本文介绍了ICM（可解释上下文方法论）如何通过文件系统结构优化AI代理的工作流程。作者Tom分享了其业务文件夹'AI Operator OS'的改造经验，通过编号文件夹、精简根文件、为每个文件夹添加CONTEXT.md契约、分离工厂与产品等原则，解决了代理上下文过载、工作状态不透明等问题。文章详细展示了如何将768行的技能文件重构为55行的路由器加独立管道，并提供了在单个文件夹上试行的具体步骤。该方法强调可解释性和人工审查，适合需要逐步验证输出的工作流程。
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。
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调：与其信任模型凭提示词自由发挥，不如为 Agent 配备结构化技能，确保输出质量稳定。核心方法论是'监督比你更聪明的人'：通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏，并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话，让 Agent 继承过往决策背景，提升产品判断力。
本文探讨了Claude Code的创建者Boris Cherny关于如何更有效使用AI代理的建议。作者发现，随着模型升级（如Opus 5），旧有的指令和技能可能反而阻碍新模型的表现。Boris建议定期删除或禁用CLAUDE.md、技能和钩子，以发现模型的新能力。作者通过对比测试发现，保留上下文但简化流程，让模型自主思考，效果更好。文章强调将上下文与程序分离，给出高层目标、护栏和退出标准，并让代理自我验证。最终，管理AI代理应像管理有能力的人一样，设定方向、审查结果，而非微观管理。
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。
本文是 pstack 指南的第二部分，探讨如何利用 pstack 进行调研、规划、原型设计和架构。作者强调验证是基础，但之后需明确构建目标。文章介绍了间接提示、/teach、/how、/why、/recall 等技巧，帮助代理理解意图和上下文，并指出历史记录是丰富上下文的金矿。最后讨论如何指定解决方案，避免过度指定实现细节。
作者Julie Zhuo分享了她从依赖第三方软件到自建个性化工具的心路历程。她因不满现有AI代理管理工具的局限，利用AI在半小时内构建了移动端应用Mog Squad，随后又开发了桌面版，实现了同时管理Claude和Codex等多个代理、高度定制化的工作流。她还为孩子打造了融入个人生活故事的Duolingo风格学习应用。文章指出，AI时代让超个性化软件成为可能，人们将更偏爱自己组装的工具，第三方通用软件的主导地位可能被颠覆。
作者分享了管理 AI Agent Skills 的经验：不建议在本地一次性安装太多 Skills，因为过多的 Skill 会误触发模型调用并限制模型发挥，同时 Skill 描述会占用上下文窗口的 Token 预算。管理方法分两步：第一步将所有 Skills 统一放在本地目录（分 Github、personal、official 三类），并建立管理文档和定时更新脚本；第二步用软连接（symlink）按项目需要启用 Skill，而不是复制安装，避免全局启用浪费上下文。这些工作都可以交给 Codex/Claude 等 Agent 自动完成。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
本文介绍了一套利用 AI 开发完整项目的工作流，以 DeepSeek Harness 科普网站为例，演示了从模糊需求到分阶段开发、测试、验收和迭代的完整过程。作者强调了将需求具体化、使用 spec 和 tickets 管理任务、人工验收、以及将新需求和新 bug 记录为 ticket 的重要性。文章还提供了可复用的规则和工具，帮助读者将这套流程应用到自己的项目中。
文章探讨 xAI 推出的 Grok Bot（拥有独立云电脑的 AI 代理）应该承担哪些工作。作者结合 Matt Palmer 和 Eric Zakariasson 的实际使用案例，将 100 个用例归纳为五种任务形态：重复性工作、多步骤流程、跨网站杂务、定期监控、文档密集型分析。建议从自己最熟悉的无聊任务入手，一次演示让 Bot 形成例程，一个 Bot 只做一个工作，并注意共享登录与持久记忆的安全风险。文章强调应以回报明确、可循环的任务为切入点，而非追求炫技演示。
本文介绍了在多智能体流水线中，通过引入确定性Reducer层来优化成本与延迟的实践。作者以40个Claude Haiku worker并行处理、Claude Sonnet汇总的架构为例，指出原始输出包含大量重复、格式错误和冗余信息，导致昂贵的合成模型浪费在数据清洗上。通过代码实现去重、过滤和分组，成本降低86%，延迟降低78%，并意外发现23处矛盾。文章强调结构化归约不仅是成本优化，更是质量保障，并提供了代码示例、防护措施和操作指南。
作者分享了如何利用Claude构建个人与业务自动化系统，解决传统第二大脑工具需人工频繁维护的痛点。文章详细拆解了从工作流审查、设计标准化技能、搭建可视化文件夹的实操步骤。通过让AI采访并评估日常任务，用户可将视频创作、商务拓展等流程转化为Claude可复用的Skill，从而实现生活与工作的全面自动化。
