竞品调研新范式：从大半天到 30 分钟的 AI 提效工作流
本文介绍了如何利用 AI 将竞品调研时间从大半天缩短至 30 分钟。作者强调 AI 应承担截图、粘贴等行政工作，而人应专注于竞品选择和商业价值判断。工作流程分为三层：Mobbin 负责取材，Claude 负责综合结构化，人负责决策。文章明确指出这属于二手观察性调研，不能替代真实的用户访谈。
技术 / Agent
1848 篇
Karpathy 的 10 条 Claude 新军规：从交任务到交责任
文章解读了 Andrej Karpathy 团队泄露的 CLAUDE.md 文件，包含 10 条核心原则。对比社区早期提炼的 4 条，新增的 6 条（先读代码、自我验证、调试、依赖管理、沟通、失败模式）针对的是无人值守的“交责任”场景，是实现 Loop 工程化和放手 Agent 的关键。
Karpathy's Agentic Engineering Finally Has Proper Tooling
文章介绍了 Google 发布的 Agents CLI 工具，它填补了 Karpathy 所定义的“代理工程”中的工具链空白。该工具将脚手架搭建、评估循环和部署整合到一个工作流中，并将 7 种核心技能注入到 Claude Code、Cursor 等编码 Agent 中。作者演示了如何利用该工具从零开始构建、评估、部署并注册一个企业级 RAG Agent，实现了仅通过自然语言指令即可完成从开发到生产环境的全生命周期管理。
GEO内容工程资源与系统分享
本文分享了关于生成式引擎优化（GEO）的直播相关资源。核心内容包括：GEO内容工程的操作手册、评估标准及研究报告；提供的一套开源GEO提示词和Skill（GitHub链接）；以及专门用于将旧文章改造成AI搜索友好版本的逻辑与自检工具。
我的 AI Coding Guide
本文分享了作者在使用 AI Agent 辅助编程时的实战经验。文章从精力管理、工程管理、快速反馈三个维度出发，提出了十一条核心原则，包括“Prompt即规格说明”、“使用最强模型”、“可逆沙盒原则”以及“Fail Fast”等。作者强调，在使用 AI 编程时，开发者应从执行者转变为管理者和审查者，利用工具链（Git、CI/CD）进行风险控制，确保代码的可维护性与安全性。
盘点16个把自己蒸馏成Skills的国民级App
文章盘点了瑞幸、麦当劳、飞猪、滴滴等16款国民级应用，这些产品正通过封装Skill、MCP或CLI接口，向Agent开放点咖啡、订票、打车、办公等核心能力。作者指出这标志着Agent化时代的到来，并对比了当前支付环节的“信任”壁垒，认为该趋势类似于2017年小程序爆发的前夜，未来Agent将成为人们在数字世界的另一个“贾维斯”。
体验完微信Agent以后，我觉得这就是微信有史以来最大的更新
文章详细介绍了微信“小微”的内测体验，涵盖了其功能架构、底层模型、交互逻辑及与微信原生能力的打通情况。作者指出，虽然受限于算力成本和安全风控，目前的Agent策略偏向“只读不动”且需频繁确认，但在小程序调度、聊天记录上下文理解及AI生成工具方面表现出色。作者认为这是微信有史以来最大的更新，标志着平台级AI应用的正式落地。
30 分钟给你的 Agent 搭好永久记忆
本文介绍了一种为编码 Agent 添加持久记忆的轻量级方案。针对 Agent 上下文窗口有限且容易遗忘历史信息的问题，作者选择了开源项目 EverOS。与传统的黑箱向量数据库不同，EverOS 将记忆存储为本地 Markdown 文件，透明且可编辑。文章详细讲解了从环境准备、安装初始化到验证记忆写入与检索的全过程，帮助开发者在半小时内赋予 Agent 跨会话的长期记忆能力。
我用 AI Agent 开设全自动短剧公司：Matrix 运营实录
作者分享了利用 Matrix 系统从零构建全自动 AI Agent 公司的经验。通过拆解为调研、生产、分析三个部门，实现了 YouTube 短剧频道的全链路自动化运营（脚本、生成、剪辑、发布），并取得了 70 万+ 曝光。作者将包含 5 个技能和 25 张记忆卡的完整系统打包开源，详细展示了如何将 AI 组织成生产系统。
构架师教程：Foundation Engineering —— 祛魅 Loop Engineering
文章深刻剖析了被神化的“Loop Engineering（循环工程）”，指出其实质是古老的闭环控制系统。作者强调，随着AI执行能力的普及化，“怎么写”已不再重要，真正的稀缺能力是定义“什么算对”的判定标准（立法能力）。文中提出了“Maker/Checker分离”、“判定证据路径”以及“颗粒度决定成败”等核心观点，并用TSC（类型系统）作为最冷酷的判定工具，揭示了AI时代地基工程的关键在于用确定性约束去驾驭不确定的执行机构。
从 OpenClaw 到 FastClaw：如何设计优秀的多 Agent 架构
作者基于一年 OpenClaw 的使用与托管经验，深入剖析了其在多租户隔离、云原生支持及架构上的局限性。为此，作者提出了全新的 Agent 框架 FastClaw。FastClaw 基于 Go 语言重新设计，采用存算分离、多租户 RBAC、JSON-RPC 插件隔离等架构，旨在构建一个更轻量、高并发且适合云原生部署的生产级多 Agent 平台。
手把手搭建数字人Agent：Pixelle-Video本地部署教程
本文介绍了如何使用开源项目 Pixelle-Video 在本地电脑搭建一套完整的数字人 Agent 工作流。作者详细讲解了从准备环境、安装软件、配置 DeepSeek 和 ComfyUI，到生成视频和配置数字人像的全过程。该方法成本低（只需几块充值），功能涵盖脚本生成、配图、配音及数字人口播视频合成，打破市面上高价新媒体工具的信息差。
AI 开发新范式：从 Prompt 到 Loop 的演变
文章指出传统单次 Prompt 效率低下，真正的生产力提升在于“循环”。作者详细解析了 AI Loop 的核心机制：发现、规划、执行、验证和迭代。文章强调验证和状态管理的重要性，并区分了适用场景。最后，介绍了在代码工程中构建 Loop 的五个关键要素：自动化、技能封装、子代理分离和连接器，旨在让 AI 独立完成闭环任务。
用 AI 轻松复刻「小Lin说」风格的口播视频
文章介绍了如何利用 B 站出品的 AI 视频制作 Agent「花生」来制作类似「小Lin说」风格的高质量口播视频。内容涵盖了从将文章改写为口语化逐字稿，到使用 AI 进行素材匹配、交互式剪辑以及添加 MG 动画的完整工作流。通过该工具，创作者无需学习复杂的剪辑技术，即可通过自然语言对话生成包含数据可视化和动态图表的专业视频。
自媒体人必备工具Agent Reach 让AI Agent变全网通
文章介绍了开源项目 Agent Reach，旨在解决 Claude、Cursor 等 AI Agent 无法直接访问互联网平台的问题。该项目支持 YouTube、B站、Twitter 等多平台数据采集，具有零配置、多后端路由、本地运行保障隐私等特点，能极大提升 Agent 获取信息的能力。
I Studied Chinese AI Video Creators. They Are Not Prompting - They Are Building Factories.
文章深入分析了中国抖音 AI 视频创作者的工业化生产模式。不同于西方依赖单次生成的“祈祷式”提示词，中国创作者通过连接 Kling、Tongyi Wanxiang、ComfyUI 等多个模型，建立了包含参考图、控制项、分镜和批量编辑的流水线系统。他们利用动态模板、多视图产品图和视觉一致性控制，将一次拍摄转化为上百条个性化广告，实现了极高的制作效率和商业变现能力。
从 Prompting 到 Loop Engineering：AI 编程的新范式
文章提出 AI 编程领域正在从人工编写提示转向设计循环。Loop Engineering 是指编写自动化的程序来驱动编码 Agent，通过设置目标、执行、检查和反馈的闭环，实现无人值守的代码生成与修复。文章分析了循环的五种演进形式及六个核心组件（如触发器、隔离、上下文等），并结合 Claude Code 的 /goal 命令展示了具体的工程实践。
我打造的个人AI系统：哲学基础
作者介绍了其构建的“Vibe OS”个人系统架构的哲学基础。核心原则是“人永远站在系统之外”，区分了AI负责的“工具理性”与人的“价值理性”。文章详细阐述了输入端“脉搏学习”与“深潜学习”的双轨制，以及输出端以写作为思考验证、以产品解决真实需求的方法，最终提出了“由己及人”的个人市场演化路径。
AI美女账号零风险带货公式
文章通过一个4个月涨粉127万的抖音AI虚拟人案例，深度拆解了利用Midjourney和AI语音合成工具打造治愈系人设、精准锁定中年女性受众并实现橱窗带货的完整商业模式。
小白也能用的分工方法：Claude Code / Codex 多 Agent 并行
本文针对 Claude Code、Codex 等工具支持的多 Agent 并行工作流，指出小白容易陷入的误区（如同时多 Agent 乱改文件导致冲突）。文章提出了一套安全的分工方法：利用“1 个总控 + N 个工人”的结构，坚持“先并行读，再隔离改，最后逐个合并”的原则。通过只读任务并行、Worktree 隔离文件、明确边界提示词及逐个审查合并，将并行变为效率，避免项目混乱。
Karpathy风格知识栈：为何选择 Hermes、MiniMax M3 与 Obsidian
文章介绍了作者构建的“Karpathy风格”知识栈，该系统将Obsidian（本地笔记图谱）、Hermes Agent（自改进智能体）和MiniMax M3（长上下文推理模型）结合成一个闭环。作者解释了为何选择M3而非其他模型（如GPT-4），强调M3在处理大量跨文件引用和长循环任务时的稳定性。文章还详细描述了各层的安装配置与架构交互。
构建 Agent 技能的自我改进循环
本文介绍了如何通过“自我改进循环”提升 Agent 的技能质量。作者以 Issue 分类为例，展示了如何构建双层循环架构：内层循环负责执行具体的分类任务，外层循环则根据人工反馈自动调整技能代码。利用 GitHub Actions 和云代理平台，系统能持续从历史交互中学习并优化自身。
聊聊我怎么设计创作流水线的：把“写文章”拆成 5 个 AI 的接力赛
本文介绍了如何利用 Helio 平台将文章创作流程拆解为 5 个独立的 AI 同事（调研、大纲、标题、去AI味、封面）。作者通过自定义指令和协作机制，让 AI 团队自动完成接力，实现了从选题到全案初稿的自动化生产，创作者仅需最终拍板，极大提升了效率。
如何利用 Claude 构建高效的自动化循环系统
本文阐述了从编写 Prompt 设计循环系统的转变。文章指出循环系统包含自动化触发、Git Worktree 隔离、外部验证机制及持久化记忆等要素。通过分离执行与检查、设置硬性停止条件及人工审查阶梯，开发者可构建能够持续迭代并自主解决任务的 Agent 系统。
Factory 2.0: 从编程代理到软件工厂
文章探讨了软件工程的下一个阶段：软件工厂。该系统通过整合 AI 智能体，实现从需求到部署的端到端自动化闭环。文章强调了模型独立性、主权智能和持续学习的重要性，并指出工程师的角色将从单纯的代码编写者转变为构建自动化系统的架构师。
2分钟复刻日销50万的数字人Agent：Pixelle-Video实战
本文介绍了利用开源项目 Pixelle-Video 快速复刻抖音热销数字人 Agent 的过程。该项目通过模块化设计（文案、画面、语音、合成）整合了 LLM、ComfyUI 和 TTS 技术，实现了从脚本到成片的自动化视频生产。
为什么你学了很多 Agent 工具，还是做不出真正可用的 Agent？
文章指出许多人学习 AI Agent 时陷入了“工具焦虑”，盲目追逐 LangChain、MCP 等框架，却忽视了 Agent 的本质是一套围绕目标运行的系统。作者强调，真正的难点在于系统设计——理解工具调用、记忆、反馈修正及工程化约束，而非仅仅跑通 Demo。文章推荐 GitHub 项目 agent_learning，主张从 LLM 基础、Prompt 等底层原理开始，逐步构建从基础到工程化的完整知识体系，最终实现 Agent 在真实环境中的稳定运行。
线下实体变现第四篇：教培AI题库与机构入驻模式
文章介绍了为中小型教培机构搭建AI学情分析系统的商业模式。该模式通过“懂教育的老师”与“懂技术的伙伴”合作，提供自动批改、错题整理及学情分析服务，按年费向机构收费。文章详细阐述了合作门槛、获客步骤、常见陷阱（如落地执行难、技术合伙人响应慢、过度承诺）及成本核算，指出该项目的核心在于教育理解与技术能力的互补拼图，预估年收入可达10万以上。
构建递归智能体系统：扩展 Composer 训练规模
本文介绍了 Cursor 如何构建一个包含数千个 Agent 的递归系统，以加速 Composer 模型的训练。系统通过主 Agent 管理子 Agent 的“健康”状态，实现并行实验的自动化监控与故障修复。该架构将研究员的效能提升了数量级，使大量计算资源能像企业组织一样协同工作。
Hermes Agent 实战指南：打造你的 7×24 小时 AI 私人助理
本文详细介绍了 Hermes Agent 的实战经验，包括从安装、部署到日常应用的全过程。作者分享了在 VPS 上搭建长期在线 Agent 的心得，探讨了如何通过模型接入（如 ChatGPT、Claude）实现 AI 资讯抓取、监控和自动化任务，并强调了 VPS 在 AI 时代作为云端工作台的重要价值。
