🏷️ 大模型应用

如何设计 AI Agent：思维模型与实体化

文章提出 AI Agent 应被视为“思维与身体”的结合。单纯依赖大模型能力的 Agent 难以体现价值，唯有通过构建包含身份、资产、感知和限制的“身体”结构，将无界的智能具象化，才能解决用户痛点，避免沦为单纯的套壳聊天机器人。

如何使用 Kimi K3 构建你的第一个 AI Agent 循环

本文介绍了如何利用 Kimi K3 模型的高性价比缓存机制构建 AI Agent 循环，包含原理图解、Claude Code 配置及原生 API 代码示例。文章详细阐述了目标设定、自动化检查、成本控制（低至 $0.39/轮）及常见避坑指南，帮助开发者实现自动化代码修复任务。

为什么除了编程，AI 在企业中寸步难行？

本文探讨了为何 AI 在企业中普遍落地困难，指出模型并非瓶颈。文章对比了 AI 在软件开发领域的巨大成功（得益于代码的封闭性、可验证性和结构化）与在销售、财务等领域的失败（流程混乱、系统割裂），揭示了企业落地 AI 的核心挑战在于业务逻辑的复杂性。

我用DeepSeek V4做出了史上最离谱的重生模拟器

文章讲述了作者使用DeepSeek V4模型及其EasyClaw平台，通过简单的口述指令，快速生成并部署了一个网页版“重生”文字小游戏。游戏中包含了霸总变狗、皇帝用钉钉管理朝堂、乞丐摆摊IPO等极具幽默感和荒诞感的剧情，展示了AI在逻辑推理和内容生成上的强大能力以及低门槛开发的便利性。

OpenClaw被反超，Mercury杀出！2026普通人到底养哪个AI Agent？

文章发布于2026年4月，分析了AI Agent赛道的新格局。面对OpenClaw（高耗能故障多）和Hermes（自我进化但难控），作者强烈推荐普通人首选Mercury。Mercury主打安全可控（行动前必问）、极致省流（本地检索）及24/7稳定运行，完美契合普通用户痛点。文章还提供了详细的Mercury安装教程、精选技能推荐及日常成本分析，建议将其作为主力Agent。

How I Rebuilt My AI Agent Team After Anthropic Cut Off OpenClaw

文章作者分享了在 Anthropic 切断 OpenClaw 对 Opus/Sonnet 的访问后，如何重构其 AI Agent 团队的实战经验。为了弥补模型性格差异和访问限制，作者通过引入 Paperclip 作为工作控制平面，结合 Codex、OpenAI GPT-5.4、本地模型（Ollama）及 Tailscale 等工具，构建了一个包含语义记忆搜索、安全路由及任务分配的完整技术栈。作者强调，只有将运行时、控制平面和执行模型紧密结合，才能构建出真正可用的数字团队。

The AI Native Human —— 为什么你其实只是个办了 AI 包月会员卡的山顶洞人？

文章通过“马车夫与汽车”的比喻，批判了当前仅将 AI 作为加速工具的“伪 AI Native”现象。作者指出，真正的 AI Native 不是在旧工作流中加个对话框，而是基于概率性、语义理解和涌现特性的底层认知重构。文章阐述了人机关系从“执行者”向“意图定义者”的“大倒置”，并提出了适应新时代所需的三次基因突变。同时，作者警示了“悬浮战略家”陷阱，强调判断力与品味必须扎根于具体的执行经验中，否则将无法驾驭 AI 产出。

从零基础到生产环境掌握人工智能代理——完整指南

这是一份关于构建生产级 AI 智能体的完整指南。文章详细阐述了智能体与聊天机器人的本质区别，涵盖了从工具设计、系统提示词、多智能体编排到生产环境部署、测试评估的全流程。重点介绍了如何利用 API 构建可靠的智能体循环，并指出了初学者常犯的错误及生产环境下的监控与成本控制策略。