比中转站更赚钱的生意：AI 培训
文章认为 AI 最赚钱的生意已从中转站转向企业 AI 培训。培训可赚五种钱：通识课、定制课、场景诊断、人才培养和项目交付服务。作者提出企业 AI 落地的五个阶段（知道、用上、会用、用好、组织提效），强调好培训必须是实操课，并主张培养懂业务的老员工而非只招懂 AI 的新人，把经验转译为知识库、规则和评测集。完整的培训体系涵盖管理层决策课、全员实操、岗位工作坊、知识转译、业务 AI 负责人培养和交付运营训练，同时需提前定好交付边界。
全部文档 / 作者: Miles Ma
42 篇
万字长文｜Codex 从入门到精通
这是一篇面向新手的 Codex 全面教程，系统讲解了 OpenAI Codex 这一可实际操作的 Agent 工具。文章从界面布局、项目与任务管理讲起，详细介绍了 Local、Worktree、Cloud 三种工作区模式的选择，Plan 计划模式的适用场景，权限与沙盒的配置方法。还覆盖了集成终端、内置浏览器、Computer Use、Memory 等基础工具，CLI 常用命令与快捷键，AGENTS.md 项目规则文件的写法，并厘清了 Skills、Plugins、MCP 三者的区别与用法，帮助读者独立上手 Codex 完成实际任务。
万字长文｜WorkBuddy 从入门到精通
本文系统讲解国产 AI 工作助手 WorkBuddy 在国内政企 AI 交付场景中的使用方法。WorkBuddy 将模型、本地工作空间、权限、技能、连接器和产物整合在一条任务链路中，使 AI 能读取文件、生成产物并保留变更供人工验收。文章从一份会议纪要的实操案例出发，覆盖工作空间选择、任务指令四要素（动作、输入、输出、约束）、权限分级（仅问答/计划/默认模式）、模型选择（混元、GLM、DeepSeek 等）、产物验收与变更检查等核心内容，并给出文档整理、表格分析、PPT 制作等真实工作场景的实用提示词模板，强调任务边界、最小权限和交付纪律。
Skills 从入门到精通
本文全面介绍了 Agent Skills 的概念、创建、扩展、测试及企业级应用。作者从最小 Skill 的构建开始，逐步讲解如何拆分文件、接入知识库与 MCP、管理多个 Skill 与 Agent 的协作，并讨论了大型 Skill 的潜在问题与测试方法。最后，文章强调了企业级 Skill 的安全分级、评测与治理，旨在帮助读者从零开始掌握 Skill 开发，并避免常见误区。
万字长文：知识库从入门到精通
文章系统讲解知识库的进阶路径：从最轻的文件上传开始，到 iMA、飞书知识问答承接多文件场景，再用 Obsidian 将资料沉淀为个人判断，进而用 LLM Wiki 让 Agent 自动维护知识库，最后进入企业级 RAG 阶段。作者详细介绍了各阶段的关键实践，包括提示词设计、目录结构、切片与检索策略、权限控制、评测方法等，强调知识库的核心是在模型回答前找到可靠材料，并保留来源、暴露冲突、允许拒答。
GitHub 从入门到精通：万字长文实操指南
本文是一篇面向初学者的 GitHub 实操教程，从 Git 与 GitHub 的区别讲起，详细介绍了 Git 的安装配置、仓库初始化、提交、分支管理、冲突解决、远程仓库操作及 GitHub 协作流程。作者通过一个实际项目案例，演示了从本地开发到推送 GitHub 的完整过程，并强调了版本控制的重要性，不仅适用于程序员，也适用于内容创作者和 AI 使用者。文章内容详实，步骤清晰，适合希望系统学习 Git 和 GitHub 的读者。
AI 落地最重要的两件事：权限管理 & 证据门禁
本文从一次企业咨询出发，指出企业 Agent 落地不能只依赖模型能力，核心在于权限管理和证据门禁。权限管理通过独立身份、短期凭据、数据遮蔽和动作分级，限制 Agent 能做什么；证据门禁则通过证据卡记录主张、证据、推导和假设，确保结论可靠。文章以经营日报 Agent 为例，详细说明了权限卡和证据卡的实践方法，并强调确定性规则和真实环境验证比另一个 AI 审查更可靠。最后指出这些原则同样适用于知识库、客服等场景，FDE 应将现场经验沉淀为可复用资产。
DeepSeek Harness 从 0 到 1详细拆解
本文详细拆解了DeepSeek Harness，一个开源的Agent执行框架。作者通过本地测试验证了其文件写入、Shell执行、权限拦截和会话轨迹功能，并指出当前版本更适合Agent开发者而非普通用户。文章对比了DeepSeek Harness与WorkBuddy、Codex的差异，分析了其插件化设计、权限控制和在企业落地中的不足，最后给出了适用人群建议。
程序员转型 FDE：别再只顾着写代码，先把话讲清楚
本文探讨了程序员转型为 FDE（Forward Deployed Engineer）的路径与挑战。作者指出，AI 正在压缩纯执行型编码的价值，而 FDE 需要深入客户现场，将技术能力转化为业务价值。文章强调，程序员转型的关键第一步是提升表达能力，包括清晰陈述判断、有效倾听与提问、以及管理承诺。作者提供了具体的练习方法，如三句话表达法、角色扮演演练等，并鼓励程序员抓住机会，在实践中成长。
FDE 路演后的思考：企业真正缺的不是模型
作者在深圳完成 FDE 路演后，结合现场反馈与自身经验，深入探讨了企业 AI 落地中的关键缺口。文章指出，企业真正缺乏的不是模型能力，而是能将模型、业务、数据和组织责任连接起来的人才。作者详细阐述了 FDE（Forward Deployed Engineer）的定位、所需能力、与科研系统的结合、以及人与 AI 协作的未来趋势，并为程序员转型 FDE 和企业正确使用 FDE 提供了具体建议。
从0到1入门FDE系列（二）：如何寻找并拿下第一个客户
本文探讨了AI落地工程师（FDE）如何获取并推进第一个客户项目。作者指出，找客户不应从技术栈出发，而要去寻找正在付出代价的业务环节。在与客户初次沟通时，应聚焦真实的业务流程和样本，避免盲目承诺。通过把合作拆解成低成本诊断、利用AI进行沟通预演以及制定有条件的谈判策略，FDE能有效推动项目落地，最终实现从模糊兴趣到真实投入的转化。
从 0 到 1 入门 FDE系列教程（一）：FDE到底需要会什么技能
本文探讨了在AI时代，FDE（全栈交付工程师）如何整合业务咨询、算法、工程与交付等多个职能。作者结合自身转型经验，指出FDE需具备业务洞察、客户筛选、沟通落地及端到端技术工程能力。文章系统梳理了从需求收窄、RAG治理、Agent权限控制到部署压测、生产发布及最终知识转移的完整闭环，强调技术落地必须与组织采用相融合，为AI企业级落地提供了实操指南。