2026年AI工程师全攻略（无CS学位）
本文阐述了在2026年如何无需计算机学位成为一名AI工程师。文章指出，当前的招聘市场更看重实际构建能力而非学历背景，并明确区分了AI工程师（系统集成与落地）与机器学习研究员（模型训练）的区别。作者提供了一套完整的学习路径（技术栈），包括Python、SQL、API集成、向量搜索、RAG及Agent框架等，并建议通过构建RAG应用、工具使用Agent及全栈部署产品这三个具体项目来证明能力，从而获得工作机会。
全部文档 / 标签: Agent
2252 篇
WorkBuddy 小红书从0到1000粉实操指南
本文是一份详尽的实操手册，旨在帮助新手利用 AI 工具 WorkBuddy 完成小红书账号的冷启动。文章提出了“先定变现、再倒推内容”的核心逻辑，并总结了一套包含七步的完整工作流：变现倒推定位、拆解低粉爆款、建立账号档案、批量生成选题、按排期发布、去除 AI 味以及数据复盘。文中提供了可直接复用的 Prompt 模板和排期表格，强调建立记忆文件和思维体系的重要性。
派往前线的工程师：FDE 为什么是 AI 落地时代最重要的职业
本文探讨了 Forward Deployed Engineer (FDE) 在 AI 时代的核心价值。文章指出 FDE 不仅是工程师，更是将企业 Know-How 转化为 AI 可执行 Context 的翻译者，是连接模型智能与现实世界的最后一公里。通过与 Cresta Head of FDE Jove 的对话，文章分析了 FDE 与外包的本质区别，讨论了“本体论”在构建企业知识模型中的作用，以及 Skills（技能）如何成为下一代软件形态。
别再乱装 Codex Skills 了，真正值得先装的是这几类
文章指出，使用 Codex Skills 不应像逛插件商店一样盲目安装，而应围绕核心工作流进行选择。作者推荐了三个安装阶段：第一阶段优先安装前端设计类（如 frontend-design）和浏览器验收类 Skill，以实现从“写页面”到“审页面”的闭环；第二阶段安装研究类（如 last30days）和内容类 Skill，用于产出高质量长文；第三阶段按需补全 Figma 和销售类 Skill。此外，作者建议通过自定义 AGENTS.md 来固化工作流程，提升 Agent 的执行稳定性。
写好一份 Spec 的实战手册
本文属于「AI 时代的编码新范式」系列，旨在解答在 AI Agent 开发中如何编写 Spec。文章首先厘清了 Spec 与 PRD、设计文档及用户故事的区别，指出 Spec 应定义软件行为而非描述需求。接着提出了 Spec 的五要素：目标、约束、边界、验收标准和技术上下文。最后倡导从三句话开始，将 Spec 视为随项目生长的活文档，以提高 Agent 开发的准确性和安全性。
别再把收藏夹当知识库了：用 Hermes 和 AutoCLI 搭建自动整理链路
针对“收藏即遗忘”的痛点，文章提出了一套本地化知识管理方案。作者建议结合 AutoCLI（采集层）、Hermes Agent（处理层）和 Obsidian（存储层），构建一条自动化流水线。通过定时抓取网页、清洗摘要并生成 Markdown，将杂乱信息转化为可检索的本地知识库，从而提升资料利用率。
实操记录：我用 WorkBuddy 跑通的第一条完整 AI 办公闭环
文章记录了作者使用 WorkBuddy 实现完整 AI 办公闭环的实战经验。详细解析了 Ask、Plan、Craft 三步执行法，以及工作空间、连接器、专家和技能的配置逻辑。对比了 Claude Code 等开发工具的差异，并分享了处理 Excel 生成周报、制作落地页及远程助理的具体案例，总结了六条使用铁律和避坑指南。
万物皆可 Skill：如何基于 Codex 把任何内容变成可复用 AI 能力
文章提出了“万物皆可 Skill”的理念，指出高阶的 AI 使用方式应从临时性的提示词升级为可复用的 Skill（能力包）。文章详细阐述了 Skill 的本质（任务边界、流程、标准及失败处理）、与 Prompt 及 Workflow 的区别，并介绍了基于 Codex 构建 Skill 的标准结构、设计原则（如渐进披露）以及通过“元编程”视角实现 Skill 递归进化的方法。
如何让 Codex 拥有复刻拆解抖音爆款视频的能力
文章介绍了 GitHub 上的 claude-video 工具，该工具赋予了 Claude / Codex 这类 AI Agent 视觉能力，使其能够看懂视频内容。该工具应用场景广泛，包括拆解爆款视频的 Hook、分析广告素材、复盘脚本、定位 Bug 录屏以及整理课程笔记等。
AI 开始优化 AI 自己的生产线了：Superpowers 6
本文通过 Superpowers 6 的案例，指出 AI 已突破代码生成，开始具备流程优化与管理能力。AI 审计并改进了自己的工作流，实现了降本增效。文章强调，在 AI 自动化“判断力”的时代，人类的核心价值已从操作机器转向构建诚实可靠的评估系统，即在幻觉与自我欺骗面前，坚持用 Eval 记分牌揭示真相。
Fable 实战指南：如何发现与处理你的盲点
文章探讨了在使用 Claude Fable 5 进行 AI 辅助编程时，“地图”（提示词）与“领土”（实际代码库）之间的差异，即“未知数”。作者提出了将未知数分为已知的已知、已知的未知、未知的已知和未知的未知四个维度。为了解决这些瓶颈，文章详细介绍了在实施前通过“盲点排查”、头脑风暴与原型、访谈和引用参考四种模式来帮助 Claude 更好地理解上下文，从而提升 Agent 编码的质量。
Fable 循环库：25 个全自动工作流实战指南
本文介绍了一套包含 25 个工作流的“Fable 循环库”，旨在教读者如何利用 Claude Code 的 /loop 和 /goal 命令实现 AI 自动化。文章详细阐述了基于目标、边界和结果的 Agent 核心逻辑，区分了循环和目标的区别，并按营销内容和产品两个维度，展示了如何利用 MCP 和 API 自动执行 SEO 监控、内容挖掘、竞品分析及用户体验优化等任务。
AI面试管家系统架构：AI、GitHub、Codex与飞书的四端协同
文章介绍了作者团队研发的「AI面试管家」系统，该系统通过集成AI面试、GitHub资料仓、Codex本地智能和飞书执行层，实现了招聘流程的高度自动化与GitOps化。核心亮点包括将候选人转化为可版本化的数据对象，利用本地Agent保障数据安全边界，以及通过异步任务提升系统的容错与追踪能力。
Claude Code 官方循环工程入门指南
本文介绍了 Claude Code 中的“循环”概念，即智能体重复执行任务直到满足停止条件。文章详细讲解了基于回合、基于目标、基于时间和主动式四种循环类型，并提供了相应的使用场景与示例。同时，文章还分享了保持代码质量和管理 Token 用量的最佳实践，帮助开发者高效利用 Claude Code 完成复杂的自动化任务。
老师如何用 WorkBuddy 打通备课全流程
本文分享了在承德应用技术职业学院进行的教师培训实录，核心在于如何利用 WorkBuddy 将 AI 应用从单点问答升级为 Agent 流程化工作。文章详细拆解了从阅读课程标准、搜索资源、映射材料到生成教案的完整备课链路，并介绍了 SGP 提示词结构、Agentic Search 搜索循环以及将流程固化为 Skill 的方法，旨在帮助教师掌握“给 Agent 派活”的高效工作模式。
Agent 自治级别：从单一代理到多代理编排
本文探讨了智能体工程中从单一代理到多代理编排的演变，提出了一个新的双轴模型：代理自治和编排。文章详细介绍了从辅助级别到并行委托级别的六个自治层级，以及 Claude Code 和 Codex 等工具在实现不同级别上的具体应用。
多模型整合指南：用 Hermes Desktop 统一管理 ChatGPT、Grok 与 DeepSeek
本文介绍如何使用 Hermes Desktop 将 ChatGPT、Grok、DeepSeek 和 MiniMax 等多个 AI 模型接入同一个桌面应用。文章详细讲解了通过图形界面一键配置模型账号、连接 Telegram/Discord 消息通道、以及设置 10 个实用的自动化工作流（如每日简报、竞品监控）的步骤，旨在无需编程即可实现多模型协同与自动化任务处理。
AI 视频剪辑 Skill 分享：video-use
文章介绍了开源项目 video-use，这是一套面向 AI Coding Agents 的视频剪辑 Skill。其核心理念是让 LLM 通过“阅读转写文本”而非直接观看视频来理解内容，结合 ffmpeg 等工具实现自动化剪辑。文章详细阐述了从转写、打包、决策到渲染的完整技术流水线，并分享了包括分段拼接、淡入淡出、时移对齐等关键的工程实现细节与“铁律”规则，旨在实现生产级的视频自动化处理。
人工智能的工程全景（下）：Agent 全解
本文是《人工智能的工程全景》系列的下篇，深入探讨了2025-2026年AI行业的竞争焦点——Agent工程层。文章从Agent定义的演变出发，区分了Workflow与Agent的本质差异，解析了ReAct架构与关键能力清单。重点介绍了Function Calling的工业化起点、MCP协议带来的工具调用标准化，以及Context Engineering与Harness Engineering在Agent系统构建中的核心地位。
Codex一句话生成视频实战教程
本文介绍了如何使用OpenAI的Codex客户端搭配Remotion插件实现一句话生成视频。作者展示了产品动画、电商带货、新品展示和排行榜数据四个实战案例，涵盖了自动抓取网页素材、分析产品定位、生成营销海报及自动排版等全自动化视频制作流程。
AI 视频创作的新范式：Codex + Remotion
文章探讨了将视频制作转化为代码工程的“视频即代码”新范式。通过结合 Codex（负责编写和迭代代码）与 Remotion（负责 React 组件渲染视频），创作者可以实现视频的组件化、参数化和版本控制，解决高频生产中的可控性与复用难题。文章详细介绍了工作流、工具链选型、项目结构搭建以及避坑指南，强调了从单次生成向系统化生产转变的重要性。
腾讯 Marvis 评测：手机电脑协同，打造“住进电脑里”的 AI 管家
本文深度评测了腾讯推出的 Marvis Agent，并对比了 WorkBuddy 和 CodeX。作者指出 Marvis 定位为“AI 电脑管家”，具备手机远程操控电脑（带键盘鼠标）、系统级文件自检与清理、跨 App 资料收集整理、视觉化 PPT 制作以及基于本地素材的小说续写等能力。文章强调了 Marvis 在打通手机与电脑同步干活、深度调用系统设置方面的独特优势。
Fable 5 深度测评：从翻车现场到 Skill 工作流的系统级重构
本文作者使用回归的 Fable 5 模型对自己开发的“AI 视觉风格导演” Skill 进行了 V3 升级。文章展示了 Fable 5 在处理复杂、多文件工程任务上的独特优势：它不仅能发现 V2 版本中缺失的 frontmatter 等基础 Bug，还主动补齐了双引擎编译、视频模型路由和风格资产沉淀等三层关键逻辑。作者认为，Fable 5 在生产链路判断和工程品味上超越了传统模型，适合用于解决高复杂度的“硬骨头”任务。
WorkBuddy 从 0 到 1：一份让妈妈也能用的 AI 助手教程
本文是一份关于国产 Agent 产品 WorkBuddy 的详细入门教程。作者从下载安装、界面布局、核心功能（专家、技能、连接器）入手，介绍了如何利用其内置的模板和 MCP 连接器处理日常办公与代码开发任务，并展示了通过微信小程序实现远程控制的独特用法。
7天用 Codex Skill 把 Obsidian 改造成可执行的第二大脑
本文介绍如何将 Obsidian 本地 Markdown 知识库与 Codex 结合，通过编写可执行的 Skill，把第二大脑的方法论封装成系统。文章提出了五入口目录结构、Bootstrap Skill 的设计原则以及从捕获到产出的知识管理闭环，旨在让 AI 成为持续工作的知识操作员。
如何精通 Fable（基础指南）
本文是一份关于 Claude Fable 的综合使用指南。作者详细介绍了 Fable 与此前模型的主要区别，重点讲解了 Loop Engineering（循环工程）的概念及其在实现 AI 自动化工作流中的应用。文章还深入探讨了如何利用 Fable 的 Skills 功能构建自定义技能，强调了其强大的视觉能力在数据提取、UI 审查和逆向工程等场景的潜力，并提出了模型选择的“杠铃策略”以平衡性能与成本。
藏师傅社交卡片 Skill 更新：新增 Live Photo 动态生成能力
文章介绍了作者开发的 guizang-social-card-skill 的重大更新，新增了 Live Photo 动态卡片生成与编辑功能。该功能支持将产品录屏、网页 Demo、游戏片段及生活素材转化为适配小红书或公众号的动态卡片。文章详细阐述了单视频、拼图、三连等多种模式，并分享了关于首帧检查、时长适配及 AI 素材判断等实现细节与最佳实践。
实测美团 LongCat-2.0：国产芯片万亿模型的实用价值
本文实测了美团发布的基于 5 万张国产算力芯片训练的万亿参数大模型 LongCat-2.0。文章指出，该模型在预训练到大规模部署的全流程中实现了国产算力闭环，具有里程碑意义。虽然通用推理能力与顶级闭源模型仍有差距，但在 Terminal-Bench 和 SWE-bench Pro 等 Agent 与编程任务中表现强劲。作者实测了将其接入 Claude Code 和 Codex 进行工作流处理，结果显示其在长上下文处理和任务拆解上表现稳定，为开发者提供了一个可行的非国产替代方案。
2026 年，如何成为一名 AI 工程师（不卡学历）
本文提供了 2026 年成为 AI 工程师的 12 个月路线图。作者区分了模型研究员与 AI 工程师，强调后者更看重实战能力而非高学历。路线图涵盖 Python 基础、大模型 API 调用、RAG 系统构建、Agent 开发以及 MLOps 评估与部署。通过完成三个核心项目（RAG 应用、多 Agent 系统、带监控的上线系统），建立能胜任工作的作品集，即使没有 CS 学位也能入行。
我让 Codex 自动调用提示词库
本文解决了提示词库沦为“收藏夹”而无法被 AI 有效调用的问题。作者通过建立文件目录分类 Prompt，并在 RULES.md 中编写“任务路由”规则，成功让 Codex 能够根据任务自动读取对应的 Prompt 文件。文章强调了 Prompt 库接入工作流的三层要素：分类存储、路由规则、验证读取。
