KeyFrame內部研究專用

OpenAI Codex Setup Tutorial | Phone Verification Stuck Solution, 5 Essential Tips for Beginners |...

Dr. Jackei 科技生活日誌·6月25日週四·6 min中文

三句話摘要

解決 Claude Code 電話驗證碼問題,並分享初心者使用的五個核心策略。 善用第三方簡訊平台搭配正確的分階段使用策略,新手能充分發揮 Claude Code 的專案協助能力,同時有效控制成本消耗。 Claude Code 與 ChatGPT 的差異:ChatGPT 用於整理想法和內容創作,Claude Code 則是專案助手,可以直接存取使用者本機檔案、撰寫程式,並生成多種文件格式,提供更深度的專案級協作。

重點整理

重點
  • 1

    Claude Code 與 ChatGPT 的差異:ChatGPT 用於整理想法和內容創作,Claude Code 則是專案助手,可以直接存取使用者本機檔案、撰寫程式,並生成多種文件格式,提供更深度的專案級協作。

  • 2

    電話驗證碼解決方案:透過第三方平台 Hero SMS 提供外國電話號碼接收簡訊,使用日本號碼可穩定通過驗證,成本低廉且已被多位使用者驗證有效。

  • 3

    Token 額度管理的優化策略:Claude Code 每次交互都消耗 Token,應先在 ChatGPT 進行文字內容協商,再將完整內容一次輸入 Claude Code,而非在 Claude Code 中逐步溝通。

  • 4

    Prompt 拆細與分階段指令:複雜任務應分解為結構 → 內容 → 設計等步驟,搭配讓 AI 先輸出計畫再人工確認後再執行,可增進穩定性與可審查性。

實用技巧與重點

乾貨
  • 電話驗證碼解決方案:
  • 平台名稱:Hero SMS
  • 網址:H-E-R-O-S-M-S.com
  • 建議號碼:日本電話號碼
  • 成本:0.49 美元 (20 分鐘有效期)
  • 使用步驟:於 Hero SMS 複製電話號碼 → OpenAI 登入頁選日本 → 貼上號碼 → 接收驗證碼 → 貼回登入頁
  • Claude Code Token 管理:
  • 額度重設週期:5 小時小重設、7 天大重設
  • 新機制:未用額度可暫存,最多保留 30 天
  • 建議節省做法:文字內容在 ChatGPT 完成、複雜圖片在 ChatGPT 生成、Claude Code 專注程式與結構
  • 初心者五項注意事項:
  • 勿一次交付大型專案
  • 長篇文字內容先於 ChatGPT 協商
  • Prompt 拆細分階段 (結構 → 內容 → 設計)
  • 讓 AI 先輸出計畫,人工確認後再執行
  • 避免在 Claude Code 生成圖片

結論

結論

善用第三方簡訊平台搭配正確的分階段使用策略,新手能充分發揮 Claude Code 的專案協助能力,同時有效控制成本消耗。

完整解析

詳細

許多香港用戶反映下載 Claude Code 後無法登入,主要原因是卡在電話驗證碼這一關。講者 DALA JACKY 在本影片示範如何突破此限制,同時介紹 Claude Code 的正確使用方式。

Claude Code 與常見的 ChatGPT 有根本差異。ChatGPT 的核心功能是幫助使用者整理思路和進行內容創作,而 Claude Code 則是一個專案級的助手,它可以直接存取使用者電腦上的檔案、編寫程式代碼,並生成 Word、Excel、PowerPoint 等多種文件格式。對於需要進行軟體開發或複雜專案協作的用戶,Claude Code 的價值遠超 ChatGPT。

解決電話驗證碼問題的關鍵在於使用第三方接收簡訊平台 Hero SMS。講者詳細展示登入流程:首先在 Hero SMS 網站 (H-E-R-O-S-M-S.com) 註冊帳戶並充值,講者充值 10 美元作示範;接著在平台上搜尋「OpenAI」,系統會列出可用的電話號碼。講者建議使用日本號碼,成本為 0.49 美元,有效期為 20 分鐘。複製號碼後,返回 OpenAI 登入頁面,選擇日本作為國家,貼上號碼,系統會立即發送驗證碼至該號碼,再將驗證碼貼回登入頁面即可成功登入。整個過程簡單直接,成本極低。

講者進一步分享了五項初心者必須注意的 Claude Code 使用策略。首先,切勿一次性提交大型專案要求,因為 Claude Code 可能會同時修改眾多檔案,使用者難以追蹤具體修改內容。較佳做法是先讓 Claude Code 分析專案結構並輸出思考,待人工確認後再進行實質修改。其次,長篇幅的文字內容協商應在 ChatGPT 完成,因為在 Claude Code 中每次對話都消耗 Token 額度,在 ChatGPT 中一次性協商完畢再投入 Claude Code,能有效節省額度。第三,Prompt 應拆細分階段給予,例如先建立結構、再加入內容、最後調整設計,這樣結果更穩定且便於自我檢視。第四,應養成讓 Claude Code 先輸出計畫的習慣,待人工確認無誤後再啟動修改,這大幅提升輸出品質。第五,任何與圖片相關的生成任務應在 ChatGPT 完成,因為圖片生成在 Claude Code 中消耗 Token 速度特別快。

關於額度管理,Claude Code 設有兩層重設機制:5 小時的小重設和 7 天的大重設。最近更新還加入暫存機制,未使用額度可保留最多 30 天,超過期限則失效。這套策略能幫助使用者更有效地規劃 Claude Code 的使用。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。