文章介绍了 Ras Mic 使用 OpenAI 最贵模型 GPT-6 Astra 在半小时内完成 AI 家庭音箱从设计到落地的完整流程：建模、零件估价、Blender 布局、代码编写与 PR 合并。他强调 Codex 订阅对 Astra 的高额补贴（一周用量折合 API 超过 2.4 万美元，实际仅付数百美元订阅费），建议趁补贴窗口用足模型能力。核心观点是：模型智能提升了，但人们的尝试勇气没跟上——与其用 Astra 生成落地页，不如做硬件和更大胆的项目。Greg 将这一趋势称为 vibe manufacturing，预测将涌现大量年入百万美元的小众硬件生意。
本期早报聚焦 Agent 能力落地过程中的工程变量与真实收益。精讲三篇：DeepSeek V4.1 Flash 通过大幅缩减 KV Cache 降低长上下文推理与缓存成本；Magic 用保留集、缩放律和防数据泄漏评测验证预训练配方的十倍效率提升，强调跨规模验证的重要性；Shopify 因编码模型降低双端实现成本，从 React Native 转向 Swift/Kotlin 原生开发，并通过 Helix 流程保证 AI 生成代码的可交付性。速览部分涵盖 Cognition SWE-2 的成本-能力 Pareto 优化、Agentic Harness 工作流框架、Anthropic 网络安全事件对齐复盘、规范驱动开发研究、LinkedIn 企业 Agent 的 Skills 实践与 Bolt CEO 关于原型到生产代码的访谈。
文章介绍了一种零成本的 AI 视频剪辑方案：结合谷歌 Antigravity 和 ChatCut 软件。通过 ChatCut 的对话式剪辑功能，接入自己的 Agent（如 Antigravity 中的 Gemini 3.8 Flash 模型），可以用自然语言指令自动剪辑口播视频，包括去除卡顿语气词、添加字幕和 BGM 等。相比传统剪映手动剪辑，该方案几乎零成本、无需会员，且 token 消耗无忧，大大节省人力成本，剪辑效果流畅自然。
本文介绍 Google 最新的语音转文本模型 Gemini 3.5 Transcribe，重点讲解其实时流式端点 gemini-3.5-transcribe-live 如何通过 WebSocket 以亚秒级延迟实现低延迟语音交互。作者以实时辩论代理为例，展示如何结合 Agent Development Kit (ADK) 构建多智能体流水线：在用户仍在说话时流式获取中间转录结果，经 Gemini 3.7 Flash 做意图过滤，后台并行触发 Google Search grounding 检索证据，最后通过 Cloud Text-to-Speech 生成自然语音回复。该模式支持 85+ 语言，适用于会议实时查证、呼叫中心坐席辅助、交互式语音机器人、直播字幕等场景，消除了传统语音应用的等待延迟。
作者从 TO B 产品经理视角深度拆解 Claude Tag 产品，指出市面仿品多为 TO C 出身团队，只仿其型未仿其神。文章系统介绍了 Claude Tag 的三大产品原语：Space（组织/Workspace/Channel）、Capability（Repositories/Domains/Plugin/Credentials）与 Control（Instruction/Memory/规则），以及 Access Bundle 的组合机制。还分析了数据设计、Memory 树形组织、审计功能（Scheduled Work/Memory/Network Event）等细节，并分享了 70 刀开通成本与计费逻辑变化等使用体验。
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。
作者以创建“AI情报员”为例，从零详解 Grok Bot 的完整使用流程：区分 Grok、Grok Build 与 Grok Bot 的定位，说明其核心在于持久云端电脑而非聊天框；梳理账号资格、登录授权、多平台安装与首次启动的常见坑；讲解如何用狭窄岗位定义创建专岗 Bot，并给出“结果+资料入口+限制+交付物+审批点”的任务公式；强调按证据而非排版验收 AI 产出。最后介绍如何将周报服务从小单验证扩展为面向海外客户的三档定价，最终实现月入 5000 美金。
这是一篇面向零基础读者的实战教程，教读者通过复制三段提示词，让具备本地文件读写能力的 AI（以 Codex 为例）依次创建内容分析、写作、审校三个 Skill，完成一篇文章的素材分析、大纲初稿和审校验收全流程。文章强调'先做出东西，再弄懂原理'，每段提示词后设有操作后检查清单，帮助读者验证 AI 是否真实创建文件、守住事实边界（如虚构案例性质、不把相关性写成因果）。教程把重复性的提示、纠错动作固化为可复用的工作流，实现长期复用，无需手写代码或安装软件。
文章以微博VibeLab AI创意赛（2500多件作品）为切入点，分析了Vibe Coding兴起的五大原因：一是AI Agent大幅降低了编程门槛，写代码从专业技能变成语言表达能力；二是传统软件无法满足个性化长尾需求，现在普通人可以自己动手实现；三是开发链条缩短，从想法到交付只需几步，甚至无需界面产品，一个脚本或Agent Skill即可；四是模型能力持续升级，从Copilot补全到Claude Code自主探索再到操作电脑；五是做工具心态变化，从宏大目标转向解决具体痛点。最后作者给出实用建议：从写Agent Skill起步，分步骤做原型、MVP再迭代，注意验收与安全，并把作品发布出来获得反馈。
文章介绍如何成为一名营销工程师（Marketing Engineer），即用 Agent、连接的数据和业务上下文构建自动化营销系统的人。作者分享了在 Agent 开发环境（ADE，如 Orca）中完成约 70% 营销工作的经验，包括市场研究、活动策划、内容生产和落地页搭建。文章讲解了模型、harness、ADE 等核心概念，提出按营销垂直领域组织工作区的目录结构（知识、工作流、技能、产出、结果），并建议从自己熟悉的一个任务或领域入手，逐步连接研究、简报、生产与结果反馈，形成可持续迭代的营销工作流系统。
作者评测了AI金融平台Minara，指出常见AI Trading工具只给分析建议，而实际交易中的查数据、定策略、回测、执行仍需自己完成。Minara定位为AI-native金融操作系统，接入50+实时金融数据源确保数据可信，支持策略市场、自然语言生成策略回测（含手续费、滑点、Funding建模）、模拟交易与Autopilot自动化监控，覆盖加密货币、股票、黄金外汇市场，帮助新手完成从研究到执行的完整交易流程，实现Run Your Own Wall Street。
作者实测让 ChatGPT 的 Astra（电脑操作 Agent）自动通关游戏《羊了个羊》。在『轻度』模式下，Astra 花约 40 分钟通关，仅用了一次道具，但 5 小时额度耗尽，靠赠送的重置额度才完成。文中总结了 Astra 的工作原理：先做规划，再通过截图识别、OCR、Playwright 等工具分析执行，最后统一思考、批量操作，从而控制成本，这也解释了 OpenAI 采购大量 Mac mini 的原因。作者还提醒并发操作可能触发微信风控，并分享了其 AI 公众号。
作者分享了自己深度学习 Pi Agent 两个月后，将零散的学习心得整理成一本开源蓝皮书的完整过程。文章涵盖整理 98 条学习推文并提炼判断、选择 VitePress 作为技术方案、两轮 UI 返工、创建 GitHub 开源仓库、使用 Cloudflare Pages 部署并绑定域名，以及主动发邮件向 Earendil 获取文章翻译授权的经历。作者提供了可照做的实操步骤，说明即使没有前端经验，也能从材料整理到网站上线的全流程完成一本可公开访问、持续维护的开源知识手册。
作者分享了向非技术背景的亲友推荐 AI 工具的经验：Codex 等海外工具门槛高（需翻墙、外币订阅、谷歌搜索），不适合小白用户。经过调研，作者推荐豆包工作作为国内非技术人员的首选 Agent。文章重点介绍了豆包工作的浏览器录制功能：用户只需在浏览器中演示一遍操作流程（如企查查查公司、腾讯文档报表处理），工具即可自动生成可复用、可编辑的 Skill，之后通过对话直接调用，无需写代码或提示词。此外还介绍了任务在云端与本地环境的灵活切换、悬浮窗截图提问、Office 办公友好功能等。作者认为好的 Agent 不应要求律师或财务学 Python，'录制即技能'的设计才是能普及大众的 AI 方向。
作者因市面上的备忘录、Todo List 和日历软件难以满足需求，打造了一个 AI native 的日程任务管理工具，集成在 Loci 中。左边是任务（分逾期、今天、待办、已完成四种状态，支持拖拽），右边是日程（任务可直接拖入变为日程事件）。支持自然语言让 AI 增删改任务，也支持手动添加字段。还提供截止时间提醒、提前提醒和周期性长期提醒功能，通过 HTTPS 和 Tailscale 实现手机推送。项目已开源在 GitHub，可接入任意 Agent 使用，也可独立使用 Dashboard。
作者体验字节跳动的豆包工作后，认为其远超预期。文章详细介绍了豆包工作的几大亮点：覆盖金融、法律、电商等行业的内置Skill生态与连接器（企业微信、钉钉、腾讯会议等）；全局划词翻译与解释功能；本地Office集成，可直接在PPT、Excel中与AI协作编辑；浏览器录制与回放功能可将企业重复工作流沉淀为专属技能；以及手机、电脑、云电脑之间的多端切换能力。作者认为字节太懂国内用户，国内下一波AI赚钱风口在于帮企业搭建工作流、做培训和落地服务。
文章介绍了在WorkBuddy中使用Remotion Skill通过代码生成动画视频的方法。其原理是编写网页代码作为每一帧画面，由无头浏览器逐帧截图，再用ffmpeg合成MP4视频。作者演示了从安装Remotion Skill、输入提示词生成咖啡广告动画、调整画面，到为视频添加BGM和TTS真人感配音的完整流程。配音部分可接入火山引擎豆包语音合成等第三方API服务。文章强调这种方式仅消耗token，适合科普、教育、产品演示等场景，不适用于AI短剧或真人特效视频。
文章介绍了 6 个为 Pi（Agent 工作台）扩展能力的开源项目：pi-subagents 支持多 AI 分工协作；pi-interactive-shell 让 AI 管理可见终端并随时人工接管；pi-model-switch 按任务难度自动切换模型；pi-autoresearch 让 AI 持续迭代优化代码；pi-code 适合已有 Claude Code 规则和工具积累的用户；monopi 则是一体化方案，包含任务管理、后台任务和子 Agent 系统，适合从零开始的用户。
本文是一篇实操教程，作者详细讲解了如何用 Grok Bot 搭建一人公司的 Bot 团队。通过个人网站从想法到上线的完整案例，阐述了 Bot 的配置方法：先为一个 Bot 设定长期系统简介和职责边界，安排第一个任务进行设计探索；当出现值得长期单独负责的工作岗位时再新增 Bot（如专职动效的 Motion God、负责工程上线的 Devbot、负责 Figma 生产的 Figma Bro）；当多个 Bot 需协作时建立群聊，做好交接资料整理和分工规范。文章总结了 Bot 简介写长期职责、任务放聊天里、重复工作流沉淀为 skill 等核心心法，帮助读者按自己的工作流搭建 Bot 团队。
Images 2.5 刚发布，作者推荐了六个 GitHub 项目帮助快速掌握生图提示词：awesome-gpt-image-2 提供 530+ 工业级案例与模板；GPT-Image2-Skill 支持将提示词库接入 Agent 与 CLI 工作流；另有收录 2000+ 提示词的大图库、中文结构化提示词仓库 gpt4o-image-prompts、可搜索的万条提示词 Agent Skill，以及跨模型（GPT Image、Nano Banana、豆包、FLUX 等）中文提示词对照清单。建议以这些仓库为参考图库，替换主体、场景、文字和比例，比堆抽象形容词更容易得到稳定结果。
本文是对 OpenAI Codex 团队负责人 Tibo Sottiaux 的深度访谈编译。访谈回顾了 Codex 从内部研究项目成长为热门 AI 编码工具的历程，详解三个反直觉决策：用 Rust 编写、全面开源、模型无关。核心洞察包括“harness 永远领先模型一点”的拐杖理论，以及 AI 重写软件开发生命周期：代码评审自动化、维护成本坍塌、意图讨论成为人类评审核心。还介绍了 Codex 与 ChatGPT 合并的架构工程、未来混合执行环境，以及 Tibo 对工程师职业发展的建议。
本文探讨软件工程师如何转型为AI工程师。作者指出AI工程师日常工作中约80%仍是传统软件工程，核心是将现有AI模型（如GPT、Claude）集成到真实产品中。软件工程师已具备编程、API、数据库、系统设计等基础，只需补齐六大AI专项技能：理解LLM工作原理、调用LLM API、保证输出可靠性（提示工程与结构化输出）、掌握RAG与向量数据库、学习编排与Agent、以及LLMOps生产化运维。作者建议通过构建作品集、在团队中主动承担AI功能、使用AI工具提升效率来加速转型，强调转型并非抛弃既有技能，而是在其上叠加AI层。
作者金尘马分享了一个实用方案：通过 Hermes 为微信单独配置一个专用 Agent，在微信聊天框发送文字即可自动保存到 Obsidian 笔记库，并同步到 GitHub。文章详细介绍了准备工作、Agent 规则配置、微信 ClawBot 连接步骤，并提供了一套完整的一键配置提示词，可交给 Codex 或 WorkBuddy 自动完成配置。整个方案成本低、操作简单，大幅降低了随手记录的摩擦。
本文是 pstack 指南的第二部分，探讨如何利用 pstack 进行调研、规划、原型设计和架构。作者强调验证是基础，但之后需明确构建目标。文章介绍了间接提示、/teach、/how、/why、/recall 等技巧，帮助代理理解意图和上下文，并指出历史记录是丰富上下文的金矿。最后讨论如何指定解决方案，避免过度指定实现细节。
本期早报精讲三篇文章：架构师 Agent 如何通过领域知识结构解决存量系统中的工程判断问题；Anthropic 经济情景探索器从任务视角分析 AI 对就业和增长的多情景影响；RLM 递归语言模型将长上下文转化为可执行状态，提升复杂任务准确率。速览涵盖 Agent 断点续传、OpenAI 数学争议、Codex 访谈、AI 编程成本、ADK for Kotlin、机器人触觉及 Kimi K3 流式加载等话题。
本文由 Zach Lloyd 撰写，详细介绍了 Warp Factories 的软件工厂基础设施栈设计。该栈基于开放、可组合、代码定义的原则，分为五层：Factories-as-code（工厂即代码）、Data and context（数据与上下文）、Compute（计算）、Inference（推理）和 Improvement（改进）。文章逐层阐述了各层的核心组件与设计理念，强调版本化、可测试、可回滚的工厂定义，以及支持多模型、多代理、自托管和持续改进的基础设施，旨在帮助团队向工厂模式转型。
文章探讨如何在不训练模型的前提下，让编码智能体在后续任务中持续变好。作者将编码智能体拆解为“冻结模型 + harness 程序”，并以 Pi 和 Hermes 为例说明通用 harness 的循环结构：组装提示、调用工具、追加结果、压缩上下文。核心观点是，真正带来“自进化”的并非内层循环本身，而是引入第二个写入者——在回合结束后或任务进行中，由额外代理将经验写入 MEMORY.md、SKILL.md 或四类存储，使下一个上下文窗口能加载这些持久化知识。Hermes 通过 fork 代理定期写记忆与技能，Prime Agent 则用 /refine 从轨迹中做最小可回滚编辑。两者都保留不可变基础提示，只改变下一窗口内容。
作者体验了个人AI助手Today，它定位为个人生活连续性管家，能整合日历、健康数据等，主动提供晨间简报和日程调整建议。文章通过三个真实场景展示了Today的贴心之处：临时变动时自动重排日程、睡眠不足时减少打扰、记忆可编辑可删除。作者认为Today与工作Agent不同，更像生活管家，并建议采用阶梯信任逐步开放权限。
作者体验了齐俊元创业项目 Today AI 几天，分享使用感受。Today AI 能主动推送 OpenAI 资讯、帮助运营 X 账号（涨粉统计、热点抓取、起草推文），记忆能力达85分以上，还有亲密度设计。作者对比了 Hermes Agent，认为 Today 更像贾维斯，主动且有分寸。最后提出未来 AI 助理的三个关键：分寸感、理解用户、信任。文章大纲和初稿由作者与 Today 共同完成。
文章探讨了 LLM 与 Harness（智能体外壳）之间的动态博弈。作者回顾了工具编排的四代演进：从 Function Calling、Tool Search、Code Mode 到 Model-native Code Execution。以 OpenCode 2 接入 GPT-6 Astra 后模型绕过定制解释层、直接写原生 Python 为例，指出前沿模型已将编程能力内化为默认行动策略，强行约束是逆着模型行事。架构思路因此从编排层变薄、控制层变厚迁移：权限拦截、可观测性、状态管理等责任转移至外部系统。作者还分析 Harness 难以自进化的原因——缺乏廉价反馈与客观评估标准。结论是 Harness 设计须保持动态滑动边界，模型已内化的能力果断让渡，控制面继续完善。
