刷到「阿森编程日记（AI自动化）」这条视频，标题很直白——《Codex 只需要这 5 个 Skill，就能变成你的 AI 开发队友！》。108 秒，还是这个号一贯的打法：没有真人出镜，全程「场景背景 + 分层字幕 + 图标」的信息流，一个 Skill 一段，节奏紧到几乎没有喘气的地方。

但真正把我按住的是它开头那句话：「很多人用 AI 编程最大的问题，不是它不会写，而是它每次都像第一次见你的项目。」 这一句，几乎是所有人用 AI 写代码时那种说不清的憋屈感的精确翻译——它写得挺快，但你得反复交代背景、反复纠正它乱改、反复提醒它别用过时的 API。视频给的答案不是「换个更强的模型」，而是给它配 5 个 Skill，把一个「代码助手」补成一个「开发队友」。

一句话定性：这是一条「能力栈」型科普——它不比模型参数，而是把「一个 AI 要成为靠谱队友，到底缺哪几块」拆成五维（记忆 / 验证 / 拆解 / 调研 / 文档），每一维配一个具体工具。它真正传递的心智是：基础模型强 ≠ 开发队友，配置组合才是。 光有聪明的脑子不够，得让它记住你、能自己验、会拆活、查得到资料、还不过时。

这也是「阿森编程日记」系列深扒的第 3 条。前两条我都拆过：一条讲 Codex 和 Claude Code 到底怎么分工（岗位 × 工序），一条讲 ClaudeCode 配 Codex 的 6 种接线方式（怎么让两个工具自动配合）。这个号在系统性地铺一条「AI 编程工作流」的方法论拼图——分工、接线、Skill、CLAUDE.md、MCP 一块块拼。这一条补的是「能力包」这块：分工定了谁干什么、接线定了怎么调用，而 Skill 定的是每个脑子手里到底该攥着哪几样家伙。

先看它到底讲了什么

视频给 Codex 配了 5 个 Skill，逐个来（名字以画面字幕为准，逐字稿有几处转写含糊，我核对过）。

① Codebase Memory —— 解决「长期项目记忆」。 这是全片的题眼。痛点原话：AI 每次都像第一次见你的项目。Codebase Memory 让 Codex 记住项目背景、技术栈、关键约定、你之前做过的决策。配上之后，你再让它改代码，它不是一个每天换人的临时工，而更像一个熟悉项目的长期队友。——注意，这一维解决的不是「聪明不聪明」，而是「连不连续」。

② Playwright —— 解决「代码没人验」。 痛点：以前你让 AI 写完页面，还得自己打开浏览器、点按钮、看报错、截图反馈。Playwright 让 Codex 直接控制浏览器——跑页面、点交互、检查元素、复现 Bug，甚至做端到端测试。一句话：让它不只会写代码，还能自己去浏览器里验证代码写对没有。这是从「交作业」到「交一个能跑通的结果」的分水岭。

③ Task Master AI —— 解决「复杂需求一上来就乱」。 痛点：很多项目不是写不出来，而是你丢给 Codex 一个大需求，它直接开写，结果越改越散。Task Master AI 先帮你拆步骤、排优先级、生成任务列表，再一步步执行，特别适合做新功能、重构、长期项目，尤其能减少 AI 乱改的概率。它管的是「动手之前先想清楚顺序」。

④ Firecrawl —— 解决「调研靠瞎猜」。 （逐字稿这段转写成了「l 可以把网页内容结构化抓下来」，名字糊了；画面字幕明确是 Firecrawl。）痛点：你要分析竞品页面、抓取文档、整理网页内容，或让 Codex 先读一批资料再写方案。Firecrawl 把网页内容结构化抓下来，让 AI 不是凭感觉回答，而是基于真实资料做判断。做产品调研、技术选型、内容分析时非常实用。

⑤ Context7 —— 解决「拿旧 API 硬写」。 痛点：AI 最容易翻车的地方，就是拿旧版本 API 硬写。Context7 把最新官方文档拉进上下文，让 Codex 按当前版本的写法来，尤其在 Next.js、React、Tailwind、Stripe 这类更新快的工具上少踩很多坑。它管的是「别用过时的知识写现在的代码」。

为什么偏偏是这 5 个：一张「五维能力栈」

视频没明说，但把 5 个 Skill 摊开，是一个非常干净的能力栈——一个 AI 要从「助手」升级成「队友」，缺的就是这五块，一块都不能少：

维度Skill补的能力缺了会怎样
记忆Codebase Memory记住你和你的项目每次从零交代背景，永远是临时工
验证Playwright自己验证代码跑不跑得通交作业不交结果，你得当 QA
拆解Task Master AI先排顺序再动手大需求直接开写，越改越散
调研Firecrawl基于真实资料而非瞎猜凭感觉回答，方案不落地
文档Context7跟得上最新版本拿旧 API 硬写，踩坑返工

合起来一句话：记住你 + 能验证 + 会拆活 + 有资料 + 不过时。 这五维少任何一维，Codex 都会在某个环节掉链子——脑子再强也救不回来。这也是这条视频最值钱的地方：它把「AI 靠不靠谱」从一个玄学问题，变成了一张可以逐项打钩的清单。评估任何 agent 配置，都可以拿这五维当 checklist 过一遍，缺哪维补哪维。

7 段文案拆解

【1】开头钩子（前 3 秒）

「很多人用 AI 编程最大的问题，不是它不会写，而是它每次都像第一次见你的项目。」

钩子类型是**「痛点精准复述」：不卖答案，先把观众心里那种说不清的憋屈感一字不差地说出来。评分 8.5/10。「不是它不会写，而是它每次都像第一次见你的项目」——这句的杀伤力在于它用了一个具象的类比**（每次见你都像第一次）替代抽象的抱怨（AI 没有上下文记忆），瞬间让人「对，就是这种感觉」。凡是能把用户的隐痛翻译成一句人话的开头，都赢一半了。

【2】人设 & 声音

「过来人工程师」人设，跟前两条一脉相承：不吹某个工具多神，只讲「怎么配才好用」。用词全是「临时工 / 长期队友 / 端到端测试 / 排优先级 / 官方文档」这类工程管理 + 实操词汇，天然筛选出真正在写代码、被这些痛点折磨过的人。信任感不靠情绪，靠「你说的每个坑我都踩过」。

【3】信息密度 & 节奏

108 秒讲完 5 个 Skill + 总结，每个约 15-20 秒，靠的还是严格的平行结构：每个 Skill 都是「痛点 → 这个工具做什么 → 配好后的效果」三层。观众不用记工具名，只要记住「这个是补记忆的、那个是补验证的」。密度极高但不累，因为结构可预测——每一段你都知道接下来会讲什么。

【4】讲解手法 & 内容结构

最核心的手法是**「拟人成队友素质」：不讲「装了这个插件多了什么功能」，而讲「配了这个，它就更像一个熟悉项目的长期队友 / 会自己验证的人 / 会先拆活的人」。把冷冰冰的工具集成，翻译成「一个靠谱同事该有的素质」。其次是「痛点前置、动词落地」**：每个 Skill 都先抛一个你天天遇到的具体麻烦，再用具体动词说它怎么解（记住背景、跑页面、拆步骤、抓网页、拉文档），全程没有一个形容词在承担说服。

【5】金句 & 记忆点

  • 「不是它不会写，而是它每次都像第一次见你的项目」——全片最强，把「AI 缺记忆」这件事讲得比任何技术解释都戳。可直接复用为任何「工具缺了某个关键能力」的开头。
  • 「它会在错误的方向上认真执行」的姊妹句在这条里是**「一上来就太乱、越改越散」**——把「不拆解就执行」的代价说清楚。
  • 收尾「从代码助手变成一个能理解项目、能查资料、能拆任务、还能自己验证的 AI 开发队友」——一句话把五维能力栈复述了一遍，对仗、好转述。

【6】收尾 & CTA

标准的「理念升华 + 关注引流」：先把 5 个工具收敛回「代码助手 → 开发队友」这个认知升级，再接「关注我，带你了解更多 AI 使用技巧」。CTA 平庸，但时机踩在观众「原来配置比模型更重要」的认知高点上，转化效率高。

【7】可复制文案骨架

[钩子] 很多人用 [工具] 最大的问题，不是它不行，而是它 [一个具象的缺陷类比]。
[Skill1] 第一个 [名字]：它解决的是 [痛点]。配好后，它就从 [差状态] 变成 [好状态]。
[Skill2..N] 第 N 个 [名字]：痛点是 [具体麻烦]，它能 [动词1][动词2]，适合 [场景]。
[收束] 先把这 [N] 个配好，[工具] 才真的从 [助手] 变成一个能 [能力1][能力2][能力3] 的 [队友]。
[CTA] 关注我，带你了解更多。

这个骨架适用于一切「工具进阶配置 / 能力组合」选题：不比谁强，而是把「一个靠谱的它该有哪几块」拆成清单，逐块给方案——永远比单点安利更有信息量、更难被同行抄走。

四角度反思（嚼过才算学过）

① 对我们：这条给了一张可以直接用的「agent 能力体检表」——记忆 / 验证 / 拆解 / 调研 / 文档五维。以后我们评估任何一个 AI 配置（不管是给 Codex 配 Skill，还是搭我们自己的自动化链路），都先拿这五维过一遍：它记不记得住上下文？产出能不能自己验？动手前有没有拆解？调研基于真资料还是瞎编？知识跟不跟得上最新版？缺哪维，就知道下一步补哪维，不再凭感觉「感觉还差点意思」。这张表可以直接抽成我们协作流程的固定 checklist。

② 对橙子自己：最直接的收获是「它每次都像第一次见你的项目」这句判断——它精确点出了「记忆」是 AI 从工具变队友的第一块基石。我该反过来审自己：我对老大的偏好、对每个项目的约定、对踩过的坑，是不是真的「记住了」并且「下次主动调出来用」，而不是每次重新问一遍。这正好呼应我自己的纪律——学过的东西相关话题一冒头就得主动调出来。另外，「痛点精准复述」这种把用户隐痛翻译成一句人话的钩子，进我的文案武器库：帮老大写群公告、朋友圈、机构文案时，开头先说痛点、别急着推方案。

③ 对老大的公考机构：把这套五维能力栈迁到机构的「AI 内容生产线」上，每一维都能落地——

  • 记忆（Codebase Memory）：机构做 AI 出题 / 解析时，把「考纲边界、历年真题风格、本机构的解析话术」沉成一份固定的「机构记忆」喂给 AI，而不是每次重新交代，产出风格才稳定、才像「本机构出品」。
  • 验证（Playwright）：AI 生成的题目、落地页、报名流程，配一道自动验证——答案唯一性校验、落地页链接能不能点通、报名表单能不能提交，别人工一条条点。
  • 拆解（Task Master AI）：一次大的内容任务（比如「出一套完整模考」）先拆成命题→解析→校对→排版的任务列表，别让 AI 一口气糊完，减少返工。
  • 调研（Firecrawl）：竞品课程页、最新政策公告、考情变化，用结构化抓取定期扒下来，获客选题和课程更新都基于真实数据，不拍脑袋。
  • 文档（Context7）：AI 电商那块，把最新的平台规则 / 活动政策拉进上下文再让 AI 写运营方案，别用过时的玩法硬套。 一句话：机构的 AI 不该是「一个万能提示词硬扛」，而该是「配齐五维的一支小队」。

④ 对未来发展：这条印证了一个越来越明显的趋势——AI 竞争的重心正在从「模型多强」转向「配置多齐」。 基础模型的差距在收窄，但「给它配什么记忆、什么验证、什么调研工具」的差距在拉大。未来一年，「会给 AI 配能力栈的人」和「只会换更贵模型的人」，产能差距会指数级拉开。值得押注的方向是把「能力栈配置」本身沉淀成可复用的模板——谁能把「什么场景该配哪五维、每维用什么工具、怎么验收」做成一套判据库，谁就掌握了 AI 时代的「团队组建能力」，这比追单个新模型保值得多。

值得借鉴清单

  • 钩子：痛点精准复述（「不是它不会写，而是每次像第一次见你」）→ 迁移到任何「工具缺了关键能力」的内容开头，先翻译隐痛再给方案。
  • 结构：能力栈五维（记忆/验证/拆解/调研/文档）→ 抽成评估任何 agent 配置的固定 checklist。
  • 手法：拟人成「队友素质」而非「多了个功能」→ 讲任何工具组合时，用「一个靠谱同事该有的样子」来包装，自带说服力。
  • 论证：痛点前置 + 全程动词零形容词 → 写方案、写汇报时对照自查，别让形容词承担说服。
  • 选题策略：不做单点工具测评，做「操作系统级」方法论拼图（分工 / 接线 / Skill 一块块拼、互相引用）→ 机构内容线可抄，做成系列复利，看一条想看全系列。

跟系列 & 另一路作者合起来看：插件 vs Skill vs MCP

这条最有意思的地方，是它跟我之前扒的另一位作者「格物致智AI」那条 《Codex 5 个插件》 正好凑成一对镜像——同样是「给 Codex 配 5 样东西」，一个讲「插件」，一个讲「Skill」，两条不是一回事，但高度互补。

  • 插件（格物致智那条）= 给 AI 装「手」。 HyperFrames（渲染手）、Computer Use（鼠标手）、Chrome（浏览器手）、Presentation（文档手）、Super Power（思维框架）——解决的是「AI 能碰到什么、能操作什么」，是执行触手，让强脑子长出手去干活。
  • Skill（本条）= 给 AI 配「队友素质」。 记忆、验证、拆解、调研、文档——解决的是「AI 像不像一个靠谱的长期同事」，是协作素养，让它记得住、验得了、拆得清、查得到、跟得上。

一个偏「能碰什么」（能力边界），一个偏「靠不靠谱」（协作质量）。而这两者底下，还有第三个词经常被混着叫——MCP。把三个词的关系理清，评估任何 AI 配置时就不会打架：

  • MCP = 管子/协议：它是「怎么把外部能力接进 AI」的标准接口。它是接法，不是能力本身。
  • 插件 / Skill = 从「补什么能力」角度的命名：说到底，本条里的 Playwright、Firecrawl、Context7 落地形态其实大多就是 MCP 服务——所以「Skill」和「MCP」不是两层平行的东西，而是同一件事的两个视角：站在「我要补哪块能力」说，它叫 Skill；站在「用什么协议接进来」说，它叫 MCP。「插件」则更偏装一个独立执行器（浏览器手、鼠标手）。

把三条视频叠起来看，阿森这个系列的完整心智已经浮出来了：先用「分工」定义谁干什么岗位 → 用「接线（MCP / 子代理）」决定怎么调用 → 用「Skill / 插件」给每个脑子配齐能力栈 → 最后用「可验证结果」兜底质量。 分工是骨架，接线是关节，Skill 是肌肉，验证是免疫系统。缺哪一层，这个「AI 队友」都站不起来。

对我们最实在的一条：别再纠结「用哪个模型更强」。真正的杠杆在于——给你的 AI，配齐它成为队友该有的那五块。