作者 Chris 介绍如何用 Claude Code 构建一套全自动销售系统，以销售网站服务给本地商户为例。系统通过多模型协作：Claude Opus 负责编排，Gemini Flash 分析商户网站质量并评分筛选，Kimi K3 构建模板化网站，GPT Image 生成明信片图片，Claude Haiku 处理后续邮件修改请求。流程包括：挖掘并筛选潜在商户、预建网站、通过联系表单或实体明信片触达、用 Whop 收款上线，并通过订阅制提供持续修改服务，最终由 Hermes Agent 定时调度运行整套系统。
文章探讨如何在不训练模型的前提下，让编码智能体在后续任务中持续变好。作者将编码智能体拆解为“冻结模型 + harness 程序”，并以 Pi 和 Hermes 为例说明通用 harness 的循环结构：组装提示、调用工具、追加结果、压缩上下文。核心观点是，真正带来“自进化”的并非内层循环本身，而是引入第二个写入者——在回合结束后或任务进行中，由额外代理将经验写入 MEMORY.md、SKILL.md 或四类存储，使下一个上下文窗口能加载这些持久化知识。Hermes 通过 fork 代理定期写记忆与技能，Prime Agent 则用 /refine 从轨迹中做最小可回滚编辑。两者都保留不可变基础提示，只改变下一窗口内容。
文章阐述了 Grok Bot 带来的人机协作范式转变：从编写提示词到定义岗位，从回答问题到交付可验收的结果，从人工在软件间搬运信息到 Bot 在云电脑上跨工具自主执行。作者对比了 Grok Bot、Codex、Claude Code 和 Hermes Agent 的职责分工：代码仓库工作优先编码 Agent，跨网站和业务应用的持续任务适合 Grok Bot，追求自主部署可选 Hermes。文章详细讲解了 Grok Bot 的安装注册流程、账户结构（共享云电脑、多个不同岗位的 Bot、Skill 与 Routine），并强调权限边界管理——Bot 分岗不等于安全隔离，高风险动作需人工审批。最后引导读者动手创建一个 AI 情报日报 Bot，学会管理数字员工。
文章讨论了 Agent 使用模式的演进，指出当前主流的 session 模式本质上是把 Agent 当工具使用，上下文容易膨胀导致效率下降和不可预期的行为。Hermes 的 Bot mode 通过多 profile 设计为 Agent 安排长期的身份和角色，实现身份、技能、记忆的完全隔离，多个 bot 可以在群聊中围绕同一项目协作，如开发 bot 与 review bot 相互配合纠错。相比一次性的 subagent，bot 具有稳定性和可扩展性，能融入固定工作流程。作者认为 bot 模式未来将成为多 Agent 协作的主流形态。
Cherry Studio 2.0.10 预发布版本带来大量更新：Agent 成为新用户默认主入口并优化子 Agent 流程；Mini App 正式支持沙箱化的本地应用扩展；Code Mate 新增 Hermes Dashboard 与 Antigravity CLI；修复多模型兼容性（MiniMax M3、GLM-5.3-Flash、DeepSeek V4、Kimi、Gemini、OpenAI Responses API 等）；增强诊断体系，支持自动错误扫描和带签名的诊断报告；安全性采用 Consent + Sandbox + Fail Closed 策略；并进行了系统性的 Lazy Load 前端性能优化。整体方向收敛于统一 Agent Runtime、模型兼容层与标准化 Support 基础设施。
作者基于帮助团队构建和维护超过1500个公司知识库的经验，总结了七条核心经验：1) 知识库应为AI Agent而非人类设计，让Agent自己重组信息结构；2) 通过MCP和API连接CRM、数据库等外部数据源与知识库本身同等重要；3) 让团队摆脱聊天界面，使用Claude Code、Codex、Cursor等能真正执行工作的工具；4) Notion等外部知识库因更新与工作脱节而失败，知识库必须内嵌于Agent工作流中；5) 除保存成果外，还要记录工作过程——提示词、被否决的方案和判断过程，这些是未来训练Agent的关键数据；6) 共享Slack Agent模式效果不佳；7) 知识库不应绑定单一界面，应实现一个大脑、多个接口。
文章通过三个真实案例，验证了“贵模型编排、便宜模型执行”这一省钱策略。作者发现，虽然便宜模型在文本判定等任务上能打平顶尖模型，但在高复杂度代码和开放式视觉任务上存在局限。关键在于控制模型能力代差和任务可验证性，否则返工成本将抵消节省的 token 费用。
文章介绍了6个2026年顶尖的AI视频处理插件与Skills，包括HyperFrames、FFmpeg Skill、OpenMontage、Remotion、Video-Use和Manim。作者指出，通过将这些工具安装至Claude Code或Hermes等Agent中，无需付费即可实现从文本生成视频、智能剪辑到数学动画制作的全流程自动化，大幅降低视频制作门槛。
本文指出 Skill 的本质是将个人工作经验固化为 Agent 的操作手册。文章分析了为什么直接套用他人 Skill 往往失效，并提出了三种将个人经验转化为 Skill 的实用方法：拆解并改造他人 Skill、复盘成功的 AI 协作过程、利用 skill-creator 搭建骨架。作者强调通过持续迭代，Skill 能让 AI 越用越像自己，从而实现工作流的自动化和个人知识的资产化。
作者 Peter Yang 认为传统的 AI 聊天模式（如 ChatGPT）正在被 Codex、Claude Code 等 Agent 工具取代。虽然普通用户不想学习复杂的技术设置，但未来的 AI 必须将执行能力与极致的易用性结合，演化为拥有深度上下文理解、能主动完成任务的“个人代理”，而不仅仅是聊天机器人。
文章探讨了 AI Agent 的记忆机制，解释了为何不同 Agent（如 Claude Code 和 Codex）之间无法直接通过复制文件来迁移记忆。作者指出，这是因为模型在后期训练时与特定的记忆层“融合”了。文章对比了 Hermes、Codex CLI 和 Claude Code 三种实现，并得出结论：最聪明的架构（如向量数据库、知识图谱）输给了最简单的方案（LLM + Markdown + Bash 工具）。核心在于 Agent 遵循的读写规范，而非数据结构本身。
本文介绍了 Matt Pocock 开源的一个包含 21 个技能的集合，该库旨在为 Claude Code 等编码代理提供一套经过实战检验的工程化工作流，而非简单的代码提示。文章详细解析了其核心的 5 个日常技能链（如 /grill-me, /to-prd, /tdd），阐述了通过编码“过程”而非“知识”、严格控制作用域及手动调用来优化 AI 行为的设计理念，并说明了如何通过 CLI 将这些技能集成到项目中，以实现从构思到架构迭代的完整开发闭环。
作者分享了其开源项目「huashu-design」，这是一个基于Claude的Agent设计技能。文章探讨了Agent-first与GUI-first设计理念的差异，详细介绍了huashu-design在品牌资产协议、自动生成PPT和iOS原型方面的功能，以及它与Claude Design的功能对比和使用限制。
