使用 Hermes 一个月后的反思：它是 Operator 而非 Builder
作者分享了使用 Hermes 一个月的经验，纠正了对其用途的误解。Hermes 擅长作为 Operator 进行周期性的数据分析和报告，但在构建 UI 界面方面不如 Claude。最佳实践是利用 Claude 构建 Dashboard，由 Hermes 负责持续的数据监控与分析，作者通过 PolyBond 和 Bangkok This Weekend 两个项目验证了这一工作流。
相关文档
Hermes Agent 实战指南：打造你的 7×24 小时 AI 私人助理
本文详细介绍了 Hermes Agent 的实战经验，包括从安装、部署到日常应用的全过程。作者分享了在 VPS 上搭建长期在线 Agent 的心得，探讨了如何通过模型接入（如 ChatGPT、Claude）实现 AI 资讯抓取、监控和自动化任务，并强调了 VPS 在 AI 时代作为云端工作台的重要价值。
Claude Skills 入门：一篇文章搞懂 AI 怎么从「嘴替」升级成「打工人」
本文深入浅出地解析了 Claude Skills 的概念与价值，构建了从「编程函数」到「函数调用」再到「Skills」的三层认知框架。文章指出，Skills 不仅是工具的集合，更是包含指令、脚本和资源的完整解决方案，使 AI 能处理复杂工作流。通过实战案例（如自动排版发布）展示了其如何提升生产力，并介绍了如何使用和创建 Skills，强调非程序员也能通过定义工作流将专业知识转化为 AI 能力。
高级 Skill 不是更长的提示词，而是一套组合技
文章探讨了高级 AI Skill 的本质：不是把更多指令塞进一份文件，而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库，总结出五种组合模式：路由（判断调用哪个 Skill）、顺序（强制工作流程）、选择（按需分诊组合）、流水线（专业能力交接）和分层（Skill 与系统能力分工）。文章提出组合 Skill 的五个核心零件：路由、输入输出契约、顺序与并行、上下文状态、验证反馈，并建议从真实返工中逐步长出组合关系。核心观点：Prompt 让 AI 听懂一次需求，Skill 固化一类做法，而组合 Skill 才能把复杂任务交付出来。
万字长文｜从 Skill 到工作流：复制三段提示词，做出你的第一条 AI 工作流
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。
万字长文｜Skill 从入门到精通 - 入门一句话，精通一张词表
文章系统讲解如何编写 AI Skill：从用一句话加 SOP 封装出第一个 60 分的 skill，到通过把目标改写为动作、补充约束、设计自由度和提高词表颗粒度来提升到 90 分。作者拆解了摄影 skill 和封面 skill 两个开源案例，指出高手的秘诀在于将模糊概念拆成可执行的词表和明确的「不要」清单。还介绍了如何让 AI 递出陌生领域的行话词表，并澄清了 skill 与提示词、智能体的区别。全文强调约束和颗粒度决定 skill 的专业程度。
8步构建真正协作的AI Agent团队（完整教程）
本文是使用Raft平台搭建多Agent协作团队的完整课程。作者指出多数人运行的只是'五个聊天窗口加一个人肉中转'，真正的瓶颈在于Agent之间无法共享上下文。文章分8步讲解：创建统一的服务器工作区、连接本地计算机运行时（如Claude Code、Codex CLI、OpenCode等）、将Agent作为持久身份的角色而非一次性提示来创建、通过共享任务看板进行工作交接与认领，以及跨公司Agent协作等内容。Raft让Agent像Slack成员一样拥有记忆、状态和专长，可并行工作、互相交接和审查输出，且运行在用户自己的硬件上复用已有的AI订阅。
Huashu-Excel正式发布：也许是最好用的Excel数据处理和分析skill
花叔开源了名为huashu-excel的AI数据处理分析skill，用户丢入Excel或CSV即可用自然语言完成体检、清洗、对齐、分析、对账、交付、验图、质控八步流程，输出HTML/Excel/Word等格式报告。该skill针对大模型算错不报错的缺陷设计了合计对账、外部基准校验、独立agent复核等机制，并借鉴Anthropic角色激发研究提升分析质量。经十份真实公开数据（106万行电商明细、纽约市政预算等）压测，能独立拆解辛普森悖论、识别脏数据并给出可审计的业务结论。兼容Claude Code、Codex等多种agent，MIT协议开源。
Agents, Loops, Graphs. Everything You Need to Know in One Place.
文章介绍了 Claude 的三大核心能力：Agents（代理）、Loops（循环）和 Graphs（图）。文章详细解释了如何通过工具、记忆和循环机制构建从 Level 1 到 Level 4 的自主代理，提供了研究、数据分析和代码编写三种代理的 System Prompt 模板，并探讨了如何解决长任务中的记忆丢失问题。
Graph Engineering: The Anthropic Method for Agent Self-Review
文章介绍了Anthropic工程师采用的“图工程”方法，通过将Agent控制从模型内部转移到图结构节点，解决了长任务中的状态丢失和漂移问题。文章详细阐述了如何构建评判器、编写规则书、测试规则及将状态存储在磁盘而非上下文窗口中，从而实现大规模代码迁移和自动化审查。
Karpathy 的 LLM Wiki 工程指南
本文介绍了 Andrej Karpathy 提出的 LLM Wiki 架构，旨在解决传统 AI 工具重复处理文档导致的资源浪费问题。通过构建 raw/、wiki/ 和 instructions/ 三个文件夹，将文档一次性编译为结构化知识库，大幅降低查询成本并实现长期记忆。
浪费20亿Token之后，我做了一个帮自己定义目标的Skill
作者分享了一个名为Leader.skill的开源工具，旨在解决Agent交互中目标定义模糊的问题。该工具基于“目标七问”方法论，将模糊需求转化为清晰的目标任务书，支持多模型组合（如Claude规划、GPT执行），显著提升长程任务的完成率与Token利用率。
The complete Graph Engineering playbook for Claude Code
本文介绍了Graph Engineering（图工程）的概念，阐述如何利用Claude Code构建分布式Agent系统。通过将任务分解为线性、分发、规约和验证等节点，实现高效、可靠的AI工作流，优化计算成本和结果质量。
