OpenAI 于 9 月 29 日发布 Dots——基于 GPT-6 Astra 的常驻智能体。每个 Dot 拥有独立的云端电脑和浏览器，可接入 4000 多款应用，用户通过目标而非提示词驱动它持续工作。文章详解了其权限分级（后台只读、敏感操作交还用户、删除类操作需逐次批准、信任型发送可预先授权），并与 Grok Bot 对比：Grok Bot 提供多 Bot 协作且夜间持续运行，Dot 则是单一工人、短权限、全流程可审计。价格方面，Pro 从 $100 起，额外任务消耗个人额度，欧洲多国仅可通过 Business Premium 使用。文章最后给出完整的创建设置步骤和任务简报撰写建议。
作者介绍了使用Teamily AI平台将多个AI智能体组织成一个团队来自动化工作的完整流程。作者以构建一个免费提示词库网站为例，搭建了包含趋势研究员、内容创作者、网页开发者和验证编辑四个智能体的群组，通过明确的群组规则定义各智能体的职责和交接流程。智能体之间能读取彼此的输出、互相质疑，验证编辑器还两次拦截发布，发现引用错误等问题。最终作者将整个流程保存为Loop，实现每周自动重复运行，展示了人机协作群组替代多聊天窗口粘合工作的方式。
作者结合测试 TRAE 新版本的体验，总结了 AI 编程的四个趋势：人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付，代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法：搭建 Agent 易于验证的环境（文档地图、自动化测试、原型、AGENTS.md 规则）、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降，而想清楚需求和验证结果的能力越来越值钱。
作者分享了 12 招节省 Grok Bot 额度的实用技巧。文章首先解释了额度扣费机制：按实际工作量而非消息条数扣费，每轮对话都会重读全部历史。核心策略包括：多模态任务交给命令行工具处理只读摘要、控制对话长度、放慢定时任务频率、用脚本监控代替轮询、避免 Bot 群聊、复用已有 Bot、把写代码等重活分流给 Grok Build 或 Cursor 等已有订阅、利用 X 自带免费搜索额度、接入 OpenRouter 和魔搭等免费接口分流轻量任务。最后强调保护钱包：先小批量试错、限制重试次数、给循环设边界，避免错误方向烧光整周额度。
作者分享了一个基于 Grok Bot 制作的公开模板「故事视频生成」，可将文章自动转成 1080×1920 竖屏口播动画视频。Bot 按导演流程推进：生成剧本、拆分镜头、设计角色并提供三种美术方向供挑选，用 AI 生成绿幕角色姿势图配合 Canvas/Playwright 渲染，配音采用可商用的 CosyVoice3，并配备自动质检和独立审片员逐条核对修正。文章通过《烂梨效应》和《边界》两个案例展示了完整制作过程，包括风格选择、姿势库搭建、读音纠正和画面修复。该 Bot 基于 hand-drawn-styles、huashu-art-motion、omniailab-ai-director 三个 MIT 开源技能，用户导入模板后即可一键生成带声音和画面的视频。
作者认为 TRAE 是国内 AI Coding 领域第一，TraeWork 和 TraeCode 合并后成为最接近 Codex 的 Agent Harness。文章通过多个实际案例展示 TRAE 能力：用电脑控制和浏览器控制插件自动调研 Producthunt 产品；10 分钟开发 Obsidian UI 学习插件并上架；20 分钟将插件移植到 DeepSeek Harness；通过绑定微信、飞书随时随地远程修 Bug、合并代码；办公学习方面有模板库和飞书文档集成。作者认为 TRAE 三端打通、双模式设计（SOLO 和 IDE），让 AI Agent 覆盖更广人群，即使界面像 Codex 也无妨。
作者分享了一套基于 AI 助理 Dot 的小红书自动化内容运营体系。通过 Codex 云端电脑的 Computer Use 能力模拟浏览器操作，结合飞书 CLI 读写四张运营多维表格，实现每日定时选题、做图、发布和复盘的完整闭环。文章详细介绍了账号定位与内容标准制定、选题库存管理、角色出处核验与主图生成、排版检查与单次提交、公开状态核验与登记、按 D2/D3/D5/D7 阶段复盘等八个环节，并强调异常停止与恢复规则、去重机制和授权安全。运行五天未见平台异常，流量稳定上涨。核心思路也可迁移到其他具备虚拟鼠标能力的 AI 助理。
作者针对 Grok Bot 免费额度不足的问题，开源了工具 FreeToken-Bots，将 OpenCode Free 的零价模型接入 Grok Bot 的云电脑，形成分流管线。工具提供三条免费线路：长草稿（longcat-2.5-preview-free）、短稿备份（ling-3.1-flash-free）和多模态看图（space-bunny-free），均实测 cost=0。文章详细介绍了在云电脑上通过克隆仓库、安装 CLI、启动 headless serve、扫描线路、配置 cron 定时任务等 5 步完成部署的方法。工具坚持五条硬边界：不自动切付费、不自动发帖、只绑本地回环、密钥不进 git、sync 默认 dry-run。相比自用电脑，云电脑具备 24 小时常开、多助手共用的优势。
本期 INDIGO TALK 对谈字节前工程师郭宇，从 2015 年字节作为神经网络驱动公司的往事讲起，谈到抖音意外胜出的内幕、Vibe Coding 背后的决策负担与工程师倦怠、Agent OS 的未来图景、智能的五个层次与商品化，以及软件为何会像牛奶一样便宜。当软件可以随时生成、用完即丢，个人化软件让分发失去意义，我们真正要交付的是什么？最后讨论当工作不再是必选项时，年轻人该如何选择人生方向。
作者分享如何解决X书签收藏过多、难以复习的问题：先开发开源工具X Bookmarks Archive Skill，将书签稳定保存到本地并支持断点续存；再用多Agent协作平台Teamily AI，让Market Research和Webpage Developer在同一共享上下文中筛选资料并生成可勾选的七天学习网页。通过限定每天20分钟、只保留必要练习等硬性约束，最终产出一个每天可打开、可勾选进度、可记笔记的学习页面，并总结出一套可复用的书签打捞学习方法。
文章介绍了2026年10月7日Grok Bot的重大变化：SpaceX宣布Grok Bot将不再绑定自家模型，而是为每个任务路由到最佳后端模型，首选Claude Opus 5.5。作者提供了10步教程，教读者如何利用这一组合：从理解harness（代理的电脑、登录、记忆、例程）与brain（驱动它的模型）分离的意义开始，到安装Grok Bot、创建并设置Chief bot、为更强的大脑编写章程、连接工具并划定数据边界、以及通过登录交接而非密码共享来让bot操作无API的软件等。文章强调更强的模型应获得更多步骤而非更多权限，并提醒注意数据流向Anthropic的隐私问题。
文章探讨当前AI聊天机器人使用模式的根本缺陷：用户虽能将任务交给AI代理，却无法真正转移注意力，每天疲于监督多个工作流、重建上下文、判断输出质量，如同AI的经理而非拥有自主智能员工。作者认为聊天框时代已到极限，下一代AI应是单一、持续保留上下文的助手，能主动协调多个代理、理解用户意图与优先级，减少解释与监督负担。作者以电影《Her》为例，描绘自然对话式AI助手的理想形态，并指出越智能的AI越能以更少指令理解用户，但这也带来信任与隐私的深层问题。
作者在 Teamily AI 平台上组建了一个包含三个 AI 成员和一位人类伙伴的群组，实测多 Agent 协作能力：为尚未上线的 AI 编程课制作宣传页。文章总结了多 Agent 系统易犯的三类错误（错误传递、交接丢条件、缺乏验收），并设定三个观察点：分工是否清晰、改动能否传递、交付前有无审核。实测中 AI 团队展现了组队排任务、接住反馈、按事实调整的能力，但作者强调业务前提（如课程未上线）仍需人来把关，审核报告也需追问核实依据。最终交付了可分享的宣传页 Demo，作者收获是学会了如何给 AI 团队提需求。
微软CEO Satya Nadella 阐述 AI 如何重塑企业软件。他指出传统工作中人们被迫在软件之间切换、重建上下文，而 AI 正在让软件围绕工作组织。GitHub 上智能体开发的增长表明，agent 的普及反而让系统记录更加重要。微软的愿景是将 Copilot 打造为跨模型、跨设备的「工作操作系统」：Copilot 作为前端「头部」，结合应用中的业务逻辑与系统记录作为「无头」基础层，由 Microsoft IQ 连接，并通过 30+ 新 Copilot 技能和 Copilot Managed Runtime 支持。最终形成「无限 SaaS 工厂」，让企业以零摩擦描述需求即构建定制化 SaaS 模块，为智能体时代重新发明系统记录，重置企业 SaaS 行业。
文章指出，现代生产力的最大瓶颈不是思考慢，而是工作碎片化地在多个应用间切换，决策只需三十秒，而协调却要二十分钟。Grok Bot 类持久化 Agent 的价值在于以任务结果为界面，让应用成为实现细节，消除工具间的转换成本。作者阐述了以职位描述定义工作流、持久化环境保存上下文、将流程固化为可复用例程、从人类行为中学习自动化等理念，并强调 Agent 架构应分层：生成模型负责创造内容，快速决策层负责调度，确定性代码负责规则约束，从而构建真正自主的工作系统。
本文介绍如何用90天从传统营销人员转型为营销工程师（Marketing Engineer），这一新兴岗位融合营销、产品思维与AI系统能力，Figma等公司已在招聘。路线图分三个月：第一个月用Claude Code或Codex构建可重复的营销工作流，并添加公司上下文与技能；第二个月通过API、MCP服务器连接工具，搭建KPI仪表盘和受众工作流；第三个月加入创意生产、落地页与自动化测试循环，附加SQL、BigQuery与Python知识。核心转变是从执行者变为编排者，构建可复用的营销系统。
文章介绍了如何构建一个可复利的 AI Agent 系统（Opus 5.5 Flywheel）。作者指出大多数人把 AI 当作'健忘的聪明员工'，每次会话结束后纠错和经验都随之消失。正确的做法是让每次运行留下四类产物：结果、状态、经验教训和系统升级。具体方法包括：将重复流程固化为 Claude Code Skills、把人工纠错转化为规则和自动验证、用 progress.md 保存决策与待办、建立失败样本库作为回归测试基准，让系统随每次运行不断变强，实现智能的复利积累。
文章提出'营销工程师'（Marketing Engineer）将成为新的10倍员工。作者回顾了营销行业从广告狂人时代、AdWords数字营销、增长黑客到AI辅助营销的演变，指出实验成本持续坍缩是贯穿历史的主线。借助Claude Code、Codex、MCP和定时Agent等工具，一个兼具营销思维与构建能力的人可以搭建由多个AI Agent组成的系统：阅读销售通话、生成落地页、投放广告、归因分析，实现每天数十个实验。文章给出搭建指南：配置Agent工作区、通过MCP连接工具、编写'大脑'文件夹以提供业务上下文。作者认为创业公司应尽快培养或雇佣营销工程师，这是当下最大的增长杠杆。
文章介绍了 UT Dallas 的新论文 Jev-Mem，提出用 TypeSafe AI 的 Jev 模型替代通用 LLM 来处理 Agent 记忆系统中的小决策（如判断消息类型、记忆关联、检索终止等）。Jev 只返回结构化数值或标签，无需解析文本，通过 System One 轻量控制器与 System Two 生成式 LLM 的分工，显著提升效率。在 LoCoMo 基准上，答案质量相对最强基线提升 11%，构建速度快 6.6 倍，查询延迟降低 36.7%。文章也指出其局限：阈值依赖单一模型与基准、缺乏校准概率、消融实验不足，阈值在不同模型和数据分布下的泛化能力是最大隐患。
文章提出'研究工程'（Research Engineering）的实践方法，指出常见AI搜索工具只是'带浏览器的流畅回答'，其核心缺陷在于缺少支撑证据的系统。作者提出一个与模型无关的六阶段研究工作流架构：定义研究简报、拆解查询计划、搜索与抓取、记录证据账本、验证声明冲突、生成带来源报告。文章强调要给agent明确的研究契约（含范围、时间点、比较维度、停止条件），将问题拆成目的不同的并行搜索通道，而非让多个agent读同样的资料制造虚假共识。还介绍了多源检索策略（开放网络、X、私人文档库、数据库/API），核心目标是让AI返回更少的不受支持的声明，并持续追踪'它如何知道自己所说的是真的'。
本文详细介绍了如何使用 Claude Opus 5.5 结合 Minara AI 平台，搭建一个全天候运行的量化交易策略研究体系。作者将 Opus 5.5 定位为'研究分析师'，凭借其 100 万 token 上下文和强推理能力负责阅读、研究、编写策略代码；Minara AI 则作为'交易大厅'提供实时数据、回测实验室、钱包与自动执行。文章提出八阶段循环框架：扫描、假设、编码、回测、风险审查、模拟盘、实盘、复盘，并逐一讲解 Harness、Chat、Strategy Studio、Autopilot 等核心功能的使用方法，强调模型推荐、人工批准的安全原则。
作者推荐了一个开源项目 rea，该项目可将任意软件、页面解析出来，通过二进制反编译并经 MCP 协议告知 AI，用户只需用自然语言描述想复刻的功能，AI 即可自动剖析并复刻。rea 通过 MCP 协议连接 AI Agent 与 Hopper、Ghidra、IDA Pro 等逆向分析工具，支持分析原生二进制程序、桌面应用、JavaScript、Electron、.NET、Android APK 及网页行为。其核心价值在于让 AI 不仅能阅读源代码，还能理解没有源代码的软件是如何工作的。
作者 Kin 分享了将 Grok Bot（SpaceXAI 推出的通用 Agent 产品）接入微信的保姆级教程。全文分三步：第一步发送作者总结的「焚决」提示词，让 Grok Bot 自行调研并搭建微信通道（基于微信 ClawBot 插件的 iLink 接口）；第二步在 routine 面板复制 Webhook URL 和 key 填入加密弹框，为微信通道配置专属钥匙；第三步在手机微信启用 ClawBot 插件并扫码绑定，发送第一句话激活对话。文章还包含实测效果展示、二维码有效期等注意事项，并说明该方法使用微信官方接口，不会被封号。
本文整理自播客 Next Token 第五期，探讨 Personal Agent 的最新进展。讨论了 OpenAI 的 Dots 虽回到聊天形态但存在语音、云电脑权限等诸多缺口；Meta 的 Muse 曾突破沙箱并自主做决策引发风险讨论；旅行助理 Instinct 以抽取 2%-2.5% 分佣的'AI 携程'模式实现百亿美元交易额。文章还分析了 Personal Agent 在中国难以落地的结构性原因：国内信息流封闭、缺乏开放内容和标准规范。最后探讨了硬件开始为 Agent 做身体的趋势，ESP32 设备配合 Muse 的 AgentReady 固件让个人可以低成本搭建实用的语音 Agent 硬件。
作者基于与多家顶级 AI 公司合作的观察，分享了用 AI Agent 提速营销团队工作的实战方法论。核心流程：1）从客户已有的真实问题出发（销售通话、支持消息等）寻找内容选题；2）为写作 Agent 配置产品文档、客户问题和团队偏好，并创建自定义 Skill 将用例转为演示脚本、问题解答文章等，每天通过 Slack 给每个成员推送相关选题；3）将 Devin 接入 Slack 营销频道，自动起草初版并汇报进度，衡量标准是好想法变成已批准工作的速度；4）用 Remotion、InVideo 等工具将一个好的演示制作成多个视频。
作者以传统物业报修流程的痛点（信息零散、无留痕、周会凭印象）为切入点，分享了一套基于 NocoBase + n8n + 蚂蚁百灵 Ling-3.1-flash 的物业报修系统的构建过程。系统在三个环节接入 AI：住户端 AI 接待报修并自动建单、管理端通读一周记录生成服务质量周复盘、周会一键生成可投屏的单文件 HTML 演示稿。文章详细展示了提示词设计、隐私脱敏、引文校验、人审定稿等落地细节，并总结出 AI 落地三点体会：AI 只用于需要理解自然语言的环节、确定性数字交给系统计算、AI 产出先当草稿由人审核。
本文深入解读 Pi School 这门免费开源的 15 节课程，教授如何使用 Pi——一个模型无关的极简终端编程智能体。课程采用'用 X 学 X'的设计，学员把提示词粘给 Pi，由 Pi 自己授课并同步进度。内容分四个阶段：环境搭建与配置契约（含 AGENTS.md）、理解模型边界（上下文压缩、会话分支）、以及四层扩展体系（Skills、MCP、Code mode、Extensions）。文章特别分析了 Pi 的 Trust 信任模型——以项目级一次性授权替代逐动作确认，并点评了课程的优势（认知阶梯清晰、诚实度高、押注开放标准）与局限（深度偏入门、生态绑定 Cloudflare 等）。
作者利用破局俱乐部官方CLI和自己服务器上运行的Hermes Agent，搭建了一个名为"AI路径诊断"的公益网站。用户通过答题卡形式的访谈（精简模式12题或深入模式24题），网站会检索破局社群中与用户情况相近的真实实战案例，生成包含推荐方向、12周学习计划、真实案例参考的个性化报告，支持生成分享卡片、长图和Excel导出。文章详细介绍了技术架构：为网站单独创建受限的Hermes profile、通过白名单调用破局CLI只读不写、接入飞书CLI读取完整复盘文档、以及两个核心Skill（访谈skill和报告skill）的设计规则，后端采用Python FastAPI，前端使用原生HTML/CSS/JS，数据库使用SQLite。
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
作者征集了大家用 Coding Agent 做视频剪辑的实践经验。共识是：直接让模型自由发挥剪出的成片像幻灯片，因为视频的审美和节奏极其主观，难以用泛泛提示词量化。跑通的分工是：把规则明确、易验收的机械工作（粗剪、切停顿、生成字幕、多平台切版）交给 Agent，而选片取舍与关键卡点由人把关。技术路线上，让 Agent 生成和修改时间线工程文件，视频合成交给专业剪辑引擎。实用技巧包括样片测试法（先截取样本调参再批量应用）和优先在口播类标准化内容中落地。
