本文是作者于 2026-10-25 在 Muse 中真实跑通后整理的实战教程，介绍如何用提示词把 Muse 组建成「主管 + 专员」的 AI 团队。文章讲解主管（主聊）与专员（子代理或旁聊）的区别与协作方式，提供主管提示词、派活模板、编码/审查/文档等专员提示词，并给出 5 分钟上手的 4 个步骤。作者通过「今日待办」实测发现专员自检不可靠，强调重要交付需加审查专员复核，并总结了路径写法、上下文记忆、安全红线等 6 个常见误区，最后给出日常使用流程和常见问题解答。
作者分享玩自媒体三个月后总结的内容框架搭建方法。文章指出三个常见误区：把赛道并列当框架、把介质当定位、用日更加量代替结构。核心是先确立个人创作内核——「看见→拆开→替换→对照→沉淀」五步动作链，再分清主线（主菜，立信任攒资产）与支线（添头，轻量触达），最后让 AI 负责选题发散、长文拆条和草稿规整，人负责定内核、提供真实变量和终审取舍。文中还提供了一周工作流、通用内容框架卡模板及常见问答。
文章介绍如何用 Grok Bot 在云端构建一个持续运行的“第二大脑”，解决每次与 AI 对话都从零开始的痛点。作者借鉴 Andrej Karpathy 的知识库理念，通过 7 步课程指导读者：用已发送邮件生成个人档案与写作风格文件、用 /workspace 文件夹而非聊天记忆存储慢事实、设置云端 routine 自动归档 Gmail 新材料、每天早晨生成一页摘要、将笔记转化为成品、通过规则固化纠正，最后提供一键粘贴的完整搭建方案。强调文件优于聊天记忆、云端机器人可 24 小时工作，引用 Kevin Rose 的实例佐证。
本文是Obsidian进阶教程，接续入门篇，系统讲解了让笔记库真正好用的高级玩法。内容涵盖：块引用的链接与嵌入用法、Callout彩色提示块的语法与折叠技巧、按属性和路径的搜索进阶、Templater动态模板（日期变量、文件名、文件夹自动套模板）、Dataview将笔记库当数据库查询（LIST/TABLE/TASK三种查询）、Canvas白板理清笔记关系、MOC内容地图的构建方法，以及Linter批量维护等。作者强调规范frontmatter是发挥这些功能的前提，并提供了速查表与常见坑集锦，帮助读者构建可持续维护的AI知识工作流。
作者复盘了如何一个人在一个月内批量生产2000多份PPT并完成变现的全流程。制作上，将PPT生产拆为五步：素材提取、页面规划、图片生成、逐字稿/教案、可编辑转换，并把流程封装成Skill在Codex中并发运行，每天跑2-3轮。推广素材通过自研软件实现文档导出、场景化排版、拼图排版批量化。分发上，一套内容同步铺到小红书、抖音、视频号、公众号，借助自研工具一键多平台发布。管理上用分类备份和飞书表格追踪生产与发布。变现靠小红书店铺卖成品跑量、私域卖套装和定制做复购，实现边际成本极低的持续收入。
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
作者文子分享了自己开发的「Wenzi 小宇宙工作流」，旨在解决播客听完即忘、难以沉淀知识的问题。该工作流包含两个模块：一是将播客链接自动转录为干净的 Markdown 逐字稿；二是为内容创作者定制化提取选题，先确认用户定位，再从逐字稿中提炼候选选题。作者强调 AI 适合处理转录、排版等繁琐工作，而价值判断和表达决定权应保留在人手中。项目已开源至 GitHub。
本文是作者基于一个多月深度使用经验整理的 Grok Bot 实战指南。Grok Bot 是让 AI 长期承担具体任务的产品，运行在云电脑环境中，支持跨应用执行任务、长期记忆和定时调度。文章从产品原理与运行方式讲起，系统介绍了创建第一个 Bot、撰写角色说明、连接应用、制定复杂任务计划、验证交付结果、保存技能、用操作演示教学、安排例行任务、分享模板、团队协作与多 Bot 交接等完整流程，并列举了网站巡检、客服草稿、资料整理、浏览器测试等适用场景，同时说明了权限审批、额度、限制与常见故障处理方法。
文章深度拆解了以「汪小喵 ooo」为代表的育儿手绘公众号如何在红海中屡创 10w+ 阅读。作者分析其转发远超点赞的数据倒挂，揭示朋友圈社交货币与情绪共鸣的传播机制，并总结出选题四象限、极简扁平手绘视觉风格与“微动作铺垫+逆向升华收尾”的叙事公式。随后，作者基于开源手绘风格项目与 AI 工作流，给出从 7 幕情绪脚本、角色三视图身份证、逐页一致性渲染、图文分层排版到公众号装配的完整五阶段制作 SOP，并附爆款选题矩阵与落地验证执行清单，实现角色一致、可批量工业化复制的爆款内容生产。
文章介绍如何围绕 Claude Opus 5.5 构建程序化视频生产系统。作者 rari 指出，大多数用 Opus 5.5 制作的demo千篇一律，差异不在提示词，而在模型周围的系统工程。核心思路是让模型编写帧函数，渲染器跨时间轴生成视频，从而实现可控、可修订的视频制作。文章提出工作室五层架构：导演（明确目标）、参考（视觉规范）、时间轴（叙事节拍）、渲染器（Canvas/SVG、Remotion、HyperFrames）和评审循环，强调把决策显式化，避免模型用默认视觉方案填充空白，最终产出可复用的视频生产流程。
作者因GPT-6额度消耗过快，重新审视自己的AI内容创作工作流，发现最大的浪费不是Token，而是与AI做过的工作没有沉淀为可复用的资产。文章提出按任务分工使用Chat、Work、Codex三类工具，并系统总结了创作者值得长期积累的六类内容资产：个人母体、用户世界、生活和观察、同行与市场研究、解决方案库、选题系统，强调从对话驱动转向资产驱动，让AI基于积累的资产持续工作，实现真正的复利效应。
一篇详尽的 Obsidian 入门教程，介绍了如何将本地 Markdown 文件夹打造为「第二大脑」。文章对比了 Obsidian 与 Notion 等云笔记的区别，强调本地纯文本文件对 AI 的可读性是关键分水岭。内容涵盖安装建库、双链/标签/搜索三大核心功能、frontmatter 笔记规范、插件选择策略、目录结构与日记模板，并重点讲解如何让 AI 接管笔记整理，包括三层架构和日记周报、读书笔记、调研、写作等可直接使用的 AI 工作流，最后总结了常见坑与答疑。
文章由 dontbesilent 的 Codex 撰写，完整复盘了一个内容诊断 Skill（dbs-beta-content-value）的制作过程，介绍如何将个人经验沉淀为 AI 可重复执行的规则。核心流程为：定义任务 → 做出第一版 → 输入真实案例 → 定位错误位置 → 写成通用规则 → 换案例复测。文章强调使用真实案例暴露 AI 判断错误、区分任务目标/判断过程/对外表达三类错误、用理论（如信息觅食理论）稳固规则、以及用已有 Skill 协助制作新 Skill 的协作链，最后附上可直接使用的 Skill 制作清单和母提示词。
本文解读 Anthropic 两位 FDE 的实战笔记，指出 AI 驱动的代码现代化中瓶颈已从'产出变更'转移到'围绕变更动员组织'。文章拆解了六步流程：定义三类现代化目标（Uplift/Transform/Reimagine）、定义机器可校验的'证书'作为合并标准、设定分层晋升策略、准备环境与安全前置条件、构建可迭代的 Agentic 工作流、小规模试点后规模化执行。核心洞察包括：与审查者共同设计验收标准、让专家早期介入换取后端轻审、'修改工作流而非修改每一处变更'，以及受监管环境中验证成本大于生成成本的新常态。
文章系统讲解了如何从零开始创建自己的 Skill。作者指出 Skill 本质是给 Agent 的说明书，将个人经验和工作流沉淀为可反复调用的规则包。文章详细介绍了 Skill 的模块化结构：SKILL.md 作为门面和大脑（含触发词、决策原则、流程骨架、雷区），references/ 知识库、scripts/ 确定性脚本、examples/ 样例、assets/ 静态资源五个模块，以及 AI 读取 Skill 的渐进式披露三层机制。最后给出从梳理流程到测试迭代的七步创建法，强调从小版本起步、多轮迭代，让读者15-30分钟内即可做出属于自己的 Skill。
作者用两周时间在编程、销售、财务、客服、法务和电商等场景中实测 GPT-6 Astra。核心发现：传统自动化在可预测输入下仍最优，而 Astra 适合需要判断力的“混乱中间地带”；它能操作从未见过的软件界面（如 CRM、后台系统）；作为编码 Agent 可定位并修复真实 bug 并补测试；能端到端完成销售准备、竞品分析和财务数据处理等完整工作流。作者建议拆分成多个窄领域 Agent 使用，并从现有工作流出发而非凭空构建场景。
作者分享了自己深入学习英文播客的完整工作流：先通过 Scripod、开源 Skill 或自研 Obsidian 插件获取播客文字稿，再用 AI 提示词将英文口语稿重塑为保留完整论证的中文长文，随后花半小时逐字审阅改稿以真正理解内容，最后借助墨问、公众号等工具沉淀为合集并生成音频，在通勤和做家务时反复阅读收听。文章以 Morgan Housel 的播客为例，强调不追求全自动、保留人工深度参与，是继《严肃阅读工作流》后的姊妹篇。
作者分享了一套利用AI半自动化将韩娱idol直播内容制作成小红书笔记的工作流，20天涨粉1500。流程分五步：获取直播素材、用AudioConvert转录韩语文本、用ChatGPT翻译润色（第一人称可爱叙述体）、用GPT生成日系少女漫画风格的粉丝手账图片、最后人工review。笔记制作全程由AI完成，人工只需审核，节省时间且无需苦想素材。该工作流源自追星兴趣，同时为AudioConvert产品带来品牌曝光，也可复制到播客摘要等垂直领域。文末附有完整prompt模板，可免费拿走起号。
文章介绍了TypeSafe AI于2026年9月发布的Jev模型，一个不做文本生成、只做封闭判断的“System One Model”。它提供三种能力：Choice（选项选择）、Score（等级打分）和Noul（真假概率判断），直接返回类型化结果和概率，省去生成文本的延迟和成本。文章分析了Jev与生成式模型的本质区别，指出类型安全只保证接口格式而非事实正确，概率不等于正确率，并详细说明其在缺陷分诊、Agent路由、发布说明审核等真实场景中的应用方法，以及官方Agent Skill倡导的AI工作流拆分法：代码负责计算和规则，模型只做清楚的语义判断。
作者分享用 AI 智能体工作流制作热点深度长视频的实操复盘：3 天涨粉 9149，总播放 258 万，单条最高 108 万。文章回顾了从模仿大号遇挫、车企热点短暂爆发到流量断崖的经历，以及关键的转折——抛弃固化的旧 Skill，让新模型自由发挥后画面匹配度大幅提升。作者总结了四大生产流水线（抓热点、审选题、跑生产、细核对）、选题内审五道安全阀（热点时效、人群普适、增量材料、情绪脱水、叙事轮换），并分享视频号、小红书、抖音、B 站等 8 个平台的分发体感与应对策略。
本文介绍 Codex 结合 ego-lite 浏览器工具的 6 个实战场景：登录态复用免去重复登录；自动外链发布使 SEO 发帖从 3-5 分钟缩至 30 秒；多 Space 并行实现单浏览器多任务隔离运行；搜索+结构化提取让 AI 直接交付答案而非链接；跨平台电商比价自动采集整理价格数据；多轮深度研究保持上下文连续生成综合简报。文章展示了 AI 操控专属浏览器替代人工重复操作的效率变革，各场景均附实拍效果与效率提升数据。
作者分享了一套用 ChatGPT 语音输入替代传统日记的低摩擦记录流程：在 iPhone 上通过 ChatGPT 随时语音捕捉灵光一闪的念头，用约定的三层结构（原始记录、结构化整理、AI评论分离）让 AI 整理成 Markdown，再通过 iPhone Shortcut「Save The Journal」把内容存入 iCloud Drive 的 DiaryInbox 文件夹，最后由 Mac 上自动运行的 watcher 脚本（用 Codex 搭建）按时间戳排序、去重、追加到 Obsidian 的 Daily Journal 对应日期文件中。整套系统全部基于已有 Apple 生态工具，强调零摩擦、不覆盖、幂等处理。
作者图南分享处理40万字行业调研资料的AI提炼方法论。指出直接让AI总结长文本会导致废话输出，原因包括'迷失在中间'的注意力规律、提问过于宽泛等。他提出'四步漏斗提炼法'：认知骨架扫描、逆向审讯抽脂、红蓝对抗挑刺、知识资产封装，并附上4套实测可用的即插即用Prompt，强调用户需自己掌控提问节奏，用结构化认知建立AI时代的护城河。
作者针对素材散落各处、写作效率低的痛点，实操搭建了一条内容自动化流水线：公开视频经飞书妙记转写，素材存入飞书多维表格，WorkBuddy 每日定时读取表格并推荐选题，作者在 Obsidian 完成写稿与审校，再通过自制插件将文章送入 X Article 草稿箱。文章详细记录了飞书账号连接踩坑、多维表格字段设计、定时任务配置与权限最小化原则，并强调自动化只处理重复劳动，发布与最终决策仍由人完成。数据回写环节尚未实测。
本文介绍“图工程”（Graph Engineering）概念，即通过构建文件间的连接关系，让AI系统能够有效访问和利用知识。作者以自身内容系统为例，指出78%的文档因缺乏指向而无法被AI或新成员发现。他提出用Claude Code生成MAP.md文件，绘制文件夹内文件的关系图，并分三步操作：绘制地图、解读结果、优化结构。文章强调文件夹结构应反映业务划分，而非照搬模板，最终实现团队共享和自动化更新。
本文介绍如何用 Grok Bot 搭建一个教练式创作工作台，通过三个 Bot 分工协作：情报总监负责选题与来源核查，创作搭档负责解释术语和拆解最小实验，内容主编负责根据真实材料写稿。文章详细说明了每个 Bot 的配置、测试方法、文件接力机制和群聊协作流程，强调先单独跑通再串联，确保信息真实、过程可追溯，帮助边做边学的普通创作者把想法落地。
作者因在 X 上发布 Markdown 长文时格式丢失、编辑器选区混乱等问题，开发了开源工具 X Article Workbench。该工具将 Markdown 生成一个离线发布工作台，标题和正文分开处理，复制后以富文本形式保留层级、加粗、引用和链接格式，无需在 X 编辑器中重新排版。工具还会按发布顺序整理图片并标记插入位置，自动识别封面图，生成完整发布材料包，且只读取本地文件、拦截危险内容。安装一次即可全局使用，可通过 Codex 等 AI 工具以 Skill 形式调用。
作者复盘了自己从淘宝接PPT一页3-5元，到做AI工作流一单4999元的转变历程。核心观点是：收入提升的关键不是效率提高1000倍，而是转向解决更贵、更重要的问题。从'我会什么就卖什么'转变为'看别人缺什么'，用AI工作流帮助老板解决业务中重复劳动和知识散落的问题。作者坚持低成本试错的创业方式，不投钱先验证需求，做过二十多种小生意基本没亏过钱。赚到第一笔钱只是开始，稳定获客和规模化交付是从1到100的下一场实验。
文章系统讲解了如何把 Telegram 从被动接收消息的聊天软件，变成主动获取信息的“海外信息数据库”。作者提出：正确使用内置搜索（中英文多关键词组合）、善用搜索机器人与外部 Web 搜索反向查找入口；用“三分钟筛选法”判断频道质量（看最近消息、更新频率、来源可靠性）；控制订阅数量、用文件夹管理；寻找高质量 Seed Channel 并沿转发、引用和管理员网络扩展信息源；最后将 Telegram 接入 AI 工作流，用 AI 做翻译、摘要、实体提取和选题整理，把信息变成自己的研究材料，建立个人“信息雷达”。文中还强调了账号安全底线。
这是一篇面向零基础读者的实战教程，教读者通过复制三段提示词，让具备本地文件读写能力的 AI（以 Codex 为例）依次创建内容分析、写作、审校三个 Skill，完成一篇文章的素材分析、大纲初稿和审校验收全流程。文章强调'先做出东西，再弄懂原理'，每段提示词后设有操作后检查清单，帮助读者验证 AI 是否真实创建文件、守住事实边界（如虚构案例性质、不把相关性写成因果）。教程把重复性的提示、纠错动作固化为可复用的工作流，实现长期复用，无需手写代码或安装软件。
