你搭的 Claude Skills,还能提升10倍效果——使用Karpathy 的 autoresearch 方法
本文介绍了基于 Andrej Karpathy 的 autoresearch 方法,通过建立评估 Checklist 和自动迭代循环,让 AI Agent 自动优化 Claude Skills。作者分享了将落地页文案 skill 通过率从 56% 提升至 92% 的实战案例,该方法同样适用于网站优化、邮件撰写等任何可量化的工作流。
本文介绍了基于 Andrej Karpathy 的 autoresearch 方法,通过建立评估 Checklist 和自动迭代循环,让 AI Agent 自动优化 Claude Skills。作者分享了将落地页文案 skill 通过率从 56% 提升至 92% 的实战案例,该方法同样适用于网站优化、邮件撰写等任何可量化的工作流。
文章详细拆解了利用自动化评估迭代优化AI Agent的具体步骤与评分标准,实操性极强,结合了开源代码,且发布时间距今仅几个月,内容依然非常切合当下技术痛点。
作者分享了7篇关于 Claude 和 AI 的精选文章,涵盖提示词工程、语音代理构建、个人助手打造以及一人企业的 AI 商业化模式。文章旨在帮助用户从 10% 的使用率提升至 100%,并利用 AI 进行内容创作变现。
文章介绍如何将 Claude Opus 5.5 变成一个完整的动画制作团队,通过设立导演、艺术总监、动画师、渲染工程师和评审五个“部门”,让一个 agent 依次完成故事策划、视觉设计、动画编码、渲染和质检的全流程。作者强调关键不在模型本身,而是围绕模型构建的生产系统:使用 Claude Code 作为 agent、Remotion 作为视频框架、FFmpeg 处理媒体。模型不直接生成像素,而是编写产生帧的代码,使首个视频成为后续的基础。真正的“一次成型”背后往往是详尽的提示词、参考资料和生产环境,工作室化流程才是可复现视频创作的核心。
文章指出,过去两年提升 AI 效果的关键在于写更好的提示词,但这一方法正逐渐失效,取而代之的是自主循环(loop)。文章以 Karpathy 的 autoresearch 系统为例:该系统两天内自动运行约 700 次实验,发现约 20 项改进。作者阐述了真正循环的五个阶段(发现、规划、执行、验证、迭代),强调验证、记忆和停止条件三大关键组件,并介绍了自愈式 GitHub 仓库的实践案例。最后,文章给出用 AGENTS.md、loop.py、verify.sh 三个文件构建第一个 AI 循环的入门方法,指出外部验证比增加另一个模型更重要。
作者作为一家30多人AI公司的创始人,用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板,并将其封装为Skill;随后解决了同事们Vibe Coding应用部署与分享的痛点,将中台包装成MCP,接入飞书登录与权限体系,实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页,并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产,期待AI原生的组织变革。
文章介绍如何围绕 Claude Opus 5.5 构建程序化视频生产系统。作者 rari 指出,大多数用 Opus 5.5 制作的demo千篇一律,差异不在提示词,而在模型周围的系统工程。核心思路是让模型编写帧函数,渲染器跨时间轴生成视频,从而实现可控、可修订的视频制作。文章提出工作室五层架构:导演(明确目标)、参考(视觉规范)、时间轴(叙事节拍)、渲染器(Canvas/SVG、Remotion、HyperFrames)和评审循环,强调把决策显式化,避免模型用默认视觉方案填充空白,最终产出可复用的视频生产流程。
作者提出,与其担忧AI夺走工作,不如关注它创造的新职业——自动化工程师。文章指出:工作需求无限,自动化需求也无限;构建自动化从未如此容易,但难点在于判断该自动化什么,并将其嵌入有真实人、流程与政治的企业环境中。以SeatGeek为例,部署AI后IT工单量暴增,通过自动化,三周内自动解决了40%的IT请求,六十天内超过50%,而原团队成员被重新部署到客服、合规和法务等部门构建新自动化,公司还因此增设了五个自动化工程师岗位。作者认为这是AI时代真正的新兴职业,并公开招聘首批百名自动化工程师。
作者展望了未来5-10年软件开发的变化:AI模型正以每半年约10倍的速度变强,未来将极其智能、快速且廉价。开发模式将从IDE自动补全,演进到终端中的AI编码代理,最终只需用自然语言或语音告诉计算机想要什么,AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统(无需UI)、为每个用户动态生成的应用界面、面向AI代理的新协议(如MCP),以及未来5-10年最抢手的技能,强调经验与意图表达能力将比手写代码更重要。
Karri Saarinen 探讨了 AI 时代工具效率提升背后的隐忧:产品和工程工作产出两样东西——产品本身和制作过程中的学习。AI 和 Agent 能写更多代码、开更多 PR、做更多实验,但团队的理解力和判断力会因此变强还是退化?作者以 CEO 亲身经历指出,一旦疏离产品和客户,产品认知就会变得模糊。他主张不应抗拒 AI,而是利用效率红利让团队有更多时间贴近客户、探索问题和保持产品判断力——自动化已知工作,但让学习、发现与决策始终留在人的手中。
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。
本文深度解读 Claude Code 开发者 Thariq Shihipar 的 70 分钟访谈,揭示 Anthropic 内部如何用 AI 做工程。核心观点包括:工程师抽象层级必须上移,把 Claude 当思考伙伴;知识工作皆可代码化;模型越强 harness 越复杂;自主性取决于 ticket 质量;提示工程被重新定义为注入上下文的一切;品味成为稀缺资源;验证能力重要性暴涨(测试代码需多 100 倍);写作与信任文化规范;以及 loop engineering、生成式界面等将扩散到全行业的转变。