AI 软件目录与使用教程（文字版）
本页是 AI 软件目录的文字版本：按 11 个用途门类列出 62 个软件，并给出 4 组配套使用教程（共 22 条资源）。无需 JavaScript 即可完整阅读与跳转。
对话助手
ChatGPT
最广为人知的对话助手，把大模型带进大众视野。
OpenAI 的对话产品，2022 年末引爆了整轮 AI 浪潮。综合能力强、生态最全（插件、GPTs、语音、图像、代码执行都整合在内），是很多人接触 AI 的第一站。定位是「什么都能聊、多数场景够用」的通用助手。
当前主要型号：GPT-5.6 Sol（旗舰·复杂专业任务，自带推理）；GPT-5.6 Terra（均衡·智能与成本兼顾）；GPT-5.6 Luna（高性价比·高并发场景）
关联概念：llm
Claude
以长文本、写作质量和安全性见长的对话助手。
Anthropic 的对话助手，训练上用了 [[constitutional-ai]]（宪法 AI）。以长上下文处理、写作与推理质量、以及相对克制的安全风格著称，在编程和长文档任务上口碑很好。Artifacts 功能能把生成的代码/网页实时预览。
当前主要型号：Claude Fable 5（最强·面向长时运行 Agent，自适应思考常开）；Claude Opus 4.8（复杂 Agent 编程与企业级）；Claude Sonnet 5（速度与智能的最佳平衡）；Claude Haiku 4.5（最快·接近前沿的智能）
关联概念：constitutional-ai
Gemini
Google 的对话助手，原生多模态、深度绑定谷歌生态。
Google 的大模型助手，从设计上就是 [[multimodal]] 的，图文音视频统一处理。最大优势是和搜索、Gmail、Docs、安卓深度整合，超长上下文也是它的招牌。
当前主要型号：Gemini 3.1 Pro（旗舰·复杂推理与 Agent）；Gemini 3 Flash（快而省的主力）；Gemini 3.1 Flash-Lite（最省·高并发）
关联概念：multimodal
Perplexity
把对话和实时联网检索结合，回答带出处。
严格说它是「AI 搜索」，但用起来像带引用的对话助手。核心是 [[rag]]：每次回答都实时检索网络、并给出 [[citations]] 出处，主打「可核实」，见 §AI 搜索。
关联概念：rag
豆包 / 通义 / 文心等
国内主流对话助手，中文场景与本土生态更贴合。
字节豆包、阿里通义千问、百度文心一言等国产助手，在中文理解、本土应用整合、以及数据合规上更贴合国内需求，能力快速追近国际前沿。（同为国产旗舰的 [[deepseek]] 因开源与强推理已单列一张卡。）
关联概念：llm
DeepSeek
以开源和强推理著称的国产大模型，用低成本训练撼动了行业预期。
国产大模型的代表之一，因把 [[reasoning-models]] 能力开源、且训练成本远低于同行而引发广泛关注。通用对话之外，其 R 系列专攻长思考推理；权重开放让它成了本地部署（见 [[ollama]]）和二次开发的热门底座。它的意义不止于产品，更在于验证了「前沿能力未必要天价投入」。
当前主要型号：DeepSeek-V4-Pro（旗舰·可开思考模式）；DeepSeek-V4-Flash（快而省·可开思考模式）
关联概念：reasoning-models
Grok
xAI 的对话助手，深度接入 X（推特）的实时信息。
xAI 的大模型助手，最大特点是与 X 平台的实时数据打通，回答时事和舆论话题时信息更新更快。风格上走「少一些拘束」的路线，也自带文生图能力。
当前主要型号：Grok 4.5（旗舰·最强也最快）；Grok 4.3（前代·1M 超长上下文）；Grok Imagine（图像与视频生成）
关联概念：llm
Character.AI / Talkie / 星野
扮演角色的陪伴式对话，把 AI 从「工具」变成「聊天对象」。
和通用助手不同，这类产品让 [[llm]] 稳定扮演一个人设（角色、名人、虚拟伴侣），主打持续、有性格、有记忆的聊天陪伴。Character.AI 开创了这条赛道，Talkie、星野等紧随。它代表 AI 的另一种用法——不是完成任务，而是提供关系与情感价值，用户黏性极高，也带来未成年人保护等争议。
关联概念：llm
Le Chat / Mistral
欧洲开源权重大模型的代表，兼顾能力与开放。
法国 Mistral AI 的对话助手 Le Chat，背后是它一系列**开放权重**的模型（见 [[model-families]] 的开源一支）。定位是欧洲的独立前沿实验室，主打「能力够用 + 权重开放 + 数据合规」，是不想只依赖美国大厂、看重开源可自托管的用户和企业的选择。
当前主要型号：Mistral Large 3（旗舰·开源权重通用多模态）；Mistral Medium 3.5（均衡·Agent 与编程）；Mistral Small 4 / Ministral 3（轻量开源·可端侧）
关联概念：model-families
AI 搜索与研究
Perplexity
AI 搜索的代表：问一句，给一段带出处的综合答案。
把「搜索引擎给链接」变成「AI 给答案 + [[citations]] 出处」。底层是 [[rag]]，边搜边答。适合快速调研、事实核查——出处让你能一键核对，这正是它对纯生成的关键优势。
关联概念：citations
Elicit
面向学术论文的 AI 研究助手。
专攻科研文献：从海量论文里检索、提取结论、做对比表格。是 [[rag]] 在垂直领域（学术）的深度应用，帮研究者做系统综述、文献调研，比通用搜索精准。
关联概念：rag
NotebookLM
把你自己的资料变成一个能问答、能生成播客的知识库。
上传你的文档，它基于这些资料回答问题、附出处、甚至生成一段两人对谈的音频概览。是「私有资料 [[rag]]」的消费级产品化，主打「只根据我给的材料答」，减少 [[hallucination]]。
关联概念：rag
Deep Research（深度研究）
给一个课题，AI 自主多轮检索、交叉核对，产出一份带出处的长报告。
各家（ChatGPT、Gemini、Perplexity 等）都推出的「深度研究」模式：不是一问一答，而是像 [[agent]] 一样自己规划、反复 [[retrieval]] 搜几十个来源、交叉验证，最后生成一份结构化、带 [[citations]] 的调研报告。把「查资料写综述」这件耗时活自动化，是 AI 搜索从「快答」走向「深做」的方向。
关联概念：agent
AI 编程与 Agent
Cursor
最流行的 AI 代码编辑器，理解整个项目来改代码。
一个内置强大 AI 的代码编辑器（基于 VS Code）。能读懂整个仓库、跨文件改动、对话式重构。它是 [[coding-tools]] 的代表，把 [[code-generation]] 从「补全一行」推进到「理解项目级上下文」。
关联概念：coding-tools
GitHub Copilot
最早普及的 AI 编程助手，在编辑器里实时补全。
把 [[code-generation]] 带向大众的产品，在你打字时实时补全代码。从单行补全起步，如今也做到了对话、跨文件、Agent 模式。深度整合进 GitHub 和主流 IDE。
关联概念：code-generation
Claude Code
跑在终端里的编程 Agent，自己读、写、跑、改。
命令行里的编程 Agent：给一个任务，它自己读代码、[[planning]]、改多个文件、跑测试、看报错再改——[[agent-loop]] + [[code-execution]] 在编程场景的完整落地。适合仓库级的自主开发任务。
关联概念：agent-loop
v0 / Bolt / Lovable
一句话生成能跑的前端/全栈应用。
「文生应用」类工具：描述你要的界面或功能，直接生成可预览、可部署的前端甚至全栈代码。把 [[code-generation]] 推向「非程序员也能做出东西」，是 AI 编程门槛下移的代表。
关联概念：code-generation
Codex
OpenAI 的编程 Agent，终端与云端并发处理多个任务。
OpenAI 的 agentic 编程工具（复用了早年代码模型的招牌名）。给任务后它自己读仓库、[[planning]]、改代码、[[code-execution]] 跑测试，既能在终端里用，也能在云端并行推进多个任务。是 [[agent-loop]] 在编程场景的又一主力落地，和 [[claude-code]] 同属「终端/云端编程 Agent」这一档。
关联概念：agent-loop
Antigravity IDE
Google 的 agentic 开发平台，让 Agent 主导编辑器、终端和浏览器。
Google 推出的 agentic IDE：不再是「编辑器里加个补全」，而是让 AI Agent 作为主角，自主跨编辑器、终端、浏览器协作完成任务，人更多是审阅和把关。代表了 [[coding-tools]] 从「AI 辅助人」向「人监督 AI」的重心转移，背靠 Gemini 模型。
关联概念：coding-tools
opencode
开源、模型无关的终端编程 Agent。
跑在终端里的开源编程 Agent，定位类似 [[claude-code]]，但**不绑定某一家模型**——可自由接 Anthropic、OpenAI、开源本地模型等。[[agent-loop]] + [[code-execution]] 的开源实现，主打透明、可自托管、可换底座，是不想被单一厂商锁定的开发者的选择。
关联概念：agent-loop
Windsurf / Cline / Aider
一批 agentic 代码工具：编辑器、插件、纯命令行各占一路。
Windsurf（agentic 编辑器）、Cline（VS Code 里的自主编程插件）、Aider（纯命令行结对编程）等，和 [[cursor]]、[[codex]] 同属这波 [[coding-tools]] 浪潮，形态各异但内核都是 [[agent-loop]]：读懂仓库、跨文件改、跑测试再改。这条赛道产品极多、迭代极快，此处收其中有代表性的几个。
关联概念：coding-tools
Replit
浏览器里从零搭 App 的云端编程环境 + Agent。
老牌云端 IDE，如今核心是 Replit Agent：在浏览器里用自然语言描述需求，它自己 [[planning]]、写代码、装依赖、[[code-execution]] 跑起来、还能一键部署，全程不用配本地环境。和 [[v0]] 偏前端不同，它主打「从想法到能上线的完整 App」，是 [[agent-loop]] 在「零基础也能做产品」方向的代表。
关联概念：agent-loop
Manus / 通用 Agent
能自主完成多步任务的通用 Agent 产品。
面向「给个目标、它自己一路做完」的通用 [[agent]] 产品。会 [[planning]] 拆解任务、调工具、[[computer-use]] 操作界面。是自主 Agent 从概念走向消费级的尝试，能力边界仍在快速演进。
关联概念：agent
Dify / Coze / FastGPT
低代码搭建 AI 应用和 Agent 的平台。
可视化拖拽搭建 LLM 应用：把 [[rag]]、[[tool-calling]]、[[workflow-orchestration]] 编成流程，不用写太多代码就能上线一个客服/助手。是「让业务人员也能做 AI 应用」的编排平台。
n8n / Zapier
把 AI 接进自动化工作流，连通几百个应用。
自动化平台（本身不是 AI），但都加了 AI 节点：能把 LLM 调用嵌进「触发→处理→动作」的 [[workflow-orchestration]] 里，连通邮件、表格、数据库等几百个服务。适合把 AI 缝进现有业务流程。
Devin
主打「自主软件工程师」的编程 Agent。
Cognition 推出、以「AI 软件工程师」为卖点的自主 [[agent]]：给一个工单，它自己 [[planning]]、写代码、跑、调试、提交，目标是端到端接下整个开发任务。是把 [[agent-loop]] 推向「最少人工介入」的高调尝试，也把「Agent 到底能自主到什么程度」的讨论摆上了台面。
关联概念：agent-loop
AI 浏览器（Comet / Dia / Atlas）
把 Agent 装进浏览器，让它替你读网页、点按钮、跨站办事。
一类正在成形的产品：把 [[agent]] 和浏览器合一，AI 能看你当前页面、跨标签页总结、甚至替你 [[computer-use]] 式地点选填表办事。Perplexity 的 Comet、The Browser Company 的 Dia、OpenAI 的 ChatGPT Atlas 是代表。它把「AI 助手」从对话框搬进了你日常上网的地方，也放大了 [[prompt-injection]] 经由网页劫持 Agent 的风险。
关联概念：agent
图像生成
Midjourney
以画面质感和艺术性著称的图像生成器。
基于 [[diffusion]] 的文生图产品，以出图的美感、风格化和一致性见长，是艺术/设计圈用得最多的之一。主打「审美在线」，[[controllable-generation]] 的各种控制手段也在持续加强。
当前主要型号：V8.1（当前默认·2K 高清、文字渲染大幅改善）；V7（前代）
关联概念：diffusion
DALL·E / GPT 图像
整合进 ChatGPT 的图像生成，擅长理解复杂指令。
OpenAI 的 [[image-generation]]，最大优势是和对话打通——能在聊天里边聊边改图、理解长而复杂的描述。对「图里写文字」这类老大难也比同类更稳。
当前主要型号：GPT Image 2（当前旗舰图像模型）
关联概念：image-generation
Stable Diffusion / Flux
开源图像生成，可本地跑、可深度定制。
开源的 [[diffusion]] 模型（SD、Flux 系列），最大价值是**开放**：可本地部署、可微调（LoRA）、生态里有海量 [[controllable-generation]] 插件（ControlNet 等）。专业用户和开发者的首选。
Adobe Firefly / 国产文生图
深度整合进设计工具的图像生成与编辑。
Adobe Firefly（PS/Illustrator 内置）、以及即梦/可灵等国产工具，强在把生成和 [[image-editing]] 缝进专业工作流：生成填充、局部重绘、扩图，直接在设计软件里用。
关联概念：image-editing
Ideogram / Recraft
擅长「图里准确写字」和品牌设计的图像生成。
这两家的看家本领是解决文生图的老大难——**图中文字**：海报、logo、排版里的字能拼对、摆正。Recraft 还强在矢量输出和品牌风格一致性。是 [[image-generation]] 在「设计可用」方向上的细分代表。
关联概念：image-generation
Nano Banana / Imagen（Google）
Google 的图像生成与编辑，以对话式改图和一致性出圈。
Google 的图像模型（Imagen 系列，其原生图像编辑因「Nano Banana」之名爆火）。最大亮点是**对话式 [[image-editing]]**：用自然语言反复改同一张图、还能保持人物和场景一致，把「生成」推向「可反复精修」。和 [[dalle]] 同属「和对话打通的图像生成」，在角色一致性和局部编辑上口碑突出。
关联概念：image-editing
视频生成
Runway
面向创作者的 AI 视频生成与编辑套件。
较早做 AI 视频的公司，除了文生/图生视频，还有一整套 AI 编辑工具（抠像、运动笔刷、风格化）。定位专业创作者的工作流,不只是生成一段就完。
关联概念：video-generation
可灵 / 即梦 / Pika 等
国内外快速迭代的文生视频产品。
可灵（快手）、即梦（字节）、Pika、Runway 之外的一众产品，[[video-generation]] 这条赛道迭代极快、格局未定。国产在时长、运镜、口型上进步很猛，是「一年前结论就过时」的典型领域。
关联概念：video-generation
海螺 Hailuo（MiniMax）
MiniMax 的文生视频，以运镜和画面表现力著称。
MiniMax（稀宇科技）的 [[video-generation]] 产品，在镜头运动、画面质感上口碑很好，是国产文生视频第一梯队。MiniMax 本身是家多面手公司，除海螺外还做开源大模型、[[speech]] 与音乐生成、以及 Talkie/星野这类陪伴产品——这些次要线并入本卡，不另立。
关联概念：video-generation
Veo（Google）
Google 的旗舰文生视频，主打高保真与原生带声。
Google 的 [[video-generation]] 模型，画面质量和物理合理性处于第一梯队，并能直接生成带音效/对白的视频。深度整合进 Google 的创作工具链，是当前「文生视频天花板」的主要争夺者之一。
当前主要型号：Veo 3.1（当前旗舰·专业视频、原生带声）；Veo 3.1 Lite（更省的档位）
关联概念：video-generation
HeyGen / Synthesia
数字人视频：输入文字，生成真人形象口播。
专攻「数字人口播」：给一段文字，生成一个逼真虚拟形象把它说出来，还能换语言、克隆音色。企业培训、营销视频的高频工具，也伴随 [[content-detection]] 的深伪担忧。
关联概念：multimodal
音频·语音·音乐
ElevenLabs
最逼真的语音合成与音色克隆。
[[speech]] 合成（TTS）的标杆，语音自然度极高，几秒样本就能克隆音色，支持多语言。有声书、配音、语音助手的主力，也是「声音伪造」风险的代表。
当前主要型号：Eleven v3（当前默认·表现力最强）；Eleven Flash v2.5（低延迟档）
关联概念：speech
Suno / Udio
一句话生成整首带人声的音乐。
[[audio-generation]] 的爆款：给一句歌词或风格描述，生成完整的、带演唱的歌曲。把音乐创作门槛降到几乎为零，也把 AI 音乐的版权争议推到台前。
关联概念：audio-generation
Whisper
开源的高精度语音识别，多语言转文字。
OpenAI 开源的 [[speech]] 识别（STT）模型，多语言、抗噪能力强，是无数字幕、会议记录、语音输入产品背后的引擎。开源让它成了语音转文字的事实标准之一。
关联概念：speech
实时语音（GPT/Gemini 语音）
能实时对话、可打断的端到端语音助手。
OpenAI、Google 等的实时语音模式：不再是「录一句→转文字→再合成」的接力，而是端到端直接听声出声，延迟低到能自然打断、还能带情绪语气。把 [[speech]] 从「转录工具」推进到「能对话的声音」，是语音助手、实时口译、陪伴类应用的新底座。
关联概念：speech
写作与文本
Notion AI
嵌进笔记/文档里的写作与整理助手。
把 AI 缝进 Notion 的文档流：续写、改写、总结、翻译、从笔记生成结构。代表了「AI 不是单独一个产品，而是嵌进你已经在用的工具里」这个趋势。
关联概念：prompt-engineering
Grammarly
英文写作的语法、语气与改写助手。
老牌写作辅助，从语法检查进化到 AI 改写、语气调整、全文润色。强在「随处可用」——浏览器、邮件、文档里都能调，把写作辅助做成了随身工具。
关联概念：fine-tuning
Jasper / Copy.ai
面向营销的批量文案生成。
面向市场/营销团队的文案工具：批量生成广告语、产品描述、社媒帖子，带品牌语气模板。是 [[prompt-engineering]] 针对营销场景的产品化封装。
关联概念：prompt-engineering
DeepL
以翻译质量著称的专业翻译工具。
专攻机器翻译的产品，长期以译文自然、更懂语境著称，是很多人心里翻译质量的标杆（也有 DeepL Write 做润色）。翻译是 [[llm]] 兴起前就成熟的一类专门任务，DeepL 用专精模型把它做到极致；如今通用大模型也能翻译，但它在专业、批量、术语一致的场景仍是首选。
关联概念：llm
设计·创意·演示
Canva AI / Figma AI
把 AI 生成与编辑嵌进设计工具。
Canva 的 Magic Studio、Figma 的 AI 功能：文生图、扩图、去背景、一键改设计、从文字生成整套素材。让不会设计的人也能做出像样的图，[[image-editing]] 的消费级落地。
关联概念：image-editing
Gamma / 美图设计室等
一句话生成整套演示文稿/网页。
输入一个主题，自动生成排版好的 PPT、文档或网页，还能配图。把「做 PPT」这件苦差事自动化，是生成式 AI 在办公场景最受欢迎的应用之一。
关联概念：image-generation
生产力与办公
Microsoft 365 Copilot
嵌进 Office 全家桶的 AI 助手。
把 AI 缝进 Word/Excel/PPT/Outlook/Teams：基于你的公司文档和邮件（企业内 [[rag]]）帮你写、总结、分析、起草回复。企业级 AI 落地的代表，卖点是「在你的数据上工作」。
关联概念：rag
Otter / 通义听悟等
会议实时转录、总结、提取待办。
基于 [[speech]] 识别，实时把会议转成文字，再自动总结要点、提取待办和决定。把「开会记笔记」自动化，是高频且很实的一类工具。
关联概念：speech
Glean
企业内部的「万物搜索 + 工作助手」，横跨所有办公软件。
面向企业的 AI 工作助手：把公司散落在各处（邮件、文档、Slack、Jira、代码库…）的资料统一做企业内 [[rag]]，员工一处提问就能跨系统找答案、起草、总结。和 [[m365-copilot]] 绑定微软生态不同，它主打**厂商中立**、连通几乎所有 SaaS，是企业知识检索这一类的代表。
关联概念：rag
Shortwave / Superhuman（AI 邮件）
把 AI 缝进邮箱：自动分类、总结、起草回复。
AI 原生的邮件客户端：基于你的邮箱内容（个人 [[rag]]）自动归类、总结长邮件串、按你的语气起草回复、甚至顺手安排日程。把「处理收件箱」这件高频苦差自动化，是 AI 长进具体高频工作流的典型——不是又一个聊天框，而是长在你已经在用的工具里。
关联概念：rag
开发者基础设施
OpenAI / Anthropic / Gemini API
调用大模型能力的官方接口，一切 AI 应用的底座。
各家的模型 API，是几乎所有 AI 产品背后的能力来源。选哪家是 [[model-selection]] 和 [[model-families]] 的问题：看能力、成本、延迟、数据合规。开发者接入 AI 的第一站。
关联概念：model-families
Pinecone / Qdrant / Milvus
向量数据库，RAG 的存储与检索底座。
[[vector-db]] 概念的实现产品。存 [[embedding]]、做相似度检索，是搭 [[rag]] 应用的关键组件。数据量不大时其实 pgvector 就够——这也是它们的常见过度使用点。
关联概念：vector-db
LangChain / LlamaIndex
搭 RAG 和 Agent 的开发框架。
[[agent-frameworks]] 的代表，把 [[rag]]、[[tool-calling]]、[[agent-loop]] 封装成可复用的组件。争议在于抽象是否过重——很多人认为核心循环手写更清楚，见 [[agent-frameworks]]。
关联概念：agent-frameworks
LangSmith / Langfuse
LLM 应用的可观测性与评测平台。
[[observability]] 与 [[evaluation]] 概念的实现产品：记录每次调用的完整轨迹、token 成本、延迟，并支持搭建评测集。是 LLM 应用从 demo 走向生产绕不开的一环。
关联概念：observability
OpenRouter
一个接口聚合几百个模型，方便比价、切换、兜底。
把各家闭源/开源模型收进**同一个 API 后面**：开发者一处接入就能调几百个模型，按 [[model-selection]] 的维度（能力/价格/延迟）自由切换，还能配置失败时自动兜底到备用模型。是不想为每家 API 单独对接、又想灵活换模型的团队的常用底座。
关联概念：model-selection
Replicate / Fal
一行 API 跑各种开源模型，尤其图像/视频。
把海量开源模型（图像、视频、语音、LLM）托管成开箱即用的 API：开发者不用自己搞 GPU 和 [[deployment]]，按调用付费就能跑。和 [[llm-apis]]（大厂官方接口）互补——这里是**开源与长尾模型**的集散地，Fal 尤其主打图像/视频的低延迟推理。是给应用快速接入各种生成能力的常用底座。
关联概念：deployment
本地运行与开源
Ollama / LM Studio
一行命令在本地跑开源大模型。
让你在自己电脑上跑 Llama、Qwen、DeepSeek 等开源模型。靠 [[quantization]] 把大模型压到消费级硬件能跑。主打隐私（数据不出门）、离线、零 API 成本，是本地 [[deployment]] 的入口。
关联概念：deployment
Hugging Face
开源模型与数据集的最大聚集地。
AI 开源生态的中心：几十万个模型、数据集、以及 Transformers 库。要找、下载、微调、分享开源模型（见 [[model-families]] 的开放权重），几乎都从这里开始。被称为「AI 界的 GitHub」。
关联概念：model-families
ComfyUI / Automatic1111
本地图像生成的节点式工作流工具。
本地跑 [[diffusion]] 的强大界面：用节点连出复杂的生成流程，配合 [[controllable-generation]] 的各种插件（ControlNet、LoRA），是专业 AI 绘画玩家和工作室的主力工具。
llama.cpp / vLLM
跑开源模型的底层推理引擎，一个主打本地、一个主打高吞吐。
[[ollama]] 这类工具好用，但底下真正干活的是推理引擎：llama.cpp 让大模型靠 [[quantization]] 在个人电脑甚至手机上跑得动；vLLM 则是服务器端高吞吐服务的事实标准，用 KV 缓存等 [[inference-optimization]] 手段把并发拉满。是本地/自托管 [[deployment]] 的发动机层，[[ollama]] 等其实是它们的友好外壳。
使用教程
教程按软件分组，每条资源都指向原始发布位置。
Codex 使用教程
从安装、任务规划到扩展与真实项目验证
教程按平台分栏。Bilibili 组适合中文完整上手、替代模型和项目实战；YouTube 组补上 OpenAI 官方 CLI／IDE 基线、桌面端新功能、非技术业务流程、本地与云端执行选择，以及文件和表格自动化。每条资源都先还原完整操作与完成标志，再说明它相对同页其他视频真正独特的价值。
Codex 保姆级完整教程：从安装到 Skills 与 MCP
「尚学堂·百战程序员／编程大佬陈悠秀」用一个 codex-shop 电商项目贯穿 11 节，把 Codex 从安装讲到 MCP。前半是基础：装好并登录、认识对话/文件修改/命令执行/审批等模块、用计划模式（点加号 → 计划模式）先规划大改造（示范把 codex-shop 改成 Vue3）、用 Git 与分叉/worktree 保护代码；后半是长期记忆与扩展：用 AGENTS.md 和「设置→个性化→自定义指令」让规则跨对话生效，用插件（GitHub、Gmail，需 OAuth）配合自动化把「每周拉 Star Top10 发邮件」做成定时任务，用 / 触发官方/第三方/自建 Skill 产出 PDF·PPT·海报，用 MCP（设置→MCP 服务器 + config.toml 的 [mcp_servers.github] + GitHub 令牌）接上 GitHub 管 Issue/PR。下面把 11 个章节还原成 10 组可完成的操作。
Codex 从 0 到 1：Annotate / Fork / Archive / Plan / Plugin / Skill
马克用一个 HTML 记事本「马克笔记」从 0 迭代到 Electron 桌面版，串起 Codex 的进阶用法。建出首版后在网页预览上做 Annotate（把反馈绑定到具体界面元素）；进阶用 Fork 复制对话（Local 复用原目录、New Worktree 用 git worktree 开隔离目录，二者都只复制对话、不回滚代码，回滚要靠 git）、用 Archive 归档而非删除、用 AGENTS.md 让「每次自动 git commit」等规则跨对话生效、用 Plan mode 规划大改造、用 Side Chat 与 Steer 在任务运行中插话；扩展篇讲 Plugin（App 提供工具即 Action + Skill 提供说明，示范 Presentations 做 PPT、Chrome 抓 Product Hunt、Computer Use 操作日历）、自建 Skill、定时任务与 Codex Mobile 手机远程操控。
如何使用第三方模型驱动 Codex
视频演示不用 OpenAI 账号、改用国产模型（以 DeepSeek 为例，GLM/Kimi 同理）驱动 Codex。核心不是改 config.toml，而是借助第三方 GUI「CC Switch」新增 DeepSeek 配置，并开启它的「本地路由」在 Codex 的 Responses 协议与 DeepSeek 的 ChatCompletions 协议之间做双向格式转换——这一步才是让第三方模型真正能驱动 Codex（而不只是能聊天）的关键。最后固定/确认所用的具体模型（V4 Flash / V4 Pro）。
Codex 接入 Ollama、llama.cpp 本地大模型
零度解说用桌面版 Codex 演示两条本地模型路线，全程可离线、免 OpenAI 账号与 API key。主线走 Ollama：装最新版 Ollama（视频强调只有 0.24+ 才完全适配 Codex），按显存在 4B–40B 里拉取代码模型（编程首选 Qwen3.6 与 Gemma 4），再用一键命令 ollama launch codex-app 在弹出的模型选择器里选中本地模型。进阶走 llama.cpp：改 ~/.codex/config.toml 指向本地端点，用带 --jinja 的固定命令启动 llama-server，可加载 GGUF（含无审查版）模型。视频还给出一个高价值排错：Ollama 默认上下文过长会让 Codex 卡在重连死循环，必须调小。
Codex 从零开发 C++ / Qt 贪吃蛇
这是「工业软件开发训练营」里的实战演示：作者全程不写一行代码，只做需求整理与和 Codex 交互，做出一个 C++/Qt Widgets 的贪吃蛇。关键在动手前先把自己当产品经理写清需求与技术约束（Qt Widgets 不用 QML、CMake 管理、纯代码不使用 .ui 文件、src/bin 目录结构），再给一份编程规范模板约定命名等习惯；随后在 VS Code 里把需求发给 Codex，让它生成工程、本地用 CMake 构建并跑起来，再把「多余控制台窗口」「加注释」「设置软件图标」等问题逐个交回 Codex 修改重编。
Getting started with Codex
OpenAI 团队用 agents.md 开源站点贯穿完整上手：通过 npm 或 Homebrew 安装 CLI并登录，在仓库根目录启动会话；用 AGENTS.md 固化测试命令、代码约定和任务专属文档索引；配置 approval policy、workspace-write sandbox、通知和 web search；随后演示 CLI 与 IDE 中的文件引用、图片输入、TODO 实现、测试生成、代码审查和 Mermaid 文档。后半安装一个示例 MCP，并把 Context7 文档接入真实改动；最后用 codex exec 无头执行和输出 schema，把代码质量分析变成可由脚本消费的 JSON。
Codex - Full Course for Beginners
视频从桌面应用的安装、界面、模型和 reasoning 选择开始，解释项目、聊天、浏览器与终端面板。随后安装插件并演示计算机控制，强调屏幕出现控制高亮时 Agent 正在操作；编码主线用一个多人棋类应用说明项目文件、预览、命令、上下文 compact、Plan 与 Goal/循环模式。收尾覆盖 Git worktree 并行隔离、/review 检查未提交改动、AGENTS.md 跨会话规则和定时 Automation。
Full Codex Tutorial: Beginner to Advanced
教程把 Codex 当作本地文件与应用工作代理，而不是纯聊天工具。作者创建咖啡店项目，将销售、费用、员工和库存文件交给 Codex，先用 Plan 规划，再生成可在桌面和移动端查看的仪表盘并核对汇总。接着把反复调好的菜单/视觉流程封装为 Skill，创建定时运营报告 Automation，通过 Google Drive 等插件交付材料，并展示 Computer Use、手机远程触发、GitHub 与部署的连接关系。
Complete Beginner's Guide to OpenAI’s Codex App
作者从 Claude Code 用户视角拆解 Codex App 的执行模型：同一任务可在当前本地目录、云端环境或 Git worktree 中运行，三者在环境、并行性和文件冲突上不同。教程随后讲项目侧栏、快捷键、模型和 reasoning/fast 权衡，再把高质量提示整理成 Goal、Context、Constraints、Done when 四部分。进阶覆盖 AGENTS.md、Skills、MCP、子代理、并行任务、sandbox/hooks、自动化和代码审查，并以“不要让两个任务同时改同一文件”“只自动化已调好的流程”收尾。
Ultimate Guide To ChatGPT Codex for Everyday People
教程以日常文件工作为主：将票据图片放入项目文件夹，让 Codex提取商家、日期、金额和分类并生成 Excel 仪表盘；再把多份 PDF 发票抽成结构化表格；之后整理混乱文件夹、重命名和分类。作者解释 AGENTS.md 的长期项目说明与聊天内短期上下文，并展示插件连接外部应用、Skills复用演示文稿流程、Computer Use操作应用，以及每日简报等 Automation。视频同时明确指出计算机控制仍慢、消耗额度且需要谨慎授权。
Claude Code 使用教程
从官方最佳实践，到中文完整上手、Skills、MCP 与真实项目
本页不把 Claude Code 简化成“会写代码的聊天框”。10 条教程共同覆盖终端安装、权限模式、CLAUDE.md、上下文与会话、Git、Plan、Skills、Hooks、Subagents、MCP、IDE、网页/应用实战和非技术工作。每条资源都给出可复现步骤、完成标志、独特价值与风险边界。
Claude Code 保姆级教程：从安装到插件完整掌握
视频先完成 Claude Code 安装、登录与终端基本交互，再区分普通、Plan 和跳过权限检查等模式，演示 Bash、后台任务、回退、图片与 Figma MCP。中段集中处理会话恢复、上下文占用和压缩，并把项目约束沉淀到 CLAUDE.md。后段依次解释 Hook 的事件自动化、Skill 的按需工作流、Subagent 的隔离上下文和 Plugin 的打包分发，形成从一次任务到可复用 Agent 工程的完整地图。
手把手教你在 Claude Code 中熟练使用 Skill 技能
视频用近十分钟讲清 Skill 是包含 SKILL.md、可选参考资料、示例和脚本的能力目录，并与能同时打包 Skills、Hooks、Agents、MCP 等内容的 Plugin 区分。实操展示项目级与用户级目录、手动复制、命令行工具和插件三种安装路径；随后调用官方 Skill Creator 创建 Conventional Commits 技能，解释 description 自动匹配、手动斜杠触发、disable-model-invocation、allowed-tools、argument-hint 和 effort；最后用 /skills 与 /plugin 查看、停用和寻找技能。
全网最全！60 分钟全面掌握 Claude Code
教程先用 LLM loop 与本地 Harness 解释 Claude Code 为什么能读写文件和执行工具，再配置 IDE、安装 Claude Code 与模型。番茄钟项目贯穿 Plan、默认与自动编辑权限、依赖安装、文件引用、临时隔离问答和内置多 Agent。中段把 Git/GitHub 当作真正的版本后悔药，演示上下文占用、主动压缩、状态栏和 CLAUDE.md。后段按知识、流程、工具、混合四类讲 Skills，并继续覆盖 MCP、CLI、Subagent 等高级扩展，最后回顾完整闭环。
Claude Code 终极指南：基础、进阶与 AI Web 实战
视频以基础、进阶、实战三段组织内容：基础段安装 Claude Code、配置模型/供应方式、认识项目与权限；进阶段拆解 Plugins、内置 Tools、Hooks、Skills 和 Subagents 的职责与组合；实战段让 Claude 规划并生成一个 AI Web 应用，再通过运行、预览、反馈和修复完成闭环。重点不是一次提示生成代码，而是先给上下文和验收，允许 Agent 调工具，再用可观察结果迭代。
Claude Code + AE MCP：用 AI 自动生成表达式与自适应动画
视频先解释 MCP 是 Claude Code 与 After Effects 之间的桥梁，再准备 Claude Code、AE 与第三方 AE MCP 项目，通过项目脚本和 AE 内桥接面板建立连接。实操用自然语言生成太阳升起等场景、运动图形和表达式，并让 Claude 在 AE 中迭代；也展示不连接 MCP 时只生成表达式再手动复制的降级路径。最后处理嵌套属性等桥接限制，强调复杂效果仍需 AE 经验和人工预览。
Claude Code best practices | Code w/ Claude
Anthropic 工程师解释 Claude Code 不预先索引仓库，而用 Agent 搜索按需理解代码；建议用简短 CLAUDE.md 固化常用命令和风格。核心工作法是先探索和计划，再用 Todo 推进；用测试、截图、lint 和真实运行给 Agent 闭环反馈；复杂问题明确要求更深思考。视频还展示 IDE 集成、多个并行实例，以及把当前状态写进文件后交给新会话继续的长任务策略。
Mastering Claude Code in 30 minutes
官方团队从安装与启动讲起，让 Claude 对现有项目做代码库问答，并解释它如何通过 CLI 工具与 MCP 扩展行动能力。教程展示 CLAUDE.md 的层级与上下文用途、Esc 中断、历史回退、resume/continue 恢复会话、图片输入和 IDE 配合。重点是把 Claude Code 置于真实仓库，让它引用代码、运行命令和观察结果，而不是在无项目上下文的对话里生成孤立代码。
Claude Code - Full Tutorial for Beginners
视频依次完成环境与编辑器准备、Claude Code 安装和基础对话，解释常用命令、权限模式和快捷键；随后用 Plan 先审复杂改动，说明模型与成本选择，再把 Git 提交纳入工作流。后半用 CLAUDE.md 保存项目规则，演示 Tasks 拆分长工作，并把稳定流程沉淀成 Skills。整体适合作为从首次启动到可维护仓库工作的连续课程。
Claude Code Crash Course For Developers
课程先细讲 allow/ask/deny 权限规则，再进入一个已有项目，用 /init 生成 CLAUDE.md，查看上下文与会话日志。主项目先重构加密货币 CLI，再规划并添加收藏功能；之后创建项目级 Skill，把重复任务固定下来。最后注册 Playwright MCP 进行浏览器验证，并建立专门 code reviewer Subagent。超过一小时的长度让读者能看到真实改动、运行、失败和复核，而不只是功能清单。
Full Claude Code Tutorial for Non-Technical Beginners in 2026
视频用六个项目带非技术用户理解 Claude Code：小游戏和网站建立文件/预览/迭代基本循环；Chrome 扩展引入浏览器安装与权限；自动化项目连接 MCP/工具；带视觉/API 的卡路里应用练移动响应和外部服务；最后通过 GitHub 和部署交付。课程不断回到 Plan、上下文、CLAUDE.md、并行会话、Skills/Plugins 和安全审查，强调“能生成”不等于可以不验证。
n8n / Zapier 使用教程
从第一条经审核的视频资源建立可复现的上手路径
n8n 官方用一个聊天型 Agent 贯穿完整入门闭环：先区分“只根据输入生成输出”的 LLM 与“能围绕任务多步调用工具”的 Agent，并说明简单规则更适合确定性节点；随后从空白工作流添加 Chat Trigger、AI Agent 和 Chat Model，保存 API 凭据、选择模型并测试输入输出。后半重点解释 Prompt Source、System Message 的角色/风格/边界、用表达式注入当前时间，以及 Window Buffer Memory 如何按 session ID 带回历史消息。最后激活工作流、打开托管聊天页，并从 Executions 检查线上运行。
Building AI Agents: Chat Trigger, Memory, and System/User Messages Explained [Part 1]
n8n 官方用一个聊天型 Agent 贯穿完整入门闭环：先区分“只根据输入生成输出”的 LLM 与“能围绕任务多步调用工具”的 Agent，并说明简单规则更适合确定性节点；随后从空白工作流添加 Chat Trigger、AI Agent 和 Chat Model，保存 API 凭据、选择模型并测试输入输出。后半重点解释 Prompt Source、System Message 的角色/风格/边界、用表达式注入当前时间，以及 Window Buffer Memory 如何按 session ID 带回历史消息。最后激活工作流、打开托管聊天页，并从 Executions 检查线上运行。
ElevenLabs 使用教程
从第一条经审核的视频资源建立可复现的上手路径
教程先用短录音创建 Instant Voice Clone，再用较长且经过清理的单说话人素材创建 Professional Voice Clone，覆盖模型选择、录音质量、样本管理、说话人分离、同意确认、声音验证和生成测试。
How to Clone Your Voice with AI - Realistic AI Voice Clones
教程先用短录音创建 Instant Voice Clone，再用较长且经过清理的单说话人素材创建 Professional Voice Clone，覆盖模型选择、录音质量、样本管理、说话人分离、同意确认、声音验证和生成测试。