作者 FeiZ 正式发布开源插件 DeepSeek Bot（ds bot），基于 DeepSeek Harness（dsh）构建，支持使用自己的 API Key 拥有一组持久化运行的 Bot，具备上下文管理与记忆能力。产品包含 Main Bot 总管家、多 Bot 群聊协作（通过管理员机制优化费用），并可接入任意模型乃至本地 agent。作者已完成多项 dsh 插件的兼容性测试，未来计划支持浏览器与电脑操控。项目目前处于早期阶段，用户可通过 GitHub 仓库或 dsh desktop 插件页安装体验并反馈问题。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
本文是免疫力提高指南认知篇的下篇，系统讲解免疫记忆的机制与局限：身体如何通过B细胞和T细胞记住病原，为何得过病或打过疫苗仍会再感染（病原变异、保护位置局限、抗体下降等），感染本身的代价（如麻疹削弱既有免疫、水痘病毒潜伏），免疫系统如何误伤自身（过敏与自身免疫病），肠道微生物与免疫的关系及益生菌证据的局限，最后讨论免疫检查指标应如何正确解读，帮助读者避免被夸大宣传误导，理性看待免疫力。
作者分享曾被封禁20多个Claude账号后的经验总结。核心方案包括：使用干净私有独享的IP代理工具，避免与他人共享易被识别为'蒸馏厂'的网络环境；以文明方式在原生模式下使用Claude，不使用反代或套壳工具。文章提供了开源自建服务器网络配置方案（含skills配置），推荐搬瓦工服务器和Clash Verge客户端，并补充注册新号、关闭定位、KYC认证、支付方式等细节建议与个人使用习惯，帮助用户保持账号长期稳定存活。
Uber 工程团队分享了其法律红线审查智能体（Legal Redlining Agent, LRA）的构建经验。该系统以 Word 插件形式集成到律师的工作流中，能够识别外部合同修改、理解对方意图、基于政策生成建议和评论并标记风险。自上线以来，合同平均审查时间缩短超过 20%，律师对 AI 决策的采纳率达 91%。文章详述了从 RAG 方案到引入律师反馈自学习循环的四次迭代历程，核心经验是：从业务问题出发、嵌入律师既有工作流程以赢得信任，并通过紧密的反馈迭代持续改进智能体。该系统助力 Uber 法务团队获得 2026 年 ALM Legalweek 年度最具创新法务部门奖。
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
文章以 Pi coding agent 的 Durable 版本为切入点，拆解 Harness 架构的演进。传统 Harness 将持久化系统、agent loop 和执行环境耦合在同一个 Node.js 进程中并强依赖 VM，而 Durable 将持久化外置为 SQLite 存储、执行环境与操作系统解耦，并实现无损状态恢复，使 agent 可部署在 serverless 等更灵活的计算节点上。文章还介绍了 pi 的 MCP 原生支持、codemode（通过 QuickJS 批量调度工具）以及 server/client/protocol 分离等变化，最后设计了一套可扩展的长期 Harness 架构，目标是硬件资源消耗降低一个数量级。
作者分享将沉寂两年的安卓App「番茄打卡」翻新的经历。该App在Google Play有10万+下载、4.7分，但长期未更新。今年7月用13天合并53个PR，完成界面减法、会员三档定价、底层升级和商店页重做。9月底开始收到台湾和日本用户的月付订单。作者认为翻新旧产品比做新品更划算，并总结了Google Play在收款、订阅和抽成上的优势。
母婴行业增长逻辑已变，服务收入占比升至三成五，95后父母成为研究型买家，门店靠信息差赚钱越来越难。作者结合行业痛点，整理出WorkBuddy（AI办公Agent）在母婴业的四个落地场景：一是按宝宝月龄建台账，批量生成节点提醒甚至搭建提醒小系统；二是沉淀优秀导购经验，生成育儿问答手册抹平员工能力差距；三是将配料表转化为大白话讲解话术，并用AI按广告法审查合规风险；四是利用门店真实经验批量生产小红书科普、测评内容实现获客。文章配有提示词模板和实操截图，强调AI自查不等于合规，需人工二次把关。
文章是开源 AI 开发工作台 Orca 的详细入门与进阶教程。Orca 是一个 ADE（Agent Development Environment），让用户在一个窗口里同时指挥多个编程 Agent（如 Claude Code、Codex、Cursor），每个 Agent 拥有独立代码副本互不干扰。作者讲解了 Orca 如何解决多 Agent 并行开发中的四大痛点：副本环境配置、任务监控、代码验收和厂商绑定，并提供了实际工作流示例，包括让三个 Agent 赛跑修复高危 bug、会话派生与跨 Agent 交接、内置浏览器精准定位 UI 元素、逐行批注验收、AI 代码归属标记，以及用 Agent 担任项目经理的编排功能。
本文解析一道 Anthropic 真实面试题：如何从 profiler 采样快照还原函数调用事件。全文分三部分：Part 1 将采样序列转换为 start/end 事件，核心是通过 LCP 对比相邻栈，end 从内到外、start 从外到外，frame 身份为 (depth, name)；Part 2 处理流式输入与去噪（debounce），只保留 O(depth) 状态，frame 身份沿 LCP 链追踪而非看名字；Part 3 用反转后缀 trie 实现崩溃 trace 的尾部匹配归因。文末附完整参考代码与备考清单，强调事件顺序的语义正确性是面试考察重点。
一位18岁大学生仅用iPhone 16e和Kaggle笔记本，开发出稀疏注意力机制ALHR（Adaptive Learnable Hierarchical Routing）。该方法通过给key矩阵构建静态二叉树，配合预算预测器、邻居搜索和树下降三步推理，让每个query只读取所需key。在1024 token的MQAR测试中，仅读取2.83%的key即可达到92.1%准确率（稠密基线94.9%），KV压缩35.3倍。训练分三段：先训稠密教师模型，再用其注意力矩阵标注top-k key训练树模块，最后无教师联合训练。目前因未做kernel优化比稠密注意力慢约10倍，代码由Claude Sonnet 5.5生成，Apache-2.0开源。
作者分享自己成功申请 Anthropic Claude Startups 计划的完整攻略。该计划面向近 5 年成立的初创企业（含自筹资金的一人公司），福利包括 1,000 美元 Claude API 额度、Claude Team 免费 1 年（5 个 Premium 席位）、价值最高 45,000 美元的 Startup Stack 兑换码（含 ElevenLabs 免费额度）、每两周与 Anthropic 团队的答疑时间等。文章详细说明了申请流程与踩坑要点：必须用公司邮箱登录、创建组织而非个人账号、如实填写合规问卷等，并给出额度使用策略与 Claude Code 计费配置技巧。
腾讯 WorkBuddy 推出独立文件浏览器功能，用户右键即可用 WorkBuddy 打开本地 PDF、Word、Excel、PPT、Markdown 等文档，并调用 AI 直接操作。作者实测让 AI 总结 PDF 要点、撰写自媒体文案、汇总 Excel 数据生成透视表和图表、精简和新增 PPT 页面，均几秒内完成。其本质是集成腾讯文档在线编辑能力并桥接本地文件。与 Office Copilot 需先打开文件不同，WorkBuddy 让 AI 成为打开文件的入口，且具备跨应用能力，可串联发邮件、整理日程等办公流程，更适合国内用户场景。
文章探讨了AI视频创作中工具与导演思维的关系。作者认为，尽管Vibe Creating等理念降低了技术门槛，让普通人能用自然语言生成视频，但决定作品上限的仍是导演思维：一是动手前清楚知道自己想要什么画面和感受，二是能判断生成结果的对错并明确改进方向。作者以Vibe Coding类比，指出描述与判断越模糊，结果越随机。纯粹玩乐时无需导演思维，但要做出系列作品或商业交付，就必须具备画面感和叙事能力。学习影视理论的意义不在术语，而在构建脑中画面与判断力。
本文整理了 Lee Robinson 在斯坦福 CS146S 的讲座，完整拆解常驻主动式智能体（如 GrokBot）的工程架构。内容涵盖：从工具到同事的四个时代演进、模型层六大关键变化（长程指令遵循、子智能体、computer use、技能系统等）、常驻 agent 内部架构（休眠-唤醒模型、Firecracker 微虚机云电脑、薄客户端单工具设计、Temporal 持久化工作流、升级阶梯）、安全模型（auto review、提示注入防护），以及上下文工程核心技巧（prompt caching 经济学、压缩时机、分层记忆），最后展望训练飞轮与行业走向，并给出给学生的三条建议。
作者分享了基于 Grok Bot 的多 Agent 协作内容生产体系，并将其全部开源。系统采用五层架构：总控层（幕僚长唯一对话入口）、判断层（四个赛博领航员负责商业、技术、品牌等专业判断）、输入链路（资讯官、学习官、研究猿）、增长链路（增长官独揽选题权）以及生产层与底座（内容官、视觉官、技术官、巡逻官）。核心原则包括所有交付物强制落盘成文件、干活与验收物理隔离。作者只在选题、口喷观点、终稿验收、发布按钮和不可逆操作五个节点亲自拍板，并强调通过减法心法控制 bot 数量、渐进式搭建，实现人机分工的可持续内容生产。
作者以AI生图的窗边咖啡馆人像提示词为例，讲解如何整理AI生成的冗长提示词。核心方法是：删流程、合重复、换实景、测删除。要点包括：去掉分栏小标题后整体通读，合并重复表达同一意思的形容词；把'不要杂乱'等否定句改写为具体的正面画面描述；将'高级感、电影感'等笼统大词拆解为具体的光线、配色和构图要求；一次只删一句，对照出图验证效果，但不要为了精简丢掉关键的安排。最终目标是写出自己能读懂、出了问题知道从哪句下手的提示词。
作者速读 Nathan Benaich 发布的第九份年度 State of AI 报告。研究方面，前沿变成三强竞赛，Claude Opus 5.5 领跑智能指数，基准测试迅速饱和，AI 开始实质性加速自身研发，harness 的价值凸显。产业方面，OpenAI 与 Anthropic 合计年化收入约 1050 亿美元，企业 token 支出两强占 96%，但算力供给受电力、施工和融资约束。政治方面，美国出口管制强化模型访问控制，主权 AI 承诺约 1380 亿美元。安全方面，评测中的智能体出现真实越界攻击，实验室领导者呼吁获得减速 AI 能力的手段。文末附 2025 年预测回顾。
本文介绍 2026 年构建多模型 AI Agent 团队的完整方法。作者指出使用单一模型会导致高成本低效、专业能力受限以及单供应商故障/盲点风险，主张按任务步骤选择合适模型。文章梳理了 2026 年 9 月的主流模型阵容（Claude Opus/Sonnet/Haiku/Fable 5.1、GPT-6 Astra、TypeSafe Jev）及定价，提出五层架构：路由器、编排器、专家模型、评审者（critic）和纯代码层，并讲解如何先对工作负载分类（决策、简单生成、真实工作、难题），再为每层选择最划算的模型。文中附有统一封装多供应商 API 的示例代码，涵盖 effort 参数与 thinking block 处理细节。
LeRobot 推出了面向 100 TB 及以上规模机器人数据集的新型 episode 级流式数据加载器，可直接从 Hugging Face 数据集或 Bucket 读取选定的 episode 并准备训练样本，无需完整下载本地视频副本。文章阐述了流式加载器的四大需求：保持 GPU 繁忙、混合 episode、覆盖全部数据、控制内存使用。通过 Parquet 统计信息定位表格数据、MP4 sidecar 索引定位视频帧、在 RAM 中维护压缩视频字节池，并采用锚点采样与预取机制，实现数据集持续增长下的高效训练。
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
文章剖析英伟达B300服务器在中美之间的巨大价差：美国售价约370万人民币，国内炒至1400万。通过台湾假用户走私案、超微案、国资融资租赁等案例，梳理了合规采购、海外租云、走私倒卖等多条灰色渠道，并测算转手、出租的暴利与风险。同时揭示了居间生意中的期货诈骗、违约套利等乱象，提醒普通人警惕算力租赁资金盘，认清管制价差背后的法律、保修与价格波动风险。
文章解读小米 LLM-Core 团队发布的 MiMo-V2.6 技术报告。核心主张是通过系统性扩展强化学习算力提升模型智能，需同时扩展训练批次、环境多样性和评分器三个维度。模型有 Pro（1.02T MoE）和 Flash（310B）两个规格，RL 后训练成本分别 260 万和 90 万美元。报告详述了中期训练优化、GRPO 训练细节、多 harness 训练、四层 reward hacking 防御、Groupwise Agentic Grading 评分体系、router 冻结发现及基础设施设计，最终性能进入与 Claude Opus 5 / GPT-5.6 同一梯队，并开源蒸馏模型、环境与 RL 框架。
作者基于近一个月使用 Grok Bot 的体验，对五家个人 Agent（Muse、Grok Bot、Spark、Cue、Dots）进行了深度竞品调研。文章首先厘清个人 Agent 与通用 Agent 的区别：7×24 在线、拥有云电脑、能主动办事。随后梳理了用户真实案例，包括替人砍价、整理历史数据、填表办手续等。技术层面，文章将个人 Agent 拆解为模型、电脑、记忆、技能、调度、身份六模块，并重点对比了云端电脑方案、身份策略与审批机制三大差异点。最后总结五家各自的优势：Grok Bot 擅长多 Bot 协作、Muse 主打社交、Cue 强在独立身份、Dots 突出主动性、Spark 依托 Google 生态，并判断安全将成为未来竞争的关键。
作者分享了将 Meta 的个人 AI Agent「Muse」接入微信的完整实践教程。通过微信 ClawBot 插件与桥接程序，用户可以直接在微信里给 Muse 交代任务，Muse 执行后把结果回传微信。文章详细讲解了接入流程：启用 ClawBot、向 Muse 发送提示词完成配置、扫码登录、发送第一条消息完成收发测试，以及用真实任务验证执行效果。作者还总结了常见卡点：扫码后需在微信发消息才算完成、聊天记录不会自动同步、收到回复不等于任务执行完成等，并附上了可复制的完整提示词。
作者借助 AI 建立了一套《全球生存打分与移民减法模型》，从气候适应、打工赚钱、安全自由、教育、税务资产传承、移民门槛六个维度对各国进行 1-10 分评分，并针对普通打工者、中产家庭、高净值人群三类人群设置不同权重，先过合法签证硬门槛再计算综合分，绘制六张世界评分地图和三类人群的可行目的地地图。文章还补充了全球中餐厅分布与购买力平价（PPP）比价地图，帮助评估'中国胃'的落地成本，强调移民选择没有标准答案，只有适合自己人生阶段的答案。
NVIDIA 推出 Jetson Agent Skills，将设备特定的平台知识注入 AI 辅助开发流程。边缘 AI 开发不仅涉及代码，还需处理硬件、内存、JetPack 版本、容器和部署约束。Jetson Agent Skill 是包含指令、参考资料、安全边界和辅助脚本的可检查包，分为 Device Skills（设备诊断、环境配置、模型服务、基准测试）和 BSP Skills（刷机前的平台定制）。文章介绍了基于 Codex 的完整工作流教程，从连接 Jetson Orin Nano 到构建本地运行的视觉语言模型（VLM）应用，并展示了 JetPack 7.2.1 中基于 Video Codec SDK 和 PyNvVideoCodec 的视频技能如何自动生成并验证编解码流水线，最终返回可复现的性能测量结果。
作者整理了12个用 AI Agent 制作视频的 Skill，按使用场景分类：口播去口误工具（如 chengfeng-videocut-skills）、剪映自动化（jianying-editor-skill）、艺术风与知识动画（huashu-art-motion）、产品宣传片动效（HyperFrames、Remotion）、通用 ffmpeg 处理、长视频切短视频（OpusClip）等。文章介绍了各工具的安装方式、优缺点，强调分清本地与云端处理的隐私成本问题，并提醒第三方 skill 的安全审查和版本变化风险，适合视频创作者作为选型地图参考。
文章批判性分析了当前 coding agent（如 Claude Code、Codex、OpenCode）的种种缺陷：任务管理糟糕、不会并行处理和委派、对自身功能一无所知、计划表达混乱、轻易停下等待用户、缺乏真正的沙箱安全边界。作者区分了模型（大脑）与 agent（身体），指出模型进步很快但 agent 层才是瓶颈，并列举了理想 agent 应具备的能力：任务拆分与模型委派、人类易读的计划、OS 级沙箱、ETA 估算、自省改进等。最后猜想这是委托—代理问题——AI 高管与一线开发者脱节，只关注 demo 和基准测试而非开发者体验。
