作者作为设计师，探索让 Agent 理解个人审美偏好的方法。通过让 Agent 读取 Eagle 素材库，将收藏整理成可复用的“偏好证据”并生成个人审美档案。测试对比 Codex、Hermes、WorkBuddy 的 PPT 视觉提案，发现参考图比抽象形容词更能传递审美，但 Agent 能否学习取决于其识别与迁移规律的能力。针对海量素材检索问题，作者本地部署 SigLIP2 建立视觉索引，充当“视觉图书管理员”帮助 Agent 找图，最终形成收集、索引、检索、分析、确认、存档、反馈的完整流程，并封装为个人 Skill。
作者分享了自己搭建个人远程工作流的经验：通过 Telegram 连接本地 Eagle 资产库和电脑开发工具，实现手机发指令、家里电脑自动执行任务的闭环。作者认为通用 Agent 不适合有固定规矩的本地环境，转而采用任务分流架构：图片归档直接调用 Eagle API，轻量任务用轻量模型，复杂工程交给 CLI 无头模式执行。文章还解决了 Telegram 相册消息拆分、远程唤醒阻塞前台等实际问题，用标准输入传任务、保存会话 ID、文件夹记录状态等细节保证流程稳定，强调 Agent 应安静接入工作流，而非做万能的电子宠物。
作者分享了开发一个 ChatGPT 生图内容导出工具的过程与思考。工具的核心不是下载图片，而是把图片与创作过程准确关联：区分 Base Prompt 与增量 Revision、识别聊天中真正的生图 Prompt、将参考图与生成图分类（Generated/Edited/Reference），并把创作信息写入 Eagle 素材注释，方便日后按项目与链路检索。工具还处理了长对话加载、批量导出去重、限流重试、断点续传等细节，并诚实说明了局限。作者已将工具开源，旨在保留 AI 视觉探索的完整创作链路，而非仅保存成片。
本文介绍了作者开发的 rare-style-explorer skill，用于自动化探索 GPT-Image2 的图像风格。该 skill 整合了 600+ 稀有亚种风格标签，通过组合主体、风格、材质、光线等元素生成多样化 prompt，并结合 Codex 实现定时批量生成图片。作者强调该工具能帮助创作者突破传统风格限制，将灵感探索系统化，并提供了安装和使用指南。
