作者零基础（未学过 C# 和 Unity），借助 Codex 和 Cursor 用 AI 开发了一款 Unity 汉堡店经营游戏 Burger Shop 的 Android 原型。游戏采用斜俯视竖屏单指摇杆玩法，包含烤台、取餐、收银、雇员、店铺升级扩建等经营循环。作者采用 AI Native 工作流：自己定方向写规格，AI 写代码和测试，本地 Unity 验证。核心设计理念是让玩家始终觉得下一步就能获得新东西。版本 0.3.0，源码已在 GitHub 公开，这是作者挑战用 AI 开发游戏并盈利的第一步。
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。
文章深度拆解 Lauren（前 Meta/Netflix/Cursor、React Compiler 核心成员）公开的 pstack 开发方法。pstack 不是模型或 IDE，而是运行在 Coding Agent 之上的工程工作系统，核心是 Verification Skill：让 AI 启动真实应用、像用户一样操作、收集截图/日志/性能数据作为证据，失败则自动返工。文章还介绍了 Build the Lever（把重复流程做成工具）、Feature Map（物化记忆）、多 Agent 并行编排等思想，强调先提高单个 Agent 可信度再扩大规模，并理性看待'每月 2000 个 PR'的说法，指出人仍需负责验收标准设计与关键决策。
本文基于 Lenny's Podcast 专访 Grok Bot 产品负责人 Roman Ugarte，复盘 SpaceXAI 旗下 Grok Bot 从第一行代码到爆火只花一个月的过程。核心在于持续做减法：小团队物理隔离以提升决策带宽、拒绝塞进 Cursor 而另起炉灶、全云端运行且每个 bot 拥有独立虚拟机、核心团队手动 onboard 前两三百名用户、不引导用户自行发现 chief of staff 用法、发布前两周专注删除非必要功能，用 launch tweet 判据将「产品有了什么」改为「产品能干什么」。文章最后总结七条方法论，强调护城河是被发现的而非规划出来的。
作者认为市面上动辄上万元的 FDE（Forward Deployed Engineer）培训完全没必要报课，只需学习几个开源项目即可：fdeops 定位为 FDE 第二大脑，可接入 Claude Code、Cursor 等 Agent，让访谈纪要和交付清单可直接被引用；fdestack 将工作流拆成可复用 Skills；openfde 提供本地优先工作区，作为可引用的作战记忆；fde-guide 补充方法论和流程。建议做 ToB 交付、驻场、AI 落地的人按 Skills 管流程、仓库管记忆的思路，先装 fdeops 底座，再按团队技术栈补齐。
00后工科毕业生言溪复盘近五年的职业历程：大学期间通过写脚本参与Web3空投获得第一桶金，也曾因高杠杆合约交过昂贵学费，后拿到头部项目方Offer，最终沉淀为BTC与BNB长期持有者。GPT-3.5发布后转向AI，成为早期Cursor用户，手搓MCP客户端与Agent应用。他选择Gap成为全职Builder与数字游民，在推特践行Build in Public，开源了火星编辑器、Glint等工具并沉淀多个Skill。在厦门结识同频伙伴陈硕，共同发起面向年轻超级个体的社区WE30，未来将持续输出开发过程与AI效率方案。
SpaceXAI 工程师分享如何用 Grok Bot 打造 AI 工程团队：将 Grok Bot 视为能管理编码 agent 的“工程实习生”，通过五个各司其职的工程师 Bot 负责移动端、桌面端、基础设施等领域，配合运营 Bot Jenny 处理 onboarding 与复盘。核心方法包括共享 Notion 数据库突破上下文限制、夜间自动代码审计、P0 紧急流程等，实现同时管理 200+ cloud agent。作者总结了给 agent 完整反馈闭环、减少重复工作、让 Bot 互相编排等实践建议。
作者介绍了 Grok Bot 新上线的 Templates 功能，模板包含机器人所用的技能、记忆和官方插件，可在不含隐私数据的情况下分享工作流。作者分享了多个喜爱的机器人模板：DevRel bot 每天从 X 书签中挑选新工具生成演示；Loops 作为外层工程代理协调 Cursor coding agent；X 算法机器人建议发帖时机与格式；Writing bot 基于写作经典书籍协助文字润色；Personal CRM 自动整理 X 互关好友到 Notion；Image generation bot 通过标准化提示词与调色板生成风格一致的图像资产。
SpaceXAI 工程师 Lingxi Li 分享了用 Grok Bot 构建和管理工程机器人团队的经验。他将 Grok Bot 视为能干的技术实习生，可管理多个编码代理并从工作方式中学习。文章介绍了五个各司其职的工程师机器人（覆盖 iOS、桌面端、Android、基础设施和 Harness），以及负责运营的 Jenny 机器人。通过 Notion 数据库、Cursor 云代理、截图验证等多模态反馈闭环，机器人团队可同时管理 200+ 云代理，自动完成 CI 检查、代码审查和 PR 合并，显著提升团队交付速度和效率。
文章讨论 AI 编码代理的指令文件碎片化问题：Shopify CEO Tobi Lütke 因 Claude Code 只读 CLAUDE.md 而威胁在公司禁用该工具，认为多工具团队需在多个厂商文件间同步规则，导致分裂问题。Anthropic 回应称模型家族并非可互换，指令文件需按模型偏好编写，但同时承认维护负担并承诺支持 AGENTS.md。作者提出解决方案：先在项目根目录建立自有 AGENTS.md 手册，包含规则、命令、工作流、记忆四部分，再让各厂商文件成为薄适配器，通过引用导入。这样规则归项目所有，切换工具时无需重写整个指令层。
作者介绍了其个人工程技能集 pstack，借助 AI Agent 每月发布 2000 个高质量 PR。文章重点讲解验证技能的重要性：让 Agent 能自行验证工作成果、闭环迭代，可将团队产出放大 100-1000 倍。作者分享了如何用 /create-verification-skill 创建验证技能，强调选择易调试的技术栈（如利用 Chrome DevTools Protocol、iOS 模拟器）对 Agent 工作效率的关键影响，并建议为 Agent 构建 CLI 形式的调试工具，使验证可复现、可测试，从而让所有工程师甚至非工程师都能高效贡献代码。
作者基于3年超过2000小时的AI编程经验，分享其截至2026年Q3的完整Agentic Engineering工具配置。包括：界面工具（bb、cmux、Ghostty、Herdr、Corral）；模型与订阅的性价比方案（OpenCode Go、ChatGPT、Claude Code、Cursor等组合，强调订阅优于API计价）；云端Agent趋势（引用Cursor合并PR中云Agent占比从10%升至60%），并推荐自建VPS+Herdr避免生态锁定；以及语音输入提速、Pi Agent等harness工具。核心观点是追求以最少花费获得最多token，并追踪多Agent状态管理。
作者分享了一个高质量的 GPT-Image-2 提示词合集仓库。该仓库将 540+ 张图片拆解为可复用的结构化提示词，从主体、光线、材质、排版等维度分开编写，并为 Agent 提供了 Skill 支持。内容覆盖 UI、海报、电商、摄影、信息图、国风等 20+ 套工业级模板，网页支持预览大图和一键复制完整提示词。采用 Prompt as Code 理念，既方便人类使用，也适配 Claude、Cursor 等 AI 工具。
作者整理了 X 上 21 个值得关注的 Grok Bot 探索者账号。入门推荐先关注 SpaceXAI 官方团队的 3 人：matt palmer（28 分钟入门视频）、lauren（省钱额技巧）、eric zakariasson（多 Bot 团队管理）。随后介绍 7 位官方团队成员，包括社区负责人 Ben Lang 及多位工程师和设计师，关注他们可最早了解产品动向。此外还列出民间探索者如 XFreeze 的指南库、Daniel Ch 的多账号运营案例，以及 Naval、Patrick Collison 等行业大佬对 Grok Bot 的评价。作者主张 Follow builders, not influencers，建议关注真正把 Bot 当同事用的实践者。
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。
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。
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。
作者分享了使用 Grok Bot 搭建小红书内容生产自动化工作流的完整实践。核心思路是组建数字员工小组：总助（马斯克）负责分诊与收口，配合自媒体文案、美工、情报等岗位，云端调用 Gemini/Spark 做重活，本机 Cursor 出证据和截图，发布权始终保留在人手中。文章强调不要建全能 Bot，而是按堵点拆岗、钉死源文/数字/发布三道硬门、用「记下了」逐步追加约定，通过真实稿件跑通闭环。作者认为 Grok Bot 与 Claude/Codex 的本质区别在于节省用户时间、让人真正做老板。
作者对比 xAI Grok Bot、Claude Cowork、ChatGPT、Cursor 和 Gemini 的官方文档，总结 Grok Bot 独有的能力：基于账户级持久云端计算机（真实浏览器、终端、文件管理器），关机后台任务仍可运行；通过屏幕演示（最多10分钟录屏）而非文字描述教会机器人任务并生成可复用技能；技能可跨账户内所有机器人共享，形成复合式技能库；多个机器人可像同事一样在群聊中协作，交接过程全程可见。文章强调这些架构层面的差异使 Grok Bot 超越仅限于聊天窗口的竞品。
Cursor 推出的代码托管平台 Origin 进入早期 Beta 阶段，向 Pro、Teams 和 Enterprise 用户分批开放。Origin 深度集成 Cursor，支持创建仓库、Git 推拉、从 GitHub 镜像同步（PR 双向同步）、代码浏览与搜索、PR 审查合并，并可将云端 Agent 和自动化工具连接到仓库。用户可通过 CLI 安装、登录并操作仓库与 PR，Web UI 类似 GitHub。目前公共仓库、Issues 和 Actions 替代方案尚未完成，更多 Agent 功能与权限管理正在开发中。
文章探讨 xAI 推出的 Grok Bot（拥有独立云电脑的 AI 代理）应该承担哪些工作。作者结合 Matt Palmer 和 Eric Zakariasson 的实际使用案例，将 100 个用例归纳为五种任务形态：重复性工作、多步骤流程、跨网站杂务、定期监控、文档密集型分析。建议从自己最熟悉的无聊任务入手，一次演示让 Bot 形成例程，一个 Bot 只做一个工作，并注意共享登录与持久记忆的安全风险。文章强调应以回报明确、可循环的任务为切入点，而非追求炫技演示。
本文是知乎AI工具（zhihu-cli）的完整教程，涵盖从注册、配置到使用的全过程。文章首先介绍了如何注册知乎数据开放平台账号并获取Access Secret，然后详细说明了通过uv安装CLI、保存密钥、验证配置的步骤。接着，文章重点讲解了zhihu-search（社区封装）和pyzhihu-cli（非官方客户端）两条路线的能力、安装与配置方法，包括Skill和MCP的集成，以及Codex、Claude Code、Cursor等主流AI Agent的接入方式。最后，文章提供了进阶技巧、常见问题解答和组合工作流建议，帮助用户高效利用知乎内容进行AI研究、选题和内容创作。
本文介绍了EARS（Easy Approach to Requirements Syntax）需求语法，用于防止AI在编码时脑补未明确的需求细节。文章指出，AI追问只能解决“说不清”，无法覆盖“没意识到要交代”的漏洞。EARS通过五种模式（Ubiquitous、When、While、Where、If-Then）将需求写成清晰、可测试的句子，并强调一条需求只用一个“应”，避免模糊词汇。通过库存校验和登录校验两个案例，展示了EARS如何将模糊需求转化为可验证的规格。文章还提供了将EARS嵌入工作流的具体步骤，包括使用改写工具、审核、嵌入编码工具和复用规格，最终提升AI协作效率，减少返工。
本文介绍了Cursor开发者体验官马特对Grok Bot的体验。Grok Bot是一个运行在云端虚拟机上的AI代理，拥有电脑访问权限，可以浏览网页、操作应用、访问文件，并具备长期记忆功能。它支持通过自然语言设置规则，具备安全审核机制，能处理登录、支付等需要人工干预的任务。作者分享了使用Grok Bot进行技术探索、内容创作、产品监控、生鲜配送和点餐等场景，认为它简化了界面操作，消除了繁琐工作，代表了AI代理的未来方向。
文章详细介绍了70种将AI融入产品管理流程的进阶实践，涵盖了从上下文管理、PRD撰写、原型设计到用户反馈与团队工作流的方方面面。作者指出，使用先进的AI工具（如Cursor、Claude和MCP）不仅能提升效率，其背后的核心逻辑在于：模块化加载上下文、预先定义成功标准、将倾听用户与产品迭代闭环、将设计决策转化为文件与测试，并像监控产品一样监控系统。
文章介绍了 AI Agent 中 Skill 的概念，区别于一次性 Prompt 和全置 Config，Skill 是可复用的按需加载工作流。通过 SKILL.md 开放标准，可实现跨平台兼容。文章详细阐述了 Skill 的加载机制、类型（用户触发/模型触发），并针对“执行偏差”和“过度冗长”等常见失败模式提出了具体的修复策略，强调从解决问题而非工具出发来构建 Skill。
文章介绍了AI Image Prompts Skill，它通过精选提示词库帮助用户快速生成AI绘图提示词，支持多模型和多场景，大幅提升绘图效率。
作者受够了每次与编码代理沟通时重复上下文，因此开发了AsterMem，一个本地运行的内存服务器。它将记忆存储为Markdown文件，支持离线运行，并自动提炼用户画像供代理读取。用户可完全控制和编辑记忆，避免黑盒问题。
文章讲述了作者作为零基础文科生，通过 15 节“氛围编程”课程，结合 AI 工具完成从需求分析、代码编写、数据库集成到应用部署的全过程。重点介绍了如何利用自然语言驱动开发，以及前端、后端、Git 和 API 接入的核心概念。
文章指出，单纯学习AI工具教程的红利已结束，因为供给爆炸且工具迭代快。真正的红利在于建立个人工作流，将工具融入生产系统并稳定输出结果。作者提出三层剥皮分析，建议戒掉收藏、党派思维等习惯，并通过7天实战将单点技能转化为可复用的SOP流程。
