企业部门的真实压力轻描淡写。 他的分析里有悲观成分，但不是纯粹的情绪悲观。他强调的往往是： 问题需要被正视。 房地产后泡沫阶段恢复需要时间。 居民预期修复比总量刺激更难。 政策转向可能改善市场预期。 但不能期待所有问题短期内 V 型反转。 这类判断不讨喜，但对理解经济周期有价值。 真正的问题不是“乐观”还是“悲观”，而是判断是否解释得了现实。 六、他的局限：锋利表达会遮蔽严谨边界 高善文的不足也很明显。 第一，他的表达太锋利，容易被断章取义。 越有传播力的判断，越容易脱离原始语境。很多人引用他的句子，并不是为了理解他的分析，而是为了服务自己的立场。 第二，一些宏观推断有争议空间。 ...

谈社会生活里的数字，尤其是收入、财富、房价、消费、工时、存款这类问题，只讲平均值经常是一种障眼法。它不一定是数学上错了，但很容易在表达上误导人。 因为普通人真正关心的通常不是“总量除以人数是多少”，而是“我大概处在什么位置”“多数人的生活状态是什么样”。这个问题，平均值回答得很差，中位数回答得更直接。 平均值问的是总盘子，中位数问的是普通人在哪 平均值的计算很简单：把所有数加起来，再除以人数。 中位数则是把所有数从小到大排列后，位于正中间的那个数。如果人数是偶数，就取中间两个数的平均。 两者回答的问题不一样： 平均值：总体资源平均分摊后是多少。 中位数：一半人低于这个数，一半人高于这个数。 所以在社会生活里，中位数天然更接近“普通人”的体感。 一个极端值就能把平均值拉歪 看一组收入数据： 3000, 3500, 4000, 4500, 5000, 5500, 6000, 6500, 7000, 1000000 这 10 个人里，前 9 个人的收入都在 3000 到 7000 之间，最后 1 个人收入是 1000000。 计算结果是： 平均值：104500 中位数：5250 平均值高达 104500，但这显然不能代表这组人里大多数人的生活状态。中位数 5250 反而更接近普通人的位置。 这就是平均值在高度不均匀分布里最典型的问题：它对极端值非常敏感。 社会议题里的分布，往往不是“围绕一个中心上下浮动” 很多社会指标并不是正态分布，不是大家围绕一个中心点上下小幅波动，而是明显偏斜： 收入：少数高收入者会拉高平均值。 财富：头部集中度通常比收入更高。 房产：大城市资产和多套房家庭会显著抬高平均口径。 消费：少数高消费人群会抬高整体消费水平。 工资：高管、明星岗位、销售冠军、核心技术岗位会拉高公司或行业平均薪资。 存款：少数高净值家庭会让“人均存款”看起来很漂亮。 在这些场景里，平均值不是不能看，而是不能单独看。只讲平均值，不讲中位数和分位数，基本就是把头部人群的状态包装成整体状态。 中位数也不是万能的 不过，中位数也不能被神化。它能告诉你“中间那个人在哪”，但它不能完整描述分布结构。 看两组数据： A：4000, 4500, 5000, 5500, 6000 B：1000, 2000, 5000, 20000, 100000 两组的中位数都是 5000。 但它们的社会含义完全不同： A 组平均值：5000 A 组中位数：5000 B 组平均值：25600 B 组中位数：5000 A 组比较均匀，B 组差距非常大。只看中位数，会看不出 B 组内部的撕裂程度。 ...

很多人用 AI 读 PDF，第一反应是直接上传、总结、提炼重点。这个动作看起来省事，但在真实 PDF 上经常会翻车：页眉页脚、页码、双栏排版、表格碎片、目录、脚注、版权声明、断词和换行都会混进上下文。 结果是，AI 看似读了很多内容，实际先吃了一大堆排版噪声。噪声也占 token。总结之所以“字很多但重点不准”，很多时候不是模型完全不会读，而是输入材料本身太脏。 更稳的做法是：先把 PDF 转成 Markdown，再把更干净的文本交给 AI。 MarkItDown 是什么 MarkItDown 是微软开源的 Python 工具，目标是把各种文件转换成 Markdown，方便后续交给 LLM 使用。 它支持的不只是 PDF。常见的 Word、PPT、Excel、HTML、CSV、JSON 等，也可以按依赖组合处理。这里先聚焦一个最小闭环： PDF -> Markdown -> AI 总结 / 提问 / 改写 / 提炼 项目地址：https://github.com/microsoft/markitdown 适合什么场景 MarkItDown 特别适合这些场景： 你有一份 PDF 报告，想让 AI 总结。 你有一批论文，想先提取可读文本。 你有产品手册、合同、白皮书，不想让 AI 被排版干扰。 你想把资料沉淀进 Obsidian、Notion 或知识库。 你想减少 token 浪费，让 AI 尽量只读正文。 但它不是万能 OCR。如果 PDF 是扫描件，里面本质上是一张张图片，普通转换可能提不出多少文字。这种情况要先走 OCR。 一句话判断： 可复制文字的 PDF：MarkItDown 很适合。 纯扫描图片 PDF：先考虑 OCR，再进入 Markdown 工作流。 第一步：准备 Python 环境 MarkItDown 需要 Python 3.10 或更高版本。 ...

Anthropic Academy 上线的《Introduction to Model Context Protocol》课程，把 MCP 讲成了一个非常工程化的问题：不是“给模型加几个工具”这么简单，而是把 AI 应用、外部服务、上下文数据和常用工作流之间的连接方式标准化。 这门课的核心价值，不在于介绍一个新名词，而在于帮开发者建立一个判断框架：什么时候应该让模型主动调用工具，什么时候应该由应用选择上下文，什么时候应该把高质量提示词做成可复用入口。 课程在讲什么 这门课程面向想要创建 MCP server 的开发者，重点是用 Python SDK 从零构建 MCP server 和 MCP client。课程说明里强调，它会覆盖 MCP 的三个核心 primitives： tools：让模型能够调用外部能力，例如查询数据库、调用 API、执行计算或修改文档。 resources：向客户端暴露只读上下文，例如文件、数据库 schema、业务对象或应用内资料。 prompts：把常用、高质量、结构化的提示模板暴露给用户或客户端，用于固定工作流。 课程还会讲 MCP 的架构、传输无关的通信方式、client 与 server 之间的消息类型，以及从用户请求、MCP client、外部服务再回到 Claude 的完整 request-response flow。 换句话说，这不是一门“如何写 Claude prompt”的课，而是一门“如何把 Claude 接入真实系统”的课。 MCP 的关键变化：把集成负担从主应用拆出去 传统 AI 应用要连接外部系统，通常会在主应用里写大量集成代码：一个 API 写一套 schema，一个工具写一套调用逻辑，一个数据源再写一套上下文注入方式。系统越大，主应用越容易变成一坨集成胶水。 MCP 的思路是把这些能力封装到独立的 MCP server 里。主应用只需要作为 MCP client，按协议发现能力、读取上下文、调用工具。具体某个工具怎么定义、怎么执行、怎么和外部服务交互，则交给对应的 MCP server。 这带来两个工程收益： 解耦：AI 应用不必为每个外部系统写专用集成。 复用：同一个 MCP server 可以被多个支持 MCP 的客户端使用。 所以，MCP 更像是 AI 应用的连接层，而不是某个模型厂商的单点功能。 ...

很多人用 Claude Code 的时候，第一反应是把提示词写得更长：背景说清楚一点，要求写细一点，约束加多一点。 但真正用到工程项目里，你会发现问题往往不只是提示词不够好，而是整个会话缺少控制。 比如： 上下文越来越乱，模型开始跑偏。 还没想清楚就直接改代码。 改完以后不知道动了哪些文件。 想切模型但不知道入口。 权限弹来弹去。 旧会话想恢复却找不到。 这些问题，不一定靠更长的 prompt 解决。更实际的办法，是先学会 Claude Code 自带的斜杠命令。 本文整理自 @yunxi0623 的一条 X 动态，并结合工程使用场景做了中文化梳理。原始链接：https://x.com/yunxi0623/status/2073008297612091854 斜杠命令不是魔法，而是控制台 斜杠命令就是在 Claude Code 输入框开头输入 /，例如： /help /init /plan /diff 它们不是让模型突然变聪明的魔法，而是把 Claude Code 从一个聊天助手，变成一个更可控的工程工具。 换句话说，提示词解决的是“你想让模型做什么”；斜杠命令解决的是“这个工程会话应该怎么被管理”。 对于真实项目，这个区别很重要。 新手先掌握这十个命令 如果你刚开始用 Claude Code，不需要一口气记住所有命令。先掌握下面十个，就足够把日常开发流程稳住。 1. /init：给项目建立规则 进入一个新项目后，建议先运行： /init 它会让 Claude Code 初始化项目上下文，生成或维护 CLAUDE.md。 这个文件很重要。它相当于项目里的工程规则说明书，可以写清楚： 项目技术栈是什么。 哪些目录不能随便动。 测试命令怎么跑。 构建命令怎么跑。 提交前要检查什么。 老项目里有哪些历史坑。 没有 CLAUDE.md，Claude Code 每次都要重新猜项目规则；有了它，Claude Code 才更像一个长期参与项目的工程搭档。 2. /plan：大改动前先规划 遇到大改动，不要直接让 Claude Code 上手改代码。先用： ...