当LLM能运行生信流程，你敢信任结果吗？
文章评测了Genentech关于Agent端到端执行生物信息学工作流的预印本。测试涵盖基因组学等领域，Codex CLI和Claude Code表现良好，但存在运行间的不稳定性。作者指出，这虽然证明了Agent在处理依赖和调用工具方面的“操作员”能力，但目前仍缺乏对生物学判断和科学决策可靠性的验证。
全部文档 / 标签: Agent
2251 篇
BestBlogs 周刊第 91 期：智能体的基建与进化
本期周刊主题为“基建周”，指出智能体正从 demo 迈向生产系统，技术栈面临重建。文章深入剖析了 Cloudflare 如何补齐计算、存储等边缘云原语，以及 Claude Opus 4.7 与 Codex 在执行层的安全与操作进化。同时，对比了开源项目 Hermes 的工程兜底策略，探讨了 Notion 与 MiniMax 在记忆系统和电脑操作上的实践经验，揭示了智能体“思考、纪律、基建”的分层进化路径。
构建自主 AI 同事的十大关键要素
本文基于作者使用 OpenClaw、Claude Code 和 GooseworksAI 的实践经验，深入探讨了构建真正自主的 AI 同事所需的系统架构。文章详细拆解了从运行环境、上下文持续同步、持久化记忆、技能封装到自动化调度、双向通信及反馈闭环等十个核心维度。作者指出，AI 本身已具备工作能力，瓶颈在于如何像工程师一样编排这些组件，使其能全天候、无需监管地协同工作。
AI 是真的在进化，还是看起来在进化
文章探讨了 AI 进化的方向已从单纯的模型参数优化转向 Agent 的自我进化。分析了 Hermes Agent、OpenClaw 等基于 Skill 和 Context 的技术路径，指出从 LoRA 参数更新转向 SKILL.md 的范式转移降低了工程门槛。同时，作者提出了构建 EvoAgentBench 评测标准的必要性，以量化评估 Agent 的自进化能力，并展望了参数空间与 Context 空间未来合流的架构趋势。
Claude Design 系统提示词（中文版）
这是一份 Claude 的设计系统提示词，旨在指导用户通过协作的方式，利用 HTML 创建经过深思熟虑、工程化良好的设计交付物。文档详细规定了工作流程、输出规范（如文件命名、代码拆分、版本控制）、技术限制（React/Babel 版本、样式对象命名）以及设计方法论（探索现有资源、提供多选项变体）。此外，还涵盖了文件跨项目访问、上下文管理、提问技巧等操作指南。
Paper List for AI beginners
这是一份针对计算机科学和数学专业大二学生的机器学习（ML）与强化学习（RL）入门阅读清单。清单分为四个部分：基础（如ResNet、Attention）、AI基础设施（如VAE、BERT、LoRA、Agent）、推理加速（如Linear Attention、Speculative Decoding）以及强化学习（如PPO、DPO、RLHF）。该列表由导师 Mingyang Yi 推荐，旨在帮助本科生构建系统的 AI 知识体系。
Claude Routines：利用自动化将 Claude 转变为部署型 Worker
Anthropic 推出了 Routines 功能，将 Claude 从对话工具转变为可在云端自动运行的 Worker。文章详解了 Schedule、API 和 GitHub 三种触发器，并提供了 PR 自动审查、告警分类、文档维护等 5 个实战用例。Routines 能自动处理重复性工作，让 AI 真正融入工程流程。
How /background turns Hermes Agent into a runtime
文章探讨了 Hermes Agent 的 /background 功能，解决了传统 AI 工具阻塞会话的痛点。通过创建独立的后台会话，该功能允许用户在执行耗时任务（如日志分析、代码审查）时，继续保持前台交互，从而将 Hermes 从单一的聊天工具转变为真正的并行工作运行时。
当 AI 开始接管你的生活和工作：Hermes Google Workspace 开源 Skill 介绍
作者开源了 `hermes-google-workspace` Skill，旨在让 AI Agent（如 Hermes, Claude Code 等）通过终端命令真正获得 Google 全家桶（Calendar, Gmail, Tasks, Docs 等）的执行权。文章详细探讨了该项目如何将 AI 从“认知”层推向“执行”层，实现从聊天工具到数字代理的转变，并涵盖了安装、OAuth 配置及具体应用场景。
什么才是真正的 Harness Engineering？
本文基于 OpenAI 工程师 Ryan 的演讲，深入探讨了在 AI 代码生成日益强大的背景下，软件工程范式的转变。核心观点是“代码免费”，实施不再是瓶颈，人类真正的价值在于“指导”和“编排”。文章指出，Harness Engineering 的本质是将人类经验、标准和 taste 转化为上下文和 guardrails，赋予 agent 完整的权限和工具，使其成为自主的执行者，而人类则转型为团队的管理者，专注于定义标准、观察错误和优化流程。
Claude Skills 架构进阶：从单一指令到可扩展智能系统
本文是 Claude Skills 掌握指南的第二模块，重点讲述如何从单一使用的技能进阶构建可扩展的智能自动化系统架构。文章详细介绍了引入 Scripts（脚本）层来处理计算、文件操作等纯指令无法完成的任务，并通过“单一职责”、“动态参数”等最佳实践优化脚本。同时，针对多技能环境下的冲突问题，提供了定义清晰领地、设立负向边界和独特触发词的解决方案，并探讨了大型参考资料的高效加载策略，旨在帮助用户设计模块化的智能工作流。
Preparing for Radical Transformation
本文探讨了超级智能已至的背景下，AI 发展的加速及其带来的挑战与机遇。作者指出 AI 将重塑高 prestige 的白领行业，同时也面临持续学习、安全和验证等难题。文章建议通过自动化低垂果实、拥抱开源权重模型、利用隐性知识及建立安全基线来应对。
非技术人员30天掌握AI与自动化实战指南
文章作者作为非技术背景的设计师，分享了自己在三个月内通过AI工具（主要是Claude）自动化整个公司运营的实战经验。他将其浓缩为30天路线图，核心策略包括：逆向工程优秀的AI提示词文件、编写标准作业程序(SOP)让AI执行、养成随时通过自然语言编码的习惯、识别并自动化重复性任务，以及利用工作流工具提升效率。文章强调了AI作为虚拟员工的潜力，能为非技术人员节省大量成本。
Hermes Agent + Polymarket：从100到5000美元的自学交易机器人搭建指南
本文是一篇详细的技术教程，作者介绍了如何利用 Hermes Agent 搭建一个自动化的 Polymarket 天气交易机器人。文章首先阐述了 Hermes 相比 OpenClaw 的三大优势：持久化记忆、自我进化的技能生成能力以及全天候执行层。随后，作者列举了 Polymarket 上通过 AI 代理获得巨额回报的成功案例，并提供了从 VPS 准备开始的详细安装步骤。文章指出，Hermes 能够通过闭环学习不断优化交易策略，为用户带来自动化收益。
选龙虾还是选 Hermes：深入解析两大 Agent 系统的工程差异
本文深入对比了 Harness 生态下的两个 Agent 系统“小龙虾”和“Hermes”。文章指出两者赛道不同：小龙虾擅长入口管理和秩序治理，适合团队标准化；Hermes 擅长经验沉淀与技能自学习，适合个人深度使用。作者从技能机制（SOP库vs经验笔记）、记忆体系（静态文件vs全流程闭环）及安全模式（事前规则vs事中防御）三个维度详细阐述了区别，并建议根据具体需求进行选择。
全网首发！Hermes X简中爆文大合集，哪些文章值得学习，阅尽智能体最强贴！
这是一份关于开源 AI 智能体框架 Hermes 的深度爆文合集。文章对比了 Hermes 与 OpenClaw 的核心差异，重点解析了其自主学习、长期记忆及微信原生支持等亮点。合集精选了 10 篇社区高热度推文，涵盖一键安装教程、进阶配置指南、模型白嫖技巧及 Web UI 监控面板，为用户提供了从入门到实战的完整参考路径。
Claude Code 仓库里藏了 12 个官方插件
文章介绍了 Claude Code GitHub 仓库中隐藏的 12 个官方插件。重点推荐了 code-review（并行代码审查）、hookify（一键生成 Hook 规则）、ralph-wiggum（循环迭代直到完成）等实用工具，并分类介绍了开发流程类、安全与风格类插件的功能与使用方法。
OpenAI Agents SDK 重大升级：Harness 与 Sandbox 架构分离
OpenAI 于 2026 年 4 月 15 日升级 Agents SDK，核心是将 Harness 和 Sandbox 做进 SDK 并实现架构分离。新架构将 Agent Loop 托管化，解耦计算与控制逻辑，支持 100+ 模型及多云 Sandbox 环境。对比 Anthropic 的工具箱路线，OpenAI 选择了全托管方案，降低开发门槛。
手撕Sora，脚踢Veo！Seedance 2.0玩法大全：13个行业实战案例
本文详细测评并解析了 Seedance 2.0 视频生成模型的强大功能。作者通过 13 个跨行业实战案例，展示了该模型在餐饮广告、品牌营销、健身教学、UI 设计、服装电商、房产展示、自媒体 Vlog 及影视特效等领域的应用。Seedance 2.0 具备“导演思维”和全模态参考能力，能理解世界知识、编排分镜并保持人物动作一致性，被视为视频领域的 ChatGPT 时刻。文章还附带了具体的提示词策略与工作流指导，旨在帮助从业者提高内容制作效率并实现商业变现。
Claude 负责人分享，6 条用好 Opus 4.7 的技巧
Claude 负责人 Ray Wang 分享了六个高效使用 Opus 4.7 的技巧。主要内容包括：使用 Auto mode 摆脱权限确认弹窗，实现并行任务处理；利用 /fewer-permission-prompts 优化权限配置；借助 Recaps 功能快速回顾长时间会话；启用 Focus mode 隐藏中间过程直奔结果；通过 /effort 调节思考深度；以及建立端到端自测验证机制，让 Claude 能够自动运行、验证代码并提交 PR，从而大幅提升编程效率。
用开源 AI 工具生成项目架构图
文章介绍了一款名为 Architecture Diagram Generator 的开源 Claude 技能，它允许开发者通过简单的英文提示词自动生成深色主题的精美系统架构图。文章详细讲解了如何从 GitHub 下载并安装该技能到 Claude Code，以及如何通过聊天界面快速生成、迭代和导出独立的 HTML/SVG 架构图。该工具不仅支持本地项目，还能解析 GitHub 公共仓库，是文档编写和项目交接的得力助手。
提升 Claude 100倍效能的 30 个 MCP 服务器清单
文章指出 95% 的用户仅将 Claude 作为聊天机器人使用，忽略了 MCP (Model Context Protocol) 带来的巨大潜力。MCP 服务器能让 Claude 直接连接数据库、管理 GitHub、部署代码，从对话助手转变为全能员工。文章详细解释了 MCP 与 Skills 的区别，并精选了 30 个值得安装的 MCP 服务器，涵盖开发代码、数据库、云基础设施及生产力工具等领域。
ECC：高效能 Claude Code 配置全解析
文章介绍了一个名为 ECC 的 Claude Code 配置包，该工具帮助开发者在黑客松中快速构建产品。ECC 包含 38 个专用 Agent 和 156 个技能，配备 AgentShield 安全审计系统。配合 claude-mem 和 Superpowers 等工具，可实现会话记忆和规范思考，大幅降低开发成本并提升效率，有望替代昂贵的开发团队。
Agent Harness 与记忆的重要性
文章探讨了 Agent Harnesses 成为构建 Agent 主导方式的现状，以及其与记忆的紧密联系。作者指出，闭源的 Harness 会导致用户失去对 Agent 记忆的控制权，从而形成严重的供应商锁定。为了构建个性化和具有粘性的 Agent 体验，文章主张 Harness 和记忆应当是开放的，确保用户拥有自己的数据。
AI 记忆工具两大阵营：Memory Backends 与 Context Substrates
文章深入分析了 GitHub 上的 AI Agent 记忆工具，将其分为两大阵营：一是“记忆后端”，如 Mem0 和 Supermemory，主要提取事实并存储于向量数据库；二是“上下文基底”，如 OpenClaw，通过人类可读的结构化文件让会话在上下文中累积。作者指出，虽然 Camp 1 主导了市场，但 Camp 2 的架构才是支持连续、多会话工作的未来方向，例如 Zep 已开始从“记忆”转型为“上下文工程”。
如何将 Claude 连接到 TradingView (完整指南)
本文详细介绍了一种通过 TradingView MCP 将 Claude AI 直接连接到 TradingView 的方法。这使得 Claude 能够读取实时价格数据、执行技术分析、绘制图表指标、管理警报列表，甚至充当自动交易助手。文章不仅解释了背后的技术原理（利用 Node.js 和 MCP 服务器），还提供了在 5 分钟内完成配置的详细步骤，以及抓取实时数据、生成市场研究报告、UI 自动化等多个实际应用场景。
Claude Routines 自动化完全指南
这是一份关于如何利用 Claude Routines 自动化生活与工作的完整教程。文章详细介绍了 Routines 的工作原理、三种触发方式（定时、API、GitHub 事件）、提示词编写技巧以及如何构建复杂的智能体工作流，旨在帮助用户无需编写代码或配置服务器即可实现高效的个人任务自动化。
大部分 skills 都是垃圾，如何找到真正好用的呢？
文章指出现有的 AI Agent Skills 库中充斥大量无效内容，并介绍了一款名为 SkillsVote 的工具。与只能单纯检索工具的 find-skills 不同，SkillsVote 能够根据具体任务推荐合适的 Skill 组合，并提供环境解析、质量评估及安全扫描。实测显示，该工具在执行效率上远超手动搜索，且正确的 Skill 组合带来的效果优于单纯升级模型。
构建永不遗忘的 Agent：从原理到 Graph-Vector 混合架构
文章从第一性原理出发，深入探讨了 Agent 记忆机制的演变。作者指出单纯依赖 Context Window 会遭遇“中间迷失”效应，并借鉴认知科学将记忆分为感觉记忆、工作记忆和长时记忆。文章通过对比 Python 列表、Markdown 文件和向量搜索等不同技术层级的优劣，揭示了传统方案在持久性、语义理解和关联推理上的局限性，最终提出了结合图数据库和向量搜索的 Graph-Vector 混合解决方案。
Building a Hermes Fleet Zero To Hero
本文记录了作者复现 Moshe 的自托管 Agent 架构 (Hermes Stack) 的过程。作者精简了系统，在单机上利用 Qdrant、Ollama 和 mem0 构建了共享记忆层，实现了 Claude Code 会话与 Agent 之间的上下文同步。文章重点涵盖了记忆层的搭建、Claude Code 钩子脚本的实现、模型路由的本地回退机制以及运维中遇到的 IPv4 优先和幂等性键等“坑”，验证了该轻量级架构的可行性。
