作者总结了半年高强度使用 AI 和 Agent 的实践经验：通过沉淀确定性知识库、将高频任务封装为 Skill、用 Plugin 弥补能力不足、多 Agent 分工协作以及构建外部记忆层来搭建可靠的 Harness 工作环境。同时强调 AI 是工具而非决策者，切勿把思考让渡给 AI；AI 并没有创造新需求，重塑的是服务边界；瓶颈在于人的认知与判断力。作者认为 Agent 已能交付生产级成果，真正的护城河是个人的业务理解与持续学习，建议以明确目标驱动闭环，先动手试用再说。
作者分享了使用 EverOS Cloud 为 AI Agent 构建记忆层的实测体验。他通过自动生成 X 引用帖配图的工作流，总结了生图提示词敏感词、图片压缩、后台任务管理等踩坑经验。EverOS Cloud 能将 Agent 的任务过程存为 Case，自动提炼出可复用的 Skill（如「生成合规图像并添加水印」SOP），支持中英文混合检索（不到100毫秒）、业务资料接入、API 轻量集成、可视化管理记忆，并提供云端与开源自托管两种部署方式。作者认为，Agent 没有记忆就像每天重新带的实习生，能把经验攒下来才能成为靠谱的老员工，对一人公司尤其有价值。
本文基于牛客网 8 月 18 日至 10 月 18 日的一手面经，统计了 180 位作者、343 场面试、近 80 家公司的 Agent 岗高频面试题。统计显示，问得最多的是 RAG 链路和 AI Coding 工具使用（各占三成多），其次是多 Agent 拆分、Agent 评测、上下文压缩、Skill/MCP/Function Calling 边界、记忆设计、Harness 与 Agent Loop、LangGraph/LangChain 等。文章逐题列出问法、公司分布和轮次分布，并指出 Skill、MCP、Agent 评测和 Harness 在 9、10 月明显增多，手撕题仍以 LeetCode 为主。
作者分享用 Codex 结合 ChatCut 浏览器/桌面剪辑器自动剪口播视频的工作流：将原本在剪映需要一两天的剪辑工作压缩到一小时内。文章介绍了通过托管 MCP 插件让 Codex 或 Claude Code 直接操作剪辑时间线的安装方式，给出了四条核心指令（只读分析、按语义删减、插入内容并自查、最后刷字幕）和五道验收方法（重读项目状态、核对总时长、逐轨道检查、实际试听、复查字幕），并以片尾卡未跟随移动导致时长短两秒的实例说明：AI 报告'完成'不等于真正完成，验收环节必须由人掌握，这一原则适用于所有 Agent 交付的工作。
作者发现微信新增了"转发到其他应用"功能，可一键将群聊记录转给腾讯WorkBuddy，基于此更新了工作流并开源两个Skill：一是wechat-group-digest，将群聊整理成日报长图，包含今日要点、"可以动手的事"（从群聊中挖掘工具需求和选题信号）、活跃榜等模块，实测93条消息12分钟出图；二是选题库Skill，将对标公众号文章拆解为五层信息（基础信息、选题、标题公式、结构、提示词及空白角度），通过飞书连接器存入多维表格，还支持选题簇去重提醒。作者强调此方式为官方认可路径，相比自动抓取微信更安全，并提供了详细配置说明和开源地址。
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。
作者分享了使用 AI 工具 WorkBuddy 制作企业汇报 PPT 的经验。文章首先分析了为什么不用 HTML 做演示文稿：固定模板留白过多、修改不便、企业协作接受度低，可编辑的 PPT 更适合汇报、演讲和文件交接。随后作者以上海线下分享为例，讲述了完整制作流程：先让 AI 整理大纲（对比 ChatGPT 和 WorkBuddy 的输出），再交给 WorkBuddy 生成，并回答配图、风格等设计问题。文章给出了详细的操作步骤和可直接复用的提示词，涵盖大纲整理、设计确认、按页修改、导出检查等环节。WorkBuddy 除生成可编辑 PPT 外，还附带 DESIGN.md 设计规范、逐页文稿和演讲稿。
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。
作者以制作一本莫干山网页电子相册的真实过程为例，通俗讲解 AI 领域常见术语的区别与实际含义。文章将 Agent 比作能动手的小助理，依次拆解提示词、上下文、工作区、工具调用、Skill、MCP、插件、Computer Use 等概念，并强调权限、沙箱、审批等安全机制的重要性，说明“干多大的活，给多大的权限”。最后介绍日志、SHA-256 校验、验收测试、HITL 人在回路等结果检查方法，以及定时任务、状态与记忆，帮助零编程读者看懂 AI 工具的工作方式，并附中英术语对照表。
作者结合实际使用经验，总结了 Codex 6 的 16 个实用技巧，帮助用户把任务交代清楚、获得可直接使用的结果。内容涵盖：先更新版本、确认工作目录、明确目标材料限制与完成标准、使用 Plan 规划、发截图圈出修改区域、运行中及时补充指令、用 Goal 写清终点、关键决定写入文件、通过 AGENTS.md 沉淀重复要求、按需选用 Skill、确认工具权限、分清并行任务范围、验收时查看 Diff 改动范围，以及从手动跑通开始逐步自动化。核心思想是把模糊需求转化为可执行、可验收的指令，减少返工与 Token 浪费。
文章以 Atlassian 与 Vercel 的实践案例为切入点，探讨 AI Agent 在产品设计任务中的上下文工程问题。对比实验显示，单一 design.md 文件在原型生成等轻量场景中表现出色，但在真实工程环境中会导致 token 消耗激增、耗时更长且不稳定。文章提出以代码库访问权限为分岔点的两条路径：仓库外的轻量三层支撑体系与仓库内的完整工程 Harness。随后系统阐述了设计上下文的五层架构——意图层、真源层、披露层、约束层和反馈层，并详细说明搭建流程：建立评估基线、编写最小意图文件、沉淀结构化真源等，强调机械可判定规则应交由工具链执行，语言模型只处理模糊判断。
DAIR.AI 盘点本周 AI 领域重要论文：微软 Agent Lightning 通过端点代理将任意 Agent harness 接入 RL 训练；Skill 触发瓶颈论文提出三层协议缓解提示词槽位稀缺；Harness 级遗忘现象被命名并给出测量协议；对十个真实 Agent 应用的剖析发现非 LLM 组件主导一半应用的延迟；Skill 机制研究表明程序性锚定远胜知识注入且库规模过大导致精度崩塌。核心主题是 harness 应成为训练与优化栈中的一等公民。
本文以 guizang-PPT-Skill 为例，讲解 WorkBuddy 中 Skill 的概念与使用方法。Skill 是给 Agent 的标准作业说明，保存一套做事方法但不替换模型。文章演示了从技能页搜索、安装 Skill 的流程，介绍了直接描述任务、显式选择、斜杠调用三种方式，并强调用低风险任务验证 Skill 的读取范围和产物格式。还涵盖上传外部 Skill、让 Agent 安装 GitHub Skill、以及创建自定义 Skill 的方法，建议将验证过的 Skill 接入明确工作环节。
