作者分享了用WorkBuddy搭建AI培训知识库的完整实战经验。文章指出收藏夹和搜索无法让AI真正理解业务，核心问题在于保存不等于复用、搜索无法判断内容责任、一次性对话不会积累经验。作者从8份散乱材料复建了一个最小Wiki，设计了原始材料、来源卡、知识页、入口地图和交付物五个核心层，并通过设计一门两小时企业AI入门课来验证知识库的实际价值。文章还总结了AI建库初犯的错误（如未审核就标记live）、课程经验回写机制、定期Lint体检以及自动化来源雷达采集等持续运营方法，强调知识库的复利来自每次取舍都有理由。
本文基于凯迪克金奖、凯特·格林纳威奖、博洛尼亚最佳童书奖的获奖作品，构建了一套面向 Agent 的绘本创作控制体系。首先阐述图画书文图关系学（Iconotext），提出对称、互补、反讽三种文图动力关系及翻页悬念机制；随后总结四大黄金叙事模型——往返环形闭环、三阶累积递进、视错觉信息不对称、小小英雄跨越，并为每个模型提供标准化分页节拍表；最后通过《小河马拔牙记》《小熊不怕大怪物》两个实战案例验证模型应用，并说明如何写入 AGENT.md 供 Agent 调用。
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
作者分享在人工智能小镇开展 FDE（一线实施）的第三周实践战报。第一周通过升级硬件、使用 workbuddy 专家库，让员工自主完成平面设计、课程AI化和知识库建设（采用带索引的Grep而非RAG）；第二周引导员工从Workflow转向自建Agent，通过待办Agent与咨询师Agent打样，结合飞书聊天群与话题群实现管理与交付，并输出提示词由Coding Agent完成部署；第三周计划搭建内网工具分享平台，实现Agent打包上传、局域网共享。作者强调只负责培训指导与验收，倡导让员工自己动手用AI解决业务痛点。
文章介绍了用AI推进真实项目时面临的两大痛点：材料多且杂导致AI抓错文件，以及新开对话后进度全丢失。作者提出「项目分身」方法：一是将项目文件夹规范为四区（01原始材料只读、02过程草稿、03内容底稿、04交付成果）；二是在根目录建立两份核心文件——CODEBUDDY.md写长期规则、00_项目总览.md记录动态进度，实现规则与进度物理分离。文章还讲解了用户提示词与系统提示词的区别、AGENTS.md跨生态通用标准及全局与项目规则分层，附上开箱即用的初始化提示词，并以「换对话不换文件夹，AI 10秒无缝接手」作为硬验收标准。
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
文章指出许多企业AI项目验收后使用率低迷，核心原因是企业知识未能有效管理和利用。作者提出知识工程是大型企业AI落地的必修课：知识入库前需经过校验、清洗、预标注和抽取等准入环节；入库后需进行生命周期管理、版本控制和健康监测。文章还介绍了知识库与知识空间的双层组织方式、细粒度权限控制，以及通过用户反馈形成知识闭环的机制。最后强调项目成败关键在于组织与人的参与，决策者应建立从知识资产到业务结果的评价链。
文章指出 AI 产物散落在对话中导致上下文断裂的问题，并提供 WorkBuddy 资料库的保姆级教程。核心闭环为：资料库 → 添加到任务 → Agent 执行 → 成果回存。内容涵盖三格分区、MD/CSV/HTML 容器分工口诀（改内容改 MD、改数据改 CSV、改样子改 HTML）、发布前人审六项（敏感、修订、归属、发布、积分、容量）、防目录变坟场的三条使用规则，以及用 CSV+HTML 搭建发布日历轻应用的七步实操。
作者花叔将自己用agent编写的10本橙皮书（共148章、四十万字）上传到WorkBuddy资料库。文章介绍了选择该平台的原因：国内访问GitHub不便，且资料库面向agent设计，支持HTML/Markdown等AI原生格式，可整书挂入上下文问答，实现'知识复利'。作者还介绍了资料库的可视化编辑、一键分享、轻应用（HTML+CSV搭建可存数据的工作台）、移动端远程接管电脑等功能，认为其有成为'AI时代Office'的势头。
本文详细介绍了使用 WorkBuddy 搭建团队知识库的完整方法，旨在解决团队资料分散、AI 无法有效复用的问题。文章首先区分了团队空间与项目的不同定位，然后分五步进行搭建：选择真实业务创建空间、先搭目录再倒资料、将确认结果回存、按职责分配权限、将空间添加到任务。最后，文章提供了验收标准、边界说明和升级建议，强调通过最小样本跑通闭环，实现资料的有效管理和复用。
作者分享了为Agent做知识管理的痛点：Skill无法跨项目迁移，知识库虽大但Agent无法自主利用，导致作者需要人工替Agent维护记忆。作者介绍了Alloomi产品，其通过三层架构（记得住、学得会、实践）实现Agent的自进化，并开源了OpenContext工具。作者希望未来的Agent产品能具备自进化能力，帮助用户组织底层记忆。
本文针对AI行业层出不穷的新名词，系统整理了超过110个核心概念，旨在帮助读者建立对AI技术的整体认知。内容涵盖了一人公司(OPC)、Agent智能体、大模型架构、模型训练与压缩、MCP生态协议，以及AI创业相关的商业指标等，适合作为日常查阅和学习的工具指南。
本文是 WorkBuddy 的实战教程，通过读取两份虚构资料生成一份新人速览文档，指导新手如何完成第一个可验证的 AI 任务。文章强调了在使用 Agent 时设定“任务边界”（控制读取、写入和执行范围）的重要性。通过提供一张包含目标、输入、输出和验收标准的“任务卡”，确保 AI 只读该读的文件、只写指定位置且不编造事实。最终总结了将复杂工作拆解为最小可检查闭环的方法论。
