作者实测了国内首个原生Personal Agent产品Today，该产品获得腾讯和蚂蚁集团投资的2亿美元融资，新用户注册可获3亿token和3个月Pro会员。文章详细介绍了Today的下载安装、设置页面的模型（内置DeepSeek V4.1 Flash和GLM 5.3）、应用连接、设备连接、Skill技能等功能，并演示了改名、任务创建、记忆构建、做梦写日记与灵感等特色功能。作者强调Personal Agent的好用性在于给足上下文，让AI主动理解用户、安排任务，是AI从被动执行走向主动服务的关键。
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。
作者分析了 Grok Bot 和 Muse 两款 Personal Agent 的优劣：Grok Bot 擅长实时监控 X 信息并调度第三方模型，但定时任务不稳；Muse 定时执行准、体验好。两者记忆互不相通导致需要人工传话。作者提出真正需要下注的是记忆而非 Agent 本身，并给出教程：通过 EverOS Cloud 创建记忆空间，将 Agent Prompt 分别发给两个 Agent 接入，实现共享记忆层。任务前后读写同一记忆库，还可沉淀可复用 Skill，实现信息抓取与定时汇总的分工协作，且记忆可查看、纠正、删除，未来可自托管部署。
文章讲述了 Lauren Tan（poteto）从新加坡自学编程、金融专业出身，通过技术博客和 EmberConf 演讲进入行业的经历。她先后任职于 DockYard、Netflix、Meta（React Compiler 核心作者），2026 年加入 Cursor 后因性能修复工作受挫，转而构建让 Agent 自动修复 Bug 的 Slack 机器人 Binnie，并主导重构 Grok Bot。Grok Bot 发布后她在 X 上粉丝十周内从 3 万增长到近 20 万，获马斯克多次转发，成为 AI Agent 工程领域的标志性人物。
作者将 Grok Bot 团队 72 小时直播内容提炼为一篇可操作的配置指南。文章涵盖：一条消息即可完成的安装方法、七条团队总结的提示词习惯、如何用 AGENTS.md 和自定义规则让机器人遵守持久规则、如何让机器人验证自己的工作（构建 verify 工具与检查清单）、自主权分级（investigate → draft → autopilot → full-autopilot）、五套日程例程与连接器规则，以及从市场机器人组装的五个现成团队配置。核心原则包括：写原则而非事故记录、可复现验证、明确真相来源、按爆炸半径设定自主权等。
本期早报精讲三篇文章：Google 公开 Agent Compute Engine 架构，通过 Harness 与 Sandbox 分离、凭据外置和快照空闲机制，兼顾智能体持续工作的便利、安全与成本；Claude 应用团队分享何时将子智能体合并回主循环，指出配合技能的单一智能体在质量、延迟和成本上常优于多角色设计，并给出渐进迁移与评测方法；CrowdStrike CEO George Kurtz 谈 AI 时代的安全变化，包括攻击速度加快、身份成为入口、数字孪生对抗演练等。速览部分涵盖 WorkForge 训练框架、Air Canada 智能体测试实践、个人 Agent 评测等内容。
作者运营一家动效设计工作室，为产品发布制作 launch 视频。他发现动效制作是简单部分，而询盘、需求整理、报价、素材收集、修改记录、交付和收款等业务流程占据大量时间。他引入 AI 员工 Viktor，接入 Slack、Teams、邮箱、日历、Drive 和发票系统，通过结构化 prompt 让其承担业务流程：筛选询盘并起草回复、将通话笔记转为制作简报、按价目表起草报价、收集并检查素材缺口、记录整理修改意见并标记新场景报价、发送文件与发票并跟踪付款、每周一发送经营报告。核心原则是"AI 提议，人审批"，任何内容未经作者确认不会发给客户。
本文介绍了一套基于 Grok Bot 的多智能体协作系统，用于从发现问题到产品发布的完整流程。作者强调不要让单个机器人承担所有任务，而是组建由 9 个核心机器人组成的团队：Scout（趋势发现）、Pain Miner（痛点挖掘）、Competitor Mapper（竞品分析）、Behavior Reverser（行为逆向）、Strategy Lead（策略制定）、CEO（决策）、Spec Writer（规格撰写）、Builder（构建）和 Video Director（发布视频），各机器人通过文件交接机制协同工作，遵循每周循环流程。文章还提供了法律合规边界、clean-room 模式、免费模板链接和可选的 8 个扩展插件。
文章介绍如何用 Opus 5.5 驱动的 AI 员工 Viktor 打造'AI 参谋长'，将工作中约 60% 的非核心事务（找线索、写提案、规划内容、做报表等）自动化。作者对比了'参谋长'与普通助手的区别：只需交付目标并设定时间，AI 会在云端自主完成任务并回传成果文件。文章给出 10 分钟上手教程（接入 Slack/Teams 和现有工具），并通过四个实战案例（潜在客户名单、销售提案、一周社媒内容、周五数据报告）展示效果，最后提供为期四周、每周增加一项自动化任务的实施路线，以及暂停任务和撤销授权的管理方法。
本文作者（Varick Agents CEO Vas）探讨了大型企业应如何启动AI转型。他指出没有放之四海皆准的方案，价值核心在于深入部门的发现（discovery）阶段，而非通用咨询。文章将企业分为三类：尚未起步、部署副驾驶后陷入平台期、试点项目停滞。作者强调不应局限于单一部门构建Agent，因为AI Agent能够跨部门工作，部门专业化是人类带宽受限的产物。正确的AI转型是高度定制化的'侵入性手术'，做好可将利润率翻倍，做错则浪费数月并损害业务。他建议从单个部门入手，审视系统、流程与依赖关系。
作者分享了如何完全不用真人拍摄，仅通过 AI Agent 自动化制作 TikTok 幻灯片内容，实现月播放量超 1000 万。文章剖析了爆款幻灯片的三大要素：强钩子、统一主题/角色、热门音效，并以食谱 App 为案例展示内容复用策略。自动化流程包括：用 ViewTrack 分析同类目头部页面数据、AI 员工 Viktor 通过 Slack 协调、Claude 结合 Higgsfield 一次性生成 120 组幻灯片、最后用 Postiz 自动排期发布。相比传统 UGC 每条 15-25 美元的成本，这种方式几乎零成本，是增长营销的全新范式。
作者实测 12 个 Personal Agent，基于 1505 条覆盖 11 类的用例，总结出评判 Personal Agent 好用程度的五个维度：记忆能力、信息获取、Computer Use、主动性和多端联动。文章通过记账、海鲜市场自动回复、自动剪辑视频、跨设备调度 Codex/Claude Code/Grok 等 9 个真实案例展开分析，指出 Agent 与个人已有账号和应用生态的重叠度决定其上限，并对比了 Today、Grok Bot、OpenAI Dots、千问等产品的差异，最终分享了以手机远程调度多台电脑多 Agent 协同的工作流。
作者以 FDE（前线部署工程师）身份，为父母经营的 4 人小物流公司做 AI 落地。文章完整记录了从商机发现、需求调研、方案设计到落地交付的全过程：梳理藏在家人脑中的隐性业务规则，识别手写车号、多系统操作等数据与技术难题，并按风险高低分三阶段推进——先做信息核对，再尝试报车，资金类操作保留人工审核。最终用腾讯 WorkBuddy 将小时级工作缩短到一分钟。复盘指出 AI 落地真正的难点在于：小公司数字化基础薄弱、隐性规则多、交付需手把手教学、信任建立难，以及成本收益难以平衡。技术终要为人服务。
本文是一篇面向小白的 DeepSeek Harness（DSH）完整上手教程。作者介绍了 DSH 的核心特点：门槛低（DeepSeek 账号登录即用）、一切皆插件（连 Agent 循环都可替换，社区插件超 6000 个）、过程可回放（轨迹功能）。文章详细讲解了下载安装、登录方式（账号与 API Key 两种）、界面各功能入口（模式、权限、模型、推理强度等）的含义，并分析了计费方式与省钱技巧，同时提醒它仍是预览版，未经过安全审计，需注意数据安全。后续还将涵盖插件市场、原理拆解、实战练习及与 Pi、Claude Code、Codex 的对比。
本文是一篇面向新手的 Pi Coding Agent 全面入门教程。Pi 是一个跑在终端里的极简 AI 编程智能体框架，定位为'最小智能体外壳'：内核只保留基本工具循环，计划模式、子智能体、权限系统等能力全部拆给扩展。文章详细介绍了安装方式（官方脚本、npm、Nix）、界面与常用快捷键、模型配置、四种使用模式（交互、打印/JSON、RPC、SDK）、技能/扩展/提示词模板/主题的扩展体系，以及树状会话管理。作者重点总结了七个常见坑：无内置权限系统需容器隔离、默认无 plan mode、npm 不锁传递依赖、grep 等工具默认关闭等。Pi 支持 15 家以上模型商，MIT 协议，与 Claude Code、Codex 是两条路线：要开箱即用选成品，要可自由定制的个人智能体选 Pi。
作者深度实测多款个人智能体产品后，总结出发挥 Grok Bot 最强实力的 7 个底层用法：告别单聊，搭建分工分权的 Bot 军团（幕僚长+智囊+执行层）；产物强制落盘到多维表格或 Notion；通过单向流水线打通本地知识库；利用 Tailscale 将本地配置一键移植云端；用 Skill 为 Bot 制定标准 SOP；按任务复杂度混合调度不同模型控制成本；建立自动化触发机制让流水线自主运转。最终人类只需抓住输入个人观点和最终验收拍板两件事，在云端拥有为自己打工的一人公司。
本文从组织视角探讨传统中小团队如何落地 Agent，区别于个人使用视角。作者基于跨境电商团队的一手实践，提出核心判断：个体提效容易，组织提效困难，因为涉及权限、基建和权力划分。文章指出 AI Native 是方向而非目标，Agent 落地是一把手工程，建议优先做大盘子而非降本增效以减少阻力。人员应分三层架构：组织架构师、一线实践者、跟随者，成本随之分层。上下文建设是价值核心，推荐用飞书多维表格作为唯一数据源。落地策略上应追求业务流程的单点替换而非 Token 使用量。最后介绍了 New API、Key Proxy、SkillHub 等开源基础设施工具，用一台服务器支撑整个团队的 Agent 体系。
这是一篇面向国内用户的 AI 助手 Muse 连接器实操教程。作者核实了官方连接器目录，指出飞书、钉钉、高德等国内服务不在官方支持之列，并给出三条可行路线：一是通过 IMAP 协议接入 QQ、163、126 等国内邮箱实现类 Gmail 体验，并介绍了腾讯 Agent Mail 隔离邮箱方案；二是通过自定义连接器或社区 MCP 接入有开放 API 的国内服务；三是对淘宝、京东、美团等无接口平台使用浏览器操作兜底。文章还强调安全须知，如写操作先审批、授权码定期更换、验证码亲力亲为，并给出邮箱先行、浏览器兜底、MCP 按需的起步顺序建议。
Uber 工程团队介绍了 AutoClean 系统，用于自动化清理 feature flag 产生的技术债务。陈旧的 feature flag 会在代码库中留下大量死代码，影响可读性、测试效率，甚至拖慢 AI agent 的会话。清理看似简单的搜索删除，实则涉及布尔逻辑、辅助函数、调用点、配置和测试的连锁传播决策。AutoClean 结合 AI agent 与基于 PolyglotPiranha 的确定性代码转换工具，通过 MCP 协议协作完成代码重写，并在 CI 失败时由确定性 fixer 与 agentic fixer 分层修复，最终生成通过验证的 diff 交由人工审查。该系统在 Uber 的 monorepo 中持续运行，实现了规模化、安全的技术债自动清理。
作者系统整理了 Grok Bot 的中文学习站教程，解释了 Grok Bot 与普通聊天 Grok 的区别：它配有云电脑环境，能执行脚本、抓网页、读写文件和连接外部应用。文章提出新手四阶段进阶路线：跑通任务、磨合调整、固定触发器、组建多Bot团队。学习站共四篇25章，涵盖使用手册、实战案例、进阶技巧与企业落地，并附有可一键导入的Bot模板、浏览器插件和更新日志。作者提醒需订阅 Premium 才能使用，建议读者从第一个任务开始实践，避免把 Grok Bot 当普通聊天工具使用。
作者体验了朋友洛小山团队开发的个人 Agent 产品白艾莉（Alice）。该产品以二次元养成游戏的风格呈现，Onboarding 设计如玩游戏般丝滑，有人设、朋友圈、塔罗占卜等细节。产品将多 Agent 设计成自带身份的'朋友'，支持创建定制角色，并有广场社区支持二创内容和糖豆消费。同时具备实用功能：可切换 DeepSeek 等模型写代码、连接微信飞书、专属邮箱、定时任务等。作者认为人格化 Agent 满足了用户对'AI 活人感'的关系诉求，有望成为 AI 原生内容社区。
作者分享了自己搭建的 Grok Bot 舰队体系，解决单兵使用 AI 时多设备割裂、记忆难沉淀、多模型协调成本高三大痛点。架构分为四层技术底座：核心层以总控「乐乐大王」调度四端执行节点；同步层用 Obsidian + GitHub 私库实现统一知识底座；额度层通过分流机制将重负载任务派给独立计费的工程师 Bot；运维层借助开机自检与 Wake on Done 实现自动化。业务上采用 1 个总控 + 6 个分组共 29 个 Bot 的精细化分工，覆盖研发、情报、自媒体、内容创作与生活辅助，形成完整的任务执行与知识沉淀闭环。
作者分享了使用 EverOS Cloud 为 AI Agent 构建记忆层的实测体验。他通过自动生成 X 引用帖配图的工作流，总结了生图提示词敏感词、图片压缩、后台任务管理等踩坑经验。EverOS Cloud 能将 Agent 的任务过程存为 Case，自动提炼出可复用的 Skill（如「生成合规图像并添加水印」SOP），支持中英文混合检索（不到100毫秒）、业务资料接入、API 轻量集成、可视化管理记忆，并提供云端与开源自托管两种部署方式。作者认为，Agent 没有记忆就像每天重新带的实习生，能把经验攒下来才能成为靠谱的老员工，对一人公司尤其有价值。
浙大发布了开源个人 Agent 项目 nanoMuse，对国内软件适配良好。用户可定制个人 AI 助理，可玩性很高。项目支持手机、电脑、个人服务器等多设备，一个账号即可跨设备通用使用。文章认为当前 AI 助理产品众多，走得早、走得好的产品才能走得久，并附上了项目的 GitHub 链接供感兴趣的用户体验。
作者实测 EverMind 的 EverOS Cloud——一个定位为 Agentic AI 的记忆操作系统。文章指出 RAG 式对话检索不等于经验提取，EverOS 将记忆分为 Episodes、Profiles、Cases、Skills 四类。作者用 Python API 模拟 FFmpeg 渲染报错（width not divisible by 2）场景：仅提交对话叙述只产生 Episode；提交完整的 tool_calls 执行轨迹后，系统成功生成结构化 Agent Case，并可用不同措辞的新查询检索到该 Case。测试验证了'执行轨迹→Case 提取→语义检索'链路，但 Skill 的生成与端到端复用仍待验证。作者认为 agent 记忆的价值在于保留可复用的工程经验，而非扩大上下文窗口。
文章指出，过去两年提升 AI 效果的关键在于写更好的提示词，但这一方法正逐渐失效，取而代之的是自主循环（loop）。文章以 Karpathy 的 autoresearch 系统为例：该系统两天内自动运行约 700 次实验，发现约 20 项改进。作者阐述了真正循环的五个阶段（发现、规划、执行、验证、迭代），强调验证、记忆和停止条件三大关键组件，并介绍了自愈式 GitHub 仓库的实践案例。最后，文章给出用 AGENTS.md、loop.py、verify.sh 三个文件构建第一个 AI 循环的入门方法，指出外部验证比增加另一个模型更重要。
作者介绍如何通过开源的 Reason Network，将本地电脑上的 Claude Code、Codex、dsh、pi 等编码 Agent 与云端 Grok Bot 接入同一个私有通信网络，实现双向多轮对话。针对 Grok Bot 云电脑休眠无法收信的问题，设计了本地常驻转发程序配合 webhook 唤醒机制；针对消息超长被截断的问题，采用消息正文走通道、webhook 仅通知取信的方案。文章还强调通信加密不等于权限授权，本地 Agent 权限仍需沙箱控制，并通过多 Agent 协作实例验证了方案可行性。
普林斯顿、斯坦福等机构联合发布 72 页综述「Emerging Trends in AI Agent Evaluation」，以 How（怎么做）、What（测什么）、Who（谁来做）三维度梳理智能体评测的 33 个趋势。核心论断：随着 AI 从回答问题走向自主行动，传统跑分范式失效，agent 评测正成为一门以心理测量学为骨架的新学科。文章介绍了效度危机、pass@k 与 pass∧k 区分、因果归因、污染新表面、LLM 裁判等方法论问题，以及模拟用户失真、田野实验负面结果、评测环境成为攻击面等实证发现，并直言评测生态受资金、访问权与议程影响，独立评测面临生存危机。
作者整理了X上和官方市场的200多条帖子，筛选出53个经过核实的Grok Bot模板，并按用途分成七类：社媒内容运营、资料抓取调研、信息监控提醒、图片视频设计、营销获客销售、编程开发、个人助理办公。文章介绍了Grok Bot模板的玩法——别人调好的bot可一键复制，指令、技能、工具一并搬过来直接用。同时提醒了使用门槛（需SuperGrok等订阅）和安全风险：有模板藏着恶意指令会自动下载执行陌生代码。文章逐一介绍了各模板的功能、所需权限和适用场景，帮助读者按需选用。
文章介绍了澳大利亚公司Apate.ai用35万个AI伪装成受害者与骗子周旋，已聊天250万次、消耗骗子约17年时间，使澳洲联邦银行诈骗损失降低76%。同时讲述国内大学生用AI生成视频揭露'AI小海'卖惨骗局，成功劝阻老人受骗的故事。作者借此探讨AI如何降低'善意'的成本，让普通人能用技术放大善意、保护他人，表达了对AI放大人性善良选择的期待。
