Agent OS 的第一课：会分工，才会用 Agent
本文指出 Agent OS 的核心并非追求万能 AI 或全自动化，而是通过合理的“工位”分工来隔离上下文、责任与风险。作者以整理浏览器标签为例，详细演示了如何将任务拆解为抓取、提炼、核查、确认四个独立工位，并强调了人工确认在防止错误落地中的关键作用。
相关文档
H3 古风舞蹈创作方法论：从动作动链到导演级运镜
作者系统总结了一套基于 H3 模型的 AI 古风舞蹈视频制作方法论。核心原则是先建立舞蹈再建立镜头：从作品意图、音乐分析、编舞设计出发，构建持续层、动链层、微动作层三层舞蹈结构，写出包含受力、路径、重心、惯性等完整物理过程的动作链，并按音乐节拍与动作密度对齐。镜头设计强调真实摄影机几何而非抽象角度术语，每次运镜都需有目的。文章还涵盖参考图视觉权限界定、跨段连续性检查、负面约束的正向替代方案、提示词语法结构与交付前的导演级自检流程，旨在建立可复用的模块化 AI 舞蹈创作系统。
AI 时代的 eval 究竟应该怎么做
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
从微信群报修到周会复盘：用 AI 重构传统物业服务流程
作者以传统物业报修流程的痛点（信息零散、无留痕、周会凭印象）为切入点，分享了一套基于 NocoBase + n8n + 蚂蚁百灵 Ling-3.1-flash 的物业报修系统的构建过程。系统在三个环节接入 AI：住户端 AI 接待报修并自动建单、管理端通读一周记录生成服务质量周复盘、周会一键生成可投屏的单文件 HTML 演示稿。文章详细展示了提示词设计、隐私脱敏、引文校验、人审定稿等落地细节，并总结出 AI 落地三点体会：AI 只用于需要理解自然语言的环节、确定性数字交给系统计算、AI 产出先当草稿由人审核。
Grok Bot 从入门到精通：从 1 个 Bot，到一支会自己干活的 AI 数字员工团队
作者 Fred-New 分享了如何将 Grok Bot 从单一聊天工具打造为长期数字员工团队的方法论。核心思路是：先给一个 Bot 一个窄岗位和明确验收标准，跑通真实任务；结果稳定后把流程保存成 Skill，再做回归测试；稳定后设置 Routine 让 Bot 定时自动工作。当出现稳定分工需求后，再组建多 Bot 团队（情报员、爆款分析师、Researcher、Writer、Reviewer、Visual Planner 六岗位）。文章强调岗位边界、工具接入、薄 Context Pack、固定交接格式（如 Research Pack 和 Handoff）的重要性，并指出真正的多 Agent 协作关键在于可替换的模块和清晰的接口，而非人数。
我们说的 AI 工程化，到底是什么？今天一篇文章讲清楚
文章系统梳理了 AI 工程化领域的各种新概念（Context、Harness、Loop、Eval、Graph Engineering），指出这些 Engineering 拆到最后，核心仍然是提示词。作者认为，现代提示词已不只是聊天框里的几句话，还包括系统规则、任务资料、工具说明、历史结果、失败反馈和完成标准。Agent 的难点在于把事情真正做完：避免重复步骤、选错工具、提前结束等问题。文章分别阐述了五大 Engineering 的职责——Context 管每轮给模型看什么，Harness 管工具与环境的接入说明，Loop 管根据反馈迭代，Eval 管验证任务是否真完成，Graph 管流程节点与路由。最终结论：代码管边界（权限、轮次），提示词管边界内的判断。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
几个月心血搭好的 AI 元技能，我为什么全拆掉？
作者几个月前搭建了一套名为「刚柔」的元 Skill，用图 IR、契约闸和检查机制防止模型偷懒、打折扣执行任务。随着 GPT-6 Astra 发布，模型遵循指令和多步执行能力大幅提升，OpenAI 官方建议检查 AGENTS.md 和 Skills 中可能影响模型行为的指令。作者由此意识到，许多为弥补旧模型短板而设的约束如今反而妨碍任务完成，于是委托 Codex + GPT-6 在秘书 Grok Bot 协调下彻底拆除该元技能。文章详细记录了清理的难度、推理档位选择、具体执行过程（如取消从零重跑、自动三路候选）及打包脚本隐私问题的修复，最终指出：该留的是把工作可靠完成的目标，而不是特定的脚手架，技术条件变了就该果断调整。
这个skill，可以复刻任意写作风格
前文字记者作者介绍了自己开发的「写作蒸馏器.skill」，一个可以复刻任意写作风格的 Claude Skill。该工具基于语言学研究方法，将写作风格拆解为六层：词汇统计、文章结构、选题逻辑、视角、认知世界观以及配图排版，通过量化统计和逐篇标注的方式蒸馏出可复用的风格规则档案。使用流程分三步：准备至少20-30篇同体裁完整文章作为素材、让agent自动蒸馏生成Writing-DNA等风格文档、写作时让agent重读风格文件并参考原材料来复现风格。作者对比了蒸馏与微调两种方案，认为小样本场景下蒸馏通过锚定模型注意力更有效。该skill已开源并被超6759人使用，作者也分享了基于它的新写作工作流。
我做了一支skills军队：56 位士兵，一个将军
作者介绍了其 XXD Panel 系统：56 个各自独立、各守一套审美的“士兵”Skill，配合负责推荐、点将、试稿和批量派发的“将军”Skill（xxd-panel-all），解决风格多样后如何选择、批量制作如何提效的问题。每位士兵保留独立原始提示词，互不混血，支持上下、左右、纯设计、壁纸包四种交付模式和批量目录处理。文章详述了 56 位士兵的风格特长分组、适用人群、质量控制逻辑及入门方式。
WorkBuddy 实战教程 01｜从一个文件开始，完成第一份可检查结果
本文是 WorkBuddy 的实战教程，通过读取两份虚构资料生成一份新人速览文档，指导新手如何完成第一个可验证的 AI 任务。文章强调了在使用 Agent 时设定“任务边界”（控制读取、写入和执行范围）的重要性。通过提供一张包含目标、输入、输出和验收标准的“任务卡”，确保 AI 只读该读的文件、只写指定位置且不编造事实。最终总结了将复杂工作拆解为最小可检查闭环的方法论。
Harness Engineering: 构建模型外围的系统
文章探讨了从“提示词工程”到“Harness Engineering（驾驭工程）”的范式转变。基于Lilian Weng的论文，指出AI Agent的成功不再仅依赖模型本身，而是其外围的系统（Harness）。Harness涵盖了工作流、上下文、记忆、权限和评估等运行时组件，类似于操作系统。与提供灵活性的框架不同，Harness专注于生产环境中的执行可靠性、持久状态和严格控制。文章还分析了三种设计模式及通向自我改进的优化阶梯，强调将持久状态存储于文件而非上下文中，是实现系统可靠性与自动优化的关键。
The End of Prompting: The Beginning of AI Loops
文章指出，单一提示词的时代正在结束，AI应用的未来在于构建可重复的“AI循环”。作者强调，不应仅将AI视为问答工具，而应设计包含上下文、执行、评估、反馈和自我迭代的自动化工作流。文章以写作和研究为例，提供了具体的循环设计提示词，倡导用英语作为编程语言来设计系统，使AI真正转变为具备自查能力的数字工作者，从而大幅提升工作效率和质量。
