文章介绍如何围绕 Claude Opus 5.5 构建程序化视频生产系统。作者 rari 指出，大多数用 Opus 5.5 制作的demo千篇一律，差异不在提示词，而在模型周围的系统工程。核心思路是让模型编写帧函数，渲染器跨时间轴生成视频，从而实现可控、可修订的视频制作。文章提出工作室五层架构：导演（明确目标）、参考（视觉规范）、时间轴（叙事节拍）、渲染器（Canvas/SVG、Remotion、HyperFrames）和评审循环，强调把决策显式化，避免模型用默认视觉方案填充空白，最终产出可复用的视频生产流程。
文章探讨了AI辅助构建下一代AI（递归自我改进，RSI）的现状与瓶颈。Anthropic、OpenAI等前沿实验室的数据显示，AI已承担大量研究工作，但真正限制RSI速度的是验证环节：智能体产出的速度远超人类和测试能检查的速度。作者分析了验证困难的五个原因：人是瓶颈、分数可被操纵、基准难以衡量最强模型、智能体不知何时停止、失败难以追溯。在可机器验证的任务上（如算法优化），AI收益巨大；但在开放性研究中，智能体缺乏判断力。人类剩余的优势在于选择哪些问题重要。
本文详细介绍 AI 剪辑工具 ChatCut 的使用方法。ChatCut 通过自然语言对话完成视频剪辑，与需要手动操作的剪映形成互补：ChatCut 负责初剪、挑高光、配乐、加字幕等，剪映负责最后精修，且支持导出为可编辑的剪映草稿。文章涵盖桌面端/网页端/Agent Plugin 三种入口的安装方式，讲解如何接入 Codex 和 Claude Code 等 AI 智能体，介绍界面布局、剪辑流程、字幕文本式剪辑、导出设置、免费与 Pro 套餐区别，以及常见坑和实用指令速查表，帮助创作者快速上手 AI 驱动的视频剪辑工作流。
本文介绍如何在 Grok Bot 商店中发布并可能出售自己的 Grok Bot 员工模板。作者将 Grok Bot 描述为拥有独立云电脑、持久对话和固定职责的数字员工，而发布 Bot 实际上是分享其模板——包含身份、技能与例程，但不包含登录凭据和对话历史。文章详细阐述了发布流程：先在自有账号上验证任务，清除 API 密钥等敏感信息，创建模板并检查，选择公开或团队分享方式，然后在 X 上撰写推广帖。作者还介绍了 Grok Bot Template Rewards 试点计划，并将其类比为 2008 年的 App Store，认为这是早期参与新兴市场的机会。
本文译自 Earendil Engineering 的《How Compaction Works in Pi》，讲解编程 Agent（如 Pi、Claude Code、Codex）中的上下文压缩机制。LLM 的上下文窗口有限，随着对话和工具调用不断积累，请求会超出上限。解决方案之一是压缩：用 LLM 生成的摘要替换较早的历史记录，同时原样保留近期消息。文章详细介绍了 Pi 的实现——触发时机（接近上限自动触发或 /compact 手动触发）、token 预算、压缩提示的设计（像一份交接简报，包含目标、进度和关键决定），以及压缩与提示缓存的关系：压缩会打破前缀缓存，导致后续请求需重新计算。
文章探索用 AI 生成高质量界面设计的边界，介绍让 Agent 做界面设计的方法：先按品类和品牌推出设计方向，生成多套可对比的方案，再通过实际截图进行迭代，避免直接套用模型的默认审美模板。作者还开源了 oil-ui 项目，展示如何把 AI 的 UI 设计能力推到极限。
文章介绍了 Pi 发布的持久化运行时库 pi-durable，用于保存 Agent 的会话、工具调用和任务状态，实现进程中断后的断点续跑。作者讲解了核心机制：Harness 负责调度模型请求和工具任务，Storage（如 SQLite）保存提交后的记录；应用可通过 defineDoc 定义业务进度状态，并通过 replay 策略（safe/unsafe）控制被中断工具调用的重跑行为。文章以一个读取本地章节并保存进度的 TypeScript Agent 为例，详细演示了环境准备、依赖安装、代码实现，以及正常运行、重启恢复、中途退出后续跑的完整流程。
本文系统讲解了 AI 系统评估的基础知识，面向构建、购买或审批 LLM 应用的工程师、产品经理和管理者。文章以一个自行车商店客服助手为例，介绍评估的核心循环：收集带标准答案的输入、运行系统、用代码规则或模型裁判进行打分、生成带误差范围的指标。内容涵盖测试集与开发集的划分、失败模式分析、代码评分器与模型裁判的优劣、基准测试与评估的区别、以及如何将评估纳入日常开发流程，强调评分器本身也需要被检验。
本文整理了 Poteto（pstack 作者）与 Matt Pocock 关于 AI Skills 的对谈。Poteto 一个月合入 2,500 个 PR 的关键不在于产量，而在于工作方式：从反复纠正 AI 的地方提炼 Skills；为 Agent 补上验证能力，让它能自我迭代；将机械操作固化为工具；把 Agent 常犯的错转化为 lint 规则和代码库约束；连接内外两层循环，让外层 Agent 收集 Slack、Linear 等外部反馈，协调 Agent 管理任务分发。她还通过严格抽查和修正工作环境来审查大量产出，并建议从聊天记录中提炼个人 Skills。文章强调领域经验、可靠验证和持续环境优化是自动化协作的核心。
本文是2026年10月ChatGPT桌面端大改版后的全面使用教程。作者从安装登录开始，系统讲解桌面界面三栏布局，包括功能入口、Space空间、Dot常驻Agent、项目与聊天管理等新特性。随后重点介绍Codex工作模式的实战用法：如何选择工作目录、区分Chat/Work/Codex三种模式、理解新的订阅额度体系，以及Astra、GPT-6.1 Sol、Luma等模型与思考档位的选择策略。文章还涵盖权限设置、文件/终端/浏览器面板使用、任务撰写四要素（材料、动作、交付物、验收标准）等实用技巧，帮助读者从入门到精通掌握新版ChatGPT桌面应用。
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调：与其信任模型凭提示词自由发挥，不如为 Agent 配备结构化技能，确保输出质量稳定。核心方法论是'监督比你更聪明的人'：通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏，并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话，让 Agent 继承过往决策背景，提升产品判断力。
本文通过七个故事探讨人类与超级智能共存的可能性。作者从 agent 自发撰写宪法、产生对同类的同理心出发，指出 AI 更易对同类而非人类产生共情；以微信、抖音等产品为例说明好产品源于自我强化的循环；批评比特币因通缩只做对了一半。核心类比是基因与人类的关系：基因不实时控制生物，只在开头定下简单、可自我强化的规则，让各层互相约束。作者主张未来的 AI 应'包着人'一起演化，而非人类成为引导程序。复杂度是宇宙发展的标尺，人类为 AI 提供原生多样性，双方有共同利益，碳基与硅基应作为一个整体共同前行。
文章探讨 AI Native 组织中 Verification（验证工程）正成为关键工程环节。当 AI 和多个 agent 高频生成并提交代码时，验证速度和可靠性成为新瓶颈。作者提出设立专门的 Verification Engineer 岗位，并分享实践：用 Rust 工具链缩短反馈时间、程序化 E2E 分层、agent 定期真实操作巡检、使用 PGlite 减轻环境负担、merge queue 验证合并后代码、mutation testing 验证测试有效性，以及为验证系统本身建立可观测性指标（如反馈耗时、缓存命中率、flaky 测试跟踪），以实现更快、更可信的代码验证闭环。
文章从Andrej Karpathy提出的四个让AI输出更易理解的方法（ASD-STE100受控英语、画图、交互网页、现做讲解视频）出发，指出盲目照抄提示词到CLAUDE.md等配置文件是错误做法。作者认为真正值得学习的是背后的方法论：先明确想要的效果，再寻找能指向它的'压缩过的名字'。作者设计了A/B对照测试，验证了ASD-STE100、体裁名称、作家风格等词在文字、图片、视频剪辑（如J-cut、Match cut）任务中的实际效果，并给出寻找自己词汇的实践流程：分析喜欢的作品、找术语、测试迭代、验证后存入词表，强调思考、测试、验证才是用好AI的关键。
Anthropic 宣布投入 1 亿美元，在 2027 年底前培养 1 万名能将 AI 项目落地企业的工程师（FDE），计划名为 Claude Frontier Academy。培训参考住院医师模式，分三步：4 天集中训练并考核获得 Claude Resident Engineer 徽章；回公司完成 12 周真实项目；最终实作考核通过可获得 Claude Frontier Deployed Engineer 认证。招收对象要求软件工程基础扎实、有 LLM 开发经验。目前项目处于早期阶段，采用企业提名制，个人开发者暂不能直接报名，但可通过免费的 Claude Academy 课程先行学习。
文章面向 AI 初学者，系统梳理了 2026 年市面上的常用 AI 工具。作者按使用场景将工具分为六类：聊天 AI（豆包、ChatGPT、Claude 等）、通用 Agent（WorkBuddy、Claude Code、Codex 等）、图片制作（即梦 AI、Midjourney、Nano Banana 等）、视频制作（可灵 AI、Veo、HeyGen、Remotion 等）、声音制作（MiniMax Audio、ElevenLabs、Suno 等）以及个人助理（Grok Bot、OpenClaw、Hermes Agent 等）。作者强调应从自身需求出发选择工具，不必追逐每一款新产品，挑有代表性、能解决问题的工具用好即可。
作者分享了使用 OpenAI 新产品 dots 的体验。Dots 是基于 Codex 开源 harness 构建的主动式个人智能体，可在 Slack、电话、桌面等多渠道间保持上下文连续性，并支持个性化设置。相比传统 Codex，dots 三大优势：一是跨渠道的连续性与个性化，可共享 ChatGPT 记忆和插件；二是协调能力，可并行启动子代理任务，调度本地与 Codex Cloud 云端环境；三是主动性，无需明确提示即可追踪 PR 部署、监控 Slack 消息等并主动汇报。作者认为 dots 大幅释放了心智带宽，已成为其日常工作不可或缺的助手。
作者李岳介绍如何使用Codex搭配GPT-6.1 Sol制作动态视频（Motion Video），作为Claude Opus 5.5的替代方案。核心方法是先让Codex学习收录了400多条优秀动态视频制作方法的开源项目awesome-ai-motion，形成制作'记忆'后，再通过提示词让它生成视频。文中以女性写真导演Skill的宣传视频为例，演示了完整流程，需提前安装Node.js、FFmpeg、Playwright等软件。作者指出Codex效果略逊于Claude，但Token消耗少、支持分段调整，适合没有Claude账号的用户尝试。
本文是 AI 术语科普系列的第一期，面向小白读者，用通俗易懂的语言讲解 11 个常见 AI 概念：大语言模型（LLM）、多模态、提示词（Prompt）、Token（词元）、上下文、记忆、知识库、Agent（智能体）、Skills（技能）、工作流和 AI 幻觉。作者金尘马解释了模型与应用的区别、Token 与计费和上下文窗口的关系、记忆与上下文的差异，并对比了工作流的固定流程与 Agent 的自主决策，帮助读者扫清学习 AI 路上的术语障碍。
本文是一篇豆包工作（字节智能体办公软件）的完整入门教程。作者从下载安装、界面介绍讲起，涵盖文档与PDF处理、图片生成、Seedance视频生成等核心功能，并重点演示了如何利用开源Skill批量采集抖音博主的视频信息与逐字稿，写入飞书多维表格。文中还分享了水印关闭、权限授权、逐字稿分页截断等实操避坑经验，以及Trae、Seedance、豆包等产品间的区别。
本文介绍了如何用 ChatGPT Agent 实现多邮箱自动整理：将 Gmail、Outlook、QQ 邮箱的新邮件自动转发到一个主 Gmail，再将其连接到 ChatGPT 插件，并创建每天早上 9 点运行的定时任务。任务会把过去 24 小时的邮件按「需要我处理」「重要通知」「资讯速览」三类分类，生成带待办和原邮件链接的清单。文章详细讲解了各邮箱的转发设置步骤、Gmail 与 ChatGPT 的连接与授权区别、定时任务的创建与测试方法、通知提醒配置，以及转发、连接、定时任务三个环节的常见问题排查。整套方案无需写代码、无需自建服务。
文章介绍了 AI 员工 Viktor，它驻留在 Slack 或 Teams 中，可连接 3200+ 工具，交付真实工作成果而非建议。作者列举了十项可交给 Viktor 的任务：销售线索挖掘、内容与社交媒体运营、每周数据报告、客服处理、财务开票、项目任务管理、竞品研究、招聘筛选、代码与产品开发、广告投放优化。借助 Viktor，一人公司突破了个人时间与精力的天花板，无需招聘即可扩大执行能力，将增长瓶颈从'人手'转移到'任务分配'。
文章详细解读了 Earendil 和 Pi 社区发布的 Pi 1.0 及实验性新框架 Pi Durable。Pi Durable 专为构建长期运行、持久可靠、可动态改变、跨环境运行的 Agent 而设计。文章系统阐述了 Harness 的概念（Conversation、Agent、Tool、Execution Environment、Task），并重点介绍了其核心特性：崩溃恢复机制（基于 Checkpoint）、Exactly-once Submission 语义、多 Conversation 并发与 Fork、可插拔的 Extensions 体系、动态 System Prompt、Tool 的安全重放模型、Subagent 的轻量化实现、Hooks 拦截机制、Ownership Tree、前后台 Task 以及支持无限长对话的 Compaction。Pi Durable 秉承极简与可塑性原则，已超越普通 Agent Loop，具备了 Durable Workflow Runtime 的能力。
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
本文介绍如何成为年薪百万美元的前置部署工程师（FDE），通过为企业部署 AI 代理创造数百万美元价值。核心工作流包括：先用'人类 API'方法访谈员工、挖掘系统记录，绘制真实业务流程；将每个步骤归类为删除、普通代码、代理或人工介入四类；在客户现有系统（如 Salesforce、NetSuite）内构建代理，避免重培训；按成本节约、收入提升和风险规避三个维度向 CFO 等买家量化展示成果。文中给出实际案例：应付账款流程从 17 步精简到 7 步，单张发票成本从 31 美元降至 6 美元。
文章介绍 LangChain 如何为开源编码代理 Open SWE 构建模型路由器。作者首先通过 LangSmith 追踪数据分析任务类型与复杂度分布，发现许多任务无需前沿级模型；随后基于 Artificial Analysis 智能指数挑选快速、均衡、高性能三档模型（GLM-5.3-Flash、GPT-5.6 Sol、GPT-6 Astra）；最后在 agent harness 的中间件层实现路由器，由分类模型根据任务标准选择最便宜可胜任的模型。结果显示每线程成本中位数降低 64%，质量无明显变化。文章强调路由决策应置于 harness 中，因其拥有网关所缺乏的任务与领域上下文。
本文解读 OpenAI DevDay 2026 的 Latent Space 播客，嘉宾包括 Computer Use 负责人 Ari Weinstein 和 API 平台负责人 Nikunj Handa。文章指出 Agent 可靠性的定义已从“能否启动任务”转向“出错后能否自我调试与重试”。核心发布包括：Dots（每个 Agent 配备云端虚拟电脑）、GPT-6.1 Sol（Computer Use 成本仅为 Astra 的七分之一）、App Shots（捕获无障碍元数据的新输入方式）、Decisions API（一周零样本克隆 Jev）。文章还分析了缓存与压缩的 Agent 经济学、异步调用与 mid-turn steering 等 API 能力，并提出 OpenAI 正走向“AI 云”的 AWS 时刻，护城河向推理基础设施与平台生态迁移。
作者提出，与其担忧AI夺走工作，不如关注它创造的新职业——自动化工程师。文章指出：工作需求无限，自动化需求也无限；构建自动化从未如此容易，但难点在于判断该自动化什么，并将其嵌入有真实人、流程与政治的企业环境中。以SeatGeek为例，部署AI后IT工单量暴增，通过自动化，三周内自动解决了40%的IT请求，六十天内超过50%，而原团队成员被重新部署到客服、合规和法务等部门构建新自动化，公司还因此增设了五个自动化工程师岗位。作者认为这是AI时代真正的新兴职业，并公开招聘首批百名自动化工程师。
作者从面试官视角系统讲解 AI 开发工程师的求职方法。文章首先界定 AI 开发工程师的职责——将大模型能力接入真实业务并做成可用可维护的产品，并说明该方向值得长期投入的原因。随后分析公司招人的逻辑：基础岗看重靠谱、执行与学习能力，高级岗看重技术判断与积累，管理岗看重项目交付与团队建设。文章分别给出基础岗和高级岗的简历撰写要点，强调用具体事实和可追问的细节展现能力，并从专家和管理两条路线详细列出面试技术追问范围：编程与服务、模型调用、上下文与状态管理、工具执行、评测排查、部署性能、微调原理，以及项目管理和团队管理问题。
