文章从文件层完整拆解了 WorkBuddy 的 Skill 机制，回答四个核心问题：Skill 是什么、放在哪、从哪来、怎么维护。Skill 本质是一个文件夹，核心是写给 AI 读的方法论文档 SKILL.md（开放标准 agentskills.io 规范），依赖 description 实现按需加载。技能分用户级和项目级两级作用域，换项目后技能“消失”实为作用域混淆。‘我安装的’列表是聚合视图，来源包括自建、内置插件、技能市场、外部插件和连接器五类。作者还揭示了系统提示词中要求 AI 遇到能力缺口时先搜索技能市场的产品设计，并讲解了多 Agent 目录打通与软链接同步等维护实践。
作者介绍了自己整合的开源 Skill「x-article-publisher」，解决将 Markdown 文章发布为 X（推特）长文时的图片、代码块、表格同步难题。该工具支持 Claude Code、Codex、DeepSeek 等 AI 助手，通过 Playwright 驱动 Chrome，把 Markdown 内容自动填入 X 长文草稿箱，支持图片压缩、语法高亮、表格对齐和引用推文卡片。文章详细讲解了 Mac/Windows 的安装步骤、使用方法、进阶参数、平台差异及排错方案，并强调只生成草稿、发布由用户手动确认，安全且 MIT 开源。
本期早报围绕持久化 AI 同事时代的人机分工展开，精选三篇深度内容：OpenAI 产品负责人 Tara Seshan 阐述 AI 产品的三个时代，提出人应从划船转向掌舵，负责问题、假设与品味；Maersk 分享 AI 智能体在全球航运生产系统中可靠运行的架构，包括流程记忆、受限运行时与纠错闭环；Factory CTO 探讨模型选型、结果成本与模型主权，强调企业应掌控数据、工作流与评估标准以保留迁移能力。速览部分涵盖金融数据隔离架构、RAG 噪声治理、Robotaxi 经济学、AI 法律责任、JavaScript 批量赋值漏洞、AWS Kiro Crew 及游戏产业 AI 应用等七个话题。
文章提出构建可靠 AI Agent 的关键不在于更好的提示词，而在于模型周围的 Harness（工程脚手架）。作者借鉴 OpenAI 用 Codex 零手写代码构建产品的经验，提出六层最小可行 Harness：1) 将请求转化为明确的任务契约，定义目标、约束与完成条件；2) 用上下文编译器按需提供高信号信息而非堆料；3) 在模型与工具之间设置网关，做权限校验与结构化观察结果；4) 将记忆外化为持久状态，区分事实、决策、状态与教训；5) 以证据门控完成判定，用测试与验证结果决定接受、重试或上报；6) 建立追踪与恢复循环。
文章讨论 Skill 写完后的持续维护问题，指出 Skill 会随时间腐烂：重复规则、过时参数、失败补丁不断堆积。作者在 Matt Pocock 六种失效模式基础上，扩展为八项检查：过早完成、重复、沉积、蔓延、空操作、否定式引导、样本过拟合和分支串线。针对每种问题，文章给出症状、成因和修复方法，强调先给失败命名再修改，修复后做回归测试。最后提供一份十项体检清单和可直接使用的审计提示词，帮助诊断和优化正在使用的 Skill，让 AI 在正确时间稳定执行正确过程。
文章讨论了 Agent 使用模式的演进，指出当前主流的 session 模式本质上是把 Agent 当工具使用，上下文容易膨胀导致效率下降和不可预期的行为。Hermes 的 Bot mode 通过多 profile 设计为 Agent 安排长期的身份和角色，实现身份、技能、记忆的完全隔离，多个 bot 可以在群聊中围绕同一项目协作，如开发 bot 与 review bot 相互配合纠错。相比一次性的 subagent，bot 具有稳定性和可扩展性，能融入固定工作流程。作者认为 bot 模式未来将成为多 Agent 协作的主流形态。
本文解读 Simon Willison 的《Agentic Engineering Patterns》，系统总结编码 Agent 时代的软件工程方法论。核心观点：当写代码边际成本趋零，工程师职责转向为 Agent 配备工具、定义问题、验证结果。文章区分了 agentic engineering 与 vibe coding，提出囤积已验证方案、用异步 Agent 清理技术债、子 Agent 保护上下文、Red/Green TDD 与证据式测试等模式，并强调提交未审查代码是最大反模式，以及通过走读和交互式解释偿还认知债。
作者分享了管理 AI Agent Skills 的经验：不建议在本地一次性安装太多 Skills，因为过多的 Skill 会误触发模型调用并限制模型发挥，同时 Skill 描述会占用上下文窗口的 Token 预算。管理方法分两步：第一步将所有 Skills 统一放在本地目录（分 Github、personal、official 三类），并建立管理文档和定时更新脚本；第二步用软连接（symlink）按项目需要启用 Skill，而不是复制安装，避免全局启用浪费上下文。这些工作都可以交给 Codex/Claude 等 Agent 自动完成。
作者开源了一个 Codex 插件 MiniMax-H3-Cloud，利用开源的 MiniMax H3 模型和云端 GPU，让用户无需高性能电脑即可低成本生成高清 AI 视频。插件封装了从云 GPU 注册配置、GPU 选型（推荐 5090-96GB）、提示词优化到视频生成下载的完整流程，支持文生视频、关键帧生视频和参考图生视频三种模式。从安装到生成第一个视频全程不到 15 分钟，作者邀请大家到 GitHub 共建。
作者陈硕KAI开源了其沉淀一年的 cs-xiaohuang-skill 项目，将四种内容生产能力整合成一条完整的内容表达流水线：文章配图强调理解内容后再决定视觉化哪些关键点，而非简单配图；PPT 生成先判断每页表达意图，采用流程、对比等不同构图，避免模板化；网页幻灯片（cs-web-slides）利用 HTML/CSS/JS 实现比传统 PPT 更自由的排版、动画与交互；产品宣传视频则自动完成产品分析、分镜设计到 Remotion 动效成片，坚持产品本身是视频主角。整个项目已开源，形成从文章到配图、PPT、网页幻灯片、宣传视频的完整内容生产链。
本文详细记录了作者在广州某高校图书馆 AI 工作坊上，带领学员使用腾讯 WorkBuddy 将手头资料（如数据表、规章文件）制作为交互式智能问答网站的完整过程。文章涵盖：让 WorkBuddy 生成可视化网站、接入 DeepSeek API 实现自由问答、通过中转函数保护 API key 安全、用 Codex 操控 Chrome 自动完成腾讯云部署等环节。作者还分享了 API key 三道安全防线、部署踩坑经验（教程过时、云函数超时、日期偏差排查）以及成本控制（全班提问仅花两毛二），并强调数据授权与隐私边界的重要性。
文章深度复盘了 Miles 在 X 平台15天从0做到1万粉的增长过程，总结出可复制的四层涨粉漏斗：看见我（手敲高质量回复，在他人流量池增加曝光）、相信我（真人露出、真实现场、明确判断建立信任）、我能帮你（长文交付完整实用内容，换取收藏和转粉）、下次还想找你（趁流量窗口连续输出相邻主题内容）。作者强调运气不可复制，但结构可以搭建，只有提前铺好漏斗，才能接住流量，把一次爆款变成持续增长。
作者认为当前 Skills 的问题不在于不好用，而是数量太多让人无从下手。以 SEO 领域为例，专家花 10 分钟就能做出类似的 skill，而 Codex 类工具已经能解决 80% 的问题。作者分享了一份完整的 SEO 审计 prompt，可直接发给 AI 生成基于真实网页证据的专业审计 PDF 报告，涵盖抓取索引、页面 SEO、性能体验、内容机会四大板块，并强调 SEO 专家真正的价值在于与实际生产结合以及对 AI 输出的审查把控能力。
作者回顾了开源项目 LoopX 从诞生到爆火的全过程。LoopX 是一个面向长程 agent 的控制平面（control plane），核心假设是 LLM 上下文有限，长程 Agent 需要外置语义状态，通过 vision、goal、todo、gate、evidence 等抽象概念及状态机、replan 机制，让 Agent 在无人干预时稳定运行并持续产出。项目源自作者并行推进多个真实项目的痛点，经历了从 goal harness 到 LoopX 的演进，并借助 agent 自举迭代快速成长，登上 GitHub Trending 第一。作者展望未来构建由数百个 agent 组成的'数字团队'，让个人也能完成过去只有大型组织才能承担的复杂工作。
本文是AI短剧制作的入门教程第一期，作者提出“极穷鬼路线”，强调新手无需购买昂贵设备或本地部署模型。核心工具链包括：用ChatGPT/Codex作为总控完成剧本、分镜、提示词和出图；用即梦（Seedance 2.0 fast/mini）生成视频，免费积分即可练手；用剪映免费版拼接剪辑。作者建议先跑通从剧本到资产的完整流程再考虑付费，避免前期投入，强调目标是低成本验证流程、摸清门道，为后续做短剧赚钱打基础。
文章介绍腾讯云 CloudBase 官方插件接入 Codex，通过 MCP、Skills 和 Commands 让 AI 获得云端视野，直接查看和操作小程序的云环境、云函数、数据库、日志、存储、认证与权限等资源。作者对比沙箱、Computer Use、CLI 与 MCP 四种方式各自分工，说明 MCP 补上了 AI 一直缺失的云端控制层，减少人肉搬运控制台信息的低效环节，并通过真实排障场景演示其价值。文章还给出安装方法、只读验收流程，以及默认只读、写操作确认、生产最小权限三条使用边界。
作者李岳分享了基于 Codex Skills 搭建的 AI 视觉工作流，包含六个 Skill：女性写真导演、女性换装导演、通用换装导演、东方仙侠视觉导演、仙侠视频导演和 Seedance 2.5 视频导演。通过将反复踩坑经验转化为规则、路由、默认值和交付格式，把主观审美翻译成可执行的画面参数，形成从人物、服装、场景到镜头和视频方案的完整视觉生产线，强调 Skill 保存的不是形容词而是逻辑判断。
作者以真实 GEO 视频工作流中的语义素材检索模块为实验对象，构建了 24 个 Case 的测试集，让 Codex 遵循「Baseline 考试 → 失败分析 → 最小修改 → 重新考试 → Release Gate 判定」的闭环流程自主工作。Baseline 通过率 79.17%，通过分析 5 个失败案例的共同点，Codex 仅增加一层确定性的 Query Rewrite，通过率提升至 91.67%，且无回归案例，但高风险 Case 未改善。最终 Release Gate 判定 FAIL，作者强调 Eval 让 AI Coding 从「生成代码」走向「对结果负责」，人类应聚焦于定义目标、边界和质量标准。
作者分享了将 Eval（评估体系）融入 Codex 工作流后的实践心得。核心观点是：AI Coding 越强，Eval 越重要，因为 Build 变便宜了，但'什么叫完成'并未变简单。文章指出 Tests Passed 不等于任务正确，Testing 是底线，Eval 是交付线。作者重构了工作流程：Baseline → Build → Test → Eval → Analyze → Fix → Re-Eval → Release，强调先跑 Baseline 而非上来就改 Prompt，利用失败分类找出瓶颈，通过 Release Gate 定义验收标准。同时提出 Ground Truth 必须由人工确认，AI 不能既出题又评分。最终结论：人应从让 AI 写代码，转向给 AI 定义验收标准。
作者逐行阅读 OpenAI 开源的 Codex harness（rust-v0.150.1）与 DeepSeek Harness（dsh v0.1.1-rc.2）的源码，从工具调度、多智能体、上下文管理、沙箱、可观测性、模型互操作等十个维度对比两者，并设计了五个机制场景、六个组合共 150 次真实 agent 运行测试。文章揭示多个反直觉发现：Codex 多智能体更成熟但没有独立的读文件工具；Codex 只支持 Responses 协议而 dsh 兼容 chat completions；两者在上下文压缩上防的是不同故障。结果 149/150 通过，压缩场景 Codex 快约五倍。文章最后给出按使用目的的选型建议。
文章面向新手讲解如何为 Claude Code 和 Codex 制作个人 Skill，解决每天重复向 Agent 解释工作流程的问题。作者介绍 Skill 的本质是一个包含 SKILL.md 的目录，依赖渐进式披露机制；提出判断任务是否值得封装为 Skill 的三个信号（重复出现、依赖专有知识、错误成本高）；建议从成功协作会话中逆向工程提取 Skill，或先跑无 Skill 基线记录失败点再写规则；并详细分析三大坑：description 模糊导致不触发、把任务写成死板 SOP、SKILL.md 过长，给出 SKILL.md、references、scripts、assets 的合理拆分方式及三层验证与维护方法。
文章指出程序员最缺的往往不是代码能力而是审美，提出将优秀 UI 组件当作乐高，直接交给 AI Agent 挑选并整合进项目的方法。作者推荐了 5 个 UI 组件资源网站：Beautiful UI、BeUI、Rare UI、Transitions 和 shadcn/ui，只需把链接发给 Claude Code、Codex 这类 Agent，让它们自动查找组件、获取代码、修改样式并整合进项目。核心观点是：你不需要成为设计师，只需要知道去哪里找好设计。
本文探讨了强化学习环境中记忆系统的设计问题。各实验室通过可验证奖励（如测试通过与否）在沙盒环境中训练编码智能体。单个任务往往涉及数百次工具调用，而模型只能看到上下文窗口内的内容，harness 负责决定哪些历史信息进入窗口——这就是记忆系统。文章介绍了 AgeMem、CompactionRL 等研究如何将记忆管理（压缩、检索、写入）纳入策略本身进行训练，并用任务奖励进行评分。Cursor 认为生产环境的 harness 就是训练环境，在数十万并发沙盒中训练 Composer 模型。核心观点是：沙盒保持完整状态，但策略只看到 harness 构建的观察窗口，记忆即跨越这一边界的信息。
作者基于十天高强度使用经验，分析 Omarchy 作为面向 Agent 的原生桌面 OS 的架构设计。文章指出 Omarchy 通过统一 CLI（436 条命令）、可替换的多 harness Agent、随 OS 版本发布的 Skills、三层状态分层，以及 Hyprland、Quickshell、mise 的协同，构建了一个适合人类监督、随时委托和快速接管的 Agent 工作台。UX 层面通过快捷键、平铺布局、workspace 隔离和普通终端运行降低调用摩擦并提供可接管性。作者认为 Omarchy 已是成熟的 agent-ready desktop OS，但距离 agent-safe OS 还差统一 capability policy、操作审计和事务式回滚。
作者袋鼠帝开发并开源了一款AI原生截图工具“拓（Ta）”，具备钉图、标注、马赛克、截长图等常规功能，并深度集成AI能力：框选即可OCR识别文字、翻译并自动复制到剪贴板，还支持AI识图。拓可作为skill或CLI接入任何Agent（如Codex），实现自动截图获取报错信息等自动化流程。开发过程使用智谱最新开源模型glm-5.3-flash，作者评价其coding、agent与视觉能力出色，价格仅为Opus的1/40，兼具速度、性能与性价比，标志前沿模型进入普惠时代。
文章解析了 Codex 内部的四角色模型调用链（主模型、子 Agent、Review 模型、Compact），指出默认所有角色都用最贵模型导致成本过高。作者提出分级配置方案：主模型保留顶配负责规划决策，Review 和子 Agent 换用轻量平价模型，只需修改 config.toml 和 worker.toml 两个配置文件即可永久生效。文章还给出国产火山方舟的配置示例及其他省钱思路（Terra Max、Spark 高速模型等），强调好模型想清楚、便宜模型干活的分工思维可推广至未来 Multi-Agent 系统。
作者分享了自己开源的公众号排版Skill。此前作者的公众号排版一直通过自研的Obsidian插件wechatPB完成，但考虑到非Obsidian用户的使用门槛，决定将其改造为通用的排版Skill。该Skill的特点是提供实时预览页面和DIY工具栏，支持5套预设风格切换、配色调整、字重修改、标题样式、图片圆角等元素级自定义，并可保存为新风格复用。还内置风格学习功能，通过分析博主文章截图或链接生成专属样式，甚至可混合多篇风格产出个性化方案。项目已上传GitHub。
作者整理了 5 款适合新手安装到 Codex 的 AI 生图 Skill：Photo Revival 用于修复和风格化照片废片；Xiaovi Illustrations 适合为文章生成白底粗线的清爽配图；Photo Abstract Editorial 能将普通照片往杂志编辑感方向提升；GC Minimal Zine Poster 只需一句话即可生成极简 zine 海报；TaiT CRT Interface 则制造复古 CRT 科技视觉。文章按废片焕新、正文配图、照片编辑、主题海报和复古视觉五种需求给出选择建议，并附上各 Skill 的 GitHub 链接，方便读者快速上手。
MemOS 团队开源了 Memmy，一个面向终端用户的本地 AI Agent 记忆中枢。它可授权读取 Cursor、Claude Code、Codex 等各 Agent 的本地历史日志，自动整理成结构化分层记忆，再通过 Skill、Hook、MCP 按需注入到任意 Agent，解决换工具就要重新解释项目背景的痛点。项目 local-first，数据存储在本地 SQLite，支持桌面端 GUI、CLI/TUI、OpenAI 兼容 API 和 MCP 协议，MIT 开源且全平台支持。作者认为其与 Mem0、Zep 等开发者 SDK 不同赛道，但提醒项目仍在早期，兼容性、记忆纠错与跨项目隔离机制尚待完善。
文章梳理了 OpenAI Codex 中 Plugin、Skill、App/Connector 和 MCP 四个概念的区别与协作关系。Plugin 相当于安装包，可包含 Skills、Connector、MCP 工具、浏览器扩展和 Hooks；Skill 负责记住做事步骤和方法，不涉及外部账号权限；App/Connector 负责连接真实外部账号；MCP server 则提供连接背后的具体工具。作者以 Cloudflare 和 Canva 两个插件为例对比差异，并提醒用户安装后需新开任务才能加载，带外部连接的插件需单独配置账号权限，建议先用只读任务验证，再考虑创建和修改操作。
