鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
6
3
2

又一个国产版 Codex 神器,也来卷办公了!

程序员鱼皮
程序员鱼皮
2026-10-22 10:45
阅读 1127
程序员鱼皮
2026-10-22 10:45
阅读 1127

大家好,我是程序员鱼皮。

经常看我文章的朋友应该知道,之前测评 GLM 系列模型的时候,我用的都是智谱的 ZCode。

ZCode 是智谱官方推出的 AI 工作台,使用体验跟 Codex 之类的 AI 工具几乎一致,而且跟自家的 GLM 模型做了深度联调。

ZCode 界面

得益于 GLM 模型的能力,它已经成了我用得最多的国产 AI 工具。

而且开源之后,ZCode 正式发力,已经从写代码的工具变成了兼顾办公体验的万能工具。普通的办公任务可以交给 Work 模式,几百份文件的大活可以交给 Workflow 工作流,更专业的需求还能去插件市场装插件。

ZCode 新能力

下面,实战教程开始~

1、Work 模式 - 一句话整理报销单

先从最常见的办公任务开始。

作为一名创业者,每到月底报销,我都头大。

因为发票有的是 PDF,有的是截图,甚至偶尔还有随手拍的照片,整理起来又费时间、又容易出错。

为了测试 ZCode 的办公模式到底靠不靠谱,我准备了 12 份票据(全部是虚构的演示数据),还偷偷埋了 5 个坑。

比如同一张发票,我既放了 PDF 原件,又放了一张手机拍照版,这属于重复报销;打车行程单只是发票的附件,不能重复算钱;有张发票的购买方税号错了一位;有张发票的大写金额和小写金额对不上;还有一张是餐厅的结账小票,根本就不是发票。

操作很简单,打开 ZCode 新建任务,把装票据的文件夹拖进对话框,然后用大白话说出需求就行。

▼
plain
复制代码
文件夹里是我这个月的报销票据(演示用的虚构数据),帮我整理成一份 Excel 报销单,按费用类别汇总。 公司抬头:摸鱼科技(深圳)有限公司,税号 91440300MA5H7Q2K3R

提交任务

ZCode 先把 12 个文件挨个儿读了一遍,PDF、截图、照片都能识别,1 分钟左右就读取完了。

而且在识别阶段,它就已经发现了好几个问题,比如烧烤那张发票的税号尾号是 8R,跟公司的税号对不上。

接下来,它加载了表格技能开始制作 Excel。第一次使用会有点慢,因为要先安装 LibreOffice 等处理库,用来重新计算表格里的公式,检查有没有算错。

安装环境

表格做完之后,它还会把每个工作表渲染成图片,派一个专门的视觉验收子代理检查排版,发现问题再自主修复。

最后交付的 Excel 有 3 个工作表,分别是报销明细、分类汇总和行程单明细,公式和金额都经过了重新计算核对。

汇总结果

再来看看我埋的 5 个坑,AI 发现了没有?

重复的发票它只算了一次,行程单也老老实实当成了打车发票的附件,没有重复算钱。税号错误和小票都被标了出来,提醒我退回重开或者补开发票。

发现问题

5 个坑找到了 4 个! 唯一漏掉的是那张大小写金额不一致的图书发票。

这个坑确实比较阴,所以我的建议是,AI 整理完之后,关键金额还是要自己再扫一眼。

整体来说,我对这份报销单还是很满意的,比我自己对着发票一张张填快多了。

不过分析处理十几张票据还只是牛刀小试,如果让 AI 处理几百份文件的大任务,它能胜任么?

2、Workflow - 让 AI 检查数百篇教程

我有一套免费开源的 《AI 编程零基础教程》,光中文内容就有 380 篇文章、6000 多个链接。

AI 圈的变化实在太快了,模型几周就换一代,价格说改就改,链接说失效就失效。教程写得越多,过时的地方也就越多,靠人工检查一遍至少得好几周。

AI 编程教程

这个任务的复杂度很高。每个链接都要真实访问一遍,每条模型和价格信息都要联网核实,还要跨文章找出前后矛盾的说法。感觉做一遍 Tokens 消耗要爆炸了!

这种任务就很适合交给 ZCode 新出的 Workflow 动态工作流。

普通的多 Agent 协作,大多是 AI 边干活边商量怎么分工。

而 Workflow 的思路不一样,AI 会先把「怎么干」写成一份代码脚本,相当于项目经理先写好 SOP 和排期表,然后再调度一支 AI 小队照着脚本分工干活,关键节点还有专人负责质检。

两种协作方式

使用方法很简单,在需求前面加上 /workflow 就行,下面是我发给 AI 的提示词:

提交任务

AI 先加载了 dynamic-workflows 动态工作流技能,然后检查仓库结构,统计出 3 个目录一共有 380 篇文章,去重后有 6287 个链接。

在写工作流之前,它先写了一个链接检测脚本试跑,并且用 EvalWorkflowSnippet 工具提前验证了文章分组,确认二十多个分组刚好覆盖全部 380 篇文章,一篇都没有遗漏。

验证分组

准备工作做完,它才开始设计子代理的分工,并编写工作流脚本。

写好之后,ZCode 会把整个工作流画成一张流程图,等你确认之后再开跑。

确认工作流

可以看到这个工作流分成 6 个阶段,有跑脚本批量检测链接的,有「链接分诊员」复核疑似死链,有一群「扫描员」分组通读全部文章,还有「核实员」联网核实过时信息、「复核员」做二次确认,以及「矛盾交叉比对员」专门找文章之间互相矛盾的说法。

感觉真像是一个大公司的团队了,有模有样的~

接下来运行工作流。我觉得 Workflow 的 UI 做得还是很不错的,哪些 AI 员工正在干活、哪些已经完成,一目了然。

运行过程

由于任务量较大,跑了很久才完成,一共调度了 105 个子代理,消耗了 4000 多万 Token。

体检完成

最终 AI 体检出 219 个问题,其中高严重度的有 35 个。按类型分,有 106 个失效链接、91 条过时信息和 26 处前后矛盾的说法,全部按严重程度排好序写进了 Excel。

问题清单

接下来,我就可以照着这份 Excel 清单挨个修复了。这个工作流还能保存下来,下次教程更新完,直接复跑一遍就行~

3、专业插件 - 录个屏就能复刻网站

前面两个任务用的都是 ZCode 自带的能力,如果想让它干更专业的活,就要用到插件了。

点击左上角的「插件市场」,可以看到 ZCode 提供的插件种类很丰富。

像 PDF、演示文档、电子表格、Word 文档这些办公插件已经内置好了。除了这些,还有 Zotero、Blender 这类专业软件的插件,以及 GitHub、飞书、钉钉、企业微信等常用工具的插件。

插件市场

在「生产力」分类里,我发现了一个很有意思的插件 Video2code,点击安装。

Video2code

顾名思义,Video2code 能根据网页的录屏视频还原出代码,把视频里的网站复刻出来。

我决定拿自己的 《鱼皮 AI 导航》 网站试试。先用电脑自带的录屏功能,把网站的首页、AI 工具、绘图提示词、学习教程和资讯这几个页面都点了一遍,录了一段 30 秒左右的演示视频,放到项目目录里。

然后在对话框里选择 Video2code 插件,不加任何参数,直接输入提示词。

提交任务

AI 先读取了视频的时长和分辨率,然后把视频按时间抽帧,拼成一张张带时间戳的图片,逐段观察每个页面长什么样、有哪些交互。

视频抽帧

看完视频后,它还顺着视频里出现的页面,去官网抓取了真实的文案和图片,一共下载了 491 张图片素材。

然后 AI 先写好复刻计划,列出 17 个要还原的布局和动效,才开始搭建 React 项目。

项目跑起来之后,就进入了最磨人的验证环节。AI 会用 ZCode 内置的浏览器打开自己做的网站,截图、录动效视频,再跟原始录屏逐项对比,发现不像的地方就自己修改。

自主校验

比如下面这张图,左边是原始录屏里的下拉菜单,右边是它复刻出来的版本,每个动效都要像这样拿出证据对比。

动效对比

注意,这个任务比较复杂,需要反复调用视觉分析,执行过程中免费套餐可能会被限流,我这次就被限流卡了一阵子。

等我吃完饭回来,AI 终于完成了任务。

任务完成

打开本地预览地址,跟原版对比一下。

先看首页首屏,导航栏、搜索框、精选推荐卡片的布局和配色几乎一模一样。录屏的时候我是登录状态,所以复刻版的右上角显示的是我的头像,连消息红点都复刻出来了。

首页对比

再看绘图提示词页面,封面、标题和标签都对上了。不过布局有些出入,原版的瀑布流被做成了整齐的网格。

画廊对比

录屏里没有点开的社区、MCP 等页面,它统一做成了「内容整理中」的占位页,没有自己瞎编。

虽然没有 100% 还原,但只靠一段 30 秒的录屏,就能复刻出可用的、神似的网站,已经超出我的预期了。

AI 复刻的工具页

如果你懒得录屏,也可以直接把网址发给它,插件会先用内置浏览器自己把网站录一遍,再走同样的复刻流程。

我感觉这个插件尤其适合产品经理,能快速做出可交互的原型,或者程序员重构老页面时拿来参考。

不过复刻别人的网站要注意版权,学习研究可以,别直接拿去商用。

最后哔哔

测完这 3 个任务,你也已经掌握了 ZCode 最核心的用法了:基础的 Work 模式、Workflow 和专项插件。

根据任务选择最合适的方式,才能让 AI 把活干得又快又省。

最后说个小福利 🎁。目前新用户注册 ZCode 能领 4000 万免费 Token,GLM 编程套餐用户在 ZCode 里还有 150% 的使用额度。通过我的 Link 进来,还能额外拿到一张夜间蹬蹬卡(1 亿 GLM-5.3-Flash Token),正好拿来跑 Workflow 这种大活。

👉🏻 指路:https://zcode.z.ai/invite/QMRC52HR

我是鱼皮,持续分享 AI 编程和 AI 工具干货。觉得有用的话记得点赞收藏和关注~

AI
编程
程序员
AI编程
Agent
6
2
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
9
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
300
10
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
290
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题