文章指出，过去两年提升 AI 效果的关键在于写更好的提示词，但这一方法正逐渐失效，取而代之的是自主循环（loop）。文章以 Karpathy 的 autoresearch 系统为例：该系统两天内自动运行约 700 次实验，发现约 20 项改进。作者阐述了真正循环的五个阶段（发现、规划、执行、验证、迭代），强调验证、记忆和停止条件三大关键组件，并介绍了自愈式 GitHub 仓库的实践案例。最后，文章给出用 AGENTS.md、loop.py、verify.sh 三个文件构建第一个 AI 循环的入门方法，指出外部验证比增加另一个模型更重要。
本文分享 NotebookLM Video Overview 功能的系统提示词，展示如何通过多步协同创建工作流将原始素材转化为电影级视频。提示词详细定义了上下文收集（利用笔记本摘要、对话历史和隐含偏好预填充字段）、用户意图解析与消歧（区分已有产物与新建创作、处理重新开始与卡片废弃）、翻译与本地化规范（界面字符串翻译为用户语言但保留结构标识符），以及问卷卡片和审核卡片等多步骤协作流程。
作者对半年前发布的146位中文X博主清单进行复盘重筛，发现45人掉队，得出博主清单保质期约半年的结论。作者以量化标准（粉丝≥5000、14天内发帖、30天原创≥8条、中位浏览≥300等）从643个候选账号中筛出198位博主，其中138位为新面孔。文章提供Top 30必关注名单及按AI编程、Agent、AI视频图像、投资等领域的完整分类名单，每人配一句话简介，帮助读者快速找到值得关注的中文AI和科技博主。
作者分享了将25条思考类提示语（苏格拉底式提问、第一性原理、乔哈里视窗、逆向法等）封装为开源skill「老爷爷」的过程。受Matt Pocock的ask-matt路由启发，该skill可根据用户当前处境自动匹配最合适的提示语，解决「提示语存了一堆但从来不用」的问题。作者强调原提示语一字不改的原则，避免工程化改写导致的性能下降，并介绍了乔哈里视窗和逆向法两个实用方法，主张让AI负责挑选提示语、人负责感知问题的分工方式。
作者整理了X上和官方市场的200多条帖子，筛选出53个经过核实的Grok Bot模板，并按用途分成七类：社媒内容运营、资料抓取调研、信息监控提醒、图片视频设计、营销获客销售、编程开发、个人助理办公。文章介绍了Grok Bot模板的玩法——别人调好的bot可一键复制，指令、技能、工具一并搬过来直接用。同时提醒了使用门槛（需SuperGrok等订阅）和安全风险：有模板藏着恶意指令会自动下载执行陌生代码。文章逐一介绍了各模板的功能、所需权限和适用场景，帮助读者按需选用。
文章介绍了澳大利亚公司Apate.ai用35万个AI伪装成受害者与骗子周旋，已聊天250万次、消耗骗子约17年时间，使澳洲联邦银行诈骗损失降低76%。同时讲述国内大学生用AI生成视频揭露'AI小海'卖惨骗局，成功劝阻老人受骗的故事。作者借此探讨AI如何降低'善意'的成本，让普通人能用技术放大善意、保护他人，表达了对AI放大人性善良选择的期待。
作者分享了使用 Claude Code（Opus 5.5）批量制作资讯类竖屏短视频的完整工作流。核心步骤包括：选题（AI 粗选、人工精选，信息源以推特和 Hacker News 为主）、素材准备（Gemini API 写脚本和 TTS 配音、Suno 背景音乐、背景图、logo 等）、编写初始提示词、让 Agent 撰写脚本并派子 agent 做对抗式审查、反复修改脚本与成片。文中提供了可直接复用的提示词模板，并开源了包含 18 套竖屏视频风格的 Claude Code skill（creator-style-kit），可用于固定视频的字体、配色、动效与音效风格。
本文是 Agent 高频面试题详解系列第一篇，聚焦 RAG（检索增强生成）链路。文章基于近两个月牛客网 82 场面试的统计，指出 RAG 是最常被追问的题目。内容先给出 RAG 整体架构图，解释为什么需要 RAG 及其与长上下文、grep、微调、工具调用、记忆等方案的边界；再沿离线、在线两条线逐环讲解：离线部分涵盖文档解析、切分策略、embedding 向量化、HNSW/IVF 索引原理；在线部分讲解问题改写、BM25 与向量多路召回、RRF 融合、交叉编码器重排等环节。每个环节均附上面试常见追问，并提供复习优先级参考。
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程：包括从 X 和 Hacker News 选题、准备 Agent 所需工具（Gemini API 写脚本与 TTS 配音、Suno 背景音乐等）、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查，以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill，并指出选题是内容成败的关键，常见问题是画面信息密度过高和配音契合度问题。
作者整理了中文圈 23 篇 X（Twitter）涨粉与变现实战复盘文章，按 7 个主题分类：全景地图、冷启动起号、万粉增长、选题与写作、互动分发、变现承接、AI 提效。涵盖从 0 到万粉的具体打法、爆文标题写法、商单报价、以及用 Agent 和开源工作流自动化内容运营等干货。作者均为实战出结果的博主，合集累计被收藏 1.9 万次，适合想认真经营 X 账号的人收藏参考。
本文介绍 Grok Bot 与普通聊天 AI 的区别：它配备专属云电脑，可在用户离线时自主完成任务。作者提供了 9 段即用提示词，覆盖常见痛点：自动生成 X 每日简报、分析爆帖助力自媒体起号、为 Bot 开设专属邮箱收验证码、翻查邮箱盘点自动续费订阅、分拣收件箱并起草回复、邮件触发自动处理、录制操作学习重复性工作、资料自动生成 PPT，以及花钱和发送的安全规矩。文章还提醒注意安全事项：不发密码卡号、开启 Auto-review 和自定义审批规则、谨慎登录网银等敏感网站。
作者分享了自己用 Lovart Arti（个人设计 Agent）的体验。此前作者自写了 article-visual-director 配图 skill，但出图环节依赖生图模型。Lovart Arti 整合多个图像视频模型，能记住用户上传的作品集与风格偏好，之后生成封面、配图无需重复描述风格。作者实测了文章配图、每周定时任务整理 AI 工具动态与 X/Instagram 设计案例周报、为开源项目 luobo-ppt 生成全套视觉物料、以及制作萝卜 IP 与 Arti 联名表情包等场景，认为其适合'重复但又不能乱做'的工作，显著提升效率，并建议关键信息（如安装命令）仍需人工把关。
文章面向 ESP32 新手，提出"想做什么 → 挑开源项目 → 照着项目买板子"的入门路径。首先介绍 ESP32 芯片家族（C3、S3、C6 等）的定位差异，指出玩 AI 语音应选 ESP32-S3 N16R8。然后盘点主流开源项目：小智 AI（语音助手）、ESPHome（智能家居）、Muse Gadgets 与 Hermes Gadget SDK（给 Agent 装身体）、Groki Bot（桌面机器人）、esp32-iphone-agent（AI 操作手机）等，并分析各自硬件要求。最后讲解购买板子的三条路线：面包板 DIY（50-80 元）、成品小智（60-100 元）、一体开发板（100 元以上），并给出型号后缀 N16R8 的含义解读和选购建议。
作者分享了一个长期痛点：与 AI 多轮讨论敲定的项目方案往往锁在某台电脑的聊天窗口里，换设备或同事接手时需重新投喂上下文。作者接入 EverOS Cloud（GitHub 1.3w 星开源 Agent 记忆系统 EverOS 的云端托管版），将公司电脑和家里电脑的 Codex 挂到同一云端记忆空间。AI 讨论过程中的方案与约束自动沉淀为云端记忆，跨设备、跨团队无缝续接工作，无需手动整理 Markdown。网页端 Memory Bank 可查看阶段摘要和事实卡片，支持记忆的增删改。该方案也适合团队协作，共享记忆成为项目知识资产，降低人员交接风险。
作者 Kin 分享了自己从 9 月 1 日起号到 10 月 18 日破万粉的完整复盘。核心方法包括：持续出摊（日均发帖 6-10 条）、与大 V 互动引流、借助 AI 工具（Grok Bot）加速内容创作、追热点抢时间差（如 GPT-6 宣传片中文字幕汉化）、选题系列化和深度原创。其爆款文章《如何把 Grok Bot 接入你的微信》获 150 万阅读，带动一周内粉丝从 4000 涨至 8000。文章强调真诚分享、建立信任是做 IP 的核心竞争力，并开源了相关 Bot 模版与运营方法论，附有冷启动、涨粉、变现（创作者收益 330+ 美金）等实操建议。
文章针对 AI Agent 开发中记忆缺失、RAG 低信噪比切片、状态冲突与多主体污染三大痛点，测评了 EverOS Cloud（API v2）这一 Agent 记忆操作系统。核心机制包括语义事件切割、记忆整合消解冲突、多主体严格隔离，在 LoCoMo 基准上达 93.05% SOTA，减少 90% 以上 Token 消耗。其自进化技能引擎可将任务执行链路沉淀为 Case 并蒸馏为可复用 Skill，任务成功率最高提升 234.8%。接入仅需两行核心调用，支持记忆治理 API、多模态资料挂载、MCP 协议兼容 Claude Code 等工具，以及云/本地双模部署。作者认为其适合需要跨会话跟踪意图与沉淀业务 SOP 的场景。
文章提出企业AI落地的核心卡点不是提示词，而是大模型无法进入本地业务流。作者以FDE（前线部署工程师）视角，提出'数字员工管理思维'，总结本地交付四大支柱（工位、规则、原料、连接器），并以WorkBuddy为载体，手把手演示搭建公众号自动内容交付流水线的完整SOP：安装绑定本地文件夹、采访式制作账号定位卡、选题灵感细化与竞对爆款监控入库、技能挂载与MCP连接器配置、工业化成稿与质检、微信草稿箱定时推送，最终走向企业级FDE交付与商业变现闭环。
文章指出科研领域长期存在'不可复现危机'：论文只是静态 PDF，数据、代码、环境散落各处，超70%的研究者无法复现他人实验。作者介绍了 AIPOCH Open-Science——一个开源、模型无关、本地优先的 AI 科研工作台，它内置 Scientific Agent 可端到端执行研究流程，并提出 .science 打包格式，将数据、代码、环境、执行日志封装为可一键复现与 fork 的'科研 Git 仓库'。作者认为这将开启 Vibe Research 时代，降低科研门槛，为学生、跨学科个体和 AI4S 生态带来超级个体的历史性机遇。
文章介绍了 MIT Media Lab 2026 年秋季开设的研究生课程 MAS.S62「How to AI an AI」，主题为自演化 AI（Self-Evolving AI）。课程提出四层演化框架：上下文演化（提示优化、记忆）、Harness 演化（agent 工具链自我改进）、模型演化（持续学习、self-play、测试时训练）、任务与环境演化（合成任务生成、世界模型）。文章详述了教学设计、评分结构、作业与顶会论文成果，并评价该课程是对松散领域的体系化定义尝试，建议以阅读清单和开源工具自学。
文章借李录的观点，把中国过去70年每十年的国家目标比作一本账：一五计划的农民、90年代末的3000万下岗工人、入世后背房贷的中产、双减和去杠杆中的教培与地产行业，每一轮的成本都落在绑定上一轮主题的人身上。作者认为2026年新质生产力时代的出清是慢性的，标准在于你是在给社会降成本还是添摩擦，并给出四个自测信号（工作是否可被AI复现、收入来源、与AI的竞争位置、客户数）和五条本周可执行的动作：做自己的OPC、收缩负债、先卖后做、小步出海、季度技能尸检，提醒个体在时代转向前看清自己绑在哪里。
作者使用 AI 科研工作台 Open-Science（Codex 订阅驱动），在约 7 小时内从原始数据完整复现了 2024 年发表于《Science》的海马尖波涟漪（SWR）记忆选择研究。工作流采用'先出计划'模式，在查看数据前先冻结分析方法，并通过输入审查发现了作者自己代码与配置间的多处不一致。复现结果分四类报告：基线流形解码、回放候选筛选、CEBRA 编码大多精确复现，仅个别指标未复现；HSE 投射方向与原结果一致。最终交付包含报告、对照表、复现脚本的完整产出包。作者认为 AI Agent 大幅降低了科研复现门槛，未来人人都有机会参与科研。
作者高强度实测 Grok Bot 两周后的经验分享。Grok Bot 自带 24 小时云端主机，持久化硬盘、多 Bot 共享同一台电脑，还可远程桌面操作。文章介绍了 Connect Apps 连接 GitHub、X、Gmail、Notion 等生态的用法，以及信息雷达、仓库盯梢、邮件分拣等自动化场景。重点分享了群聊多 Bot 协作的踩坑经验：上下文易乱、需要反复协调，核心是必须设立统一的协调者角色。作者据此搭建了'研发小队 Build Lab'（产品、设计、开发、测试、项目经理、增长六个角色）和'视频工作室 Video Studio'（导演、编剧、素材、配音四个角色）两套协同流水线，并公开了配置模版和社区资源链接。
文章通过企业软件交付案例，解析了 FDE（前线部署工程师）模式的核心逻辑。功能做出来、模型能回答后，交付现场仍剩三层工作：必须沉淀进核心产品的通用处理能力、用插件和配置承接的客户适配逻辑、以及必须由业务人员当面确认的业务含义与边界。作者指出，在 AI 落地中还需验证系统在真实场景是否按规则行动。完整的 FDE 模式需同时满足高客单价、共同探索心态与平台纪律三个条件，多数团队应理解现场深度，而非盲目照搬驻场模式。
作者分享财经作者猫笔刀使用豆包工作（Agent）一个月的体验。猫笔刀不會编程，过去用AI只停留在问答层面，但豆包工作上线后他发现Agent能真正帮普通人做事：修复SSL证书故障、监控链上池子、整理资讯、提炼研报PDF等。与聊天AI不同，Agent能实际完成任务，且每次操作需手动授权，可控性强。价格方面，三档模型能力相同只差额度，68元/月足够日常使用，相当于一天两块多。文章认为Agent正从程序员专属工具走向普通人日常，类似拥有多个不知疲倦的助理。
本文基于牛客网 8 月 18 日至 10 月 18 日的一手面经，统计了 180 位作者、343 场面试、近 80 家公司的 Agent 岗高频面试题。统计显示，问得最多的是 RAG 链路和 AI Coding 工具使用（各占三成多），其次是多 Agent 拆分、Agent 评测、上下文压缩、Skill/MCP/Function Calling 边界、记忆设计、Harness 与 Agent Loop、LangGraph/LangChain 等。文章逐题列出问法、公司分布和轮次分布，并指出 Skill、MCP、Agent 评测和 Harness 在 9、10 月明显增多，手撕题仍以 LeetCode 为主。
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
作者在之前 100 个 AI 博主榜单的基础上，逐一翻查数百个中文 X 账号，核对公开身份、代表作与近期内容，精选出 120 位值得长期关注的中文博主。榜单不按实力排名，不看粉丝数硬门槛，而是看重真实作品与一手经验，覆盖 9 个方向：AI 产品与组织落地（16人）、出海增长与独立开发（15人）、AI 研究与模型硬件（13人）、Agent 工程与 AI 开发（18人）、AI 内容与工具实测（16人）、开源与基础设施（15人）、编程与开发者工具（15人）、投资与产业写作（10人）以及 Web3 安全与协议（2人），旨在帮助读者在中文科技圈高效筛选优质信息源。
作者基于 DeepSeek Harness 从零搭建一个客服 Agent 的实战教程。文章梳理了客服 Agent 的四大核心能力：快速检索、记忆、人机协同与工具执行；并从交互模式接入、System Prompt 精简、Session 管理与持久化、工具与 Skill 的取舍、安全边界（接口鉴权与 Sandbox 只读）等方面逐步实现。作者强调通过收缩工具数量和精简 System Prompt 降低推理与 Token 开销，用 Skill 约束行为方式、用受控 Tool 约束能力边界，最后分享了利用 DSH 分步完成开发的流程与实用技巧。
花叔开源了Huashu-motion，一个让Claude Code、Codex等coding agent一键生成商业级产品宣传片的skill。项目对标Apple、Google、Anthropic的发布片水准，通过分析21支真实发布片和142支高互动动效片，提炼出导演规则。用户只需一句话，agent就会读产品、出三个设计方向、写节奏单、自动配乐配音效，最后在浏览器编辑器中支持点选修改。作者一天内用它制作了约二十支宣传片，成本极低（约2元/支）。项目已在GitHub开源，附带20种运动语言、10个模板和完整方法文档。
DeepSeek 发布了 DeepSeek-V4.1-Flash-1017 小版本更新，作者在推理、代码、Agent、图像理解等 8 个实际场景中与 Opus 5.5 进行同题对比测试。测试包括网页小游戏开发、落地页设计、讲解动画、视频渲染、数据分析、草图转网页和小说写作。结果显示该 Flash 版本在功能完整度、数据分析、交互还原等方面表现出色，多项能力已接近 Opus 5.5。新版本采用 552B 参数 MoE 架构，MIT 协议开源，同时开放了 Search 和 Fetch 搜索接口。
