作者利用破局俱乐部官方CLI和自己服务器上运行的Hermes Agent，搭建了一个名为"AI路径诊断"的公益网站。用户通过答题卡形式的访谈（精简模式12题或深入模式24题），网站会检索破局社群中与用户情况相近的真实实战案例，生成包含推荐方向、12周学习计划、真实案例参考的个性化报告，支持生成分享卡片、长图和Excel导出。文章详细介绍了技术架构：为网站单独创建受限的Hermes profile、通过白名单调用破局CLI只读不写、接入飞书CLI读取完整复盘文档、以及两个核心Skill（访谈skill和报告skill）的设计规则，后端采用Python FastAPI，前端使用原生HTML/CSS/JS，数据库使用SQLite。
作者复盘2026 AI先锋未来人才大赛全国总决赛的12个FDE（前沿部署工程师）项目，涵盖化工调度、编程教育、低空安防、供应链、雅思诊断、AI短剧、乐园服务、3D打印、家电售后、汽车维修、内容营销和招投标等领域。文章逐一拆解各项目的实现方式与业务价值，并总结三点观察：多数场景不需要垂类模型，业务理解是AI应用的关键门槛，能演示与创造商业价值之间仍有距离。作者认为FDE代表AI时代正在形成的具体工作方式，非计算机背景者也能借AI解决真实行业问题。
文章介绍了豆包工作新上线的 AI 资产一键迁移功能，支持从 ChatGPT、Claude Code 导入对话、技能和记忆三类「默契资产」，将跨 Agent 迁移的损失降到最低。作者实测导入 240 项 Claude 和 682 项 ChatGPT 资产后，发现历史会话上下文可无缝衔接。文中解释了设计边界：只导入与工作绑定的工作记忆，不导入个人偏好；凭证暂不支持导入以防冲突。此外还介绍了对话分叉、消息注释、对话摘要侧栏等新功能，并分析了豆包打通飞书文档在分享协作形态上的优势。
本文是零基础 Grok Bot 全流程教学。作者介绍了 Grok Bot 与 Codex、Claude Code 等项目型 Agent 的区别：每个 Bot 像有独立身份、职责和 Skill 的个人助手。文章讲解了 Grok Bot 的核心特性——每个账号配备一台云电脑，Bot 之间可互相传话、拉群协作；并给出四类 Bot 搭建方向：固定任务型（定时任务）、专业领域型（安装 Skill）、工具型（接入 Codex、飞书等 CLI）、连接器型（打通推特、密码管理器、邮箱等）。文中还包含安全提醒和额度消耗技巧，是一份实用的 personal AI 入门指南。
作者分享了国庆期间折腾 Grok Bot 的进阶用法，搭建了两套 AI 组织体系：一套服务跨境电商的 12 岗位亚马逊团队，一套服务个人自媒体 IP。核心玩法包括：将本地电脑托管给云 Bot，把在 Claude、Codex 中打磨好的 Skill 迁移给 AI 员工；按功能拆分岗位并写清职责边界；用 1+N 统筹机器人模式降低 Token 消耗；让 Grok 调用 Codex、Cursor 等外部 Agent 实现模型分层；接入飞书 CLI 落成云文档，以及通过 GBrain 知识库打通手机资料收集与工作流。文中还强调了岗位权限边界与人工把关的重要性。
文章面向 FDE（前沿部署工程师），系统讲解传统企业进行 AI 改造的技术架构。作者梳理了 Model、Agent、Skill、MCP、CLI 五大概念的分层关系与职责，并以请假查询为例展示一次工具调用的完整链路。针对 OA、PLM、MES 等存量老系统，提出三级改造路径：API 封装（首选）、CLI 包装（次选）、RPA 兜底（过渡），并强调凭证透传、审计底账和人机协同确认等安全机制。最后结合整车制造请假系统与商用车 PLM 客户端两个案例说明落地方式，给出从资产盘点、协议标准化到审计闭环的实施步骤。
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill（grill、implement、ponytail、handoff 等）与简短 Prompt（第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合），指出随着模型能力增强，过重的 Workflow 反而成为噪声，应使用方法论式思维快捷键。同时分享了日常开发流程：grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查；重点讲解如何构建 Agent 友好的端到端测试环境（CLI、MCP、浏览器自动化），以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度，Harness 需随模型迭代做减法。
作者分享了上线付费 Skill 产品 Oil UI 的完整商业化技术方案。曝光方面通过 GitHub 开源版积累影响力并引导转化 Pro 版；通过 JSON 配置和 Markdown 替换表由脚本从 Pro 版自动生成开源版；基础设施采用 Cloudflare 域名、Vercel 网站、Resend 邮件和 Neon 数据库；登录使用邮箱验证码，收款通过 Stripe 支持买断制及海外与国内支付；交付环节自研运行在 Agent 中的 CLI，采用设备码授权，从 GitHub 私有仓库拉取 Pro 版；并通过 check_update 脚本实现非强制自动更新。整体成本极低，域名加邮件每月约 30 美元以内。
作者作为设计师，探索让 Agent 理解个人审美偏好的方法。通过让 Agent 读取 Eagle 素材库，将收藏整理成可复用的“偏好证据”并生成个人审美档案。测试对比 Codex、Hermes、WorkBuddy 的 PPT 视觉提案，发现参考图比抽象形容词更能传递审美，但 Agent 能否学习取决于其识别与迁移规律的能力。针对海量素材检索问题，作者本地部署 SigLIP2 建立视觉索引，充当“视觉图书管理员”帮助 Agent 找图，最终形成收集、索引、检索、分析、确认、存档、反馈的完整流程，并封装为个人 Skill。
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。
作者作为AI博主，分享了自己搭建「选题雷达」系统的完整流程。系统包含两个AI编辑：一个负责AI大新闻选题，通过AIHOT热点榜、精选流和Follow Builders追踪正在爆的事件；另一个负责实战心法选题，通过best-skills排行榜和GitHub Trending筛选值得亲测的工具。每条选题需经过48小时时效、目标用户相关度、一小时内可执行动作等多重过滤，并由Agent打分排序。作者强调AI只决定「值得看」，最终「值得写」的判断仍靠人的体感。整个系统跑在HermesAgent和GrokBot上，让作者把重复性工作交给AI，只保留判断、体验和表达。
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
