用n8n搭AI播客生产线
文章探讨了如何利用 n8n 搭建高质量的 AI 播客生产线。作者指出，文字转音只是小部分，真正的难点在于选题、资料核验、脚本拆分、异常处理及数据回流等全流程管理。文章详细拆解了三层架构和六个生产阶段，并强调通过人机协作和状态管理来规避常见陷阱，实现可持续的内容生产。
相关文档
学 AI，上名课：先从这 10 门课开始
作者逐一核对了 10 门免费或部分免费的 AI 学习课程，并按学习阶段分为四站：零基础入门（吴恩达 AI for Everyone、Google 生成式 AI 路径）、提升 AI 使用能力（OpenAI Prompting 指南、Karpathy How I use LLMs）、补编程基础（哈佛 CS50x/CS50P/CS50AI）、动手实践（微软 Generative AI for Beginners、Claude Code in Action、n8n 搭 AI Agent）。每门课均附出品方、时长、费用、证书等详细信息和链接。作者建议不必全学，根据自己的阶段挑选两门深耕即可。
如何设置 Muse 的自动化：每天真实在跑的手把手教程
本文由 Muse 按真实运行记录重写，是一篇关于 AI Agent 自动化设置的手把手教程。作者提出自动化 = 定时任务 + 自然语言描述 + 人工审批的核心理念，详细讲解如何用说话方式创建定时任务、任务书必须写清的 6 个要素，以及内容流水线、长文排版、巡检盯梢、研究型任务四个实战场景模板。文章还总结了三条运维规矩（先查现状再动手、积压只补有稿的、失败报卡点不重试），并强调发表权永远留给人、凭据不写进脚本等安全边界。全文以本账号一周多产出 100 多条贴图和 14 篇长文的实践为证据，附新手上路清单。
如何用 Claude / DeepSeek 做资讯类视频（附提示词和开源风格 skill）
作者分享了使用 Claude Code（Opus 5.5）批量制作资讯类竖屏短视频的完整工作流。核心步骤包括：选题（AI 粗选、人工精选，信息源以推特和 Hacker News 为主）、素材准备（Gemini API 写脚本和 TTS 配音、Suno 背景音乐、背景图、logo 等）、编写初始提示词、让 Agent 撰写脚本并派子 agent 做对抗式审查、反复修改脚本与成片。文中提供了可直接复用的提示词模板，并开源了包含 18 套竖屏视频风格的 Claude Code skill（creator-style-kit），可用于固定视频的字体、配色、动效与音效风格。
让Muse全权运营微信视频号：手把手实操教程
作者详细分享了让AI助手Muse全权运营微信视频号的完整实操流程，涵盖选题去重、原创文案、剧情分镜、AI视频生成、豆包TTS配音、FFmpeg合成与字幕烧录、定时发布及发布后验证的全链路闭环。文章提出自动运营的四层架构（策略、生产、发布适配、守护审计），强调状态机管理与防重复发布机制，并深入讲解Cookie会话安全、固定出口配置，以及排查创建接口300002错误的完整过程。适合想搭建无人值守内容自动化流水线的读者参考。
Scaling AI in Legal: Building Uber's Redlining Agent
Uber 工程团队分享了其法律红线审查智能体（Legal Redlining Agent, LRA）的构建经验。该系统以 Word 插件形式集成到律师的工作流中，能够识别外部合同修改、理解对方意图、基于政策生成建议和评论并标记风险。自上线以来，合同平均审查时间缩短超过 20%，律师对 AI 决策的采纳率达 91%。文章详述了从 RAG 方案到引入律师反馈自学习循环的四次迭代历程，核心经验是：从业务问题出发、嵌入律师既有工作流程以赢得信任，并通过紧密的反馈迭代持续改进智能体。该系统助力 Uber 法务团队获得 2026 年 ALM Legalweek 年度最具创新法务部门奖。
用 Opus 5.5 全自动制作吃瓜视频：找素材、配音一站搞定
作者尝试用 Opus 5.5 全程自动制作吃瓜（八卦）短视频，包括自动搜集素材、生成文案、用 Gemini 3.8 Flash TTS 配音，中英文两个版本，整个流程仅耗时半小时。文中分享了完整 Prompt 设计：内容要求八卦有冲突但事实准确、开头3秒抓眼球、素材以视频片段为主、9:16竖版4-6分钟、自动压低BGM、添加水印、封面设计等细节，还支持生成去敏版本。评论区讨论了此类方法对影视解说自动化的启发。
用 Opus 5.5 搭建内容生产机器（完整教程）
本文是一份完整课程式教程，介绍如何利用 Opus 5.5 模型（通过 Viktor 平台）搭建一套可持续的内容生产系统。作者分步骤讲解：整理个人素材与写作范例、设置 AI 内容助手并编写常驻指令、基于范例生成写作风格指南、建立带上下文的创意收件箱、让 AI 提交可选择的选题提案、以及在写作前准备研究笔记。目标是把想法、研究和专业知识持续转化为符合个人风格的文章、帖子和简报，避免每次发布都重新搭建流程，并配有每周例行的内容批量生产机制。
How OpenAI Built GPT-Live
本文深入解析了 OpenAI GPT-Live-1 全双工语音模型的架构原理。文章回顾了语音系统的三代演进：级联设计（ASR+LLM+TTS 串联，存在信息丢失和延迟叠加问题）、轮次式端到端语音模型（保留语气情感但依赖 turn detector，容易不自然）、以及全双工架构（模型同时监听和说话，沉默也是一种 token）。GPT-Live 通过将思考从说话中委托出去，保持语音模型小而快以实现毫秒级响应，同时依赖服务端系统的低延迟优化。文章还讨论了全双工系统的评估方法与实时系统工程经验。
Codex + Hyperframes：拆解抖音爆款，让普通人也能吃上自媒体这碗饭
本文详细介绍了如何使用 Codex 和 Hyperframes 搭建一套抖音爆款视频的拆解与复用工作流。作者提出完整的制作顺序：工具准备、旁白、TTS 配音、画面、字幕到成片。文章强调先拆解原视频结构（Hook、叙事、视觉、节奏），人工核验事实与表达，再把可复用结构抽成模板，一次生成多个 Hook 版本用数据迭代优化，最后固化成可重复调用的 Skill。作者建议先手动跑通 3-5 条视频再自动化，建立素材池与固定视觉风格，并将数据反馈喂回流程持续修正，目标是搭建一条能重复生产内容并不断自我优化的生产线。
万字长文｜大型复杂工程实战：人辅助 AI：不懂代码的团队，重写了整个开发流程（上篇）
文章复盘了一个不懂传统编程的团队转向 AI 编码的企业级实践。作者提出与主流 Copilot 叙事相反的范式——不是 AI 辅助人，而是人辅助 AI：AI 是执行者，人是决策者，由产品总监负责定义需求、设定边界和裁决。团队踩过两万字 PRD 翻车的坑，总结出传统 PRD 对 AI 的三大致命伤（模糊词、流程图依赖、文档脱节），并沉淀出情景化开发路径（UI First / Data First）、AI 友好型 PRD 四特征（全局术语表、EAR 表、逻辑真值表、UI 绑定）以及用 AI 质检 PRD 的方法。核心结论：输入质量决定 AI 产出质量，把话说清楚从软技能变成硬工程。
Why AI native services is the next big bet
文章探讨AI原生服务作为下一个重大投资机会。作者认为AI已将风投注意力拉回应用层，但更大的机会在于将非软件预算的工作本身转化为可交付的服务。LLM使技术边界上移，能够处理非结构化输入、异常处理和上下文理解。随着技术成熟和买家行为变化（企业已习惯外部化运营），AI原生服务公司可以按完成的工作流收费，通过提升人均收入、降低异常率、缩短周转时间来构建学习曲线壁垒。这类公司初期看似劳动密集型，但随着系统学习域名知识，人力占比会持续下降，最终实现远超传统BPO的风险投资级回报。
我把 Codex 和 Claude Code 的 Memory 拆成了 3 层
文章对比了 Codex、Claude Code 和 UiPath 三家的 Agent Memory 机制，指出项目中最容易混淆的是长期规则、自动积累的经验回忆和项目事实三层信息。作者提出用仓库中的 4 个 Markdown 文件（current-state.md、decisions.md、failures.md、memory-inbox.md）管理项目记忆，并让 CLAUDE.md 引用 AGENTS.md 实现两工具共用规则。同时强调自动记忆要有边界和退出机制，避免过期结论被误当作确认事实。
