本文从《给宝宝的机器人学》类比切入，系统讲解 Agent 的核心概念与发展脉络：大模型只负责生成回答，而 Agent 能借助工具、API、Agent Loop 和文件/终端等真实工作现场，把任务完整做完。文章依次介绍模型、Tool 与 API、Agent Loop、computer use、MCP 协议，以及 Claude Code、Codex CLI 到 Codex 桌面端的产品演进，说明为何同一个模型放进不同 Harness 表现差异巨大。最后以实战演示如何用 Codex 搭建论文资料整理 Agent，从建立项目结构、规划执行到接入 PubMed 检索工具，展现普通人也能上手的 Agent 工作流。
作者基于帮助团队构建和维护超过1500个公司知识库的经验，总结了七条核心经验：1) 知识库应为AI Agent而非人类设计，让Agent自己重组信息结构；2) 通过MCP和API连接CRM、数据库等外部数据源与知识库本身同等重要；3) 让团队摆脱聊天界面，使用Claude Code、Codex、Cursor等能真正执行工作的工具；4) Notion等外部知识库因更新与工作脱节而失败，知识库必须内嵌于Agent工作流中；5) 除保存成果外，还要记录工作过程——提示词、被否决的方案和判断过程，这些是未来训练Agent的关键数据；6) 共享Slack Agent模式效果不佳；7) 知识库不应绑定单一界面，应实现一个大脑、多个接口。
本文是腾讯 AI 工作台 WorkBuddy 的万字入门教程，面向新用户图文并茂地讲解如何从零上手。作者从 WorkBuddy 的定位（能替你干活的 AI 工作台）讲起，逐一拆解界面三大区域：左侧导航、中间对话区、右侧结果区。随后分步指导下载安装、场景选择、输入框各按钮用法，并跑通第一个任务。文章还详细介绍了三种对话控制方式（直接执行、先列计划、纯咨询）、连接器接入外部服务（腾讯文档、QQ 邮箱、Canva 等）、100+ 领域专家智能体、技能市场插件安装、定时自动化任务以及模型选择建议，最后总结五条新手避坑指南。
文章介绍了终端 Coding Agent Pi——一款上线约一年、GitHub 接近 10 万 Star 的开源工具。与 Claude Code、Codex 提供完整成品不同，Pi 走极简路线，仅保留读/写文件、精确修改和 Bash 四个核心工具，其余功能按需通过 Skill、Extension 和 Package 扩展。Databricks 测试显示相同模型下 Pi 的单任务成本可低至其他 Agent 的一半。文章从安装登录讲起，详细演示了多行输入、@ 引用文件、粘贴截图、!/!! 命令等日常操作，重点讲解了 Steer（任务中转向）与 Follow-up 追加任务的交互机制、Session 树状会话管理及 /compact 压缩策略，并介绍了 AGENTS.md 项目指令文件的写法与扩展体系，帮助用户低成本上手并掌控工作流。
本文整理了 OpenAI 核心产品负责人 Tibo（Thibault Sottiaux）的深度访谈与社区观察。他因在推特上透明公开故障归因、随手给用户派发全局配额重置，被开发者戏称为'掌管 Reset 的神'。文章回顾了他在 Google/DeepMind 九年的基础设施经历、LM Chat 被大组织雪藏的教训，以及 OpenAI 的低阻力创新文化。核心理念是'减法工程学'：拆掉脚手架、把决策权还给模型。内容还涵盖超前算力容量规划、防惊群的 Banked Reset 算法、以及零官僚的工程师透明治理模式。
文章介绍了一个 6.4k star 的开源 AI Agent Skill 项目 video-shotcraft，安装后可让 Claude Code 或 Codex 像动效工作室一样制作产品宣传片。丢入产品页面后，它能自动分镜、做动画、配音效，通过 Remotion 渲染出电影感宣传视频，包含真实页面截图、2.5D 运镜和卡点剪辑。项目提供 152 张分镜配方卡、209 个动效预览、36 秒成片模板、149 个电影级音效及 5 首可商用 BGM。分镜配方来自对 Notion、Figma 等大厂宣传片逐帧拆解。成片还可直接导出剪映工程继续编辑，Apache-2.0 开源。
作者介绍如何使用 Nowledge Mem 搭建统一的 Agent 记忆中枢，解决跨设备、跨 Agent 工作时上下文反复丢失的问题。文章提出以一台长期在线设备（如 Mac mini）作为中枢，所有客户端连接同一实例集中存储记忆、对话和知识图谱。详细讲解了三种远程接入方式（Nowledge Link、Quick link、Cloudflare 自定义域名）的适用场景与选择建议，并通过 nmem CLI 演示配置流程，同时总结了网络协议、API Key 轮换等易忽略细节与安全实践。最终目标是消除跨设备反复同步背景的冗余，让记忆持续积累于工作流中。
作者拆解两篇小红书虚拟产品变现案例：一位凭借五年行业经验卖新人资料，另一位用Codex快速开发图片转拼豆图工具，四天上线并售出近万单。文章指出数字背后真正的关键是需求验证、行业积累和交付质量，而非AI本身。作者总结了筛选需求的四个问题、对标分析的要点、最小可行产品的方法、任务说明的写法、上架后的四大数据信号，以及导流与评价的合规注意事项，并提供了一份14天验证路线图，帮助普通人用小成本跑通从找需求到做产品、获客与迭代的完整流程。
作者分享了两个月来 AI 编程实践的核心变化：并发。设计打磨从串行问多遍改为并发问多个 agent，review 并行跑多个模型，项目用 Herdr 管理一排。主工具为 Qoder CLI 和 Claude Code，用 Codex、Agy、Grok Build 做对抗性 Review。研发流程包括 Brainstorm、Save Design、Improve Design、Impl、Review 五个原子节点，作者倾向花 90% 时间打磨 design。此外还介绍了基于 skill 的定时任务编排、Robobun 复刻尝试以及 Hunk、Moeka 等轻量周边工具。
作者开源了升级版写真Prompt Skill，核心改动是将参考图职责拆分：人物身份图只负责“她是谁”，写真参考图负责拍摄方案。新增新机位光照拓扑重建、人物事件驱动的表情因果、背景信息层级控制、去商业抛光检查，以及每轮从原始参考重新编译Prompt的验收机制，避免迭代漂移。作者坦承Skill无法绕过模型上限，不能保证1:1复刻，完整工作流已在GitHub开源。
作者用相同的提示词、品牌素材和数据让 Claude Code（Opus 5）和 Codex（GPT-5.6 Sol）各构建八个网站，从设计质量、Agent 数量、耗时、输出 token 和 API 成本多维度对比。结果是 Codex 在开放式设计环节赢得六轮中的五轮，效率优势显著：Codex 仅用 9 个 agent、约 5 小时、55 万 token、约 100 美元，而 Claude Code 用了 25 个 agent、14 小时、近 300 万 token、约 444 美元。实验还发现当提示词足够具体时，两者产出几乎一致。
作者分享了小团队多Agent协作中版本不一致、上下文不同步的痛点，并介绍了工具 Tutti·VM。它将本地Agent（如Codex、Claude Code）虚拟化进云端协作空间Room，实时同步Agent的工作过程、文件变化和对话，让多个Agent和成员站在同一项目现场协作，避免反复传文件和版本混乱，还支持共享Agent额度与对外演示分享。目前仅支持Mac M芯片设备，仍在小范围测试。
本文是 Multica 的入门教程，介绍如何搭建和管理 AI Agent 团队。Multica 将多个 AI（如 Codex）聚合到同一平台协作，内置负责人 Mika 负责任务拆解与分配。文章讲解了安装配置、创建智能体、发送任务、审核结果、组建小队等核心用法，并解释了 Skill、自动化、CC Switch 等功能。作者强调关键权限（付费、删文件、发布等）应保留人工确认，最后给出适合小白的七步上手顺序。
作者将11款AI视频剪辑与生成工具的评测任务交给Agent工具Apodex，针对MacBook Pro M1 16GB、首月预算100元以内的新手创作者，通过持续补充约束条件进行迭代式研究。最终推荐零成本起步组合：度加剪辑+剪映+即梦，可实现1080P无水印、带字幕配音和B-roll的可发布视频。文章同时总结了Codex的能力边界：适合打磨提示词、整理素材清单、辅助写脚本，但无法替代需要复杂环境配置和本地大模型运行的任务。
文章帮助开发者厘清不同 Coding Agent 工具的选型思路，将需求分为三类：开箱即用的 Coding Agent 产品、可编程调用的 Agent SDK、以及用于定制自有 Agent 的 Agent Framework。预算充足可选 Claude Code 或 Codex，预算有限可用 OpenCode，追求极简与插件机制可选 Pi，想尝试递归自进化（RSI）可关注 DeepSeek Harness。作者认为 DSH 目标宏大但短期不会作为主力工具，会持续关注学习。
本文介绍 Matt Pocock 开发的一套 AI 开发 Skills，包括 grill-me、to-spec、to-tickets、implement、tdd、code-review 和 grill-with-docs 共七个工具。核心思想是：AI Agent 最危险的不是慢，而是过于愿意在需求模糊时继续执行并自由发挥。这套 Skills 通过先追问清楚需求、把共识写成规格、拆成可验证任务、用测试约束实现、最后分轴审查代码，将问题反馈提前到写代码之前，从而减少返工。文中提供了 Claude Code 和 Codex 的安装方法以及每个 Skill 的可复制提示词。
本文系统介绍了 Codex 在普通人日常工作中的十个典型应用场景，包括电脑配置与软件安装、文件夹整理、会议纪要汇总、Excel 数据分析、PPT 制作、网页信息检索、网页与桌面软件操作、长期任务管理、Skills 固定工作流建设以及专业资讯监控。每个场景都遵循'先只读检查、再确认方案、后执行验收'的原则，并提供了可直接使用的提示词模板，强调任务边界、人工确认和结果核验，帮助用户安全高效地将日常任务交给 Codex 完成。
作者将下载微信视频号视频的整套流程封装成一个开源免费的 Agent Skill，适配 Claude Code、Codex、Cursor 等 Agent。使用时只需把 GitHub 链接发给 Agent，复制视频号视频链接后，Agent 调用 Skill 即可几秒内完成无水印 MP4 下载并发回微信或飞书。全程在本机运行，登录态不出设备，安全性有保障。项目仅供学习和个人使用，禁止用于盈利或批量采集。
作者开源了一个名为 douyin-image-post-scheduler 的 Codex Skill，实现 AI 操纵浏览器自动发抖音的完整流水线：图文素材批量验证、自动起标题、选话题标签、按时间窗排期、发布前逐条核验。全程在用户自己登录的 Chrome 中运行（Computer Use）。细节上采用固定随机种子保证排期可复现、支持断点续传避免重复发布、能区分「审核中」和「已排期」状态。作者提醒这是非官方工具，仅用于发布自己的内容。
作者整理收藏夹中的「0出镜短视频 skills」，精选出十项开源工具与技术方案，涵盖手绘故事视频、Vox风格拼贴解说、数字人口播、3D动画科普、火柴人动画、儿童折纸定格动画、图书带货流水线、古诗词动态画等多种形式。这些方案借助Codex、Claude Code等AI工具，可实现从选题、脚本、分镜、配音到成片的高程度自动化制作，适合不想出镜的短视频创作者参考。
作者将 ELI5（用简单方式解释复杂概念）的思路重新做成了开源 Skill：fireworks-open-eli5。相比 ELI5，它进一步解决工程场景的需求，如展示依据、支持动画播放、展示请求流动、模拟节点失效，以及收藏、批注和导出等功能。它支持 concept、module、tradeoff、incident 四种叙事模式，带目录、历史、收藏、批注和 teach-back，可离线导出 PDF、PNG、PPTX、DOCX、Pages 等格式。作者称其为'可验证的交互解释器'：读者能看懂，工程师也能追问。该 Skill 兼容 Codex 和 Claude Code，运行时零 npm 依赖，已开源。
文章指出盲目安装大量 Skill 的风险：Skill 可能泄露数据或污染上下文。作者实测两个开源工具：NVIDIA SkillEvaluator 负责对单个 Skill 做三层安全体检（静态文件检查、语义去重、实际效果对照），EverMind SkillCorpus 负责对技能库做收集、分类、去重和任务匹配筛选。推荐流程为先用 SkillCorpus 找候选，再用 SkillEvaluator 查文件，最后小范围试用并定期重查，强调安装量和官方推荐不能替代安全判断。
文章对比了 Codex、Claude Code 和 UiPath 三家的 Agent Memory 机制，指出项目中最容易混淆的是长期规则、自动积累的经验回忆和项目事实三层信息。作者提出用仓库中的 4 个 Markdown 文件（current-state.md、decisions.md、failures.md、memory-inbox.md）管理项目记忆，并让 CLAUDE.md 引用 AGENTS.md 实现两工具共用规则。同时强调自动记忆要有边界和退出机制，避免过期结论被误当作确认事实。
作者介绍了其 XXD Panel 系统：56 个各自独立、各守一套审美的“士兵”Skill，配合负责推荐、点将、试稿和批量派发的“将军”Skill（xxd-panel-all），解决风格多样后如何选择、批量制作如何提效的问题。每位士兵保留独立原始提示词，互不混血，支持上下、左右、纯设计、壁纸包四种交付模式和批量目录处理。文章详述了 56 位士兵的风格特长分组、适用人群、质量控制逻辑及入门方式。
作者分享了一套用 AI 工具从零制作可上传微信的动态表情包的完整流程：先用 ChatGPT 分析爆款潮玩形象并提炼提示词，固定原创毛绒潮玩 IP 骨架；再生成 4×3 十二宫格表情图板；用 Grok Imagine 将图板动画化生成循环动作视频；最后用 Codex 切图、去背景并导出透明 Animated WebP 和符合微信表情平台规范的 GIF。文章附有各环节详细提示词及避坑经验。
本文是面向零基础用户的 Pi 编程 Agent 入门教程上篇。Pi 是 2026 年 GitHub 9.3 万星的极简 AI 编程 Agent，核心理念是做减法：仅 4 个内置工具、约 1000 token 系统提示词，同等成本下代码质量超过 Claude Code 和 Codex，速度快 1.5-2 倍，且能自我进化写插件。教程详细讲解了 Agent、模型、Token 等基础概念，三种安装方式，配置 DeepSeek API Key 或订阅账号的方法，常用操作快捷键，并手把手带领读者用一句话指令让 Pi 从零做出一个家庭记账本 React 网页，完成从安装到作品落地的完整闭环。
本文系统讲解如何编写和维护 Claude Code 的 CLAUDE.md 与 Codex 的 AGENTS.md 等长期指令文件。核心观点是：规则越多 Agent 反而越容易跑偏，指令文件应只保存 Agent 无法从代码推断的隐性知识。作者提出先做减法（三问：能否从项目找到、是否多数任务都用、是否长期成立），再做加法（五个问题提取业务规则、固定入口、联动关系、完成标准和权威资料），并给出内容分流表、最小模板、双工具共用一份文件的方案、加载验证方法、修剪维护节奏，以及一段可直接使用的审计提示词。
本文整理了 Matthew Berman 对 OpenAI Codex 工程负责人 Tibo 的访谈。Tibo 谈及 DeepMind 不敢出货的教训、ChatGPT 与 Codex 合并的理由（未来模型需要统一界面与 harness）、下一代模型对超越单机算力的需求、Ultra Fast 的 14 倍速度如何改写人机分工、额度重置的文化意义，以及用模型优化自身推理基础设施的“早期递归自我改进”。核心理念是技术应迁就人的注意力，让个人 AGI 成为理解用户的统一代理。
文章介绍了 Harness Engineering（脚手架工程）这一编码智能体领域的重要趋势。作者以 OpenAI 团队用 Codex 零手写代码交付产品的实验为例，说明开发者的角色从编写逻辑转变为设计智能体运行环境：包括设置严格的沙箱边界、构建自动修复循环、以结构化仓库代替冗长指令。文章用 Google ADK 2.0 和 Antigravity SDK 的代码示例演示了如何实现沙箱限制、测试验证节点、无限循环的 kill switch，以及用图工作流将代理与测试节点连接成自主修复系统。
作者认为用单一提示词或Skill让AI写文章效果不佳，提出应让多个Skill分工协作。文章介绍了6个开源写作Skill：Content Research Writer负责查资料搭大纲、Doc Co-Authoring做协作写作与读者测试、Ghostwriter建立个人风格档案、Copywriting写产品文案、Docs Writing处理技术文档、Humanizer去除AI痕迹。不同写作场景可组合不同Skill流水线，作者建议从自身痛点入手，先做一个环节的Skill即可有效提升写作效率。
