作者通读 xAI 官方文档，总结出大多数 Grokbot 用户错过的 7 个键盘快捷键和 15 个进阶技巧，包括新建 bot 快捷键、斜杠技能引用、@提及与 @everyone、命令面板、硬中断指令，以及通过演示教学创建技能、2-6 个 bot 群聊协作、利用 bot 描述字段作为持久记忆等方法。文章强调 Grokbot 是完整的 agent 产品，具备真实文件系统、浏览器、审批系统和多 bot 协调层，掌握这些技巧能把聊天工具变成真正协作团队。
作者分享了自己为豆包「工作任务」模式手搓的两个AI技能：一个批量生成成套应用图标，一个生成高质量PPT。借助豆包内置的SOTA生图能力和本地agent执行能力，原本需要跨多个工具的图标生成流程（列清单、生成网格大图、切图、自检）如今一句话即可跑完，一晚上产出44个图标。作者还测试了豆包自主改造和新建技能的能力，发现其行为接近靠谱工程师，并将两个技能免费开源。
作者基于数月做 AI Game 生成平台的实践经验，系统梳理了 AI 生成游戏的能力边界。核心观点：决定 AI 游戏上限的是引擎而非模型，纯文本技术栈（Web、Godot）最适合 AI；静态资源多的游戏（策略、卡牌、爬塔）好做，动态素材多的（动作、格斗）难做；代码已不是瓶颈，卡点在素材的成套一致性和数值的体验曲线设计。文章还分享了素材生成、透明背景处理、动画路线选择等工程细节，建议先选引擎、做静态内容多的游戏并给 Agent 接上验证闭环。
本文是 Agent 内核拆解系列第 4 篇，深入分析开源 coding agent pi 的 compaction（上下文压缩）机制。文章介绍了触发压缩的两种条件：context 超过阈值（窗口减去 reserveTokens）和 API 溢出报错，并讲解了溢出恢复流程。压缩时从消息列表末尾回溯找合法切割点（保留最近约 2 万 token 原文），之前的消息用 LLM 按结构化格式（Goal、Progress、Key Decisions 等）总结成摘要，并在末尾追加 <read-files> 和 <modified-files> 文件列表，让模型压缩后仍知道读过、改过哪些文件。文末提供配套可运行代码与实践建议。
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。
作者认为Grok Bot被严重低估，它正从被动聊天AI转变为持久在线的自主执行引擎。其核心优势包括：专属云运行环境（带真实浏览器、文件系统和持久登录）、实时网络与X平台数据接入、无需API即可视觉操控各类网站工具、以及多Agent并行深度搜索。文章提供了四个高杠杆提示词框架（趋势预测、竞品审计、自主内容架构、多Agent代码审计），并展望其在VC尽调、销售GTM和软件工程等领域的变革潜力，称xAI正在构建现实世界执行的操作系统。
本文介绍如何用办公Agent WorkBuddy处理公司日常财务工作，提供6大常用工作流的可直接套用提示词模板：银行流水与发票交叉对账、报销单据预审整理、应收应付台账批量更新、多Excel报表合并汇总、工资辅助校验处理、财务文档批量归档重命名。作者强调先借助模板上手，跑通后将工作流固化为个人专属Skill以便复用和分享，并提醒所有数据处理结果需人工复核，确保财务严谨不出错。
文章以一位销售团队负责人用WorkBuddy三个月搭建18个定时自动化的真实案例为引，指出最值钱的不是单点功能，而是可复跑的SOP和自动化体系。普通人不应照抄数量，而是改变一个变量：从每次手搓对话改为规则写死、到点自动运行、人只看简报和异常。文章给出半天四步实操路径（选活、写清、配点、看一周），并提供餐饮店长差评早报、跨境卖家店铺体检、一人公司周报滚雪球三套方案，强调先选无聊低频风险活、失败留痕、确认权不出租三条规则，让自动化成为可持续的复利。
文章指出科学研究和人生的真正目标不是赢得最终分数，而是持续更新对现实的理解、降低世界的不确定性。作者批评当前AI研究过度依赖基准测试分数，导致reward hacking和过拟合，将科学过程变成锦标赛。借鉴灰盒模糊测试的思路，作者主张科研需要密集、廉价的认知进展信号来引导搜索方向，而非仅靠稀疏的最终验证。失败实验不是判决而是数据，反馈架构而非生成能力才是瓶颈。
作者围观其 FDE（前线部署工程师）社群自发组织的线上讨论，多位从业者围绕企业 AI 落地各抒己见。文章提出多个非主流判断：FDE 热潮是需求爆发与技术供给转移的叠加，供给增速可能远超付费需求；AI 项目复杂度上升但客户付费意愿反降，形成危险剪刀差；老板的 AI 焦虑不等于真实需求；最适合改造的是「半数字化企业」；真正困难在于组织与人而非技术。作者认为 FDE 应作为客户入口，沉淀可复用行业资产，最终稀缺的是客户入口、行业理解与组织信任。
本文是 multiagent system（MAS）设计系列笔记的第二篇，探讨现代 MAS 中的并发控制协议与算法。作者指出许多看似'沟通失败'或'协作失败'的问题，本质上是 stale read、lost update、write-write race 等经典并发异常。文章介绍了 raft.build 提出的 Held Draft 协议，通过版本号校验让 agent 在提交前感知新信息，但也分析了其最坏情况下 n² 级的计算复杂度。最后按工作结构给出了 sequencer、DAG、OCC、lock、CRDT 等不同场景下的适用机制对照表，并附有交互式 live demo 与丰富的论文参考文献。
本文探讨了2026年秋季AI时代软件基础设施的变革。作者提出，基础设施的演变受工作负载冲击和设计冲击驱动。AI应用和智能体作为新的工作负载，催生了推理平台、评估方案等新基础设施；同时，智能体作为软件的新消费者，促使版本控制、数据库和搜索等传统基础设施为适应智能体消费而重新设计。文章以版本控制为例，指出Git和GitHub的速率限制不适合智能体时代，新兴公司如Code.storage提供为智能体优化的无限API和按需计费。数据库领域，智能体导致数据库实例数量激增，Neon等新方案应运而生。文章最后暗示搜索也将面临类似变革。
本文探讨了2026年AI创业面临的挑战与机遇。作者认为，随着模型能力增强和成本下降，应用层最稀缺的不再是智能本身，而是验证结果、权限体系、业务闭环和责任承担。文章提出未来3-5年将出现五个结构性变化，包括Agent成为软件运行方式、SaaS分层、基础设施重要性提升等，并建议创业者在行动前回答七个关键问题。
本文深入探讨了代理系统设计的基础与核心组件。作者指出，将前沿模型放入设计糟糕的代理系统只会得到更清晰的失败，因此工程重点应放在模型之外的代理框架（harness）上。文章首先对比了代理工作负载与传统Web请求的差异，强调代理任务耗时、I/O密集、非确定性和高边际成本，并由此推导出架构设计原则。随后，文章详细介绍了代理框架的四个关键组件：工具（Tools）的设计契约与最佳实践、提示词工程（Prompt Engineering）的结构化方法与版本管理、记忆（Memory）的短期与长期区分及上下文管理，以及多代理编排（Orchestration）的并行与顺序模式。所有内容均基于一个真实的五代理系统DevVoice，提供了实用的设计决策与代码示例。
本文作者通过自身经历，反思了在AI Agent大规模应用后，管理者面临的新挑战。作者发现，当执行层被AI无限加速后，真正的瓶颈变成了管理者的决策能力。文章剖析了信息、授权、验收、情绪四种老板瓶颈，并提出了三层判断制度和五项管理者绩效指标，强调AI不会消灭管理，而是会消灭管理中的表演，迫使管理者直面真正的承重判断。
本文是作者为南召衡辰中学教师进行的一场6小时AI赋能教育实操培训的完整复盘。文章首先通过问卷揭示教师使用AI的现状与痛点，然后深入讲解Agent、上下文、工作空间等核心概念，提出SGP提示词方法论，并详细演示了英语备课、数学实验室、作文批改等具体应用场景，强调将AI融入工作流、以上下文为核心的方法，为教育工作者提供了可复制的AI应用路径。
字节跳动推出的扣子桌面端，通过云盘双向同步、深度截图、本地Agent接入等功能，让AI Agent更深入地融入本地工作流。文章以新书宣传和自媒体运营为例，展示了扣子桌面端如何高效生成网站、PPT、播客等营销物料，并支持多Agent协作。作者认为，扣子桌面端的设计旨在减少文件上传下载等摩擦成本，让AI更贴近用户的工作上下文，是AI工具落地办公场景的重要一步。
本文转述并点评了YC总裁Garry Tan在Startup School上的演讲《Own Your Intelligence》。Garry Tan以斯宾诺莎被逐出教门的故事开场，指出当今人们对AGI的等待如同等待上帝降临，而真正的智能应如斯宾诺莎的上帝般弥散于日常。他提出“Personal AGI”概念，强调智能应被拥有而非租用，通过个人知识库、技能文件和agent构建自己的智能资产，实现产出400倍的提升。文章详细介绍了技能文件的写法、计算发生的空间、个人组织的构建，并给出了五步实操指南，核心观点是：租来的智能不会产生复利，拥有的才会。
本文介绍了构建长周期（long-horizon）AI Agent 的五个设计模式，旨在解决 Agent 在长时间运行中出现的静默故障问题。作者基于自身开发并开源的长周期 Agent 框架（Long Horizon）的经验，总结了五个关键模式：稳定前缀（Stable prefix）以优化缓存命中率、后台学习（Background learning）以提升响应速度、持久化工作区（Persistent workspace）以保留跨会话状态、显式失败（Explicit failure）以避免错误报告，以及第五个模式（原文未完整给出）。这些模式帮助开发者避免 Agent 在长时间运行中悄悄偏离轨道，确保其稳定可靠。
本文介绍如何利用Reddit的公共RSS源构建一个自动化销售系统，通过两个AI代理（Hermes）分别处理无产品和有产品的情况。系统监控相关子版块，分析社区特征，自动生成回复和内容，但所有发布操作由人工完成以避免封号。文章详细说明了设置步骤、社区画像的建立方法，以及如何通过持续使用提升营销和写作能力。
本文深入剖析了Grok Bot团队内部实际使用的机器人工作流程，揭示了他们如何通过11个步骤构建高效、可靠的自动化系统。文章强调了从团队公开的机器人名单中学习的重要性，指出了四个关键限制（无试运行、非安全边界、审批不可逆、远端可见），并详细介绍了如何将机器人视为文件而非聊天窗口、通过屏幕录制验证工作、以及串联技能而非优化提示词等核心方法。文中还提供了具体的机器人配置文件示例和技能链示例，旨在帮助读者复制这套工作流，实现每天15分钟构建原型的高效产出。
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
本文介绍如何利用Grok Bot构建一人公司。Grok Bot并非简单的聊天机器人，每个机器人拥有独立的云电脑，可登录真实工具（如LinkedIn、Gmail、Slack等）并自主操作。文章详细阐述了从获取访问权限、创建机器人、连接工具、演示任务、设置定时触发到多机器人协作的完整流程，强调从“提示”到“委派”的转变，帮助用户将重复性工作自动化，从而专注于决策。
本文作者 brucexu.eth 基于自身使用经验，分析了开源 AI Agent 项目 Hermes Agent 的现状与未来。文章指出，Hermes 在 GitHub 和 OpenRouter 上增长迅速，并具备开源、高自由度、数据主权、跨场景一致性和模型可替换等优势。然而，要成为一亿用户级的平台，Hermes 仍需填补多个关键缺口，包括：真正以 Agent 为中心的手机端、简化底层概念以降低使用门槛、完善企业级权限审批与审计、提供可嵌入应用的 Agent Runtime、构建 Agent 控制面与长期数据管理、促进 Agent 间协作、提供普通人负担得起的托管服务，以及建立 Skills 市场。作者认为这些挑战也蕴含着巨大的商业机会。
本文介绍了 Grok Bot 这一新型 AI 代理产品的入门方法。作者强调不应将其视为普通聊天机器人，而应利用其云端计算机能力，通过创建单一 Bot 处理具体任务，并逐步优化为自动化流程。文章列举了多种实用场景，如行政助理、旅行规划、学习辅助、内容研究、个人事务管理、费用报销和日常购物等，并建议用户从一项日常任务开始，逐步构建多个专业 Bot 协同工作。
本文探讨了以聊天作为主要交互界面的AI代理（如Grok Bot）如何重塑软件开发、个人软件和工作流自动化。作者认为，真正的力量来自底层系统而非界面，聊天界面可以替代传统UI，通过自然语言编写提示词来控制代理。文章分享了个人健身应用从传统软件转变为聊天驱动的案例，以及如何将聊天作为编码的“外循环”来保护上下文，并讨论了工作流自动化如何通过聊天简化。
文章指出数学有 Lean、代码有编译器和测试作为不可欺骗的裁判，而物理缺乏机器验证器，导致物理 AI 卡在起跑线前。作者分析 LLM 最擅长伪造物理学家依赖的廉价可信信号（量纲一致、推导自洽、独立路径吻合等），且最危险的错误是将近似用在适用域之外。文章借鉴数学和代码领域建立裁判后能力爆发的经验，提出为物理构建可机检的验证层，输出覆盖度证书，包含量纲检查、对称性验证、数值模拟交叉验证和强制隔离的多路径推导，目标客户是做物理的 AI Agent。
字节豆包客户端更新了工作模式，新增操作电脑、技能、连接器、工作伙伴等功能，体验接近 Codex。作者实测7-8个任务，展示了网站生成、PDF转互动课件、飞书文档与PPT生成、多媒体创作、旅行Vlog制作等应用。豆包与飞书整合后形成办公Agent强组合，云电脑模式支持7*24小时运行，手机与电脑端无缝衔接，本地模式则保障数据私密性，整体表现超预期。
文章介绍了开源项目 awesome-agentic-ai-zh 提供的 AI Agent 学习地图，将学习路径分为两条：路线 A（CLI Power User）面向只想用好现成 Agent 的用户，学习 Claude Code、Codex、MCP、Skills 和工作流搭建；路线 B（Agent Builder）面向想开发 Agent 的工程师，需深入 Tool Use、Agent Framework、Memory、RAG 和 Multi-Agent。作者强调不要跳级学习，先补齐 Terminal、Git、API、JSON 等基础，普通人学好路线 A 已能解决大量实际问题。
