[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-codex-rang-putongren-waibao-diannao-renwu-en":3,"article-related-codex-rang-putongren-waibao-diannao-renwu-en":30,"series-tools-9e18cb1a-57ae-4359-85d9-57e30a219a28":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"9e18cb1a-57ae-4359-85d9-57e30a219a28","codex-rang-putongren-waibao-diannao-renwu-en","Codex 让普通人也能外包电脑任务","\u003Cp data-speakable=\"summary\">这篇文章给你一份可直接复制的 \u003Ca href=\"\u002Ftag\u002Fcodex\">Codex\u003C\u002Fa> 任务模板。\u003C\u002Fp>\u003Cp>我最近一直在试 Codex，越试越有点烦。不是它不强，恰恰相反，是它太容易让人误判自己“已经会了”。你在手机 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa> 里丢一句话，它就能在后台干活，像个随叫随到的实习生；但真到要把事情做对，问题就来了：任务边界不清，它会自己脑补；文件名乱一点，它就开始迷路；你以为是在“让 AI 帮忙”，结果其实是在给它做需求梳理。这个感觉很像我以前带新人，第一天都很积极，第二天开始就发现，没上下文、没验收标准、没失败回退，谁都干不好。\u003C\u002Fp>\u003Cp>所以我这次不是想夸 Codex 多聪明，我更想把它拆开：普通人到底能拿它干什么，哪些事适合手机上发出去，哪些事只能在电脑里跑，怎么写一句话让它别瞎猜。触发我整理这套方法的，是知乎这篇文章：\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2048723176432072273\">《普通人能用 Codex 做什么：不会写代码也能上手的 9 种玩法》\u003C\u002Fa>。原文提到 Codex 进入手机 ChatGPT App 后，一个很有想象力的场景是“你在外面发任务，让电脑后台执行”，还顺手给了一个很实用的例子：扫描当前文件夹里的 PDF、Word 和图片，按内容分成合同、发票、简历、学习资料四类，并生成 summary.md。这个方向我很认同，因为它不是在讲概念，而是在讲任务外包。\u003C\u002Fp>\u003Ch2>先别把 Codex 当聊天机器人，把它当远程执行器\u003C\u002Fh2>\u003Cblockquote>Codex 进入手机 ChatGPT App 后，一个很有想象力的场景是：你在外面发任务，让电脑后台执行。\u003C\u002Fblockquote>\u003Cp>这句话我觉得说得特别对。What this actually means is：Codex 最值钱的地方，不是陪你聊天，而是替你把“需要盯着电脑做的活”接过去。你在地铁上、咖啡店里、开会间隙，把任务发出去；等你回到电脑前，结果已经摆在那里。它不是帮你“想”，而是帮你“做”。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781821993292-73m9.png\" alt=\"Codex 让普通人也能外包电脑任务\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我第一次真正意识到这一点，是在处理一堆杂乱文件的时候。以前我会想，等我回到工位再整理。结果一拖就是三天。后来我干脆把整理规则写成任务：按类型分类、保留原文件、输出说明文档。Codex 这种工具最适合的，就是这种“脑子里很清楚，但手工太烦”的活。\u003C\u002Fp>\u003Cp>普通人如果想用好它，先改掉一个习惯：不要上来就问“你能帮我吗”，而是直接下命令。比如“把这个文件夹里的图片按拍摄日期分组，保留原图，生成一个索引表”。你越像在给助理布置工作，它越像助理；你越像在跟客服闲聊，它越像客服。\u003C\u002Fp>\u003Cul>\u003Cli>适合外包的：整理文件、改批量文本、生成清单、提取信息、做重复性检查。\u003C\u002Fli>\u003Cli>不适合外包的：需要大量主观判断、规则不明确、结果没法验收的事情。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>怎么应用？我建议你先把所有任务都写成三段式：做什么、保留什么、输出什么。比如“扫描当前文件夹里的 PDF、Word 和图片文件，按文件内容分为合同、发票、简历、学习资料四类；不要删除原文件；把副本放到 sorted 文件夹；生成 summary.md 说明分类依据。”这比“帮我整理一下文件”强太多了。\u003C\u002Fp>\u003Ch2>最适合普通人的，不是写代码，是整理烂摊子\u003C\u002Fh2>\u003Cblockquote>请扫描当前文件夹里的 PDF、Word 和图片文件，按文件内容分为合同、发票、简历、学习资料四类。不要删除原文件，把分类后的副本放到 sorted 文件夹，并生成一份 summary.md 说明分类依据。\u003C\u002Fblockquote>\u003Cp>这段原文几乎就是一个现成模板。What this actually means is：Codex 很擅长处理“文件堆成山，但规则其实很简单”的场景。你不需要会写脚本，也不需要理解 OCR、文件系统、批处理这些词。你只要知道你想要什么结果。\u003C\u002Fp>\u003Cp>我见过太多人把电脑上的混乱当成“以后再说”。桌面一堆截图，下载文件夹一堆 PDF，微信导出的图片夹一堆无意义文件名。人自己整理会很痛苦，因为每个文件都要看一眼、想一秒、拖一下。Codex 的价值就在这里：它可以替你做这类机械判断，然后把过程写出来，让你复查。\u003C\u002Fp>\u003Cp>如果你是普通用户，这类任务尤其适合用在下面这些场景：\u003C\u002Fp>\u003Cul>\u003Cli>把会议截图、聊天记录、合同扫描件分门别类。\u003C\u002Fli>\u003Cli>从一堆简历里提取姓名、学校、岗位意向，做成表格。\u003C\u002Fli>\u003Cli>把课程资料、作业、参考文献分开存。\u003C\u002Fli>\u003Cli>把图片里的文字提取出来，整理成可搜索的文档。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我自己的经验是，越是“看起来像杂活”的任务，越值得交给它。人做这类活最容易疲劳，一疲劳就开始乱分。Codex 不会累，但它会误判，所以你要做的是给它设边界：不删原件、输出副本、保留说明、允许人工复核。\u003C\u002Fp>\u003Cp>怎么应用？先别追求完美分类。你可以先让它做一级分类，再人工二次修正。比如先分成“合同\u002F票据\u002F简历\u002F其他”，跑完后再看“其他”里还有什么可细分的东西。这样比一口气要求它分十类更靠谱。\u003C\u002Fp>\u003Ch2>它不是帮你创作，而是帮你把素材变成可用件\u003C\u002Fh2>\u003Cp>很多人一听 AI，第一反应是写文章、写文案、写代码。我觉得这有点想窄了。Codex 更像一个素材加工机。你给它原料，它帮你变成能用的东西：清单、摘要、表格、模板、目录、待办。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781821992822-ng3t.png\" alt=\"Codex 让普通人也能外包电脑任务\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>原文里提到生成 summary.md，我非常喜欢这个设计。因为 summary.md 不是为了“看起来高级”，而是为了让你知道它到底按什么规则分的。没有这个说明，AI 做完你还是不敢直接用。有了说明，你就知道哪里靠谱，哪里要改。\u003C\u002Fp>\u003Cp>我自己最常拿它做的，是把一堆零散信息变成可交付文件。比如旅行前把订票邮件、酒店确认、地图截图整理成一个行程包；比如项目开始前，把需求截图、聊天记录、参考链接整理成一个资料夹。Codex 不负责替你做决定，但它能把信息摆整齐。\u003C\u002Fp>\u003Cp>如果你要用它做素材加工，我建议你盯住三个输出：\u003C\u002Fp>\u003Cul>\u003Cli>一个主结果：比如分类后的文件夹、整理好的表格、提取出的文本。\u003C\u002Fli>\u003Cli>一个说明文件：告诉你它怎么做的。\u003C\u002Fli>\u003Cli>一个失败清单：哪些文件没识别出来，为什么没识别。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>怎么应用？直接把“生成 summary.md”变成你的固定要求。不要只要结果，不要过程。你越要求它留下痕迹，后面越容易修正，也越不容易被它骗过去。\u003C\u002Fp>\u003Ch2>手机发任务，电脑跑活，这才是它真正的用法\u003C\u002Fh2>\u003Cp>原文最有想象力的地方，就是“在外面发任务，让电脑后台执行”。我同意。因为这意味着 Codex 不只是一个桌面工具，而是一个异步工作流。你不必坐在电脑前守着它，它可以先跑，你晚点回来验收。\u003C\u002Fp>\u003Cp>这类用法特别适合碎片时间。比如你在路上发现一个文件夹乱了，直接发任务；你在会议中想到需要归档一批资料，先丢出去；你在等人时想到要整理照片，顺手启动。它不会替你省掉判断，但它能把“开始做”这一步变得没那么痛苦。\u003C\u002Fp>\u003Cp>我以前总觉得，只有写脚本的人才适合做自动化。后来发现不是，普通人也可以，只是以前门槛太高。Codex 把门槛从“先学编程”变成了“先把任务说清楚”。这个变化很大。因为对大多数人来说，真正卡住的不是不会点按钮，而是不会定义结果。\u003C\u002Fp>\u003Cp>怎么应用？你可以把任务分成两类：短任务和长任务。短任务适合立刻发出去，像整理文件、提取信息、生成摘要；长任务适合先让它跑，再回来检查，像批量重命名、跨文件夹归档、从多份文档里抽取字段。不要把所有事都塞成一次性大活，越大越容易失控。\u003C\u002Fp>\u003Ch2>不会写代码的人，最该学的是验收，不是语法\u003C\u002Fh2>\u003Cp>这点我想说得直白一点：普通人用 Codex，最重要的能力不是“会不会写代码”，而是“会不会验收”。你不需要知道 Python 怎么写，但你得知道结果应该长什么样。\u003C\u002Fp>\u003Cp>比如你让它分类文件，你至少要知道：原文件有没有被删、分类有没有对、说明文档有没有写清、有没有漏文件。你让它整理图片，你至少要知道：是不是按日期、地点、主题分开了，文件名有没有保留，重复项怎么处理。没有验收标准，AI 做完你也只能凭感觉拍脑袋。\u003C\u002Fp>\u003Cp>我很建议你在每个任务里都加一个“检查项”。这不是多余，恰恰是让任务可控的关键。Codex 很会执行，但它不替你负责。你要做的是把负责这件事的人从“凭印象”变成“凭标准”。\u003C\u002Fp>\u003Cul>\u003Cli>先定义完成条件，再定义执行步骤。\u003C\u002Fli>\u003Cli>先定义不允许发生什么，再定义允许发生什么。\u003C\u002Fli>\u003Cli>先定义输出文件，再定义输出内容。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>怎么应用？你可以直接把验收标准写进任务里。比如“完成后请列出 5 个随机文件名，说明它们被分到哪一类，以及理由”。这会逼它把过程说清楚，也方便你快速检查有没有胡来。\u003C\u002Fp>\u003Ch2>9 种玩法其实可以压缩成 3 类工作\u003C\u002Fh2>\u003Cp>知乎这篇文章说的是 9 种玩法，但我读下来，发现它们本质上可以压成三类：整理、提取、执行。剩下的只是不同外壳。这个拆法对普通人更有用，因为你不用记九个场景，只要记住三种工作模型。\u003C\u002Fp>\u003Cp>第一类是整理。把乱的东西变整齐，比如文件分类、照片归档、资料分组。第二类是提取。把长内容变短内容，比如从合同里提条款、从简历里提信息、从图片里提文字。第三类是执行。把明确的规则变成动作，比如批量重命名、复制副本、生成目录、更新清单。\u003C\u002Fp>\u003Cp>我之所以喜欢这个三分法，是因为它能帮你判断任务能不能交给 Codex。只要一个任务能被描述成“把什么变成什么”，大概率就能试。只要一个任务需要大量主观判断，比如“帮我挑最好的那份简历”，那就别指望它一次到位。\u003C\u002Fp>\u003Cp>怎么应用？你下次想用 Codex 时，先问自己一句：这是整理、提取，还是执行？如果三者都不是，那大概率是个不适合自动化的任务。别硬上，省得浪费时间。\u003C\u002Fp>\u003Ch2>我会怎么给普通人写任务单\u003C\u002Fh2>\u003Cp>如果你不写代码，我建议你别学那些术语，先学一套固定表达。这样你每次都能快速下任务，不用重新组织语言。下面这套写法，我自己会一直用。\u003C\u002Fp>\u003Cp>核心就四句：目标、输入、限制、输出。目标说你要什么；输入说它看什么；限制说不能做什么；输出说最后给你什么文件。你把这四句写完整，Codex 的成功率会高很多。\u003C\u002Fp>\u003Cp>比如这类任务就很标准：\u003C\u002Fp>\u003Cp>“扫描当前文件夹里的 PDF、Word 和图片文件，按文件内容分为合同、发票、简历、学习资料四类。不要删除原文件，把分类后的副本放到 sorted 文件夹，并生成一份 summary.md 说明分类依据。”\u003C\u002Fp>\u003Cp>这句话好用，不是因为它长，而是因为它完整。它给了输入范围，给了分类目标，给了安全限制，还给了说明文件。AI 最怕的就是“你看着办”，人类最爱说这个，结果最后谁都不满意。\u003C\u002Fp>\u003Cp>怎么应用？你可以把这套句式保存成模板，每次只替换名词。比如“把这个文件夹里的截图按项目分组”“把这些会议纪要提炼成待办列表”“把这些图片里的文字整理成 markdown”。别临场发挥，模板化最省事。\u003C\u002Fp>\u003Ch2>你真正需要的不是灵感，是一套能重复的流程\u003C\u002Fh2>\u003Cp>我对这类工具最反感的一点，就是很多人只拿它找灵感，不拿它干活。看起来很热闹，实际没落地。Codex 如果只是“哇，居然还能这样”，那它很快就会被你忘掉。只有当你把它变成固定流程，它才会真省时间。\u003C\u002Fp>\u003Cp>所以我建议你别把它当一次性玩具。你应该把常见任务整理成自己的任务库：文件整理、资料提取、图片归档、文本清洗、清单生成。每次遇到类似问题，直接复制旧模板，改几个词就发出去。这样你才会越来越顺手。\u003C\u002Fp>\u003Cp>我自己现在的习惯是，凡是重复两次以上的杂活，我都会想：能不能写成一条 Codex 任务。能的话就存起来。不能的话，就说明这件事还不够稳定，别急着自动化。\u003C\u002Fp>\u003Cp>怎么应用？从今天开始，先挑一个最烦的文件夹。别挑最复杂的，挑最乱但规则最简单的。让 Codex 做一次分类，看看它哪里会错。你会很快发现，真正值钱的不是“它能不能做”，而是“你能不能把任务说对”。\u003C\u002Fp>\u003Ch2>你可以直接复制的任务模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>任务名称：文件内容分类并生成说明文档\n\n目标：\n扫描当前文件夹中的 PDF、Word、图片文件，按内容分类。\n\n分类规则：\n- 合同\n- 发票\n- 简历\n- 学习资料\n- 其他\n\n限制：\n- 不要删除原文件\n- 不要修改原文件内容\n- 只复制副本到输出目录\n- 如果无法判断，放入“其他”\n\n输出：\n1. 在当前目录下创建 sorted 文件夹\n2. 按类别分别建立子文件夹\n3. 把文件副本放入对应子文件夹\n4. 生成 summary.md，写清楚：\n   - 每个类别的判断依据\n   - 哪些文件被归到哪一类\n   - 哪些文件不确定，为什么\n   - 你做了哪些保守处理\n\n验收标准：\n- 原文件必须保留\n- sorted 文件夹结构清晰\n- summary.md 可读，能让我快速复查\n- 分类不确定的文件必须单独说明\n\n如果遇到无法读取的文件，请先列出文件名，再继续处理其他文件。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>这就是我会直接拿去用的版本。你可以把“合同\u002F发票\u002F简历\u002F学习资料”换成你自己的分类，也可以把“图片”换成截图、扫描件、课程资料。关键不是分类名，而是这套结构：目标、限制、输出、验收。它能把 Codex 从“会说话的工具”变成“能交差的工具”。\u003C\u002Fp>\u003Cp>原文来自知乎专栏文章：\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2048723176432072273\">https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2048723176432072273\u003C\u002Fa>。我这篇是基于原文里提到的 Codex 使用场景做的拆解和重写，模板部分是我按开发者习惯整理出来的可复制版本，不是原文逐字照搬。\u003C\u002Fp>","我拆解了 9 个 Codex 玩法，给不会写代码的人一份可直接复制的任务模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2048723176432072273",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781821993292-73m9.png","tools","en","a23a5ab4-873b-44b4-b686-6fb51c2da681",[17,18,19,20,21],"Codex","ChatGPT","文件整理","任务模板","自动化",[23,24,25],"把 Codex 当远程执行器，不要只当聊天机器人。","普通人最适合用它处理整理、提取、执行三类杂活。","任务写清目标、限制、输出和验收，成功率会高很多。",0,"2026-06-18T22:32:49.572946+00:00","2026-06-18T22:32:49.564+00:00","f8b38c0e-e87c-4fe2-89b6-05bf73c2aaf6",{"tags":31,"relatedLang":36,"relatedPosts":40},[32,34],{"name":18,"slug":33},"chatgpt",{"name":17,"slug":35},"codex",{"id":15,"slug":37,"title":38,"language":39},"codex-rang-putongren-waibao-diannao-renwu-zh","Codex 讓普通人也能外包電腦任務","zh",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"f9ee1fee-7ac0-4072-a330-dbe682e03b84","renesas-acquires-altium-pcb-design-tool-update-en","瑞萨全资收购Altium，PCB设计工具更新","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781859772738-3319.png","2026-06-19T09:02:23.631252+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"c7baab44-71c8-4905-9a7d-a54a98e6cc45","rust-forum-week-25-turns-ideas-into-shipping-work-en","Rust forum week 25 turns ideas into shipping work","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781857111323-iib7.png","2026-06-19T08:18:05.668091+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"014be76a-746c-4892-b144-90c05a0c61c6","claude-code-rust-native-terminal-interface-en","Claude Code Rust trims TUI overhead to one binary","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781854432173-8t6o.png","2026-06-19T07:33:30.328578+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"ae4915a0-e313-438e-b724-e04e07331683","open-source-tools-vibe-coding-cybersecurity-en","Open source tools that make vibe coding safer","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781852617883-ajan.png","2026-06-19T07:03:09.073748+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"95a3ce84-1732-4bce-a705-4957ca6f06af","model-triage-coding-tests-cost-win-en","Model triage turns coding tests into a cost win","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781840906662-fpo6.png","2026-06-19T03:47:52.260391+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"cb08c71e-096a-4508-b172-4698b9a607cc","fine-tuning-llms-locally-sft-lora-dpo-en","Fine-Tuning LLMs Locally: SFT, LoRA, DPO","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781839068257-3o35.png","2026-06-19T03:17:22.225063+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"8008f1a9-7a00-4bad-88c9-3eedc9c6b4b1","surepath-ai-mcp-policy-controls-en","SurePath AI's New MCP Policy Controls Enhance AI Security","2026-03-26T01:26:52.222015+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"27e39a8f-b65d-4f7b-a875-859e2b210156","mcp-standard-ai-tools-2026-en","MCP Standard in 2026: Integrating AI Tools","2026-03-26T01:27:43.127519+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"165f9a19-c92d-46ba-b3f0-7125f662921d","rag-2026-transforming-enterprise-ai-en","How RAG in 2026 is Transforming Enterprise AI","2026-03-26T01:28:11.485236+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"6a2a8e6e-b956-49d8-be12-cc47bdc132b2","mastering-ai-prompts-2026-guide-en","Mastering AI Prompts: A 2026 Guide for Developers","2026-03-26T01:29:07.835148+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"3ab2c67e-4664-4c67-a013-687a2f605814","garry-tan-open-sources-claude-code-toolkit-en","Garry Tan Open-Sources a Claude Code Toolkit","2026-03-26T08:26:20.245934+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"66a7cbf8-7e76-41d4-9bbf-eaca9761bf69","github-ai-projects-to-watch-in-2026-en","20 GitHub AI Projects to Watch in 2026","2026-03-26T08:28:09.752027+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"9f332fda-eace-448a-a292-2283951eee71","practical-github-guide-learning-ml-2026-en","A Practical GitHub Guide to Learning ML in 2026","2026-03-27T01:16:50.125678+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"1b1f637d-0f4d-42bd-974b-07b53829144d","aiml-2026-student-ai-ml-lab-repo-review-en","AIML-2026 Is a Bare-Bones Student Lab Repo","2026-03-27T01:21:51.661231+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"6d1bf3f6-e191-4d30-b55b-8a0722fa6afe","ai-trending-github-repos-and-research-feeds-en","AI Trending Tracks Repos and Research Feeds","2026-03-27T01:31:35.709532+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"010539a1-4c3a-4bd3-937a-26616422ee0d","awesome-ai-for-science-research-tools-map-en","Awesome AI for Science Is Becoming a Real Research Map","2026-03-27T01:46:50.89513+00:00"]