文章从AI对话缺乏长期记忆的痛点切入，系统讲解了个人知识库的作用、分类与搭建方法。作者介绍了两大主流方案：以检索为中心的RAG知识库和以持续维护页面为中心的LLM Wiki知识库。RAG部分通过Dify演示了从资料上传、切片、混合检索索引建立到Agent接入的完整流程；LLM Wiki部分则介绍了Karpathy提出的三层结构（raw sources、wiki、schema），强调Markdown页面对AI友好且透明可查。最后作者分享了自己结合两者优势的混合方案，帮助读者根据实际需求选择合适的知识库路线。
文章介绍如何利用 AI 工具（豆包、Kimi、ChatGPT）为家庭制作 7 天儿童阅读打卡包，包含每日任务卡、亲子提问卡和记录页。作者强调只围绕客户已有的绘本做整理，避免版权问题和 AI 编造内容；制作前需收集孩子年龄、阅读习惯等 6 条信息；7 天任务设计循序渐进，从选书、找细节到孩子当领读人；排版需简洁，一张卡一屏内完成。定价从 9.9 到 79 元不等，建议先在自己家庭测试一周，做出样本后再接单定制，把零散的陪读时间变成打开就能用的安排。
文章探讨了AI时代内容创作经济的转变：机器使“制作”变得廉价甚至免费，导致内容泛滥（slop），而真正稀缺的是判断力和品味。作者提出，品味不再是好眼力，而是预先写下的规则文档，用以约束AI输出。文章给出四种将品味变现的路径：做筛选者、让个人品牌成为质量担保、拥有角色与世界观而只租用机器、以及出售自己的规则。最后提供了五步日常实践方法：先写规则再生成、让AI做助手而非作者、统计未修改直接发布的内容占比、维护记忆文件、偶尔否决数据。核心观点是：在内容无限的时代，有人在乎过的东西才有价值。
作者指出FDE岗位对国内大部分普通人难以落地，但Palantir的Deployment Strategist（内部称Echo）更值得关注。文章以车企营销日报项目为例，详细拆解Echo的工作内容：把模糊的客户需求拆成业务规则和开发任务、在开发过程中管控规则变更、用旧日报逐项验证系统输出、交付后持续跟进业务使用情况。最后给出普通人向Echo靠拢的路径：练习追问需求、输出规则清单等文档、善用AI工具，从手头重复性工作入手，把它变成AI可参与且可检验的流程。
作者季白羽分享通过用Codex批量起号做抖音、小红书、视频号账号，从7月起积累私域粉丝，最终一位素未谋面的抖音粉丝主动付费找他做培训的实战经历。培训中发现学员需求与预期不符后，临时调整方向，教授学员用Workbody做账号涨粉、一句话生成个人网站简历、制作表格文档等AI技能，帮助学员提升面试竞争力。文章复盘了培训过程，并强调公域持续输出干货、展示能力带来的信任是成交的关键，鼓励大家敢于展示自己、经营自媒体账号。
作者开源了一套视频封面制作Skill，解决视频剪好后制作封面耗时耗力、缺乏思路的痛点。通过在蔚蓝AI平台的Skill仓库获取'蔚蓝风格封面生成'，复制GitHub仓库地址后交给Codex等Agent完成安装，即可调用Skill快速生成风格统一、包含大标题、人物形象和贴纸的爆款封面，5分钟内一次可生成5张不同风格供挑选，并支持局部修改如调整标题、人物或比例，非常适合小红书等平台的内容创作者使用。
袋鼠帝及其AgentWork开源社区耗时30天推出免费开源的《魔搭紫皮书》，一本约40万字、8篇34章的系统学习AI指南。与侧重AI Agent应用的workbuddy蓝皮书和豆包工作蓝皮书不同，紫皮书面向想从零深入AI领域的读者，涵盖开源模型下载、微调（ms-swift）、评测（EvalScope）、应用场景（AI健身教练、智能客服质检、语音助手等）及Agent篇（Claude Code、DeepSeek Harness等）。作者分享了自己7年前报培训班学习编程的经历，强调开源时代AI学习资源免费可得，唯一门槛是执行力。
本文是Morris《位置》系列的第二篇，作者回顾了自己从关系型小城社会出身、反抗既定秩序的成长经历，到赴北京工作、创业与投资的心路历程。他发现成功背后存在反复出现的模式：更早看到变化、理解结构并快速行动。投资经历迫使他直面自身欲望与认知边界。作者总结出认清自己的方法：看清自己长期稳定的优势、局限、行为模式与积累的资产，理解自己为何成为今天的自己，从而找准位置、更早行动。
作者从'靠'文化切入，认为大部分人一生被设计好，缺乏主体性，把生命价值交给别人。他通过对朋友25岁前取得大结果（A9+）的观察，总结出方法论：会发现世界的bug、资源整合（组建北大AI团队）、减少无用功、主动获取资源、以及'地球online'的游戏心态。核心观点是：永远不要依赖任何人包括父母和贵人，只有拥有主体性才能掌握自己的命运，获得正反馈并实现人生的大结果。
本文介绍了 AI 圈新火的模型 Jev——一个不做文本生成、只返回带概率判断的决策模型。文章讲清了它的三种用法（是非判断、选项选择、打分），提供了四种 30 分钟内可上手的接入方式（官方 Skill、Vercel、OpenRouter、SDK），并整理了 8 个可直接复用的真实案例：7 秒订机票、代码审查、工单分流、简历初筛、语义搜索、AI Agent 路由、RAG 重排、动态 UI 拼装等。还总结了 5 个反直觉要点（不写字、零幻觉指格式而非正确性、不会拒绝等）、官方自曝的雷区（不会算术、不懂日期先后、易被提示词注入），以及不适合使用的场景。
文章探讨如何实现彻底的人生转变。作者指出，大多数人立志改变却在几周内回到旧生活，原因是没有真正尝试。改变分为两个阶段：第一阶段是“发射燃料”——利用痛苦、动机或对现状的强烈厌恶（如战术性压力、观察平庸生活的默认结局）强力启动改变；第二阶段是将这种燃料转化为可持续的身份转变。真正的自律并非咬牙坚持，而是成为那个不觉得这是自律的人，让努力变成“这就是我”的自动行为。作者强调，人是所做之事的总和，改变输入（阅读、社交、信念）与输出，才能塑造全新的自我。
文章介绍了一段爆火的动态数学动画，用图论视角重新解读三阶魔方。魔方拥有 4.3×10^19 种状态，但数学家将其视为对称置换群和凯莱图：每个状态是节点，每次旋转是有向边，解题本质是寻找通往复原状态的最短路径。通过'上帝之数是 20'的计算结论与基于群论的 Kociemba 算法，展示了抽象代数如何把复杂问题压缩到子群分层解决。作者借此升华：生活和商业中的绝境，若站在更高维度的图论视角看，混乱背后往往存在一条不超过 20 步的最短路径。
作者分享了一个用Fable-5.1破解热敏标签打印机固件的神奇项目。打印机通过RFID检测非原厂耗材后降速降质，有人用物理方法绕过检测。作者则用AI逆向固件：Fable-5.1推导出打印浓度公式、定位内存位置，并通过Cortex-M0汇编代码洞跳转技术注入动态重映射逻辑，彻底绕过限制。过程中AI负责ARM逆向、数学推导和汇编注入，人类只负责按键和观察结果。作者认为AI正把逆向工程平民化，硬件厂商的防伪锁在代码Agent面前形同虚设。
作者整理了25道Agent方向高频实操面试题，聚焦一线项目落地痛点，分为五大模块：Agent核心架构（ReAct与Plan-and-Execute选型、多Agent设计、HITL机制）、工具调用落地（Function Calling、Schema设计、重试熔断降级）、记忆与状态管理（长短记忆、Token溢出）、效果优化与问题排查（Bad Case溯源、性能瓶颈定位）以及Agent+RAG落地（检索优化、幻觉防控）。这些题目针对FDE等需要真实项目落地经验的岗位，大多是开放性问题，能同时考察面试官和面试者的实战深度。
腾讯开源了微信团队的端到端文档解析模型 WeVisDoc，提供 2B 和 4B 两个版本。模型可将整页文档图片直接转换为 Markdown，无需分别裁剪标题、正文、表格和公式。它能保留复杂文档结构：正文转 Markdown，公式转 LaTeX，表格转 HTML，并恢复阅读顺序。版面理解、文字识别、公式识别和表格重建均由单一视觉语言模型完成，无需额外部署版面检测器或 OCR 引擎。2B 适合资源有限场景，4B 在拍照、翻拍等退化页面表现更优，在公式和表格解析方面端到端领先。
Tw93 分享对工程师转型的观察：转型 AI 工程师的工程师与固守传统岗位的工程师之间的差距，就像当年移动互联网工程师与传统电信工程师、智能手机与功能机的区别。他认为温水煮青蛙的水已经发烫，走在技术前面的人更游刃有余，被推着走的人会很痛苦。作者回顾自己 2019 年起突破岗位边界，涉足设计、产品、前后端，以解决问题为导向，多年积累在 AI 时代成为自己的护城河，并附上自己历年关于工程师成长与趋势思考的文章列表。
作者结合自己售卖公众号知识库与社群产品的经验，提出搜索能力、信息筛选能力和营销能力三者相加几乎等同于变现能力。文章分三部分展开：会搜索的人从最小具体问题出发，甚至通过搜索他人的困难发现付费需求；会筛选的人通过三个减法排除身份包装、条件不匹配和无法交付的信息，直达信息本质；营销能力则要把产品讲具体、拿出可看的东西、打通购买与交付路径。作者以"参考答案阅览室"和归藏 Skill 被转卖等案例说明知识付费的核心价值，最后建议从一个小问题入手做出最小产品并认真交付。
作者发布了一个全能下载Skill，几乎支持所有平台的视频下载，甚至包括微信视频号。安装指令为 npx skills add joeseesun/qiaomu-download。该Skill核心基于yt-dlp和之前分享的视频号下载skill整合而成，具备自动检查更新功能，打包在一起无需安装多个Skill。项目已在GitHub开源，支持YouTube、B站、X/Twitter等多个平台的在线视频下载与媒体提取。
作者认为做自媒体不需要安装大量花哨的 Skill，装得越多越容易迷失方向。在试用全网工具后，作者精选出 8 个最实用的内容流水线 Skill：全局军师（统筹内容生产全流程）、热点雷达（追踪爆款与痛点）、对标粉碎机（拆解头部博主套路）、排版印钞机（宝玉同款，自动配图与多平台排版）、卡片神器（归藏出品，长文转爆款组图）、小红书操盘手（小红书文案与运营）、长视频解剖刀（视频转字幕与摘要）、AI 视频分镜师（自动生成视频脚本与分镜）。文章旨在帮助自媒体创作者精简工具、搭建高效内容生产线。
作者以零基础（高考英语83分、四级未过）出发，分享两个月备考雅思到6.5的完整经验。文章按道法术器框架拆解雅思考试本质：阅读是定位，听力是让大脑熟悉英文输入，口语是交流，写作是结构化表达。详细讲解了听力的精听方法、阅读的长难句拆解与抓主干技巧、时间安排、工具选择（同桌英语、DDDD机经平台、墨墨背单词、AI口语练习等），以及报班建议和常见踩坑，强调基础与大量练习远比技巧重要，对基础普通的考生更有参考价值。
本文结合作者维护开源项目 CC Switch 的实际经验，深入分析 Claude Code 的项目级自动记忆（auto memory）机制。文章对比了 CLAUDE.md、自动记忆与会话历史三者的分工，解析了记忆的存储结构（索引 MEMORY.md 加主题文件）、按需加载原理、索引容量上限（200 行或 25K UTF-16 码元）及精简策略。作者通过 JSONL 台账写入纠正、方案决策背景保留、PR 审查接续三个场景说明记忆的实际价值，并指出索引超限截断、信息过时、精简后索引与正文不一致等缺陷，最后给出使用建议：明确表达纠正及原因、定期检查记忆文件、区分当前结论与历史证据。
文章继续AI人像摄影提示词系列，给出三套光线差别极大的模板：高调柔光商业、硬光现场感和纪实抓拍。作者强调负面词不能通用——模板A的「反影棚化」禁令与模板C需要的影棚感要求几乎相反，负面词必须跟随意图。文中指出关键差异要写成事实：唯一光源、几乎没暗部、闪光让瑕疵更明显等，并分享手部处理技巧（藏进口袋、明确落点、被画框裁掉），以及quality=medium反而更真实等反常识经验，适用于gpt-image-2.5生图。
文章分析了2026年9月公众号、头条号、小红书加强对AI内容审核后，AI辅助写作文章阅读量下降、不被AI搜索引用的原因。作者基于1200多篇自媒体文章的数据统计指出，平台限制的并非AI本身，而是批量生产的低质内容。表现好的文章AI辅助比例通常控制在25%以内，同质化指数低于30%。作者提出三层人工覆写方法（信息覆盖、加入观点、语气校准），并建议发布前进行五维度检测：AI率、同质化、敏感词、标题合规与冷启动流量预测。核心结论是：AI只能提效，无法替代独立思考，每篇文章应补充100-300字第一手内容。
作者分享了独自一人工作六年的经历。2020年合伙人团队迁往杭州，作者被迫失业。连续创业者不愿打工，恰逢疫情期间企业扶持政策多，便自学政策申报业务，凭借此前开公司积累的客户资源逐步开展代理申报。为解决办公场所问题，作者以免费提供一年咨询服务换取一家公司甲级写字楼里的免费工位；数年后又以极低租金入驻一套法拍房继续工作。作者还分享了两个心得：选择办公室气派的'天道酬勤'型老板谈合作更容易成功；一个人工作仍需固定出门上班，用场景切换来对抗惰性、保持专注。
作者天策记录了与北哥畅聊后对AI时代个人生态位的思考：确立自媒体+线下活动+海外FDE的方向。文章阐述了AI视角下的行业逻辑——skill、agent和AI产品本质上都在为Token打工，关键是扩大应用范围卖出更多Token。作者介绍了合作的AI平台Creao，提供低成本使用顶尖大模型的机会，使其能按想象力开发产品并利用最顶尖大模型套利。作者感叹AI让00后、05后超级个体涌现，一人即一家公司，认为这是最好的时代，鼓励大家顺势而为在AI时代收获财富。后续将专注前端流量，后端承接已稳定。
作者反驳了"一天改变整个人生"的自我提升论调，指出决定与转变并非一回事。改变方向可以瞬间完成，但身体、习惯、环境、技能和关系的适应需要时间。作者用软件调试类比说明：一次改变太多变量会导致无法观察因果，应像程序员一样逐层改变并观察效果。他强调每个人都有当前的"容量"限制，野心告诉你想要什么，容量决定现在能支撑什么。身份认同不是先决条件，而是循环产生的：行动→证据→身份→更多行动。建议先诚实审视现状，选择方向，从小处开始行动，逐步扩展。
作者通过六组实验和五个开源仓库实测 TypeSafe 发布的 Jev 模型的真实能力边界。Jev 是只回答封闭问题、一次前向返回概率分布的模型。核心结论：Jev 适用于信号在语义中的场景（如泰坦尼克 0.83 AUC），对纯统计信号数据（如哈希 CTR 数据）无效；零样本表现相当于 150-500 条标注数据；最佳用法是作为特征融入已有模型而非单独使用，五个项目均获显著提升。作者还总结了问法即超参数、汇总预警取决于时间尺度、情绪分析无用等六条经验，以及评审循环偏差、真值精度等评测教训。
本文介绍了 TypeSafe AI 公司发布的新模型 Jev。Jev 由前 OpenAI 研究员、RLHF 共同发明者 Diogo Almeida 打造，它不会聊天，只做结构化判断，像流水线上的质检员。Jev 通过'填表'方式解决大模型自由文本输出带来的不可控问题，支持单选、评级、判断三种题型，且自带 confidence 置信度，可按把握度决定自动处理、人工确认或转人工。它比同级大模型快约 200 倍、便宜约 400 倍，适合客服分流、内容审核、简历筛选、AI 输出质检和数据清洗等自动化场景。文章还讲解了如何把大问题拆解为具体小问题来使用 Jev。
TypeSafe AI 于 2026 年 9 月发布的 Jev 是一个只做选择题的 AI 模型（单选、打分、是/否），响应 0.07–0.5 秒、输入价格极低、输出免费。作者梳理了官方数据及 Hacker News 上的质疑，指出“Jev 取代大模型”是伪命题，其合理定位是高频、低价地执行小判断。文章按用途分类整理了已真实跑通的案例：为 AI Agent 当决策器、海量数据分类、高低置信度分流混合架构、实时反应界面和仿真实验，并列举了已接入的商业产品。作者还分享了自己四次失败的集成尝试与两轮实测结论，强调概率校准的重要性。
