Loop 入门指南:别再一句句写提示词了
本文探讨了 Claude Code 中的“Loop(循环)”概念,即 Agent 反复循环工作直到满足停止条件。文章详细介绍了四类 Loop:回合制、目标制、时间制和主动式,并分析了各自的最佳适用场景及如何控制 Token 消耗与保证代码质量。
本文探讨了 Claude Code 中的“Loop(循环)”概念,即 Agent 反复循环工作直到满足停止条件。文章详细介绍了四类 Loop:回合制、目标制、时间制和主动式,并分析了各自的最佳适用场景及如何控制 Token 消耗与保证代码质量。
本文详细介绍了作者如何构建基于Obsidian和Claude Code的个人工作流系统。文章提出了“未经人脑处理的知识不进仓库”和“输入服务于输出”两大原则,通过构建COO、CTO、心理医生等AI Agent角色,配合定时任务和自动化工作流,实现了一个具有问责机制、自动化记录和个人百科功能的数字“健脑房”,旨在提升思考质量与工作效率。
作者 Tibo 详解如何用 AI Agent(如 Claude Code)运营多个 AI 虚拟 UGC 创作者账号来推广产品。传统 UGC 存在运营繁琐、按条计费、速度慢、账号不归品牌所有四大痛点。随着 AI 人脸一致性、爆款视频搜索工具(Revid)和 Agent 自动化能力的成熟,品牌可以自建多个有独立人设的虚拟创作者,覆盖不同买家群体。文章按九个步骤讲解完整搭建流程,包含 12 个可直接复制的提示词,涵盖创作者设计、人脸一致性、爆款调研、脚本生成、定时发布和每周数据复盘。
文章介绍了 Grok 官方 Bot Marketplace 中 10 个现成的 bot 模板,按用途分为造 bot 与写代码、设计与内容、增长与生意三类,如 dr eggbot、Lingxi's Engineer Bot、figma bro、Stalk Bot 等。作者指出模板的优势在于范围已收窄、审批线已画好、改比写容易,并分享了自己'主管加专员'的 bot 团队组织结构,发布了包含 8 种身份、35 份提示词的 bot-team-playbook。核心准则是只给主管发需求、主管拆解派活、所有不可逆动作先出草稿由人审批。最后给出新手起步顺序建议:导入模板、连接工具、调整习惯、确认审批线、逐步扩展。
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。
文章提出企业AI落地的核心卡点不是提示词,而是大模型无法进入本地业务流。作者以FDE(前线部署工程师)视角,提出'数字员工管理思维',总结本地交付四大支柱(工位、规则、原料、连接器),并以WorkBuddy为载体,手把手演示搭建公众号自动内容交付流水线的完整SOP:安装绑定本地文件夹、采访式制作账号定位卡、选题灵感细化与竞对爆款监控入库、技能挂载与MCP连接器配置、工业化成稿与质检、微信草稿箱定时推送,最终走向企业级FDE交付与商业变现闭环。
作者高强度实测 Grok Bot 两周后的经验分享。Grok Bot 自带 24 小时云端主机,持久化硬盘、多 Bot 共享同一台电脑,还可远程桌面操作。文章介绍了 Connect Apps 连接 GitHub、X、Gmail、Notion 等生态的用法,以及信息雷达、仓库盯梢、邮件分拣等自动化场景。重点分享了群聊多 Bot 协作的踩坑经验:上下文易乱、需要反复协调,核心是必须设立统一的协调者角色。作者据此搭建了'研发小队 Build Lab'(产品、设计、开发、测试、项目经理、增长六个角色)和'视频工作室 Video Studio'(导演、编剧、素材、配音四个角色)两套协同流水线,并公开了配置模版和社区资源链接。
作者总结了 10 条 Grok Bot 使用经验:Bot 适合长期反复的非编程任务,编程任务仍用 Codex、Claude Code、Cursor;摸清 Bots 的上下文机制,善用共用记忆和 Skill;不要一开始就把 Bot 拆得太细,像管理初创公司一样逐步扩展;优化重叠任务职责;成熟的标准化流程交给 CLI Agent 执行以节省额度;通过 Wake on Done Skill 实现 webhook 通知让长任务无人值守;用 Web Access Skill 补足浏览器自动化能力;关闭 App Nap 解决息屏问题;推荐用 Notion 做长期数据看板;最后分享了收件箱、产品反馈、订阅管理、商务财务、社媒数据等多个实用 Bot 搭建案例。
文章介绍了如何构建一个可复利的 AI Agent 系统(Opus 5.5 Flywheel)。作者指出大多数人把 AI 当作'健忘的聪明员工',每次会话结束后纠错和经验都随之消失。正确的做法是让每次运行留下四类产物:结果、状态、经验教训和系统升级。具体方法包括:将重复流程固化为 Claude Code Skills、把人工纠错转化为规则和自动验证、用 progress.md 保存决策与待办、建立失败样本库作为回归测试基准,让系统随每次运行不断变强,实现智能的复利积累。
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。