AIGC 博主张咋啦最新演讲：AI Native 时代的六个反常识工作方式
本文总结了 AIGC 博主张咋啦关于 AI Native 工作方式的六个核心观点：1. 停止人工整理知识库，将会议作为 AI Agent 的输入流；2. 将 Agent 视为团队成员以提升组织效率；3. 为上下游同事定制 Skills 以突破协同瓶颈；4. 利用 AI 提升审美和可视化沟通能力；5. 将产品嵌入用户的高频场景中；6. Builder 最核心的素质是主观能动性、品味和分发能力。
相关文档
企业不需要三省六部制的 Agent 流程：Syncless 的协同新范式
文章由 Dify 后端工程师 Yeuoly 撰写，批判了当前将 Agent 设定为复杂角色（如龙虾军团）试图接管企业流程的“三省六部制”误区。作者指出，这种模式导致人的注意力被劫持，且 Agent 输出质量低、维护成本高。真正的增效并非用 AI 压榨人的判断力，而是释放人在事务性工作中的精力。基于此，作者介绍了其团队正在研发的新产品 Syncless。Syncless 专注于企业内多人的 SOP（标准作业程序）自动化，关注人与人之间的协作摩擦。通过“Project 模板”和上下文流转，它将原本碎片化的沟通（如财务报销、产品需求反馈）转化为结构化的上下游协同，旨在减少沟通损耗，而非用 AI 取代人的决策。
如何构建一个在你睡眠时运营整个业务的 Obsidian Vault
本文介绍了一种基于 Obsidian 的商业操作系统架构，旨在解决知识工作者因行政协调工作而效率低下的问题。该架构通过知识层、智能层和自动化层的结合，利用 Obsidian、Claude Code 和 N8N 构建了一个能自动处理任务、生成简报和管理项目的异步工作流。文章详细讲解了 Vault 结构、核心配置文件 CLAUDE.md 的编写，以及客户智能和项目运营两大系统的具体实现，帮助业主从琐事中解放，专注于核心决策。
Anthropic Claude Code 实战指南：全团队场景应用拆解
本文转发了 Anthropic 发布的一份 23 页指南，详细拆解了如何利用 Claude Code 覆盖公司 10 个核心部门的工作流。案例涵盖了从增长营销、数据基础设施、产品开发到安全工程、法务合规等全方位场景，展示了 Claude Code 在不同专业领域的强大辅助能力与实际落地应用。
如何让Obsidian + Claude Code帮你安排一切（附全网最完整使用教程）
本文介绍了如何通过 Obsidian 结合 Claude Code 搭建一套个人 AI 工作流系统。该系统能够实现每日回顾与规划、自动收集 AI 热点资讯以及将模糊想法转化为可执行项目。作者详细讲解了安装 Obsidian、导入 OrbitOS Skills、以及通过 Claudian 插件或 Terminal 插件接入 AI 的具体步骤，帮助读者利用 AI 提升内容创作与事务管理的效率。
X 新任产品负责人 Peter Sellis 的组织管理心法
文章介绍 X 平台新任产品负责人 Peter Sellis 及其闭门访谈中阐述的组织管理理念。他以'恐怖组织架构'为隐喻，主张去中心化的自主作战单元设计：靠共同信念而非流程协同驱动团队，从第一天起明确决策权边界，从源头上消除过度协作和会议扯皮。同时他揭示大厂技术人员内卷的制度元凶——薪酬体系迫使顶尖工程师转向平庸管理岗，主张技术与管理脱钩的宽带薪酬，让技术人员凭技术能力获得顶薪，保留一线工程战斗力。
AI Native 实践续篇：迈向 Stage 8
作者继八月 AI Native 实践后，记录从 Stage 7 迈向 Stage 8 的多 Agent 工作方式探索。核心实践包括：用「测试测试」验证测试有效性（借鉴变异测试）；要求 Agent 交代判断依据；采用 1+N 组织方式，由 Captain 统筹调度其他 Agent，并保护其上下文不陷入实现细节；用 logbook Kit（lbkit）串起需求到上线的完整交付流程，通过 Preflight 预演减少中途打断；让 Delivery 与 Verify 两种角色形成对抗，发现分歧。作者强调多 Agent 有成本需按任务规模挑选，目标是保护人的完整注意力与决策密度，认为对抗机制比单纯循环更重要。
从0-1通过Grok Bot，组建属于我自己的“梁山好汉”
作者分享如何用 Grok Bot 组建一支有分工的 AI Agent 小队：以水浒人物命名 bot 并按座次管理权限；设置单一入口“宋江”统一派活，吴用写代码、公孙胜独立验收，最后由人拍板合并；制定 7 条需人工确认的红线清单。文章还给出实战案例（App CSS 审计优化）、飞书知识库归档、GitHub 私有仓库备份 bot 记忆的规范，以及从 0 搭建小队的 5 步手把手教程，包括创建 bot、设定时任务、bot 互相派活、接入飞书/GitHub/X、把流程存成技能。
AI Native 时代的工作方式：从信息到交付
作者分享了作为 Infra/Kubernetes 工程师在 AI Native 时代的工作方式演变：从 2 月认为 Code Typing 不必要，到 5 月确立「AI 放大执行、人负责判断」，再到 8 月形成信息、研发、落地、工具链的完整链路。信息层面，他用 minds（AI 参与度 90%+）和 my-kms（5%）两个知识仓库，Agent 改动走 PR 流程由人 review；编码层面推行 Spec-driven、用 guides 固化约束、自测 Agent 分层验证；工具链上自建 mind-forge、skm 等工具。核心观点：AI 善于「作」（生产、展开、润色），人负责「创」（问题、判断、观点），工作重点是决策密度、共识形成与保留个人棱角。
Claude被封号！如何用豆包工作“Plan+Goal”模式处理它的“遗产”？
作者因Claude账号被封，将全部历史对话数据导出，利用豆包工作新推出的计划模式和目标模式，对数年积累的对话“遗产”进行系统化整理。文章详细拆解了三步工作流：先用Plan模式只读调研并生成Markdown实施计划，直接在文档中修改对齐需求；再用Goal模式将“完成”标准拆成硬性验收指标，逐项校验交付成果。最终产出可检索的历史索引、验证过的工作流、风格偏好文档和可直接复用的Skills。文末总结了Plan与Goal模式的适用场景对比，强调复杂长任务应先定方案再锁交付标准，让AI经验得以持续复用。
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。
知识库越建越乱？先让 AI 学会回答：这句话从哪来
文章针对个人知识库越建越乱的问题，提出一套面向普通用户的起步方案：先选一个具体主题、整理十份资料，将原始资料与整理结果分开存放，统一知识卡格式（含来源、核对日期、未确认项等），用真实问题验收，并设定更新规则。核心是让 AI 整理的知识有出处、可复查、知边界，避免无来源的推断被当作事实。
在 AI 时代，Flomo 助我拥有自己的人生上下文
作者 Jackywine 作为 flomo 六年深度用户，分享其 7000 条笔记的使用经验。文章指出传统笔记软件因分类、排版等操作增加记录摩擦，导致灵感流失与数字囤积。flomo 以极简输入框、标签体系和全平台触达降低记录门槛，让用户专注思考本身。作者将 flomo 用于捕捉灵感、白话读书笔记、心理复盘及喂养 AI 个人上下文，并探讨了 flomo 团队不融资、反 All-in-one 的产品哲学，强调在 AI 时代个人上下文的重要性。
