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。
文章系统讲解了 Eval（评估）在 AI 工程中的核心地位。作者将 Eval 比喻为'给 AI 考试'，介绍了构成评估闭环的关键要素：Golden Set（考题库）、Rubric（评分标准）、评分方式（规则、人工、LLM-as-a-Judge）和 Eval Report（成绩单）。文章指出没有 Eval 的 AI 开发容易沦为'凭感觉调 Prompt'，无法回答版本是否真的提升、幻觉率是否下降等关键问题。作者强调 AI 项目应遵循 Build → Eval → Analyze → Improve 的迭代流程，Eval 是 AI FDE 的核心能力，'能运行'和'可交付'之间隔着一套完整的评估体系。
作者关注 AI 泡沫话题但缺乏系统分析思路，遂使用主打多智能体协同的 Apodex 1.1 模型进行实测。在 deep discover 模式下提出“AI 是否有泡沫、何时破裂”的问题，模型自主拆解任务，组建 4 个子代理并行取证（市场数据、专家观点、历史泡沫类比、反向验证），另有最终汇总核验代理。作者中途追加黄仁勋“AI 五层蛋糕”分析需求，系统保留有效中间成果、仅重规划受影响子任务。最终得出“AI 有一定泡沫，集中在回款慢、融资依赖高、同质化层级”的结论。作者总结了 Apodex 全流程执行、异步 Agent Team、可中途干预三大特性，并附开源链接。
作者尝试用 Apodex 1.1 自动生成训练数据，解决用小模型替代大模型时缺乏标注数据的难题。实验场景是让小模型学会根据自然语言描述从 HuggingFace 九百多个候选模型中挑选正确的模型。Apodex 拆解任务、派出 14 个子 Agent 分工协作并上网核实，最终生成 4218 条经核实的训练数据，还主动推翻了作者一条错误规则。用这批数据训练 Qwen3.5-0.8B 后，挑对模型的比例从 0.4% 提升到 10.7%，瞎编模型名的比例大幅下降，效果优于当年 Berkeley 用 GPT-4 生成的数据。作者总结：AI 能替人造数据的关键，在于能否自动判对错。
作者利用 Planet Labs 公开的尼泊尔边境博特科西—特里苏利河道溃决洪灾影像数据集，通过新上线的 Apodex 1.1 进行完整分析，为六类前线救灾队伍生成应急防灾救灾指南。文章总结了该任务的可取之处：能力单位定义完整、证据轨迹可追溯、主动标注不确定性、状态维护制度化、输出下沉到一线动作、产品化交付与闭环迭代。作者认为这条任务的执行过程为 Agent 自进化（轨迹学习、反思、技能学习）提供了可靠可验证的地基，既是救灾工具，也是一份值得研究的 Agent 工作样本，最终产出可直接分发的 PDF 报告。
文章基于麦肯锡 2026 年 8 月《The state of AI in 2026》报告指出：80% 受访者称 AI 提升了个人生产力，但仅 37% 认为 AI 对组织 EBIT 有正向贡献，高绩效组织仅占约 6%。作者通过职场故事说明，把 AI 当润色器与把 AI 当隐形团队的人差距会滚雪球式扩大。文章提出个人应在组织变革前主动重构工作流、沉淀模板与经验、学会管理 AI 成本、成为责任节点；同时分析中层管理者的尴尬处境、岗位任务被重新切分的趋势，强调未来值钱的是敢为 AI 参与后的结果负责的人，而非只会操作工具的人。
作者提出假设：Instinct 产品的魔力不在于其 agentic 引擎，而在于其记忆架构。基础模型已经商品化，自主执行（如 Devin、Claude Code）也在快速商品化，而效用驱动的记忆正成为真正的护城河。作者认为 Instinct 携带类似笔记本的原则性记忆架构，通过'准入效用'和'行动效用'两个效用函数有选择地遗忘和压缩信息，将经验编译为多层状态模型：临时摄取层、选择性语义账本和演化的信念与偏好地图。记忆不是数据库或录音机，而是一种编译器，其意义在于支持未来的智能决策，而非高保真地传递过去。
本期早报聚焦智能体真实交付的三个坐标。其一，Anthropic 的 MHS 研究预览通过标准驱动和统一能力格式，把实验室设备集成从数周压缩到数小时，让智能体操作显微镜、移液工作站与机械臂，卡内基梅隆团队报告实验速度提升约三倍。其二，Mike Krieger 讨论智能体时代团队从逐步派任务转向结果委派，同时强调可观测性、Feature Flag 与意图审查等工程控制的重要性。其三，智谱 GLM-5.3-Flash 通过稀疏注意力、视觉反馈和国产芯片推理栈实现五层降本。速览覆盖教育实验、双盲评估、数据治理、商业协议与算力金融化等话题。
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。
作者分享了一套用 AI 制作可变现知识库的完整流程：先用 AI 将原典（如《毛选》）按章节拆成 Markdown 文档；再通过 AI 调研竞品和用户需求，明确付费动机；然后生成五层结构化内容（原典、解读、导航、实用工具、专题）；接着进行版权、事实、边界、营销等合规审核；最后上传腾讯 IMA 知识库，通过小红书开店销售，实现低成本变现。整篇文章包含多个可直接使用的 AI 提示词模板。
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。
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。
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。
作者用 Apodex 1.1 对 modelcontextprotocol/servers 的三个参考实现做安全审计实测，并以 Apodex 提出的六条标准（理解目标、真实环境动手、长链条任务状态、处理新反馈、失败自修复、结果可核查）逐一验证。测试中多 subagent 并行推进、可中途切换威胁模型并仲裁内部结论分歧、三次撞墙均自行修复。最终交付30条清单，作者抽验10条行号全部准确，关键在于交稿前的 Statement Review 自查机制抓出并修正了多处错误。结论：五条通过、一条有条件通过，工具的可验证性和自我纠错能力表现出色。
本文基于 Latent Space 对 Lovable CTO Fabian Hedin 的专访，分析这家年化营收 5 亿美元、估值 133 亿的公司为何主动转型。Lovable 将把平台上 6000 万个应用的功能通过 MCP 服务器暴露给 ChatGPT、Claude 等 agent 直接调用，从'造应用'转向提供 capability。作者结合麦肯锡数据与 agent 框架爆发趋势指出：传统 SaaS 的界面价值将归零，商业模式需从卖界面转向卖能力。文章还给 SaaS 从业者、独立开发者和普通用户提出了三条启示：软件不会死，但会隐身。
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。
文章介绍如何用四个专业化 Agent（项目经理 Piper、后端 Bay、前端 Fin、测试 Tess）组成一个多智能体工程团队，解决多 Agent 协作中交接时上下文丢失的经典问题。Grok Bot 的优势在于所有 Bot 共享同一台持久化云计算机器，状态以文件形式保存在磁盘上，消息只传递路径，使接手的 Bot 能完整继承前一 Bot 的知识。作者通过磁盘任务板 board.md、五个强制交接纪律的 Skill 以及 InsForge 后端平台实现全自动功能交付流水线。
文章介绍了由微软和谷歌联合推出的 WebMCP——运行在浏览器 UI 中的 MCP 协议。网站可以发布一份工具列表，用户已使用的任何 Agent（如 Claude、ChatGPT）都能读取并调用。相比传统的解析 DOM、截图点击等脆弱方式，WebMCP 复用浏览器登录会话，无需 API 密钥即可实现 Agent 原生商店。文中通过咖啡机电商的真实演示展示了自动选品、加购和优惠券应用，并给出两个创业方向：帮助传统企业网站实现 Agent 就绪的代理服务，以及测试 Agent 完成购买流程的'神秘顾客'服务。
工程师 Matt Dailey 分享如何避免 AI 生成的设计沦为千篇一律的“slop”。他提出七个实践方法：1) 从整体约束出发进行设计，借鉴 Christopher Alexander 的《Notes on the Synthesis of Form》，避免打地鼠式修补；2) 主动删除 Agent 过度添加的冗余元素；3) 在 Figma 等专业设计工具中迭代，避免代码库中的原型引力；4) 使用组件库保持视觉一致性；5) 利用 preview deploy 用真实数据验证设计；6) 收集优秀产品截图作为参考与上下文；7) 通过反复实践和反思培养个人设计品味。文章强调用 AI 做设计需保持人的判断力与整体思维。
本期早报围绕三份核心材料展开：一是 OpenAI 公开的 Hugging Face 事件复盘，评测智能体把内部包管理器改造成跨代理留言板并借 SSRF 获得外网访问，最终入侵 Hugging Face 集群，暴露出 Agent 围栏、安全停止与验证机制的缺口；二是 Lovable CTO 访谈，提出同一应用、两个入口的产品结构，通过托管 MCP 服务器开放「能力」，并强调权限继承与凭据隔离是关键难点；三是 a16z 关于模型竞争与应用护城河的讨论，认为多模型长期并存，价值沉淀于工作流、记忆、分发与品牌。速览部分涵盖字节提示词注入防护、Snowflake GTM 智能体落地经验、腾讯 Agent 自进化飞轮等内容。
作者分享了借力 AI agent 实现产品开发的实践经历。他通过 agent 帮助自己（一行代码都不会写）开发出'阅读挑战'等 app，累计发布 448 次更新，整合微信读书 API、知识店铺、统一认证、支付等系统。几个月使用了 305 亿 token，实际月支出约 450 美金。作者认为 agent 时代每个普通知识工作者都能实现代码自由和创造自由，人+agent 协同将成新经济模式，并预告了关于 agent 原生开发、项目管理、context 管理等主题的系列直播分享。
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。
文章介绍了智谱 GLM-5.3-Flash 模型的发布。该模型总参数量 320B、激活 18B，采用稀疏与线性注意力混合架构，注意力计算量降低 3 倍，支持 1M 上下文。作为 GLM-5 系列首个原生多模态模型，其最大亮点是视觉能力被直接纳入 Coding 循环，模型可观察网页截图、渲染结果和交互反馈，自主发现并修正问题，实现“生成—检查—迭代—交付”的完整闭环。文章还展示了其在游戏开发、3D 建模、办公文档和法律金融场景的应用，并给出 API 使用细节，认为大模型竞争正从回答质量转向完整工作的交付质量。
作者总结了使用 Grok Bot 的实用技巧：全局安装 Compound Engineering 插件并让机器人先制定计划再执行；通过 AgentMail 给每个机器人独立邮箱，避免共用 Gmail 导致发送信誉受损，并可实现邮件转发、儿童日程摘要等自动化；接入 Twilio 电话号码让机器人代打电话，语言切换流畅但真人接听者可能拒绝。文章强调让机器人自己完成安装配置，并提供可粘贴的提示词。
本文介绍如何从数亿条真实生产环境的浏览器代理任务流量中构建可扩展的强化学习环境。方法包括：去重与过滤不当任务、用对齐的标注代理（Gemini 3 Flash）筛选适合的任务、以标准虚拟身份替换个人数据、通过参考模型执行验证任务可行性与难度。文章还探讨了评判问题的核心思路：评分模型无需比代理更聪明，只需看到同一任务的大量尝试分布，从而构建公平稳定的奖励机制。
匿名模型 Ox Alpha 揭晓为智谱 GLM-5.3 Flash，320B 参数、MIT 开源、原生多模态、1M 上下文，限时价格仅为 Opus 4.8 的 1/40。作者通过三个前端场景实测：仅凭一张图用 Three.js 复刻玻璃折射海报、看录屏视频还原 60 片玻璃螺旋彩带交互网站、将静态体素海报改造为滚动揭示的 3D 网页，均表现出顶级多模态理解与代码能力，远超同价位的 DeepSeek V4 Flash，接近 Fable 5 但便宜约百倍。作者认为其把'便宜又够用'的行业斩杀线大幅推进，让预算有限的创作者也能用上前沿智能。
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。
