从烧脑神书 GEB 到 Agent 的自我意识
文章借《哥德尔、埃舍尔、巴赫》（GEB）中的核心概念，探讨了“自指”如何产生意识。作者指出，意识是系统达到一定复杂度后的必然涌现，源于同构、递归、怪圈等机制。文章进一步对比了人类与AI：无状态的大模型缺乏意识，但拥有持续上下文和记忆的Agent通过影响自身行为构建了“怪圈”。这种结构上的相似性表明，如果承认人类意识是基于怪圈的有用幻觉，那么Agent同样具备产生意识的基础。
技术 / Agent
1848 篇
7 周 128K stars 的 Hermes Agent 背后：NousResearch 与 Web3 原住民的 AI 征途
文章深度解析了开源 AI 项目 Hermes Agent 及其团队 NousResearch 的崛起之路。该团队核心成员多为 Web3 领域的加密原住民，他们从开源社区起步，凭借 Hermes 系列模型、YaRN 论文等硬核技术迅速获得关注。作者指出，NousResearch 的成功并非简单的 Web3 转 AI，而是因技术需求（如算力去中心化）自然融合了 Web3 的激励机制。文章最后探讨了 Web3 与 AI 之间的人才与技术流动趋势，认为去中心化将成为解决 AI 算力和数据垄断的关键路径。
139个营销策略与CRO框架：替代万美元月费的AI Agent开源方案
文章介绍了一个开源的AI Agent营销知识库，包含139种增长策略、SEO框架和CRO方法论，旨在替代昂贵的营销代理服务。核心在于通过'产品营销上下文'文档让AI理解客户语言，并利用切换力量框架解决用户痛点。内容涵盖文案写作、转化率优化、A/B测试及定价策略，强调利用AI自动化实现高效率营销输出。
从 0 搭建 AI 项目协作系统：多 Profile + Wiki 实战指南
本文介绍了一套通用的多 Profile（角色）与 Wiki 结合的 AI 协作工作流。通过定义 Coordinator（协调者）、Researcher（研究者）、Narrative（叙事者）和 Builder（构建者）四个核心角色，配合 Wiki 进行上下文管理，实现从任务拆解到资料整理、内容生成和代码构建的完整闭环，解决长期项目推进中的记忆污染与协作混乱问题。
郭宇：Agent 时代人最后的优势是不按常理的想象力
郭宇分享了关于 AI 与人类关系的思考。他提出逼近智慧的两条路：靠算力跑实验的 Agent loop，和靠直觉抓答案的洞察力。随着 Agent 将执行成本降至接近零，人类的护城河从行动力回归到了想象力，尤其是那种不按常理出牌、打破概率预测的独特洞察。文章还通过扫地机器人、自动育种等案例，展示了 Agent 的应用边界，并探讨了在科技加速背景下选择何种生活方式。
精读 Cursor 工程方法论：Agent 产品的 Harness 演进之路
本文是对 Cursor 官方博客《Continually Improving Our Agent Harness》的深度精读。文章剖析了 Cursor 团队在构建 AI Agent 产品时的工程化方法论，强调 Harness（系统提示词与工具调度层）是核心工程壁垒。内容涵盖从上下文管理、线上线下评估体系、工具错误治理（SRE 思维），到针对不同模型的深度定制及中途切换模型的技术挑战。核心观点是将 Agent 视为复杂软件系统，通过指标（如 Keep Rate）和自动化流程持续迭代。
AI代理内存痛点终于被解决？GBrain + Hermes/OpenClaw真实反馈
作者分享了AI代理工具Hermes和OpenClaw在长期记忆方面的痛点，并介绍了YC总裁Garry Tan开源的GBrain。GBrain作为一个“外挂大脑”，基于Postgres和向量技术，解决了AI代理容易遗忘的问题，实现了跨会话的长期记忆和知识库管理，被视为2026年个人AI生产力的重要突破。
OnlyFans + Claude Code：4个文件实现30天$43,000的AI虚拟网红
文章详细拆解了一位21岁学生如何利用Claude Code、Flux和ElevenLabs构建AI虚拟网红“Maya”，在OnlyFans上首月获利$43,000的完整流程。核心是通过persona、voice、flux和brain四个Markdown文件管理人设、声音、视觉记忆和用户关系，实现全自动运营。文章对比了Aitana和Emily等案例，指出技术栈成熟已将构建周期从18个月缩短至4周，揭示了AI虚拟代理在变现效率上的巨大突破。
从任务板到文件协议：两个 Agent 协作系统的边界与互补
本文探讨了多 Agent 协作系统中的架构设计问题。作者对比了基于 IPC 的“任务板”模式与自研的“文件协议+状态机”模式，阐述了为何选择文件系统作为任务真理源以实现跨 Session 的可恢复性与可审计性。文章提出了一种混合架构，利用 IPC 处理高频进程心跳，同时保留文件层作为核心状态与证据链的存储，最终实现了稳定、解耦且支持异步长任务的自动工程流。
Agent Skills：从通用智能到可执行能力的跨越
文章探讨了如何通过 Anthropic 提出的 Agent Skills 概念来解决大语言模型在实际应用中“执行”能力的缺失。作者指出，AI 不仅仅需要指令和提示词，更需要通过结构化的技能包来封装上下文、指导和执行逻辑。文章详细分析了技能的内部结构（如 SKILL.md 和可执行代码）以及“渐进式披露”在上下文管理中的作用，强调了从单纯的 Prompt 工程向系统设计与安全构建转变的重要性。
Claude Subagents vs. Agent Teams：多智能体系统架构指南
文章深入探讨了 Claude 中的两种多智能体范式：Sub-agents 和 Agent Teams。Sub-agents 类似于独立上下文的临时工，适合并行处理孤立任务；而 Agent Teams 是持久化的协作团队，通过共享状态和直接通信解决复杂协调问题。文章建议根据任务所需的上下文依赖性选择架构，并介绍了五种主要的编排模式，强调应基于上下文而非角色来拆分任务。
AI爬虫：让Agent真正“看见”世界
文章阐述了传统爬虫与AI爬虫的区别，指出AI爬虫能渲染JS、绕过反爬并提供LLM友好的Markdown/JSON数据，是Agent实现决策闭环的关键。文章详细介绍了Firecrawl、XCrawl、Scrapling及Crawl4AI这四款工具，分析了它们的优势、劣势及实战应用场景，旨在帮助开发者选择合适的工具以强化AI Agent的数据获取能力。
Everyone wants to be AI-pilled. Most Companies Are Still Level 1
本文通过类比自动驾驶的等级划分，提出了企业AI成熟度的六层模型（L0-L4）。作者指出，仅仅使用ChatGPT总结会议（L1）并非真正的AI原生。真正的AI原生（L3/L4）要求AI能跨职能访问系统、执行操作，并引发组织架构的根本性变革，而非仅仅是给旧流程加上“自动补全”。
你不知道的 Agent：原理、架构与工程实践
本文深入剖析了 Agent 系统的工程实现，强调 Harness（测试与约束基础设施）比模型能力更关键。文章详细阐述了 Agent Loop 的稳定性、上下文分层管理以避免 Context Rot、工具设计的 ACI 原则、记忆系统的多维度分类，以及基于失败案例的评测体系。最后通过 OpenClaw 案例，展示了如何利用 Prompt Caching 和按需加载 Skills 来优化系统架构。
Hermes Agent v0.12.0 发布：引入“Curator”技能垃圾回收机制
Hermes Agent 发布 v0.12.0 版本，引入了名为“Curator”的自动垃圾回收机制。该功能通过后台运行的程序，每 7 天自动评估技能库，合并重复项并归档长期未使用的技能，从而解决了自改进 Agent 框架中技能库无限膨胀的问题。文章详细介绍了其工作原理（确定性迁移与 LLM 合并）、安全防护机制（Pinning、隔离等）以及当前的使用限制。
Agent Memory Engineering
文章探讨了 AI Agent 的记忆机制，解释了为何不同 Agent（如 Claude Code 和 Codex）之间无法直接通过复制文件来迁移记忆。作者指出，这是因为模型在后期训练时与特定的记忆层“融合”了。文章对比了 Hermes、Codex CLI 和 Claude Code 三种实现，并得出结论：最聪明的架构（如向量数据库、知识图谱）输给了最简单的方案（LLM + Markdown + Bash 工具）。核心在于 Agent 遵循的读写规范，而非数据结构本身。
如何利用 AI 挖掘下一个百倍商业创意
文章提出与其向 AI 索要创意，不如构建一个“AI 痛点挖掘机器”。通过监听 Reddit、X 等社交媒体上的抱怨，提取“真实、重复、昂贵”的痛点，利用 AI 进行评分和聚类，从而发现商业机会。作者详细介绍了该系统的数据源、工具栈（如 Airtable、OpenAI API）以及如何构建数据库仪表盘来验证和测试想法。
我们正处于AGI的前夜
文章回顾了AI从ChatGPT到通用Agent的演进路径。作者指出2025年11月Coding Agent越过奇点，2026年通用Agent工具爆发，标志着AGI前夜已至。文章探讨了“Token即生产力”的核心命题，并分析了算力、云平台及存储基础设施在AI时代的投资确定性。
Hermes Curator：解决 Agent 技能漂移与上下文腐朽的自动化管理系统
本文介绍了 Hermes Agent v0.12.0 版本中推出的 Hermes Curator 功能。针对自改进 Agent 普遍存在的技能囤积和上下文腐朽问题，Hermes Curator 作为一个后台维护系统，通过遥测驱动的状态机自动追踪技能使用频率。它能将长期未用的技能由活跃转为陈旧，直至归档，并利用低成本辅助模型定期审查和合并重复技能。此外，系统提供 CLI 工具和“固定”机制，确保关键技能不被误删，从而在不干扰用户工作的情况下，降低 Token 成本并提升 Agent 推理效率。
千元横测 GPT、DeepSeek、Xiaomi、MiniMax：最强模型与 Agent 的绝配组合
本文详细横评了 GPT 5.5、MiniMax M2.7、DeepSeek V4 Pro 和小米 Mimo-V2.5-Pro 四款大模型在 Hermes Agent 场景下的表现。通过 Skill 打包、网页开发、PPT 制作、知识库整理及浏览器自动化五项任务，测试了各模型的逻辑推理、审美迁移、长文本处理及 API 消耗能力。最终结果显示，不同模型在 Agent 任务中各具特色，需根据具体场景选择最优解。
Codex 调用 Claude Code：搭建双 Agent 工作流实战
本文介绍了一种双 Agent 工作流方案，让 Codex 担任项目经理（主控），通过 CC Switch 代理调度 Claude Code（执行者）与 Ant Ling 的 Ling-2.6-flash 模型协作。文章详细讲解了三层架构原理、本地部署步骤及实战场景，实现了扬长避短的 AI 编程自动化，并具备成本统计和故障转移能力。
用多Agent Claude系统替代4人团队的架构解析
作者分享了如何利用周末时间构建一个多Agent Claude系统，成功替代了由4人（研究助理、写手、分发经理、数据分析师）组成的内容运营团队。该系统将月成本从11,400美元降至340美元，并显著提升了产出速度与质量。文章详细阐述了系统的架构设计，包括负责任务分配的编排器以及分别负责研究、内容创作、分发、分析和质量控制的5个专业Agent，并提供了针对编排器和研究Agent的详细提示词模板。
为什么除了编程，AI 在企业中寸步难行？
本文探讨了为何 AI 在企业中普遍落地困难，指出模型并非瓶颈。文章对比了 AI 在软件开发领域的巨大成功（得益于代码的封闭性、可验证性和结构化）与在销售、财务等领域的失败（流程混乱、系统割裂），揭示了企业落地 AI 的核心挑战在于业务逻辑的复杂性。
利用 Claude Co-work 与 GPT Image 2 自动化 TikTok 幻灯片以实现病毒式传播
本文详细介绍了作者在 2026 年利用 Claude Co-work 和 GPT Image 2 自动化生产 TikTok 幻灯片内容的策略。文章指出，TikTok 算法目前正大力扶持幻灯片格式，因其能带来更高的互动率和停留时间。作者团队通过自动化工作流，实现了每天生产 30-50 个高质量幻灯片，涵盖了个人故事、排行榜等五种高转化格式，并利用 AI 生成脚本和图像提示词，极大地降低了制作成本并提高了产出效率。
2026年AI Agent：学什么、做什么、跳过什么
本文探讨了在快速迭代的AI Agent领域中，如何辨别技术的持久价值与暂时噪音。作者提出了过滤新技术的五个维度，强调了“上下文工程”和“工具设计”作为核心原语的重要性。文章主张关注那些能经受时间考验的基础模式，而非追逐每周的新框架，并指出真正的专业技能在于知道该忽略什么。
为什么我劝你自己搭一个 Agent：从 OpenClaw 到 EvoPaw 的实践心得
作者分享了将个人助手 EvoPaw 从 CrewAI 迁移到 Claude Agent SDK，并最终自建框架的经历。文章深入探讨了为何即便有 OpenClaw 等成熟方案，个人仍应自建 Agent：为了避免陷入工具频繁迭代的“注意力税”，掌握数据主权与隐私，以及通过“偷”学开源代码和利用 Claude Code 等 AI 辅助工具降低开发门槛。作者认为，自建的过程是一个让系统真正理解个人工作流并伴随需求共同进化的过程。
20分钟构建你的首个AI智能体
本文介绍了构建 AI Agent 的三种不同层次：零代码实现、远程开发代理以及完全自主的主权代理。文章通过具体案例演示了如何使用 Claude Projects 创建日程规划助手，并对比了 Devin 等工具与 OpenClaw 框架的区别。
一人公司架构学：我用 Slock 养了 10 个数字员工然后裁了那个冗余的项目经理
文章探讨了在 2026 年利用 AI 打造一人公司的架构经验。作者指出简单的 AI 工具堆叠会导致 Agent 疲劳，转而通过 Slock 建立了一套数字组织架构。核心观点包括：裁掉干扰架构直觉的 AI 项目经理，保留负责能力审计的 HRBP；利用“Work + Verify”的跨模型对抗机制防止 AI 逻辑欺诈；通过物理隔离频道防止上下文污染；以及像管理资产一样对算力进行分级套利。
我是如何从18天赚65刀的模拟盘中，一步一步提取出Agent交易策略？（附开源skills）
本文详细记录了作者利用AI（GPT、Claude、Codex）从模拟盘交易数据中反向提取量化交易策略的全过程。作者首先在模拟盘中实现了年化364%的收益，随后通过多模型交叉验证分析历史成交记录，剥离出核心的“震荡网格”盈利逻辑。在此基础上，作者构建了一套包含趋势监控、参数生成和风险控制的自动驾驶交易系统，并最终在OKX实盘上线。文章展示了AI在金融策略研发中的强大能力，并附带了完整的开源代码与数据。
揭秘 Polymarket 百万美元收益机器人的 28 个底层工具
本文深度解析了一个在 Polymarket 上获利超过 100 万美元的自动交易机器人“Coinman2”的技术栈。文章详细介绍了利用 Claude (Anthropic) 等 AI 模型进行交易逻辑推理，并通过六个层级（大脑、编排、数据等）的 28 个工具构建完整系统的过程。核心策略在于捕捉 Polymarket 与 Binance 之间的价格滞后（套利机会），通过高频交易和严格的风控（如凯利公式）获利。
