用Codex打造个人IP形象全流程教程
文章详细记录了作者利用 Codex 和 grill-me 从零打造个人 IP 形象的全过程。核心在于通过设计访谈将模糊需求转化为契约，由 Codex 自动执行生图、迭代、归档，并最终沉淀为可复用的 repo-only 配图 skill，构建了一套可持续的内容生产系统。
相关文档
我是如何用 Codex 做自己的个人IP生图工作流的
作者分享了如何利用 Codex 构建个人 IP 生图工作流的经验。通过借鉴优秀项目，将思路从拼图改为拼提示词，开发了封面图和段落图两个 Skill。文章详细介绍了风格确定、人物特征锚定、内容总结及安全区适配等优化过程，强调了 AI、代码与人在工作流中的职责分工。
让 Agent 做机械科普，关键是因果
文章介绍作者封装的 anatomy-explainer 项目，用 Agent 工作流自动制作机械原理科普视频。核心思路是先锁定因果链与解释范围，再用参数化代码几何保证齿轮等部件运动关系可检查、可复现；旁白按短句合成语音，以实测时长驱动动画与字幕对齐。文中以木牛流马为例，讲解了选题收窄、审题约束、声画对齐、字幕遮挡检查、3D 扩展方向与运行环境配置，并强调流程仍需人工审核、简化须标明、自动化能力需靠项目积累验证。
10 条必备经验，让你的 Grok Bot 变得更好用
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。
The Opus 5.5 Flywheel: Build an AI System That Gets Better Every Run
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。
AI实战：从0搭建个人视觉IP系列教程｜配图篇
本文是「搭建个人视觉体系」系列教程第3篇，讲解如何用AI建立个人配图规则。作者将创作者配图归纳为封面、信息图、数据图表、插画四大系统，介绍新粗野主义、极简信息设计、瑞士杂志等常见风格，并提出融合参考图设计语言与已有头像、Banner视觉资产的方法。文中提供完整Prompt用于让AI生成「个人配图规则」，指导读者通过四类测试图验证视觉统一性，并示范如何将规则应用到show-me、archify等图片类Skill中，最终形成可长期迭代的个人视觉识别体系。
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。
一个文科生，怎么让AI每天自动替我找选题
作者作为AI博主，分享了自己搭建「选题雷达」系统的完整流程。系统包含两个AI编辑：一个负责AI大新闻选题，通过AIHOT热点榜、精选流和Follow Builders追踪正在爆的事件；另一个负责实战心法选题，通过best-skills排行榜和GitHub Trending筛选值得亲测的工具。每条选题需经过48小时时效、目标用户相关度、一小时内可执行动作等多重过滤，并由Agent打分排序。作者强调AI只决定「值得看」，最终「值得写」的判断仍靠人的体感。整个系统跑在HermesAgent和GrokBot上，让作者把重复性工作交给AI，只保留判断、体验和表达。
高级 Skill 不是更长的提示词，而是一套组合技
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。
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。
保姆级教程：0代码，我把爆火的小黑 Skill 改成自己风格的配图系统
本文是一篇面向内容创作者的保姆级教程，介绍如何在不写代码的情况下，借助 Codex 将爆火的小黑配图 Skill 改造成符合自己风格的配图系统。作者详细拆解了七个步骤：从让 Codex 分析原 Skill、复制新版本、提供个人角色与视觉规则，到正式修改、生成测试图、根据反馈迭代，最后安装使用。核心思路是保留原 Skill 成熟的工作流，替换角色、配色、提示词和检查标准，并通过“生成—反馈—修改—重测”的循环不断优化，最终形成真正适合自己的个人配图系统。
我把每天找选题、写初稿的活完全交给AI：整套飞书配置+专属Skill全部开源
作者分享了一套基于「豆包工作」的全自动内容创作流水线搭建教程：通过飞书连接器建「选题作战库」多维表格收集素材，利用AI自动快判打分筛选选题，并借助云电脑+定时任务实现关机挂机巡检。文章详细公开了建表提示词、快判Prompt、以及将个人文风萃取为知识库并封装成自定义写作Skill的完整协议，包括事实分层打标和人工确认闸门等关键设计，防止AI写作失控和文风漂移，实现从灵感到成稿的端到端闭环。
我承认我之前真的太太太小看豆包工作了
作者体验字节跳动的豆包工作后，认为其远超预期。文章详细介绍了豆包工作的几大亮点：覆盖金融、法律、电商等行业的内置Skill生态与连接器（企业微信、钉钉、腾讯会议等）；全局划词翻译与解释功能；本地Office集成，可直接在PPT、Excel中与AI协作编辑；浏览器录制与回放功能可将企业重复工作流沉淀为专属技能；以及手机、电脑、云电脑之间的多端切换能力。作者认为字节太懂国内用户，国内下一波AI赚钱风口在于帮企业搭建工作流、做培训和落地服务。
