The biggest Graph Engineering mistake everyone makes
文章探讨了在构建 Agent 时，默认应采用单节点循环（Loop），仅在出现特定信号时才升级为图结构（Graph）。循环更便宜且易于调试，适用于大多数单任务。只有在任务分解、并行处理或验证器过载等明确信号出现时，才值得引入图的复杂性。
技术 / Agent
1848 篇
30个基于Claude Opus 4.8的赚钱智能体
文章介绍了30个利用Claude Opus 4.8构建的实用赚钱智能体，涵盖内容创作、销售线索挖掘和数字产品开发等领域。这些智能体能够实现半自动化运行，在人类最少监督下处理多步骤任务，显著提升工作效率，被视为高杠杆助手而非完全自动化的收入机器。
Software Factory: How to Turn One AI Into a Production Line
本文介绍了如何通过构建“软件工厂”将单一AI转化为高效的生产线。文章详细阐述了利用队列系统、独立工作空间、权限隔离和质量门控四个组件，实现AI代理的自动化协作与任务调度，从而提升软件开发效率并降低成本。
Agents, Loops, Graphs. Everything You Need to Know in One Place.
文章介绍了 Claude 的三大核心能力：Agents（代理）、Loops（循环）和 Graphs（图）。文章详细解释了如何通过工具、记忆和循环机制构建从 Level 1 到 Level 4 的自主代理，提供了研究、数据分析和代码编写三种代理的 System Prompt 模板，并探讨了如何解决长任务中的记忆丢失问题。
Graph Engineering: The Anthropic Method for Agent Self-Review
文章介绍了Anthropic工程师采用的“图工程”方法，通过将Agent控制从模型内部转移到图结构节点，解决了长任务中的状态丢失和漂移问题。文章详细阐述了如何构建评判器、编写规则书、测试规则及将状态存储在磁盘而非上下文窗口中，从而实现大规模代码迁移和自动化审查。
How to Run a One Person Company with Claude
本文介绍了如何利用 Claude 构建四人智能体系统（研究员、写手、成交员、运营员），通过建立“Company OS”统一上下文，实现低成本高效运营单人公司，替代传统高薪团队。
Claude Graph Engineering 101: A Practical Guide to Graph Engineering
文章介绍了图工程的概念及其相对于循环工程的优势。循环工程在复杂任务中受限于线性执行，无法并行处理。图工程通过构建节点和路径的网络结构，实现任务的并行执行和分支管理，显著提高效率。文章提供了构建图的四步法：审计现有循环、识别可并行任务、绘制图结构、使用提示词在Claude中部署图。
An Agentic IDE that builds itself
bb是一个开源的代理IDE，具有强大的扩展性，允许用户通过简单的提示定制界面和功能，如任务管理、代码审查、音乐制作等，支持多种主流编码代理。
Eval Engineering: 构建无需人工干预的 Agent 合并闸门（6 步指南）
本文介绍了如何构建一个评估工程闸门，使 Agent 能够在无需人工审查的情况下自动合并代码。文章提出了六个关键步骤：避免评估偏见、将评估结果作为运行控制、评估过程轨迹而非仅关注答案、利用历史日志生成测试用例、固定评估模型版本，以及确保评估规模。核心在于建立可靠的证据和规则，而非盲目信任模型。
非码农的 AI Agent 设计教程
本文用通俗语言拆解了 AI Agent 的核心概念。通过将 AI 比作新员工，详细阐述了 Prompt、Context、Harness、Loop、Graph 等 11 个关键术语的含义与作用。文章提供了一套从定义目标到交付结果的完整工作链，帮助初学者理解 Agent 如何从聊天走向实际做事。
Memory Engineering: retrieval is the job
文章探讨了 AI Agent 记忆工程的核心问题：存储已解决，检索才是关键。指出存储过多信息会导致检索性能大幅下降，并引用 LongMemEval 等研究数据证明“更多记忆，更差召回”。文章介绍了记忆的三种类型（情景、语义、程序）和四种操作（写入、检索、衰减、巩固），强调了“少写、精检”的重要性。
AI时代，最值钱的是“可验证”
作者分享了开源数字人项目 Kanvis 的经历与思考。他认为在 AI 时代，真正的稀缺资源不是使用 AI 的能力，而是“可验证性”。通过公开代码、倒逼产出、筛选需求和建立信任，开源不仅避免了重复造轮子，更构建了个人信用。作者强调工具只是表象，核心在于利用 AI 重新设计业务流程，降本增效，并最终希望通过开源构建一个共同成长的生态系统。
推荐一个Agent操作浏览器的方案Kimi WebBridge
文章推荐了Kimi WebBridge，一种让AI直接操控本地Chrome/Edge的方案，支持真实登录态操作。作者将其接入OMP Agent后体验良好，并详细对比了传统自动化框架、开源AI Agent框架、云端浏览器基础设施等五种方案的优缺点。
不备货不招人，WorkBuddy把TikTok POD三步跑通
文章介绍了如何利用WorkBuddy工具，在不备货、不招人的情况下，通过AI出图、上架、核价三步流水线，实现TikTok POD（按需印刷）的高效运营。文中对比了人工与AI辅助的效率差异，并提供了实操案例和注意事项，强调构建可复制的最小闭环是普通人入局的关键。
一名资深AI工程师配合Agent胜过五人团队
文章探讨了AI Agent如何改变工程团队结构，提出了“AI Velocity Pod”模式。该模式由一名资深工程师指挥AI代理，90天内完成了相当于五人团队2-3倍的代码产出。核心在于将瓶颈从编写代码转移到审核判断，通过V.U.E.标准和知识图谱确保质量，大幅降低了协调成本和人力开销。
AI营销代理：自动化获客实战指南
文章介绍了两种AI营销代理的构建方法。第一种利用LinkedIn互动信号进行冷启动，通过抓取数据、分层补全和自动化触达实现高转化获客；第二种从真实对话中挖掘素材，利用LLM批量生成内容并进行循环优化，实现内容营销的自动化。
Grok Build 实用指南：你的个人自主员工
Grok Build 是一款运行在终端的 AI 代理，不仅能编写代码，更能自动处理文件转换、音频提取、图片排版等繁琐的日常任务。它拥有视觉能力，能像人类一样操作命令行，且具备严格的安全权限控制。本文详细介绍了其安装方法、安全机制及实用的 Prompt 示例，帮助用户将重复性工作自动化，极大地提升效率。
如何向小企业销售托管式 AI 员工（零代码）
文章介绍了如何向小企业销售托管式 AI 员工的商业模式。通过以招聘“数字员工”而非销售 Agent 为核心，利用 Telegram 群组进行交付，并通过周价值报告证明 ROI，从而将一次性设置转化为月度订阅收入。
Claude Code 和 Codex 到底有什么区别？我测试 30 天后的真实答案
文章基于30天的测试对比了Claude Code和Codex的区别。Claude Code擅长从零创造、快速原型和内容创作，适合从想法到产品的实现；Codex则擅长代码分析、优化和自动化执行，适合项目维护和流程完善。作者主张根据任务阶段组合使用两者，以构建高效的AI工作流。
使用 Hermes Kanban 构建多智能体 SEO 文章流水线
本文介绍了如何利用 Hermes Kanban 插件构建一个多智能体协作的 SEO 文章生成流水线。作者创建了六个专业智能体，分别负责编排、策略制定、AI 搜索研究、源资料收集、写作和编辑。通过集成 DataForSEO 实时数据，实现了从关键词研究到内容发布的自动化流程，确保每个环节由专门的智能体负责，避免了单一智能体既当运动员又当裁判员的问题。
MCP 用过一次，经验为什么还留不下来？
文章探讨了 Agent 使用 MCP 工具时经验无法复用的难题。介绍 ToolAtlas 方案，将工具记忆存储在 Provider 端，通过构建三层能力图谱共享经验。实验显示该方案能显著提升成功率并减少推理 Token，同时讨论了落地中的数据安全、版本过期等挑战。
HyperFrames 开源工作流：从选题到成片的 AI 短视频流水线
文章介绍了开源工作流 HyperFrames，它将 AI 短视频制作拆解为选题研究、脚本撰写、配音、动画合成、质量检查等完整流程。文章强调先确立内容结构再进行生成，避免画面与节奏脱节，通过本地或云端工具实现高效创作。
Cherry Studio 2.0 发布：一次“边开飞机边换发动机”的底层重构
Cherry Studio 2.0 正式发布，此次更新不仅是 UI 的调整，更是底层架构的重大重构。文章详细阐述了产品从聊天客户端向 AI 工作平台和 Agent 平台的演进，包括引入数据库存储、优化 Windows 兼容性、整合多模态能力以及构建 Code Mate 编码搭档，旨在让 Agent 更简单、可靠地进入日常工作流。
个人IP形象构建和插图Skills开源
作者分享了一套个人IP形象构建和插图制作的工作流，包含两个Skill：个人IP形象制作和个人IP插图制作。这套方法通过固定人物形象和画风，高效生成统一风格的插图，提升文章配图效率和个人IP辨识度，已开源至GitHub。
如何使用 Hermes 构建自主内容引擎
文章介绍了如何利用 Nous Research 的 Hermes 多代理功能自动化内容构思系统。该系统通过多个智能体（侦察员、编排员、研究员、构思员）协作，监控 X、Newsletter 等来源，识别趋势并生成包含多角度和验证信息的选题，最终通过 Telegram 供人工审核。
Agent 系统中的上下文与记忆工程
本文探讨了在 Agentic AI 系统中，上下文工程与记忆工程如何解决不同问题。上下文工程专注于单次推理调用的设计，涵盖选择性包含、结构放置、压缩和历史管理；记忆工程则关注跨会话的持久化，涉及写入策略、存储层选择和检索策略。两者在检索边界交汇，共同决定了 Agent 在实际工作负载中的可靠性。
从一人团队到 6 席数字干将：我的 AI 团队全自动化架构与实操解密
本文介绍了一套基于 Linux 和 Docker 的全自动化 AI 团队架构，通过 Claude、Codex 等六个明确分工的 AI 数字员工，实现实机控制、阻塞告警和异步交接流，展示了现代 AI 协作系统的终极演进。
从零配置链上套利辅助 Hermes Agent 实战指南
本文介绍了如何配置 Hermes Agent 作为链上套利的学习和辅助工具。作者分享了硬件选择、模型配置及部署步骤，并展示了利用 Agent 进行策略回测和数据挖掘的实际案例，旨在帮助读者通过 AI 提升量化交易效率。
带了1年半企业AI培训后,我发现能真正学会的人只做对了一件事
作者基于一年半的企业AI培训经验，指出大部分学员需要喂饭式知识和手把手案例，线下实操才是关键。计划推出针对内容创作者和个体经营者的线上与线下结合课程。
字节梦想中的飞书长什么样？
文章探讨了YC开源的多人Agent协作系统QM，分析其如何通过独立工作空间和权限管理解决企业级Agent协作难题。作者对比了QM与字节飞书的架构，认为飞书凭借组织关系、数据沉淀和Aily，有望实现Agent与组织架构的深度融合，真正进入企业业务流程。
