作者苍何介绍了其开发的 Obsidian 插件 WeSight 的重磅升级：新增 WeSight 发布助手，支持一键将文章同步到小红书、知乎、CSDN、掘金、微博、X 等多平台；支持将长文快速转为图文并按平台风格生成文案与配图；提供公众号预览、AI 生成标题摘要、数据复盘；通过 GitHub 实现知识库多设备同步；并支持 Claude Code、Codex、OpenCode 多引擎切换且保留上下文，可接入 DeepSeek、Kimi 等自定义模型。工具将创作者从重复搬运劳动中解放出来，专注内容创作本身。
作者为解决群消息爬楼、客户聊天复盘、内容存入知识库等痛点，开源了 WeChatBridge（微信流）工具。该工具可将选中的微信聊天记录转发到 Codex、Claude Code、豆包等 AI Agent，也可存入 Obsidian 或剪贴板。支持为不同聊天群配置不同处理场景和提示词，配合 Skill 读取文章、PDF 等生成摘要，并保留操作记录便于二次转发。工具不主动读取微信、本机处理数据，由用户自主选择转发目标。项目基于 Dukou 开源项目二次开发。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
文章批判性分析了当前 coding agent（如 Claude Code、Codex、OpenCode）的种种缺陷：任务管理糟糕、不会并行处理和委派、对自身功能一无所知、计划表达混乱、轻易停下等待用户、缺乏真正的沙箱安全边界。作者区分了模型（大脑）与 agent（身体），指出模型进步很快但 agent 层才是瓶颈，并列举了理想 agent 应具备的能力：任务拆分与模型委派、人类易读的计划、OS 级沙箱、ETA 估算、自省改进等。最后猜想这是委托—代理问题——AI 高管与一线开发者脱节，只关注 demo 和基准测试而非开发者体验。
作者认为 TRAE 是国内 AI Coding 领域第一，TraeWork 和 TraeCode 合并后成为最接近 Codex 的 Agent Harness。文章通过多个实际案例展示 TRAE 能力：用电脑控制和浏览器控制插件自动调研 Producthunt 产品；10 分钟开发 Obsidian UI 学习插件并上架；20 分钟将插件移植到 DeepSeek Harness；通过绑定微信、飞书随时随地远程修 Bug、合并代码；办公学习方面有模板库和飞书文档集成。作者认为 TRAE 三端打通、双模式设计（SOLO 和 IDE），让 AI Agent 覆盖更广人群，即使界面像 Codex 也无妨。
本文对比了 Pi Durable 与 OpenCode 两种编程 Harness 架构。传统 Harness（如 Claude Code、Codex、OpenCode）采用会话式架构：运行中的 Agent Loop 驱动模型调用与工具执行。Pi Durable 则将模型生成、工具调用、压缩及应用工作全部建模为持久化任务，由调度器基于存储状态决定执行，实现崩溃恢复与进程解耦。文章从五个维度展开：Agent Loop 序列化到存储、工作可调度、应用状态与对话的原子绑定、压缩移出关键路径、以任务图形式实现委托协作，展示了持久化任务架构带来的全新 Harness 能力。
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
Paseo 是一个开源的本地 AI 编程 Agent 运行与多端编排监控平台，采用 Daemon-Client 架构，通过守护进程接管本机 30+ 种编程 Agent CLI（如 Claude Code、Codex、OpenCode 等）的子进程管理与协议适配，并提供桌面、Web、移动端等多客户端及端到端加密中继，实现跨设备远程监控与操作。其优势包括打破单一 Agent 绑定的统一工作台、口袋开发机式的移动端掌控、代码数据完全本地化隐私保护、基于 Git Worktrees 的多任务隔离，以及 MCP 服务、定时任务等编排自动化能力。同时提供 Docker 风格 CLI 与 TypeScript SDK 两种接入方式。
作者分享了不用背电脑、仅用手机远程控制Claude Code、Codex等Agent的工作流。通过UU远程低延迟连接，解决了SSH不稳定、切换慢的问题。新功能包括手机端终端与TUI完整支持、多终端并行会话、跨端接管、小窗口挂机看进度、文件传输和CLI脚本化管理多台设备，配合Herdr插件可视化管理Agent状态。作者认为电脑应是工具而非负重，远程桌面、终端、CLI各司其职，极大延伸了AI使用的场景。
本文是 Nick Spisak 的 13 节课教程指南，讲解如何为企业搭建'第二大脑'（second brain）知识库，并结合 AI Agent 使用。作者以自己的公司 Capstone Brands 为例，完整展示了从选择业务问题、创建 GitHub 组织与仓库、用 GitHub Desktop 克隆本地副本、在 Codex 中使用知识库模板发起构建请求，到按销售、营销、情报、财务、运营五大业务职能组织知识的全过程。最终目标是让 Slack 中的 Agent 能阅读公司知识库、回答真实业务问题并引用来源文件。教程还涵盖版本历史管理、访问权限控制、标准操作流程转化为 Agent Skill 等实践要点。
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。
吴恩达撰文阐述AI工程师的核心技能之一——使用编码智能体。文章总结了与顶级AI工程师访谈得出的工作流程：规划（头脑风暴、撰写规格）、执行（构建、测试、验证）以及部署与监控（CI/CD门控、日志监控）。作者指出，有效使用编码智能体需要五大关键技能：掌控工作流程、赋予智能体自主性、审查工作成果、定制智能体及其环境，以及理解编码智能体的底层原理。文章强调，随着Claude Code、Codex、OpenCode等工具快速演进，这项技能也需要通过持续的实验、构建和学习来不断更新。
作者基于十天高强度使用经验，分析 Omarchy 作为面向 Agent 的原生桌面 OS 的架构设计。文章指出 Omarchy 通过统一 CLI（436 条命令）、可替换的多 harness Agent、随 OS 版本发布的 Skills、三层状态分层，以及 Hyprland、Quickshell、mise 的协同，构建了一个适合人类监督、随时委托和快速接管的 Agent 工作台。UX 层面通过快捷键、平铺布局、workspace 隔离和普通终端运行降低调用摩擦并提供可接管性。作者认为 Omarchy 已是成熟的 agent-ready desktop OS，但距离 agent-safe OS 还差统一 capability policy、操作审计和事务式回滚。
