别错过!AI 最新 11 个工具趋势:Codex 远程控制、多模态创作最新方向

根据博主马东锡 NLP 的分享，Codex 支持了 remote control。他的判断是，这意味着 Codex Mobile 可能已经不远了；因为开源，个人 agent 也可以更容易加上类似能力。

过去 coding agent 更多是在本地 CLI 或编辑器里跑。remote control 出现后，agent 可以被远程触发、查看状态、继续任务，使用场景会更接近“后台开发助手”。

远程控制能力一旦增强，权限管理也必须跟上。谁能触发任务、能访问哪些文件、能不能执行删除操作、日志如何追踪，这些都要提前设计。

根据向阳乔木的提问，如果想让 AI 同时改动一个代码库，开发多个功能，最佳实践是不是用 worktree。

当多个 agent 同时改一个仓库，如果都在同一份工作区里操作，很容易互相覆盖、互相污染。Git worktree 的价值就在这里：同一个仓库可以拆出多个独立工作目录，让不同任务并行推进。

 Berryxia.AI 的分享，字节跳动开源的 UI-TARS-desktop 关注度很高，方向是原生桌面 GUI agent。

这类工具的意义在于：AI 不只处理文本和代码，也开始操作桌面应用。浏览器、文件管理器、设计工具、办公软件、开发环境，很多真实任务都发生在 GUI 里。

GUI agent 的难点也更明显：界面状态复杂、误点风险高、不同系统差异大、任务复现难、权限和安全边界更难控。短期适合探索，进入生产还需要大量验证。

根据余温的分享，他在 mac 存储快满时，会先用 Mole 清理，再让 Codex 扫本地大文件和缓存，确认没用的再删。这次清理了 100 多 G。

这个例子很接地气。本地文件整理、缓存清理、重复性维护，也很适合 agent。价值不在“AI 多聪明”，而在把人不想做、容易漏、需要确认的杂活串起来。

这类任务要设置底线：删除前必须列清单，重要目录必须排除，最好先移动到临时目录，再做最终删除。

Hugging Face 官方 CLI 可以直接读论文，支持 arXiv 和 Hugging Face paper URL。

以前读论文一般是打开网页、下载 PDF、复制摘要、丢给模型。CLI 方式更适合开发者：把论文阅读接进终端、脚本、agent 工作流里。

Lex Fridman 官网有完整播客脚本字幕，不需要从 YouTube 下载，agent 可以直接读取。

高质量播客里有大量长对话、行业判断、研究者观点。官方字幕让这些内容变成可检索、可总结、可引用的文本材料。

根据向阳乔木的分享，OpenCLI 现在可以读取微信、Telegram、Discord 内容，包括群消息、聊天记录、朋友圈、收藏夹。

这可能是今天最值得关注的工具信号之一。真正有价值的信息，往往藏在微信群、Telegram 群、Discord 社区、收藏夹和聊天记录里。

私域信息越有价值，越要重视隐私、授权、敏感信息、群成员同意和数据存储边界。

Google Health API 开放后，开发者可以围绕睡眠、心率、运动等健康数据构建 AI Agent、MCP Server 或 CLI。

健康数据天然连续、私人、结构化，也很适合做个性化建议。未来的健康 agent，可能持续读取睡眠、心率、活动量，帮你发现异常、调整计划、生成报告。

做这类产品，隐私、授权、数据安全和免责声明都不能省。

根据测试，Cloudflare Email Sending 在价格上有明显竞争力。他还提醒迁移邮件服务前，要迁移 suppression list，避免重新给退信用户发邮件，影响邮件信誉。

很多 AI 应用最终都会遇到邮件通知、用户登录、任务完成提醒、账单通知、营销邮件、系统告警这些基础设施问题。模型成本之外，邮件、存储、队列、风控也要算账。

根据 Berryxia.AI 的分享，使用 GPT-image-2 + Gemini 尝试生成 3D 生物结构，并开发可交互探索的应用。

很多知识点，用文字讲很抽象，用平面图讲不够直观。3D 可交互内容能让学生直接看结构、旋转、拆解、放大细节。

image-to-3D 项目已经开源，当前对接线上模型，也可以改其他服务或本地模型。

这类项目短期最适合“展示型 3D”，比如商品概念、教学示意、快速原型、轻量演示。精度要求很高的工业建模还不能指望一步到位，但做内容展示已经很有价值。