AI内容创作的地基:信息源建设指南
本文阐述了高质量信息源是 AI 内容创作的核心基础,指出 AI 内容质量取决于输入信源的质量。文章系统梳理了 9 类通用信息源(如 X 关注列表、必读书籍、论文库、产品平台等),并以 AI 领域为例,详细列举了值得关注的大佬、书籍、博客、播客及 YouTube 频道,为构建 AI 知识库提供了详尽的参考清单。
本文阐述了高质量信息源是 AI 内容创作的核心基础,指出 AI 内容质量取决于输入信源的质量。文章系统梳理了 9 类通用信息源(如 X 关注列表、必读书籍、论文库、产品平台等),并以 AI 领域为例,详细列举了值得关注的大佬、书籍、博客、播客及 YouTube 频道,为构建 AI 知识库提供了详尽的参考清单。
本文介绍如何超越个人知识库,构建一个“公司大脑”。通过将文件系统与 AI 智能体结合,设定文件夹作用域、定时任务和自动汇报,让智能体自动处理营销、文件归档等工作,实现无需人工干预的全自动企业级知识管理。
本文是 AI 术语科普系列的第一期,面向小白读者,用通俗易懂的语言讲解 11 个常见 AI 概念:大语言模型(LLM)、多模态、提示词(Prompt)、Token(词元)、上下文、记忆、知识库、Agent(智能体)、Skills(技能)、工作流和 AI 幻觉。作者金尘马解释了模型与应用的区别、Token 与计费和上下文窗口的关系、记忆与上下文的差异,并对比了工作流的固定流程与 Agent 的自主决策,帮助读者扫清学习 AI 路上的术语障碍。
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。
文章介绍如何用六个分工明确的 Hermes AI 机器人加共享知识库,构建一人媒体公司的完整内容生产闭环。系统采用四层基础设施(Bot Mode、独立档案、Obsidian 知识库、Kanban 看板),六个角色分别为信号侦察、研究员、内容策略师、长文作者、分发和编辑,各自遵守职责契约。关键机制包括可检查的结构化交接、人类保留编辑边界批准权、数据反哺系统迭代。文章还给出 8 步 MVP 落地路径,强调自动化应消除重复决策而非消除个人品味。
作者分享用AI工具WorkBuddy运营小红书的一个月实操经验,提出三步工作流:一是明确账号定位,通过提示词让AI记住账号是谁、写给谁、风格是什么;二是建立写作知识库,将过往笔记、思考与素材整理入库,让AI产出逼近个人风格;三是自己定选题(围绕搜索关键词与痛点),写下零散思考后调用小红书运营专家成文,再人工润色打磨。核心观点:AI不能替代人干活,只是个人能力的放大器,其产出上限取决于使用者提供的素材质量与定位清晰度。
本文探讨了从手动提示AI向“循环工程”转变的新一代工作流。作者指出,真正的循环工程依赖于廉价的长上下文模型来控制Token成本。文章详细对比了旧的手动工作流与新的自动化循环工作流,并深入剖析了单智能体循环与舰队循环(多智能体协同)的区别。同时,强调了在实际应用中应优先采用边界清晰、易于控制的闭环。最后,拆解了构建高效循环系统的六个核心基石:自动化、工作树、技能复用、外部插件、子智能体和检查器,帮助开发者打造可自我迭代和修复的AI系统。