本文是第五场GEO公开课总结，深入讲解GEO（生成式引擎优化）的效果归因与ROI计算。首先描绘国内GEO商业生态七层全景图（入口、信源、数据、技术、执行、交易、治理层）及七项核心能力的进阶方法论；随后重点分析GEO效果归因的难点：用户从AI推荐到企业交互环节存在断层。文章提出GEO转化的四个特征（直接转化、延迟效应、渠道协同、间接转化），并系统介绍10种效果标记与统计方法，包括专属电话、口令、页面、表单、Referrer识别、地域A/B测试等三类方法，帮助企业科学评估GEO投入与产出。
本期早报围绕智能体（Agent）实践展开三篇精讲：一是 Parallel 创始人、前 Twitter CEO Parag Agrawal 谈智能体搜索基础设施、检索与模型计算的协调成本、内容补偿机制与事件驱动的监测入口；二是 Erina Karati 以 Supercell 游戏智能体为例，阐述长时程智能体需要通过可控场景、完整轨迹记录与多维评分进行自动化实验，而非仅靠提示词；三是 Roland Gavrilescu 提出把工作、验证与反馈循环视为产品本身，通过可版本化的智能体 recipe 实现持续迭代。速览部分涵盖 Claude 计算物理振幅、Skydio 多机自主飞行、Perplexity 自研数据库、GEPA 反思优化、GPU 自动化研究等内容。
文章系统讲解了如何从零开始创建自己的 Skill。作者指出 Skill 本质是给 Agent 的说明书，将个人经验和工作流沉淀为可反复调用的规则包。文章详细介绍了 Skill 的模块化结构：SKILL.md 作为门面和大脑（含触发词、决策原则、流程骨架、雷区），references/ 知识库、scripts/ 确定性脚本、examples/ 样例、assets/ 静态资源五个模块，以及 AI 读取 Skill 的渐进式披露三层机制。最后给出从梳理流程到测试迭代的七步创建法，强调从小版本起步、多轮迭代，让读者15-30分钟内即可做出属于自己的 Skill。
本文介绍如何基于 Muse 搭建一套 X 平台自动化流量作战室。作者设计了六个独立飞书应用扮演的"员工"角色：数据观察员、账号体检员、复盘分析师、选题策划、内容质检和超级写手，形成自动化的热点监测与内容生产流水线。系统包含每日 8 点运行的主链路日报（扫描、选题、质检、写稿）、每 3 小时一次的突发热点巡逻、周月复盘以及风格档案养成等功能。数据源来自 xbangdan 榜单接口，无需登录和模型 token。文章提供完整脚本工程地址，适合非开发人员跟着教程搭建，实现 7×24 小时无人值守的内容运营团队。
Meta 于2026年9月发布个人AI代理Muse，不同于ChatGPT的回答模式，它能通过云端虚拟机和浏览器替用户执行任务：订旅行、发邮件、谈判账单并完成支付。文章分析Meta的五大筹码（36亿日活分发、跨应用上下文、AI眼镜、商业连接、资本），探讨代理时代对搜索、广告、App和商家的影响，并指出用户会因便利而交出选择权与执行权。作者还提出普通人应建立四层'代理权限表'（观察、准备、低风险执行、高信任委托），同时提醒Muse仍面临安全、监管和网站抵抗等现实挑战。
文章从普通人视角探讨 Meta 的 AI Agent 产品 Muse 的实用价值。作者对比 Muse 与 ChatGPT 的差异：Muse 拥有独立云端运行环境，能自己操作浏览器、填表、执行任务，而不只是给建议。文章建议首次使用先让 Muse 帮自己省钱，如查找闲置订阅、申请退款、跨网站比价等。随后梳理了普通人靠 Muse 搞钱的四个等级：卖信息差、帮人配置 Muse、自己用它干活提升效率、最终卖结果做服务。最后给出新手三步起步建议和 5 个可直接使用的实用 Prompt，强调核心思维是把重复麻烦的事交给 Agent。
Meta 推出的个人智能体 Muse 上线 10 天冲上美区 App Store 免费榜第一，但仅对美加开放。作者通过排查发现 Meta 的地区检测只看出口 IP 是否为住宅 IP，与 DNS、时区、手机号无关。教程提供了免费方案：使用可 3 小时内全额退款的住宅 IP 平台完成注册，用国内 Visa 卡过年龄验证（扣 1 美元后退回），注册后即可切回日常网络使用，并附 6 步全流程和 10 亿 Token 邀请码。
本文基于 Anthropic 官方指南，系统讲解 Opus 5.5 的提示词工程方法。内容涵盖如何清晰描述问题、提供相关上下文（报错、文件、触发步骤）、说明任务范围与原因；详细介绍 effort 五个档位（low 到 max）的选择策略及在 Claude Code 和 API 中的设置方式；强调改完代码后要求 AI 给出具体检查结果、区分已完成与未完成事项；讲解如何防范围外部文档中的间接提示注入，以及看图任务中提供清晰截图的技巧，面向已使用但不熟悉提示词设置的用户。
Karri Saarinen 探讨了 AI 时代工具效率提升背后的隐忧：产品和工程工作产出两样东西——产品本身和制作过程中的学习。AI 和 Agent 能写更多代码、开更多 PR、做更多实验，但团队的理解力和判断力会因此变强还是退化？作者以 CEO 亲身经历指出，一旦疏离产品和客户，产品认知就会变得模糊。他主张不应抗拒 AI，而是利用效率红利让团队有更多时间贴近客户、探索问题和保持产品判断力——自动化已知工作，但让学习、发现与决策始终留在人的手中。
作者分享了用 Claude Opus 5.5 通过代码逐帧渲染制作视频的经验，并开源了包含 39 种风格视频样片的 Lemo-opuscar 库。库内包含导演方法（DIRECTOR.md）、技术方法（TECHNIQUE.md）和 39 份风格文档。文章阐述了如何稳定出片的关键：agent 手里要有成熟的方法论，用户需求要说到点上。作者详细讲解了需求表述的六个要点（主题、故事、节奏、导演能力、素材、审阅检验），并提供了万能提示词模板，还针对非 Opus 5.5 用户给出了降低难度、拆分步骤、强弱模型协作等替代方案。
本文是一篇面向新手的 Gemini 保姆级教程。作者指出多数用户仅用 Gemini 做基础问答，浪费了其八成能力。教程从零基础入门讲起，介绍网页端模型切换、超大 PDF 阅读、无字幕视频理解、Gems 专属分身等基础功能；拆解 Google AI Pro 会员的核心隐藏权益，包括 NotebookLM Plus、2TB 云盘等；对比 Chrome 实时语音看屏与 Codex/Claude Computer Use 的差异；详细讲解 Antigravity 桌面端的上手方法、定时任务、@ / 指令用法及 ParaGravity 多开方案；最后介绍如何通过 GitHub Skills 技能包将 B站、YouTube、播客等变成私人知识库，并附上实测案例与可复用的三段式提示词。
Thorsten Ball 分享了他对 AI Agent 时代编程语言与框架未来的思考。他认为手写代码时代正在终结，框架不再是最大的生产力杠杆，语法和工具易用性变得不再重要，但共享抽象仍有价值。未来重要的是性能、可观测性、可调试性等对 Agent 透明的特性。语言偏好将从'我喜欢'转向'我的 Agent 能用好'。他还探讨了生态系统的变化、测试框架的命运、静态类型的未来等话题，认为 token 成本下降是最强的技术驱动力。
文章提出 Agent 轨迹（traces）正成为 AI 公司间的核心交易资产，甚至出现蒸馏攻击等争夺行为。作者指出 RL 训练、长程任务代理普及使 traces 价值激增，但多数企业仍未善用这一资产。文章分析了 traces 对数据厂商、前沿实验室和应用层的价值，以及在运营优化、安全护栏、持续改进三方面的用途。作者还剖析了从 traces 中提取价值的难点：数据非结构化、体量巨大、反馈混乱、长程信用分配困难等，并类比 2010 年代的大数据浪潮，认为 traces 将成为企业专有智能层和战略资产，唯有通过提炼与使用才能释放价值。
Cerebras 团队测试了主流 AI 个人助理完成订餐任务的表现，发现现有助理耗时过长（如 Grok Bot 需 7 分 40 秒）。团队使用 Qwen 3.8 27B 模型运行在 Cerebras 硬件上，以 Pi 作为 Agent Harness，通过三项优化将任务压缩至 22 秒：1) 并行执行独立的检查操作；2) 借助 Cerebras 快速推理加速模型调用；3) 将探索网站的经验固化为 Skill 复用，减少 80% 以上的工具调用。文章展示了 Harness Engineering、快速推理和经验沉淀对 Agent 效率的巨大提升潜力。
Supermemory 团队宣布开源其 Company Brain 产品，并详细介绍了背后的多玩家 Agent Harness 设计。该系统构建于 Cloudflare Agents SDK 之上，核心是一个以组织 ID 为键的 Durable Object，负责回合生命周期、状态管理、权限策略、记忆边界和工具调用。文章重点阐述了如何设计一个'像队友而非机器人'的 Agent：包括 Slack 事件的分类路由、基于置信度模型而非二元判断的主动性决策、审批流程、steering 处理、运行时恢复等。作者还解释了停止该产品的原因——团队希望专注于构建世界领先的 Agent 记忆 API。
文章介绍哥伦比亚大学 2026 秋季首门 Agentic Engineering 课程（COMS W4995-009），其核心立场是：Agent 本质是包裹模型的软件工程（harness），而非模型本身。课程分基础、架构、设计与生产化、期末项目四个模块共 13 讲，配备三个重实践的 Studio 实验：委托与可观测运行、长上下文压力测试与记忆架构、Agent 循环受控对比。文章还解读了课程的五层 Agent 生产栈分类法（L0 模型 API 到 L4 协调系统）与六大学习目标，认为该课将喧闹的 AI Agent 话题还原为可严肃讲授的工程学科，其课程网站和 Studio 设计即使不选课也值得从业者研读。
作者分享了一套用 AI 创作长视频脚本的四步工作流，核心理念是'别让 AI 写，跟 AI 聊'。第一步在 YouMind 建项目，倒出观点和收集素材；第二步站在白板前用 Codex 语音对话共创'钩子—论证—升华'三段式大纲；第三步通过 Codex 实时语音把逐字稿'聊'出来，保证口语化；第四步用 YouMind 文字转语音倍速听稿、边听边改并精准控制时长。这套方法使作者 B 站视频从几千播放提升到期期破万，脚本创作时间从一整天缩短到两三小时。文章强调先把自己的观点喂给 AI，再通过对话输出，成稿才能保留个人风格而非 AI 腔调。
本文深入探讨了 Claude 模型中 effort（努力程度）参数的作用与使用策略。作者通过实验和 Terminal Bench 3.0 基准测试分析发现：effort 本质上是控制模型在任务上投入的算力与自主判断程度。高 effort 在验证和边界测试重要的场景（如硬件、代码审查、安全）表现更佳；低/中 effort 则适合快速迭代、保持人类在环。作者还比较了不同规格化程度任务在各级 effort 下的输出差异，并总结出一套高效工作流：先让模型访谈自己补全规格，用低 effort 实现，人工审查后，再用高 effort 做验证和测试。
作者介绍Anthropic用两周时间将claude.ai核心体验提速3倍的方法论：先量化指标、用指令数稳定测量、设置棘轮防止性能回退，并在150多个并行线程中由Claude找问题、人做取舍。作者照此方法让agent优化自己的4个网站并整理成「闪电.skill」，其中公众号排版器打开到能打字的耗时从2238毫秒降至209毫秒，减少90.7%。文章还分享了优化过程中的踩坑经验，如旧草稿覆盖风险、测量干扰等，并提供skill的安装方式供读者使用。
作者以个人编程经历为引，回应对 AI 导致编程手艺消亡的哀悼。引用 Thorsten Ball 的观点：手写代码的工艺将像意大利手工鞋匠一样成为小众。作者认为编程虽'死'，却以模型权重、框架和语言的形式延续。作为自学成才的程序员，他乐观地认为 AI 编程是新的开始——新一代程序员用自然语言表达意图，能更快、更高质量地构建产品。过去受限于个人能力，如今可以通过正确的提示词和上下文驱动 Agent 实现心中构想。作者对更多人体验创造的乐趣充满期待。
文章全景解读 MIT EECS 2026 秋季新课程 6.S950《Agency with AI》。课程不教工具使用，而教 AI 时代的工程判断力：什么该委托给 AI、什么该验证、什么该留给自己。方法论核心是四问法（解决什么问题/方案/老思想/新在哪）与增量思维。12 讲沿真实 ML 项目生命周期展开，涵盖文献阅读、spec 驱动开发、版本控制、抽象阶梯、数据审查、LLM 机制、评测设计与审计等主题。Lab 设计精妙地控制 AI 在场与否，考核要求任何无法说明理由的工作不得分，强调决策的可辩护性与人类作者性的保留。
文章介绍 Meta 的 AI Agent 产品 Muse 的注册方法：通过 Browser Use Cloud 云浏览器访问美国环境完成注册并验证年龄。作者向 Muse 提出三个关键问题，分析其与 Grok Bot 的区别及对中国用户的价值；拆解其以 10 亿 token 邀请奖励为核心的病毒式增长机制，并整理了多个平台的邀请福利。最后作者反思工具潮中普通人真正该积累的东西：守住注意力、建立可核验的信任、选择把时间还给自己的工具，留下不属于平台的经验与流程。
文章分析了 Meta 推出的个人助理 Agent「Muse」爆火的底层逻辑。Muse 并未发明新能力，而是把已有 Agent 能力以「下载即用」的方式推向大众，借助巨头的分发、品牌与算力优势完成品类教育，将普通人使用 Agent 的门槛降到极低。作者指出常见的三种智能浪费：把 Agent 当搜索框、不知任务该派给谁、自身判断力与审美不足，强调 Agent 能放大判断但不能代替判断。最后讨论了 AI 创业公司在巨头压力下的机会：借巨头的势、切入细分赛道，认为下一轮 Agent 爆火仍可能来自非巨头的创业公司或个人开发者。
LoopX 1.2 正式发布，重点打磨个人工作区、长程状态与恢复能力，并推进多 Agent 团队的实验功能。新版本引入管家模式，可统一管理运行在 Codex、Claude Code 等执行器上的多个 LoopX Agent，提供独立设置入口和预览式配置。状态内核方面，Todo、lease、quota 等收敛到共享类型化边界，支持 Goal 验收合同、跨 Agent 任务接续与恢复。实验性能力包括团队计划与分工、受控 CLI/MCP 委派、产物复核与版本追溯。LHTB 基准测试显示平均 reward 提升 10.6%。文章最后致谢 40 位社区贡献者的 264 个已合并 PR。
斯坦福大学 Mihail Eric 教授开设的「AI 原生软件开发」课程 CS146S 首周资料公开。第一周主题是拆解 Coding Agent 内部机制：LLM 是无状态的文本到文本函数，agent 的能动性来自外部循环，即 agent = LLM + 工具 + 循环。课程用 200 行代码复现 Claude Code 骨架，讲解核心循环设计、read/write/edit/bash 四个最小完备工具集，以及 Claude Code、Cursor 等生产级 agent 系统提示词的结构分层：身份锚定、工具规则、工作流规范、安全边界和沟通风格。课程旨在 demystify：agent 没有魔法，骨架与产品的差距全是可学习的工程问题。
本文介绍 Meta 刚发布的智能体 Muse，它目前在美区苹果商店免费榜第一。Muse 是一个能替用户把事办完的个人 Agent，背后由 Muse Spark 模型驱动，为每个用户配一台云端电脑，具备 24 小时干活、自主决策和记忆三大能力。文章详细讲解其安全设计（独立哨兵 Sentinel 审批机制）、四大使用场景（生活琐事、做成品、上网跑腿、接插件），并与 Grok Bot 对比两者在架构和安全上的差异，最后给出从下载、关闭训练开关、设置权限到派第一个任务的六步上手教程。
作者分享了使用 Claude Opus5.5 通过纯代码方式生成动画的实践。仅凭一张角色设定图，Claude 逐帧绘制出 60 秒短片的所有画面，配乐用代码写谱，音效全部代码合成，未使用任何图像或视频生成模型，甚至实现了光追效果。通过提示词让模型使用最多 15 个 Agent 并自由安装工具，可生成具有连贯故事、对白和声音的 2D 动画。作者还展示了通过修改 Agent 数量和时长参数进行定制的效果，称画面细腻程度令人惊叹。
作者使用 Cursor 搭配 Claude Opus 5.5，通过云端 Agent 一口气开发了三个项目：快捷语音输入工具、东京 3D 城市模拟器和鹈鹕骑车跑酷游戏。语音输入工具借鉴微信长按说话交互，让 Mac 所有输入框都能按住鼠标语音输入；东京模拟器基于日本 PLATEAU 真实建筑数据，包含 7.2 万栋楼、昼夜变化、车流、涩谷路口行人和东京站电车时刻表，超越了 OpenAI 官方 Codex 案例 CityForge；跑酷游戏则用纯代码生成美术与音效，实现了漂移与喷火玩法。文章展示了 Opus 5.5 强大的 Agent 编程能力。
文章引用 DHH 的观点指出，手写代码对绝大多数程序员已不再经济，软件工程正演变为系统架构设计。通过 Artemis 和 SpaceXAI Grok 团队的案例，说明工程师如今通过设计验证循环（verification loops）让 AI 大规模正确地编写代码——如 Lauren Tan 每月发布 2000 个 PR。文章借鉴 Donella Meadows 的系统理论，提出优秀系统设计的三大特性：韧性（AI 通过测试、审查代理和生产可观测性自我校验）、自组织（循环学习将失败类型转化为新技能）和层级（将技能、工具与沙箱组合成可复用组件）。工程师的新职业是'驾驭智能'。
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
