作者展望了未来5-10年软件开发的变化：AI模型正以每半年约10倍的速度变强，未来将极其智能、快速且廉价。开发模式将从IDE自动补全，演进到终端中的AI编码代理，最终只需用自然语言或语音告诉计算机想要什么，AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统（无需UI）、为每个用户动态生成的应用界面、面向AI代理的新协议（如MCP），以及未来5-10年最抢手的技能，强调经验与意图表达能力将比手写代码更重要。
作者通过六天44项实际任务，实测Muse Agent的能力，回应外界质疑。文章记录了Muse接入Gmail、GitHub、腾讯文档、自建MCP服务等11个真实系统的过程，并产出9篇文档、9支视觉视频（含宣传片与讲解视频）、完成6场深夜排障、建立5项自动化提醒。作者强调HUMAN IN THE LOOP原则：花钱、发布、删除等有后果的操作必须经人确认。核心观点是：Agent的能力上限取决于它能接入多少真实系统，而真正的上限在于用户的想象力与实践力，Agent的价值在于用证据干活、错了就认。
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
本文探讨如何通过循环工程降低自主编码 Agent 的 Token 成本。以一个 5 轮 PR 修复任务为例，未优化的 Harness 消耗 81,000 tokens（$1.53），而优化后仅需 12,050 tokens（$0.042）。核心机制包括：稳定的系统前缀以最大化 KV 缓存命中；基于 AST 的工具输出压缩，仅提取代码骨架；沙箱确定性工具预检与自动修复，避免浪费 LLM 推理；MCP 工具 Schema 的按需懒加载与 Code-Mode 执行；以及双层级模型路由（Workhorse 处理机械性任务，Frontier 处理复杂规划），并定义了四种确定性升级触发条件，实现亚角级（sub-dime）任务成本。
文章为零基础小白提供了一条不花钱买课的 AI 入门路线图。作者梳理了 AI 的四类核心能力（理解表达、生成内容、处理信息、调用工具），解释了 AI 输出不稳定的四大原因，并强调提示词即任务说明，需包含目标、材料、边界和完成标准。文章还介绍了知识库的适用场景、工具/Agent/API/MCP 的区别，以及何时把流程沉淀为 Skill。最后通过七天案例带读者做出一份可持续更新的学习包，并附上可直接使用的入门教练提示词，以及小白最常问的 10 个问题解答。
Maestro MCP 正式开源，标志着移动端 UI 测试进入 Agentic UI Testing 时代。基于 Anthropic 的 MCP 协议，AI Agent（如 Claude、Cursor）可直接操控真机与模拟器，实时解析 UI 层级并自主调用交互指令跑通业务流程。相比传统脚本频繁崩溃的痛点，引入 Agent 运行时后可实现智能自愈，大幅降低回归用例维护成本。团队还可用自然语言描述用户路径，智能体即可自主探索、验证并沉淀可维护的回归工程。Maestro MCP 完全开源，延续 CI/CD 集成与 CLI 工具优势，无需推翻现有基础设施即可升级下一代自动化能力。
文章介绍如何通过 Vercel AI Gateway 的 key 免费调用 TypeSafe 的 Jev 模型，无需白名单。作者列举了 7 个开源应用案例：浏览器自动化查找机票、Android 手机自动操作打车、Agent 上下文压缩节省 token、用 Jev 核对任务完成声明的 MCP 工具、PostgreSQL 扩展按语义筛选客户流失记录、工具调用前的自动审批流程、以及多模型自动路由分发任务。最后给出接入教程：登录 Vercel、创建 Gateway key、让编程 Agent 完成调用配置。
本文针对 Vercel 国内访问慢、免费额度受限的痛点，提出用自有 VPS 部署开源平台 Dokploy 的替代方案。作者详细介绍选购 VPS 的避坑要点（推荐香港或海外节点以免备案）、安装 Dokploy 面板、生成 API Key 并通过 MCP 接入 Codex，让 AI 通过对话即可完成项目创建、Supabase 数据库部署、连接 GitHub 仓库自动构建发布等任务，最终搭建出体验接近 Vercel、功能更强的私有部署环境，年成本仅约 100 元。
本期早报围绕 AI 工程化落地的三大层面展开：小红书 Muse 的 Agentic 架构解决研发任务连续性问题，通过统一上下文与 Harness 机制衔接需求、设计、编码与交付全链路；OpenAI 分享生产环境 LLM 推理路由设计，从引擎信号到策略层面优化容量、网络与缓存的多维权衡；LinkedIn 通过 MCP 构建组织级上下文层，用渐进披露的 playbook 让 Agent 按需发现和维护操作经验。速览部分还涵盖内存墙问题、扩散模型推理、AI 数学能力、医疗影像模型、Claude Code 多智能体架构等前沿内容。
文章介绍如何通过第三方开源工具 WebCodex，让 ChatGPT 网页版接管部分 Codex 任务，缓解额度不够用的问题。作者详细讲解原理：ChatGPT 通过 OpenAI 官方 Secure MCP Tunnel 连接本机 WebCodex，实现文件读取、代码修改和命令执行。教程涵盖账号权限检查、下载 WebCodex Desktop、创建练习目录、配置 Tunnel 与专用 API Key、在 ChatGPT 中添加自定义 App 及验证连接等步骤，并强调风险提示：不是真正无限额度、存在安全与封号风险、密钥需妥善管理，最后给出常见问题排查和权限回收方法。
本文介绍 TypeSafe 推出的决策模型 Jev 的实操接入方法。Jev 不生成代码，而是通过输入材料（state）和问题（questions）返回选项、分数或概率，用于判断 AI 编码 Agent 的工作质量。文章依次讲解：如何设计清晰的判断问题、跑通首次 API 调用、用 Python SDK 一次发起选择题/评分题/判断题、通过社区插件 jev-review 给 Claude Code 或 Codex 接入代码评审流程，以及安装官方 Skill 和编写 PreToolUse hook 对 Bash 命令做风险检查。文章强调 Jev 只提供质量信号，正确性仍需测试和人工审查保障，并提醒注意阈值校准、模型标识记录和敏感信息安全。
作者分享了自己获批使用 TypeSafe AI 推出的 Jev 模型后的体验，并整理了一份 Awesome Jev 项目清单。Jev 是一个不生成文本、只返回选项、分数和概率的低延迟判断模型，可并行输出结果。文中介绍了 14 个基于 Jev 的项目，包括高速浏览器 Agent、MCP 集成工具、命令行语义判断工具、模型路由器、上下文垃圾回收、代码审查前置筛选、语义寻路、知识图谱、桌面自动化、交易流动性分析以及 FPS 游戏等应用场景。核心思路是：用 Jev 反复做'要不要、选哪个、打几分、下一步干什么'的判断，复杂推理和生成任务仍交给传统大模型，从而降低成本、提升速度。
本文是一篇新手教程，介绍如何将 GPT-6 Astra 通过 DaVinci Resolve MCP 连接到 DaVinci Resolve 视频编辑软件，帮助小企业主把积累的照片和视频素材自动制作成社交媒体短片。作者以咖啡店素材为例，演示了连接 DaVinci Resolve、整理素材、下达剪辑指令、调整风格、导出视频，以及通过 Blotato 自动发布到 Instagram 的完整 5 步流程。最终 AI 自动生成了 3 条带标题、字幕、配音和音乐的 30 秒竖屏视频，实现了从素材到发布的全流程自动化。
文章介绍如何解决AI生成网页时“不太对，再改一下”这类模糊修改意见难以落地的问题。作者拆解百灵 Ling-3.0-flash-VL 的官方演示，并提出用 Claude Code + Ling-3.0-flash-VL + Playwright MCP 的复现方案：VL 负责看参考图、生成代码和分析差异，Claude Code 负责读写文件和调用工具，Playwright 负责打开浏览器截图。关键细节是保持截图宽度一致，并让模型真正查看截图。作者建议从作品集首屏入手，通过截图对照迭代修改，让“看着不太对”变成可对照的图片差异。
作者分享用 AI 与 MCP 工具将闲鱼虚拟资料生意全自动化的完整流程：通过闲鱼 MCP（goofish-cli）选品分析市场需求，让 AI 独立制作可交付的资料并同时生成标题、详情等上架素材，用百度网盘 MCP 自动上传文件并生成分享链接，再通过闲鱼 MCP 批量上架，最后用易店或开源的闲鱼自动回复系统实现自动发货。文章强调批量铺货不是复制垃圾内容，而是把多个真实需求快速做成独立产品，人只负责确定方向、检查质量和处理异常，从而把执行成本压到最低，持续增加有效商品来放大收益。
作者因AIHOT产品优化导致Codex额度消耗巨大，发现ChatGPT Pro会员附带的GPT-6 Pro网页版额度与Codex额度分开，可被充分利用。他将服务器真实业务数据封装成只读MCP Server并接入飞书鉴权，作为插件供GPT-6 Pro调用，使其能基于真实生产数据做深度分析与规划，再通过'添加到Codex'功能将方案交给GPT-6 Astra执行。这套工作流大幅节省了Codex周额度，一次规划加执行仅消耗约14%额度，且完全合规无风控风险。
由于 Codex 额度消耗加快、Pro 计划暂停新订阅且对中国区用户体验下降，作者推荐国产 AI 工具 Qoder 作为平替。文章从安装配置讲起，逐步演示编程模式与通用模式，通过实战开发一键去背景工具网站，展示 Qoder 的 Agent 执行、自主验证、页面批注修改等能力。此外还介绍了 AI 办公场景：整理文件、自动浏览网站截图生成产品文档、屏幕识别与电脑操控，以及多任务并行、Skills 技能包、MCP 连接器、Hooks、记忆系统和定时自动化等进阶功能，帮助零基础读者快速上手。
本文是一篇面向普通人的 AI + Blender 入门实践指南。作者介绍了如何安装 Blender、通过 Codex（GPT-6 Astra）接入 AI（脚本或 MCP 方式）来操作 3D 建模软件，并展示了三个实战案例：将《最后的晚餐》图片变成网页探索小游戏、用白模预演结合视频模型制作追逐短片、制作可分享的 3D 数字收藏闪卡。文章还整理了社区中房间漫游、产品展示、城市动画等玩法，说明 AI 大幅降低了 3D 创作门槛，把造物权递到了普通人手上。
作者介绍了一种在 ChatGPT Web 端以 Chat 模式（不消耗订阅额度）接入 MCP 实现本地任务执行的方法。文章先解释了 Chat、Work、Codex 三种模式的额度消耗差异，随后介绍 OpenAI 官方的 Secure MCP Tunnel 机制，通过 tunnel-client 建立内网出站 HTTPS 连接，让云端 ChatGPT 安全调用本地 MCP Server。作者对比了 WebCodex、DevSpace、codex-with-chatgpt、Mac Developer Bridge 四种方案的权限范围与安全边界，最终选择 WebCodex，并详细演示了创建 Tunnel、生成 Runtime API Key、在 ChatGPT 开发者模式中配置 MCP App 的完整实操流程，从而在不消耗订阅额度的前提下使用 GPT-5.6 Sol 的编码与任务执行能力。
作者分享如何组合 DaVinci MCP、Astra 和自定义 Skill，批量自动生成 Hook + Reaction 风格的 UGC 短视频。流程包括：下载 doublespeed 开源的 1000+ 反应视频模板作为素材；安装 DaVinci Studio 21.1 并通过 AI Assistants 配置 DaVinci MCP 连接 ChatGPT/Codex；安装作者公开的内部 hook 写作 Skill，其中总结了 drama、story、credential、insider、numbered、diagnostic、inversion 等多种爆款钩子机制及示例文案。Astra 负责协调工作并撰写 hook 文案，DaVinci MCP 自动完成剪辑，实现 8 秒内批量产出短视频。
本文介绍了如何使用 Grok Bot 构建自动化 Agent 的十步蓝图。Grok Bot 不是简单的脚本或工作流工具，而是拥有云端真实计算机（桌面、文件系统、终端）的 Agent。文章详细讲解了：如何选择合适的首个自动化目标、定义机器人三要素（名称/标题/描述）、通过录制演示而非文字描述来教学、连接 MCP 服务器和常用服务（Gmail、Slack 等）、用自然语言设置权限规则并配合审查 Agent 实现安全控制，以及聊天、定时例程等三种运行方式。文中强调共享登录的安全风险，并引用 SpaceXAI 工程师的实践案例说明从'构建并维护'到'描述即运行'的自动化范式转变。
Microsoft Build 2026 现场访谈中，Addy Osmani 介绍了 Agent Skills 的概念：将专业判断打包成 AI Agent 可执行工作流的标准化方式，类比新时代的 dotfiles。他展示了围绕软件研发生命周期（Define→Plan→Build→Verify→Review→Ship）组织的 Skill 仓库，统一遵循 Overview/Rationale/Red flags/Verification 设计模式，并现场演示 45 分钟从模糊想法到完整应用的全流程。访谈还探讨了人在回路中的代价、尽责程度与风险成正比、安全审查的非确定性困境、MCP 与 Skill 的对比及多模型分工等观点。
本文从 LLM 基础原理出发，循序渐进讲解 AI Agent 的底层机制。作者首先解释大模型如何通过 Token 预测生成文本，说明无状态、幻觉和知识截止等现象的根源；接着阐述多轮对话依赖上下文拼接实现的原理；进而介绍工具调用如何让模型影响外部世界，以及模型结合工具反馈形成闭环后 Agent 的诞生。文章提出 Agent = Model + Harness 的工程视角，剖析 Harness 在上下文管理、记忆系统、上下文压缩等方面的职责，帮助读者建立对 AI 能力边界的底层认知，摆脱对新工具的 FOMO 焦虑。
作者结合实际工作经验，整理出一份 AI Harness 开发的 11 条技能清单，涵盖后端与系统设计、RAG 与向量数据库、记忆与上下文管理、工具调用与 MCP、Agent 编排、护栏校验、评测、可观测性、模型路由降级、排队负载均衡以及推理部署引擎。作者指出 Harness 开发是硅谷热门方向（如 YC Demo Day 上大量项目），建议普通开发者从 AI 应用入手，把模型接入具体业务，并给出将清单交给 AI 逐项学习的 prompt 方法。
文章探讨了MCP基础设施的演进趋势：MCP服务器正逐渐成为实现细节，其发布的接口与Agent实际消费的接口分离。中间层基础设施可以重塑工具发现、选择、认证和执行。多个服务器可聚合为单一端点，工具与实现服务器解耦，发现流程分阶段进行，工具定义作为检索上下文而非全部加载，甚至以编程接口形式呈现。这些变化使MCP接口更难测试和控制，开发者需适应新的架构模式。
Ars Umbris 是一款可塑的 Agent 原生 IDE，将知识库视为代码库，通过类型引擎为笔记、来源等知识对象定义类型与关系，并像编译器一样对知识结构进行校验。其仓库以本地 Markdown/YAML 文件组织，包含知识、类型、技能、MCP 工具、投影与 Agent 配置，支持跨仓库引用与依赖复用。它通过 MCP 适配器连接 Claude Code、Codex 等 Agent 框架，让多个会话共享同一份持久化状态，形成「元 harness」。项目目前处于早期 Alpha，仅支持 macOS 且需自行编译。
本文系统讲解 OpenAI 桌面执行型 Agent——Codex 的使用方法。作者首先介绍 Codex 的能力边界与 Prompt→Plan→Execute→Verify 四步执行逻辑，强调人工验证的重要性。随后详解桌面 App 三栏界面结构（项目任务管理、对话控制台、Diff 审查），并说明 Local、Worktree、Cloud 三种工作区模式的适用场景与选择原则。文章还涵盖 Plan 执行计划的开启时机、沙盒权限三档控制与审批弹窗处理方法，以及 Skill、Plugin、MCP、Automation、/goal 五类扩展功能的分工。最后提出从入门到熟练的四阶段学习路径，全文包含大量排错提示、上手练习与手绘图解，帮助读者快速建立可落地的操作直觉。
Google 一年前推出的 A2A 协议已发展到 1.0 版本，获得 150 多个组织支持并进入 Agentic AI 基金会。但同期 MCP 能力日益强大、Agent 运行时的编排能力提升、长时任务转向持久化工作流、共享状态协调等方式，都在减少 agent 之间需要独立寻址通信的场景。文章分析了四种架构趋势：agent 藏身于 MCP 能力之后、子代理成为运行时内部原语、单一协调代理面向多个 agent、软件工厂按工作任务组织 agent、以及传统工作流编排器从顶层协调 agent，认为显式 agent-to-agent 协议的需求可能并不常见。
本文是一篇纯小白向实战教程，作者分享了如何在Windows上通过MCP协议让ChatGPT读取本地Codex工程和知识库的完整过程。文章详述了使用开源项目codex-with-chatgpt进行本地安装、通过ngrok配置固定访问地址、在ChatGPT网页创建自定义连接、完成OAuth登录与配对、以及验证文件读取的七个步骤。作者重点强调了安全注意事项（不泄露令牌、只开放必要目录）和常见踩坑点，如ngrok产品选错、OAuth报错需刷新插件等。最终实现ChatGPT负责规划审查、Codex负责本地制作的协作分工，让视频制作的复盘和规划建立在真实工程之上。
本文详细介绍如何将 GPT-6 Astra 连接到 Obsidian 知识库。Astra 具备两大优势：可配置的推理深度（五档 effort 级别，可在对话中动态调整且保留缓存）和强大的长上下文检索能力（512K-1M token 范围内检索准确率达 96.3%，远超 GPT-5.6 Sol 的 73.8%）。文章给出两种连接方式：一是通过 Obsidian Local REST API 插件与 MCP 实现文件级读写，适合结构化操作；二是通过 computer-use 直接操作 Obsidian 桌面界面，适合图形视图、Canvas 等视觉空间任务。最后提供配置协议示例，指导如何按任务类型选择合适的推理档位并充分利用长上下文。
