作者分享如何解决X书签收藏过多、难以复习的问题：先开发开源工具X Bookmarks Archive Skill，将书签稳定保存到本地并支持断点续存；再用多Agent协作平台Teamily AI，让Market Research和Webpage Developer在同一共享上下文中筛选资料并生成可勾选的七天学习网页。通过限定每天20分钟、只保留必要练习等硬性约束，最终产出一个每天可打开、可勾选进度、可记笔记的学习页面，并总结出一套可复用的书签打捞学习方法。
文章回顾了Karpathy在2023年指出的本地LLM推理瓶颈：解码阶段受限于内存带宽，每次前向传播只生成一个token，使得推理速度存在硬上限。以M5芯片和4-bit Qwen3.5 9B为例，理论极限约29 token/s，llama.cpp和MLX接近该上限。开源推理引擎Uzu通过组合优化突破瓶颈：采用4-bit/8-bit整数量化降低内存流量，利用M5的int8硬件加速路径，在量化前应用块对角随机Hadamard变换抑制离群值误差，并通过推测解码一次性验证多达16个草稿token。实测Uzu在M5上达到92-117 token/s，显著超越llama.cpp和MLX。
作者复盘首次做新词站的完整经历：10月4日上线后二十多个订单，突破日入百刀，流量大部分来自ChatGPT。文中记录了自己通过Google Trends和Sitemap监听找词、快速搭站上线、尝试GEO优化的过程，以及踩过的坑：视频生成只抽样测试导致用户六次生成失败、.xyz域名收录慢被迫换域名、用户小图尺寸引发新bug等。作者总结了几点感受：新词值得尝试、不要惯性避开竞争、完整验证不能省、先完成再完美但上线前测试必须有。
文章介绍了2026年10月7日Grok Bot的重大变化：SpaceX宣布Grok Bot将不再绑定自家模型，而是为每个任务路由到最佳后端模型，首选Claude Opus 5.5。作者提供了10步教程，教读者如何利用这一组合：从理解harness（代理的电脑、登录、记忆、例程）与brain（驱动它的模型）分离的意义开始，到安装Grok Bot、创建并设置Chief bot、为更强的大脑编写章程、连接工具并划定数据边界、以及通过登录交接而非密码共享来让bot操作无API的软件等。文章强调更强的模型应获得更多步骤而非更多权限，并提醒注意数据流向Anthropic的隐私问题。
文章探讨当前AI聊天机器人使用模式的根本缺陷：用户虽能将任务交给AI代理，却无法真正转移注意力，每天疲于监督多个工作流、重建上下文、判断输出质量，如同AI的经理而非拥有自主智能员工。作者认为聊天框时代已到极限，下一代AI应是单一、持续保留上下文的助手，能主动协调多个代理、理解用户意图与优先级，减少解释与监督负担。作者以电影《Her》为例，描绘自然对话式AI助手的理想形态，并指出越智能的AI越能以更少指令理解用户，但这也带来信任与隐私的深层问题。
文章认为社交媒体涨粉其实不难，关键在于抓住两个第一性原理杠杆：一是从自己的视角复用已被验证的内容模式，而非盲目追求新颖——重复本身就是社交媒体的核心机制，Craig Perry 的前两条 YouTube 视频获得数十万播放即是例证；二是建立人脉网络，通过私信与其他创作者交友、互相分享内容，绕过算法限制，将内容推送到他人受众面前。作者还提出七步私信系统和每天一小时的时间分配（30 分钟写作、30 分钟社交），强调变现是独立技能，粉丝少也能赚钱，新手期反而是学习的最佳时机。
文章系统梳理了面向 Codex、Claude Code、Openclaw 等终端 Agent 的自媒体运营 Skill 清单，共 20 个，覆盖自媒体全流程：选题策划、文章排版与配图、视频剪辑与分发、以及小红书、公众号、抖音、B站、YouTube、推特等平台的运营。每个 Skill 附 GitHub 仓库地址、星标数、功能说明和一键安装指令，并指出使用时的坑点，如不要全装导致 context 膨胀、版本兼容、商业授权限制等。作者强调星标仅供参考，合手才是好工具，帮助个人创作者用 AI Agent 搭建一人内容生产线。
作者在 Teamily AI 平台上组建了一个包含三个 AI 成员和一位人类伙伴的群组，实测多 Agent 协作能力：为尚未上线的 AI 编程课制作宣传页。文章总结了多 Agent 系统易犯的三类错误（错误传递、交接丢条件、缺乏验收），并设定三个观察点：分工是否清晰、改动能否传递、交付前有无审核。实测中 AI 团队展现了组队排任务、接住反馈、按事实调整的能力，但作者强调业务前提（如课程未上线）仍需人来把关，审核报告也需追问核实依据。最终交付了可分享的宣传页 Demo，作者收获是学会了如何给 AI 团队提需求。
微软CEO Satya Nadella 阐述 AI 如何重塑企业软件。他指出传统工作中人们被迫在软件之间切换、重建上下文，而 AI 正在让软件围绕工作组织。GitHub 上智能体开发的增长表明，agent 的普及反而让系统记录更加重要。微软的愿景是将 Copilot 打造为跨模型、跨设备的「工作操作系统」：Copilot 作为前端「头部」，结合应用中的业务逻辑与系统记录作为「无头」基础层，由 Microsoft IQ 连接，并通过 30+ 新 Copilot 技能和 Copilot Managed Runtime 支持。最终形成「无限 SaaS 工厂」，让企业以零摩擦描述需求即构建定制化 SaaS 模块，为智能体时代重新发明系统记录，重置企业 SaaS 行业。
作者分享了打造七位数营收 AI 原生公司 Hourglass 过程中消费的所有媒体资源与内容管理系统。文章引用 Paul Graham 的知识分形边缘理论，指出 AI 前沿充满机会缺口，并按主题推荐内容：创业（Paul Graham、Tim Ferriss）、经营 AI 原生公司（Maister、红杉、Every）、跟进 AI 动态（Twitter、All-In Podcast、AI 2027）以及保持人性的虚构文学阅读。作者还介绍了名为 Consume 的系统：用 Apple Shortcut 收集内容存入数据库，每周由 Claude 自动分类处理，将 Karpathy 的 LLM Wiki、Hamel Husain 的 Eval 思想等素材转化为公司实践与产品。
OpenAI 推出 Generative UI 并更名为 Intelligent UI 后，作者对其实现进行了深度逆向分析。文章详细拆解了系统的五层架构：模型使用 OpenAI 自研的 DIL 语言（Markdown + JSX 风格标签 + JavaScript）生成界面；服务端将流式部分响应编译为 JavaScript 程序和 JSON 常量文档，完成错误隔离、状态键稳定化和修复验证；客户端在沙箱 iframe 与 Web Worker 中执行程序，移除网络、定时器等能力并设置看门狗；运行时以类 React 方式做调和，输出 UI 操作列表，最终由 ChatGPT 原生组件渲染，实现了跨 Web 与移动端的原生交互式界面。
文章指出，现代生产力的最大瓶颈不是思考慢，而是工作碎片化地在多个应用间切换，决策只需三十秒，而协调却要二十分钟。Grok Bot 类持久化 Agent 的价值在于以任务结果为界面，让应用成为实现细节，消除工具间的转换成本。作者阐述了以职位描述定义工作流、持久化环境保存上下文、将流程固化为可复用例程、从人类行为中学习自动化等理念，并强调 Agent 架构应分层：生成模型负责创造内容，快速决策层负责调度，确定性代码负责规则约束，从而构建真正自主的工作系统。
本文整理了 OpenAI 官方 GPT Image 2.5 提示词写作指南的八条核心原则：先定义结果、选易维护格式、描述可见细节、写清人物动作、精确文字加引号、分开要改与要保持的内容、给参考图编号、有意识迭代。同时介绍了模型与参数（quality、size、background）的选择建议，并结合人像摄影与自然景物两类示例，给出中文提示词模板和实操要点，帮助用户写出可控、可迭代的图像生成提示词。
作者分享了从零开始经营生活知识类公众号的实战经验。文章讲解了公众号文章（私域）、小绿书贴图（公域）和视频号（兴趣流量）三种内容入口的关系与联动方式，介绍了流量主广告、读者打赏等收益渠道，并给出新手起步的两条路径：坚持更新文章，以及借助小绿书/视频号引流快速达到100粉丝开通流量主。作者还分享了踩坑经历：文章发布后遭遇真人验证导致隐形降权，通过排查违规表达、放慢发布节奏、用小绿书引流等方式，约十五天恢复流量。文中强调持续更新和用AI辅助写作与规则检查的重要性。
作者分享了一套不依赖云端账号的本地 AI 工作流架构，核心思路是把规则、技能、日记等真正有价值的资产沉淀在本地硬盘，而非网页端/App 的记忆功能中。整套体系分为四层：工具层（Claude Code、Codex、Cursor 作为入口）、模型层（可随时更换）、架构层（本地文件结构）、处理层（按本地规则和技能处理任务）。作者通过全局规则文件（CLAUDE.md）、本地 skills 目录、按日短记忆 + 长期偏好文件、AI 日记四层文件体系，实现了账号封禁后快速恢复工作的能力，并提出新人可先从三步最小方案入手搭建。
文章详细讲解了从零开始通过短视频和直播带货软件会员卡（剪映、百度网盘、夸克、腾讯视频SVIP等）的完整流程。包括八大步骤：获取千粉号、开通橱窗、选品、拆解爆款视频、写脚本（情绪开场、价格对比、证明有人买、打消顾虑、催单五件事）、制作视频（真人口播、剪映图文、AI虚拟人三种方式）、发布挂车、盯单及投放随心推。强调选品佣金10元以上、月销过千、活动期内等标准，以及养号、填号直充、投产比计算等实操细节。
文章拆解了独立开发者项目 Pet Plus Us：一个 AI 人宠肖像合成工具，上线一个月营收 2.1 万美元、净利润率 45%，但 MRR 为零，创始人却急于以 7.5 万美元（0.3 倍年化营收）出售。作者分析了情感向 AI 产品的变现困境：合影属低频情绪消费，订阅制跑不通，纯卖数字图片利润被买量成本吞掉；接入 POD 实物定制（相框、毛毯等）虽能拉高客单价到 179 美元，但毛利率腰斩，且带来物流破损、印刷色差等重度运营负担。结论是情感向出海产品只能在数字交付的天花板与实体交付的琐碎运营之间二选一。
本文系统整理了 Jev 及同类决策模型的学习资料，涵盖 12 大主题、58 份资料、80 个链接。文章首先解释了 Jev 是 TypeSafe AI 推出的决策模型，输入为状态、问题和候选项，输出为结构化的选择、评分及概率分布。作者分析了评估此类模型的关键维度：动态候选项、受限输出与概率校准、推理方式、训练方式及答案边界。随后提供了按目的划分的阅读路径（入门、本地试用、训练研究、中文场景、Agent 应用），并分类整理了云端决策服务（OpenAI Decisions、Liquid d1）、开放模型（Cloudflare Clef、Perplexity Decider、GLiNER2.5-Decide）及本地社区实现（Laya、Kev）等资源，是一份完整的决策模型学习导航。
本文介绍如何用90天从传统营销人员转型为营销工程师（Marketing Engineer），这一新兴岗位融合营销、产品思维与AI系统能力，Figma等公司已在招聘。路线图分三个月：第一个月用Claude Code或Codex构建可重复的营销工作流，并添加公司上下文与技能；第二个月通过API、MCP服务器连接工具，搭建KPI仪表盘和受众工作流；第三个月加入创意生产、落地页与自动化测试循环，附加SQL、BigQuery与Python知识。核心转变是从执行者变为编排者，构建可复用的营销系统。
文章介绍了如何构建一个可复利的 AI Agent 系统（Opus 5.5 Flywheel）。作者指出大多数人把 AI 当作'健忘的聪明员工'，每次会话结束后纠错和经验都随之消失。正确的做法是让每次运行留下四类产物：结果、状态、经验教训和系统升级。具体方法包括：将重复流程固化为 Claude Code Skills、把人工纠错转化为规则和自动验证、用 progress.md 保存决策与待办、建立失败样本库作为回归测试基准，让系统随每次运行不断变强，实现智能的复利积累。
文章介绍普通人如何利用 AI 将自己的实践经验转化为可出售的资料包。作者建议选择至少做过三次的小事，用手机口述 10 分钟，再借助豆包、Kimi、ChatGPT 等工具整理成可执行清单，并强调必须逐行核对 AI 输出。资料包应排成 3-5 页 PDF 并附可编辑表格，明示内容来源和使用范围，不抄袭他人教程。定价可从 9.9 元起步，先让 3 位目标用户免费试用并根据反馈迭代。文章强调卖的是个人真实实践清单而非权威建议，这是普通人最稳的 AI 产品化起点。
文章提出'营销工程师'（Marketing Engineer）将成为新的10倍员工。作者回顾了营销行业从广告狂人时代、AdWords数字营销、增长黑客到AI辅助营销的演变，指出实验成本持续坍缩是贯穿历史的主线。借助Claude Code、Codex、MCP和定时Agent等工具，一个兼具营销思维与构建能力的人可以搭建由多个AI Agent组成的系统：阅读销售通话、生成落地页、投放广告、归因分析，实现每天数十个实验。文章给出搭建指南：配置Agent工作区、通过MCP连接工具、编写'大脑'文件夹以提供业务上下文。作者认为创业公司应尽快培养或雇佣营销工程师，这是当下最大的增长杠杆。
作者回顾了X上关于md和HTML哪个是AI时代更好文档格式的争论，认为两者都是AI原生的文档语言。文章介绍了腾讯WorkBuddy新上线的独立文件浏览器功能，支持Word、Excel、PPT、md、HTML等格式在一个窗口中打开，实现「人机双写」：用户可直接编辑，AI可随时参与修改。作者通过多个实测案例展示功能：md转HTML说明书、Excel数据转可视化看板、Word审校稿局部补充、PPT选中元素让AI修改、PDF配合AI对话阅读等，认为这是目前人机协作编辑方面系统集成最成熟的实践。
作者分享了一套从注册视频号到盈利只需 7 天的全自动流程系统。文章首先分析了视频号的红利期：微信月活达 14.39 亿，竞争强度仅为抖音的三分之二，内容供给远未饱和。接着介绍了开源系统 Universal Content Intake，支持一个链接下载视频、PDF、图集、文章、网页、云盘文件等六类内容，并自动翻译压制中文字幕。第二层功能为自动监控：利用中美时差，夜间自动监控海外 YouTube 作者的新视频，通过作者历史数据中位数判断视频是否起量，再由 Gemini AI 按编辑方向把关筛选，早上即可交付已验证、已翻译的成片，每天只需 1 分钟即可运营视频号。
本文介绍如何用 Claude（Opus 5.5）通过一个主提示词和四次审批，全自动制作 75-90 秒的竖版卡通解说视频。Claude 负责写脚本、录制旁白、绘制卡通角色并生成 28 个镜头的成片，用户只需在各阶段进行确认，无需任何剪辑技能或打开剪辑软件。文章详细说明了所需准备（可运行代码的 Claude、角色模型表、参考资料、主提示词），提供了完整的可复制主提示词，涵盖视觉风格、角色设定、视频格式、制作流程等规则，并指出先脚本后语音再视频的固定流程，以及各阶段修改的成本差异。
本文是面向零基础用户的 Codex 入门教程，从下载桌面端、建立练习项目开始，通过制作一个本地待办小工具，讲解如何给 AI 下达明确任务、确认方案、验收结果和定点修改。文章进一步介绍如何将常用规则写入 AGENTS.md、把稳定流程封装为 Skill、按需接入插件，以及将重复工作设置为定时任务，帮助读者建立一套可复用的 AI 编程工作流程。
文章系统讲解个人出海赚美金的方法。作者首先梳理四条主要路径：卖实物商品（Amazon、TikTok Shop、独立站）、卖软件和数字产品（订阅、买断、按量计费）、卖服务（设计、开发、翻译等）、以及做内容和免费工具（广告、联盟佣金、赞助变现）。随后聚焦建站，强调网站是生意发生的地方，应围绕用户最短的购买和使用路径搭建，第一版不求大而求通路。文章还详解了直接付费、广告、联盟、赞助四种收入方式的特点与成本考量，并指导如何从用户任务、搜索词、竞品差评中寻找真实需求，以及产品上线后如何通过自然流量与付费广告获取用户。
本文介绍如何通过'循环工程'降低 Claude 自动化的 token 开销：将队列检查、重复判断等高频决策从主对话中剥离，交由专用代码路径和 TypeSafe AI 的决策模型 Jev 处理。Jev 提供 Choice、Noul、Score 三种类型化问题原语，返回带概率的结构化答案，成本低至每百万输入 token $0.042。文章以 issue 分类过滤为例，给出完整的 Python SDK 实战代码，展示如何构建可检查、可扩展的任务路由过滤器，让 Claude 专注于实现工作，应用代码控制任务流转。
文章介绍了 UT Dallas 的新论文 Jev-Mem，提出用 TypeSafe AI 的 Jev 模型替代通用 LLM 来处理 Agent 记忆系统中的小决策（如判断消息类型、记忆关联、检索终止等）。Jev 只返回结构化数值或标签，无需解析文本，通过 System One 轻量控制器与 System Two 生成式 LLM 的分工，显著提升效率。在 LoCoMo 基准上，答案质量相对最强基线提升 11%，构建速度快 6.6 倍，查询延迟降低 36.7%。文章也指出其局限：阈值依赖单一模型与基准、缺乏校准概率、消融实验不足，阈值在不同模型和数据分布下的泛化能力是最大隐患。
