作者分享了将25条思考类提示语（苏格拉底式提问、第一性原理、乔哈里视窗、逆向法等）封装为开源skill「老爷爷」的过程。受Matt Pocock的ask-matt路由启发，该skill可根据用户当前处境自动匹配最合适的提示语，解决「提示语存了一堆但从来不用」的问题。作者强调原提示语一字不改的原则，避免工程化改写导致的性能下降，并介绍了乔哈里视窗和逆向法两个实用方法，主张让AI负责挑选提示语、人负责感知问题的分工方式。
文章介绍了豆包工作新上线的 AI 资产一键迁移功能，支持从 ChatGPT、Claude Code 导入对话、技能和记忆三类「默契资产」，将跨 Agent 迁移的损失降到最低。作者实测导入 240 项 Claude 和 682 项 ChatGPT 资产后，发现历史会话上下文可无缝衔接。文中解释了设计边界：只导入与工作绑定的工作记忆，不导入个人偏好；凭证暂不支持导入以防冲突。此外还介绍了对话分叉、消息注释、对话摘要侧栏等新功能，并分析了豆包打通飞书文档在分享协作形态上的优势。
作者对 GPT-6 Sol、GPT-6 Luna 和 Claude Opus 5.5 三款新模型进行横向实测。价格方面，GPT-6 系列比 GPT5.6 便宜 50%，Opus 5.5 速度提升 30%、成本降低 40%。通过鹈鹕骑单车、可互动饺子网页、前端动效设计、写作 skill 生成、Blender 3D 建模复现舞蹈等多个案例对比，作者发现 Opus 5.5 在终端编程和前端能力上依然领先，细节表现惊艳；GPT-6 Sol 速度极快且能力不俗；Luna 则适合简单批量 Agent 任务。总体来看三款新模型在性能与成本上均有显著进步。
作者实测阶跃星辰新模型 Step 5 Preview，认为其前端 UI 能力已进入第一梯队，价格仅为竞品三分之一却达到 K3 水平。测试显示它能高精度复刻 Apple 官网页面，配合 Skills 可实现动效网页设计，还能用 HTML5 Canvas 开发 2D/3D 游戏且操作流畅。作为 Agent 接入 Claude 框架后，它能从 72 页 PDF 中逐页提取数据核算利润率，并审计修复含 1800 多条公式的复杂 Excel 财务模型，揪出 22 处错误并标注不确定项。作者感叹国产模型正在从几家变成一批，整体表现超出预期。
作者实测火山方舟最新发布的Doubao-Seed-2.1-pro模型，通过五个真实任务案例评估其能力：用Three.js复现3D体素浮空樱花岛、开发沉浸式3D小笼包互动网页、从洗衣机产品文档提取参数生成对比表格、处理61个子表的钢筋含钢量计算、以及加拿大办公室选址调研。测试显示该模型在审美还原、长时Agent任务稳定性、视觉理解和数据严谨性上都达到第一梯队水平，能处理百万上下文任务而不摆烂，输出结果可追溯、细节丰富。文章最后还介绍了QBS方法——将书籍转为skill让AI按书中方法回答，避免说空话。
作者实测OmAI联汇新推出的视频深度推理模型VLX-VR，该模型在MINERVA基准上以78.8%准确率登顶，超越Gemini 2.5 Pro的57.97%。通过3D机械起落架演示、9倍速工业建模录屏、机械臂四宫格实验等场景，VLX-VR展现出对长视频时间轴的整体理解、因果推演和代码报错捕捉能力，推理逻辑一致性达96.2%，且跨时长准确率不降反升。作者还介绍了基于该模型的端侧视频创作助理OttoBox小欧，可30分钟完成粗剪。
作者体验了个人AI助手Today，它定位为个人生活连续性管家，能整合日历、健康数据等，主动提供晨间简报和日程调整建议。文章通过三个真实场景展示了Today的贴心之处：临时变动时自动重排日程、睡眠不足时减少打扰、记忆可编辑可删除。作者认为Today与工作Agent不同，更像生活管家，并建议采用阶梯信任逐步开放权限。
作者分享了不用背电脑、仅用手机远程控制Claude Code、Codex等Agent的工作流。通过UU远程低延迟连接，解决了SSH不稳定、切换慢的问题。新功能包括手机端终端与TUI完整支持、多终端并行会话、跨端接管、小窗口挂机看进度、文件传输和CLI脚本化管理多台设备，配合Herdr插件可视化管理Agent状态。作者认为电脑应是工具而非负重，远程桌面、终端、CLI各司其职，极大延伸了AI使用的场景。
作者实测Claude Fable 5.1新模型，发现其在长时间Agent任务、浏览器自动化和电脑自动化方面显著提升，达到甚至超越Codex GPT 5.6的水准。缓存读取成本下降75%。作者用一句话提示语让模型完成goodcase.ai网站的UI批量优化、提示语分类系统和热度衰减算法更新。还基于杜威十进分类法、分面分类、洛克索引法、瓦尔堡好邻居法则和卢曼卡片盒笔记法等五个理论，让Fable 5.1制作了文件整理skill（carl-file-organizer）。通过3D版愤怒的小鸟游戏测试，Fable 5.1完成度高于GPT 5.6 Sol，包含4种鸟和8个关卡，物理反馈细致。但写作能力相比Opus 4.6有所退步。
作者实测智谱新发布的 GLM-5.3-Flash 模型，对比 DeepSeek V4 Flash 的价格与性能。该模型每百万 Token 输入 0.8 元、输出 2.8 元，在 Artificial Analysis 榜单上以 $0.045 成本获得 57 智力分，14 项 benchmark 中赢 DeepSeek 11 项，视觉端六项全胜，与 Opus 4.8 对比 13 项赢 9 项。实际测试中，模型可通过一句话从截图、视频、链接复刻网站（如 GitHub、3D 游戏 Krunker），前端与视觉能力极强。作者计划将日常 coding 和 agent 任务分流给它以节省成本。
作者深度实测了飞书与豆包合体后的豆包工作 Agent，总结出 8 个使用技巧：用飞书账号登录、选择独立客户端、利用手机远程控制电脑、将长任务分配给云电脑、设置定时任务、喂入记忆、复用本地 Skill、以及利用重置卡刷新额度。豆包工作与飞书原生打通，解决了授权过期和消息转发等痛点。作者还分析了 2026 年各大厂纷纷推出 Work Agent 的原因：模型能力到达临界点，且 Agent 是 token 变现的正确姿势，并认为飞书的企业生态优势让豆包工作成为企业接入 Agent 门槛最低的路径。
本文实测了智谱最新发布的GLM-5.3模型，该模型基于GLM-5.2的750B参数基础模型，仅通过后训练提升性能，在AA榜上以60分进入前十，成为同分段参数最小的模型。作者通过多个编码与安全案例测试，包括修复Ice菜单栏工具漏洞、开发2D跑酷游戏、3D愤怒的小鸟及音乐工作台等，展示了GLM-5.3在复杂编码、长程Agent任务和防御性网络安全方面的出色表现，并对比了DeepSeek、Grok等模型，认为后训练Scaling是提升模型能力的重要路径。
作者因安装 300 多个 Skill 导致每次对话多消耗约 8.2k token，累计浪费数亿 token。为此，他开发了一个“Skill 瘦身”工具和可视化控制台，按使用频率和重要性将 Skill 分为核心全局、项目级和触发级。通过将低频 Skill 改为动态加载，既节省了上下文窗口，又保留了完整能力。
文章介绍了开源项目 ego lite，这是一个基于 Chromium 内核定制的专用 AI Agent 浏览器。它通过 Snapshot 技术降低 Token 消耗，支持多账号隔离和登录态迁移，实测显示其在速度上明显优于 Playwright 和 Claude-in-Chrome 等方案，能高效完成小红书抓取等复杂任务。
文章通过实测 7 个不同的设计 Skill 与 Kimi K3 模型的搭配效果，评估其在网页设计、动效和交互方面的表现。测试发现，design-taste-frontend 和 Impeccable 表现最佳，而 Kimi K3 自身的审美能力已相当出色。Skill 的作用更像是更换创意总监，而非简单的加分升级，优秀的 Skill 应为模型提供指引而非限制。
本文深度评测了腾讯推出的 Marvis Agent，并对比了 WorkBuddy 和 CodeX。作者指出 Marvis 定位为“AI 电脑管家”，具备手机远程操控电脑（带键盘鼠标）、系统级文件自检与清理、跨 App 资料收集整理、视觉化 PPT 制作以及基于本地素材的小说续写等能力。文章强调了 Marvis 在打通手机与电脑同步干活、深度调用系统设置方面的独特优势。
本文实测了美团发布的基于 5 万张国产算力芯片训练的万亿参数大模型 LongCat-2.0。文章指出，该模型在预训练到大规模部署的全流程中实现了国产算力闭环，具有里程碑意义。虽然通用推理能力与顶级闭源模型仍有差距，但在 Terminal-Bench 和 SWE-bench Pro 等 Agent 与编程任务中表现强劲。作者实测了将其接入 Claude Code 和 Codex 进行工作流处理，结果显示其在长上下文处理和任务拆解上表现稳定，为开发者提供了一个可行的非国产替代方案。
文章介绍了使用 KroWork 将 AI Skill 工作流打包成本地桌面 App 的新方法。作者指出单纯依赖对话框使用 Skill 存在重复输入和消耗额度的问题，通过 KroWork 可以将常用的 AI 技能组合（如提示词优化、AI 资讯阅读）封装成独立 App，支持定时任务和一键启动，从而实现自动化工具的沉淀与本地化复用。
文章介绍了 AI 视频编辑工具 Buzzy，它被称为“视频版 Photoshop”。作者详细测评了 Buzzy 的多种功能，包括精准口播修正、消除剪辑特效、后期重打光、添加运镜、路人消除、无痕换装、视频尺寸转换及风格迁移等。Buzzy 通过 Agent 对话形式操作，能最大程度保持视频一致性，将传统的线性剪辑流程转变为“先整体后局部”的迭代式工作流，极大地提升了视频创作者的效率。
本文详细横评了 GPT 5.5、MiniMax M2.7、DeepSeek V4 Pro 和小米 Mimo-V2.5-Pro 四款大模型在 Hermes Agent 场景下的表现。通过 Skill 打包、网页开发、PPT 制作、知识库整理及浏览器自动化五项任务，测试了各模型的逻辑推理、审美迁移、长文本处理及 API 消耗能力。最终结果显示，不同模型在 Agent 任务中各具特色，需根据具体场景选择最优解。
文章介绍了腾讯推出的 WorkBuddy Claw（“鹅版”OpenClaw），内置大模型并支持飞书、企微、QQ 等接入。作者实测了五种组合玩法：技能安装审查、长视频学习、个人知识库构建、想法验证以及自我迭代复盘，强调了其在降低配置门槛和整合多 Agent 方面的优势，适合 AI 新手。
本文提供了Clawdbot的详细安装与配置教程。鉴于该AI Bot权限较高，作者推荐在Parallels Desktop虚拟机中安装macOS环境以规避风险。文章涵盖了从环境检测、模型选择（推荐MiniMax/Qwen以节省成本）、技能安装，到接入飞书作为聊天入口的全过程，并分享了常用的控制指令及如何注册AI专属社区Moltbook。
