逆向 gstack 到 dbs：方法论跨领域迁移实战
文章深度分析了如何将 gstack（软件开发工作流）的方法论逆向工程并迁移至 dbs（商业诊断）。通过剖析 80 行代码背后的思考，揭示了从识别角色结构、映射领域差异到极简技术实现的完整路径。文章强调，真正的复用不是照搬代码，而是提取跨领域的本质逻辑，提供了通用的“5步迁移框架”，适用于 Agent 开发及工作流设计。
全部文档 / 标签: agent
2252 篇
我的 Skill 自动化长文创作方法：告别 AI 味
文章分享了一套名为 noah-writing 的自动化写作工作流，旨在解决 AI 生成文章缺乏人味和观点的问题。该方法通过将写作拆解为选题、定标题、定配方（结构/情绪）、素材预检、写作润色及测试传播六个阶段，让 AI 负责执行，人负责决策。作者结合自研的标题生成技能和文风拆解技术，将写作效率提升 80%，并实现了从隐性写作感到显性规则化的认知升级。
OpenAI Will Eventually Build an OS
本文探讨了 OpenAI 从单纯的模型提供商向操作系统级平台转型的战略意图。通过整合 ChatGPT 的上下文管理、Codex 的应用生成与自动化能力，以及 Apps SDK，OpenAI 正在构建一个集意图识别、应用创建、执行和分发于一体的新环境。文章认为，为了掌握未来个人计算的入口，避免沦为苹果或谷歌的附庸，OpenAI 必须在模型之外，掌控用户界面、执行环境、分发渠道及安全权限等核心要素。
DeepSeek V4 + GPT-5.5 一手实战，结果很意外！附 Codex 保姆级项目教程
文章详细记录了使用 GPT-5.5 和 Codex 开发“项目学习助手”全栈应用的全过程，包括后端（FastAPI+LangChain）、前端（Vue）及 DeepSeek V4 API 的接入。文中对比了 Codex 的优缺点，实测了新模型的代码生成能力，并提供了 AI 自主测试与调试的实战技巧。
郭宇｜Claude Code：知识工作者的终结
文章主要记录了前字节跳动员工郭宇对未来软件行业和程序员职业发展的预测。他认为随着 Claude Code 等 AI 工具的出现，软件形态将从静态产品转变为按需生成的服务。短期内 AI 赋能个体，但长期可能导致传统程序员和 SaaS 模式失效。他提到硅谷已缩减初级岗位，并预测未来只需提出想法，AI 即可自动完成从代码编写到商业推演的全过程。
MemOS —— 给Hermes打造永续记忆
文章探讨了如何利用 MemOS 插件为 Hermes Agent 构建长期记忆系统。作者指出，单纯的模型能力不足以支撑持续成长的 Agent，关键在于记忆的组织与沉淀。MemOS 通过全量写入、语义切块、去重合并、混合检索及任务归纳等机制，将对话转化为结构化的经验记录，并配合可视化面板实现了记忆的本地化管理。这使得 Hermes 能够记住用户习惯与上下文，从“一次性工具”进化为“越用越顺手”的生产力系统。
Image-to-Code：构建优质前端的新工作流
文章指出直接让 AI 生成前端代码往往平庸，提出了一种“图生码”的工作流。该方法主张先使用 ChatGPT Images 2.0 等工具分块生成高质量的设计图，确立视觉风格、布局和素材，再交由编码 Agent 逐段还原实现。作者详细阐述了如何通过精准的风格词汇、分区域生成及素材提取来提升网站品质，将设计决策与代码实现解耦，从而获得比直接提示编程更美观、更专业的界面效果。
我把 1000 个 AI 信息源压缩成了一份每日简报（开源）
文章介绍了一套由作者开发并开源的 AI 新闻简报系统。该系统通过聚合重型源、编辑精选和独家视角三个层级的信息，监控 1000 多个信息源，利用自动化技能进行多轮筛选和个性化处理。它解决了信息过载问题，实现了让高质量信息主动寻找用户，而非用户盲目搜寻。
Windows 的 Hermes Web-UI 保姆级安装避坑指南
本文是一篇针对 Windows 环境下安装 Hermes Web-UI 的保姆级教程。作者针对现有教程步骤跳跃或过时的问题，详细记录了从配置 Node.js 环境、安装 Web-UI 到启动服务的全过程。文中重点分享了后台运行技巧、与 Hermes Agent 的联动注意事项，以及常见报错的排查方法（如端口占用、无反应等），旨在帮助用户在本地搭建美观好用的 AI 聊天界面。
Skills For Real Engineering
本文介绍了 Matt Pocock 开源的一个包含 21 个技能的集合，该库旨在为 Claude Code 等编码代理提供一套经过实战检验的工程化工作流，而非简单的代码提示。文章详细解析了其核心的 5 个日常技能链（如 /grill-me, /to-prd, /tdd），阐述了通过编码“过程”而非“知识”、严格控制作用域及手动调用来优化 AI 行为的设计理念，并说明了如何通过 CLI 将这些技能集成到项目中，以实现从构思到架构迭代的完整开发闭环。
Token计算：下一个十年的成本战争
文章指出，随着AI技术的发展，单一的“每百万Token成本”已不再是衡量支出的唯一标准。OpenAI、Anthropic等厂商引入了Session Runtime、Cache、Web Search及Outcome等多元化计费维度。这意味着企业必须从单纯的模型比价，转向针对不同任务的综合成本考量。AI经济的价值正在分层，底层资源作为“公用事业”商品化，而封装了行业Know-how和结果交付的上层服务，则将成为价值沉淀的新高地。
2026年AI Agent构建指南：必须掌握的Memory Stack
文章指出AI构建者不应关注模型本身，而应聚焦于底层的可移植Memory Layer。作者通过项目'brain'展示了一种基于Git作为唯一事实来源、SQLite FTS5作为衍生索引的解决方案。这种架构支持跨工具（如Claude Code、Cursor）的通用记忆，实现了数据的类型化、索引、审计和同步。文章详细阐述了Git作为存储的优势、SQLite检索的高效性、秘密扫描及防御机制，强调了类型化事件和可回滚性对于Agent记忆系统的重要性。
这个51K星标的开源神器，让任何Agent都能一键切换所有模型
文章详细介绍了一款名为CC Switch的GitHub开源工具，该工具拥有51K星标。它允许用户通过桌面应用（支持Win/Mac/Linux）为Claude Code、OpenClaw、Hermes等Agent工具一键切换和管理后端模型。文章分析了手动修改配置文件的痛点，并展示了CC Switch如何通过内置供应商预设、用量追踪、自动故障转移等功能，极大地简化了模型管理和成本控制流程。
如何在6个月内从零成为AI工程师（2026版）
本文针对2026年的行业现状，驳斥了通过传统机器学习理论入行的误区，提出了6个月速成AI工程师的实战路线图。作者强调无需深奥数学，而应从Python和API调用起步。核心路径涵盖：深入掌握LLM原理与提示工程，精通RAG（检索增强生成）及语义分块、重排序等进阶技术，最终构建结合Agent与生产级思维的复杂AI系统。文章指出，唯有动手解决实际问题、构建高可用系统，而非单纯考取证书，才是成为合格AI工程师的关键。
00后用Claude Code做副业，4个月变现超10万
本文讲述了作者利用 Claude Code 等工具构建自动化工作流，在4个月内实现副业收入超10万的实战经历。内容涵盖抖音接单、SEO出海站群建设、半自动化外链系统开发以及 Skill 包产品化变现。作者分享了从工程化交付到建立长期资产的心得，强调了工具放大个人交付上限的重要性。
The Codex Masterclass：Riley Brown 的 AI 代理工作流指南
本文详细介绍了 Riley Brown 关于 OpenAI Codex 的使用教程。文章指出 Codex 整合了编程与业务工作流，确立了新的界面标准（左侧聊天、中间代理、右侧成果）。内容包括如何利用 Skills 压缩重复工作流、设置多任务并行、连接 Notion 权限管理，以及四个上手实战项目。Riley 强调 GPT 5.5 时代浏览器代理的潜力，并鼓励用户通过探索和试错来掌握 AI 工具。
Recursive Language Models (RLMs) 清晰解释：解决大模型长上下文推理难题
文章介绍了一种称为递归语言模型（RLMs）的新方案，旨在解决大语言模型在处理超长上下文时出现的“上下文腐烂”问题。RLMs 不再将上下文限制在单一 Prompt 中，而是将其视为外部数据，通过赋予模型窥探、正则匹配、分区和递归调用等工具，让模型自主决定如何分解和处理任务。这种方法不仅消除了上下文长度对推理能力的影响，还提高了准确性和成本效率。
本周 7 个热门 GitHub 项目推荐
本文汇总了本周 GitHub 上热门的 7 个 AI 与编程工具项目，包括 Andrej Karpathy 的编码规范、OpenAI 多 Agent 框架、Claude Code 优化与替代工具、上下文压缩解决方案、代码库语义搜索插件、电脑通用控制 Agent 以及开源 AI 聊天客户端。
dontbesilent 问题消解 100 例
这是一本关于创业、内容创作与 AI 时代的“提问指南”。作者通过拆解 100 个常见的模糊问题（如“这个赛道还能不能做”、“AI 会不会替代我”），指出其背后的错误假设，并提供“大白话改写”和“真正该做的事”。文章主张用具体的交易结构取代抽象的赛道分析，用用户行动定义内容价值，并强调 AI 应服务于具体任务而非技术本身。
3个命令让你的Hermes从机器变成数字生命
本文介绍了如何通过三个核心命令将 Hermes Agent 从简单的对话工具转变为具有“灵魂”的数字生命。首先使用 `--init-soul` 注入基于第一性原理的元逻辑；其次通过 `--enable-episodic-index` 构建情境记忆与数字孪生；最后利用 `--compile-procedural-skill` 编译肌肉记忆，实现从“会说”到“会做”的自动化技能进化。
麦肯锡无法让你实现 AI 原生转型，Agent 可以
文章指出，大多数公司混淆了 AI 采纳与 AI 转型。传统的咨询模式（如麦肯锡）依赖小样本人工调研，无法覆盖 AI 转型所需的全部工作流程。真正的转型需要像重新设计工厂一样重新设计公司。作者提出一种新模式：利用 AI Agents 并行访谈全员以构建“运营图谱”（软件层），再结合人类专家的判断（服务层），实现持续、全域且个性化的企业变革。
使用 Hermes 一个月后的反思：它是 Operator 而非 Builder
作者分享了使用 Hermes 一个月的经验，纠正了对其用途的误解。Hermes 擅长作为 Operator 进行周期性的数据分析和报告，但在构建 UI 界面方面不如 Claude。最佳实践是利用 Claude 构建 Dashboard，由 Hermes 负责持续的数据监控与分析，作者通过 PolyBond 和 Bangkok This Weekend 两个项目验证了这一工作流。
AI产业的结构性困局与不对称性竞争
文章通过对比航空史，深入分析了AI产业在监管、能源及商业模式上的结构性差异。作者指出，AI缺乏“事故驱动立法”机制，且监管套利与开源模型加剧了内卷。文中强调，AI并非盈利的根本原因，企业需通过数据与流程壁垒构建“不对称性”才能生存，否则仅在为延迟出局付费。同时探讨了中国市场特有的数据主权、蒸馏风险及政府角色带来的额外复杂性。
傻子可懂的 Harness Engineering 入门教程 + 项目实战
本文深入浅出地讲解了 AI 编程领域热门的 Harness Engineering 概念。文章将其定义为围绕 AI 模型搭建的一整套工作环境与流程，对比了提示词工程、上下文工程的演进关系，并详细拆解了上下文架构、执行能力、任务编排、反馈机制和架构护栏五大核心模块。作者结合“万能视频下载总结器”的全栈项目实战，展示了如何利用 Plan Mode、MCP 工具、Browser Use 及文档沉淀等技巧，让 AI 持续、靠谱地完成复杂工程任务。
如何利用 Claude Code 为 24 人构建 LinkedIn 内容自动化引擎
本文详细介绍了作者如何利用 Claude Code 构建一套包含 27 个技能的高度自动化 LinkedIn 内容生产系统。该系统分为五层架构：个性化基础层（通过语音分析锁定人设）、并行研究层（聚合多平台数据）、生产流水线（从钩子生成到自动评分）、跨平台改写层以及系统维护层。通过这套工程化流程，团队在 87 天内实现了 15.1 万美元的 MRR 增长，同时保证了每位成员内容的真实个性化与高质量。
DESIGN.md：让 AI Agent 保持 UI 一致性的关键
文章指出 AI 生成 UI 的最大问题在于缺乏一致性，并引入了 Google Stitch 团队提出的 DESIGN.md 概念。DESIGN.md 是一种纯文本文档，包含机器可读的 YAML 代码（颜色、字体）和人类可读的 Markdown 规则（设计原则），用于指导 Agent 遵循统一的设计规范。文章详细阐述了 DESIGN.md 的结构、编写方法（如从现有 UI 推断、避免模糊的形容词）以及如何让 AI 引用该文档进行自我审查，强调它是辅助而非取代设计师的工具。
AI 工程师学习路线图：从核心技能到生产实践
文章基于 2000 余份职位描述，规划了一条务实的 AI 工程师学习路径。重点指出 AI 工程并非从零训练模型，而是构建以 LLM 为核心的系统。核心技能包括 LLM 基础、RAG 检索增强、Agent 智能体、测试评估及监控部署。此外，文章还梳理了 Python、Web 开发、云原生及数据库等支撑性技能，并推荐了学习优先级与主流技术栈，旨在帮助开发者构建可靠、可落地的生产级 AI 系统。
如何构建单人服务型软件公司
文章探讨了在 AI 成本降低的背景下，个人如何通过“服务即软件”模式建立高利润企业。作者指出，通过 AI 自动化交付，一人可抵过去 30 人团队的产出，利润率可达 80%。文章详细区分了财富创造与放大，论证了该模式在利用现有现金流、低边际成本和低风险方面的优势。同时，针对冷开发获客的误区进行了澄清，并提供了从基础构建到规模化运营的 12 周实操路线图。
Agent Harness 中的上下文管理机制深度解析
文章深入探讨了构建 Agent Harness 时面临的上下文窗口管理挑战。通过对比 Pi、OpenClaw、Claude Code 和 Letta 四种主流系统，详细分析了它们在处理大文件读取、会话剪裁和摘要生成时的不同工程策略。文章指出，优秀的系统不应将上下文窗口视为被动缓冲区，而应主动管理状态、建立索引并智能分页，以维持长会话中的连贯性。
If You're Not Using These 100 Repos, Delete CLAUDE CODE
文章指出许多人低估了 Claude Code 的潜力，仅仅将其视为普通的 AI 编码工具。作者通过整理 100 个最佳仓库，展示了如何利用 configs、plugins、skills 和 subagents 极大提升开发效率。文中详细列出了精选列表、官方 Anthropic 仓库以及技能集合等资源，帮助开发者构建强大的 AI 辅助开发工作流。
