文章以 GPT-6 Astra 引发的话题切入，介绍数字时代写作者 Maggie Appleton 及其 Digital Garden（数字花园）实践。作者认为 AI 正在降低动画、游戏、3D 世界等媒介的表达门槛，写作的容器正从 page 走向 world，写作者应先问想法适合长成什么，再选择媒介。文章还总结了 Write in Public、Learning in Public 的价值，对比了收藏式知识管理与花园式照料，指出 AI 时代文字背后鲜活的人越来越重要，并倡导人们搭建属于自己的数字花园，让思想公开生长、彼此连接。
文章介绍了一套用 Agent 将散乱资料整理成可分享干货的七步流程：搭建项目工作台、通过问答生成任务开工单、盘点资料并建立材料索引与缺口记录、制作每个观点都有出处的提纲、生成讲稿/摘要/配图清单、让 AI 扮演审核员逐句核对事实与隐私、最后整理交付包并沉淀可复用模板。作者强调 AI 负责组织信息，人负责提供资料和做决定，通过严格的提示词约束控制幻觉，把硬盘里的零散经验变成真正的个人资产，可用于工作汇报、内容创作和项目复盘等场景。
作者分享了如何借助 AI 进行写作：坚持“用 AI 辅助写作”而非“让 AI 代写”，文字必须出自本人。他用 LLM 加速研究，通过自建的 researcher skill 结合 Exa、Hacker News、内部仓库和 Slack 等工具寻找真实、可引用的案例，并要求来源和引语以抑制幻觉。在草稿阶段，AI 充当文档内搜索和研究伙伴，帮助补充例子、验证事实、发现盲点。他强调写作者应多实验 AI 用法，而非因 AI 垃圾内容而全盘否定。
文章指出直接使用 ChatGPT 等 AI 生成内容往往缺乏事实依据且容易产生幻觉，作者提出了一种「先建库，再写作」的方法。通过提前花两天时间收集并结构化整理 43 篇高质量文献作为私有知识库（人工版 RAG），确保写作时每个论点都有可靠的数据和来源支撑。文章对比了临时搜索与提前备料的差异，并展示了该方法在 7 天内产出多篇高质量技术博客并获得显著收益的实战案例。
作者基于3年公众号矩阵运营经验（最高月收益100W+），系统讲解公众号从0到1的起号全流程。内容涵盖：选赛道与读者定位、账号包装、起号方式（直发、垂直养号、AB转类型）、保持账号环境和更新时间稳定、开通流量主变现（100粉丝可申请）、优化完读率和停留时间提升广告收入、刷对标账号积累选题、利用AI拆解爆款框架辅助写作并去AI味，以及原创、润色和排版技巧。强调内容扎实是流量变现的根本。
文章分析了AI回答冗长、套话、口头禅等'AI腔'的成因：模型在预训练、指令微调、偏好优化和评测四道工序中被奖励方向塑造——偏好长回答、格式化、附和与自信。作者区分日常对话和写作两类场景给出解法：日常对话可通过提示词约束格式与长度、借用航空业ASD-STE100简化技术英语规范让表达清晰，并写入系统提示或CLAUDE.md长期生效；写作则需提供真实材料、明确说话位置、避免假细节，并按七遍法分步改稿，优先改掉换模型也能写出的段落，最终让AI文字读出具体的人。
文章探讨个人 AI 助手普及后团队协作面临的新问题：每人拥有 AI 不等于团队更聪明，因为各自 AI 上下文分散。作者引入 Team OS（团队操作系统）概念，将其抽象为 Context、Instructions、Skills、Connections、Governance 五类能力，并以 DoorDash 等团队实践为例，说明如何用共享 Repo、PR 审核机制建设团队助理。文章强调团队知识不再必须经由 PM 中转，AI 能力正在从个人资产转变为团队资产，建议从真实场景小范围起步，让团队助理从实际工作中生长出来。
文章介绍如何在OpenAI发布Dots常驻Agent和GPT-6 Astra（百万token记忆）后，搭建一个24/7自主运行的AI工作流。核心难题是常驻Agent会高频产生大量简单决策，用前沿模型成本高昂。解决方案是TypeSafe推出的System One模型Jev：它只能输出结构化决策（是/否、选择、评分）并附带置信度，单价仅$0.042/百万token，使百万次决策成本约$42。文章展示了将Jev作为低层决策器、Astra作为高阶思考引擎的组合架构，让独立开发者从写代码转变为定义任务、设限并审核产出的监督者角色。
文章介绍如何用 Grok Bot 在云端构建一个持续运行的“第二大脑”，解决每次与 AI 对话都从零开始的痛点。作者借鉴 Andrej Karpathy 的知识库理念，通过 7 步课程指导读者：用已发送邮件生成个人档案与写作风格文件、用 /workspace 文件夹而非聊天记忆存储慢事实、设置云端 routine 自动归档 Gmail 新材料、每天早晨生成一页摘要、将笔记转化为成品、通过规则固化纠正，最后提供一键粘贴的完整搭建方案。强调文件优于聊天记忆、云端机器人可 24 小时工作，引用 Kevin Rose 的实例佐证。
本文是一篇完整教程，讲解如何为 Obsidian 笔记库编写 CLAUDE.md 文件，让 Claude Code 在管理个人知识库时表现稳定可控。作者指出用户直接让 Claude 整理笔记常导致文件被重命名、日志被改写等问题，根源在于 Claude 不了解用户的组织方式。教程逐模块介绍了 CLAUDE.md 的 7 个必备部分：个人身份与库的用途、文件夹结构说明、笔记写作规范、安全规则（禁止删除、批量操作需确认、重命名时更新链接）、回答偏好及当前工作重点，并提供了完整模板，适用于写作者、创业者、学生和研究者。
作者用四组同提示词测试（鹈鹕骑单车、iPhone Duo 产品片、Roadster 腾空镜头、自制小机器人短片），对比 Kimi K3.1 Pro 与 GPT-6 Astra 在 3D 建模与动画方面的能力。Kimi K3.1 Pro 在 Artificial Analysis 榜单得分 55，全球第四、中国第一。结果显示两模型均能通过编写 Blender/Three.js 脚本生成可反复修改的 3D 场景，但细节和修改轮次各有短板。作者还用 Kimi 打造了一个 3D 视频预演台，可切换机位、焦段和灯光并导出分镜。文章最后吐槽 5 小时使用额度限制，认为这类工具适合做分镜草稿与预演，而非直接成片。
本文实测对比了 Kimi K3.1 Pro 与 GPT-6 Astra 在多个 3D 任务上的表现，包括古建筑建模、机械结构、透明材质和游戏开发等。结果显示，Kimi 在精细模型构建上更优，而 GPT 在大型场景稳定性上更好。成本方面，Kimi 比 GPT 便宜约 80%，性价比突出。文章还提供了使用 Kimi 进行 3D 建模的入门指南。
作者整理近半年来安装的800多个Skill，筛选出每天实际使用的5-8个。文章先介绍Skill的三个安装入口（技能页搜索、SkillHub、自然语言指令）及安装注意事项，再推荐3个基础Skill：skill-scanner（安全扫描）、humanizer-zh（去AI味）、self-improving-agent（记忆偏好，非必装）。随后按七类工作场景推荐约18个Skill，包括文案写作（writing-dna、chinese-novelist-skill）、PPT与数据可视化（guizang-ppt-skill、dashi ppt、smart-charts）、社交媒体内容、视频剪辑等，并附使用提示词、生成效果对比及踩坑经验，帮助读者按需选装、提高效率。
