Spec 对话模板：你给 agent 发的第一份 8 项清单
文章提出了一种结构化的 Agent 沟通协议“Spec”，包含目标、完成标准、约束等 8 项必填清单。通过明确协议而非单纯依赖 Prompt 技巧，可显著降低 Token 消耗，提升任务一次性完成率，避免 Agent 猜测与无效返工。
技术 / Agent
1848 篇
为什么顶级 AI 工程师不再写提示词：Loops 与 Harness 的崛起
文章指出，AI 交互方式正在从单一的“提示词”转向“循环”。顶级工程师不再手动编写 Prompt，而是设计自动化循环，让智能体自我迭代直至任务完成。以 Slate 工具为例，介绍了如何通过编写 JavaScript“程序”来掌控循环逻辑，实现多模型并行处理和真实世界交互，从而构建更强大的智能系统。
构建自动纠错 AI 循环系统
文章阐述了如何构建一个自动纠错的 AI 循环系统，通过构建者、评判者和管理者三个角色的分离，以及利用真实标准进行验证，使系统能够在向用户展示结果前自行发现并修正错误，从而将人类从繁琐的人工验证中解放出来。
5步构建低Token消耗的自治Agent系统
文章介绍了构建消耗Token减少90%的自管理Agent系统的五个步骤：将上下文移出窗口、使用子代理处理脏活、利用自管理内存、避免破坏缓存以及手动管理上下文。强调了通过优化上下文管理和缓存机制来降低成本和提升效率的重要性。
构建客户支持语音代理实战指南
文章介绍了如何使用 Telnyx AI Assistant Builder 构建生产级客户支持语音代理。教程涵盖了低延迟音频流、中断处理等工程挑战，并演示了通过 FastAPI Webhook 注入实时业务上下文（如排队时间、系统状态）的方法，无需自行搭建 STT、LLM 和 TTS 管道。
Sierra 推出 Horizon 平台：AI Agent 迈向长期目标
Sierra 发布 Horizon 平台，赋予 Agent 追求长期目标的能力，如贷款审批和医疗预约。它整合了 Agent OS，具备长周期规划和上下文引擎，通过数据积累构建商业护城河，并按业务成果而非 Token 计费。
如何构建自动纠错 AI 循环
文章介绍如何构建一个 AI 自我纠错系统，通过分离生成、判断和管理三个角色，避免人工介入验证。关键在于利用独立的标准（如测试套件）进行结构化验证，而非简单的重复提问，从而实现自动化错误捕捉与修复。
大学生如何用WorkBuddy写出高质量论文？
文章介绍了如何使用 WorkBuddy 配合 RW Research Skill 系统来完成高质量的学术研究。该系统包含 16 个独立的 Skill，覆盖从研究问题形成、文献发现、研究设计到论文审查的全流程。作者通过实操演示，展示了如何利用这些工具将模糊的想法转化为结构化的研究方案和审查报告，从而解决传统 AI 写作中引用不可靠、流程不可控的问题。
Agents Need a New Kind of Web Search
文章探讨了当前 AI Agent 在使用传统网页搜索时面临的“检索税”问题。传统搜索 API 仅返回链接和摘要，迫使 Agent 耗费大量 Token 去抓取和清洗内容。作者通过对比实验指出，使用预先爬取并结构化处理的索引（如 Seltz）能显著降低成本并提升效率，这种返回完整文档而非指针的方式是 Agent 搜索的未来。
自动驾驶公司：Replit如何通过AI代理实现自我运营
Replit通过引入AI代理实现了公司运营模式的变革。工程师代码输出增长近三倍，代码审查时间保持稳定，质量指标提升。代理系统处理生产事故、代码审查、数据分析等任务，形成自动驾驶公司。员工专注于战略决策，AI执行具体步骤，显著提升生产力和效率。
生财有术亦仁：未来十年最大机会是Agent｜新手搭建全景实战教程
本文介绍了生财有术创始人亦仁关于Agent是未来十年最大机会的观点，并提供了从零开始搭建个人AI Agent的全景实战教程。文章对比了Coze等平台工具与自建方案的优劣，详细讲解了如何利用Hermes、飞书CLI和Codex三个核心工具构建具备记忆、执行和进化能力的Agent，帮助企业与个人重构工作流。
用4300行代码复现Claude Code核心架构
本文介绍了一个项目，用4300行代码复现Claude Code的核心架构，包括Agent Loop、工具系统、并行执行等。提供分步教程，适合动手实践，帮助理解coding agent的工作原理。
Agent Process, Meet Design Process
文章用通俗语言解释了AI编程代理的核心概念，并将其映射到设计师熟悉的“双钻”设计流程中。作者指出标准Agent设置缺乏批判、客户访谈、交接和验证等关键环节，并介绍了通过Foundry工具实现的改进流程，强调在编写代码前先通过“理解与决策”阶段来确保方向的正确性。
Own the Outer Loop
文章探讨了在智能体工程中，工程师需要掌控外层循环，即对系统的问责。通过定义质量、裁决和可回应性三个概念，强调人在AI辅助代码生成中的决策权和所有权。AI代码生成比例增长，但审查和验证成为瓶颈，需建立更有效的信任验证机制。
Building a Self-Improving, AI-Native Company
文章介绍了Deel如何构建自我改进的AI系统。通过Bug Hunter和Deel Code两个Agent，系统自动在真实客户环境中发现漏洞、编写修复代码并验证结果。人只负责最终审批，将工程师移至决策环节，实现软件闭环自我进化。
WorkBuddy vs Codex：从微信与代码生长出的AI Agent路径之争
文章深度对比了WorkBuddy和Codex的产品基因，指出Codex源于代码仓库，擅长可验证的软件工程；WorkBuddy源于腾讯生态，擅长抵达中文办公场景。两者在通用工作Agent领域扩张，真正的战争在于谁能成为默认的工作环境。
大学生如何用WorkBuddy写出高质量论文？
文章指出AI直接写论文常导致引用错误和结论失真，作者开发了包含16个Skill的RW Research Skill系统，并将其集成到WorkBuddy中。文章详细演示了如何利用这些Skill完成从研究问题形成、研究设计到方案审查的完整科研流程，以确保学术严谨性。
WorkBuddy 无痛发 X 长文流水线搭建
文章介绍了如何基于 WorkBuddy 搭建一条自动发布 X（Twitter）长文的流水线。该流程解耦了特定客户端依赖，使用 Node.js 脚本直连 Buffer 和 Typefully API，实现了从素材抓取、摘要生成、配图制作到自动排期发布的全自动化，并重点解决了非交互 shell 环境变量配置及超时等问题。
BrowserAct把浏览器流程变成可复用 Skill
本文介绍了 BrowserAct，一个面向 AI Agent 的浏览器自动化工具。它不仅实现了网页操作，还通过 CLI 和 Skills 将一次性的执行流程转化为可复用的 Skill，解决了传统方案中状态不稳定、无法复用等问题，让 Agent 能将成功的浏览器操作沉淀为长期能力。
深入理解 AI Agent：设计原理与工程实践
李博杰新书《深入理解 AI Agent：设计原理与工程实践》开源，涵盖从0到1构建生产级AI Agent的原理与代码，包括RAG、工具调用、多Agent协作等实战内容。
从提示词到Agent工程：构建安全可控的AI工作流
文章指出“提示词工程”并未消失，而是升级为“Agent工程”。随着模型能力增强，工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务，提出了基线检查、小步执行、实时纠偏等优化策略，并分享了实战案例及通用的Agents.md配置模板，强调建立明确的上下文和边界是Agent落地的关键。
DeerFlow背后的开发与调试工具LLM Space开源
Henry Li宣布开源DeerFlow背后的开发与调试工具LLM Space。该工具可创建、调试和评测Agent，支持快速搭建原型无需编写代码，并计划推出Evaluation功能。同时预告新作品DeerWork。
每晚300+个爆款疯狂跑，0人值守TikTok工厂开张
文章介绍了利用Matrix平台搭建0人值守TikTok爆款工厂的3.0玩法。通过AI自动化完成选品、对标、分镜生成及视频制作，实现每晚批量产出数百个视频。重点阐述了如何将SOP交给AI，保留关键决策节点，构建商业化闭环，实现AI时代的“0人公司”模式。
AgentKey：打通中文互联网的 Agent 数据接入层
文章介绍了 AgentKey，一个作为 Agent 统一数据接入层的工具，解决了 Agent 难以触达中文互联网实时数据的问题。它集成了 B 站、抖音、微博等平台及海外社交媒体，提供 1000+ 个数据接口。作者认为，通过接入实时数据和 Auto Failover 机制，Agent 能有效减少资料搜集整理时间，提升工作流稳定性，从而产出更高质量的分析结果。
基于 Loop 的 BaoCut App 开发流程
作者分享了开发 BaoCut App 的基于 Loop 的流程：使用 baoyu-design skill 配合 Claude Code 设计原型，然后让 AI 实现功能，最后通过 Codex 的 CloudFlare Plugin 发布新版本。整个迭代从想法到 AI 设计、实施，再到人验证，形成高效闭环。
Vibe Coding 16小时：Fable 5与GPT-5.6时代最佳AI开发流程
作者分享了在Claude Fable 5和GPT-5.6时代的AI开发流程，通过优化测试流程和Agent协同，实现高效自动化的开发模式。核心流程包括用Claude出方案、GPT纠错、Codex目标模式执行，极大提升了开发效率和创造力。
我把自己攒了半年的提示词秘籍，喂给了一个Agent当导演
作者分享了使用 LibTV Agent 制作视频的体验，包括选择预设的 Skill 作为导演，自动分镜、生成视频，以及上传自定义 Skill 的功能。该平台降低了视频制作门槛，支持手动干预和爆款视频复刻，还推出了 Skill 激励计划，鼓励创作者分享经验。
Own Your Agent Stack
文章强调企业应拥有自主的 Agent 技术栈，以避免依赖单一供应商。通过自主控制模型、数据、云和运行环境，企业能更好地保护数据和降低成本。作者提供了基于 GitHub 的快速搭建指南，并主张通过自主学习和改进来保持竞争优势。
多 Agent vs 单 Agent：Pi 社区实战总结
文章总结了 Pi 社区关于多 Agent 与单 Agent 使用的实战经验。单 Agent 适合简单和密集上下文任务，多 Agent 适合可拆分的大任务，但需承担上下文转移、重复工作、验证和编排成本。作者还介绍了 pi-workflow 工具，通过 JSON 规范标准化多 Agent 工作流。
OpenOPC：一键生成并运营 AI 原生公司
香港大学开源项目 OpenOPC，允许用户一键生成并运营 AI 原生公司。具备自我构建、自我运营和自我进化三大核心功能，通过像素风 UI 模拟真实公司运作，支持任务流转、精准追责及打包分享。
