使用 Paperclip 搭建零员工公司的完整指南
文章介绍了如何利用开源工具 Paperclip 搭建一个由 AI 智能体组成的自动化团队。Paperclip 不仅仅是单个 Agent，而是通过构建包含 CEO、CTO 及工程师的层级组织结构，利用心跳和看板系统自动分配和管理任务。作者分享了在 VPS 上部署此系统的步骤及成本（每月约 6 美元），展示了其如何实现连续 48 小时的无人值守工作，标志着 AI 从单体智能体向团队协作的演进。
相关文档
You need to be skillsmaxxing
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
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。
2026年AI工程师的核心技能：Loop（循环）工程
文章探讨了2026年AI工程范式的转变：从单纯的“提示词工程”转向设计自动化的“循环系统”。OpenAI与Anthropic的专家指出，工程师的角色已变为编写控制Agent的循环。文章深入解析了循环工程的定义、单体Agent与编队模式的区别，以及开放式与封闭式循环的差异。此外，文章重点讨论了循环模式带来的高昂Token成本问题，指出DeepSeek等低成本、大上下文的中国大模型是解决这一经济瓶颈的关键。
如何使用 Claude 构建你的首个 AI 团队（完整教程）
这是一篇关于如何不写代码、仅利用 Claude 的 Cowork 功能构建 AI Agent 的完整教程。文章首先澄清了 AI Agent 与普通聊天机器人的区别，指出构建 Agent 是目前高价值的技能。随后，教程将 Agent 拆解为角色、指令、工具和记忆四个核心组件，并以“内容研究 Agent”为例，手把手演示了从定义角色到测试优化的全过程。最后，文章展示了如何将多个具有不同角色的 Agent（如研究员、大纲师、撰稿人）组合成一个高效的“内容生产团队”，实现工作流自动化。
AI Agent 从零开发指南：构建你的第一个智能体
本文是一篇从零开始构建 AI Agent 的实战教程。作者整合了 Anthropic 和 OpenAI 等资源，详细介绍了 Agent 的工作原理（核心循环）、五种核心工作流模式（如提示链、路由、并行化等），并提供了从构思、设计工具与记忆机制到落地的完整步骤。文章还探讨了如何利用 LLM 自身辅助设计 Agent，帮助开发者快速构建实用型的自动化智能体。
从0部署 Hermes Agent：AI 自动化部署实战指南
本文是一份详细的 Hermes Agent（开源 AI 自动化 Agent）部署指南。作者结合非程序员视角的实践经验，讲解了如何在 VPS 上搭建环境，并利用 Claude Code 辅助开发。文章涵盖了 SSH 密钥配置、VPS 安全加固（防火墙、Fail2ban）、Hermes 安装、AI 模型 API（如 MiniMax）对接以及 Telegram Bot 配置的全流程，旨在帮助读者实现通过手机远程指令驱动 VPS 进行自动化交易和监控。
花两千踩坑四大 Personal Agent，我用 3 个提示语把 33% 成功率救活了
作者花费两千元和两周时间实测 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四大 Personal Agent，测了 12 个自媒体平台的数据采集，最终成功委托率仅 33%。文章指出 Personal Agent 无法完全替代本机，存在账号登录、多任务管理等问题。作者最终选择 OpenAI Dots 作为云端方案，配合本机 Codex，总结出三个核心提示语：多任务进度条追踪、Computer Use 六道门采集验证、云端融合日报生成，并分享了邮件自动分拣回复、飞书文档中转等实用技巧，搭建了一套覆盖数据采集、日报和 AI 选题的完整工作流。
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。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
GPT-6 来了，OPC 开始给 Agent 排夜班
文章介绍 OpenAI 发布的 GPT-6 Astra：它能直接操作电脑、跨上下文保留记忆、在缺信息时继续推进任务，AutomationBench 成绩从 18.1% 升到 41.4%。作者提出'Agent 夜班'工作方式——睡前把边界清楚、易撤回的长任务交给 Agent 并行运行。随着执行时间变便宜，瓶颈转向人的验收能力，因此需要权限分级、明确任务七要素（目标、完成标准、自主范围、确认节点等）以及长期记忆管理。未来个人 OPC 将像小团队一样管理多个 Agent，上限取决于把机器工作组织成可信结果的能力。
Grok bot 实测分享：如何打造云端小红书、公众号工作流
作者分享深度训练 Grok Bot 搭建自媒体内容生产工作流的实战经验。核心方法是只与总助（马斯克角色）对话，由其协调情报、运营两个岗位，通过六步流程完成重训：继承登录态等可用资产、明确岗位职责分工、基于旧稿分析风格后进行每日选题、预先训练多套文风档案并以短码调用、外挂云端模型处理长读任务并建立使用规则，最终跑通从选题到成品文案的完整自动化流水线，验证了像管理真实团队一样训练 AI 岗位的可行路径。
Codex到底能做什么？各职业场景实战指南
本文从不同职业角度介绍OpenAI Codex的实际应用，涵盖财务、教师、运营、咨询、法律、科研和程序员七大场景。案例包括Excel数据处理、SQL取数分析、PPT生成、海报图片制作、合同审查、文献综述、数据分析等，并介绍以Codex为大脑搭建自定义工作流的进阶玩法。作者强调Codex与聊天AI的区别：它交付的是做完的活，而非文字建议。
