n8n不是副业神药，它是把脏活接起来的水管
文章分析了自动化工具 n8n 的本质与应用场景。作者指出 n8n 并非自动赚钱的工具，而是通过连接不同节点解决重复性“脏活”的流程助理。文章详细列举了内容生产、销售跟进、客服分流、报表自动化、知识管理及 AI Agent 底座六大落地场景，强调核心价值在于业务流程理解而非单纯的技术操作。
🏷️ AI Agent
50 篇如何设计 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。
如何让你的 AI 智能体能力提升 100 倍
文章探讨了如何通过建立完善的评估系统来防止 AI 智能体随着时间推移而性能下降。作者提出了利用文件夹结构和特定提示词记录规则、错误和边界情况的解决方案，将模糊的“感觉”转化为具体的测试用例，从而确保智能体持续高效工作。
鲍勃大叔：不看AI代码，只设约束
《Clean Code》作者鲍勃大叔表示，为利用AI生产力，他不阅读AI生成的代码，而是通过设置单元测试、QA流程、代码质量指标等严格约束来确保质量。他提出了由多个Agent组成的流水线实践，强调AI时代核心能力从读代码转向写测试和定指标。
从循环到图：如何运行真实的 AI 代理团队
文章阐述了如何利用图结构而非简单的循环来管理 AI 代理团队。核心在于“钻石模式”：任务并行分发、执行、独立验证与汇总。这种模式通过分散推理过程，提升了效率和准确性，并强调了人工检查节点的重要性。
打造爆款短视频的AI Agent实战
作者分享了如何构建一个能自动制作爆款视频的AI Agent。该代理通过分析数据寻找热门格式，利用Kimi、Seedance等工具自动完成脚本、剪辑和分发，并根据反馈自我优化。月成本仅111美元，收入达14700美元，实现了全自动化的内容生产闭环。
使用 Kimi K3 构建公司操作系统的指南
本文详细介绍如何仅利用 AI Agents 和 Kimi K3 模型构建完整的公司操作系统。文章阐述了公司 OS 的核心要素，包括词汇表、数据源、心跳机制及操作界面，并提供了具体的构建原理和 Prompt，旨在解决多 Agent 协同中的状态管理和权限控制问题。
如何在 X 平台获得 3600 万浏览量并获取数千用户
文章分享了 Okara 通过 X（Twitter）平台实现 3600 万浏览量并获取大量用户的实战经验。策略包括：精准选择渠道、发布产品发布、教育性推文、演示视频、产品公告及热点评论等五类内容。通过不断测试不同钩子和形式，他们成功实现了病毒式传播，并验证了 B2B SaaS 在 X 平台的增长潜力。
Hermes 入门指南：从零构建 AI 分析师
本文总结了作者 4 个月使用 Hermes AI 作为分析师的经验，精选了 12 篇文章。内容涵盖从环境搭建、工作流设计到工具配置的全过程，特别是数据分析和投资研究场景的实践，适合新手定制 AI Agent。
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。
From Loop Engineering to Graph Engineering?
文章探讨了AI Agent架构从单一循环向图结构网络的转变。单一循环在自我改进中存在古德哈特定律、目标盲视、循环冲突和测量衰减等局限。成熟的系统如机器学习运营和公司治理，实际上是由多个互相监督、制约的循环组成的网络，这种结构比单一循环更可靠。
品味与判断力：AI时代的开发者生存指南
文章探讨了AI Agent如何自动化初级开发者的重复性工作，导致入门级岗位减少并阻断传统成长路径。作者指出，未来的核心竞争力不再是解决已知问题，而是培养“品味”和判断力，并给出了包括阅读代码、记录错误、掌握基础等七条具体建议，以帮助开发者在AI时代建立不可替代的认知优势。
Building a Self-Improving, AI-Native Company
文章介绍了Deel如何构建自我改进的AI系统。通过Bug Hunter和Deel Code两个Agent，系统自动在真实客户环境中发现漏洞、编写修复代码并验证结果。人只负责最终审批，将工程师移至决策环节，实现软件闭环自我进化。
深入理解 AI Agent：设计原理与工程实践
李博杰新书《深入理解 AI Agent：设计原理与工程实践》开源，涵盖从0到1构建生产级AI Agent的原理与代码，包括RAG、工具调用、多Agent协作等实战内容。
PPT图解AI Agent的核心机制
本文通过10张图文详细解析AI Agent的核心机制，包括从回答问题到完成任务的转变、基础架构、核心循环、工具调用、记忆管理、规划控制、知识增强、多Agent协作及安全评估等关键概念，并提供制作涂鸦风PPT的提示词。
如何搭建一套 24/7 全天候寻找交易机会的 AI Agent
本文介绍了如何利用 Slate 工具搭建一套由 6 个 AI Agent 组成的量化研究集群，自动完成从阅读论文、特征工程、回测到因子归因的全流程，实现 24/7 全天候寻找 Alpha 交易机会，彻底改变传统量化研究模式。
Codex神级插件分类指南
本文深入解析Codex插件生态，将其分为上下文接入、沟通协作、工程研发、运行部署等8大类，并指导如何根据能力边界和实际工作流选择优先级最高的插件。
Vibe Marketing 中的循环工程术
文章探讨了将软件工程中的“循环”概念应用于商业营销的趋势。相比传统的构建代码，Ellie 提出将 SEO、广告投放和产品反馈等业务环节自动化。利用 AI Agent 执行“构建-验证-循环”流程，通过客观数据（如搜索排名）自我迭代优化，从而实现低成本、全天候的业务增长。
你是大模型的受益方，还是被吞掉方？AI应用的护城河与机会 ft. TiDB 唐刘
文章探讨了 AI Agent 时代数据库角色的演变。TiDB 唐刘指出，虽然 AI 压缩了中间层软件，但数据库作为 Agent 的“统一存储层”和“单一事实源”，其重要性不降反升。文章详细梳理了从存海量数据、租户隔离、Agent 自主管理到文件与 Workspace 托管的六大产品演化阶段，并讨论了 FDE 角色在 AI 时代的回归，以及判断 AI 产品护城河的核心逻辑：是模型进步的受益方，还是将被吞掉的一层。
如何构建你的第一个 AI 循环系统
随着 GPT-5.6 等模型的发布，AI 工作流的核心已从编写提示词转向设计自动化循环。文章解释了为何人类不应再做循环中的瓶颈，并详细介绍了如何使用 Slate 工具构建具备自主规划、执行和验证能力的 AI Agent 循环系统，包含具体的配置文件与命令实操。
GEO：为什么 AI 推荐你的同行而不推荐你？
文章探讨了生成式引擎优化（GEO）的逻辑，解释了AI如何通过听懂问题、寻找资料、筛选证据和组织答案四个步骤生成推荐。作者通过重庆酒类品牌的实测案例，指出品牌在不同场景下曝光率差异巨大的原因，并提供了针对公众号、小红书、抖音等平台的内容优化策略，建议品牌应针对“证据缺口”而非泛泛关键词进行内容布局。
设计师专用的 AI Agent Skills 库开源
MengTo 开源了一个名为 Skills 的项目，包含 75+ 个专为设计师和前端开发者准备的 Agent Skills。这些 Markdown 格式的操作手册可加载到 Codex、Claude、Cursor 等 AI 工具中，将优秀工作流和规范固化，使 AI Agent 能按最佳实践完成设计任务，输出更稳定专业。
1分钟认识13类常见Motion动效名称
文章指出在交互和视频制作中，单纯向 AI Agent 描述动画效果往往效率低下且容易产生误解。为了解决这个问题，文章推荐了一个简短的视频教程，该视频整理并演示了 13 类常见的 Motion 动效名称（如 Push Slide, Staggered Entrance, FLIP 等）。掌握这些标准术语，可以帮助用户更准确地向 AI、设计师或开发者表达需求，大幅提升沟通效率。
面向2030：中小企业首个数字员工的落地策略
文章指出中小企业引入数字员工的核心不在于工具选择，而在于业务流程的岗位化重塑。作者建议首个数字员工应避开高风险决策，优先在销售助理、客服答疑等“高频、重复、低风险”的环节切入，通过标准化流程实现信息沉淀与效率提升。
WorkBuddy实战教程：从办公到代码开发的终极指南
本篇是WorkBuddy实战教程的完结篇，旨在帮助用户掌握该工具的全场景应用。文章详细介绍了实战前的必要设置（如系统设置、记忆功能、个性化指令），并深入讲解了六大核心场景：日常办公（腾讯文档协作）、代码开发（网站构建）、设计创意（PPT与画布）、远程控制（微信小程序集成）、自动化任务以及数据分析。无论职场人士还是开发者，均可通过此教程提升工作流效率。
做 AI Agent 一年，90% 的时间都在做表面功夫
作者通过一年的 AI Agent 开发实践，发现 90% 的时间浪费在手动测试上。受芯片“验证不对称”理念启发，作者提出构建可验证的架构：通过前后端分离（ACI）使系统对 AI 友好，并引入“确定性断言”和“LLM 裁判”两级回归测试体系。最终实现了由 Coding Agent 自动运行的闭环开发，将开发者从繁琐的手工验证中解放出来，重塑了 AI 时代的开发效率。
未来 AI 的壁垒不只在模型，而在 Harness 层
文章基于 Lilian Weng 的新作，提出未来 AI 的竞争壁垒将不仅是模型本身，更是包裹模型的 Harness 层（运行系统）。文章深入探讨了 Harness Engineering 的关键要素：文件系统作为持久记忆、子代理并行架构、上下文工程（Context Engineering）从拼接转向认知接口设计，以及优化目标从指令提示词向系统级递归改进的演进。对于构建 Coding Agent 和复杂自动化系统的开发者来说，设计运行时和工作流的能力将比单纯的模型参数更为关键。
AI Berkshire 实测：把巴菲特的方法做成流程
文章评测了 GitHub 项目 AI Berkshire，该项目将巴菲特等投资大师的方法论转化为 AI 可执行的标准化研究流程（SOP）。项目通过多视角 Agent 模拟（巴菲特、芒格等）进行交叉验证，解决投资研究中的随机性问题。文章详细介绍了其分析框架、量化结合策略及如何建立可复制的决策系统，强调流程重于预测。
普通人和中小企业如何搭建AI知识库
文章针对通用大模型不懂企业内部业务的问题，提出搭建AI知识库的解决方案。作者分析了从直接投喂到RAG等五种实现方式的优劣，强调中小企业应优先采用“目录化知识库”，并结合教培、健康产品、家装等实际案例进行说明。最后提供了具体的目录结构建议、可直接复用的提示词以及工具选择标准，帮助读者快速落地应用。
WorkBuddy进阶教程：结合ima搭建个人AI知识库
本文介绍了一种适合国内新手的个人AI知识库搭建方案，即使用WorkBuddy结合ima知识库。文章详细讲解了从软件下载、连接授权、知识库创建配置到实际运行任务的全过程，并提供了整理学习资料和生成内容选题的具体Prompt示例。
2026 国产 AI Agent 大乱斗：6 个应用场景怎么选
2026年国产AI Agent竞争白热化，阿里、腾讯、字节等大厂及Dify、MiniMax等创业公司推出了众多Agent工具。文章指出选型不应只看模型参数，而应先明确应用场景，分为代码开发、办公文档、本地操作、搭建平台、企业知识库和通用任务六类。同时，选型还需结合用户现有的飞书、钉钉或微信等工作生态，以确保工具能无缝接入日常工作流。
从零开始玩转循环：AI Agent 的四种循环模式与最佳实践
本文深入探讨了 AI 智能体中的“循环”设计理念。文章将循环定义为重复执行工作周期直至满足停止条件的过程，并详细介绍了四种主要模式：回合制、目标导向、基于时间和主动式循环。文章还提供了控制 Token 消耗、维护代码质量及选择合适场景的实用建议，旨在帮助开发者利用 Claude Code 高效构建自动化工作流。
Loop Engineering 实战指南：美股投资者如何把 AI 从聊天工具变成投研助理
文章介绍了 Loop Engineering 的概念，旨在将 AI 从“一问一答”的聊天工具转变为能够持续执行并自我验证的“投研助理”。作者详细阐述了 Loop Engineering 的核心机制（目标、执行规则、验证标准、状态记忆），并结合美股投资场景，提供了一个具体的实战案例：每日美股市场研究 Loop。通过定义明确的 Prompt、引入独立的 Reviewer Skill 进行验证、以及利用 LOOP-STATE.md 保持记忆，投资者可以构建一个自动化且可靠的信息处理工作流，从而提升投研效率。
Claude Code 作者说他不再写 prompt 了
文章介绍了 Claude Code 作者提出的“循环工程”（Loop Engineering）概念，即通过设计自动化的反馈循环，让 AI Agent 自主完成从执行到校验的全过程。核心在于从“写提示词”转变为“设计终止条件和校验机制”，详细拆解了触发器、执行层、校验器、停止规则等六个关键组件，强调了明确终态和范围约束的重要性。
AI 循环：Claude、GPT 和 Mira，到底什么才是真正好用的
文章对比了传统单次提示词与“AI循环”工作流的差异，深入解析了循环机制（Discover、Plan、Execute、Verify、Iterate）的核心要素与成本陷阱。作者指出重型循环工程门槛较高，进而介绍了基于 Telegram 的轻量级工具 Mira，它能通过简单的“技能”设定，在无需代码的情况下实现自动化任务执行与多平台内容创作。
AI Agent 搞钱真相：扒了几十个案例后，我发现大部分人在割韭菜
作者深入调研了数十个 AI Agent 赚钱案例，将其归纳为 8 种模式，包括企业自动化交付、无脸内容工厂、电商自动化及微 SaaS 等。文章指出，许多案例存在夸大成分，且忽略了成本。作者分析认为，真正具备护城河的路径仅限于能沉淀资产的产品或能绑定真实客户关系的业务，其余多为仅依靠平台红利的短期机会。
我用 AI Agent 开设全自动短剧公司：Matrix 运营实录
作者分享了利用 Matrix 系统从零构建全自动 AI Agent 公司的经验。通过拆解为调研、生产、分析三个部门，实现了 YouTube 短剧频道的全链路自动化运营（脚本、生成、剪辑、发布），并取得了 70 万+ 曝光。作者将包含 5 个技能和 25 张记忆卡的完整系统打包开源，详细展示了如何将 AI 组织成生产系统。
AI Agent 联网搜索主流方案与选型指南
本文整理了 AI Agent 开发中联网搜索的主流方案。作者将方案分为国内直连（如 Bing、Metaso）、AI 原生（如 Perplexity、Exa）、高额度开发者友好（如 Brave、Tavily）及开源自托管（SearXNG）四类，并结合体验给出了针对快速落地、追求质量、低成本及数据合规等不同场景的选型建议。
AI Agents详解：从概念到零代码构建Telegram机器人
本文深入解析了AI Agent的定义，将其视为从基础聊天到完全自主工作的连续体。文章指出Agent的核心在于自主调用的工具、持久化的记忆以及持续运行的循环结构，而非仅仅是模型本身。作者提供了包括研究、写作、代码等五种现成的System Prompt模板，并介绍了如何使用Claude Code在无需编写代码的情况下，快速构建一个连接Telegram的个人AI代理。
Hermes Agent 橙皮书 2.0：自动进化的 AI 同事
本文介绍了由 Nous Research 开源的超快速迭代 AI Agent 框架——Hermes。与需要人工编写规则（如 soul.md）的 OpenClaw 不同，Hermes 的核心优势在于具备自我进化和记忆管理能力，能通过“小抄”和“管家”机制在使用过程中不断自我完善，无需用户反复调教。作者还提及了针对 Hermes v0.16.0 全新重写的《Hermes Agent 橙皮书 2.0》，涵盖了其多平台接入、桌面应用及安全模型等新特性。
如何用一个 Prompt 运行 300 个 AI 智能体：10 个常被忽视的工作流
文章探讨了从单一顺序处理转向并行 AI 智能体“蜂群”模式的重要性。通过对比 Kimi K2.6、Claude Opus 4.8 和 GPT-5.5，作者指出 K2.6 在低成本下实现了大规模智能体协调。文中列举了文献综述、简历自动生成、落地页批量制作等 10 个实际工作流，展示了单人在极低成本下完成团队级工作的可能，标志着 AI Agent 领域的效率新范式。
我连续跑了几个月 Hermes Agent，最后发现：99% 的人根本没用对 AI Agent
文章通过作者几个月的实际测试，深入探讨了 Hermes Agent 与 ChatGPT/Claude 的核心区别：Hermes 具备本地记忆、自我改进和经验沉淀能力，越用越懂你。文章详细介绍了安装步骤、模型选择策略（如 GPT-5.5 起步）、Telegram 消息配置及核心指令，并提出了将 AI 视为“长期员工”而非简单工具的 8 大应用场景与安全建议。
用 Claude 开发 3D 实时语音游戏的实战复盘
作者记录了利用 Claude AI 辅助，花费两周时间和 800 美金开发“大唐长安” 3D 实时语音互动游戏的全过程。文章详细拆解了从 Three.js 场景搭建、游戏化交互设计、NPC 系统构建，到核心的 Agora 实时语音接入与 Agent 调试的实战经验，为普通开发者和创作者提供了一套可复用的 AI 辅助开发 Web3D 游戏的教程。
构建四人 AI 智能体团队：在睡眠中交付功能的完整设置
本文介绍了一种由 Planner、Coder、Tester 和 Reviewer 组成的四阶段 AI 智能体流水线。通过自动化交接文件（如 spec.md 和 changes.md），这四个专门代理将模糊的需求转化为具体的代码、测试和审查报告。文章详细列出了每个代理的系统提示词和编排指令，实现了“一个命令，四个阶段，早晨完成功能”的高效工作流。
最值得关注的开源项目按影响力和信息差排序
作者按影响力与信息差将开源项目分级。S级包括Flask作者新作Pi、Claude Code重写版Claw Code、Nous Research的Hermes Agent及Agent编排工具Bernstein；A级涵盖开源AI项链Omi、降本Agent框架Mastra、终端工具Crush及Qwen Code。
如何利用 AI 自动化实现月入万美元的 B2B 获客
本文详细介绍了如何利用名为 AutoGTM 的 AI 智能体系统，将繁琐的 B2B 销售线索开发、个性化邮件撰写及跟进流程完全自动化。作者对比了传统手动外拨的效率低下，展示了通过输入网站 URL 即可在 60 秒内生成精准销售线索和个性化邮件的技术方案，并分析了该模式如何替代高昂的人工 SDR，显著提升获客效率与营收潜力。
AI 编程中的编排税：为何多 Agent 不一定带来高效率
文章探讨了在使用多个 AI Agent 进行编程开发时存在的隐形成本——“编排税”。作者指出，人类的认知带宽是单线程的，无法随着 Agent 数量的增加而并行扩展。虽然启动 Agent 很容易，但审查和整合它们产出的工作必须串行通过人类这一瓶颈。文章借用并发编程中的“全局解释器锁”和阿姆达尔定律，解释了无脑增加 Agent 只会导致工作积压和认知疲劳，而非真正的效率提升。作者建议像架构系统一样架构注意力，通过按审查速率扩展、批量处理和保护单线程时间来管理这一挑战。
一人公司、零員工、AI Agents： 2 個月談下超過 400 萬台幣開發合約
作者分享了创立一人 AI 公司的经验，仅靠自身与 AI Agents 协作，在两个月内谈下超过 400 万台币的医疗影像与链上开发合约。文章探讨了 AI 在执行层面的优势，以及在处理复杂商业需求时的局限，指出现阶段核心在于“人机协作”而非“零人类参与”。作者利用自研的 TermHive 平台优化自动化流程，并强调人际沟通在建立客户信任中的不可替代性。
Hermes Agent 完全指南：从零到自进化的 AI 员工
这是一份 Hermes Agent 的深度实操指南，涵盖了安装、模型选择、平台配置及最佳实践。文章对比了 Hermes 与 OpenClaw、Claude Code 的差异，强调了其本地化记忆、自我改进能力和多平台支持优势。核心内容涉及通过 Cron 和 /goal 命令实现全天候自主任务执行，助你打造一个能持续进化的 AI 员工。
Agent时代精力的重分配：Think与Make的新模型
本文探讨了AI Agent时代下个人时间分配模型的演变。作者提出，随着Agent接管基础执行工作，人类应将时间从传统的“70%执行+30%思考”向“50%执行+50%思考”迁移。文章重新定义了“Make”为编排式执行，“Think”为复合思维与系统设计，并提出了意图设计、工作流设计、质量判定及责任心等四项核心生存能力。