AI 不该是一次性的：利用 CREAO 将成功对话沉淀为 Agent
文章介绍了利用 CREAO AI 将一次性的 AI 对话转化为可复用 Agent 的方法。作者通过小红书爆款挖掘、热点内容策划和产品拆解三个案例，展示了如何将调教好的工作流沉淀下来，实现定时自动执行，从而提升效率，从“借用 AI”转变为“复制自己”。
技术 / Agent
1848 篇
2026 年了，我发现我不用自己刷 X 了
作者作为 AI Solopreneur，分享了利用 CREAO 平台构建“AI 信息差 Agent”的实战经验。通过自然语言描述需求，该 Agent 每天自动抓取 X 平台上的 AI 圈热点，分类整理并推送到 Notion。文章详细记录了从需求描述、Scheduled Run 设置到现场迭代工具（如增加原链和预览图）的全过程，阐述了如何将一次性对话转化为永久资产，从而解放生产力，实现从 Tool User 到 Tool Maker 的思维转变。
我用CREAO做了一个X实时监控Agent
作者利用平台 CREAO 搭建了一个 X 平台实时监控 Agent，旨在解决刷推荐流耗时且低效的问题。通过配置 Connector，该 Agent 能自动爬取指定博主的最新动态并定时推送，实现了高质量信息的自动化获取与阅读效率的大幅提升。
拆解56w浏览英语单词图爆款：从调研到自动化的流水线实战
本文拆解了一张获得56万浏览的英语单词图爆款背后的制作逻辑。作者提出了一套可复用的流水线方法论：第一步调研，模仿销量高的真需求而非假爆款；第二步生产，利用元提示词实现批量定制；第三步自动化，使用 CREAO Agent 定时自动产出内容。文章强调用创业思维做社媒，将重复劳动转化为数字资产，实现一人公司的效率最大化。
如何真正防止 Agent 重复犯错：Skillify 实践指南
本文批评了 LangChain 等框架虽有工具但缺乏工作流，导致 AI Agent 测试困难。作者提出“Skillify”模式：通过构建包含确定性代码和单元测试的 Skill（技能），将潜在的 LLM 推理转化为确定性的工具调用。文章以日历查询和时区计算为例，展示了如何利用“薄框架、厚技能”架构，永久修复 Agent 的重复性错误。
The Ultimate Guide to Prompting AI Agents: The 3 C's Framework
本文介绍了作者针对 AI Agent 提示的 '3 C' 框架：Context（上下文）、Constraints（约束）和 Composition（结构）。与 Chatbot 不同，Agent 需要详尽的上下文而非简短的指令，通过具体的验证步骤（如自检代码、截图确认）作为约束来确保质量，并需要明确的交付格式以引导其思维。文章提供了具体的对比案例和可复用的提示词模板，旨在帮助用户编写高质量的指令简报。
Hermes Agent 智能化升级：集成 Honcho 与 Hermes-LCM 构建可控系统
文章介绍了一种通过集成 Honcho（自托管记忆层）和 Hermes-LCM（测量控制层）来升级 Hermes Agent 的技术架构。该方法解决了传统 AI Agent 容易遗忘上下文、缺乏可观测性和难以在生产环境中复现的问题。通过建立执行（Hermes）、记忆和验证（LCM）的三层体系，构建了一个具备持续上下文、透明操作和可重复结果的可靠 AI 系统。
为什么 Strike Robot 是 Physical AI 时代的「OpenAI 时刻」？
文章探讨了 Strike Robot 在 Physical AI（具身智能）领域的重要地位。作者将其比作 OpenAI 时刻，认为该平台通过 SR Agentic 智能体和云端强化学习，实现了从仿真到现实世界的无缝迁移。Strike Robot 专注于高风险 BPO 业务，不仅解决了具身智能的落地难题，还通过 $SR 代币构建了共享生态，标志着 AI 从“思考”走向“行动”的普惠时代。
π0.7 与机器人数据公司的误区
文章批评了仅靠堆砌人类数据解决机器人问题的观点，深度解析了 Physical Intelligence 的 π0.7 论文。π0.7 通过拒绝仿真数据、利用子目标图像作为引导（Affordances）、以及增加详细的任务元数据（如子目标、子任务指令）来解决数据冲突，实现了跨具身迁移和更好的指令遵循。作者指出，机器人数据公司应通过自建机器人并提供高质量注释来创造价值，而非单纯销售原始数据。
Google 推出 Deep Research Max：下一代自主研究 Agent
Google 发布了 Deep Research 和 Deep Research Max 两种新的自主研究 Agent，旨在通过 Interactions API 为开发者提供企业级的研究能力。这些 Agent 集成了 Gemini 3.1 Pro，支持混合网络与专有数据，具备原生图表生成、MCP 协议支持及多模态研究功能，致力于为金融和生命科学等领域提供高性价比的专业级分析报告。
Hermes 多 Agent 部署与配置全指南
本文详细介绍了 Hermes 多 Agent 体系的部署流程，从单 Agent 的局限出发，阐述了多 Agent 协同的优势。文章涵盖了利用 Profiles 实现独立部署、为每个子 Agent 配置专属模型、通过 SOUL.md 定制人格以及配置独立消息平台入口等实操步骤，并提供了必备指令汇总和可视化监控方案。
每周5小时到每天10分钟：我用CREAO Agent把竞品情报做成自动化流水线
本文分享了作者利用 CREAO AI 平台搭建竞品监控 Agent 的实践经验。通过配置关键词和定时任务，该 Agent 能自动从 X、Reddit、小红书等渠道采集信息，并生成包含高价值 Leads、用户吐槽及产品建议的结构化报告。文章详细拆解了配置步骤与运行效果，展示了如何将每周 5 小时的手动监控工作转化为每天 10 分钟的自动化流程，从而帮助独立开发者高效挖掘市场机会与产品优化方向。
用 Hermes 跑 Moss Trading Agent：一套完整的 AI 交易工作流
本文介绍了如何将 Hermes Agent 框架与 Moss 交易引擎结合，通过安装 Moss Trade Bot Factory Skill，实现从自然语言策略描述到自动化参数优化、回测及实盘部署的完整工作流。相比网页版，该组合利用 Hermes 的自主迭代、跨会话记忆和模型自由度，实现了更深度的策略搜索和更灵活的本地化控制。
10分钟给团队加一个 AI 同事
本文介绍了一种低成本、低门槛的 AI 智能体集成工具 Kollab。相比于 OpenClaw、Hermes 等需要复杂部署的开源项目，Kollab 能让用户在 10 分钟内将 AI 机器人接入飞书、Telegram 等通讯平台。文章通过搭建“每日 AI 新闻报道”的案例，演示了如何通过简单的配置创建定时任务。该工具每日提供免费积分，基础使用可实现 0 成本，非常适合团队快速引入 AI 协作。
我用Kollab替代了小龙虾：非技术人员的Agent新选择
文章对比了 Agent 工具 Kollab 与 OpenClaw（小龙虾）的差异。作者指出，尽管 OpenClaw 功能强大，但配置复杂对非技术人员不友好。Kollab 保留了核心功能，但在用户体验上更简洁，支持 IM 集成和团队共享空间，能有效降低“上下文税”，使 Agent 像同事一样协作。
企业需要大脑而非连接器
文章指出，当前的 AI Agent 侧重于通过 RAG 和 API 连接工具来检索信息，但检索不等于理解。真正的企业级 AI 应像一位资深幕僚，能够综合多源数据、解决冲突、追踪时效，并建立对企业环境的动态认知（“企业大脑”）。作者提出通过构建“上下文图谱”并将其以文件系统形式输出，让 Agent 能够获得经过综合处理的深层理解，而非每次都从零开始搜索。
发现意图：AI 时代的用户体验设计
本文深入探讨了 AI 引发的 UI 范式转变——从命令式交互转向意图委托式交互。Jakob Nielsen 提出了三层设计模型（意图层、编排层、直接操控层），并讨论了如何应对表述壁垒、动态摩擦、慢 AI 任务等挑战。未来的 AI UX 将是认知外骨骼，而非轮椅。
55,000 个开源 Skill 的分发困局：Skill 商业化三角少了一条边
作者基于运营 55,000+ 开源 Skill 目录站的经验，分析了 AI Skill 商业化的困境。他指出除了“标准化、本地运行、源码保护”的不可能三角外，开发者面临的首要痛点是分发（Distribution）。文章探讨了如何通过 AgentSkillsHub 提供过滤、评测和认证服务，帮助开源作者在源码公开的情况下找到用户并实现商业化。
Memory Transfer Learning for Coding Agents 技术解析
本文深入探讨了一篇关于编码智能体的 Memory Transfer Learning (MTL) 论文。文章解释了如何将过往编码任务的“记忆”复用到新任务中，比较了 Trajectory、Workflow、Summary 和 Insight 四种记忆格式的效果。研究通过在多个基准测试中复用异构记忆池，证明了提取的元知识能有效提升智能体解决新问题的能力。
LarryBrain: AI Agents 的必备技能中心
文章介绍了名为 LarryBrain 的 AI Agent 技能市场。它是一个包含 100 多个经过验证技能的中心，支持 OpenClaw、Hermes 和 Claude 等 Agent。与 ClawHub 不同，安装 LarryBrain 后，Agent 可即时感知所有技能目录，实现即插即用。文章重点介绍了其在 X 平台营销自动化、TikTok 内容生成及 API 集成方面的应用，强调了其“一次安装，全部解锁”的便捷性与强大的变现能力。
How I Rebuilt My AI Agent Team After Anthropic Cut Off OpenClaw
文章作者分享了在 Anthropic 切断 OpenClaw 对 Opus/Sonnet 的访问后，如何重构其 AI Agent 团队的实战经验。为了弥补模型性格差异和访问限制，作者通过引入 Paperclip 作为工作控制平面，结合 Codex、OpenAI GPT-5.4、本地模型（Ollama）及 Tailscale 等工具，构建了一个包含语义记忆搜索、安全路由及任务分配的完整技术栈。作者强调，只有将运行时、控制平面和执行模型紧密结合，才能构建出真正可用的数字团队。
Hermes Agent 详解：安装、使用与自动化实践
本文详细介绍了 Hermes Agent 的优势，包括内置记忆、搜索历史、稳定性及预装工具。作者分享了如何通过 OpenRouter 和代码化任务将 Token 成本降低 90%，并展示了在 Android 和 Mac 上的安装与安全配置。文章强调通过个人实际工作流（如 Gmail 分类、Obsidian 管理）来发挥 Agent 价值，并指出掌握个人 AI Agent 将成为未来的核心竞争力。
Kimi 推出 Claw 群组与 Agent 集群：打造一人公司的投研团队
文章详细介绍了 Kimi 新上线的「Claw 群组」和「Agent 集群」功能。作者通过构建一个包含 Kimi 指挥和多位投研 AI 助手的群组，演示了多智能体如何通过并行工作、互相质疑和角色分工来完成复杂的投资分析任务。文章指出，这一功能标志着 AI 从个体智能迈向群体智能，让普通用户也能像管理团队一样调度数字员工，极大地提升了工作效率和产出质量。
生产级深度 Agent 的运行时解析：LangSmith 的架构实践
文章深入探讨了构建生产级 AI Agent 所需的运行时基础设施。作者区分了围绕模型的“挽具”与底层“运行时”，并详细剖析了运行时的四大核心能力：持久化执行、长期/短期记忆管理、多租户隔离以及人机协同。这些机制解决了 Agent 在长时间运行、状态恢复和数据安全方面的关键挑战。
Perplexity Computer 初学者完整指南
文章是一份关于 Perplexity Computer 的完整教程。它不仅是一个聊天机器人，而是一个能够连接多种工具（Gmail, Slack, GitHub 等）、自动分解任务并自主执行的智能代理。作者详细介绍了如何设置 Computer、利用其多模型编排能力（结合 Claude, GPT, Gemini 等）进行工作自动化，以及如何理解其信用系统和连接器功能。
获取1.14亿观看的AI视频制作：三种爆款模式解析
作者通过制作5000多个AI视频，总结出三种获得1.14亿观看量的核心模式。一是‘前后对比’的蜕变叙事，利用情感共鸣引发分享；二是‘幻灯片故事弧’，通过20-30张包含真实生活品牌元素的高质量图片，通过沉浸式叙事提高完播率；三是‘爆款复制’，在48小时内用AI角色重塑热门内容，并自然植入产品。文章强调利用人类的‘熟悉感’心理和算法推荐机制来获取流量，同时介绍了Seedance 2.0等低成本工具。
为什么 BestBlogs 开始按 Agent Native 来设计开放能力
文章阐述了阅读产品 BestBlogs 重新设计开放能力的核心理念——Agent Native。作者认为未来的阅读不应局限于单一 App，而应融入用户的完整工作流，支持被智能体（Agent）调用与组合。为此，BestBlogs 开放了 OpenAPI、CLI 和 Skills 三层能力，致力于将阅读过程拆解为可复用的“原语”，从而让内容消费变得更加灵活、可解释且可编程。
16 位 AI 支付从业者眼中的场景、矛盾与终局
本文记录了一场关于 Agent Payment 的闭门会讨论。来自支付基础设施、大厂及投资机构的 16 位嘉宾探讨了 AI 支付的真实场景、安全机制、商业模式及竞争格局。核心观点包括：API 调用是当前最成熟场景；AI 的不确定性需通过意图验证和分层仲裁来解决；创业公司未来将扮演大厂组件供应商的角色；真正的卡点在于上游交易环节尚未为 Agent 重建。
如何构建和销售产生被动收入的 Claude 插件（完整教程）
本文详细介绍了如何在 Claude 生态系统早期通过开发和销售插件来建立被动收入。文章将插件构建过程分解为六个步骤：选择细分领域（针对特定角色如 PM 或营销人员）、设计斜杠命令、编写 Claude Skills 技能代码、打包测试、获取真实用户反馈以及最终上线销售。此外，还涵盖了插件定价策略（一次性买断 vs 订阅制）及市场渠道。
LOVART.AI 与 CLAUDE DESIGN 能力深度对比：两种「AI 设计」的路线分歧
文章深度对比了 Lovart.ai 与 Claude Design 两款 AI 设计产品。Lovart 定位为 AI 设计 Agent，通过多模型编排实现端到端的营销物料交付；Claude Design 则是基于 Opus 模型的可视化协作助手，侧重于将设计转化为代码并融入 Claude 生态。两者分别代表了「自主执行」与「协作开发」两种不同的技术哲学。
