摘要： OpenAI Codex的"桌面宠物"功能看似娱乐化，实则巧妙解决了AI Agent时代的关键问题：让用户直观感知AI工作状态。这个会动的角色在不同任务阶段呈现不同动画（忙碌/待机/提示），成为天然的"状态监控器"，减少用户频繁切换窗口的焦虑。用户可通过自然语言自定义宠物形象和行为，社区还涌现出多个资源站点（如petdex.crafter.run），提供宠物画廊、配置模板和开发工具。这一设

如果你确实要接 DeepSeek，再使用 Moon Bridge 或类似 bridge 工具。建议新建一个测试项目，不要拿公司主项目直接试。API key 单独管理，配置文件不要提交到 Git。先跑通原生 Codex，再折腾多模型接入，这是我给新手最重要的建议。Codex + DeepSeek 这套组合，本质上不是一个“错误方案”，而是一个“高级玩法”。DeepSeek 的模型能力、价格、cont

Discussion 是论文中最考验作者学术判断的部分。它不是 Results 的复读机，也不是文献综述的压缩版，更不是简单写几句“具有重要意义”。把结果提升为机制解释。把发现放进文献对话。把反常结果转化为分析价值。把研究发现提炼为理论贡献和实践启示。把局限写成研究边界和未来方向。如果你总觉得 Discussion 写不深，可以直接用今天这 5 组中英文提示词，从自己的结果出发，一步一步打磨。好的

🚀 我做了一个小工具：LLMFetch一个面向本地大模型用户的终端工具，目标很简单：打开终端，就能快速知道这台机器适合跑什么模型。

摘要： OpenAI Codex的"桌面宠物"功能看似娱乐化，实则巧妙解决了AI Agent时代的关键问题：让用户直观感知AI工作状态。这个会动的角色在不同任务阶段呈现不同动画（忙碌/待机/提示），成为天然的"状态监控器"，减少用户频繁切换窗口的焦虑。用户可通过自然语言自定义宠物形象和行为，社区还涌现出多个资源站点（如petdex.crafter.run），提供宠物画廊、配置模板和开发工具。这一设

🚀 我做了一个小工具：LLMFetch一个面向本地大模型用户的终端工具，目标很简单：打开终端，就能快速知道这台机器适合跑什么模型。

Discussion 是论文中最考验作者学术判断的部分。它不是 Results 的复读机，也不是文献综述的压缩版，更不是简单写几句“具有重要意义”。把结果提升为机制解释。把发现放进文献对话。把反常结果转化为分析价值。把研究发现提炼为理论贡献和实践启示。把局限写成研究边界和未来方向。如果你总觉得 Discussion 写不深，可以直接用今天这 5 组中英文提示词，从自己的结果出发，一步一步打磨。好的

对比项普通论文总结核心目标读懂论文复用论文研究思路输出内容背景、方法、结果、结论研究问题、中心假设、方法主线、图表证据链、迁移规则使用方式一次性阅读生成 Skill 后反复调用是否适合换方向较弱强是否保留图表逻辑通常较少强调 Figure-by-Figure evidence chain是否关注方法迁移风险很少明确标出哪些能迁移、哪些不能迁移适合场景快速读文献学习文章套路、迁移课题设计、搭建论文框

摘要： OpenAI Codex的"桌面宠物"功能看似娱乐化，实则巧妙解决了AI Agent时代的关键问题：让用户直观感知AI工作状态。这个会动的角色在不同任务阶段呈现不同动画（忙碌/待机/提示），成为天然的"状态监控器"，减少用户频繁切换窗口的焦虑。用户可通过自然语言自定义宠物形象和行为，社区还涌现出多个资源站点（如petdex.crafter.run），提供宠物画廊、配置模板和开发工具。这一设

如果你确实要接 DeepSeek，再使用 Moon Bridge 或类似 bridge 工具。建议新建一个测试项目，不要拿公司主项目直接试。API key 单独管理，配置文件不要提交到 Git。先跑通原生 Codex，再折腾多模型接入，这是我给新手最重要的建议。Codex + DeepSeek 这套组合，本质上不是一个“错误方案”，而是一个“高级玩法”。DeepSeek 的模型能力、价格、cont