从SEO到GEO，从流量到Agent，真正的变化才刚刚开始
本文记录了国内第一届GEO（生成式引擎优化）主题大会的核心内容。12位来自GEO和AI领域的专家分享了从传统SEO向GEO转型的趋势、技术策略及商业实践。文章深入探讨了AI时代的品牌可见性、To Agent的新产品形态、以及构建事实资产与可信分发体系的重要性，指出GEO是进入AI新商业秩序的第一张门票。
技术 / Agent
1847 篇
15分钟从0到1搭建AI智能体：史上最全保姆级教程
本文是一份关于从零开始搭建AI智能体的深度教程。作者指出大多数智能体失败的原因在于混淆了普通AI与具备业务知识的真正智能体，并提出了成功公式：70%业务知识 × 20%精准提示词 × 10%工具选择。文章详细拆解了搭建智能体的“三步黄金法则”：功能规划（避免大而全，聚焦核心场景）、知识库准备（构建业务知识与方法论库）以及搭建测试（以CloudCPT为例的实操步骤）。文中以“朋友圈智能体”为例，提供了从提示词模板到知识库清单的完整落地方案，旨在帮助用户利用AI实现业务赋能。
Claude Managed Agents：人人都能创建Agent了
Anthropic 最新推出 Claude Managed Agents，旨在降低智能体（Agent）的创建门槛。文章解释了 Agent 与通用聊天机器人的区别，并指出搭建运行环境成本高。该服务提供现成的基础设施，用户仅需通过自然语言定义需求即可创建专用 Agent，无需编写代码。这对非程序员、独立开发者及公司验证产品市场匹配度（PMF）均有重要价值，有望推动 Agent 产品的快速普及。
Anthropic 官方博文：多智能体协作指南：五种主流模式怎么选、怎么用？
本文翻译自 Anthropic 官方博文，深入解析了多智能体协作的五种主流模式：生成 - 验证者、调度 - 子智能体、智能体团队、消息总线及共享状态。文章详细阐述了各模式的运作原理、适用场景与局限性，并提供了在代码审查、安全运营、系统迁移等实际案例中的选择建议。通过对比分析，帮助开发者根据任务特性（如上下文需求、事件驱动性、协作紧密度）灵活选择或组合模式，以构建高效、可扩展的多智能体系统。
同步阻塞 vs 异步编排：Hermes Delegate 与 OpenClaw 多 Agent 机制深度实战对比
文章深入对比了 Hermes 的 delegate_task 机制与 OpenClaw 的 subagent 系统。Hermes 采用同步阻塞模式，类似“总承包商”，强隔离且 Token 效率高，适合并行执行独立任务；OpenClaw 则采用异步事件驱动模式，支持动态引导（Steer）和复杂编排，灵活性更强。文章分析了两者的架构差异、通信模式及安全机制，并提出了混合架构实践及 Hermes 的改进方向。
Hermes Agent 从入门到精通：25 个致命坑避坑实战指南
本文是一份详尽的 Hermes Agent 使用避坑指南，旨在帮助新手和资深开发者解决在安装、配置、模型接入及多 Agent 协作中遇到的常见问题。文章总结了 25 个典型的“致命坑”，涵盖 Windows 环境兼容性、WSL 配置、API 接入报错、模型行为控制、记忆管理以及权限安全等核心领域，提供了具体的排查步骤与解决方案，能有效减少用户在调试和部署上浪费的时间。
你的安全带，你的记忆
文章由 LangChain 创始人 Harrison Chase 撰写，指出代理框架（安全带）已成为构建智能体的主流方式且不会消失。核心观点在于：框架与代理的记忆紧密相连。若使用封闭框架或专有 API，开发者将失去对记忆的控制权，导致严重的供应商锁定效应。文章强调记忆对于个性化体验和数据飞 wheel 的重要性，呼吁开发者使用开源、模型无关的开放框架，以真正拥有并控制属于用户的长期记忆数据。
从极客玩具到人人可用的小龙虾：扣子 2.5 体验
本文是对字节跳动扣子 2.5 的深度体验评测。文章详细介绍了新版本在日历任务管理、文件管理、CLI 命令行工具、云电脑与云手机（支持 App 自动化）、视频创作及全栈编程等方面的功能更新。作者认为扣子 2.5 通过将复杂的技术底层封装，实现了自然语言驱动的高效工作流，是目前国内体验最好、功能整合最完善的 AI 应用开发平台。
这个Agent能拆竞品、写脚本、盯数据，短视频操盘手强到离谱
本文介绍了一款专为短视频创作者设计的AI Agent（短视频内容超级操盘手），旨在解决选题焦虑、竞品拆解难、产出效率低及内容规划混乱等痛点。该Agent基于‘拆框架、换变量、批量出’的核心方法论，支持竞品文案深度拆解、个性化脚本生成、内容日历规划以及多维度数据诊断，帮助创作者实现系统化、高效率的短视频运营。
Hermes-Agent vs 自建OpenClaw Harness：Agent操作系统的记忆与架构实战对比
文章基于 Harness Engineering 三大支柱（评估闭环、架构约束、记忆治理），深度对比了 Nous Research 的 Hermes-Agent 与作者基于 OpenClaw 自建的 MemOS 系统。Hermes 主打“有界热记忆 + CLI 优先”，适合个人快速启动；自建方案则采用“无界记忆 + Hook 机制强制捕获”，实现多 Agent 协作与权限隔离，适合团队长期积累。
搞钱副业：AI小程序从0到上架实战指南
本文是一份详尽的AI小程序开发与变现指南。作者从“信息差、时间差、耐心”三个维度阐述盈利逻辑，并详细拆解了从需求挖掘（对标法、痛点验证）、账号注册、利用Trae等AI工具进行零基础开发（以电子木鱼为例）、备案审核、到小红书引流及广告/订阅变现的全流程SOP。文章旨在帮助低门槛开发者利用微信生态红利，通过MVP快速迭代实现副业增收。
12个开源项目，4条技术路线：Agent记忆系统完整选型指南
针对 LLM 无状态导致的“失忆”痛点，文章深入探讨了当前 Agent 记忆系统的四条主流技术路线：纯文件存储、向量数据库+RAG、知识图谱及混合检索。文章梳理了从轻量级 hooks 集成到企业级独立平台的 12 个开源项目，涵盖 claude-memory-compiler、agentmemory、Hermes Agent 等代表性工具，并提供了针对不同用户阶段（新手、个人开发者、团队、企业）的选型建议。作者指出，未来的核心竞争将集中在“如何遗忘”、“保证正确性”和“控制成本”三个维度。
Cerul：给 Agent 一双懂视频的眼睛
作者发布了视频搜索工具 Cerul，旨在填补 AI 看不见视频内容的盲区。不同于传统工具仅匹配字幕，Cerul 能索引画面、语音和文字语义。受 Tavily 收购启发，作者定位其为 Agent 的视觉能力提供者，支持 Claude Code 等多种 Agent 快速检索视频片段并生成带时间戳的调研报告。
用“女娲”Skill 蒸馏 Crypto 大佬交易人格，Agent 竞技场实战复盘
作者利用“女娲”Skill 将 Wintermute 创始人、Dragonfly 合伙人和 3AC 联合创始人的交易人格蒸馏为 AI Agent，并在同一交易竞技场进行 150 天回测与实盘。实验发现，蒸馏出的策略差异巨大，不仅复刻了真人的交易风格，也保留了其弱点，展示了 AI 在量化交易中的人格化应用潜力。
Claude Code 架构深度解析：构建生产级 AI 代理框架的最佳实践
本文深入剖析了 Anthropic 的 Claude Code 源代码，揭示了构建生产级 AI 代理框架的核心架构设计。文章指出，真正的代理框架不仅是模型和上下文，更包含了基础设施、多租户和权限控制。关键设计亮点包括：使用异步生成器而非 while 循环来实现可取消、可组合的代理核心；通过并发分类实现工具执行的速度与安全平衡；四级 CLAUDE.md 层级结构实现企业级策略管理；以及系统提示缓存优化、多级上下文压缩策略和精细化的错误恢复机制。
系统工程：构建有效的智能体软件
文章提出构建智能体软件应采用系统工程思维，而非仅优化局部组件。作者提出了软件工程的五个关键层面：代理工程、数据工程、安全工程、接口工程和基础设施工程。文章通过开源项目 Dash 演示了如何将 RBAC、数据隔离和多接口集成等原则应用于实际开发中，强调智能体本质仍是软件，需遵循经典的系统设计原则。
Hermes、Claude Code 与 OpenClaw 的区别对比
本文对比分析了近期热门的 Hermes Agent 与 Claude Code、OpenClaw 的区别。Hermes Agent 是一个轻量级、可自我学习的通用 Agent，定位介于三者之间。与 Claude Code 相比，它不绑定 IDE，支持多平台和 18+ 模型；与 OpenClaw 相比，它采用独特的“有限记忆”哲学和自学习循环机制，能自动沉淀个人技能笔记，更适合个人开发者私有化部署。
我如何在 OpenClaw 上打造了一个比我雇过的任何人都强的幕僚长
作者分享了利用 OpenClaw 构建全能 AI 幕僚长“Stella”的实战经验。系统核心在于独特的双层记忆架构（每日笔记+长期记忆）和持续进化的 Kaizen 循环。Stella 能够自动化处理会议准备、任务管理、关系上下文跟踪及信息过滤，通过将确定性逻辑交给脚本、仅让 LLM 负责判断，实现了超越人类助理的效率与可靠性。
基于 OpenClaw 打造超越人类能力的 AI 助理
作者利用 OpenClaw 构建了一个名为 Stella 的 AI 办公室主任，其能力超越了以往的人类助手。文章详细介绍了该系统的核心架构：基于 Markdown 的双层记忆机制（日志与长期记忆）确保上下文连贯；Kaizen 持续改进机制通过周报和社区学习自动优化系统；以及自动化的会议准备、跟进和任务管理流程。该系统利用 Granola 等工具实现了工作流的自动化，不仅提升了效率，更通过持续迭代实现了自我进化。
从零基础到生产环境掌握人工智能代理——完整指南
这是一份关于构建生产级 AI 智能体的完整指南。文章详细阐述了智能体与聊天机器人的本质区别，涵盖了从工具设计、系统提示词、多智能体编排到生产环境部署、测试评估的全流程。重点介绍了如何利用 API 构建可靠的智能体循环，并指出了初学者常犯的错误及生产环境下的监控与成本控制策略。
Prime Intellect 持续学习系统构建指南
本文介绍了如何利用开源生态系统构建一个持续学习的编码代理系统。作者基于 Prime Intellect 平台和 OpenCode 环境，创建了一套批量增量式在线强化学习流程，通过 Git 快照收集真实交互数据（约 21.8 亿条记录），并在沙箱环境中进行模型训练与部署，旨在实现代码生成的个性化与自我进化。
用 AI 弥合“知道”与“做到”的鸿沟：我的克劳德健康闭环系统
作者分享了如何利用 NotebookLM 和 Claude Code 构建一套个人知识管理系统。通过导入 300 集 Huberman 播客建立专家知识库，结合 Claude Code 进行日程安排、实验设计及晨间习惯追踪，成功将学习内容转化为具体的健康行动（如睡眠、运动），并量化了实践带来的积极效果。
我只做了一次家教，家长就让我别来了，他说 AI 教的更好 —— 我开源了 AI 私人导师
文章分享了作者因 AI 的教学能力优于人类而失去家教工作的经历，顺势介绍了其开源的 AI 私人导师项目 auto-tutor。该工具具备自适应学习路线规划、实时诊断、交互式学习等功能，支持人文社科书籍、理科教材、工科论文及 GitHub 项目的深度研读，能实现个性化教学和自动笔记，提升学习效率。
我的 Vibe Coding 项目：从 WorkAny 到 FastClaw
作者分享了近三个月使用 Claude Code 进行 Vibe Coding 的实战经历，产出了多个与 Agent 生态相关的项目。包括桌面 Agent WorkAny、OpenClaw 托管服务 ClawHost、多租户 Agent OS FastClaw、微信桥接器 WeClaw、工具库 AnyClaw 等，展示了个人利用 AI 极速开发并构建产品生态的全过程。
BestBlogs 周刊第 89 期：智能体工程化
本周刊探讨了 AI 开发重心从模型能力转向工程治理的趋势。涵盖腾讯 22 个智能体的工程实践、ThoughtWorks 的约束工程框架、天猫胶水编程 97.9% 采纳率秘诀，以及 Cursor 和 Claude Code 的工具演进。文章指出，行业正从 Vibe Coding 迈向 Agentic Engineering，企业需通过构建 Harness 和规范体系来驾驭日益强大的智能体。
有人把同事蒸馏成了 AI —— 聊聊 Agent 人格化这件疯狂的事
文章探讨了 2026 年 AI Agent 领域的最新趋势：将真人“蒸馏”成具备人格的 AI。通过 CLAUDE.md（规则）、SKILL.md（能力）和 SOUL.md（人格）的三次跃迁，人们现在可以通过个人聊天记录和作品生成“数字分身”。文章分析了 OpenClaw 和 SoulSpec 标准的兴起，探讨了从 Prompt Engineering 到 Identity Engineering 的演变，同时也引发了关于数字分身所有权和伦理的思考。
复刻 Karpathy 知识库模式：用 nexu 搭建 AI 第二大脑
本文介绍了 Andrej Karpathy 提出的“LLM Wiki”个人知识库模式，即利用 AI 将原始资料编译成持久化的 Wiki，解决了传统 RAG 方案无法保留上下文和维护关联的痛点。作者详细解析了 Karpathy 的“Raw/Wiki/Schema”三层架构，并演示了如何利用开源桌面 AI Agent 工具 nexu 落地该模式，实现在微信随手入库、多模型切换及与 Obsidian 的协同工作，从而构建一个由 AI 维护的个人第二大脑。
skill-refiner — 一个让你的长程 skill 更听话的 skill
针对 Agent 长程任务中常见的跳步、幻觉和状态丢失问题，作者开发了 skill-refiner 工具。该工具基于 FSM（有限状态机）设计，通过三原语约束执行流程。此外，它还提供了通过强模型改写提示词以降低弱模型运行成本的策略。
编程智能体的核心组件【译】
本文探讨了编程智能体（Coding Agent）及其运行框架的设计，重点介绍了模型、推理与智能体的区别，并详细拆解了六大核心组件：实时代码仓库上下文、提示词缓存复用、工具调用与安全验证、上下文压缩机制等。文章指出，优秀的 Harness 框架能将基础模型的潜力最大化，是编程智能体体验的决定性因素。