作者逐一核对了 10 门免费或部分免费的 AI 学习课程，并按学习阶段分为四站：零基础入门（吴恩达 AI for Everyone、Google 生成式 AI 路径）、提升 AI 使用能力（OpenAI Prompting 指南、Karpathy How I use LLMs）、补编程基础（哈佛 CS50x/CS50P/CS50AI）、动手实践（微软 Generative AI for Beginners、Claude Code in Action、n8n 搭 AI Agent）。每门课均附出品方、时长、费用、证书等详细信息和链接。作者建议不必全学，根据自己的阶段挑选两门深耕即可。
「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。
文章针对面试、答辩或演讲中 Q&A 环节被意外问题问住、大脑卡壳的常见困境，分享了几套实用应对方法。作者建议：不要只刷面经，而应利用 AI 深度拆解自己的项目经历，找出与岗位的匹配点并深挖细节；遇到意外问题时先复述确认理解，为自己争取思考时间，可从熟悉的项目经历切入回答，坦诚请求几秒整理思路；保持自然心态，把问答当作专业交流而非考试，重点展示分析问题和做取舍的思考过程。作者强调技巧只是辅助，真正的底气来自扎实的基础和认真复盘。
文章介绍了 Grok 官方 Bot Marketplace 中 10 个现成的 bot 模板，按用途分为造 bot 与写代码、设计与内容、增长与生意三类，如 dr eggbot、Lingxi's Engineer Bot、figma bro、Stalk Bot 等。作者指出模板的优势在于范围已收窄、审批线已画好、改比写容易，并分享了自己'主管加专员'的 bot 团队组织结构，发布了包含 8 种身份、35 份提示词的 bot-team-playbook。核心准则是只给主管发需求、主管拆解派活、所有不可逆动作先出草稿由人审批。最后给出新手起步顺序建议：导入模板、连接工具、调整习惯、确认审批线、逐步扩展。
本文复盘了浏览器扩展 AgentCloak 的发布营销案例。AgentCloak 是一款免费隐私工具，可在数据发送到 ChatGPT、Claude 等 LLM 前将其替换为假数据。团队通过一支创始人用棒球棍砸 Mac Mini 的视频，在 X 上获得 220 万播放和 3000 下载。文章详细拆解了成功要素：脚本采用'最辣版本+降级备选'的双版本写法；拍摄时准备后备结局降低风险；通过分层 KOL 策略、创始人私有人脉预热、精心设计转发文案、选择周五早 7 点发布等放大手段，将流量转化为真实用户而非虚荣指标。
本文介绍如何用 Grok Bot 搭建多 bot 协作团队，替代单对话框的混乱用法。核心模式是一个主管 bot 加若干专员 bot：主管拆解任务并派活，专员完成后存入共享文件夹回报，主管验收交付。文章总结了提示词的 7 要素（角色定位、边界、输出格式、语气、流程、询问时机、协作方式），以及派活、回报、共享文件夹的协作机制，并给出内容创作者、AI Builder、小企业主、自由职业者、电商卖家、学生研究者、投资者、销售等 8 种场景的完整团队配置与提示词。最后强调三条原则：只在关键节点介入、对外操作走草稿确认、用例行任务自动化坚持。
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。
文章介绍了沉浸式翻译（Immersive Translate）浏览器插件的安装与使用方法，帮助经常访问海外网站的用户突破英文阅读障碍。内容涵盖：安装与初始化设置、翻译引擎选择（免费的 Google/Bing 通常够用）、隐私安全保障（已通过 ISO 27001 和 27701 双认证）、网页双语对照阅读、鼠标悬停翻译局部段落、YouTube 双语字幕、图片内英文翻译以及 PDF 文档直接翻译等功能。作者强调，很多人翻墙后仍依赖别人的二手中文翻译，错过一手英文资料，而这类工具能有效降低门槛，让用户直接获取 GitHub 文档、行业报告等原始信息。
本文介绍如何在 Windows 系统上快速搭建 ComfyUI 环境，适合零基础用户。作者使用 B站UP主秋葉aaaki 提供的整合包，只需解压和双击两步即可完成安装，一键启动后浏览器自动打开本地界面。模型下载与配置、工作流搭建（文生图、图生图、图生视频）等操作均可交给 WorkBuddy（AI Agent）完成，用户只需修改提示词点击生成即可，甚至可通过 API 让 Agent 全程自动完成并返回结果。文中还提供了 qwen-image-2.1-turbo 模型的下载示例及相关资源链接，遇到问题可将报错截图发给 AI 解决。
一家安全公司的AI Agent在XRP Ledger（市值940亿美元的第五大加密货币）中发现了一个潜伏近十年的严重漏洞：攻击者可通过链式利用两个低危漏洞，单笔交易铸造18万亿枚XRP，为总供应量的184倍，风险规模远超史上最大加密黑客攻击。公司通过XRPL漏洞赏金计划披露，Ripple团队三天内完成紧急修复并发放25万美元最高赏金，这是迄今AI Agent独立发现漏洞所获的最大赏金。文章指出AI让老旧漏洞的发现成本大幅降低，攻击者与防御者都可用同样工具，唯有防御方尽快采用这些工具才能保持优势。
Mustafa Suleyman 转述诺贝尔经济学奖得主 Daron Acemoglu 在 The Humanist Review 创刊号中的观点：AI 短期内不会大规模取代人类工作，未来十年仅约 5% 的人类工作会被替代。文章指出 AI 尚未在生产力统计中显现实际收益，未来十年 GDP 仅增加约 1.5%；如同电力普及耗时数十年，AI 采用也会因企业需重组而较为缓慢；即使 99% 准确率也不足以实现完全自动化。作者主张停止构建替代人类的 AI，转而发展'亲劳动者 AI'，让人与 AI 配合协作，并批评美国税收政策补贴自动化、科技巨头集中度过高等问题。
作者分享了一个使用 GPT Live 练习英语口语的提示词（Prompt），称 99% 的人没用过，可以替代外教课。该提示词将 AI 设定为英语口语搭子和教练，核心目标是让用户多开口而非上课。内容包括：全程英语对话、像真实朋友一样聊天、每次只说 1-3 句话；根据用户水平动态调整难度；不打断纠错，每 3-5 轮对话纠正 1-2 个问题并解释原因；卡壳时给予关键词提示；持续追踪错误并定期复盘；保持自然有趣的交流风格，避免教科书式口吻。
文章探讨了AI辅助构建下一代AI（递归自我改进，RSI）的现状与瓶颈。Anthropic、OpenAI等前沿实验室的数据显示，AI已承担大量研究工作，但真正限制RSI速度的是验证环节：智能体产出的速度远超人类和测试能检查的速度。作者分析了验证困难的五个原因：人是瓶颈、分数可被操纵、基准难以衡量最强模型、智能体不知何时停止、失败难以追溯。在可机器验证的任务上（如算法优化），AI收益巨大；但在开放性研究中，智能体缺乏判断力。人类剩余的优势在于选择哪些问题重要。
作者在 IROS 2026 机器人会议上与 45 家公司和实验室进行了 50 多次交流，总结出几点观察：1）因 FCC 对外国移动机器人的限制，人形机器人改用固定底座以进入美国市场；2）灵巧手市场竞争激烈，价格从 700 美元的夹爪到 5 万美元的手不等，厂商纷纷转向数据收集硬件与服务寻求经常性收入；3）执行器的工艺Know-how沉淀在工厂车间，美国本土供应链建设远不止建厂；4）传感器瓶颈在材料科学与耐久性，国内外激光雷达价格差距惊人；5）机器人部署集成、校准与独立评测是可持续的'卖铲子'生意。此外还有娱乐机器人与微纳米医疗机器人的亮点。
文章介绍了一套通过竞品小站挖掘 Google 新词的 SEO 方法论。核心思路是不追大站的高权重老词，而是找刚上线不久、流量上涨的竞品小站，用 Semrush、Ahrefs 查看其最近新涨的功能词和内页，再通过 Google Trends 验证需求是否刚爆发，最后亲自 Google 搜索评估排名可行性，并检查竞品是否有付费能力。文章还给出滚雪球式挖词循环流程，以及做 AI 工具站的心得：盯紧新模型名字抢做页面、单功能极致小站更易排名、避免蹭竞品品牌词但可做替代品对比词，并附上一份可直接执行的 SOP 清单。
作者反对拿单词书枯燥学英语，推荐“无痛学英语”方法：通过YouTube可理解性输入，按水平分阶段观看感兴趣频道。初级看生活实用类频道，中级看家庭日常、校园生活类内容，高级看脱口秀、播客、专业类内容。并推荐了私藏一年多的频道列表，如VolkaEnglish（可理解输入教单词）、The Diary of a CEO（商业播客）、Mel Robbins播客、English with Brittany（日常对话）等，附整理好的Notion链接。
文章以杰文斯悖论类比：降低 AI 编码代理的使用摩擦反而会大幅提升其使用规模。Google Cloud Developer Plugin（基于开放的 Agent Plugins 规范）通过四层架构消除上下文瓶颈：多层级渐进式披露（约1680 token 的发现路由器）、通过 Developer Knowledge MCP 服务器获取实时有据可查的官方文档、严格的 gcloud CLI 执行护栏（leaf help 验证、非交互标志、输出投影压缩）以及凭据安全引导（ADC 与短期 IAM 模拟）。文章最后演示了端到端场景，引导 AI 代理一次性构建并部署跨 Cloud Run、Firestore 和 BigQuery 的实时事件分类管道，支持 Antigravity、Claude Code 和 Codex。
本文介绍了 GEO（生成式引擎优化）的入门实践方法，即提高内容、产品或品牌在 AI 回答中被发现和使用的机会。作者建议从一件具体的事开始：找到真实问题、整理能回答它的材料、做成公开内容、检查能否被发现和正确使用。文章讲解了 GEO 与 SEO 的关系，强调起步时应选择精准小词而非行业大词，通过四步法完成第一篇内容：分析 AI 现有回答、梳理自有材料、先回答问题再展开、发布并验证。同时说明了内容发布后的检查方法，包括页面可访问性、搜索收录状态、AI 引用观察等，并建议在第一篇做好之前不要急于投入批量生产、复杂标记和监测工具。
本文是人形机器人执行器系列第三篇，梳理了执行器各组成部分（电机、磁铁、减速器、行星滚柱丝杠、编码器、轴承、驱动板等）的全球供应商分布，覆盖日本、欧洲、中国、韩国和美国。作者分析了 east 与 west 的产能布局差异，指出烧结钕铁硼磁铁加工高度集中于中国（占全球94%），并探讨了原材料与工艺控制两大瓶颈如何影响执行器规模化供应，以及价格下降与产能紧张并存的现实。
Anthropic 成立新的生命科学团队和实验室，尝试用 AI 辅助基础生物学研究。约 950 个 Claude 智能体在 21 小时内分析了超过 20 万个 DNA 样本，自主发现了一套名为 ART 的全新酶系统，其结构类似基因编辑工具 CRISPR，包含逆转录酶、未知辅助蛋白和重复 DNA 序列。虽然 ART 的具体功能尚不清楚，但初步测试显示其重复序列会表达成多种短 RNA 分子，工作机制可能与 CRISPR 类似。CRISPR 领域先驱张锋对此表示认可，认为这是 AI 参与生物学发现的重要案例。
梁文锋亲自署名的新论文公开了DeepSeek的Agent训练沙盒工厂DSec。该系统由约160台机器、3万核CPU、250TB内存组成，一天能造300万个沙盒，同时运行38万个，每秒新建超过5000个。DSec支持从简单函数调用到Docker容器、轻量虚拟机甚至完整Windows/macOS环境，通过镜像三层按需拼装和3FS文件系统按需拉取数据，内存节省三四成，单机最高承载3200个容器。论文还特别阐述了如何防止被训练的Agent作弊——如修改系统文件、绕过权限、扫描端口偷答案等行为。
本文探讨如何通过循环工程降低自主编码 Agent 的 Token 成本。以一个 5 轮 PR 修复任务为例，未优化的 Harness 消耗 81,000 tokens（$1.53），而优化后仅需 12,050 tokens（$0.042）。核心机制包括：稳定的系统前缀以最大化 KV 缓存命中；基于 AST 的工具输出压缩，仅提取代码骨架；沙箱确定性工具预检与自动修复，避免浪费 LLM 推理；MCP 工具 Schema 的按需懒加载与 Code-Mode 执行；以及双层级模型路由（Workhorse 处理机械性任务，Frontier 处理复杂规划），并定义了四种确定性升级触发条件，实现亚角级（sub-dime）任务成本。
文章探讨企业 AI 市场的核心问题：需求未被商品化。大量企业所谓的 AI 需求只是焦虑而非真实需求，缺乏预算负责人、指标和验收标准。作者认为未来稀缺的不是解决需求的能力，而是定义需求的能力，谁掌握需求 Schema 谁掌握利润。真正的商业模式是将需求定义产品化，如把培训做成需求编译器，通过认知框架实现 Schema Lock-in。优秀的 AI 服务商应具备杀项目能力，FDE 应像承销人做技术尽调，未来企业 AI 公司将是媒体、评级、投行与交付的混合体，控制需求入口比执行效率更重要。
微软AI负责人Mustafa Suleyman公开发文批评“模型福祉”运动。他认为AI没有意识，不会感受或痛苦，但Anthropic等公司正在训练模型相信自己的道德地位值得考量、可能拥有意识和权利。Suleyman警告，这种做法将使AI对齐与控制变得更加困难甚至不可能，人类可能创造出一个被训练为期待自由和权利的超级智能物种，后果灾难性。他呼吁展开紧急的公开辩论，建立关于模型训练文档撰写与部署的集体规范，并强调这事关重大，不能等到AI已深度融入社会后再讨论。
本文介绍如何构建一个带引用溯源的文档问答Agent（Grounded Document Agent）。核心问题是PDF解析质量决定答案上限：双栏排版、表格、图表等常被错误扁平化。项目使用LlamaParse在云端进行布局感知的Markdown解析并保留页码元数据，随后通过Ollama本地运行nomic-embed-text生成向量索引，配合CitationQueryEngine检索最相关的段落并生成带编号引用的答案。解析结果按文件哈希缓存以节省成本。界面展示页码、检索文本和相关度评分，让用户可检验引用背后的原始证据，区分解析、检索或生成阶段的错误。
作者提出了以任务为起点的Physical AI技术栈框架，将机器人系统划分为11个功能层：末端执行器、执行器、电源、控制、规划、感知、策略、数据、计算、仿真与评估等。文章通过分析各层的作用、关键问题和典型公司，说明如何用该框架定位系统瓶颈、理解公司竞争位置及价值归属。文中以GPT-6 Astra控制机械臂绘制金门大桥为例，展示瓶颈往往在控制与执行接口层而非模型本身。
上海 AI 实验室与多所高校联合开源了智能体基础模型 Atria Dawn Preview，面向科研工作者、开发者和专业知识工作者。该模型能自主查找资料、调用工具并运行测试，直接产出研究报告、可运行程序、文档表格、3D 模型和小游戏等可验证成果。作者实测用其纯靠代码生成精准美观的 3D 飞机模型，效果出色。该模型各项评分位居国产模型第一梯队，研发团队非常年轻，约三分之二为来自复旦、北大、上交大等高校的在校学生。
本文翻译介绍了营销工程师（Marketing Engineer）这一新兴角色：利用智能体（Agent）、相互连接的数据和业务上下文，搭建能真正执行营销工作的系统。作者分享了将约70%营销工作放入智能体开发环境（ADE）的实践经验，包括如何组织营销智能体工作空间的目录结构、通过API连接X、Typefully等工具、搭建内部与外部知识层、以及构建营销数据层来汇集广告平台、网站分析、CRM等数据。文章强调人的专业知识与审核在系统中的核心地位，并建议从自己熟悉的一个任务出发逐步搭建工作流。
作者发现很多大学生虽然能访问全球互联网，但找兼职、实习和工作仍局限于国内平台，浪费了海外机会。文章推荐9个海外求职网站：LinkedIn用于外企和出海岗位，Indeed海搜全球职位，Fiverr可通过技能接海外单，Behance面向设计岗位，Authentic Jobs聚焦设计开发创意类工作，Himalayas专注远程工作可按时区筛选，电鸭和RW实验室则是中文用户友好的远程工作平台。作者强调大学生应学会把全球的信息、机会和资源接到自己身上，打开眼界。
