中式美学×七夕：20张东方浪漫概念海报
作者以AI辅助创作了20张七夕主题概念海报，探讨中式美学的表达方式。文章反对堆砌爱心、粉色等节日符号的套路，主张让东方浪漫长在器物（簪、茶盏、云锦、榫卯）、光影与留白之中，呈现为一种“关系系统”而非装饰系统。海报涵盖器物叙事、现代人物、城市空间与静默收尾四个层次，人物品牌场景均为虚构视觉示意。
全部文档 / 作者: Yan
160 篇
AI 进入社区之后真正改变的是什么
文章探讨 AI 如何改变社区产品。作者认为新社区的机会来自用户结构与行为条件的变化，AI 通过降低理解、表达、创作门槛扩大参与人群。文章对比两条路径：小红书先有生态，用 AI 提高经验可调用性；网易小蜜蜂则借 AI 加速生态形成。作者提出社区 AI 价值的三层框架（工具价值、行为价值、结构价值），并指出核心观察链条：AI 使用到内容产生、他人反馈、用户再参与的循环。AI 能制造内容繁荣的幻觉，但无法伪造长期人际关系，社区能否活起来最终还是要看人。
0基础小红书教程(下)：从0到1万粉的内容节奏
本文是作者小红书运营系列的收官之作，核心观点是账号的长期增长靠内容节奏而非等待爆款。作者提出内容节奏的本质是持续积累、批量生产和按节奏发布的循环，建议保持至少两周的内容储备。文章给出了从0到1万粉的分阶段策略：0-1000粉为试错期多测试、1000-5000粉为放大期复制有效内容、5000-10000粉建立内容系统、1万粉后形成增长飞轮。同时强调前期需垂直定位建立标签，后期转向人设垂直，并分享了简单的内容模板：一个问题+一个经验+一个观点。
小红书运营（下）：0-20万粉的变现、个人IP与长期主义
作者结合自身从0到20万粉的经历，拆解知识/职场/AI类博主在小红书的变现逻辑。小红书粉丝值钱的本质是信任而非流量，广告报价约为粉丝数的1/10。变现分为广告、带货、知识产品、咨询服务四层，层级越高信任越深，作者广告收入仅占整体收入20%，其余来自职业辅导、企业培训、设计咨询等。文章强调个人IP是被时间筛选出来的，IP不是设计出来的而是长出来的；小红书是长尾流量平台，做内容如同在互联网种树，坚持长期主义，信任和品牌会复利增长。
小红书起号(上)：从0到20万粉的流量、定位、涨粉与选题经验
作者是硅谷大厂AI产品设计负责人、全平台50万粉博主，分享小红书从0到20万粉的起号心得。核心观点：起号关键在于顺势而为、找到能长期输出的方向、持续验证内容共鸣。文章讨论了账号定位的两种玩法（追热点vs个人IP）、小红书重人设与信任的特点、涨粉靠真诚与利他、算法从内容垂直到人设垂直、流量波动的应对，以及选题方法与图文视频形式选择，最后总结8个常见起号误区，强调先行动再优化、长期主义经营自己而非账号。
2026年最赚钱的技能：让自己供不应求
作者Jay Yang认为社交媒体文案写作是2026年最有价值的技能，它能让人变得'供不应求'（Oversubscribed）。文章区分了当前需求和未来需求，解释了通过持续创造有价值的内容来建立信任（信任是有证据的信念）。作者提出三步走策略：明确目标、找到内容支柱、在目标客户聚集的地方发布内容，并强调展示权威性、触达力和共鸣感的重要性。在AI能构建一切的时代，创造需求的能力比以往任何时候都更重要，这也是让人变得反脆弱、摆脱单一收入依赖的关键。
4 个工具撑起一个 coding agent
本文深度拆解开源 Coding Agent pi 的工具调用机制，揭示其仅靠 bash、read、write、edit 四个工具即可完成核心编码任务。详细阐述了工具调用的三段式流水线（准备、执行、收尾），以及如何通过并行执行与文件变更队列解决并发冲突，为构建自研 Agent 提供了实战参考。
The Books on My Nightstand
Ryan Holiday shares the books currently on his nightstand, including Clear Thinking by Shane Parrish, Three Lives for Mississippi by William Bradford Huie, Everybody Behaves Badly by Lesley M. M. Blume, The Daily Pressfield by Steven Pressfield, Going Infinite by Michael Lewis, and Fair Play by Eve Rodsky. He provides personal insights and recommendations, touching on decision-making, civil rights history, Hemingway's writing style, and practical advice for household task division. He also mentions books his children are enjoying, such as The Island by Max Brooks and WeirDo by Anh Do, and reflects on the importance of reading history to understand current issues.
美股0基础教程：一个普通人，如何通过投资改变人生？
本文作者以十年美股投资经验，分享普通人如何通过长期投资建立财富增长体系。文章从个人经历出发，介绍了投资理财的起步方法、常见误区、美股与ETF基础知识，并推荐了VOO、VTI、VGT、QQQ等常见ETF。作者强调长期投资、分散风险、理解资产与复利的重要性，并给出新手入门步骤和投资原则，旨在帮助投资小白建立正确的投资观念。
Agent记忆的进阶：从记住到学会再到做得成
本文深入探讨了Agent长期记忆的复杂性，指出仅记住历史并不足够，还需处理信息过期、判断变更、反馈应用及错误回滚等问题。作者通过Alloomi的Holistic Context和Self-Evolving Agent技术报告，阐述了如何通过组织实体时间线、经验筛选与后训练，实现Agent从记忆到学习再到实际交付的进化。文章强调，真正的数字员工应具备经验迁移、状态理解和受控进化能力，并提出了三层评估框架。
我发布了新的skill Product Teardown产品拆解
作者发布了一个名为Product Teardown的skill，旨在帮助用户从资深产品经理的视角系统拆解产品，包括核心问题、目标用户、体验优势、产品策略和优化建议。该skill延续了作者之前offer toolkit的设计语言，采用视觉化表达，便于阅读和分享。作者提供了GitHub链接和讲解视频，并欢迎反馈。
听完李飞飞两小时访谈，我重新理解了 AI 时代的“主体性”
本文基于对李飞飞两小时访谈的思考，探讨了AI时代人类“主体性”的重要性。作者指出，AI不仅能学习写作模式，还能帮助人们看见习惯和盲区，但关键在于如何使用：是直接获取答案，还是用它来拓展思考。文章强调，对孩子而言，AI可能剥夺他们与困难相处的机会，因此教育者需参与规则设计。同时，作者认为语言模型虽强，但世界不只由语言构成，空间智能提供了另一种理解方式。最后，作者提出三个问题，提醒人们在AI辅助下保持主动性和判断力，避免过早交出方向盘。
AI GTM实践：如何构建Reddit Marketing Loop
本文探讨了如何利用AI构建Reddit自动化营销体系（AI GTM）。作者分享了从自动化养号、踩坑经验，到利用Skills固化内容SOP，最终打造出半人工到全自动的内容生产Agent Loop的完整过程。文章总结了6大系统化卡点和应对策略，强调80%AI+20%人工的协同，以及构建结构化数据反馈环路对实现AI自动化获客的重要作用。
38家大模型11个实现就够了：拆解LLM协议层
本文剖析了开源Coding Agent的内核架构，重点讲解LLM协议层的精巧设计。一方面，通过分离API协议与服务商配置，仅用11个协议实现便覆盖了38家大模型，新增支持仅需十几行配置代码；另一方面，确立了“模型调用永不抛出异常”的核心契约，将网络中断、鉴权失败等异常情况统一降级为带有stopReason的普通事件流。这种设计不仅保持了上层Agent循环代码的优雅，还能在发生错误时保留已生成的部分内容，极大提升了系统的鲁棒性与用户体验。
国内出海收款又出新卷王了Waffo Pancake
介绍了一款名为Waffo Pancake的国内出海收款工具，支持支付宝和国内银行卡提现，费率更低，且提供开发者友好的API，方便独立开发者快速接入。
X万粉攻略：复盘有效的创作经验
作者复盘了在X平台首月涨粉过万的9条经验，包括主动介绍自己、发布作品与观点、尽早写长文、找到垂直领域、公开学习过程、分享幕后思考、打破信息茧房、复用优质内容以及建立内容飞轮，强调真诚与长期价值的重要性。
Agent 的本质是一个 while 循环：拆解 pi 的 792 行核心源码
文章通过拆解开源项目 pi 的核心源码，揭示 Agent 的本质是一个 while 循环。作者分析了 pi 的 792 行核心代码，讲解了双层循环、转向消息、事件流解耦、错误处理及 Token 截断防御等关键设计，展示了从玩具代码到生产级 Agent 的工程差距。
用 AI Agent 开发的真实成本：记忆比 Token 更贵
作者分享了使用 Memmy 整合多个 AI Agent（Claude Code、Codex 等）历史记录的实战经验。通过统一记忆管理，新 Agent 能准确识别过期结论和冲突信息，避免重复试错成本。文章强调长期记忆的核心价值不在于存储数量，而在于精准识别“什么不再有效”，从而实现无缝的项目交接。
用NewMax抖音连接器和dontbesilent对标法拆解分析
文章介绍了使用NewMax的抖音连接器和dontbesilent对标法对爆款内容进行拆解分析的方法。作者通过将各类社交媒体数据源封装成工具供NewMax调用，实现了自然语言获取数据并进行分析或改写。作者还计划通过缝合dbskill工作流来进一步强化Agent的能力。
Forward Deployed Engineer (FDE): Skills and Complete 90 Day Roadmap
文章深入解析了 Forward Deployed Engineer (FDE) 这一职位的本质，指出其本质是传统的解决方案架构与专业服务的结合，但在 AI 时代被重新定义。文章详细阐述了 FDE 所需的沟通、工程及评估技能，并针对不同背景（SA、Pro Serv、SWE）的从业者提供了 60 至 120 天的转型路线图。
Google Flow Storyboard Studio 操作指南及视频制作教程
本文详细介绍了 Google Flow Storyboard Studio 的中文操作步骤，涵盖从工具进入、风格选择、故事生成到素材填充的全流程。此外，文章还提供了利用 Gemini 和 Veo 模型将故事板转化为 10 秒以上长视频的方法，包括分段生成与拼接技巧，并解释了 Scenebuilder 的具体使用路径。
Oh My AI Company：AI公司研究库与研究方法论
作者分享了其整理的 AI 公司研究库“AI Company Atlas”，该库收录了 75 家公司及关联的投资人和创始人。文章重点阐述了利用 Agent 辅助调研的闭环流程，以及如何通过 Similarweb 流量分析（区分 PR 声量与真实增长）和社区调研来判断产品生命周期与竞争关系。作者还介绍了用于沉淀长期研究记忆的工具 Memex，旨在构建一张持续生长的 AI 市场地图。
Git Worktree：AI 编程时代，被重新发现的 Git 神器
文章介绍了 Git Worktree 的功能与使用场景。通过允许一个仓库关联多个独立工作目录，Worktree 解决了开发中频繁切换分支导致的上下文丢失问题。在 AI 编程和多 Agent 协作的并行开发时代，Worktree 能有效隔离任务现场，避免互相干扰，是提升开发效率的实用工具。
这应该是目前最接近正解的 Agent 记忆方案
文章探讨了现有 Agent 记忆方案的局限性，即仅是“搜旧聊天”而非真正的学习。作者介绍了 MemOS Local Plugin，它通过 Reflect2Evolve 机制，从对话中自动提炼策略和技能。实测显示，它能跨 Session 应用写作偏好并积累经验，代表了从“存规则”到“学策略”的进步。
OpenCodex：为 Codex Desktop 解锁第三方 API 的本地网关
文章介绍了 OpenCodex 项目，这是一个旨在为 Codex Desktop 解锁第三方 API 能力的本地网关工具。它具有零配置启动、Web 控制面板管理、低延迟 CU 引擎截图压缩等特性，并支持非多模态模型流畅运行 Computer Use。此外，该工具不影响 Codex 原生的手机远程功能。
Claude Code 正在创造新型开发者：从 AI 助手到智能编排
文章探讨了软件开发的范式转移，指出开发者不应仅将 AI 视为简单的聊天或代码生成工具，而应构建围绕智能体（Agent）的完整操作系统。通过优化上下文管理、工作流编排和长期记忆系统，开发者能将 AI 转化为高效的工程系统。这种从“写代码”到“编排智能”的转变，将是未来的核心竞争力。
Hermes Agent 完全指南：从零到自进化的 AI 员工
这是一份 Hermes Agent 的深度实操指南，涵盖了安装、模型选择、平台配置及最佳实践。文章对比了 Hermes 与 OpenClaw、Claude Code 的差异，强调了其本地化记忆、自我改进能力和多平台支持优势。核心内容涉及通过 Cron 和 /goal 命令实现全天候自主任务执行，助你打造一个能持续进化的 AI 员工。
最重要的 AI 创业方向不是 Agent，而是 AI 记忆
本文深入探讨了当前 AI 行业被忽视的“痛点”：AI 缺乏长期记忆。作者认为，比单纯追求更聪明的大模型或自主 Agent 更重要的是构建“持久认知层”。文章以 GBrain 为例，阐述了它如何超越传统的检索生成（RAG），通过自建知识图谱和“梦境周期”维护，实现对信息的真正理解与关系连接。这种能积累上下文、提供确定性智能的“记忆基础设施”，将成为未来 AI 的真正护城河。
Agentic Design Patterns：一本让我重新理解"Agent 到底是什么"的书
本文是 Antonio Gullí 所著《Agentic Design Patterns》的读书笔记。作者不仅梳理了 AI Agent 从 Level 0（裸 LLM）到 Level 3（多 Agent 协作）的四个等级，还深入解读了 Context Engineering、Reflection（反思）、Memory 分层等核心设计模式。文章指出，大多数人在开发 Agent 时忽视了上下文工程和自我反思机制，并建议开发者先优化单 Agent（Level 2），再考虑多 Agent 协作。