作者开发了第二个B-roll类Skill——eian-riso-broll，用于解决口播视频配画面繁琐的问题。该工具是一套孔版双色印刷风格的信息动画工作流：AI Agent自动从逐字稿中挑出值得配画面的句子，生成9:16竖屏信息动画视频。它内置10个模板对应10种信息形状（数字冲击、前后对比、流程步骤、金句等），采用三道确认闸门（分镜表、样帧、成片）确保质量，严格禁止AI编造内容。技术上使用HTML/CSS排版、GSAP动画、Chrome逐帧截图加ffmpeg合成，零npm依赖、无需联网和图片生成模型，专为竖屏短视频版面设计，跨平台渲染效果一致。
文章提出'研究工程'（Research Engineering）的实践方法，指出常见AI搜索工具只是'带浏览器的流畅回答'，其核心缺陷在于缺少支撑证据的系统。作者提出一个与模型无关的六阶段研究工作流架构：定义研究简报、拆解查询计划、搜索与抓取、记录证据账本、验证声明冲突、生成带来源报告。文章强调要给agent明确的研究契约（含范围、时间点、比较维度、停止条件），将问题拆成目的不同的并行搜索通道，而非让多个agent读同样的资料制造虚假共识。还介绍了多源检索策略（开放网络、X、私人文档库、数据库/API），核心目标是让AI返回更少的不受支持的声明，并持续追踪'它如何知道自己所说的是真的'。
作者反思了在 AI 能力日益增强的背景下，哪些人类品质和行为变得更加重要，并提出 13 点：主动性（Agency）、勇气、判断力、问责机制、注意力管理、去刺激化 routines、优化的技术设置、线下活动、社区、单一技能深耕、即插即用 Agent 工作流、个人故事、以及证明与品牌定位。文章指出，技术让做事更容易，但真正行动的人仍是少数；AI 提升了每次行动的产出，但人们仍需提供方向、做决策并克服行动阻力，同时需警惕注意力碎片化，保持深度思考能力。
本文整理了 Matt Pocock 与 Gergely Orosz 的 96 分钟深度访谈精华。Matt 提出'知识已死，智慧永存'：AI 吃掉了战术性编程，人类须守住战略性编程。他分享了完整 AI 协作方法论：grill me（让 Agent 无情拷问以对齐需求）、spec→tickets 拆分工单绕开 15 万 token 注意力限制、wayfinder 用地图+战争迷雾隐喻管理超大工程、日班/夜班节奏。最具原创性的发现是'引导词'技巧：把经典软件工程书籍中的术语写入提示词，能激活模型深层概念、改变行为。他强调代码库就是 Agent 的运行环境，工程师应成为 Agent 的平台团队与园丁。结论是：帮助他的不是新方法，而是 25 年前的经典软件工程智慧。
本文是一篇面向新手的本地大模型部署教程。作者在 NVIDIA DGX Spark（GB10 芯片、121.6GB 统一内存）上，使用官方适配的 vLLM 分支部署了蚂蚁百灵开源的 124B MoE 模型 Ling-3.0-flash INT4 版本。文章先科普了模型精度、Dense 与 MoE、推理引擎等概念，再详解下载权重、环境准备、启动服务与验证的完整流程，并开启 MTP 投机解码。性能测试显示 8 并发聚合吞吐达 141.38 tok/s，远超本机 Qwen3.8-27B；随后通过逻辑推理、安全边界、长文本三方向测试验证真实能力，最后介绍用 Python 脚本搭建终端 TUI 聊天界面，逐步走向 Agent 工作流与 Token 自由。
文章探讨了 Claude Code 重启嵌套子代理后的最佳实践。作者指出大多数人滥用子代理导致资源浪费，并提出了一套结构化工作流：设置唯一的编排器负责计划，利用三层深度进行审查分发，限制子代理范围，并在核心环节使用旗舰模型，在执行环节使用低成本模型，以实现高效、低成本的高质量交付。
文章详细记录了将阶跃星辰（Step）等国产大模型 API 接入 Codex App 的全过程与测试结果。作者验证了在 API 模式下，Codex 的手机调用、锁屏截图、浏览器自动化及电脑控制等核心功能依然可用。同时，文章对比了不同模型的性价比，探讨了 API 模式在记忆管理和多设备联动上的局限性，并分享了 Codex 在自动化、长期目标设定及与其他 Agent 工具协作中的最佳实践。
本文介绍了如何将 Hermes Agent 框架与 Moss 交易引擎结合，通过安装 Moss Trade Bot Factory Skill，实现从自然语言策略描述到自动化参数优化、回测及实盘部署的完整工作流。相比网页版，该组合利用 Hermes 的自主迭代、跨会话记忆和模型自由度，实现了更深度的策略搜索和更灵活的本地化控制。
斯坦福开设首门 AI 软件开发课 CS146S，讲师 Mihail Eric 解析了初级开发者面临的就业“三重风暴”，并指出未来工程师的核心能力将从编写代码转向管理 Agent。文章探讨了多 Agent 工作流的误区、上下文切换难点，以及如何构建高测试覆盖和设计一致的“Agent 友好型”代码库。Mihail 认为，初级工程师因缺乏历史包袱，在 AI 转型中更具灵活性优势。
