「谁在定义个人智能体」系列第三篇，聚焦终端厂商对个人智能体的定义。文章首先梳理三份底层文件：联想与IDC的个人AI白皮书、IDC与高通的行动式AI白皮书、以及国家级AI终端智能化分级标准。随后逐一分析联想天禧、华为小艺、荣耀YOYO Harness与AgenticOS、vivo蓝心Harness、OPPO个性化主动智能、小米家庭智能和三星多智能体生态的路线差异。下篇总结模型厂商与手机厂商的五种合作方式：外接模型、模型主导体验、模型自造手机、模型开源和全栈自研。最后提炼终端派的五个共同点：智能体是系统层而非App、核心是调度、强调主动、端侧优先保护数据主权、以Harness为核心框架。
作者分享了用 Grok Bot 自动化完成外链提交的完整实践：Agent 从 4000 多个候选站中筛出 282 个可免费提交的站点，按难度分脚本提交、浏览器批量、邮件自动验证三条线自动执行，并往 22 个 GitHub awesome 列表开 PR。作者只需定规则、批例外、点少量验证邮件，当天确认上线 9 个站、10 个排期、约 120 个待审。文章详细介绍了规则编写、资产包准备、双邮箱策略、站点筛选流程，并总结了付费、交换外链、挂徽章等六个可调旋钮以获取更多外链。
文章提出核心观点：普通人当前的最优解是用 AI 获取商业结果、完成原始资本积累，而非评论或焦虑地收藏课程。作者用“红利是生产成本下降与市场价格下降之间的时间差”解释机会窗口，引用 a16z、Stripe、Stanford 等数据说明 LLM 推理成本三年降千倍，而客户价格锚未变，并以妙鸭相机、HeadshotPro、Manus、可灵、AI 漫剧等案例证明窗口真实存在。同时以 TrustMRR 数据泼冷水：约半数产品没有收入，AI 与否差异不大，真正起作用的是执行次数。文章批评“AI 味太浓”“AI 是骗局”等评论是零成本的不行动，指出焦虑地学习也是最贵的一种不行动。
作者从「AI 时代要建立个人信源」这一正确却难落地的命题出发，分析了 RSS、关注 list、design skills 等方案为何都难成功：它们的正确解法都要求用户先升级身份成为「编辑」或「设计师」，而用户实际只愿付出一次点击、一次收藏的代价。文章提出伪需求的真正定义：痛点是真的，但用户愿付的行动预算是假的。结论是 AI 降低了开发成本却不改变需求真伪，正确做法是找到用户一次性、无需身份升级就能完成的动作，把它做到极致。
作者通过一系列图像生成测试，探讨模型在创作“宋式审美”图像时的能力边界。测试涵盖材质、设色、线条、线框约束、人物叙事、知识封面与产品海报。结论是：模型能生成细线、青绿设色、留白与传统符号，但无法稳定让局部服从复合判断——线条说明形体、颜色附着结构、留白构成空间、主景回应内容。模型适合受约束的探索，人则应转向建立判断系统与排序约束。方法上应先问内容再问画风，用真实命题评估而非孤立美图。
文章分享了作者试用开源项目“Moonlit Stories”生成英文绘本的体验。作者指出，该项目成功的关键在于将内容、视觉、音频等流程固化成契约，让Agent按规范执行。这表明个人利用本地模型和Agent工作流，已能独立交付过去需专业团队完成的完整产品。
本文是“AI时代的知识编排”系列收官之作。作者回顾了利用AI与结构化知识库高效产出技术博客的实践，发现写作过程本身遵循着“文档驱动”（SDD）的逻辑。文章通过信息论、认知科学及实证数据论证了结构化输入的重要性，并指出知识编排已成为AI时代内容生产的生存必需，强调了核查与人工判断不可替代。
文章对比了AI写作的“魔法棒”与“流水线”模式，指出一次性生成缺乏质量门禁，容易产生误导性幻觉。作者提出了一套包含库检索、补搜、写作、配图、核查、修复的六步生产管线，强调通过结构化验证和分诊核查，确保每个论点有据可查，从而将AI写作从简单的文本生成升级为可验证的知识生产过程。
本文探讨了在 AI 时代，工程师角色的根本性转变。通过 OpenAI、Spotify 等案例，指出工程师正从「写代码的人」转变为「编排 Agent 的人」。文章详细阐述了新角色的四个维度：设计约束、编写 Spec、构建 Harness 和审阅产出。团队结构也随之重组，从按技术栈分工转向按 Spec/Review/Harness 流程分工。
文章指出直接使用 ChatGPT 等 AI 生成内容往往缺乏事实依据且容易产生幻觉，作者提出了一种「先建库，再写作」的方法。通过提前花两天时间收集并结构化整理 43 篇高质量文献作为私有知识库（人工版 RAG），确保写作时每个论点都有可靠的数据和来源支撑。文章对比了临时搜索与提前备料的差异，并展示了该方法在 7 天内产出多篇高质量技术博客并获得显著收益的实战案例。
本文属于「AI 时代的编码新范式」系列，旨在解答在 AI Agent 开发中如何编写 Spec。文章首先厘清了 Spec 与 PRD、设计文档及用户故事的区别，指出 Spec 应定义软件行为而非描述需求。接着提出了 Spec 的五要素：目标、约束、边界、验收标准和技术上下文。最后倡导从三句话开始，将 Spec 视为随项目生长的活文档，以提高 Agent 开发的准确性和安全性。
本文是一份面向全员（美术、运营、产品、策划、财务、客服）的提示词工程实战培训手册。文章不仅解析了角色设定、格式控制、思维链、少样本示例和负面约束五大核心技巧，还提供了周报生成、会议纪要、竞品调研等可直接套用的Prompt模板，并整理了李继刚、宝玉等国内知名创作者的实践思路，旨在通过“少理论，多模板”的方式提升AI办公效率。
UX 领域先驱 Jakob Nielsen 指出，AI 将交互范式从“基于命令”转变为“基于意图”，用户角色从操作者变为监督者。文章重新定义了 AI 时代的可用性指标，提出了包含意图层、编排层和直接操作层的三层设计模型。作者强调“刻意认知摩擦”以应对信任校准，并展望了未来从“生成”走向“探索潜在空间”的交互愿景。
文章批判了将多个AI Agent拟人化为“产品经理”、“工程师”等角色进行流水线协作的“三省六部”架构。作者指出该模式忽视了LLM无专业壁垒的特性，导致推理过程在传递中衰减。通过对比Anthropic、OpenAI和Google的工程实践，文章提出真正的多Agent架构应依赖显式状态文件、并行搜索而非线性分工，并强调保持推理链连续性比角色扮演更重要。
本文是作者在深入使用 OpenClaw 72 小时后的实战避坑指南。文章详细记录了 OpenClaw 在模型混用、iMessage 回环、配置文件容错及服务稳定性等方面的潜在陷阱与解决方案。作者指出 OpenClaw 虽然具备强大的自主性和灵活性，但对使用者的技术维护能力有较高要求，建议通过 Git 管理配置、构建心跳监控等方式在生产环境中保障服务稳定运行。
