为什么 BestBlogs 开始按 Agent Native 来设计开放能力
文章阐述了阅读产品 BestBlogs 重新设计开放能力的核心理念——Agent Native。作者认为未来的阅读不应局限于单一 App，而应融入用户的完整工作流，支持被智能体（Agent）调用与组合。为此，BestBlogs 开放了 OpenAPI、CLI 和 Skills 三层能力，致力于将阅读过程拆解为可复用的“原语”，从而让内容消费变得更加灵活、可解释且可编程。
相关文档
Agent Experience Engineering: the skill that'll make 1000's of millionaires in 2027
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
Vibe Marketing：如何成为营销工程师
本文翻译介绍了营销工程师（Marketing Engineer）这一新兴角色：利用智能体（Agent）、相互连接的数据和业务上下文，搭建能真正执行营销工作的系统。作者分享了将约70%营销工作放入智能体开发环境（ADE）的实践经验，包括如何组织营销智能体工作空间的目录结构、通过API连接X、Typefully等工具、搭建内部与外部知识层、以及构建营销数据层来汇集广告平台、网站分析、CRM等数据。文章强调人的专业知识与审核在系统中的核心地位，并建议从自己熟悉的一个任务出发逐步搭建工作流。
为 Agent 设计产品
本文探讨了软件交互模式的根本性转变，指出未来 80% 的交互将由 AI 智能体完成。文章以 Salesforce 和 Ramp 为例，阐述了如何通过 API、MCP 和 CLI 将产品能力暴露给智能体。作者提出了为智能体设计的三个关键原则：明确规范以教会智能体成功、建立反馈循环以优化产品、以及填补上下文缺口以实现智能体间的协作。
从零开始学 AI：小白也能看懂的常见 AI 名词讲解（三）
本文是 AI 名词扫盲系列第三期，面向小白讲解如何让 AI 工具变得更强，重点介绍与扩展 AI Agent 能力相关的常见名词。文章逐一解释了工具调用（Tool Calling）、API、MCP、CLI、连接器、插件、API 地址、API Key、模型 ID、Computer Use 等 10 个概念，并配以生活化的例子说明其作用与原理。作者还提醒读者注意保管 API Key、避免将密钥写入前端代码等安全事项，帮助读者理解 AI 如何连接外部工具完成实际任务。
DeepSeek Harness 实战教程：从安装到跑通可复用的内容工作流
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
Anthropic 上线新站点 Claude.dev
Anthropic 上线面向开发者新站点 Claude.dev，定位类似工程团队博客，发布工程深度文章、Claude Code 与 API 使用指南、团队成员经验分享。文章分为智能体、工程、实战手册、技能四类，内容多围绕 Claude 5 代模型实际用法，如用 Sonnet 5.5 开发、Opus 5.5 成本估算、上下文工程规则，以及 claude.ai 提速 3 倍等工程复盘。站点还收录视频案例，并藏有终端模式等彩蛋，支持键盘快捷键导航。原文档网站 code.claude.com/docs 仍然保留。
装了几个 Agent 之后，我发现它们根本不适合我的电脑
作者分享了自己搭建个人远程工作流的经验：通过 Telegram 连接本地 Eagle 资产库和电脑开发工具，实现手机发指令、家里电脑自动执行任务的闭环。作者认为通用 Agent 不适合有固定规矩的本地环境，转而采用任务分流架构：图片归档直接调用 Eagle API，轻量任务用轻量模型，复杂工程交给 CLI 无头模式执行。文章还解决了 Telegram 相册消息拆分、远程唤醒阻塞前台等实际问题，用标准输入传任务、保存会话 ID、文件夹记录状态等细节保证流程稳定，强调 Agent 应安静接入工作流，而非做万能的电子宠物。
GPT-6 + Rhino：把概念图变成能检查、能修改的产品模型
本文通过台式即热饮水机和镜面体测仪两个本地项目，讲解如何用 GPT-6 配合 Rhino 建模软件，把 AI 生成的概念图转化为可检查、可修改的三维产品外观模型。文章区分了外观效果图、三维外观模型和可生产工程设计三个层次，介绍了 MCP 和 Computer Use 两种操作通道的分工与验证方法，并给出环境配置、提示词编写、尺寸约束管理和规格冲突识别的实操建议。作者强调模型能打开、能渲染不代表工程验证已完成，AI 建模的关键能力在于把使用需求转化为可检查的几何关系，并主动发现要求之间的矛盾。
AI 时代，别在伪需求上 vibe coding
作者从「AI 时代要建立个人信源」这一正确却难落地的命题出发，分析了 RSS、关注 list、design skills 等方案为何都难成功：它们的正确解法都要求用户先升级身份成为「编辑」或「设计师」，而用户实际只愿付出一次点击、一次收藏的代价。文章提出伪需求的真正定义：痛点是真的，但用户愿付的行动预算是假的。结论是 AI 降低了开发成本却不改变需求真伪，正确做法是找到用户一次性、无需身份升级就能完成的动作，把它做到极致。
BestBlogs早报·09-06｜蚂蚁数科 Harness 验收，Uber 成本治理，UrbanGround 测长程
本期早报围绕 Agent 从生成能力走向稳定交付的实践路径展开三条精讲：一是蚂蚁数科的 Harness 工程实践，通过约束层、状态写入、目标对齐与对抗验证建立 AI Coding 验收闭环，存量项目缺陷率显著下降；二是 Uber 的智能体成本治理，在周请求量增长9.4倍的情况下，通过成本乘数拆解、模型路由、上下文治理和缓存策略保持总支出稳定；三是 UrbanGround 在真实三维香港沙盒中评测多模态模型的长程导航能力，揭示局部识别与完整任务完成间的巨大断层。速览部分涵盖自建数据中心、ML 训练数据加载、上下文清理、边缘推理、开源代码治理、AI 电话代理等主题。
How to Build an Agent-First Company
文章阐述了Agent-First（AI原生）公司的构建方法，区分了AI-enabled与AI-native两种模式：前者AI仅辅助人类，后者由智能体持久拥有工作流，人类只负责判断、策略与异常处理。作者通过Raft工作区围绕一个真实的macOS产品验证了该模型，介绍了常驻支持智能体和社区反馈闭环两个核心场景，强调持久角色、持久交接、明确边界、可见工作与人类审核关口五大要素，并给出包含规范频道、参谋长智能体、专家智能体等组件的五天搭建指南。
AI把努力变便宜以后，普通人靠什么翻身？
文章探讨AI普及后职场价值的重新分配：AI先将职业拆解为任务并压低可自动化部分的价格，使'第一版'产出贬值，而问题定义、高质量上下文、验证、责任判断和分发信任五种能力变得昂贵。作者指出AI首先挤压新人的练级区，建议普通人不要只学工具，而要建立完整工作流，把AI效率沉淀为流程、知识和市场三类个人资产，并给出90天升级路线，强调人机协作而非依赖，利用一人公司与智能体的低成本试错机会实现翻身。
