本文是 Agent 评测系列的第一篇文章，作者结合业界共识与个人实践，阐述了 Agent 评测的重要性。文章从一次线上问题修复切入，说明传统后端开发流程难以应对 Agent 的概率性输出与执行路径的不确定性。作者给出 Agent 评测的定义：围绕具体任务，按明确标准检查 Agent 执行过程（trace）和结果的方法。核心价值包括：防止越修越坏、判断改动是否真的变好、确认任务稳定性、明确完成标准、指导迭代优先级。文章还提出评测落地的五步流程：整理任务、写清标准、准备一致环境、运行新旧版本对比、持续更新案例，并提醒注意评测集划分、标准本身可能出错等问题。
作者分享了对 REA（Reverse Engineer Anything）工具的实测体验。REA 为 Claude、Codex 等 AI 接入了一整套逆向工程工具，能够分析没有源码的软件，从模块、路由、IPC 通信追踪功能实现逻辑，并在自己的项目中复现。它还可以拆解不开放接口的 Electron 桌面应用，甚至调用 Ghidra、Hopper 读取伪代码和汇编，精准还原老游戏和老旧库中的算法。作者以剪映等项目为例验证了其强大能力，并引发讨论：AI 时代，软件逆向如此容易，是否意味着一切都要开源了？
作者分享了一套完整跑通的 AI 自动化运营小红书账号的流程：以 4–9 岁儿童英文启蒙账号为例，从账号定位、三栏目内容设计（绘本故事、英文儿歌、单词跟读）、故事与儿歌创作公式，到视频制作全流程（AI 生图、图生视频、TTS 配音、ffmpeg 合成与双语 ASS 字幕），再到小红书创作者平台发布规范。通过三个定时任务实现每日自动发布与评论自动回复，配合防重复加锁机制、发布日志与文件结构管理，实现全链路无人值守，每条视频 15–25 分钟自动产出，并总结了 504、SRT 字幕、标题字数等实战踩坑经验。
本期早报汇集三篇精讲：Google Labs 负责人 Josh Woodward 分享如何像实验室一样运作团队，通过机会清单、快速原型与用户信号判断产品方向；斯坦福 CS146S 课程拆解常驻在线智能体的架构，涵盖主循环与执行环境分离、持久工作流、事件队列优先级与上下文分层管理；Alexandr Wang 回顾 Meta Muse 个人智能体的产品历程，强调把愿景拆成可评测行为、通过小任务积累用户信任，以及为研究人才设定方向与空间。另有 PayPal CLI 智能体实战、MiniMax M3 稀疏注意力架构、低成本金融智能体训练等七篇实践速览。
作者用同一份 8-10 页需求，让 27 个 PPT 生成 skill 各做一套，并使用 Claude Code + Opus 5.5 运行、gpt-6-astra 逐页打分。结果显示：数字虽准但 8 套添加了需求外的说法；2 套需大改且全是不可编辑的图片；设计最佳的 ppt-agent-skills 仅 904 星；5.8 万星的 ppt-master 微调即可交付；转换器可将全图片 PPT 转回可编辑文本（0 到 2224 字）。最后给出选型建议：需协作修改选原生 PPTX，自己演示选网页，发社媒选图片，兼要 pptx 和美观可选网页/图片加转换器。全部幻灯片与评分已公开。
文章介绍了想将 AI 应用于教学的 6 个 GitHub 开源仓库，按教学任务分类：QuizWeaver 用于备课出题，可从授课内容生成题目和教案；anything-to-course 是 Agent Skill，把资料组织成课程大纲和复习计划；Agentic-AI-Tutor 基于上传材料答疑并附引用；studyforge 提供课程生成、测验和间隔复习；freelingo 面向语言学习场景；lextures 用于课程与成绩管理。作者建议按任务选择工具，并注意部署和模型要求，最终教学适配仍需人工核对。
文章介绍了 Earendil 随 Pi 1.0 发布的实验性框架 Pi Durable，它解决的痛点是 Agent 长任务中断后无法继续。作者从零动手搭建了一个网页版个人 Agent「Pi Durable 小助手」（已开源），逐个演示其核心特性：任务每步存档、进程崩溃后从断点恢复；Document 让待办等应用状态与对话记录一致保存；后台任务实现回答后仍能触发提醒；子 Agent 与归属树支持派活与追踪；Fork 可从任意消息分叉新对话；多端同步与插话让多设备共享同一会话。最后指出可用它构建属于自己的 Hermes 式持久 Agent。
本文是 Grok Bot 的系统化使用教程，核心观点是“Prompt 是一次请求，Bot 是一个岗位”，强调把向 AI 提问转变为向 Agent 委派任务。文章提出五步上手路径：写好岗位说明、搭建请求结构、用 Teach a task 存成技能、分级授权、最后定时触发自动化。文中提供多个可直接复制的提示词模板，涵盖每日信息简报、证据验收交付、岗位与记忆复核、定时自动化等实战场景。同时指出关键避坑点：共用云电脑不是安全边界、删 Bot 不等于撤销登录、模型路由不可控且不改单价，以及额度管理建议，强调自动化前必须先明确边界与验证标准。
文章总结了 Claude Code 中十二种可复用的代理 Harness 设计模式，分为四大类：记忆与上下文（持久指令文件、范围化上下文组装、分层记忆、空闲整理、渐进式上下文压缩）、工作流与编排（探索-计划-执行循环、上下文隔离子代理、分叉-合并并行）、工具与权限（渐进式工具扩展、命令风险分类、单一职责工具设计）以及自动化（确定性生命周期钩子）。作者强调这些是架构层面的决策而非临时提示技巧，即使模型能力提升仍具价值。
文章讲述作者管理10个Grok Bot时，云电脑虚拟机重置导致部署的服务全部丢失的问题。作者没有采用快照备份，而是建立了一套服务登记与重建体系：通过Gitee私有仓库维护vm-services目录，设立「虚拟机服务管家」Bot维护服务总账（REGISTRY.md和registry.json），强制所有Bot部署新工具时登记，密钥只记录路径不入库，并为每个服务配备幂等的恢复脚本和统一的restore-all.sh总入口。作者总结了Codex授权互顶、定时任务漏写等教训，并提供了可直接复制的「服务管家部署」和「重置后恢复」两套提示词，帮助读者快速搭建自己的AI虚拟机备份恢复方案。
本文基于凯迪克金奖、凯特·格林纳威奖、博洛尼亚最佳童书奖的获奖作品，构建了一套面向 Agent 的绘本创作控制体系。首先阐述图画书文图关系学（Iconotext），提出对称、互补、反讽三种文图动力关系及翻页悬念机制；随后总结四大黄金叙事模型——往返环形闭环、三阶累积递进、视错觉信息不对称、小小英雄跨越，并为每个模型提供标准化分页节拍表；最后通过《小河马拔牙记》《小熊不怕大怪物》两个实战案例验证模型应用，并说明如何写入 AGENT.md 供 Agent 调用。
作者记录了一个让 AI 全自动运营抖音号的 30 天实验：人只负责注册账号和扫码登录，其余选题、脚本、视频生成、配音、发布全部由 AI 完成。文章详细介绍了整体架构与人机分工、浏览器自动化发布链路、三条内容线轮发策略、豆包 TTS 配音接入、ffmpeg 音画混音、每日定时任务设置，以及数据记录与复盘方法，并强调 AI 生成内容标识等合规注意事项。整个流程人力成本趋近于零，可将起号拆解为可复用的流水线，30 天后通过数据检验 AI 独立运营账号的效果。
作者介绍了中推 AI 社区 Linux DO（L 站）的最新注册方法：GitHub 账号满 5 年即可申请邀请，无需再写申请小作文。作者用 AI 开发了一个查询工具，输入 GitHub 用户名即可检查年限并直达官方申请入口。文章给出极简三步注册流程及注意事项（链接 30 分钟有效、须用绑定邮箱、免费申请谨防卖码）。同时分享了工具的开发过程：作者在 Pi 中接入蚂蚁百灵 Ling-3.1-flash 模型，零代码完成开发，该模型在资料读取、浏览器自验证和排错方面表现出色。文末附模型免费体验入口与 Pi 配置教程。
作者南鸢基于开源项目 honghouzi 的 Codex Workspace Enhancer 和 yubowen123 的 codex-sidebar-enhancer 改造整合，开发并开源了 Nuyoah Codex Workstation。这是一套嵌入 Codex / ChatGPT 桌面应用的本地增强工具，核心功能包括：最多四个 Codex 对话并排的四宫格布局、项目进展与交付文件管理、任务地图展示任务关系、以卡片形式展示已安装 Skills 并可一键插入任务、以及素材资产只读浏览与插入（支持 Eagle 和本地文件夹）。作者说明了适用人群、安装门槛（需 Node.js 22.5+、macOS/Windows）及部分功能尚未完全验收的情况，项目采用 MIT 许可证，源码已在 GitHub 公开。
作者 FeiZ 正式发布开源插件 DeepSeek Bot（ds bot），基于 DeepSeek Harness（dsh）构建，支持使用自己的 API Key 拥有一组持久化运行的 Bot，具备上下文管理与记忆能力。产品包含 Main Bot 总管家、多 Bot 群聊协作（通过管理员机制优化费用），并可接入任意模型乃至本地 agent。作者已完成多项 dsh 插件的兼容性测试，未来计划支持浏览器与电脑操控。项目目前处于早期阶段，用户可通过 GitHub 仓库或 dsh desktop 插件页安装体验并反馈问题。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
文章以 Pi coding agent 的 Durable 版本为切入点，拆解 Harness 架构的演进。传统 Harness 将持久化系统、agent loop 和执行环境耦合在同一个 Node.js 进程中并强依赖 VM，而 Durable 将持久化外置为 SQLite 存储、执行环境与操作系统解耦，并实现无损状态恢复，使 agent 可部署在 serverless 等更灵活的计算节点上。文章还介绍了 pi 的 MCP 原生支持、codemode（通过 QuickJS 批量调度工具）以及 server/client/protocol 分离等变化，最后设计了一套可扩展的长期 Harness 架构，目标是硬件资源消耗降低一个数量级。
本文介绍 2026 年构建多模型 AI Agent 团队的完整方法。作者指出使用单一模型会导致高成本低效、专业能力受限以及单供应商故障/盲点风险，主张按任务步骤选择合适模型。文章梳理了 2026 年 9 月的主流模型阵容（Claude Opus/Sonnet/Haiku/Fable 5.1、GPT-6 Astra、TypeSafe Jev）及定价，提出五层架构：路由器、编排器、专家模型、评审者（critic）和纯代码层，并讲解如何先对工作负载分类（决策、简单生成、真实工作、难题），再为每层选择最划算的模型。文中附有统一封装多供应商 API 的示例代码，涵盖 effort 参数与 thinking block 处理细节。
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
文章解读小米 LLM-Core 团队发布的 MiMo-V2.6 技术报告。核心主张是通过系统性扩展强化学习算力提升模型智能，需同时扩展训练批次、环境多样性和评分器三个维度。模型有 Pro（1.02T MoE）和 Flash（310B）两个规格，RL 后训练成本分别 260 万和 90 万美元。报告详述了中期训练优化、GRPO 训练细节、多 harness 训练、四层 reward hacking 防御、Groupwise Agentic Grading 评分体系、router 冻结发现及基础设施设计，最终性能进入与 Claude Opus 5 / GPT-5.6 同一梯队，并开源蒸馏模型、环境与 RL 框架。
作者分享了将 Meta 的个人 AI Agent「Muse」接入微信的完整实践教程。通过微信 ClawBot 插件与桥接程序，用户可以直接在微信里给 Muse 交代任务，Muse 执行后把结果回传微信。文章详细讲解了接入流程：启用 ClawBot、向 Muse 发送提示词完成配置、扫码登录、发送第一条消息完成收发测试，以及用真实任务验证执行效果。作者还总结了常见卡点：扫码后需在微信发消息才算完成、聊天记录不会自动同步、收到回复不等于任务执行完成等，并附上了可复制的完整提示词。
作者整理了12个用 AI Agent 制作视频的 Skill，按使用场景分类：口播去口误工具（如 chengfeng-videocut-skills）、剪映自动化（jianying-editor-skill）、艺术风与知识动画（huashu-art-motion）、产品宣传片动效（HyperFrames、Remotion）、通用 ffmpeg 处理、长视频切短视频（OpusClip）等。文章介绍了各工具的安装方式、优缺点，强调分清本地与云端处理的隐私成本问题，并提醒第三方 skill 的安全审查和版本变化风险，适合视频创作者作为选型地图参考。
本文是 Pi Durable 访谈译文第三篇，Mario Zechner 与 Armin Ronacher 讨论各类编码 harness 的体验。他们聊到 AMP 的 Orbs 设计与团队愿景、OpenCode 的持久化探索、DeepSeek harness 的插件架构与极简体验、以及 Claude Code 的自我修改趋势与稳定性问题。还谈及 Pi Mobile 让手机本地运行 agent 的愿景、Web 插件系统的安全挑战（XSS、沙箱隔离）、对 MCP 支持的转变，以及让非开发者上手 agent 的 onboarding 难题和对 AI 技术真正落地应用的期待。
作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill（grill、implement、ponytail、handoff 等）与简短 Prompt（第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合），指出随着模型能力增强，过重的 Workflow 反而成为噪声，应使用方法论式思维快捷键。同时分享了日常开发流程：grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查；重点讲解如何构建 Agent 友好的端到端测试环境（CLI、MCP、浏览器自动化），以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度，Harness 需随模型迭代做减法。
本文提出了2026年LLM工程路线图，指出与LLM工作不只是提示词，生产级系统需要对LLM的工程化、部署和优化有深入理解。文章总结八大支柱：提示工程（将prompt当作代码管理）、RAG系统（嵌入、检索、重排）、上下文工程（管理上下文窗口中各类信息的取舍）、微调（LoRA/QLoRA等技术）、Agent（工具调用循环与编排、状态管理、重试逻辑），并为每个领域提供了大量免费开源学习资源，如Anthropic、OpenAI官方指南及多个GitHub教程仓库。
OpenAI 于 9 月 29 日发布 Dots——基于 GPT-6 Astra 的常驻智能体。每个 Dot 拥有独立的云端电脑和浏览器，可接入 4000 多款应用，用户通过目标而非提示词驱动它持续工作。文章详解了其权限分级（后台只读、敏感操作交还用户、删除类操作需逐次批准、信任型发送可预先授权），并与 Grok Bot 对比：Grok Bot 提供多 Bot 协作且夜间持续运行，Dot 则是单一工人、短权限、全流程可审计。价格方面，Pro 从 $100 起，额外任务消耗个人额度，欧洲多国仅可通过 Business Premium 使用。文章最后给出完整的创建设置步骤和任务简报撰写建议。
作者李岳分享了使用豆包新功能"无限画布"进行创意设计的实战体验。通过两个案例演示：一是为奶茶品牌"Pudding"设计完整品牌VI，包括Logo、杯子、包装袋、门店形象等素材；二是为豆包手机生成深色摄影图、详情页卖点图及TVC宣传短片。文章详细介绍了无限画布的创建方式、创意设计和创意视频两个技能的调用方法，以及画布中的编辑、引用生成、分图层、抠图、消除、扩图等功能。作者认为这些功能为设计师量身打造，只要有创意就能高效实现。
文章系统整理了 67 个实用的 Claude Skills，涵盖需求规划、方案设计、编码、测试、排错、代码审查等开发全流程。作者介绍了 Skills 的概念（包含 SKILL.md 的文件夹，封装可复用的工作流程），并列举了来自 Anthropic 官方、Matt Pocock 和 SkillsMP 市场的技能资源，如 Skill Creator、Grill Me、Write a PRD、TDD、QA、Code Review、Systematic Debugging 等，附项目链接、使用方法和安装命令，帮助开发者把 Claude 用成一支完整的开发团队。
作者结合测试 TRAE 新版本的体验，总结了 AI 编程的四个趋势：人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付，代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法：搭建 Agent 易于验证的环境（文档地图、自动化测试、原型、AGENTS.md 规则）、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降，而想清楚需求和验证结果的能力越来越值钱。
