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。
技术 / Agent
813 篇
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。
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。
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。