构建自动纠错 AI 循环系统
文章阐述了如何构建一个自动纠错的 AI 循环系统，通过构建者、评判者和管理者三个角色的分离，以及利用真实标准进行验证，使系统能够在向用户展示结果前自行发现并修正错误，从而将人类从繁琐的人工验证中解放出来。
🏷️ LLM应用
14 篇私有知识库第4篇：评估集 + 增量更新，让 RAG 能长期跑下去
文章探讨了 RAG（检索增强生成）系统长期运行的两大难题：评估与更新。作者提出建立包含50个问题的“评估集”，通过 Recall、Precision 和 LLM 辅助的答案准确率来量化系统效果，避免盲目调参。同时，针对文档更新导致的全量重建成本问题，介绍了基于内容 Hash 的增量更新策略，仅处理变动文档，大幅降低资源消耗与停机时间。
Hermes 跑通了，然后呢？7 天把它变成工作台
本文分享了作者在本地跑通 Hermes 后，如何通过 7 天的实战将其从单纯的聊天工具转化为高效的工作台。文章详细记录了从冷启动检查、编写记忆规则、封装 Skill、接入信息源、建立看板流程、配置多 Profile 到最终复盘沉淀的全过程。作者强调，工具的价值不在于安装成功，而在于能否接住真实工作、保留会话状态以及形成可复用的生产资产。
拒绝“为了AI而AI”：我是如何评估一个业务场景是否值得引入AI的？
文章针对当下企业盲目引入AI的现象，提出了“五维评估法”来辅助决策。这五个维度包括：问题复杂度（规则是否可解）、数据基础（数据是否优质可用）、业务影响（是否具备高ROI）、容错空间（业务能否承担AI错误）以及组织能力（团队是否能持续运营）。作者强调AI应解决业务痛点而非炫耀技术，并提供了具体的评估清单，旨在帮助企业避免资源浪费，实现AI的真正价值。
如何高效运行 1:1 面谈：释放团队潜能的系统指南
这篇文章介绍了一套系统化的方法，帮助管理者转型为高效的教练。核心在于转变 1:1 面谈的所有权，让员工主导议程，管理者负责倾听和提问。文章提供了一个包含 8 个问题的仪表盘（Dashboard）来追踪进度和状态，并利用 AI（LLM）辅助分析面谈前的数据和模式，从而实现高质量的辅导和问题解决。
用 Hermes 跑 Moss Trading Agent：一套完整的 AI 交易工作流
本文介绍了如何将 Hermes Agent 框架与 Moss 交易引擎结合，通过安装 Moss Trade Bot Factory Skill，实现从自然语言策略描述到自动化参数优化、回测及实盘部署的完整工作流。相比网页版，该组合利用 Hermes 的自主迭代、跨会话记忆和模型自由度，实现了更深度的策略搜索和更灵活的本地化控制。
利用 HyperFrames 将 HTML 转换为视频的技术实践
文章探讨了利用 LLM 生成 HTML 代码进而制作视频的难题与解决方案。作者介绍了 HyperFrames，这是一个通过最小化创作模型、控制 Headless Chrome 逐帧渲染来生成确定性 MP4 的系统。文章详细阐述了核心技术难点，包括使用 Seek 替代 Play 模式、利用 Chrome DevTools Protocol 的 beginFrame 控制渲染同步，以及解决事件循环阻塞和字体加载异步问题的具体工程技巧。
我如何在 OpenClaw 上打造了一个比我雇过的任何人都强的幕僚长
作者分享了利用 OpenClaw 构建全能 AI 幕僚长“Stella”的实战经验。系统核心在于独特的双层记忆架构（每日笔记+长期记忆）和持续进化的 Kaizen 循环。Stella 能够自动化处理会议准备、任务管理、关系上下文跟踪及信息过滤，通过将确定性逻辑交给脚本、仅让 LLM 负责判断，实现了超越人类助理的效率与可靠性。
基于 OpenClaw 打造超越人类能力的 AI 助理
作者利用 OpenClaw 构建了一个名为 Stella 的 AI 办公室主任，其能力超越了以往的人类助手。文章详细介绍了该系统的核心架构：基于 Markdown 的双层记忆机制（日志与长期记忆）确保上下文连贯；Kaizen 持续改进机制通过周报和社区学习自动优化系统；以及自动化的会议准备、跟进和任务管理流程。该系统利用 Granola 等工具实现了工作流的自动化，不仅提升了效率，更通过持续迭代实现了自我进化。
Codex 团队如何用 AI 重构产品开发流程
本文是 OpenAI Codex 产品负责人 Alexander Embiricos 和开发者体验负责人 Romain Huet 的访谈实录。文章详细介绍了 Codex 团队如何利用 AI Agent 重构产品开发模式：规格文档仅 10 个要点、不做中期规划、PM 职能转变为“填空人”。文章还探讨了在模型能力快速迭代的背景下，如何通过“海盗船”式的敏捷团队运作，以及通过 Codex App 将开发者工具推向大众的趋势。
为了让 AI 管家学会交易，我直接爬取了 42万字投资大佬的文章喂给它
作者为了训练自己的 AI 管家“贾维斯”掌握 Web3 投资技能，利用 XCrawl 爬虫工具批量抓取了投资大佬 Chris Dixon 的 42 万字博客文章，并将其转化为干净的 Markdown 数据喂给 AI。文章详细介绍了从数据采集、清洗到 AI 学习框架构建的全过程，展示了如何利用 AI Agent 吸收专家知识并进行投资策略分析。
我用 Claude 写了一个 DBA 运维 Agent：从零到生产的完整记录
本文记录了作者利用 Claude Code 从零搭建一个能自主诊断 MySQL 和 Linux 的 AI Agent 的全过程。文章深入浅出地讲解了基于 ReAct 模式的 Agent 核心原理，详细拆解了开发所需的“模型、工具、提示词”三要素及六步开发流程。作者分享了实际落地中遇到的坑（如 Socket 连接问题、tail 命令卡死等）及解决方案，并总结出“Agent 效果 = 模型能力 × 工具质量 × Prompt 清晰度”的公式。
我用 GLM-5 + OpenClaw 做了个全能 AI 女友
文章详细记录了作者利用智谱新发布的开源模型 GLM-5 结合 OpenClaw 框架，从零搭建并定制化一个全能型 AI 女友的全过程。该项目不仅实现了基础的多模态情感陪伴（如发送基于生成的自拍、TTS 语音、看懂图片、主动提醒），更核心的是利用 GLM-5 强大的 Agent 规划与工具调用能力，赋予了 AI 女友操作服务器、执行任务和协作工作的“身体”与实战能力。
当产品经理遇到 Claude Skills
故事讲述了在 2025 年的互联网寒冬中，资深产品经理林小棠面对 AI 提效带来的职场危机。她发现自己变成了“AI 人肉校验员”，工作效率和职业价值受到 Claude 等大模型的冲击。在同事陈洋的建议下，她尝试学习 Claude Skills 功能，试图将自己多年积累的产品方法论和经验“封装”成 AI 技能，从而在 AI 时代重新定位产品经理的核心竞争力——从“写文档的人”转变为“定义标准的人”。