文章阐述了 Grok Bot 带来的人机协作范式转变：从编写提示词到定义岗位，从回答问题到交付可验收的结果，从人工在软件间搬运信息到 Bot 在云电脑上跨工具自主执行。作者对比了 Grok Bot、Codex、Claude Code 和 Hermes Agent 的职责分工：代码仓库工作优先编码 Agent，跨网站和业务应用的持续任务适合 Grok Bot，追求自主部署可选 Hermes。文章详细讲解了 Grok Bot 的安装注册流程、账户结构（共享云电脑、多个不同岗位的 Bot、Skill 与 Routine），并强调权限边界管理——Bot 分岗不等于安全隔离，高风险动作需人工审批。最后引导读者动手创建一个 AI 情报日报 Bot，学会管理数字员工。
作者实测Claude Fable 5.1新模型，发现其在长时间Agent任务、浏览器自动化和电脑自动化方面显著提升，达到甚至超越Codex GPT 5.6的水准。缓存读取成本下降75%。作者用一句话提示语让模型完成goodcase.ai网站的UI批量优化、提示语分类系统和热度衰减算法更新。还基于杜威十进分类法、分面分类、洛克索引法、瓦尔堡好邻居法则和卢曼卡片盒笔记法等五个理论，让Fable 5.1制作了文件整理skill（carl-file-organizer）。通过3D版愤怒的小鸟游戏测试，Fable 5.1完成度高于GPT 5.6 Sol，包含4种鸟和8个关卡，物理反馈细致。但写作能力相比Opus 4.6有所退步。
文章指出AI生产力已远超大多数人的落地能力，技术跑通不代表成果真正完成。作者提出用UX思维（进入→理解→行动→反馈→验证）构建交付闭环，并分别应用到AI工程、Artifact、网页、App和写作五个场景：AI工程要从执行成功走到任务完成；Artifact要拿来就能用；网页每屏推动一次理解；App要设计状态与后果；写作要有读者路径。最后给出交付前的UX最小闭环五步法和判断标准：用户能否在无解释的情况下独立完成任务。
文章深度解读 Anthropic 发布的《AI 原生 SDLC 手册》。作者指出核心问题在于流程而非代码：AI 写代码速度大幅提升，但审批、评审、治理等环节仍按人的速度运转，效率在流程中被消耗掉。AI 原生 SDLC 的思路是保留原有控制目标、更换执行方式，包含三个机制：流程从线性变为循环、每个阶段以提交一个产物结束（intent.md、spec.md、plan.md 等）、人的注意力集中在审批门上。文章逐一梳理了计划、设计、构建、测试、部署、维护六个阶段的具体做法，包括 plan mode、CLAUDE.md、skill、hook 护栏、并行会话、eval 持续评估、PR 评审和托管设置等，最后通过监控指标驱动的闭环实现自主运行。
文章探讨 AI 做设计时“形似神不似”的问题，指出症结在于设计背后的“为什么”没有被写进 AI 可读的上下文。作者拆解了多家硅谷大厂的实践：Vercel 通过 200 多轮评估循环筛选规则，用 design.md 使视觉错误减少 57%；Google 开源了 Stitch 的 DESIGN.md 规范；Atlassian 实测发现 DESIGN.md 适合原型和定制场景，生产环境用 MCP 更省更准；Anthropic 的 Claude Design 则反向从代码库自动提取设计系统。社区还把 60+ 大厂风格反向工程成 design.md。文章认为设计系统正被 AI 重写，并给出五条落地建议。
文章系统梳理了人工智能从1950年代至今的发展历程：萌芽探索期（图灵之问与达特茅斯会议）、知识驱动期（符号主义与专家系统）、统计学习期（机器学习与特征工程）、深度学习突破期（AlexNet与神经网络）、大模型时代（Transformer、GPT-3、ChatGPT与多模态）。作者指出AI处理信息的方式从人类编写规则，到机器从数据中学习，再到模型理解目标并自主完成任务。未来AI将从大模型走向智能体（Agent），能够拆解任务、制定计划、调用工具，实现从被动响应到自主行动的转变。
文章以“赛博修仙”为比喻，剖析AI一人公司（OPC）的生存困境：多数技术强者因擅长交付却死于获客，在现金流耗尽前倒闭。作者提出“驭灵宗”生态构想，将Agent视为“灵”，通过“任务堂”对接内外部商机并拆解分发任务。外门任务门槛低、周期短，用于养命；内门任务高客单价、长周期，用于养道。升阶不看虚名，只看交付履约率、客户复购率、灵体进化度和复杂作战力。作者强调入宗不是放弃自由，超级个体仍保有独立身份，宗门提供商机入口与互助网络，帮助一人公司活过半年生死劫。
本文是 xAI 于 2026 年 8 月推出的 Grok Bot 的万字入门教程。作者把每个 Bot 视作一名长期在岗的数字员工，介绍了 Grok Bot 与 Codex、Claude Code 等工具的区别：它从长期岗位而非单次对话出发，围绕跨软件任务、云电脑、连接器和多 Agent 协作组织工作。文章从创建第一名数字员工开始，讲解如何撰写岗位说明、派发明确结果的任务，并覆盖五大核心组件：Bot、Skill、定时任务、群聊和连接器。最后以电商公司为例，演示搭建包含经营值班员、内容增长专员、库存分析员等岗位的数字员工团队，强调权限边界与人工审批的重要性。
文章阐述了Agent-First（AI原生）公司的构建方法，区分了AI-enabled与AI-native两种模式：前者AI仅辅助人类，后者由智能体持久拥有工作流，人类只负责判断、策略与异常处理。作者通过Raft工作区围绕一个真实的macOS产品验证了该模型，介绍了常驻支持智能体和社区反馈闭环两个核心场景，强调持久角色、持久交接、明确边界、可见工作与人类审核关口五大要素，并给出包含规范频道、参谋长智能体、专家智能体等组件的五天搭建指南。
本文面向工程负责人，讲解如何为产品构建 AI Agent 并部署到三个渠道：产品内聊天界面、作为 Claude/ChatGPT 的连接器、以及 Slack 工作区。作者提出 v0 Agent 由模型、工具和指令三部分组成，并强调应自己掌控 Agent 编排而非简单暴露 API。随后介绍 v1 的改进：会话连续性、上下文精简、接入产品知识库、用户学习与历史会话搜索。最后通过 Agno 的 AgentOS 将 Agent 封装为 REST API 产品，支持流式输出、会话管理、数据隔离与后台执行，帮助产品解锁新的分发和收入机会。
Augment Code 的两名工程师组成的 Cosmos Advisor 团队因产品反馈量激增（每周约 30 条），处理反馈占据团队约 90% 时间，路线图近乎停滞。团队没有选择扩招，而是基于 Cosmos 构建了 Feedback Triager 智能体，负责跟踪每条 Slack 反报的完整生命周期：收集证据、根因分析（RCA）、回答问题、路由反馈、创建工单，并在修复方案明确时交给 PR Author 智能体实现修复。整个流程由 Feedback Triager、PR Author、代码审查、验证器等多个专家智能体协作，形成软件工厂，人类保留产品判断与优先级决策，智能体承担重复性调查与执行。最终小团队既能快速响应客户，又不让路线图沦为支持队列。
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。
Google 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型上推出 agentic video understanding（智能体式视频理解）功能。该功能让模型主动决定观看内容、速度和模态（画面、音频或字幕），动态检索和检查视频片段，而非按固定帧率静态处理。基准测试显示，成本最高降低 66%，token 消耗最高降低 88%，准确率提升最高 7%，在长视频分析中优势尤为明显。新能力包括亚秒级片段检索、长视频大海捞针式搜索、异常检测和精确计数等。该功能已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放，未来将集成到 Gemini 应用和 YouTube 的 Ask YouTube 功能中。
2026年9月1日，Anthropic 发布最强模型 Claude Fable 5.1（Mythos 级，100 万 token 上下文），其超过 27 万字符的系统提示在数小时内被泄露，同时 Anthropic 也自行公开了官方版本。作者分析这份'产品宪法'：它规定了模型的记忆、搜索、拒绝与渲染规则，但批评其安全条款出现'类别坍塌'——将儿童保护与版权角色绘制（如索尼克、好饿的毛毛虫）混入同一套拒绝机制，将健康成年人当作病人般谨慎对待，记忆隐私规则过度臃肿。作者认为这体现了 Anthropic 以责任管理取代真正安全的倾向，导致模型输出平庸、过度拒绝。
Ramp Labs 介绍了一套将 Agent 运行轨迹转化为语义层的流水线，用于实现 AI 支出到 ROI 的归因。系统首先将相互关联的多个 session 重建为完整的 agent run，再由抽取模型将 run 拆分为具有独立目标和结果的工作项（work item），并关联模型花费、团队、仓库等信息。基于内部编码 agent Inspect，三周内分析了约 20 万次运行、识别约 25 万个工作项，使公司能够从'AI 花了多少钱'进阶到'AI 产出了什么、回报如何'的评估。
文章系统梳理了 Anthropic Agent Skills 的来龙去脉与设计哲学。Skill 源于'过程性知识放哪儿'的问题，以文件夹加 SKILL.md 的极简形式，通过渐进式披露机制节省上下文成本，并在开放标准化后迅速被 Gemini CLI、GitHub Copilot 等广泛采纳。作者结合自身实践总结出核心判据：写可执行的判据而非感受、先写'不要做什么'、职责窄到一句话、把做不到的写进合同，并借鉴 Warp 的自我改进实践，探讨了 skill 基于人类反馈持续进化的工程化路径。
本文介绍了使用 Hermes 的 Bot Mode 功能，通过创建多个 Profile 作为独立的 Bot，并利用 Kanban 任务板进行协作，快速组建一个包含开发、审查、测试三个角色的 AI 开发团队。文章详细说明了如何创建 Profile、编写 SOUL.md 文件来定义角色，以及如何通过任务板进行任务编排和协作。作者通过一个网页版贪吃蛇游戏的实战案例，展示了多 Agent 协作的流程和效果，并讨论了这种协作模式带来的体验变化和未来 Agent 的发展方向。
本文由Parallel Web Systems撰写，旨在指导开发者如何有效评估AI系统中的网络搜索API。文章首先区分了搜索、提取和任务三种相关功能，并强调评估应基于最终答案而非中间输出。作者建议构建可靠的金标准数据集，避免过度依赖公共基准，并设置控制变量的测试环境。同时，文章讨论了搜索模式（如fast与advanced）的选择、模型与搜索配置的匹配，以及使用LLM作为评判者的评分方法。最后，作者提供了Parallel Search API的最佳实践，包括使用objective字段和限制搜索预算等。
本文深入解读了 Anthropic 发布的关于 Warp 构建自进化 Agent 的博客。Warp 通过双 Skill 循环（Base Skill 和 Improver Skill）实现 Agent 的自我改进，将人类反馈转化为对 Skill 文件的修改，并通过 Git 工作流进行管理。文章区分了 Skill 与 Memory 的不同，指出 Skill 是程序性知识，而 Memory 是事实记录。同时，文章探讨了 Skill 自进化的边界，对比了 Skill（软约束）与 Harness（硬约束）在 Agent 进化中的不同作用，并提出了 Agent 可进化内容的三层模型：Memory、Skill、Harness。最后，作者总结了 Warp 团队关于编写 Skill 的几条实用经验，并强调了这种轻量级自进化机制的工程价值。
作者通过同一 Hermes Agent、同一数据目录和任务，对 DeepSeek V4 Flash、GLM-5.3-Flash、Gemini 3.7 Flash 和 GPT-5.6 Sol 四个模型进行单页计算与画图任务的基准测试。结果显示，Flash 模型已能胜任此类任务，其中 DeepSeek V4 Flash 用时最短且成本最低，GPT-5.6 Sol 虽稳定但价格高一个数量级。作者建议默认使用 Flash，将 Sol 作为备选，并强调测试的局限性与诚实声明。
本文介绍了规范驱动开发（SDD）工作流，旨在解决 AI 编程中常见的“左右脑互搏”问题。作者分析了问题根源，包括上下文注意力衰减、历史决策丢失和缺乏统一规则，并提出了 SDD 的解决方案。文章详细阐述了 SDD 的核心概念、最简开发流程、规范分类与管理方法，并推荐了开源的 agents-spec Skill 工具，帮助开发者自动化规范审计和目录治理，提升 AI 编码效率。
作者分享如何用豆包工作在飞书上搭建个人 LLM-Wiki 知识库：先让豆包工作根据 Karpathy 的 LLM Wiki 方法论在飞书中初始化知识空间（原始资料、词条、索引、更新日志四大节点），再批量将文章、提示词教程等素材入库，自动建资料卡、提词条、补双链、更新索引。随后设计了 LLM Wiki 运维 Skill，包含 Ingest、Query、Lint、词条管理、索引日志维护五大功能，任何新对话 @ 一下即可操作。配合定时任务和云电脑每天自动拉取 AI 日报入库，存入的提示词方法论可直接调用来生成视频、做网站。整套 Skill 已开源。
本文介绍了如何用AI办公Agent工具WorkBuddy优化中小企业采购内勤的五大工作流：一是通过OCR识别和提示词自动录入送货单、对账单等单据到采购台账；二是从微信、邮件等零散供应商消息中过滤闲聊，生成跟单待办清单；三是快速生成采购订单、询价单等标准文书模板；四是自动汇总月度采购数据，统计供应商金额、到货率等关键指标；五是整理供应商资质、报价资料，生成信息卡片便于查阅。文章针对每个工作流给出痛点分析和可直接使用的提示词模板，并推荐配套Skill。
本文是 Hermes Desktop 大师课第六部分，介绍 Bot Mode 如何让多个 Profile 化身协作的 AI 团队。作者澄清：Bot 不是 Profile 的副本或子代理，而是 Profile 在协作层中的持久身份，一个 Profile 对应一个 Bot 身份。Bot 继承 Profile 的记忆、SOUL 指令、Skills、MCP 服务器、凭证和会话等环境。每个 Bot 拥有持久的 Bot Chat 规范会话，是协作协议的核心。Bot Mode 还支持跨多个 Gateway（本地、SSH、云）构建统一的花名册，使一台桌面可管理分布在不同机器上的专家代理，将 Hermes Desktop 变成代理舰队的操作控制台。
本文是 Hermes Desktop 系列教程第五部分，聚焦远程连接架构。作者阐述了'屏幕不是 Agent'的核心理念：Desktop 仅是本地 UI 层（Electron + React），而 Hermes 运行时可在远程主机上执行任务、访问文件与工具。文章介绍了通过 Settings → Gateways 管理连接的机制，以及四种连接方式：本地、远程网关、SSH 和 Hermes Cloud。最后提出清晰的分层心智模型：Gateway 决定 Hermes 在哪里运行，Profile 决定 Agent 是谁，Session 决定当前在做什么，让多机 Desktop 架构更易理解。
本文是 Hermes Desktop 系列教程第四部分，介绍 Profiles（配置档案）机制。Profile 是拥有独立 Hermes home 的持久化环境，包含独立配置、SOUL.md、会话、记忆、技能、MCP、模型默认值等。文章厘清了 Session（做什么工作）、Project（在哪工作）、Profile（用哪个 Hermes 环境工作）三层概念的区别，并说明 Profile 才是会话与记忆的持久化边界，而非 UI 装饰。不同 Profile 可积累不同记忆与技能，连接不同 MCP 工具宇宙，设置不同模型与安全默认值，从而实现能力隔离与专业化。
作者分享了团队从通过 Discord 消息平台与 AI Agent 交互，转向使用 OpenClaw 多人协作 WebUI 的实践经验。Discord 虽然方便，但本质仍是聊天工具，缺乏共享工作上下文的能力。新的多人 WebUI 让多名开发者可以同时打开同一会话，实时查看、补充上下文、接管任务，会话本身就成为项目交接文档，无需拷贝粘贴。文章还介绍了通过 Cloudflare Tunnel 与 Access（GitHub 登录）安全暴露本地 Gateway 的架构，并强调这是受信任团队的协作机制，而非多租户隔离。
作者基于7年产品经理经验，分享了如何利用 Codex 和自制的 PM-Skill 2.0（21个Skill，GitHub 1000+ star）跑通产品经理全流程工作。文章演示了从需求调研、竞品分析、网站转原型、PRD撰写、多角色评审、埋点设计到发布站点的完整链路，全程在 Codex 内完成。上线后还可用 pm-analytics 做数据分析、pm-experiment-designer 做实验设计、pm-postmortem-writer 做复盘。作者认为垂类 Agent 本质是通用 Agent 加上特定工作流，通用 Agent 配合 Skill 组装即可定制出特定职业的工作台，开发也可借此给自己配个产品经理。
本文整理自宝玉在腾讯的内部分享，围绕 AI 原生思维展开两部分内容：一是 AI 产品方法论，以他自制三年的字幕翻译 App BaoCut 为案例，系统讲解找需求、判边界、最小验证、重设计与落地交付的完整过程。他提出判断 AI 需求的三问（痛点、用户、能力边界）、AI 产品的三条边界（能力、成本、价值），以及'产品三问'等实操规则；二是探讨个体如何与 AI 共同进化，提出'像训练大模型一样训练自己'，通过建立反馈循环、费曼学习法持续进化，并敢于推翻旧认知。文章还总结了让 Agent 操作擅长格式、给规范不给模板、把 App 做成 Agent 插件等设计准则，兼具产品思维与个人成长视角。
文章介绍 WebMCP——一项由 Google 和 Microsoft 发起、正在 W3C 社区组推进的实验性 Web 标准提案。WebMCP 让网站在 UI 之外向 AI Agent 暴露标准化工具接口，与传统的 computer use 或 Playwright 模拟点击方式不同，Agent 可以获得专为机器设计的操作集合。相比普通 MCP，WebMCP 具有两大优势：一是工具随网页自动被发现，无需预先配置集成；二是 Agent 与用户共享同一浏览器会话，可协作编辑、留言，无需后端支持。文章展示了在 ChatGPT 桌面端内置浏览器和云端浏览器中的支持情况，提供了 JavaScript 注册工具的代码示例，并宣布了 WebMCP Challenge 开发者挑战赛。
