停止使用AI，而是agent in the loop
本文指出很多人将AI当作万能工具导致工作流断裂的问题，主张应采用“Agent in the loop”的思维，将AI视为生产系统的一个环节。作者以产品经理视角，分享了如何通过建立知识底座、拆解复杂任务和设计SOP来重构AI工作流，强调设计容错机制比追求完美工具更重要，并提供了独立开发全流程中AI的具体实践案例。
相关文档
00后AI实战：如何用NotebookLM与Claude Code搭建内容变现流水线
本文作者分享了其作为非名校毕业生如何通过AI实现能力跃迁的方法论。文章详细拆解了一套基于IPO模型（输入、处理、输出）的研究工作流：利用工具打破信息壁垒进行多源数据采集，结合NotebookLM与Claude Code进行深度问答与知识沉淀，最后坚持人工主导的内容表达。通过这套流程，作者成功实现了快速掌握新领域及知识变现。
我的 AI 工具日常使用与工作流是怎样的？
本文详细介绍了作者在日常工作中的 AI 工具使用体系，涵盖了深度调研、文本创作、编程开发及知识管理四大场景。作者阐述了如何运用「红绿灯原则」划分人机权责，通过 Multi-Agent 架构实现工具协同，并分享了 Claude Code、Dessix、Kimi 等具体工具的使用心得，展示了 AI 如何将文献调研、翻译及开发效率提升数倍。
十几亿人只拿 AI 聊天，2000 万人已经让它干活：小白用好 AI，第一步不是买会员
文章借 Karpathy 的漏斗模型，指出大众对 AI 能力的认知错位：60亿人没碰过大模型，十几亿人只用免费版聊天，仅约2000万人专业使用前沿模型。作者提出小白用好 AI 的三步法：一是换档，分清聊天与派活，按需选择档位而非盲目付费；二是派活，从可检查、重复性的真实任务入手，让 AI 先复述目标再动手；三是验收，把做完写成可执行的动作，要求 AI 交证据，涉及钱、删除、权限必须亲自确认。文末附派活单和七天上手清单，帮助读者用一件真实任务体验 AI 的实际价值。
我是如何"严肃听播客"，真正吸收一档自己喜欢的播客的
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。
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。
用 Codex + Obsidian 搭建自生长的个人知识库实战
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
别让你的经验烂在硬盘里！七步之内让 AI 把零散资料做成可分享干货
文章介绍了一套用 Agent 将散乱资料整理成可分享干货的七步流程：搭建项目工作台、通过问答生成任务开工单、盘点资料并建立材料索引与缺口记录、制作每个观点都有出处的提纲、生成讲稿/摘要/配图清单、让 AI 扮演审核员逐句核对事实与隐私、最后整理交付包并沉淀可复用模板。作者强调 AI 负责组织信息，人负责提供资料和做决定，通过严格的提示词约束控制幻觉，把硬盘里的零散经验变成真正的个人资产，可用于工作汇报、内容创作和项目复盘等场景。
为什么我建议你现在开始搭建自己的 Agent？
文章建议读者搭建个人 Agent，而非仅使用单一 AI 工具。真正的 Agent 应整合个人材料、判断与流程，形成可复用的工作系统。通过从熟悉且反复出现的工作入手，明确输入、步骤与验收标准，逐步积累经验，让 AI 真正融入并提升个人工作流。
开源CC+Obsidian打造LLM Wiki内容创作3.0系统
文章介绍了一套基于LLM Wiki方法论的内容生产3.0系统，解决了2.0版本中知识库信息垃圾化的问题。通过“三步编译法”（浓缩、质疑、对标）将原始文档编译为持久化Wiki结构，实现知识资产的自动积累与进化，大幅降低维护成本并提升了内容创作与知识管理的效率。
The Hermes + Obsidian + Claude Code Trinity: 独立公司的完整系统
文章介绍了一套由 Obsidian、Claude Code 和 Hermes Agent 构成的系统，旨在解决独立创业者因工具分散而效率低下的问题。Obsidian 作为统一记忆库存储所有信息，Claude Code 负责读取并处理这些信息以辅助决策和写作，Hermes Agent 则作为后台智能代理持续执行任务并自我进化。三者结合构建了一个无需人工频繁干预的闭环运营系统。
保姆级：用AI搭建选题流水线，从信息源到入库全流程
本文分享了如何利用 AI 构建自动化的内容选题系统。作者提出“选题是信息处理问题而非灵感问题”，通过确立“四层水源”（快、深、慢、反）、撒下“关键词渔网”、AI 初筛信息、人工做四维判断以及入库排期这五个步骤，实现每天自动生成 10 个带数据和角度的选题，从而告别创作焦虑，提升内容生产效率。
Claude Code for Solo Founders: From Idea to First Paying
本文是面向独立创始人的 Claude Code 使用指南。文章提出在 2026 年，独立创始人的核心竞争力不再是写代码，而是判断力与方向把控。通过利用 Claude Code 作为执行者，创始人可将角色从专家转变为导演，大幅缩短从想法验证到获得首个付费用户的时间（仅需 30-60 天）。文中详细介绍了如何利用 AI 进行想法验证、落地页测试和客户访谈，并提供了在周末构建 MVP 的具体提示词（Prompt）和开发排期，强调了 CLAUDE.md 文档在控制项目范围中的关键作用。