一群人，一群 AI，一起玩：我们拆了一款还没发布的 IM
本文深度体验了一款名为 Bloome 的内测产品，它将 Agent 视为通讯录中的“一等公民”，用户可以像加好友一样添加 Agent，并将其分享给他人。文章详细探讨了 Bloome 如何通过链接分发、记忆持久化和多 Agent 协作（如圆桌群）等功能，重新定义人与 AI 的交互方式，旨在打造 Agent 互联网的“微信”。
相关文档
AI 早报：Anthropic 交付架构、LangChain 设计智能体与 Ai2 新颖性裁判研究
本期早报围绕智能体系统建设展开：一是 Anthropic 负责人解释 Claude 交付架构，将会话记录、运行框架与沙箱执行环境分离，使失败恢复不影响工作连续性；二是 LangChain 分享设计智能体的实践，将设计师的审美判断沉淀为技能与知识库，中位费用从 8 美元降至 0.50 美元；三是 Ai2 研究检验 LLM 判断研究想法新颖性的可靠性，发现提示词变化可导致准确率剧烈波动。此外还涵盖 Google A2UI 推理格式、Optiver 模型接入平台、小红书 AllSpark 数据管线及 K2 Lab 垂直 AI 产品等内容。
Grok Bot Engineering: 像SpaceXAI一样打造你自己的Bot团队
本文深入介绍xAI（文中称SpaceXAI）的Grok Bot如何运作：每个Bot运行在持久化的云端Linux虚拟机上，拥有浏览器、文件系统和终端。核心亮点是'团队化'使用模式——以Chief of Staff为中心，配合各司其职的专家Bot，并由人工审批关键操作。文中以客服事件处理为例：三个Bot（IncidentWatch、Support Bot、IncidentSweep）协作，10分钟内清理204个工单。文章分7部分讲解Bot的组织架构、工程harness、技能与记忆、审批机制及可复制的搭建方案。
AI 聊天框带来了什么？回看人机交互史
文章从波兰尼“所知比所言更多”出发，回顾了人机交互的演进史：1990年代搜索引擎通过关键词猜测意图，形成SEO与竞价排名；移动互联网时代推荐算法借助用户行为数据构建新的分发飞轮，成就字节跳动；AI时代聊天框成为新入口，Agent通过记忆与对话持续更新对用户真实意图的概率估计。作者认为搜索与推荐的核心都是计算概率P，而AI Agent刚接近这个起点，未来可能出现基于意图的竞价排名与新的商业化模式，人机交互的平衡将被反复打破与重建。
Agent 时代的管理学：从三省六部到现代企业，哪些制度值得迁移
作者以管理学视角，梳理九种人类组织制度——分封郡县、三省六部、明代内阁、宪制、泰勒科学管理、斯隆事业部制、德鲁克目标管理、丰田生产方式、Scrum敏捷——并迁移到 AI Agent 的管理与协作场景。文章讨论了如何解决任务授权、过程可见、审核冲突、权限控制、瓶颈调度与验收交付等问题，区分多 Bot 协作与单 Agent 管理两种模式，最后给出总结表和可直接使用的任务单模板，帮助用户把 Agent 从交办顺利跑到验收。
从一个 Bot 到一整个组织，Grok Bot 的进阶用法分享
作者分享了国庆期间折腾 Grok Bot 的进阶用法，搭建了两套 AI 组织体系：一套服务跨境电商的 12 岗位亚马逊团队，一套服务个人自媒体 IP。核心玩法包括：将本地电脑托管给云 Bot，把在 Claude、Codex 中打磨好的 Skill 迁移给 AI 员工；按功能拆分岗位并写清职责边界；用 1+N 统筹机器人模式降低 Token 消耗；让 Grok 调用 Codex、Cursor 等外部 Agent 实现模型分层；接入飞书 CLI 落成云文档，以及通过 GBrain 知识库打通手机资料收集与工作流。文中还强调了岗位权限边界与人工把关的重要性。
微信里说一句，就能运营X：我的 5 个 Bot 模板公开了
作者分享了为 X（Twitter）账号运营配置的五个 Grok Bot 专员模板：情报总监（找选题、追热点、拆爆款）、AI新闻雷达（筛选并核对AI新闻）、推文二创（写回复、引用和二创）、短推成稿（撰写短推）和X数据复盘（分析发帖数据）。通过给主 Bot 一段初始化提示词实现自动任务路由，并详细讲解了如何通过 ClawBot 插件将主 Bot 接入微信，实现随时随地用一句话完成找素材、写稿、改稿和数据分析。文章包含完整配置步骤、提示词模板、故障排查经验（如绑定后无回复的处理），以及实际使用场景演示，帮助创作者把重复劳动交给 Bot，把时间留给真正的分享。
Agent 开发入门｜最小版的智能体 Supervisor
本文是 Agent 开发入门系列的实操篇，教读者用 88 行 Python 代码实现一个最小化的 Supervisor（主管）智能体。Supervisor 本身不干活，只负责拆任务、派活给手下 worker（coder 和 tester）、并验收汇报。文章对比了子智能体、智能体团队与 Supervisor 三种模式的差异，详细讲解了 agent_loop 循环、工具定义、delegate 派活机制、上下文隔离等核心概念，并给出完整可运行的代码、环境配置步骤、运行示例及常见坑点说明，最后引导读者扩展更多 worker 角色。
两个 AI Skills 王者之间的对话：一个月 2,500 个 PR，是怎么做到的？
本文整理了 Poteto（pstack 作者）与 Matt Pocock 关于 AI Skills 的对谈。Poteto 一个月合入 2,500 个 PR 的关键不在于产量，而在于工作方式：从反复纠正 AI 的地方提炼 Skills；为 Agent 补上验证能力，让它能自我迭代；将机械操作固化为工具；把 Agent 常犯的错转化为 lint 规则和代码库约束；连接内外两层循环，让外层 Agent 收集 Slack、Linear 等外部反馈，协调 Agent 管理任务分发。她还通过严格抽查和修正工作环境来审查大量产出，并建议从聊天记录中提炼个人 Skills。文章强调领域经验、可靠验证和持续环境优化是自动化协作的核心。
DeepSeek Harness 实战教程：从安装到跑通可复用的内容工作流
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
Agentic Systems Are the Future of Brands
文章提出 Agentic Brand Systems（智能体品牌系统）是品牌管理的未来。随着团队扩张和 AI 智能体参与生产，品牌决策速度暴增，而传统品牌指南分散在 Figma、Canva、代码等不同工具中，导致信息漂移和不一致。作者以 Sonata 品牌套件为例，介绍将品牌定位、语言规范、视觉规则（visual-system.json、tokens.css）和可用的 React 组件整合为一个人类可浏览、智能体可读取的统一系统，让每次触点都成为品牌真理源的延伸，终结品牌漂移问题。
OpenAI 新时代：10步设置并使用 Dots 智能体、Sol 6.1 等新功能（从零开始）
文章介绍了 OpenAI 在 DevDay 上发布的重大更新，重点讲解了 Dots——一个拥有独立云电脑、可执行后台任务的个人智能体。作者以产品发布协调为例，分10步详细讲解如何从零开始设置和使用 Dots：创建 Dot 并赋予明确职责、连接所需的应用和云电脑、委派任务并保留上下文、设置定时任务和自定义规则以保持控制权等。文章还提及新模型 Sol 6.1、GPT-6 Astra 驱动的 Dots、Codex Cloud 编码环境等新功能，并强调核实智能体输出来源、区分建议与决策的重要性。
Marvis马维斯定位升级成AI管家，好像要支棱起来了
作者重新体验腾讯Marvis马维斯Agent，其升级定位为24小时AI管家，区别于多数Agent主攻办公和编程场景。新版采用Hy4与Deepseek V4 Flash双模型自动组合，免费且支持自定义接入第三方模型。文章实测了电脑体检、管家团队（电脑、文件、软件、浏览器四位Agent）、本地知识库/图片库/应用库管理等功能，并介绍其与绿联、飞牛合作将Agent能力扩展到NAS，未来瞄准手机、汽车、智能眼镜等跨硬件场景，认为AI管家方向想象空间较大。
