全部文档 / 标签: AI
微信的这几个AI新功能，正在杀死朋友圈最后一点人味
本文作者对微信基于小微更新的AI功能表达了担忧，包括朋友圈的AI帮写、AI点评以及公众号的AI总结功能。作者认为这些功能虽然提升了效率，但破坏了朋友圈的真实性和人与人之间的情感连接，使社交变得虚假，并可能影响内容创作者的创作动力。作者呼吁在人与人的关系中保留低效率的诚意，不要让AI代替人类表达真实情感。
如何利用公司大脑进行GTM营销
本文作者作为Supermemory的Dev GTM负责人，分享了如何利用公司大脑（Company Brain）来提升营销和销售效率。文章详细介绍了在文案撰写、销售电话、外联、案例研究、产品反馈、产品发布、每日简报和开发等多个场景中，如何通过公司大脑获取准确的产品信息、客户背景、潜在客户名单、客户反馈和项目进度，从而减少对工程师的依赖，提高工作效率。作者强调公司大脑能够将公司知识整合起来，帮助营销人员更好地理解产品、客户和市场，从而做出更精准的营销决策。
How to Build a Shared AI Harness for Your Team
本文详细介绍了如何使用HQ工具为团队构建共享的AI Harness系统，将分散的模型、技能和自动化流程整合为协同工作机制。文章从环境搭建出发，强调从单一高频工作流（如周报）验证有效性，并逐步扩展。通过赋予AI持久的公司记忆和明确的工作策略，将团队经验转化为可复用的资产，实现跨工具的上下文共享与团队协作能力跃升。
AI行业220个核心名词科普与整理
本文针对AI行业层出不穷的新名词，系统整理了超过110个核心概念，旨在帮助读者建立对AI技术的整体认知。内容涵盖了一人公司(OPC)、Agent智能体、大模型架构、模型训练与压缩、MCP生态协议，以及AI创业相关的商业指标等，适合作为日常查阅和学习的工具指南。
我靠收件箱偷偷学会了 AI
作者分享了利用网易邮箱大师的AI助理高效处理大量AI领域Newsletter的方法。通过AI分诊、摘要提取、段落翻译和辅助回复等功能，将每日处理上百封未读邮件的时间从1小时压缩至20分钟内。文章核心理念是利用AI实现“决策前置”，先判断价值再精读，并附带了作者长期跟踪的19个优质AI资讯源清单。
中国面临的DRAM危机
AI产业的爆发导致全球内存需求急剧增长，引发了严重的DRAM危机。由于AI服务器需要消耗海量LPDDR内存，挤压了智能手机等消费电子的供应，推高了内存价格。这对利润微薄的中国手机厂商冲击尤为严重。目前，长鑫存储(CXMT)等中国本土内存制造商的产能已被极度饱和的国内需求填满。面对长期的“内存墙”与产能建设周期问题，中国如何快速扩充DRAM产能以满足本土AI与电子产业的需求，已成为关乎整个科技产业竞争力的核心危机。
发一条 iMessage，让 AI 替你玩手机：Airtap 技术拆解与实测
本文深入剖析了移动端 Agent 产品 Airtap 的技术架构与实现原理。由于手机 App 缺乏像网页 DOM 树那样的结构化接口，移动端自动化极具挑战。Airtap 通过结合云端真机与视觉大模型（VLM）的闭环操作攻克了这一难题，并巧妙地将 iMessage 作为异步任务入口。文章详细分析了该方案的速度限制、风控及安全隐患，并实测了其自动安装应用、检索信息的全流程，指出其适合执行高频低风险的重复性任务。
利用 AI 智能体在 Reddit 上赚钱的完整指南
本文作者分享了如何利用 Reddit 社区和 AI 智能体实现日入千美元的变现策略。核心思路是“需求导向”：先通过 Reddit 挖掘用户反复提及且具有急迫性的真实痛点，而不是盲目开发产品。作者建议使用特定的提示词让大模型挖掘个人经验，并结合 Apify MCP 将抓取的 Reddit 数据喂给 Claude 进行深度需求分析。最后，利用 AI 根据用户真实用语编写 PDF 指南或付费新闻通讯，仅向急需解决问题的受众提供真正有价值的方案。
别再说太晚了：AI正在把40岁变成创业新风口
本文探讨了AI时代下40岁中年人的创业新机遇。作者指出，AI工具大幅降低了创业门槛，使得个人能够完成过去整个团队的工作。相比年轻人的速度优势，中年创业者凭借深厚的行业经验、成熟的商业判断以及积累的资源信任，能在AI赋能下更好地发现真需求并将其转化为产品。未来的创业模式将趋向“1人+AI Agent+全球市场”。AI不会让无经验者轻易成功，但会成倍放大有经验且愿学习者的能力，让40岁成为全新的创业起点。
2026，懂AI并不能让你赚到钱
作者通过自身“公众号知识库”变现2万+的真实经历指出：AI只是一种放大杠杆，并不能直接保证赚钱。许多人陷入了盲目追求工具和产量的陷阱，却忽略了核心的商业逻辑（需求、转化与交付）。真正的核心竞争力在于真实的行业经验积累、精准的痛点把控以及构建不对称优势。文章建议读者先找准值得解决且有付费意愿的问题，再利用AI降低成本、提高效率，而不是本末倒置地在错误方向上高效空转。
AI 名词小白入门白皮书
本文专为缺乏技术背景的AI初学者撰写，旨在理清AI领域的常见名词。作者将AI系统划分为七个层级，详细拆解了从大模型、产品、Token、RAG、MCP到Agent、Workflow、Loop和Graph等核心概念。文章指出新手常犯的认知混淆，并通过具体的任务案例展示AI系统的工作流程。最后，为初学者提供了从分清对象到理解工具执行的实用学习路径，帮助读者建立完整的AI概念地图。
WorkBuddy 实战教程 01｜从一个文件开始，完成第一份可检查结果
本文是 WorkBuddy 的实战教程，通过读取两份虚构资料生成一份新人速览文档，指导新手如何完成第一个可验证的 AI 任务。文章强调了在使用 Agent 时设定“任务边界”（控制读取、写入和执行范围）的重要性。通过提供一张包含目标、输入、输出和验收标准的“任务卡”，确保 AI 只读该读的文件、只写指定位置且不编造事实。最终总结了将复杂工作拆解为最小可检查闭环的方法论。
AI for Physics 全景图
文章探讨了AI在物理学领域的应用现状与瓶颈。作者将物理学研究分为解析求解、数值模拟、有效理论构造等五条路线，指出AI在受限于计算能力的领域（如分子模拟、引力波参数估计）取得了显著的“化解”与“新能力”突破；但在依赖概念创新和理论构造的领域，AI仍进展甚微。文章通过重新梳理物理学家的工作方式，提供了一个评估AI实际价值的新视角。
10个强大的开源GitHub网络爬虫仓库推荐
本文分享了10个极其强大的GitHub开源爬虫与数据采集项目，如Firecrawl、Crawl4ai、Browser-use和Scrapy等。这些工具涵盖了自动化渲染、网页转Markdown、AI智能体操控浏览器、隐形反反爬及移动端数据抓取等功能。借助这些免费开源的工业级框架，开发者能够高效、低门槛地获取互联网各处的结构化数据，实现媲美昂贵商业付费API的采集效果。
AI Adoption is a Myth
本文指出企业AI普及是一个神话。在大多数组织中，AI使用呈现“哑铃式”分布：约10%的深度用户消耗了90%的Token，而剩余90%的员工几乎不使用或使用效率极低。文章强调，使用AI和精通AI是完全不同的技能，单凭登录次数来衡量“采用率”毫无意义。此外，AI供应商不断拉高产品门槛，加剧了这种技能鸿沟。企业必须认清现实，调整AI推广策略。
70 Ideas to Reimagine Your Product Process With AI
文章详细介绍了70种将AI融入产品管理流程的进阶实践，涵盖了从上下文管理、PRD撰写、原型设计到用户反馈与团队工作流的方方面面。作者指出，使用先进的AI工具（如Cursor、Claude和MCP）不仅能提升效率，其背后的核心逻辑在于：模块化加载上下文、预先定义成功标准、将倾听用户与产品迭代闭环、将设计决策转化为文件与测试，并像监控产品一样监控系统。
Loop Engineering：如何构建能自我改进的AI智能体
本文探讨了从手动提示AI向“循环工程”转变的新一代工作流。作者指出，真正的循环工程依赖于廉价的长上下文模型来控制Token成本。文章详细对比了旧的手动工作流与新的自动化循环工作流，并深入剖析了单智能体循环与舰队循环（多智能体协同）的区别。同时，强调了在实际应用中应优先采用边界清晰、易于控制的闭环。最后，拆解了构建高效循环系统的六个核心基石：自动化、工作树、技能复用、外部插件、子智能体和检查器，帮助开发者打造可自我迭代和修复的AI系统。
使用 Seedance 2.5 制作超写实 AI UGC 视频工作流
作者分享了使用 Seedance 2.5 模型制作超写实 AI UGC（用户生成内容）视频的完整工作流。该模型能生成30秒无偏移的连贯短片，有效避免了传统AI视频的虚假感。文章详细展示了两个产品推广视频的提示词构建，涵盖镜头、视听风格、人物及分镜脚本。核心步骤是先在 TikTok 等平台寻找已获成功的真实营销视频作为参考，再通过纯文本提示词生成高质量短剧视频，为产品营销提供新思路。
Loop Engineering: 11 Steps From Prompting to Loops
文章指出，AI使用的未来在于构建“循环”而非单纯编写提示词。作者以Karpathy的AutoResearch项目为例，阐述了AI如何通过循环自主进行实验和优化。一个有效的循环必须包含验证器、状态记录和停止条件。文章强调，当任务具备可自动化的验证机制且需要重复执行时，应让AI在循环中自我迭代以移除人类瓶颈。最后，文章分享了构建基础AI循环和有效验证器的核心代码模式。
Deep Agents vs LangChain vs LangGraph
本文对比了构建AI智能体的三个开源框架层级：Deep Agents、LangChain和LangGraph。它们提供不同层级的控制力与抽象程度：Deep Agents是开箱即用的智能体套件，专注于最佳上下文工程实践；LangChain是高度可定制的智能体核心抽象与集成框架；LangGraph则是基于图的底层运行时，适用于混合确定性与动态步骤的复杂工作流。三者完全可组合，开发者可在自主性与确定性之间灵活平衡。
成为 Codex 高级用户的完整指南
本文是一篇进阶指南，旨在帮助用户将 Codex 打造为“常驻 AI 团队”，从而实现单人高效运作。文章指出，普通用户倾向于单步提示，而高级用户应转变为“设定目标与边界”的指挥者。作者提供了构建专属工作区、利用语音输入、使用 /goal 设定长期目标、让 AI 先勘察后执行等实用技巧。此外，文章还深入探讨了如何通过多智能体并行处理任务、云端运行长任务以及使用手机进行远程控制，从而打破设备与时间的限制，最大化提升工作流效率。
RW Research Skill 更新：科研投稿也可以自动化了
作者为其开发的RW Research Skill（一套基于Agent的科研工作流）引入了新的自动投稿模块。该工具能读取期刊要求，自动整理、检查并修改本地论文文件（如分离图表、修正编号），随后代替人工在投稿系统中填写信息与上传材料，且具备页面报错复核机制。该自动化流程大幅减轻了作者在格式调整和反复核对上的繁琐负担，而学术伦理、数据真实性及最终提交等责任仍由作者本人承担。
How to Build An Agentic Harness using Kimi K3
文章指出AI模型正变得廉价且可互换，核心资产在于控制层（Harness）而非模型本身。作者提出了构建Agent控制层的三条核心法则：模型是消耗品而框架是资产、耦合要轻但框架本身要做厚、可调设置必须有代码级别的硬边界。文章详细拆解了构建可复用控制层的11个关键要素，并主张让框架去适应工作流而不是绑定特定的模型供应商，以适应快速迭代的AI技术格局。
AI时代的职业选择：能被打分的工作正在贬值
本文编译了Phil Chen关于AI时代职业发展的建议。作者指出，能被明确定义和打分的工作正被AI取代，未来真正稀缺的是时间、人脉和声誉。在agent-native时代，工程师的核心能力正从“写代码解题”转向“发现并定义问题”。选公司应看重其解决方案的野心，工作中要死磕“最后一公里”的细节。文末作者结合自身经验，对面试方式变革、生产环境重写及发现问题的前提给出了独到见解。
AI 角色的演技：微表情控制的 6+5 系统方法
文章提出了一套控制 AI 角色微表情的“6+5”系统。6 个动作参数（部位、动作、方向、幅度、速度、时序）控制单帧动作，5 段情绪曲线（基线、触发、泄露、压制、余波）掌控整段表演。文章详细拆解了参数逻辑，提供了静态图与视频的实操案例及通用模板，旨在解决 AI 表情夸张、崩坏等问题，提升短剧和角色视频的真实感。
AI 说做完了，和真的做完了，怎么区分？
文章探讨了如何区分 AI 声称任务完成与实际完成的差异。问题常源于初始指令模糊，如“整理好”、“改一下”缺乏明确标准。作者建议在动手前制定具体的检查清单，明确每项验收标准，并记录检查过程，以确保交付结果符合预期。
别再把X帖子收藏到吃灰：用Hermes加Telegram加Obsidian搭一套AI公用大脑
本文介绍了一种利用 Hermes、Telegram 和 Obsidian 搭建个人 AI 公用大脑的方法。用户只需将链接发送到 Telegram，Hermes 会自动抓取内容、生成摘要、去重并归档到 Obsidian 中。文章详细部署了从安装 Hermes、配置 Telegram Bot、设置抓取工具到编写 Skill 实现自动化工作流的全过程。
Software Factory: How to Turn One AI Into a Production Line
本文介绍了如何通过构建“软件工厂”将单一AI转化为高效的生产线。文章详细阐述了利用队列系统、独立工作空间、权限隔离和质量门控四个组件，实现AI代理的自动化协作与任务调度，从而提升软件开发效率并降低成本。
