体验两周Robot Phone，我第一次觉得手机活过来了
作者分享了体验荣耀Robot Phone两周的深度感受。这款手机配备独特的钛合金机械云台，结合强大的YOYO智能体，不仅能完成复杂的跨APP任务，更通过物理动作赋予手机“生命力”。它从单纯的工具转向具有情绪价值的伙伴，为僵化的手机形态带来了久违的创新与惊喜。
相关文档
1分钟认识13类常见Motion动效名称
文章指出在交互和视频制作中，单纯向 AI Agent 描述动画效果往往效率低下且容易产生误解。为了解决这个问题，文章推荐了一个简短的视频教程，该视频整理并演示了 13 类常见的 Motion 动效名称（如 Push Slide, Staggered Entrance, FLIP 等）。掌握这些标准术语，可以帮助用户更准确地向 AI、设计师或开发者表达需求，大幅提升沟通效率。
人人都能写出好代码：拆解并实测 Uncle Bob 为 AI Agent 写的《代码整洁之道》ub-mode
文章深度拆解了软件工程大师 Robert C. Martin（Uncle Bob）于 2026 年 10 月发布的 ub-mode 项目——一套面向 AI 编程 Agent 的代码整洁规范 Skill。该项目将《代码整洁之道》的工程思想转化为约束 AI 的三层治理结构：第一阶段建立数据建模与 TDD 约束，确保功能可用；第二阶段通过 crapper（圈复杂度）、dryer（结构重复检测）、mutator（变异测试）三个命令行工具设立量化门禁，提升代码质量。作者对照源码文档完整解析了规则原理，并在真实开源项目中逐一实测工具链表现。文章指出，在大模型时代，'人人都能写出好代码'的关键在于为 AI 建立明确的工程规则与验证机制。
Claude Duet 保姆级教程：从排队到完成第一个任务
本文是 Anthropic 于 2026 年 10 月发布的研究预览版产品 Claude Duet 的详细上手教程。Duet 相当于一个拥有自己云端电脑的 Claude，具备定时签到、主动提醒和后台执行任务的能力。文章依次介绍了注册排队的条件（美国地区、Pro/Max 用户）、初始化设置、核心界面概念（Chat、Task、Make、Channel、Skill），并通过三个实战案例演示完整流程：制作工具对比表、语音交代待办清单、生成习惯打卡小网页。作者还总结了核对成果的方法、常见问题排查、产品安全边界与当前局限，帮助新用户快速入门这款主动型 AI 助手。
Opus 5.5 发布之后 AI Agent 剪辑视频已经能替代初级剪辑师了
文章讨论 Opus 5.5 发布后 AI Agent 视频剪辑能力的飞跃。作者指出模型可自主用 HTML、JavaScript 等剪辑视频，此前大量剪辑 Skill 已不再必要。文章总结了 Alex Cooper 和 Sabba Keynejad 两条推文的核心观点：视频剪辑正重走编程的路；核心资产是按风格拆分的 Skill，可用参考作品、历史重剪和专家录屏口述来训练；人的价值从操作转向品味；工具层面不应重造专业时间线编辑器，专注做好初剪。两人对是否需要复杂界面存在分歧，基础剪辑成本预计大幅下降，瓶颈将转向拍摄和录制。
Replit and the dawn of the self-driving company
Marc Andreessen 借鉴 Replit 创始人 Amjad 的观点，探讨 AI Agent 如何进入企业并推动“自动驾驶公司”的到来。文章提出“混乱”是颠覆性技术落地的重要信号：回顾个人电脑、电子表格和电子邮件的历史，它们均以未经批准、自下而上的混乱方式进入职场，随后企业通过建立合适的“栖息地”（habitat）将其驯服，在保留员工自主性和热情的同时实现有序管控。作者认为 AI Agent 当下的无序使用（聊天窗口、个人账号、零散脚本）正是重大变革的前兆，关键在于谁能“让混乱 reign，再驾驭 chaos”，从而释放组织深层对齐与生产力。
开源AI Skill全自动视频号带货流水线 Story Studio 实战拆解
作者开源了一个名为 Story Studio 的 AI Agent Skill，用于自动化生产历史/人物故事类短视频，涵盖选题策划、黄金钩子文案、豆包大模型配音、毫秒级字音对齐、三套画风分镜生图、自动生成剪映草稿等全链路。作者靠该流水线在视频号实现单条爆款播放100W+、单日带货4000+的战绩。文章详细拆解了各环节实操方法，并分享图书带货、银发健康产品、创作者分成计划、私域导流等四条变现路径，强调工具完全免费开源。
npm 创始人 Laurie Voss：如何判断你的 AI 智能体是否足够优秀
本文整理了 npm 联合创始人 Laurie Voss 在 AI Engineer 纽约 workshop 上关于 AI Agent 评估方法的分享。他从一份分析师共识加总为 116% 的特斯拉研报切入，阐述 trace（日志）与 eval（评估）的区别，强调先人工精读十几条记录再设计评估的重要性。文章详细介绍了从免费代码断言、LLM 裁判到黄金数据集校准裁判的完整评估体系，指出选择正确的评估问题比调优评估更重要，并以'评结果而非评步骤'为原则，演示了通过一行 prompt 修改将可操作性从 5/16 提升到 48/48 的案例。最后他强调将评估接入 CI、区分能力评估与回归评估，才能持续保证 Agent 质量。
How I work with Agents
Thorsten Ball 分享了 2026 年 10 月他与 AI Agent 协作的工作方法：使用最新最强的模型，不必担心代码库积累 slop；提示时描述 What 而非 How；让 agent 贯通整个软件开发生命周期（运行、部署、看日志、处理 bug 报告），并为其提供定制工具；通过盲测实验评估 agent 对代码库知识的利用；不要手动管理上下文，让 compaction 工作；请求不可反驳的证明（端到端演示、前后对比数据）；拥抱异步工作流，给 agent 更大任务；利用定时唤醒等自动化功能；只审查高影响范围的代码。这些实践展示了 agent 驱动开发的新范式。
The 5 levels of AI agents: From a single prompt to a production agent
文章系统讲解了构建生产级 AI Agent 的五个层次：上下文工程、循环工程、Jev 工程、Harness 工程和评估工程，并以新员工类比逐一解释。核心内容包括：上下文窗口管理（稳定内容前置、利用 prompt caching、工具过多时改用搜索、用子代理减少主上下文占用）；循环与工作流的区别（能否预先写清步骤），强调循环需要明确目标、外部检查器等四要素。每个层次都配有构建方法与面向初学者的捷径方案（通过 Viktor 这类 AI 员工工具实现）。目标是让小团队用可靠的 Agent 承担重复性工作，实现不增人力的规模扩张。
Harness Engineering: How to Build AI Agents That Actually Work
文章指出大多数人在错误的层面修复 AI Agent 问题：模型失败时反复改提示词、换模型、加工具，却忽略了真正的问题是模型周围的环境——Harness。Harness Engineering 是构建围绕模型的系统，决定模型能看到什么、能做什么、记住什么、如何判定成功与失败。作者提出六大实践：将请求转化为带完成条件的任务契约；用渐进式披露提供项目地图而非塞满上下文；在模型与工具之间设置网关校验与策略授权；将记忆（事实、决策、状态、经验）移出对话外部存储；以可观测证据作为任务完成的门槛，优先用确定性检查。好的 Harness 能提升每一次运行的质量。
How To Hire A Grok Bot: Experience From The First Zero Human Company
作者基于运营"零人类公司"的实践，提出不应把Grok Bot当作聊天机器人来"搭建"，而应像雇佣员工一样"招聘"它。文章介绍了Zero-Human Company的发展历程：从16个AI员工扩展到日常1000+、峰值75万+的规模，并总结出核心管理原则：一个员工一个明确职责、书面化的岗位描述、可验证的完成标准、人类审批的安全边界。文章还详细讲解了Grok Bot的订阅要求、账户链接、应用安装和上手步骤，强调模型不是难点，管理才是。
How To Hire A Head Of Content In 2026 (Masterclass)
本文探讨了2026年企业如何招聘和构建"内容负责人"（Head of Content）这一角色。作者基于运营60多个创始人品牌的经验，指出传统的内容生产流程已被整合为一个角色。文章详细阐述了内容负责人的四大职责：定位、提取、包装和优化，以及策略、研究、写作、设计、分发、绩效和排期等核心工作。作者特别强调用Claude构建"创始人大脑"知识库来沉淀创始人思想，让AI与智能体深度融入内容运营，并通过TOF/MOF/BOF漏斗和每周运营循环实现个人品牌影响力的复利增长。
