从单兵武器到团队作战：Skill 工程化实战指南（四）
本文作为系列第四篇，聚焦于 Skill 的工程化高阶玩法与团队协作。文章探讨了显式与隐式调用、技能链组合等技巧，并提出将 Skill 视为代码进行版本控制和持续优化。同时，针对团队场景，建议建立统一技能库，引导成员从使用者成长为 AI 工程师，以实现研发效能的质变。
相关文档
Lyft联合创始人使用Claude Code构建的九条规则
本文介绍了Lyft联合创始人Matt Van Horn在不读写代码的情况下，利用Claude Code和Codex构建开源项目并登顶GitHub Trending的九条规则。规则包括快速发布、编写计划、信任Agent、优化使用成本、提供CLI工具、让工具自记笔记等，展示了非程序员如何高效利用AI进行开发。
Shopify 工程师团队的 Claude Code 配置与实战策略
文章详细介绍了 Shopify 23,000 名工程师如何通过 Claude Code 实现 96% 的代码自动化。核心策略包括：构建统一的 LLM 代理层以控制成本，并行运行多个 Agent 处理不同模块，利用 MCP 服务器集成内部文档与 API，以及将 CLAUDE.md 纳入版本控制。工程师角色正从代码编写者转向架构审查者，通过护栏机制保障安全。
The Best Autonomous Builder Prompt for Big Tasks
文章介绍了一个用于大型任务（如系统构建、功能开发）的 AI Agent 通用提示词模板。该模板旨在规范代理的工作风格与质量标准，要求其像资深工程师一样，深入理解上下文、制定计划、充分调用工具并进行严格测试。文章详细列出了从建立任务、收集背景、编写计划到执行纪律的具体步骤，强调不妥协的质量和持续迭代。
Grok Bot 员工怎么选：按八个部门搭起你的 AI 团队
本文介绍了 Grok Bot 提供的 90 个可免费领取的 AI 员工，涵盖工程、销售与客户、市场、设计、招聘、产品、运营和生活八个部门。文章详细列举了各部门的岗位职责：工程部包括项目统筹经理、软件工程师、验收测试员等，可完成拆解任务、编码、代码审查和验收测试；销售与客户部包括外联获客专员、销售闭环专员、通话教练等，覆盖找客户、客户研究、沟通跟进和售后支持。每个岗位都附有职责说明和领取链接，帮助读者按需搭建自己的 AI 团队，把手头工作交给对应的 AI 助手。
Set Up Your Grok Bot Like the Team Does: 72 Hours of Livestreams 笔记
作者将 Grok Bot 团队 72 小时直播内容提炼为一篇可操作的配置指南。文章涵盖：一条消息即可完成的安装方法、七条团队总结的提示词习惯、如何用 AGENTS.md 和自定义规则让机器人遵守持久规则、如何让机器人验证自己的工作（构建 verify 工具与检查清单）、自主权分级（investigate → draft → autopilot → full-autopilot）、五套日程例程与连接器规则，以及从市场机器人组装的五个现成团队配置。核心原则包括：写原则而非事故记录、可复现验证、明确真相来源、按爆炸半径设定自主权等。
从 AI Agent 到持续工作的 AGI：我对现阶段 AGI 的理解，以及假期里的开发实践
作者阐述了对现阶段 AGI 的理解：一个自动自发、自我验收、自我迭代并能自主决策达成目标的智能体。文章提出 AI 发展将从回合制的 AI Agent 进化到持续工作的智能体，并给出三项转变建议：给 AI 更大目标、信任并依赖 AI、为其搭建可持续运行环境。同时提出 AI 时代团队应缩小为“两片披萨”（1~2 人）。作者以国庆假期对火炬之光 II 的现代化改造为实践案例，9 天内合并 70 多个 PR，实现四个平台适配，绝大部分工作由 AI Agent 自主完成，成本仅约 100 美金/周，展示了持续工作智能体的巨大潜力。
如何在一个小时内深入使用 Grok Bot
本文是作者基于一个多月深度使用经验整理的 Grok Bot 实战指南。Grok Bot 是让 AI 长期承担具体任务的产品，运行在云电脑环境中，支持跨应用执行任务、长期记忆和定时调度。文章从产品原理与运行方式讲起，系统介绍了创建第一个 Bot、撰写角色说明、连接应用、制定复杂任务计划、验证交付结果、保存技能、用操作演示教学、安排例行任务、分享模板、团队协作与多 Bot 交接等完整流程，并列举了网站巡检、客服草稿、资料整理、浏览器测试等适用场景，同时说明了权限审批、额度、限制与常见故障处理方法。
AI 开发中的关键二元选择：现成能力、Agent 与脚本边界
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
AI Agent 实战：像管理员工一样管理你的 Grok Bot 六步法则
文章转述了一篇关于使用 Grok Bot 和 AI Agent 的高信息密度实战指南。核心观点是：使用 AI Agent 不是写提示词，而是雇用一个数字员工，必须像管理新员工一样管理它。作者提炼出六步驭工法则：1）为 Bot 设定岗位职责而非临时任务；2）从无聊但可撤回的任务开始，要求先写计划再执行；3）按可撤回性划分权限，发送、删除、付款等危险操作必须审批；4）严格跑满三轮试用期；5）自主权是运行时特权，凭硬指标升降级；6）每周复盘，敢于删除低效自动化任务。最后强调零成本黄金规则：拿不准就停下来问。
Grok Bot: How to Hire Your First AI Employee (Full Guide)
本文系统讲解如何像招聘员工一样引入和管理 Grok Bot 等 AI Agent。作者指出常见错误是创建机器人后立刻连接所有工具并交给模糊任务。正确做法包括：定义岗位而非任务，用一句话职责加五个字段（职责、输入、可自主执行、需请示、完成标准）写成岗位说明书；首个任务应选择高频且可逆的简单工作；正式执行前先让机器人以文本形式说明计划；完成标准必须可检验而非模糊的质量词汇；权限遵循最小化原则，以可逆性划界。整体框架包括试用、考察期、基于证据的晋升和每周复盘。
How we built Hermes to support our entire team
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
Graph Engineering：为普通人打造AI可读的知识图谱
本文介绍“图工程”（Graph Engineering）概念，即通过构建文件间的连接关系，让AI系统能够有效访问和利用知识。作者以自身内容系统为例，指出78%的文档因缺乏指向而无法被AI或新成员发现。他提出用Claude Code生成MAP.md文件，绘制文件夹内文件的关系图，并分三步操作：绘制地图、解读结果、优化结构。文章强调文件夹结构应反映业务划分，而非照搬模板，最终实现团队共享和自动化更新。
