Making a Billion Intelligent Machines
文章介绍了Applied Intuition公司如何通过提供仿真、数据和操作系统工具，从自动驾驶领域的非主流选择发展为物理AI应用平台，并成功拓展到国防、建筑等多个行业。
技术 / Agent
1848 篇
Graph Engineering 101: When a Loop Isn’t Enough
文章探讨了AI Agent从简单的ReAct循环向图工程架构的演进。循环模式在处理复杂、多步骤及需人工介入的任务时存在状态持久化、错误处理和分支逻辑的局限性。图工程通过显式的节点、边和状态管理，解决了并发、暂停恢复及复杂流程控制问题，为构建更健壮的Agent系统提供了架构基础。
29k star的AI克隆任意网站开源skill
介绍了一个获得29k star的开源AI工具，能像素级还原任意网站。其成功关键在于将大任务拆解为小任务、使用详细的规格文件作为“合同”、正确识别页面交互逻辑，并通过git worktree实现并行工作，最终与原站进行视觉对比。
如何用 Agent 搭建一套在 Reddit 上寻找前 100 位用户的工作流
文章详细拆解了如何利用 Agent 团队搭建 Reddit 冷启动获客系统。通过定义社区研究、需求情报、互动、线索运营和复盘五个专业角色，结合 Integrations 连接和 OKR 目标管理，实现从社区筛选到用户转化的自动化闭环，解决产品冷启动阶段的持续获客难题。
使用 Kimi K3 构建公司操作系统的指南
本文详细介绍如何仅利用 AI Agents 和 Kimi K3 模型构建完整的公司操作系统。文章阐述了公司 OS 的核心要素，包括词汇表、数据源、心跳机制及操作界面，并提供了具体的构建原理和 Prompt，旨在解决多 Agent 协同中的状态管理和权限控制问题。
The LLM Wiki: 3 Months of Letting Agents Run My Second Brain
文章分享了作者使用LLM代理管理和维护个人知识库（Obsidian Vault）的3个月实践经验。通过分离原始资料与生成内容、定义单一知识流向、统一页面模板以及基于情境的文件夹组织，作者成功将维护工作委托给代理，解决了传统第二脑因维护成本高而失效的问题。
构建 Agent 基础设施的真实挑战
文章探讨了构建 Web Agent 基础设施（如浏览器池、隔离机制、观测性等）所面临的复杂性与工程挑战。作者指出，这远不止是启动一个浏览器，需要处理冷启动、安全隔离、资源调度等深层问题，并分析了自建与购买的权衡。
Agent Wikis 的现状与发展
文章探讨了 LLM Wiki 模式的兴起，即通过在摄取时编译知识而非查询时检索，解决传统 RAG 无法积累知识的问题。介绍了 Cognition、FactoryAI、LangChain 等团队构建的 Agent Wiki 系统，分析了其架构原理及在维护成本上的优势。
如何在 X 平台获得 3600 万浏览量并获取数千用户
文章分享了 Okara 通过 X（Twitter）平台实现 3600 万浏览量并获取大量用户的实战经验。策略包括：精准选择渠道、发布产品发布、教育性推文、演示视频、产品公告及热点评论等五类内容。通过不断测试不同钩子和形式，他们成功实现了病毒式传播，并验证了 B2B SaaS 在 X 平台的增长潜力。
彻底告别Loop Engineering：一文读懂 Graph Engineering
本文介绍了AI Agent工程从Prompt到Loop再到Graph的演进。Graph Engineering通过图结构重新规划任务关系，实现并行处理、明确依赖、隔离失败，从而解决线性流程在复杂任务中效率低、易失控的问题。
微软开源 Resource2Skill 项目
微软开源了 Resource2Skill 项目，并发表了相关 arXiv 论文。该项目通过自动将教程视频、文章、代码等人类资源蒸馏成 Agent 可直接执行的技能，解决了技能来源问题。Agent 能够浏览、组合和运行这些技能，生成网页、PPT、Excel、Blender 场景甚至音频作品，标志着技能生成从手写进入自动提炼阶段。
个人开发者的生产级 AI 堆栈
文章探讨了 AI 时代单人开发者面临的挑战，指出虽然 AI 加速了从想法到原型的过程，但并未解决从原型到生产环境的安全和运维问题。通过分析失败案例和成功者（如 OpenClaw 作者）的实践，强调了建立构建循环、防御层和自动化运维系统的重要性。
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。
什么是图工程及其走红原因解析
文章解释了从“循环工程”到“图工程”的技术演进。循环是简单的单一代理执行模式，而图（由节点、边和状态组成）通过可视化的流程图处理复杂逻辑和多代理协作。文章介绍了如何使用 LangGraph 构建第一个图，并指出在逻辑变得复杂时应从循环升级到图。
Open Design 突破 80k Star 成为 Github 排名前 200 项目
Open Design 项目在 GitHub 上正式突破 80k Star，成为历史上排名前 200 的项目。过去两个半月，项目发布了 20 多个版本，吸引了全球 438 名贡献者，下载量超过 100 万。它已从简单工具演变为完整的 design agent 工作台，支持多种设计功能，并构建了多元的开发者社区。
把照片变成真实逐笔手绘视频
文章介绍了作者如何不使用视频模型，通过生成目标图、语义分割规划和真实笔刷引擎，将照片转换为真实的逐笔手绘视频。项目目前自评85分，后续计划整理成Skill并开源。
如何使用 Kimi K3 构建你的第一个 AI Agent 循环
本文介绍了如何利用 Kimi K3 模型的高性价比缓存机制构建 AI Agent 循环，包含原理图解、Claude Code 配置及原生 API 代码示例。文章详细阐述了目标设定、自动化检查、成本控制（低至 $0.39/轮）及常见避坑指南，帮助开发者实现自动化代码修复任务。
AI法律/合同审核智能体：一个人撬动一门千亿级B端生意
本文分析了AI合同审核智能体作为高壁垒、高客单价赛道的商业潜力。文章对比了传统法律服务的痛点，介绍了AI原生模式的重构逻辑，详细拆解了按件计费、订阅制和技术陪跑三种变现模式，并提供了从0到1的实操路径及合规红线指导。
不会代码也能做产品，从0开始的Vibe Coding保姆级教程
本文介绍了如何利用国产大模型和Agent编程工具，让不懂代码的人也能从零开始开发并上线一个完整产品。文章详细涵盖了购买模型套餐、准备服务器与域名、ICP备案、使用Agent进行开发、Git版本管理、CI测试流程及运维知识等20个步骤，旨在帮助非技术人员抓住AI时代的创业黄金期。
图工程究竟是什么？
文章探讨了AI工程领域的新术语“图工程”。它并非新发明，而是对多Agent协作系统的宏观视角，通过节点和边映射工作流、状态和依赖关系，解决复杂系统的架构与调试问题。
如何使用Linear管理Agent并构建软件工厂
作者分享了使用Linear工具管理编程Agent的实战经验。他将任务按结果层级组织，利用分流箱收集问题，并通过分批处理工作流来提高效率。文章重点强调了制定清晰的Ticket契约（目标、原因、结果）、确保Agent完整完成任务以及实现无监督并行工作，从而打造个人“软件工厂”以提升生活质量。
A2A：当 Agent 开始自己找人干活
文章探讨了 A2A 协议如何让不同框架的 Agent 实现跨系统协作，以及 Agent 进入组织所需的六项情境信息。指出光有知识和工具不够，Agent 还需理解角色、目标、规则等动态上下文。未来组织需将人治转变为 Agent 可读的结构。
WorkBuddy高阶教程｜万字复盘：如何让Agent接手真实项目
本文通过一场实战培训，复盘如何使用 WorkBuddy 让 AI Agent 接手真实项目。文章从建立上下文、派发任务（SGP 原则）、定义工作空间、创建项目分身到 DeepResearch 并行调研，详细讲解了让 AI 持续推进复杂任务的方法论。
WaytoAGI未来硅世界直播分享回顾
文章回顾了WaytoAGI未来硅世界直播中12位分享者带来的10个AI Coding作品和2个FDE案例，涵盖了音乐可视化、视频总结、亲子习惯养成、AI私域运营等创新应用，展示了AI在内容创作和企业服务中的实践。
LangChain 的开源软件工程代理工厂
LangChain 推出一套开源软件工程代理工具，包括本地编码的 dcode、云端自动作业的 OpenSWE、代码审查的 OpenSWE Review 以及维护文档的 OpenWiki。这些工具基于 Deep Agents 构建，支持开源模型和 LangSmith 追踪，旨在让团队在不同工作流中拥有对 AI 代理的完全控制与定制能力。
从 CoT 到 ReAct：用 Python 搭建 LLM Agent 实战指南
本文通过 Python 演示了如何搭建一个具备规划、工具调用、验证和复盘能力的完整 LLM Agent。教程详细拆解了 Plan-and-Solve、ReAct、Verification、Self-Refine 和 Reflexion 五个核心模块，强调了结构化数据控制流程的重要性，并提供了工程落地的具体代码实现与原则。
如何构建你的第一个 AI 智能体团队
文章介绍了如何利用 Claude Code、Codex 和 Hermes 三个引擎，在 Raft 共享工作空间中构建一个包含获客、内容、销售、交付和财务五个职能的 AI 智能体团队。通过赋予智能体持久身份、累积记忆和互评机制，解决单点助理的瓶颈，实现自我改进的自动化工作流。
From Loop Engineering to Graph Engineering?
文章探讨了AI Agent架构从单一循环向图结构网络的转变。单一循环在自我改进中存在古德哈特定律、目标盲视、循环冲突和测量衰减等局限。成熟的系统如机器学习运营和公司治理，实际上是由多个互相监督、制约的循环组成的网络，这种结构比单一循环更可靠。
AI 教程红利已死，工作流红利还活着
文章指出，单纯学习AI工具教程的红利已结束，因为供给爆炸且工具迭代快。真正的红利在于建立个人工作流，将工具融入生产系统并稳定输出结果。作者提出三层剥皮分析，建议戒掉收藏、党派思维等习惯，并通过7天实战将单点技能转化为可复用的SOP流程。
