文章系统梳理了 AI 生态中的核心概念及其关系。首先介绍 AI 模型，按处理信息类型分为语言/多模态、图像生成、视频生成、音频语音和专用任务模型，并列举 GPT、Claude、Gemini、FLUX、Veo、Whisper 等代表产品。其次区分 AI 模型与 AI 产品，涵盖综合助手、AI 搜索、创作和办公开发工具。然后解释 Agent 如何从回答问题走向执行任务，分类介绍了编程 Agent（Codex、Claude Code）、跨应用 Agent（Manus、OpenClaw）和长期个人 Agent。最后厘清 Skill（可复用工作方法）、Tool（具体能力）、Plugin（功能集成）、API（软件接口）和 MCP（标准化连接协议）的区别，以及 Workflow、Memory、知识库和执行环境等支撑能力，帮助读者理解整个 AI 生态的组成与协作方式。
文章介绍作者封装的 anatomy-explainer 项目，用 Agent 工作流自动制作机械原理科普视频。核心思路是先锁定因果链与解释范围，再用参数化代码几何保证齿轮等部件运动关系可检查、可复现；旁白按短句合成语音，以实测时长驱动动画与字幕对齐。文中以木牛流马为例，讲解了选题收窄、审题约束、声画对齐、字幕遮挡检查、3D 扩展方向与运行环境配置，并强调流程仍需人工审核、简化须标明、自动化能力需靠项目积累验证。
作者受 yetone 分发的 AI 持续开发工作流启发，分享自己基于 Claude Code + Codex CLI 的开发实践。核心思路是：主 Agent 用 Claude Opus 负责需求分析、任务拆解、调度与审查，Codex 负责具体编码，低成本 Claude Subagent 监测 GitHub Issues/PR，并结合 Git Worktree 隔离任务。开发前强调明确需求、复用成熟开源组件（yt-dlp、Whisper、FFmpeg）、不断质疑想法；开发中通过 Human-in-the-Loop 让人负责体验与最终决策，AI 处理重复任务。文末附完整的可复用提示词。
文章解读了一篇关于 FDE（Forward Deployed Engineer）的论文《FDE-Gym》。该论文将真实企业项目改造成覆盖金融、医疗、制造、能源等 18 个行业的 95 个任务，评测 AI Agent 承担真实企业交付工作的能力。Agent 仅获得客户最初的一句话需求，需自行读文档、查系统、确认信息并判断客户真正的问题。评分不仅要求完成需求，还要求交付系统真正改善业务指标，乱找人、反复试错都会产生成本。结果显示最强模型平均得分仅 0.56，95 个任务中仅真正解决 14 个，最大瓶颈在于未写入需求的业务规则、隐性约束以及客户未表达清楚的问题。文章指出 FDE 的难点在于在信息不完整、需求模糊的环境里判断该解决什么并真正交付。
作者分享了耗时近一个月开发的 Skill「/dbs-title-cover-intro」，属于 dbskill 工具包（v2.21.0）。用户把稿子发给它后，它会先询问内容用途（文字、待拍视频或已完成视频），然后协助确定选题：最多给出 4 个按受众从小到大排列的选题，并附标题示例，还会引导用户补充能建立信任的经历或数字。选定选题后，它一次性生成小红书、B 站标题各 3 个，抖音/视频号文案、图文封面文字、主页封面文字、视频前 10 秒开头方案，以及最多 3 条稿件修改建议。文中还介绍了安装与更新方式。
文章讲述 React 核心团队成员、现 SpaceXAI 工程师 Lauren Tan 的成长与 AI Agent 实践路径。她非 CS 出身，从网页设计论坛自学起步，历经创业失败、DockYard、Netflix、Meta React 团队，最终加入 Cursor（后被收购）。她曾不相信 agent 能写生产代码，如今一个月合入 2500 个 PR。她提出建立对 agent 信任的倒金字塔方法：优先改进代码库架构、静态分析、文字规范，最后才是人工审查；强调「瓶颈在于验证」，通过编写验证类 skill 让 agent 自我检查。文章最后给出普通人可照做的建议：边学边公开、从小处着手、先验证后放手。
Latent Space 首期「High Taste Testers」栏目中，五位 AI 重度用户在 OpenAI DevDay 2026 后畅谈产品真相。核心观点：模型前沿没有让人失望，产品执行让人失望；Dots 等功能藏得太深、远程执行与状态迁移未解决；Codex 桌面端更新频遭差评；行业应从 agent 转向 assistant，助手胜负在减负；Jev 决策模型改变的是成本曲线而非能力边界；信任是这一代模型的真正分水岭；分发与深度的矛盾注定产品分裂，各自占据生态位。
作者将散落在 X 平台不同作者时间线上的 24 篇 Grok Bot 相关文章整理成合集，按主题分为九大类：额度与订阅、入门与认知、微信和飞书等 IM 接入、云端服务器与 SSH 连接、AI 工具集成（如 Claude Code）、多 Bot 角色分工协作、自媒体内容流水线、编码工程与备份维护，以及跨工具组合自动化玩法。合集覆盖从零基础入门创建 Bot、Skill 配置、订阅套餐比较，到多 Bot 团队搭建与内容生产等进阶用法，并附原文链接，方便读者按需查找学习。
作者萝卜哥用同样的提示词、大模型和 Agent，实测对比了 6 款免费开源的 AI PPT skill：PPT Master（5.2万星，原生 PPTX，功能最全）、Frontend Slides（2.86万星，HTML 幻灯片，先出三种风格预览）、Guizang PPT Skill（2.73万星，杂志风/瑞士风，带演讲者模式）、Html PPT Studio（8500星，演讲辅助最强）、Dashi PPT Skill（9500星，网页编辑器，咨询风）以及作者自研的萝卜 PPT（300+星，主打不乱改原文、逐页核对）。文章给出按场景选型的建议，并指出 AI PPT 效果很吃大模型能力，需结合自身需求试用选择。
文章盘点了本周 GitHub 上增长最快的十个 AI 开源项目：REA 可用 AI 逆向分析任意应用；Matt Pocock 的 skills 提供工程化 AI 编程技能；diagram-design 教 AI 画出专业图解；OpenMontage 把编程助手变成 AI 视频工作室；claude-mem 为 AI 增加长期记忆并节省 token；free-claude-code 汇聚免费模型额度让 AI 编程工具零成本使用；Anthropic 官方 knowledge-work-plugins 面向非程序员岗位；AirLLM 让小显存跑超大模型；text-to-cad 一句话生成可加工的 3D 零件；OpenSRE 让 AI 承担线上运维值班工作。
作者分享了基于 DeepSeek Harness 构建的持久化 Bot 团队 DeepSeek Bot 的开发经验，重点讲解上下文和记忆系统的设计。文章对比了传统压缩派（cc）和 Codex 的实验性上下文管理（ecm），提出智能路由方式（icm）：由独立的 context manager 决定压缩还是切会话。为确保智能路由真正有效，作者采用爬山算法优化，通过搭建用例、设置训练测试集、逐步迭代提示词来提升效果，并强调屏蔽噪声和成本控制的重要性。记忆系统采用轻量设计并支持外接插件。文章最后感谢社区认可并预告 Computer use、Browser use 等更新。
文章详细讲解了 Grok Bot 定时任务（routines）的成本优化之道。每5分钟运行一次的任务每月唤醒8640次，按 Grok 4.6 API 费率计算约花费400美元，而每小时运行仅需33美元。作者强调成本取决于调度频率而非模型选择，并提出核心优化策略：优先使用事件触发而非轮询、选择任务可接受的最慢调度频率、在高频任务前加入低成本的"是否有变化"检查（可降低89%成本）、避免夜间任务等待审批导致失败、以及自行维护运行日志（因为应用仅保留20条记录）。文末附有可直接使用的提示词模板。
文章介绍了开源项目 REA（Reverse Engineer Anything），一个可将 Claude Code、Codex、Cursor 等 AI Agent 接入 Ghidra、Hopper 等真实反汇编引擎的 MCP 服务器与 CLI 工具。REA 发布三个月即获得超过 10 万 GitHub Star，支持原生应用、Electron、APK、固件、智能合约字节码等多种目标的逆向分析。文中列举了多个实战成果，如用 Rust 重写 Adobe 系列应用、Super Mario Sunshine 原生 PC 移植等，并给出八步完整教程：从目标路由判断、五分钟安装配置、侦察定位，到最终完成通过一致性测试的代码重建，所有结论均标注为观察、推断或未知并附证据地址。
作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验，其中35对可同条件比较。文章详细记录了三个阶段：首先是六次小型探索，测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务，两边均通过全部用例但 REA 组耗时略长；随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索，以及原生 Codex 借助普通工具自行调查的能力，指出在小规模任务中两者能力差距不明显，差异更多体现在调查入口和验证路径上，并对实验边界与结论适用范围做了严谨说明。
作者认为大量阅读 AI 论文是入门 AI 领域的极佳方式，并以朋友韭二老师爆肝 60 篇论文后入职盛大 evermind 为例。同时指出在 X 上分发论文解读是一种起号方式，该赛道仍有空白。针对论文小白，作者推荐一体化 AI 科研工作台 Open-Science：内置科研 skills 的 Agent 可检索文献、梳理方法并输出报告；支持灵活接入 Codex、Claude 等模型；研究过程可回溯审核；支持动手复现论文计算与分析。复现 5 篇以上即可深入掌握 AI 领域知识，项目已开源。
作者分享了一个用 AI Agent 制作产品发布宣传片的方法：传统找设计师制作至少需要几千块，而现在只需准备好产品介绍、截图和 Logo，通过一个名为 ASCII Glitch Launch Video 的 Skill，一句话就能让 Agent 生成一支故障风格的发布视频。作者演示了对 vibe42.ai 产品的宣传片生成，整个过程几分钟完成，且使用 opus5.5 模型，没有借助专门的视频模型，展示了 Skill 在创意内容生产上的高效与低成本。
作者毕业后一年维护的 84.3k 星开源项目 Archify 积累了 152 个 PR 和 128 个 issue，其中大量是 AI 自动生成的垃圾贡献：有人未实际运行就提交代码，靠'诊断补全'名目刷贡献。作者反思掉入'老实人误区'，宣布新的维护规则：分流处理 PR、改行为先提 issue、动核心链路需举证复现、参考 Ghostty/LLVM 引入 AI 贡献披露制度，将有限精力留给真正使用项目的用户。
文章介绍了豆包工作新上线的 AI 资产一键迁移功能，支持从 ChatGPT、Claude Code 导入对话、技能和记忆三类「默契资产」，将跨 Agent 迁移的损失降到最低。作者实测导入 240 项 Claude 和 682 项 ChatGPT 资产后，发现历史会话上下文可无缝衔接。文中解释了设计边界：只导入与工作绑定的工作记忆，不导入个人偏好；凭证暂不支持导入以防冲突。此外还介绍了对话分叉、消息注释、对话摘要侧栏等新功能，并分析了豆包打通飞书文档在分享协作形态上的优势。
中国人民大学开源了 EvoOntology，登顶 Hugging Face Daily Papers。传统做法是把数据字典塞进 prompt，但实验显示这反而使 Claude-Sonnet-5 得分下降 15 分。EvoOntology 让 Agent 自主维护数据本体：从问题出发整理指标定义与表关系，经真实数据验证后入库；通过 MCP 按需检索而非硬塞上下文；每次任务后分析出错点，只增量修改对应部分，新版需跑赢旧版才上线。该方法使 Claude-Sonnet-5 提升 8.8 分，GPT-5.5 在 DDR-Bench 上提升 26.7 分。已提供 Claude Code 和 Codex 插件，模型权重不变，变强的是 Agent 的数据说明书。
这是一篇 Grok Bot 安装与登录的入门教程。核心要点是：Grok Bot 使用 Cursor 账号登录，而非 X 或 Grok 账号。文章按步骤讲解如何确认电脑类型（Mac/Windows/Linux）、下载安装包、手机端下载渠道，以及电脑和手机端的详细登录流程。对于额度来自 SuperGrok 或 X Premium+ 的用户，需先登录 Cursor 账号再关联对应账号，且关联永久不可解绑。文中还涵盖简体中文设置、登录失败的六步排查方法、需要联系客服的情形，以及常见问题如多设备同步、额度说明等。
作者分享如何用 Grok Bot 组建一支有分工的 AI Agent 小队：以水浒人物命名 bot 并按座次管理权限；设置单一入口“宋江”统一派活，吴用写代码、公孙胜独立验收，最后由人拍板合并；制定 7 条需人工确认的红线清单。文章还给出实战案例（App CSS 审计优化）、飞书知识库归档、GitHub 私有仓库备份 bot 记忆的规范，以及从 0 搭建小队的 5 步手把手教程，包括创建 bot、设定时任务、bot 互相派活、接入飞书/GitHub/X、把流程存成技能。
本文介绍如何将 Claude Code、Grok Bot 和 Cursor cloud agent 串成一条自动化开发流水线。分工为：用户提需求拍板，Claude Code 负责读代码、拆任务、审 PR 和合并，Grok Bot 作为调度员派发 cloud agent 并跟进进度，Cursor cloud agent 负责写代码、跑测试、开 PR。这种架构省 Token 额度、支持并行开发、实现写审分离。搭建只需三步：在 Grok Bot 中创建专用调度 Bot 并粘贴协作提示词；在 Claude Code 中安装 cg-link 工具；登录 Cursor 完成授权。配置完成后即可通过 /cg-link 命令开始使用。
作者探讨AI时代论文写作中人的价值。工程类论文因研究贡献明确、方法论可显性提取，AI较易介入；人文社科论文则依赖研究者的中心判断与叙述节奏，AI容易局部正确、整体失焦。好论文是各章节互相回应的整体，人的核心价值在于拥有作者性——决定文章要证明什么、如何取舍论证路径。作者建议将论文写作当作系统工程，通过结构化文献综述、显性记录研究意图、明确章节任务、提供参考论文、最后处理语言等方式合理利用AI，但研究者不能把作者性外包出去。
作者分享了WorkBuddy与企业微信正式打通后的使用体验。7个月前WorkBuddy只能作为单向传话筒被拉进企微群，如今联合版本让AI真正融入企业：它能理解企微内的消息、文件、日程、会议等全部上下文，产出的PPT可直接发回群聊并沉淀为公司资产。文章介绍了开通步骤（需认证企微）、三种任务入口，并演示了项目管理催进度、选题日报等实用场景，还强调了数据不外流和权限统一管理的安全性。此外，作者重点介绍了企业版可观测中心的三层监控机制（实时观测、会话追踪、轨迹详情），并建议普通人应在平台内沉淀经验、构建Skill，而非与平台抢入口。
作者购买了一块 128 元的立创实战派 ESP32-S3 开发板，全程未手动输入命令、未花模型费用，通过 DSH（DeepSeek Harness）搭配 WorkBuddy 免费额度的 DeepSeek V4.1 Flash 模型，将开发板刷成小智 AI 音箱。DSH 自主完成了查固件、校验 SHA256、烧录、读串口日志、定位唤醒词等操作，作者仅负责插线、配网和语音交互。文章记录了从配置免费模型、排除充电线问题、烧录固件到激活配网及后台调优的完整过程，展现了 Agent 驱动硬件开发的高效体验。
作者分享使用 Opus 5.5 从一段文字生成完整视频的教程，并开源了包含 16 种视频风格的 Skill（chengfeng-video-styles）。流程包括：安装 Skill、输入内容、设定参考风格、先生成 17 个 3 秒样片供筛选、选定后生成全片、导出 MP4，最后用代码合成音效和添加字幕。整个过程通过 Agent 自动化完成，视频生产从围绕时间线的传统剪辑转向围绕工作流的自动化流程，作者对效果非常满意。
本文是一篇从零开始的飞书 CLI 接入教程，讲解如何让豆包工作（AI Agent）真正“动手”操作飞书，实现文档、表格、日历、消息的自动化处理。文章介绍两条接入路线：适合新手的飞书插件安装方式，以及需要 Node.js 环境的手动安装 CLI 方式，并详细说明登录授权、权限管理与验证步骤。作者强调运行环境需选“本地电脑”才能调用本机 CLI，并以“把本地 Markdown 转成飞书文档并归档”的完整案例演示全流程。飞书 CLI 覆盖 16+ 业务域、2500+ API，让 AI 助手从只会聊天进化为能直接办事的工具。
DeepSeek 将 Harness 团队及 Web、App、Platform 团队整合为“产品部”，由崔添翼负责，统一管理产品、设计与研发，并急招产品经理、产品设计师和项目经理。产品经理分 AI 产品和 Agent Harness 两个方向，要求有完整交付经验、深度使用 Agent 类产品（如 Claude Code、Codex、Manus 等）、懂 Agent 机制与 Context/Harness Engineering；设计师需具备 UI/UX 能力和 vibe coding 技能；项目经理为实习岗。工作地点为北京和杭州，全职与实习均可。
文章介绍 REA（Reverse Engineer Anything）这个 MCP 服务器与 CLI 工具，它让编码代理能够深入分析无源码程序（JavaScript、原生二进制、.NET、APK、网站等）。作者澄清了'逆向 Adobe'的传言：ArtCraft 团队实际采用净室重写，只观察行为而不读 Adobe 代码。核心观点是逆向工程的可靠性取决于'oracle'（验证机制）——文中讲述了一个通过所有测试却仍有 bug 的案例，并系统讲解了基于 Opus 5.5 与双房间净室循环的逆向工程方法论，包括安装、验证、限制与合规边界。
作者基于多年使用 X 的经验，筛选并整理出 100 个含金量最高的 AI 相关账号，涵盖 OpenAI、Anthropic、Google DeepMind 等实验室掌舵人与官方号、产品负责人、顶级研究者、AI 编程与 Agent 实践派、开源与基础设施团队，以及近半数的中文一线 AI 实战博主。榜单分为 10 组（英文 6 组、中文 4 组），每个账号均附推荐理由，强调直接获取一手 AI 信息、避免二手信息差的价值。
