文章介绍如何解决AI生成网页时“不太对，再改一下”这类模糊修改意见难以落地的问题。作者拆解百灵 Ling-3.0-flash-VL 的官方演示，并提出用 Claude Code + Ling-3.0-flash-VL + Playwright MCP 的复现方案：VL 负责看参考图、生成代码和分析差异，Claude Code 负责读写文件和调用工具，Playwright 负责打开浏览器截图。关键细节是保持截图宽度一致，并让模型真正查看截图。作者建议从作品集首屏入手，通过截图对照迭代修改，让“看着不太对”变成可对照的图片差异。
腾讯开源了 BrowserSkill（MIT 协议，纯本地运行），解决了浏览器 Agent 的一大痛点：不再让 AI 在空白沙盒浏览器中面对登录墙和验证码，而是直接借用用户正在使用的浏览器标签页，利用已有的登录状态完成任务后自动归还。关键设计包括：标签页即借即还机制、人机验证时回弹给用户现场确认、权限总开关焊死在浏览器原生设置中防止提示词绕过，以及做成 CLI 而非 MCP 以兼容所有能执行 Shell 的智能体（如 Cursor、Claude Code 等）。文章认为，自动化工具的核心在于如何处理模型与人类工作软件之间的信任边界，在权限与效率之间留出安全断点。
作者分享了《产品经理 AI 实践手册》中的项目初始化 Prompt 完整版，可交给 Codex、Claude Code 等 Coding Agent 在空项目中执行，构建一个'项目脚手架'。内容包括：按编号前缀建立 00-rules 到 99-archive 的目录结构；创建 .gitignore；编写核心规则文件，涵盖目录职责与命名约定、唯一事实源原则、需求状态流转（candidate 到 closed）与阶段门槛、产品工作流纪律；以及入口文件如 README.md、AGENTS.md（AI 协作规则与硬性边界）、各子目录 README、输入来源登记表和需求池表。初始化完成后，市场分析、需求调研、原型、PRD、评审、研发、测试、验收和复盘可在同一项目上下文中持续进行。
作者不懂编程，借助 Claude Code 将一个模糊的想法做成了可安装的安卓 App「锦鲤小课堂」，用于孩子观看本地课程资源。文章完整记录了从需求拆解、生成第一版 APK、真机测试到 v17 的 12 轮迭代过程，包括白屏 404、文件扫描不到、鸿蒙双存储隔离等典型问题的排查与解决。作者总结了 7 步开发流程和三份可复用模板（想法到 MVP、截图反馈、真机验收清单），强调非程序员应负责说清需求、验证产物和判断问题，而把代码实现交给 AI。
文章指出，AI 工程师的核心竞争力正从亲手写代码转向驾驭编程智能体（如 Claude Code、Codex、Cursor 等）。作者总结了一套三阶段工作流：规划（调研、编写规格说明、审查计划）、执行（选择合适的自主程度、构建与验证）、部署与监控。要驾驭该流程需具备五项能力：掌控工作流、提升智能体自主性、审查工作成果、定制智能体环境及理解其原理。文章强调人的价值集中在判断、设计、分解与验证，超长自主运行的价值常被夸大，掌握智能体能力的开发者将从'开发者'进化为'构建者'。
GPT-6 Astra发布后，许多人尝试让Codex通过computer use操控Blender做3D模型。作者实测后发现，无论是直接写代码还是操控Blender，成本和效率都不理想。他摸索出一套新策略：用Codex结合3D基座模型Tripo，两天零代码做出一个可驾驶浏览的巴黎城。核心思路是近景用AI生成的精细3D资产（车、树、铁塔、行人），远景交给代码绘制（街区、桥、塞纳河），以平衡细节与帧率。作者还将整套操作流程整理成386页手册教程并开源，包含提示词、脚本和模型。
作者分享了开源工具 Hypit 的体验：只需提供一条 B 站视频并输入 clone 指令，Hypit 即可生成完整可修改的源码，精确还原视频中对白、变色文字、表情包出现时机等细节。作者随后通过简单指令将人物和背景替换为湖边风景乃至 LOL 角色凯特琳和杰斯的场景，对白字幕保持不变。整个流程成本仅约 4.338 美元。Hypit 定位为给 AI Agent 做视频的开源语言，核心免费、支持 BYOK，项目已在 GitHub 开源。
本文是 Grok Bot 的入门教程。作者介绍了这款新产品的定位：相比 Claude Code/Codex（偏编程）、OpenClaw/Hermes（开源脚手架）和豆包工作/WorkBuddy（办公），Grok Bot 以低门槛提供带云电脑的全能桌面智能体，支持多助手与群聊协作。文章详解了安装、登录（需 Cursor 账号）、创建第一个机器人、一键构建自媒体/出海/视频创作机器人团队、推荐市场插件（dr eggbot、Overheard、Best Video Editor）等步骤，并总结了真实执行、持久云电脑、连接器、定时任务、多助手分工等九大功能，最后通过与同类智能体对比给出选购建议。
作者分享了如何用 AI 完全生成 UGC（用户生成内容）视频，将单条成本从 20-50 美元降至 4-6 美元的完整工作流。步骤包括：研究垂直领域内热门视频的钩子和人物形象；用 JSON 提示词限制图像模型的默认风格，生成具有相似气质的逼真虚拟人物（Gemini 3 Pro 效果最佳）；通过 Seedance 2.5 让人物开口说话，并用原视频音频作为参考保证语调自然；用手机录屏制作产品演示；最后借助 Claude Code 和 treg_ai 批量生成 5-10 个不同钩子与演示配对测试投放效果。
文章介绍从本地交互式 Agent 向云端自动化软件开发过渡的三阶段策略：Crawl（爬）、Walk（走）、Run（跑）。Crawl 阶段通过云端 Agent 构建简单自动化，如 issue 分诊、代码评审、CI 自愈、文档更新和 bug 修复，风险低且有助于积累经验。但这些点状方案存在上下文不共享、缺乏全局指标和运维负担重等局限。Walk 阶段则需要整体性的云端软件工厂方案，包括云端默认开发、集中治理、完整审计追踪、模型与 Harness 的可选性、与现有工具集成，以及共享上下文层和评估体系。作者建议通过在简单项目上端到端部署首个工厂作为关键里程碑。
作者介绍了开源项目 Hypit，一个面向 Claude Code、Codex 等 Coding Agent 的开源视频语言与编译系统，被称为视频领域的开源 Harness。它解决了 AI 视频制作两大痛点：视频模型抽卡黑盒、传统剪辑软件无法自动化。Hypit 用代码写视频，独创 Hook 机制将特效、B-roll、字幕锚定在台词的词上，修改台词后自动重新对齐；支持 /hypit clone 反向工程爆款视频并批量生成变体；付费素材先占位预览、旧素材 100% 复用，纯代码渲染零成本，API 跑完整视频约 1 美元。文中还提及 Atria Dawn Preview 的可交付 Agent 思路。
作者尝试用 Codex 结合开源工具 Hypit 复刻千万粉博主'小Lin说'的口播视频，发现 AI 生成的不仅是一条成片，而是一套可修改、可复用的视频 Workflow。Hypit 是面向 Claude Code、Codex 等 Agent 的开源视频语言和系统，人物、台词、字幕、B-roll 和特效跟随文字与叙事事件组织，而非固定在时间线上。修改主持人、图表或背景时只需重新生成相关组件，还能批量生成不同人物、内容、语言版本。作者认为这大大降低了复刻爆款视频、沉淀个人工作流的门槛。
文章介绍开源项目 Hypit，称其为'AI 时代的合法印钞机'。Hypit 让 Coding Agent（如 Claude Code、Codex）学会完整地制作视频——包括脚本、配音、字幕、B-roll、特效和渲染。核心能力是'克隆'爆款视频：自动拆解视频的镜头切换、台词、字幕风格、节奏等结构，变成可编辑组件，然后像换皮一样批量生成变体，把过去 3-5 天的剪辑工作压缩到十几分钟。作者实测一条命令即可复刻广告片并快速换人物出新片，认为这将重构内容生产线，适用于短视频、MCN、知识付费和广告制作等场景。
文章指出，2024年的核心技能是提示词工程，2025年是上下文工程，而2026年两者已被吸收进Harness Engineering。88%的企业AI Agent项目无法上线，问题几乎不在模型，而在模型外围的执行层。作者详细阐述了生产级Harness的七层架构：工具编排（草稿-提交模式防止危险操作）、验证循环（制作者与检查者分离）、上下文与记忆管理、护栏（行为/数据/工具/运营四类控制）、可观测性等。并以Anthropic Claude Code质量退化为案例，说明问题源于Harness层而非模型本身，强调Harness设计才是AI Agent产品质量的决定性因素。
本文深度拆解 Lauren 的 pstack 第二篇，探讨如何让 AI Coding Agent 在写代码前正确理解问题。文章介绍了 /how、/why、/teach、/recall 等上下文工具的用法，强调用代码而非文档来规划：先写使用教程倒推架构，通过低成本原型比较不同方案，用 /architect 让多模型并行设计并交叉评审，以及在多阶段计划中要求每一步都以可复查的证据结束。作者认为，Agent 可能比人更快更强，但最终是否接受方案仍需人来判断，验证应从开发前就开始参与决策。
本期早报围绕 AI Agent 的工程实践与产业趋势展开：一是 Addy Osmani 提出在遗留代码库中安全使用 Agent 的分区流程，强调人画分区、特征测试锁定行为、删净旧路径才算完成；二是 Vercel 复盘内部数据智能体四代演进，最终借助 Claude Code 与文件系统方案将评估分数翻倍，并将经验开源为 Eve 框架；三是 OpenAI 联合创始人 Greg Brockman 宣布 AGI 时代已至，探讨算力、安全与普及的同步推进。速览部分涵盖 PostHog 的 Bash 安全护栏、Recursive 的递归自我改进、腾讯的上下文工程参考、鹿客的 AI 原生组织改造及 AI 眼镜的集成瓶颈等内容。
本文是 pstack 指南第二部分，介绍作者用 agent 进行调研、规划、原型和架构的工作流。核心观点是通过 /teach、/recall、/how、/why 等 skill 建立并保持对代码库的心智模型；用「readme 驱动开发」和 /technical-writing skill 以代码和文档形式规划；用 prototype 剧本并行生成多个方案让 agent 以实证回答开放问题；用 /architect 多阶段流程跨模型家族竞争设计并交叉评判。作者强调抽象计划只给人进步的幻觉，应让 agent 通过原型和验证自己回答问题，从而每月将数千个 PR 推进生产并保持高质量。
文章解释了 Agent 的自我学习不能依靠推理时实时微调参数，原因在于算力成本极高且会导致灾难性遗忘。真正的经验积累靠上下文工程搭建的外挂认知系统，分为三层：执行后的反思复盘提炼经验、经验的持久归档（如 Claude Code 写入 CLAUDE.md 和 memory 目录、Codex 写入 SQLite）、动态检索注入（Claude Code 的极简索引与 OpenClaw 的向量化混合检索）。此外介绍了 Claude Code 的 AutoDream 机制，模拟人类做梦时的记忆整合，在后台空闲时扫描会话日志、合并重复经验、淘汰过时策略，保持记忆库精炼，从而让 Agent 持续进化且不被冗余记录拖垮。
文章介绍了 Mickey 在 Startup Ideas Podcast 上展示的多 Agent 并行开发工作流——'软件工厂'。该方案基于几个 markdown 文件和 agents.md，与模型和工具无关，支持 Codex、Claude Code、Cursor 等。四步流程：1) Isolate：每个新功能在独立 git worktree 分支开发，避免 Agent 相互覆盖；2) Build：用代码结构 skill 规范架构，保证代码可读；3) Prove：要求 Agent 提供前后对比证据（录屏、截图或性能数据），未达标自动回退重做；4) Ship：接入 Greptile 等代码评审 Agent 打分，达到 5/5 才合并。作者强调核心是工作流和领域知识而非模型本身。
本文探讨了AI Agent开发中开放Harness与记忆所有权的重要性。作者引用Harrison Chase的观点——'不拥有Harness就不拥有记忆'，并区分了Memory（从上下文窗口记录的事实，如用户偏好、仓库知识）和Intelligence（利用这些事实让会话更智能的机制）。文章详细介绍了Mem0的方案：通过custom_instructions和infer=False控制记忆提取，用语义+BM25+实体搜索进行检索，并借助Dream实现记忆合并、替代与综合。作者主张将记忆层置于Harness之外，存储于SQL、向量数据库和实体存储中，从而实现跨Harness的记忆与智能的可移植性，即使前沿实验室的循环保持封闭。
花叔开源了Huashu-Report，一个用于让Agent产出高质量报告的Claude Code Skill，比之前的橙皮书skill更强大。文章指出AI写报告的瓶颈不在文笔，而在编造数字、重复叙述、口径不一致。解决方案分三层：先建数据表锁定数字来源，编译器检查正文引用；将可机器判定的规则全部写成函数而非留在手册中；脚本自动检查排版后仍需人工逐页目检。Skill支持六种报告原型：咨询deck、研报、学术综述、论文、调查、科普，并通过对74份顶级机构AI报告的解剖学习最佳设计品味。项目采用MIT协议开源。
作者体验上海人工智能实验室发布的 Atria Dawn Preview Agent 后，首次感到 AGI 临近。该 Agent 能自主检索资料、写代码、跑实验、验证结果并交付可用成品，甚至生成 3D CAD 模型。更令人意外的是，其 96 人核心团队中 65 人为在校学生。作者指出其与 Claude Code 等现有 Agent 的本质区别在于'模型 + Harness + 环境'三层架构，Agent 自己完成验收环节，无需人工逐步盯进度，大幅提升了超级个体能独立交付项目的复杂度上限。
文章介绍GitHub上57.3K Stars的开源项目OpenMontage。它并非简单的文生视频工具，而是将Claude Code、Codex、Cursor等AI Coding Agent改造成完整视频制作团队。用户只需一句话，Agent即可自主完成从资料研究、脚本、分镜、素材生成、配音、字幕、音乐到剪辑渲染的全流程，甚至能分析参考视频的节奏和视觉语言来规划制作方案。项目包含12套制作Pipeline、100+工具、700+ Agent Skill，接入Remotion、FFmpeg及多种AI模型。作者认为这代表了AI从'帮你做素材'到'替你完成工作'的转变，未来将是管理Agent而非操作工具的时代。
本文介绍“图工程”（Graph Engineering）概念，即通过构建文件间的连接关系，让AI系统能够有效访问和利用知识。作者以自身内容系统为例，指出78%的文档因缺乏指向而无法被AI或新成员发现。他提出用Claude Code生成MAP.md文件，绘制文件夹内文件的关系图，并分三步操作：绘制地图、解读结果、优化结构。文章强调文件夹结构应反映业务划分，而非照搬模板，最终实现团队共享和自动化更新。
Ars Umbris 是一款可塑的 Agent 原生 IDE，将知识库视为代码库，通过类型引擎为笔记、来源等知识对象定义类型与关系，并像编译器一样对知识结构进行校验。其仓库以本地 Markdown/YAML 文件组织，包含知识、类型、技能、MCP 工具、投影与 Agent 配置，支持跨仓库引用与依赖复用。它通过 MCP 适配器连接 Claude Code、Codex 等 Agent 框架，让多个会话共享同一份持久化状态，形成「元 harness」。项目目前处于早期 Alpha，仅支持 macOS 且需自行编译。
本期早报精选三篇深度内容：一是用因果推断拆解 AI 功能采用中的选择效应，指出朴素留存对比严重高估效果，并演示断点回归的正确用法；二是 Bending Spoons 联创访谈，揭示其通过高人才密度、饱和任务、极致所有权和自研工具平台，让 Evernote 以少一个数量级的人力实现三倍迭代速度；三是工程师逆向 Claude Code 网页版会话，发现 Anthropic 未公开的 PaaS 平台 Antspace，并分析其垂直整合意图。速览部分还涵盖具身智能路线分歧、小模型协同推理降本、GPT-Live 1 语音 API 及 HuggingFace 智能体公开课。
文章从零讲解 Harness Engineering（线束工程）的概念：模型只负责生成文本，而 harness 是围绕模型的软件系统，负责将模型的输出转化为实际工作。作者通过 OpenAI、LangChain、Anthropic 的案例说明，不换模型也能大幅提升 Agent 能力，关键在于模型周围的系统建设。文章以'给文章添加点赞按钮'为例，逐步拆解 harness 的构成：给模型的六件套（tools、循环、记忆、上下文、工作环境、目标与验证），以及给用户的三件套（权限限制、可观测性、评估），展示了模型'提出请求'、harness'执行动作'的协作模式。
程序员鱼皮在收到B站100万粉丝奖牌后，整理了征集到的40多个热门问题的完整文字版回答。内容涵盖9个部分：自己的编程启蒙经历、日常使用的AI编程工具（Cursor、Codex、Claude Code等）、Vibe Coding时代如何提升编程能力、给学生和求职者的建议、如何坚持编程之路、创业历程与公司经营情况等。文章传递了拥抱AI编程趋势、多动手实践、持续学习适应变化的核心理念。
文章从底层原理出发，以 Claude Code 为例深入解析大模型的上下文管理。作者指出即使上下文窗口达到 1M，上下文管理依然必要，核心原因是 KV Cache 前缀缓存机制（保证前缀一致可大幅降低推理成本）和注意力稀释问题（上下文过长过杂易引发幻觉）。文章详细拆解了 Claude Code 约 25K 系统提示词的组成，将上下文分为静态指令层、弱动态层和强动态层三层结构，并介绍了 Skill 渐进式加载、工具延迟加载、Memory 硬截断等剪枝手法，以及 CLAUDE.md 规则文件的五类分级组织形式与自顶向下的装配顺序原理。
作者开发了一个可在 Claude Code 或 Codex 中使用的 Previz 独立版 Skill，用于在 AI 视频生成前对提示词进行导演台分镜预览。该工具将视频提示词整理为画幅、时长、空间陈设、人物和逐镜描述，转换成三维场景数据，并用 three.js 在浏览器中渲染成三维白模导演台，支持逐镜播放、自由环视、场记平面图、轴线与接缝检查等，不消耗图像或视频生成额度。文章详细介绍了提示词的识别拆分、缺失信息的处理规则、景别与机位换算、空间坐标组织、场景 JSON 结构、引擎预制件以及自检机制。
