一下午一句话 Codex 帮我开发了一个完整的游戏
作者利用 Codex 在一下午时间内，仅通过自然语言交互，完成了一款名为《夜巡录：荒庙篇》的志怪题材 Roguelike 卡牌游戏。文章详细记录了 AI 如何自动生成绿幕素材、编写爬虫获取资源、通过图片拼贴解决视觉检索瓶颈，以及整合 GPT-Image 和 Seedance 2.0 完成音视频素材的全过程。作者认为这种从“配工具”到“定目标”的交互模式转变，已接近 AGI 雏形。
技术 / Agent
1848 篇
构建个人生活 AI 智能体：基于 Claude Desktop 与 MCP 的实战指南
本文介绍了一个无需额外付费、仅用一个下午构建的个人 AI 智能体。通过 Claude Desktop 结合 MCP 协议，利用 Filesystem、Playwright 和 Telegram 三个工具，实现了自动读取任务、浏览网页资讯并发送早报到手机的功能，展示了 AI Agent 从“回答问题”到“执行任务”的跨越。
基于 Hermes 和 Polymarket 构建自学习 BTC 交易代理指南
文章详细介绍了如何利用开源框架 Hermes 和 Polymarket 市场的低效性，构建一个能自我进化的 BTC 上涨/下跌交易代理。内容涵盖了 Polymarket 的盈利模式、Hermes Agent 的核心优势（知识层、执行层、输出层）、以及如何使用 Atomic 工具一键部署 Hermes 环境。此外，文章还列举了多个成功的交易机器人案例，并提供了 GitHub 上现成的交易逻辑库供参考。
Agent 时代必读书单：27 本构建认知地基
文章推荐了 27 本构建 Agent 时代认知地基的书籍，涵盖底层范式、认知科学、决策理论、多智能体协作、组织管理及哲学对齐六大板块。作者强调 Agent 时代的盲区在于认知层，建议按需阅读，认为读完这些书能看穿当前 90% 的 Agent 创业本质是在重复旧思想。
构建服务即软件代理公司：五层运营堆栈详解
本文详细介绍了如何构建一个 $7M 规模的服务即软件（Services-as-Software）业务，阐述了由五个层级组成的运营系统。第一层是数据智能，利用 Clay 等工具建立分层客户清单；第二层是外联执行，通过 Instantly 等 ESP 管理邮件投递和信誉；第三层是编排层，使用 Claude Code 作为运行时连接 API 并执行具体工作；第四层是汇报与沟通；第五层是人员与知识。文章强调了数据分层、投递信誉基础设施以及利用 Claude Code 的技能文件夹来沉淀自动化流程的重要性。
AgentOS 现已支持 Claude Code、LangGraph 和 DSPy
AgentOS 宣布在其 Alpha 版本中增加对 Claude Code (通过 Claude Agent SDK)、LangGraph 和 DSPy 的支持。文章阐述了 AgentOS 如何作为生产级后端，统一管理不同的 Agent 架构，提供数据库持久化、多租户认证、RBAC、可观测性和水平扩展能力。作者区分了 SDK（如 Agno）与 Harness（如 Claude Code）的区别，并指出构建面向用户的 Agent 产品必须将会话、循环和沙箱分层管理。
基于 Claude Code 的 Polymarket 高频交易机器人实战指南
本文详细介绍了作者如何利用 Claude Code 辅助开发，构建了一个针对 Polymarket 5 分钟 BTC 市场的自动交易机器人。作者通过分析 Chainlink 预言机延迟与交易所价格分歧，结合订单簿失衡检测（Order Book Imbalance），设计了一套高胜率的信号融合策略。文章涵盖了从数据抓取、逻辑实现、限价单执行到提前止盈的完整代码与交易逻辑，展示了如何通过低成本工具实现月入过万美元的量化交易。
AI Agent 学习指南：2026 年应学什么、构建什么以及忽略什么
本文针对 AI 领域快速迭代带来的焦虑，提出了一套判断技术价值的筛选标准，建议关注具有长期复利的“原始概念”而非短暂的封装框架。文章重点探讨了“上下文工程”的演变及“工具设计”的重要性，强调在混乱的生态中应保持耐心，注重核心模式与可衡量性，而非盲目追逐每周的新框架。
使用 Paperclip 搭建零员工公司的完整指南
文章介绍了如何利用开源工具 Paperclip 搭建一个由 AI 智能体组成的自动化团队。Paperclip 不仅仅是单个 Agent，而是通过构建包含 CEO、CTO 及工程师的层级组织结构，利用心跳和看板系统自动分配和管理任务。作者分享了在 VPS 上部署此系统的步骤及成本（每月约 6 美元），展示了其如何实现连续 48 小时的无人值守工作，标志着 AI 从单体智能体向团队协作的演进。
Sub-Agents vs Agent Teams: 改变一切的架构决策
文章深入探讨了在构建复杂 AI 系统时，如何在“子代理”和“代理团队”两种架构模式之间做出正确选择。作者指出，大多数系统错误的按角色（如规划员、开发员）拆分，导致上下文丢失；正确的做法应是基于上下文边界进行拆分。Sub-agents 适用于独立的、需要隔离和并行处理的任务，专注于执行；而 Agent Teams 适用于需要深度协作、上下文共享和实时协调的复杂依赖任务。文章还总结了提示链、路由、并行化等 5 种核心设计模式，并强调了从简单开始、按需增加复杂度的原则。
2026年AI Agent横评：水星与爱马仕的抉择
文章针对2026年AI Agent红海现状，对比了OpenClaw、Hermes（爱马仕）和Mercury（水星）三款工具。指出OpenClaw成本高易出Bug，Hermes适合进阶玩家追求自我进化，而Mercury（水星）因其安全可控、成本低廉及稳定性，被推荐为普通人的最优解。文章详细分析了选型逻辑并提供了Mercury的安装指南。
全自动 Coding Agent 实战：大模型规划，小模型干活
文章验证了一个关于多 Agent 编排的猜想，通过搭建 hero-coding MVP，对比了 ChatGPT 5.4、Ling-2.6-flash 和 Ling-2.5-1T 在编码任务中的表现。结果显示，非思考小模型（Flash）在明确 Bug 修复上比思考模型快 31%，而 Ling-1T 在加功能任务上仅需 11% 的 Token 和 63% 的时间。作者总结出“大模型规划，小模型干活”的最佳实践，并强调了非思考模型必须配合 Harness 工程兜底的重要性。
Moxt 实测：把你的组织，折叠进一堆文件夹
本文是对 AI 产品 Moxt 的深度评测。作者指出当前 AI 工作存在“上下文散”和“格式脏”两大痛点，而 Moxt 通过构建基于本地文件系统和 Markdown 格式的工作空间有效解决了这些问题。文章详细介绍了 Moxt 的核心功能：包括基于 AGENTS.md 的个人 AI 分身、支持 Skill 自动化的工作流、以及生成可视化的 HTML 报告。作者认为 Moxt 将 AI 从单纯的对话工具转变为具备记忆和执行能力的“同事”，非常适合处理复杂的组织协作任务。
我用DeepSeek V4做出了史上最离谱的重生模拟器
文章讲述了作者使用DeepSeek V4模型及其EasyClaw平台，通过简单的口述指令，快速生成并部署了一个网页版“重生”文字小游戏。游戏中包含了霸总变狗、皇帝用钉钉管理朝堂、乞丐摆摊IPO等极具幽默感和荒诞感的剧情，展示了AI在逻辑推理和内容生成上的强大能力以及低门槛开发的便利性。
Hermes Agent 保姆级变现指南
本文是一份 Hermes Agent 的实战变现教程。作者首先解析了 Hermes Agent 具备的长期记忆、技能自动沉淀及 24 小时在线等核心优势，随后提供了“喂饭级”的安装与部署教程。文章重点列举了三种适合普通人的变现路径：出售代安装服务（卖铲子）、为线下店铺搭建 AI 客服系统（卖服务）以及利用 AI 分身辅助内容生产（卖自己）。最后，作者分享了避免被割韭菜的三条保命铁律，鼓励读者从第一笔小额收入做起，享受 AI 带来的复利红利。
Why Karpathy’s Second Brain Breaks at Agent Scale. How Mercury Solves It.
本文探讨了 Andrej Karpathy 的 LLM Wiki 工作流在人类“第二大脑”场景下的优势，指出其在处理 AI Agent 时的局限性。文章强调，人类记忆优先考虑可读性和反思，而 Agent 记忆系统则需要快速检索、低 Token 成本和冲突解决。Mercury 提出的混合架构方案，主张使用 Markdown 作为人类界面，同时采用结构化内存作为 Agent 的底层设施，以实现上下文的持续累积和可靠运行。
郭宇｜Claude Code：知识工作者的终结
前字节跳动工程师郭宇在《单向街东京》对话中提出惊人判断：知识工作者剩下的有意义工作时间仅约六个月。文章指出，随着 Claude Code 推出 Skill 模式，软件工程范式被改写，代码变为“流动的 Token”，不再依赖人工监督。这种“一人公司”模式正颠覆传统 SaaS、法律及初级编程岗位。AI 虽短期赋予个人以一当万的能力，但长期将导致岗位消失，加剧通缩与分配矛盾。
OpenAI 正在确立 Coding Agents 的默认编排层
文章介绍了 OpenAI 生态内两个同时发布的开源项目：Symphony 和 ClawSweeper。两者均基于 Codex App Server 这一原始编排层，分别针对 SDLC 的两端（PR 创建与 Issue 维护）提供了参考实现。Symphony 将 Linear 转化为自动化代理系统，提升 PR 吞吐量；ClawSweeper 则能并行运行大量 Codex 实例，自动清理无意义 Issue。文章分析了它们的架构模式、应用场景及局限性。
Meet Scout: 开源的企业级上下文代理
本文介绍了 Scout，一个开源的企业级“上下文代理”（Company Brain）。针对现有方案将所有数据存入向量数据库导致索引过时的问题，Scout 提出了“导航优于搜索”的理念，通过 Context Providers 连接 Slack、Google Drive 等实时数据源，像操作文件系统一样导航信息。它还能动态构建 Wiki 和 CRM，并通过持续学习形成闭环。
我在家找到了当老板的感觉：构建 AI 员工团队的一月战绩
作者分享了离职两年后，如何利用 AI Agents 组建团队，在一个多月内独立完成了包括资产分析工具 Beavern、WikiMatch 游戏及开源项目重构在内的 5 个产品。文章详细描述了与 AI 员工语音协作的日常工作流，探讨了在 AI 时代，非技术背景的产品经理如何通过创意与管理能力，实现“一人公司”的高效创造。
OpenClaw被反超，Mercury杀出！2026普通人到底养哪个AI Agent？
文章发布于2026年4月，分析了AI Agent赛道的新格局。面对OpenClaw（高耗能故障多）和Hermes（自我进化但难控），作者强烈推荐普通人首选Mercury。Mercury主打安全可控（行动前必问）、极致省流（本地检索）及24/7稳定运行，完美契合普通用户痛点。文章还提供了详细的Mercury安装教程、精选技能推荐及日常成本分析，建议将其作为主力Agent。
Connecting Agents to Decisions: The Palantir Ontology
文章详细介绍了 Palantir 的核心软件架构“Palantir Ontology”，旨在将 AI Agent 与企业实时决策连接。该架构通过整合数据、逻辑、行动和安全四大要素，解决了传统数据架构无法捕捉决策推理和执行上下文的问题。它通过语义化表示企业现实，连接异构逻辑资产，并利用生成式 AI 综合决策数据，从而在灾难响应和能源生产等关键领域实现安全、有效的人机协作决策。
逆向 gstack 到 dbs：方法论跨领域迁移实战
文章深度分析了如何将 gstack（软件开发工作流）的方法论逆向工程并迁移至 dbs（商业诊断）。通过剖析 80 行代码背后的思考，揭示了从识别角色结构、映射领域差异到极简技术实现的完整路径。文章强调，真正的复用不是照搬代码，而是提取跨领域的本质逻辑，提供了通用的“5步迁移框架”，适用于 Agent 开发及工作流设计。
2026年多智能体编码技术栈实战指南
文章深入探讨了如何在2026年构建高效的多智能体编码工作流。作者指出，顶尖开发者不再局限于单一工具，而是根据任务成本和需求在模型间路由。文章重点介绍了开源的 Kimi K2.6 及其终端代理 Kimi Code，它具备媲美顶级模型的推理能力，但成本仅为 Claude 的 1/7。作者详细展示了安装配置过程、API 开发与重构测试，并分析了其 MCP 兼容性及创新的 Agent Swarm 并行处理能力。
AI Agent 从零开发指南：构建你的第一个智能体
本文是一篇从零开始构建 AI Agent 的实战教程。作者整合了 Anthropic 和 OpenAI 等资源，详细介绍了 Agent 的工作原理（核心循环）、五种核心工作流模式（如提示链、路由、并行化等），并提供了从构思、设计工具与记忆机制到落地的完整步骤。文章还探讨了如何利用 LLM 自身辅助设计 Agent，帮助开发者快速构建实用型的自动化智能体。
如何用 Claude Opus 4.7 自动化制作 TikTok 幻灯片
本文介绍了一种利用 Claude Opus 4.7 和开源工具构建的系统，用于自动化 TikTok 幻灯片内容的创作。该系统通过逆向工程爆款内容，使用脚本批量生成幻灯片，实现了低成本、高效率的规模化内容产出，避免了传统广告的高昂费用。
探索 GEPA：基于反思的 LLM 上下文提示优化技术
本文探讨了 GEPA (Genetic-Pareto) 技术，一种旨在解决大语言模型上下文管理被动性的提示词优化器。与运行时的 RLM 不同，GEPA 在推理前操作，通过自然语言反馈和试错学习来改进提示词。文章分析了 GEPA 如何利用 Pareto 前沿保持提示多样性，避免单一最优解，并在多项任务中以更少的 rollout 取得优于 GRPO 和 MIPROv2 的性能。作者提出 GEPA 与 RLM 相结合，代表了从单纯增加上下文长度向主动选择和管理上下文的技术范式转变。
MemOS —— 给Hermes打造永续记忆
文章探讨了如何利用 MemOS 插件为 Hermes Agent 构建长期记忆系统。作者指出，单纯的模型能力不足以支撑持续成长的 Agent，关键在于记忆的组织与沉淀。MemOS 通过全量写入、语义切块、去重合并、混合检索及任务归纳等机制，将对话转化为结构化的经验记录，并配合可视化面板实现了记忆的本地化管理。这使得 Hermes 能够记住用户习惯与上下文，从“一次性工具”进化为“越用越顺手”的生产力系统。
Hermes自动炼丹器：Agent技能的自我进化机制
本文介绍了由 Hermes 创始人开发的 self-evolution 增强版工具，旨在通过工程化闭环自动优化 Agent 的技能提示词、工具描述及代码。文章详细解析了该工具的工作流，包括构建评测集、基于 DSPy 和 GEPA 的优化算法、PR 审核机制等。作者分析了 synthetic、sessiondb 和 golden 三种评测模式的适用场景，指出该项目虽处于早期阶段，但其从历史会话中挖掘数据并进行系统化反馈的思路，为 Agent 的持续迭代提供了极具想象力的方向。
我把 1000 个 AI 信息源压缩成了一份每日简报（开源）
文章介绍了一套由作者开发并开源的 AI 新闻简报系统。该系统通过聚合重型源、编辑精选和独家视角三个层级的信息，监控 1000 多个信息源，利用自动化技能进行多轮筛选和个性化处理。它解决了信息过载问题，实现了让高质量信息主动寻找用户，而非用户盲目搜寻。
