Stop using AI. Start having AI systems running.
文章作者分享了从单纯使用 AI 到让 AI 系统持续运行的转变。他通过编码代理管理目标、习惯和日志，利用 Plaud NotePin 记录日常想法，并使用 OBS 录像提高专注度。这种系统化方式不仅保留了工作状态，还显著提升了生活与工作的效率。
🏷️ 自我优化
3 篇利用 Auto-research 提升 Agent Harness 技能
本文介绍了 AI Agent 自我优化的新趋势：通过优化 Harness 层（即 Skills）而非模型本身来提升性能。作者详细介绍了名为 evo 的开源优化工具，它利用并行探索、树搜索和门控机制，自动对 Skills 进行实验和迭代。文章展示了在 SealQA 基准测试中，evo 将准确率从 5/20 提升至 11/20 的实战案例，强调了“模型能力 x 优秀的 Harness x 紧密的验证循环”这一杠杆公式的重要性。
Claude Code Skill 长期自我进化系统
文章介绍了一套专为 Claude Code 设计的 Skill 长期自我进化系统。该系统旨在通过持续的迭代和优化，实现 Skill 的自我成长。核心设计理念包括：采用成对比较替代绝对评分、使用真实日志构建评估集、通过失败模式检测进行优化、利用竞技场机制进行优胜劣汰的变异筛选，以及为审美类 Skill 设定风格锚点。作者强调 Skill 是长期资产，该系统致力于通过日常使用和原则性调整，使其随时间推移变得更可靠。