为什么 AI Agent 正在逐步“去 MCP 化”，重新拥抱 CLI？
文章分析了 AI Agent 领域从依赖 MCP 回归 CLI 的趋势。MCP 曾被视为 Agent 连接外部工具的标准方案，但在本地开发和工程自动化场景中，CLI 兞现成太、节省上下文、易于调试复现、具备 Unix 管道组合能力且更接近真实执行环境。作者认为 MCP 并不会消失，二者正在重新分工：CLI 成为 Agent 的本地执行层，MCP 回到标准化集成层，用于远程能力、结构化发现和跨平台复用。
全部文档 / 标签: AI Agent
468 篇
Grok Bot 独有的 7 项功能：持久云端计算机与可复用技能
作者对比 xAI Grok Bot、Claude Cowork、ChatGPT、Cursor 和 Gemini 的官方文档，总结 Grok Bot 独有的能力：基于账户级持久云端计算机（真实浏览器、终端、文件管理器），关机后台任务仍可运行；通过屏幕演示（最多10分钟录屏）而非文字描述教会机器人任务并生成可复用技能；技能可跨账户内所有机器人共享，形成复合式技能库；多个机器人可像同事一样在群聊中协作，交接过程全程可见。文章强调这些架构层面的差异使 Grok Bot 超越仅限于聊天窗口的竞品。
如何用一个终端运行你的整个互联网生意
文章介绍了如何借助AI代理和Whop CLI，在终端中端到端运营一个互联网生意，无需在各种管理后台之间手动切换。作者指出传统Dashboard是为人类设计的，而代理需要通过命令行接口以'目标→检查→规划→行动→验证'的流程完成完整任务。文章展示了代理如何自动创建产品、设置定价与结账链接、准备广告投放活动、监控客户流失风险等，涵盖'Build→Grow→Serve→Improve'四大业务环节，并强调需给代理明确的业务简报、权限边界与完成验证标准，构成一个'代理式操作系统'。
How to Get Dangerously Good at Grok Bot (Beginner to Pro)
作者基于使用 Hermes 和 OpenClaw 等框架的疲惫经历，认为 Grok Bot 是首个真正好用的 AI Agent 产品。Grok Bot 于 2026 年 8 月 11 日进入早期测试，能通过 Google 图形验证码，背后依靠持久化的云端计算机，具备浏览器、文件系统、终端、持久状态、bot 间协作和可复用技能等能力。文章提供了从新手到专家的三阶段教程：安装并创建单一专注 bot、在真实任务中纠错并将方法沉淀为技能、调度例程并拆分给多个专业 bot，并附 21 个 bot 构建思路。
用Grok Bot机器人舰队独自运营一家公司
本文介绍了xAI于2026年8月推出的Grok Bot：一组拥有独立持久云端计算机的AI Agent，可登录用户现有工具，端到端完成多步骤工作，仅在需要审批时才联系用户。作者认为其核心价值在于让一人公司摆脱注意力瓶颈，Bot可在用户离线时持续工作。文章详细说明了产品现状（基于Cursor基础设施的beta版）、谨慎的使用纪律、以及销售外联、营销运营、办公行政等核心工作流，强调从低风险可逆任务开始逐步建立信任。
我把电脑外包给豆包后，效率飞升！【附4种究极玩法】
本文介绍了豆包电脑版的办公任务模式，其具备Computer Use能力，可直接操控Windows桌面完成各类任务。作者分享了四个实战案例：用仓颉Skill蒸馏5.5小时编剧课视频、优化《荒野大镖客2》游戏帧率（60帧提升至120帧）、手机遥控电脑扒取电影《牛来》全网影评并生成PPT、打包DeepSeek Harness绿色便携版。文章指出豆包GUI操作能力强大，配合现成技能和连接器可大幅提升效率，作者称效率提升6倍。
Grok Bot：过去百年最重要的商业工具
作者认为 Grok Bot 的发布是革命性时刻：前沿级 AI 智能体首次直接交到普通人手中。Grok Bot 不是聊天机器人，而是一支全天候的 AI 代理团队，各自拥有持久的云计算机，能登录邮箱、CRM、社交平台等工具，端到端完成多步骤工作。作者将其与 1979 年的 VisiCalc 电子表格类比，认为其影响更大——让一个人拥有小公司的运营能力。文章介绍了其通过 SuperGrok Heavy、Cursor 等订阅方式获取的定价，并提出了“AI 自举”策略：先用 Bot 赚回订阅成本，再逐步扩展，完成从打工者到所有者的转变。
Parallel Search 推出 Fast 模式：面向 AI 的高性价比网页搜索
Parallel 推出面向 AI agent 的 Fast 模式网页搜索，价格仅为主流模型默认搜索的十分之一，每千次查询 1 美元，在质量-成本和质量-延迟上均处于 Pareto 前沿，准确率接近 SOTA 的 Parallel Advanced。独立评测显示其端到端成本比 Brave、Exa、Tavily 便宜 2 倍以上。文章指出随着 GPT-5.6 Luna、DeepSeek V4 等高性价比模型普及，AI 智能成本数月内下降 8-12 倍，廉价模型需要廉价搜索，Parallel Fast 旨在提升 agent 每美元的有效工作量。
别再陌拜了：用 AI Agent 高效获取客户
文章指出陌拜电话浪费时间、打断深度工作且效果差，提出用 AI 外联 Agent 接管获客流程中的慢环节：潜在客户筛选、研究、个性化草稿撰写、定时跟进和记录。Agent 不替代销售判断，发送、定价和决策仍由人掌控。作者给出了明确的岗位职责、五步系统流程（定义客户筛选器、研究先行、草稿而非群发、按节奏跟进、对话交接）、安全护栏（首周人工审核、不买名单、控制日发送量）以及 7 天落地计划。核心观点是质量胜于数量，AI 的价值在于提升研究速度、触达量和跟进一致性，而非零努力签单。
No Process, No Agent：流程成熟度决定AI智能体的成败
作者基于数百次企业AI转型项目的经验指出，AI智能体项目的成败约95%取决于企业流程成熟度，而非模型选择。大多数企业未能文档化其工作流程，直接将智能体部署在碎片化流程上，导致86%的试点无法规模化落地。文档化与构建的典型耗时比约为3:1，但这一步不可跳过——未经文档化的流程会让智能体自行填补假设，放大企业的混乱。作者通过对比两家使用相同CRM的公司案例，以及Salesforce、西门子、Pandora等成功案例，论证了"先把流程写下来"是智能体部署的第零步。
Grokbot 隐藏技巧：7个快捷键与15个进阶功能指南
作者通读 xAI 官方文档，总结出大多数 Grokbot 用户错过的 7 个键盘快捷键和 15 个进阶技巧，包括新建 bot 快捷键、斜杠技能引用、@提及与 @everyone、命令面板、硬中断指令，以及通过演示教学创建技能、2-6 个 bot 群聊协作、利用 bot 描述字段作为持久记忆等方法。文章强调 Grokbot 是完整的 agent 产品，具备真实文件系统、浏览器、审批系统和多 bot 协调层，掌握这些技巧能把聊天工具变成真正协作团队。
我给豆包手搓的技能，一晚上出了44个图标，免费开源！
作者分享了自己为豆包「工作任务」模式手搓的两个AI技能：一个批量生成成套应用图标，一个生成高质量PPT。借助豆包内置的SOTA生图能力和本地agent执行能力，原本需要跨多个工具的图标生成流程（列清单、生成网格大图、切图、自检）如今一句话即可跑完，一晚上产出44个图标。作者还测试了豆包自主改造和新建技能的能力，发现其行为接近靠谱工程师，并将两个技能免费开源。
沉睡的巨人：Grok Bot为何将吞噬整个AI Agent市场
作者认为Grok Bot被严重低估，它正从被动聊天AI转变为持久在线的自主执行引擎。其核心优势包括：专属云运行环境（带真实浏览器、文件系统和持久登录）、实时网络与X平台数据接入、无需API即可视觉操控各类网站工具、以及多Agent并行深度搜索。文章提供了四个高杠杆提示词框架（趋势预测、竞品审计、自主内容架构、多Agent代码审计），并展望其在VC尽调、销售GTM和软件工程等领域的变革潜力，称xAI正在构建现实世界执行的操作系统。
我养了一群24小时不睡觉的AI，最后拖垮公司的却是我
本文作者通过自身经历，反思了在AI Agent大规模应用后，管理者面临的新挑战。作者发现，当执行层被AI无限加速后，真正的瓶颈变成了管理者的决策能力。文章剖析了信息、授权、验收、情绪四种老板瓶颈，并提出了三层判断制度和五项管理者绩效指标，强调AI不会消灭管理，而是会消灭管理中的表演，迫使管理者直面真正的承重判断。
普通人第一次用 AI Agent 交易 bStocks 的实操指南（还有10万U奖励）
本文是一篇面向普通用户的实操指南，介绍如何参与币安举办的 bStocks 交易大赛。文章详细说明了活动规则、奖池设置和排名标准，并提供了五步操作流程：报名、选择 Agent、安装 BAW Skill、完成 AI 任务、分析并交易。作者强调无需编程基础，通过复制指令即可让 AI 辅助完成交易，同时提醒用户注意风险，建议小额试水。文章旨在鼓励用户体验 AI Agent 驱动的交易方式，并指出这是未来交易的趋势。
How To Build a One-Person Company Using Grok Bot
本文介绍如何利用Grok Bot构建一人公司。Grok Bot并非简单的聊天机器人，每个机器人拥有独立的云电脑，可登录真实工具（如LinkedIn、Gmail、Slack等）并自主操作。文章详细阐述了从获取访问权限、创建机器人、连接工具、演示任务、设置定时触发到多机器人协作的完整流程，强调从“提示”到“委派”的转变，帮助用户将重复性工作自动化，从而专注于决策。
企微第一次把自己交到了 AI 手里｜WorkBuddy 拆解 wecom-cli
企业微信开源了官方命令行工具 wecom-cli，将消息、文档、表格、待办、日程、会议、微盘、通讯录等办公能力封装为命令，供用户或 AI Agent 调用。文章拆解了其功能、亮点、适用场景和边界，并指出这是企业微信向 AI 开放的重要一步，让 AI 能在权限范围内操作企微，提升自动化效率。
AI Agent从入门到实战：两条学习路线的选择指南
文章介绍了开源项目 awesome-agentic-ai-zh 提供的 AI Agent 学习地图，将学习路径分为两条：路线 A（CLI Power User）面向只想用好现成 Agent 的用户，学习 Claude Code、Codex、MCP、Skills 和工作流搭建；路线 B（Agent Builder）面向想开发 Agent 的工程师，需深入 Tool Use、Agent Framework、Memory、RAG 和 Multi-Agent。作者强调不要跳级学习，先补齐 Terminal、Git、API、JSON 等基础，普通人学好路线 A 已能解决大量实际问题。
AI Agent 时代的审查瓶颈
文章指出大模型使内容生成成本下降两个数量级，而审查成本不降反升，导致开源、安全、学术、法律、招聘、教育等领域同时遭遇审查瓶颈。以 Rust 的 LLM 政策草案、curl 关闭赏金计划等案例为切入点，分析审查容量受限于人力与责任、AI 产出缺乏质量信号且更难审查，并将各领域按有无非人类验证器分为三组，揭示提交与审查成本缺口不断扩大、系统性信任机制被压垮的趋势。
AI Agent Engineer 2026：七大支柱与12步学习路线图
作者提出2026年AI Agent工程师的12步路线图，围绕决定Agent成败的七大支柱展开：上下文、工具、记忆、循环、图、Harness与评估。文章指出Agent失败的核心原因是上下文膨胀、循环不收敛、缺乏评估。前半部分详细讲解上下文工程（如Claude Code启动即加载约7850 token、精简系统提示、CLAUDE.md分层管理）、工具与MCP设计（用类型代替示例、延迟加载）、记忆管理（计划文件、主动压缩）等内容，强调七者是同一技能的不同投影，需按依赖顺序学习。
AI智能体与明信片赚钱指南
本文详细介绍了如何利用AI智能体生成房屋改造效果图，并将其印在明信片上寄给业主，从而为承包商提供精准营销服务。文章探讨了两种收费模式（月费和提成），分析了适合的行业（如太阳能、屋顶维修等），并提供了从筛选房源、渲染图像到自动化寄送的全套流程。
二次元头像=技术大佬？DeepSeek Harness揭开AI圈隐藏规律
本文介绍了DeepSeek Harness（DSH）的发布及其迅速走红的现象，并详细讲解了DSH的安装方法、热门插件（如colleague-skill和OpenBiliClaw）以及基础插件推荐。文章还探讨了DSH“一切皆插件”的设计理念，以及其开源生态的快速发展。最后，作者观察到AI技术圈中二次元头像成为“大佬”特征的现象，并指出B站正在成为国内开源项目传播的重要平台。
就算为了赚钱！每个人也该拥有一个 Web3 钱包！
本文旨在纠正大众对Web3钱包的狭隘认知，指出其不仅是炒币工具，更是进入链上世界的身份与账户。作者结合自身经历，阐述了Web3钱包在跨境收付款、投资代币化美股、以及作为AI Agent服务商收款等方面的实用价值。文章详细介绍了创建OKX Wallet的步骤，强调了助记词备份的重要性，并说明了接收和发送资产时需注意的网络与Gas费问题。最后，作者认为Web3钱包正成为一项数字基础能力，鼓励读者尽早创建以备不时之需。
AI 落地最重要的两件事：权限管理 & 证据门禁
本文从一次企业咨询出发，指出企业 Agent 落地不能只依赖模型能力，核心在于权限管理和证据门禁。权限管理通过独立身份、短期凭据、数据遮蔽和动作分级，限制 Agent 能做什么；证据门禁则通过证据卡记录主张、证据、推导和假设，确保结论可靠。文章以经营日报 Agent 为例，详细说明了权限卡和证据卡的实践方法，并强调确定性规则和真实环境验证比另一个 AI 审查更可靠。最后指出这些原则同样适用于知识库、客服等场景，FDE 应将现场经验沉淀为可复用资产。
从 Pi 到 DeepSeek Harness：AI Agent 的名字变了，底层呢？
本文对比了 Pi Coding Agent 和 DeepSeek Harness 两种 AI Agent 的设计理念。Pi 采用小核心加自由组合的方式，默认仅提供四个工具，而 DeepSeek Harness 则强调“一切皆插件”，将模型、工具、会话等组件化。文章指出，这种设计并非全新，早在 Eclipse 时代就已存在，并探讨了在 AI Agent 领域，核心功能与用户选择权之间的平衡问题。
Harness 小白完整入门教程(搭建你的挽具工程)
本文面向AI应用开发小白，系统讲解Harness（挽具工程）的概念与实践。文章指出，当模型能力足够强时，决定AI可靠性的不再是模型本身，而是模型外部的Harness系统。通过真实案例与数据，作者剖析了AI常见的四种翻车现象（提前交卷、环境盲区、虚标完成、失忆实习生），并提出了前置控制与后置控制相结合的解决方案。文章详细介绍了CLAUDE.md的升级方法、Hooks、验证Agent等后置控制工具，强调从愿望清单转向失败日志的核心理念，帮助读者构建一套完整的Harness闭环，让AI真正变得可靠、可控。
为什么 AI 总是“记得很多”，却还是做不好长期工作？
本文探讨了AI Agent在长期工作中记忆与执行能力不足的问题。作者指出，仅增加记忆功能并不足以让AI高效工作，关键在于AI能否理解项目当前的真实状态、从过往经验中学习，并将所学应用于实际任务。文章介绍了Alloomi平台，其通过“记得住”、“学得会”、“做得成”三个步骤，在多个基准测试中取得了优于其他模型的成绩，旨在打造能持续成长的AI同事。
Grok Bot: What People Are Actually Using It For
Grok Bot在公开测试48小时内，早期用户已探索出多种实际用途。本文基于X、Reddit和YouTube上的高互动帖子，总结了人们使用Grok Bot的八大场景，包括办公室管理、行政助理、生活事务处理（如日历、预订）、通过演示教学、以及作为个人助理等。文章还分享了用户的具体案例和有效提示词，展示了Grok Bot在自动化任务和提升效率方面的潜力。
AI Agent 的自进化：从第二次交付看真实能力
本文探讨了AI Agent 的自进化能力，提出判断其是否真正变强的关键在于第二次交付的表现。作者认为，如果Agent每次任务都从零开始，无法记住上次的修改和专家的纠正，那么系统只是在重复劳动。文章介绍了Alloomi 的路线，即通过沉淀真实工作中的判断、修改和结果，让经验成为下一次交付的输入，形成复利闭环。文中还展示了Alloomi 在长期记忆、持续学习和专业交付方面的benchmark数据，并讨论了其技术架构，包括Holistic Context 和Self-Evolving Agent，以及开源项目OpenContext。最后，作者强调下一代AI公司的护城河在于用户第二次任务是否优于第一次，以及模型能否从经验中学习并回滚错误。
我的封面是怎么做的？答案是这个 500+ Star 的 Skill
本文介绍了 Punk Skill 项目，该项目包含 punk-cover 和 punk-avatar 两个 Skill，分别用于生成文章封面和头像。文章详细说明了 punk-cover 的使用方法，包括输入内容、平台、画幅和风格，以及其自动适配平台比例、推荐风格、生成完整 Prompt 并调用图像工具的工作流程。同时，文章提供了安装指南、常见问题解决方案和可直接复制的调用示例，强调通过实际生成第一张图片来验证 Skill 的有效性。
