Relate Studio 联合创始人 Alex 分享了一套完整的 AI 品牌吉祥物设计流程：先在 Figma 收集参考并定义角色个性与比例；再用 Krea 快速生成粗略概念，挑选轮廓、性格和比例最好的方案；随后在 Nano Banana 2 中逐步清理细节、修正纹理与背景；接着保持角色一致性生成新姿态和角度；最后制作海报等设计构图，形成可向客户展示的完整视觉系统。作者强调无需插画或 3D 技能，AI 生成结果足以作为 3D 和动效设计师的制作参考，并可通过持续扩展姿态、表情与场景实现品牌层面的规模化应用。
作者在将 ChatOllama 改写为 Agent 时思考“Agent 最多应连续执行多少步”的问题，对比了 Pi、Codex 和 DeepSeek Harness（DSH）三种 Agent Loop 实现。Pi 依赖 shouldStopAfterTurn 回调，把终止策略交给上层，强调可组合性；Codex 不设统一轮数上限，而是对模型请求、工具调用、上下文压缩和 token 预算分层管理，适合长时间编码任务；DSH 则像可恢复的运行协议，用 turn/step 区分、inbox 机制和事件日志驱动继续与停止，强调可恢复与可扩展。作者总结：生产级 Agent 不应依赖固定 step 数，核心在于确认任务是否仍在推进并有明确机制停止。
文章介绍了 6 个为 Pi（Agent 工作台）扩展能力的开源项目：pi-subagents 支持多 AI 分工协作；pi-interactive-shell 让 AI 管理可见终端并随时人工接管；pi-model-switch 按任务难度自动切换模型；pi-autoresearch 让 AI 持续迭代优化代码；pi-code 适合已有 Claude Code 规则和工具积累的用户；monopi 则是一体化方案，包含任务管理、后台任务和子 Agent 系统，适合从零开始的用户。
作者星佳结合移居香港多年的亲身经历，分享一套面向普通人的「自由基础设施」清单。文章首先介绍如何搭建全球支付能力，包括港版iPhone、双Apple ID、美国eSIM、美国储蓄卡与ITIN、香港多币种账户的四层体系；其次强调VPS自建与双机双系统的必要性；接着分享香港北部都会区低成本独立屋居住体验、家庭安排与子女教育规划；最后提出数字主权、资产自托管、应急流动性、跨境法律文件、多国号码备份、医疗可携带性等抗打击策略，核心观点是系统不依赖任何单点，实现「能走、能留、能赚、能养、能传」的状态。
本文是一篇实操教程，作者详细讲解了如何用 Grok Bot 搭建一人公司的 Bot 团队。通过个人网站从想法到上线的完整案例，阐述了 Bot 的配置方法：先为一个 Bot 设定长期系统简介和职责边界，安排第一个任务进行设计探索；当出现值得长期单独负责的工作岗位时再新增 Bot（如专职动效的 Motion God、负责工程上线的 Devbot、负责 Figma 生产的 Figma Bro）；当多个 Bot 需协作时建立群聊，做好交接资料整理和分工规范。文章总结了 Bot 简介写长期职责、任务放聊天里、重复工作流沉淀为 skill 等核心心法，帮助读者按自己的工作流搭建 Bot 团队。
文章指出，历史上构建真实事物需要天赋和资源渠道，渠道曾是看得见的高墙，因此被误认为关键。如今AI工具让个人能完成过去需要一个部门的任务，中间层的顾问、分析师等'显然的工作'正被替代。开发者担心被AI取代，但担心的层面错了：真正稀缺的从来不是渠道或光鲜的外表，而是底层的判断力——哪个问题值得解决、是否真正解决了它。模型擅长打磨完美的表面，但当人人都能生成完美表面时，表面就成了噪音。具备构建能力的开发者反而最能受益于这个时代，不应让怀疑者本能阻碍自己行动。
作者以自身强迫性兴趣驱动的学习经历（香水、数据科学、健身、一人公司）为切入点，批评传统教育体系源于工业革命、以死记硬背和标准化考试为导向，扼杀了真正的求知欲。文章区分了三种人：无知者、智力白痴（为学习而学习、缺乏实践）和价值创造者（拥有知识并付诸实践）。作者强调在AI时代，快速学习和适应能力至关重要，主张对每个观点进行深度检验，追求可以应用于现实的智慧，而非停留在表层的知识。
作者分享了开源公文排版 Skill 的经历。最早使用 Claude Code 的 Office 能力生成 Word 文档，但发现原有格式（标题层级、段前段后间距、缩进、页脚等）经常丢失，且 WPS 与 Office 字体命名规则不一致导致排版不稳定。受 Kimi 客户端自动生成标准公文版式的启发，作者将公文格式做成 Skill，并逐项核对 GB/T 9704-2012 国标修正问题。该 Skill 可生成符合标准的页面、字体、标题、正文、文号、署名、日期和页码的可编辑 DOCX 文件，已开源并支持 Codex、Claude Code、OpenCode、Kimi 等多个平台安装使用。
文章以SpaceX 2026年上市为背景，提出投资重点不应是SpaceX本身，而应关注其供应链。作者将业务拆解为星链、火箭和AI三大板块，并按替代难度将供应商分为三档：不可替代型（如意法半导体）、高切换成本型（如Filtronic）和量产降本型。同时提出四级证据体系区分'实锤供应商'与'概念股'，认为中国科技公司的机会在于复制SpaceX验证的全球需求而非直接供货。文章还指出AI基础设施是供应链下一轮最大变量，并给出普通投资者跟踪供应链的6个季度指标。
作者在 Mac 上用 Codex 结合 srt-whiteboard-animation skill，将一段社保对比文稿完整制作成 2 分 17 秒、1080p、30 帧的手绘白板动画视频。文章逐步拆解了 14 个制作环节：准备项目并验证 skill、将文字稿转为 SRT 字幕、分幕规划、生成统一风格无字底图、区域标注与绘制顺序安排、预览台检查、渲染连续落笔动画、逐幕具体化修改、合并无声版，以及使用 edge-tts 配音和音乐混音。作者强调分步确认、说清具体要求、区分 skill 与工具能力边界等实践经验，并提供可复用的对话指令。
OpenAI 发布了一份免费且详细的 GPT Image 2.5 图片生成提示词指南。文章介绍了核心原则：先说清最终想要的用途，再描述画面细节，一条完整提示词应依次交代用途、主体、构图、风格、光线、材质、文字及负面提示词。生成指定文字时应用引号写明内容并要求无多余元素。图片编辑时除说明改什么外，还要明确哪些内容不能动。官方建议复杂图片一次只改一个变量，采用多轮迭代方式修改，以避免细节跑偏。作者认为模型强大后无需大段专业术语，但提示词框架的范式依然重要，推荐收藏学习。
Images 2.5 刚发布，作者推荐了六个 GitHub 项目帮助快速掌握生图提示词：awesome-gpt-image-2 提供 530+ 工业级案例与模板；GPT-Image2-Skill 支持将提示词库接入 Agent 与 CLI 工作流；另有收录 2000+ 提示词的大图库、中文结构化提示词仓库 gpt4o-image-prompts、可搜索的万条提示词 Agent Skill，以及跨模型（GPT Image、Nano Banana、豆包、FLUX 等）中文提示词对照清单。建议以这些仓库为参考图库，替换主体、场景、文字和比例，比堆抽象形容词更容易得到稳定结果。
作者熬夜观看苹果秋季发布会并盘点全系新品。重点上手了首款折叠屏 iPhone Duo（15999 元起），其具备浅折痕、屏下摄像头、双窗口多任务、双电池长续航、外屏 FaceTime 等特性，改用 Touch ID。iPhone 18 Pro 系列涨价 1000 元起，搭载 2 纳米 A20 Pro 芯片、更大 VC 均热板、可变光圈主摄和专业相机系统，续航和充电速度提升。Apple Watch S12 采用陶瓷材质并大幅升级健康监测，AirPods 第五代全面进入降噪时代。
本文是对 OpenAI Codex 团队负责人 Tibo Sottiaux 的深度访谈编译。访谈回顾了 Codex 从内部研究项目成长为热门 AI 编码工具的历程，详解三个反直觉决策：用 Rust 编写、全面开源、模型无关。核心洞察包括“harness 永远领先模型一点”的拐杖理论，以及 AI 重写软件开发生命周期：代码评审自动化、维护成本坍塌、意图讨论成为人类评审核心。还介绍了 Codex 与 ChatGPT 合并的架构工程、未来混合执行环境，以及 Tibo 对工程师职业发展的建议。
本文探讨软件工程师如何转型为AI工程师。作者指出AI工程师日常工作中约80%仍是传统软件工程，核心是将现有AI模型（如GPT、Claude）集成到真实产品中。软件工程师已具备编程、API、数据库、系统设计等基础，只需补齐六大AI专项技能：理解LLM工作原理、调用LLM API、保证输出可靠性（提示工程与结构化输出）、掌握RAG与向量数据库、学习编排与Agent、以及LLMOps生产化运维。作者建议通过构建作品集、在团队中主动承担AI功能、使用AI工具提升效率来加速转型，强调转型并非抛弃既有技能，而是在其上叠加AI层。
作者分析OpenAI通用模型Astra对机器人领域的启示：Astra在视觉场景理解、空间推理和可执行代码生成上表现突出，如BenchCAD评测中达95.9%几何重合度，远超GPT-5.6。作者提出核心问题：专用机器人模型所需的空间智能有多少将来自通用模型？结合Dyna-2百万小时人类视频预训练、Code as Policies以及Anthropic机器人实验等证据，作者认为推理与代码可组织陌生任务，而学习型动作策略提供快速精确执行，通用基础模型与机器人模型正走向融合，应继续扩大机器人数据规模。
文章探讨了让AI代理通过编写代码来使用浏览器，而非依赖纯视觉或混合方法。作者团队发现，代码模式能显著提升代理在浏览器任务中的表现，并据此重建了Stagehand v4，一个更高效、token节省80%的浏览器代理SDK。文章还介绍了通过MCP接口暴露run、snapshot和screenshot三个工具，使代理能灵活操作浏览器，同时强调安全边界的重要性。
作者金尘马分享了一个实用方案：通过 Hermes 为微信单独配置一个专用 Agent，在微信聊天框发送文字即可自动保存到 Obsidian 笔记库，并同步到 GitHub。文章详细介绍了准备工作、Agent 规则配置、微信 ClawBot 连接步骤，并提供了一套完整的一键配置提示词，可交给 Codex 或 WorkBuddy 自动完成配置。整个方案成本低、操作简单，大幅降低了随手记录的摩擦。
本文是 pstack 指南的第二部分，探讨如何利用 pstack 进行调研、规划、原型设计和架构。作者强调验证是基础，但之后需明确构建目标。文章介绍了间接提示、/teach、/how、/why、/recall 等技巧，帮助代理理解意图和上下文，并指出历史记录是丰富上下文的金矿。最后讨论如何指定解决方案，避免过度指定实现细节。
本期早报精讲三篇文章：架构师 Agent 如何通过领域知识结构解决存量系统中的工程判断问题；Anthropic 经济情景探索器从任务视角分析 AI 对就业和增长的多情景影响；RLM 递归语言模型将长上下文转化为可执行状态，提升复杂任务准确率。速览涵盖 Agent 断点续传、OpenAI 数学争议、Codex 访谈、AI 编程成本、ADK for Kotlin、机器人触觉及 Kimi K3 流式加载等话题。
本文是 05 年大学生 Jonathan Wu 的个人介绍。他正在学习 AI，使用 Codex 探索 AI 视频生成与剪辑工作流，同时认真经营 X 平台，将其视为长期时间轴和动态名片。他兴趣广泛，涵盖投资、读书、健身、Web3 等，秉持长期主义与复利信念，强调在值得的事情上坚持足够久，并保持好奇心与行动力。文章记录了他开始做 X 的契机、个人信念以及对未来的开放态度。
本文由 Zach Lloyd 撰写，详细介绍了 Warp Factories 的软件工厂基础设施栈设计。该栈基于开放、可组合、代码定义的原则，分为五层：Factories-as-code（工厂即代码）、Data and context（数据与上下文）、Compute（计算）、Inference（推理）和 Improvement（改进）。文章逐层阐述了各层的核心组件与设计理念，强调版本化、可测试、可回滚的工厂定义，以及支持多模型、多代理、自托管和持续改进的基础设施，旨在帮助团队向工厂模式转型。
本文介绍如何利用 AI 工具 Minara 进行金融交易，涵盖看市场、研究标的、制作提醒工具、策略回测与自动执行等场景。作者以通俗易懂的方式，展示了普通人无需编程即可通过自然语言完成从行情分析到策略部署的全流程，并建议按看市场、深挖标的、做提醒、策略回测、再考虑执行的顺序入门。
作者分享利用AI快速变现的经历：将小米蓝牙遥控器改造成语音输入工具，搭配自研按键映射软件，在社交平台以59元出售，两周赚取上千元。文章强调信息差、动手能力和服务口碑的重要性，并总结发现信息差、立刻动手、持续迭代、服务拉满的四步方法论。
作者Julie Zhuo分享了她从依赖第三方软件到自建个性化工具的心路历程。她因不满现有AI代理管理工具的局限，利用AI在半小时内构建了移动端应用Mog Squad，随后又开发了桌面版，实现了同时管理Claude和Codex等多个代理、高度定制化的工作流。她还为孩子打造了融入个人生活故事的Duolingo风格学习应用。文章指出，AI时代让超个性化软件成为可能，人们将更偏爱自己组装的工具，第三方通用软件的主导地位可能被颠覆。
Marc Andreessen 回顾其 2011 年“软件吞噬世界”的预言已成真，并指出 AI 编码代理正让软件吞噬世界的速度从人手转向算力。以 Devin 为例，代理已能编写 90% 以上生产代码，工程师从“码农”变为“代理舰队 CTO”，实现 10 倍乃至 100 倍杠杆。奔驰、Rivian、Itau 等企业案例显示效率提升显著。他反驳“AI 终结软件工程”的论调，认为需求无限，技术解锁新市场。a16z 因此重仓 Cognition，看好其团队与愿景。
作者分享了自己借助 GPT-6 Astra 操作 Blender 完成 3D 创作的经历：从 16 分钟做出兵马俑，到搭建秦陵地宫、科幻中庭，最终拼成可疾跑战斗的 3D 游戏。文章介绍了 Blender 的免费开源特性与建模、材质、灯光、动画、渲染等完整流程，指出其可用 Python 脚本控制，因此 Astra 能通过 MCP 连接器写脚本操作软件。作者给出接入步骤、首个咖啡杯场景的提示词范例，并强调人仍需负责检查杯柄连接、构图与灯光等细节。
文章探讨如何在不训练模型的前提下，让编码智能体在后续任务中持续变好。作者将编码智能体拆解为“冻结模型 + harness 程序”，并以 Pi 和 Hermes 为例说明通用 harness 的循环结构：组装提示、调用工具、追加结果、压缩上下文。核心观点是，真正带来“自进化”的并非内层循环本身，而是引入第二个写入者——在回合结束后或任务进行中，由额外代理将经验写入 MEMORY.md、SKILL.md 或四类存储，使下一个上下文窗口能加载这些持久化知识。Hermes 通过 fork 代理定期写记忆与技能，Prime Agent 则用 /refine 从轨迹中做最小可回滚编辑。两者都保留不可变基础提示，只改变下一窗口内容。
作者体验了个人AI助手Today，它定位为个人生活连续性管家，能整合日历、健康数据等，主动提供晨间简报和日程调整建议。文章通过三个真实场景展示了Today的贴心之处：临时变动时自动重排日程、睡眠不足时减少打扰、记忆可编辑可删除。作者认为Today与工作Agent不同，更像生活管家，并建议采用阶梯信任逐步开放权限。
本文深度拆解 OpenAI 自研推理芯片 Jalapeño 的设计哲学。首先指出英伟达 GPU 在推理场景的三大缺陷：访存密集型任务下 SIMT 掩盖延迟失效、UMA 与庞大 L2 Cache 导致高延迟、全局同步与网络 I/O 瓶颈。接着分析 Jalapeño 的激进重构：砍掉全局 L2 Cache 采用去中心化 Core Slice 架构、在 SM 内塞入超标量控制核心、实现网络直达核心缓存。最后提出行业三大结论：别盲目搞 CUDA 兼容、训练与推理算力格局将两极分化、AI 设计芯片的闭环正在到来。
