产品体验层
Anthropic 在官方博客分享了 Claude Code 中 Skills 功能的实战经验。Skills 本质上是包含指令、脚本和资源的文件夹，能让 AI 代理更准确高效地完成任务。团队已在内部积累了数百个活跃使用的 Skills，并总结出最佳实践：如何判断值得创建哪些 Skills、如何结构化组织、以及何时分享给他人。这些经验直接影响我们在开发 AI Agent 工具时的工作流设计，尤其是如何通过标准化 Skill 文件夹来提升代理执行效率。
Claude 官方发布了一篇关于如何用 Claude 自动化业务分析的最佳实践博客，重点涵盖构建数据分析 agent 时的技能配置、数据基础与评估方法。同时，Claude Devs 也在 X 平台同步分享了该文章，强调其能解决数据科学与工程团队长期面临的“自助式业务分析”难题——传统上，通过宽表与非规范化表让非技术同事访问数据模型，容易导致视图重叠与维护混乱。这一官方实践总结，对希望低成本、高可靠地将 LLM 接入内部数据分析流程的团队具有直接参考价值，也暗示着 agent 化 BI 工具正从演示走向工程化落地。
相关链接：How do we automate business analytics with Claude? New blog post covering our be · How Anthropic enables self-service data analytics with Claude
Lovable 联合创始人兼 CEO Anton Osika 提出，AI 领域最被低估的护城河是“信任”，而赢得信任需要精湛的技艺、细致的关怀与专注。这意味着在内容判断和产品设计上，单纯追求功能或速度已不够，建立用户对 AI 工具持续可靠、值得托付的信任感，将成为决定产品长期竞争力的关键。
开发与集成层
Claude Code 发布 v2.1.162 版本，核心变化是 agent 集成与调试改进：新增 --json 模式下显示等待状态（如权限提示），方便排查阻塞原因；--tools 参数中 Grep/Glob 工具现在可正常生效；/effort 命令会确认默认级别是否持久化；点击斜杠命令改为填入提示而非直接执行，减少误操作；远程控制以底部悬浮显示会话链接，而非启动消息；修复了配置目录只读时启动卡死的问题。开发者使用 AI Agent 时可更清晰追踪任务停滞环节，提升自动化脚本与工具链集成的可靠性。
对你的价值：
- /effort 现在会明确提示你当前设定的级别是否会成为新会话的默认值，让你清楚知道自己的选择会持续多久，避免重复设定。
- 自动补全菜单中点击斜杠命令（如/goal）时，会将其填入提示框而非立即执行，按回车后才运行，防止误操作打断当前思路。
- 远程控制从启动时一闪而过的消息变为页面底部的固定按钮（带会话链接），让你随时知道远端是否在控制，减少丢失状态的焦虑。
- claude agents --json 现在输出中包含 waitingFor 字段，清晰显示当前等待的会话到底卡在什么环节（例如权限弹窗），省去手动排查的猜测。
- 当指定 --tools 显式列出 Grep/Glob 时，原生包现在会真正启用专用搜索工具，之前这些名称被静默忽略，现在它们生效了，搜索结果更精准。
- Windows 权限规则修复：此前反斜杠路径（~\、\\server\share）或大小写不同写法会导致规则不匹配，现在匹配生效；同时 Read deny 规则能正确隐藏文件，不再在 Glob/Grep 结果中泄露不该看到的内容。
模型与性能层
Claude Code 更新了 /fork 指令功能，现在它会在后台启动一个完整携带上下文（系统提示、工具、历史记录、模型及缓存）的 agent，运行结束后将结果返回当前会话；原 /fork 行为已更名为 /branch，仍会复制对话内容至新会话供手动操作。这一改动意味着 AI 工具的多会话并行开发工作流可以更高效地利用后台 agent 自动处理子任务，无需手动切换多个窗口或丢失上下文。
Claude Code 迎来 skills 和 subagents 以来最大升级——Workflows 功能。现在 Claude Code 可动态编写自己的任务框架（harness），无需开发者手动预设。原本适合编程场景，但官方强调，研究、安全分析、代码审查、多 agent 协作等非技术任务也能受益。这意味着 AI 工具的自动化边界被拓宽，用户无需深层技术配置即可为不同任务定制执行逻辑，直接提升了 AI 在复杂判断与多步骤流程中的可用性。
Claude 发布 Claude Cowork 入门指南，强调该工具适合非技术人员完成多步骤工作流。与旧版聊天窗口不同，Cowork 能将 30 分钟任务缩短至 30 秒，作者日常 90% 工作已迁移至此。指南包含任务分类判断、实际操作案例，可帮助评估是否将 Cowork 集成到日常内容生产或开发流程中。
产品体验层
Codex 周活用户已突破500万，但更关键的变化在于使用场景：从单纯写代码扩展到研究、分析、内容与运营等知识工作领域。这表明AI编程工具正演变为通用生产力平台，意味着相关Agent工具的开发定位应更侧重跨域任务支持，而非局限于代码生成；同时也为评估AI在知识工作中的应用效果提供了新的数据参考。
开发与集成层
Codex 的 TUI 界面新增 F13-F24 功能键绑定、搜索菜单支持粘贴、以及紧凑的推理状态显示，这些改动直接提升了日常 CLI 操作效率。对于 AI 工具用户来说，这意味着可以更快速地切换和操控 AI 交互流程，减少切换上下文的时间成本，尤其是在多步骤推理任务中，状态可视化能让判断模型当前进展更直观。如果团队日常依赖命令行调用 AI 能力，值得将这类键位扩展和粘贴功能纳入自己的工具配置里。
对你的价值：
- 新增 F13-F24 键绑定支持：你可以在 TUI 中使用更多功能键，减少记忆复杂快捷键组合的心智负担。
- 可搜索菜单支持粘贴操作：现在在搜索菜单中直接粘贴内容，避免了反复手动输入的重复劳动。
- 精简模式的状态/标题栏：当仅需查看推理过程时，使用紧凑的 reasoning-only 显示，减少屏幕干扰，提升专注度。
- 以上改进均基于稳定性修复：降低了 TUI 在极端键位操作或长文本粘贴场景下的崩溃风险，确保交互过程不中断。
模型与性能层
OpenAI 宣布为生命科学专用模型 GPT-Rosalind 新增能力，该模型将 GPT-5.5 的代理编码与工具使用功能整合至药物发现、分析、设计及实验流程中，显著提升了智能水平。此举标志着 AI 正从通用助手向深度垂直的专业工具演进，意味着在科学研发场景下，AI 产品需针对特定领域优化 agent 化能力，而使用者应关注基于专业模型的定制化判断逻辑。
Anthropic 源码中曝出六款未公开产品，包括永不下线的后台代理Conway、可主动连接Gmail/Slack的Orbit，以及专为CRISPR筛选和单细胞RNA分析设计的科学家工具Operon。这些产品已有完整界面和代码，只是尚未激活。这意味着AI产品正从对话框走向持续运行、主动介入的代理形态：Conway能独立运行扩展和插件，并通过Webhook被外部服务唤醒。用户未来可能需要关注这类托管代理对现有工作流的替代效应，以及它们在代码开发、生命科学等垂直场景中的实际落地方式。
Claude Code 2.1.162 版本发布，距上一版仅 29 小时，聚焦 10 项体验优化与 14 个 Bug 修复，未带新功能。主要改进包括：修复启动卡死、emoji 截断崩溃、终端宽度受限、MCP 超时误杀等日常问题；斜杠命令自动补全改为填入后需按 Enter 执行，避免误触发；新增 JSON 格式的 agent 等待字段。此次更新提示词 token 消耗增加 8.1%，工具调用占比升至 89.1%。对 AI 工具使用者而言，这意味着 Anthropic 正集中清理 CLI 工具的基础体验债，日常使用稳定性与交互细节将明显改善，尤其是终端显示和权限确认环节的卡顿与误操作有望减少。
Anthropic 推出的 Claude Code 动态 Workflow 功能，允许 Claude 实时编写编排脚本，并启动多个子 Agent 并行处理复杂任务，实测可将原先仅 30-40 分的项目提升至 90 分以上。这意味着 AI 工具从单线程执行进化为多 Agent 协同框架，用户只需在 prompt 中使用“workflow”一词即可触发。对 AI 产品而言，应关注编排能力对任务拆解与结果验证的价值，以及将软件从“目的地”转变为“原材料”的趋势。
a16z 合伙人 Yoko 指出，视觉 AI 的下一个前沿不是生成更好的像素，而是生成可编辑的代码（如 SVG、CSS 动画、React 组件）。这意味着，当前热门的 AI 生图工具（如 Midjourney）正走向同质化，而能直接输出网页布局、UI 组件或 3D 场景脚本的“代码原生 AI”拥有更大的商业空间和差异化机会。对企业而言，可集成的设计代码比单纯的图片更有付费价值，这一方向值得 AI 工具开发者和内容创作者优先关注。
Claude Code 团队工程总监 Fiona Fung 分享了 AI 原生团队的工作原则，核心发现是：AI 已让写代码不再昂贵，但瓶颈转移到了验证、评审和安全环节。团队强调“每遇问题先问能否自动化”，并重构了围绕新瓶颈的流程。这意味着 AI 工具的使用和内容判断需聚焦于自动化重复任务、加速验证闭环，而非优化代码生成——旧流程中的文档、规划等环节价值降低，AI 产品应重点解决新瓶颈的高效协作问题。
GitHub 上开源项目 OpenSquilla 推出新功能 Meta Skill，可将多个子 Skill 拼接为一个端到端的完整工作流，自动判断当前任务阶段并调用对应 Skill 完成输出，同时内置智能模型路由，对比同类 Agent 节省 60-80% Token 成本。对 AI 产品用户而言，这意味着无需逐个手动调用 Skill，长程复杂自动化任务的门槛大幅降低；对内容判断而言，这类封装好的“元技能”可能成为未来 AI 工具处理碎片化流程的标准方式，尤其适合跨行业、多步骤的场景。
视觉语言模型（VLM）正在让AI真正“看懂”世界：它不仅能识别图像内容，还能理解场景中的细节与上下文——例如地铁里读书的人、塑料袋里的蔬菜、周围人的状态。这对AI产品意味着，模型已从纯文本扩展至多模态输入，Claude Code可读图审查代码，AI医生能分析医学影像，自动驾驶系统能实时理解路况。未来，AI Agent将基于VLM实现更复杂的视觉推理与操作能力，用户与AI的交互方式也将因此彻底改变。
向阳乔木分享了字节背景创业者梦琪在「42章经」播客中的完整复盘。她创业近一年，经历多次转型，曾觉得做软件“脑子进水”，如今反而不焦虑了。核心内容拆解了AI软件创业的标准剧本：字节出身、包装Agent故事、融资后再不断转型。她直言，去年融到钱的软件创始人该感谢Manus炒热了Agent，但多数To B公司商业模式与十年前SaaS无异。关键在于，AI Coding虽爆发式增强（OpenAI八成的代码已由Agent生成），却未带来产品爆发，因为“诈骗公司特别多”，体验极差。这条收藏值得保留，因为它撕开了AI创业光鲜外衣下的真实弯路与行业泡沫。
爱丽丝呀！整理了8位优质X博主和6个YouTube频道，全是美股核心干货——覆盖宏观、AI供应链、半导体、科技赛道拆解、历史数据与实战风控。每位博主互补且无营销情绪：如前RISC-V科学家拆解AI硬件隐形瓶颈、前美联储交易员解码流动性、纽交所老兵量化风控，还有YouTube“小Lin说”等通俗讲宏观。这份名单帮你绕开垃圾信息，直击高价值一手源头，是长期跟踪、提升判断力的宝藏指南。
K三 凯把 Serenity 和 Crux 两位美股狂魔的投研方法蒸馏成了一个自动投研 Agent。核心不是教你选股，而是搭建一条“AI 搬砖、人拍板”的投研流水线：先拆解一台机器的完整供应链，再从第二三层找到真正的技术卡点（如 InP 衬底、激光器），而不是盯着 GPU 这种热门。Crux 的“六层栈仓位法”和 Serenity 的“单点故障押注”都值得保留，因为它们把研究上限硬抬了上去，让 AI 帮你把零碎信号拼成系统图，而不是甩股票代码。
Thariq 分享了 Claude Code 动态工作流的核心价值：它不再是固定工具，而是能根据任务实时自我定制的“马具”。无论是研究、安全分析、代码审查还是多智能体协作，这套机制让 Claude 在原有编码能力之外，原生支撑起更多复杂场景。值得保留是因为它揭示了如何让 AI 真正适配任务而非强迫任务适配工具，并且支持分享复用。
Echo ./ 这条收藏精选了五款让 Claude Code 具备全网抓取与自动化操作能力的开源工具：Agent-reach 打通社媒 API 实现数据直达，Scrapling 专攻批量抓取与反爬绕过，Browser-use 让 AI 模拟人类操作登录后页面，Claude in Chrome 扩展可实时盯控复杂认证操作，Web-access 则整合全场景联网策略。这套工具链覆盖了从公开数据到登录后操作、从单次抓取到持续监控的大部分需求，解决了 AI 在真实网页环境中“看不到、拿不到、进不去”的痛点，适合需要高效采集结构化数据或实现浏览器自动化的场景。
逸尘用 Codex Computer Use 实现了自动化开发、办公与生活操作——从自动开发并测试翻译插件、跨平台发布文章插件，到完成服务器备案、法律检索报告生成、文件上传至网盘、甚至上架表情包和剪辑视频。这些场景展现了大模型在真实工作流中的深度整合潜力，核心价值在于证明：AI 能直接操作电脑完成多步骤复杂任务，让用户只需在关键决策点（如购买域名）动手即可。
lifcc 分享了 Codex 重度用户使用原生 threads / sub-threads 并行开发的痛点：不知道怎么拆任务、规划 lanes 和文件所有权，怕 agent 互相冲突，也不会设置独立 review 和 merge gate，结果空有能力却只能单线程干活。这条内容值得保留，因为它直击了并行开发中从“不敢用”到“高效用”的核心卡点，帮你在已有工具能力的前提下，真正跑通多人协作的流程。
老王霸 AI Lab 写了一份 GitHub 奶爸级教程，从零讲透注册、双重认证、搜索、建仓库、issue、本地 Git 部署、fork、star、pull、push 等核心操作。文章先厘清了开源的本质——代码公开不等于放弃所有权，许可证决定了他人使用边界；再区分了 Git（本地版本控制工具）与 GitHub（云端托管协作平台）的不同。值得保留的原因是，GitHub 拥有超 1.8 亿开发者、6 亿仓库，AI 编程能力普及后几乎人人需要，教程能让 AI 编程爱好者快速上手并善用开源资源。
0x_Miko 详细拆解了 Polymarket 上 BTC 5分钟 Up/Down 市场的结构性低效机会——那些交易 bot 能持续盈利，靠的不是情绪或新闻，而是用 transition matrix 这类数学模型捕捉价格状态的持续性概率，从而找到市场定价偏差。这套系统通过开源框架 Hermes（NousResearch 开发，获 Paradigm 支持）结合 Atomic、Claude Opus 和 Polymarket CLOB v2，搭建了一个能自动复盘、调整参数并具备自学习能力的交易代理。值得保留的原因是，它提供了从100美元小资金起步、可复现的自动化策略逻辑，而非空泛的 AI 概念或跟单建议。
Xudong Han 整理了一份个人 Agent 搭建的完整合集，核心是把 EvoPaw 从“能跑起来的毛坯房”迭代成每天在用的工作系统，接走了日常七八成重复劳动。这份合集值得保留，因为它不讲抽象框架，只从零拆解一步步把 Agent“养出来”的过程，强调自己搭建才能让系统真正适配你的工作流、偏好和方法。
Oldeng 这篇分享了他用同一套打法，把爆款短贴的流量从“一次性”变成“放大10倍”的真实经历。他第一次错过窗口，59万浏览的爆款只吃了第一口；第二次在爆款短贴《韩国人皮质醇爆炸》下立即自回复高价值长文，自回复跑了近12万浏览，长文本身也破了10万。核心价值在于他点破了低粉账号爆款后的关键动作：爆款不是终点，而是“流量泵”，必须在24小时内用自回复把流量引导到长文承接住，才能把“雪崩”变成持续的沉淀。这对苦于“爆款后没涨粉”的创作者特别值得保留。
0x_Miko 分享了一个关键认知：使用 Claude 的核心不是“怎么提问”，而是搭建一个能自我 prompt 的自动运行系统。他拆解了 Anthropic 工程师的实际用法——包括 CLAUDE.md、自动化工作流、以及不碰键盘也能运行的 daily task pipelines。真正拉开差距的，是你有没有把 Claude 放进一个持续运行的系统里，而不是永远困在聊天窗口。此外，他还用 Hermes、Atomic、Claude Opus 和 Polymarket CLOB v2 搭建了一个能自学习的 BTC 交易代理，专门捕捉 BTC 五分钟涨跌市场中长期存在的结构性低效——这类 bot 已在 Polymarket 上创造了超6000万美元利润。值得保留，因为它给出了可复用的自动化策略，而不是空谈概念。
WeZZard 分享了他如何比 Anthropic 早四个月在 Opus 4.5 上做出 Dynamic Workflow 的等效插件 charge，通过 subagent 驱动自动编排工作流。他后来放弃了这个项目，因为动态生成并复用 subagent 流程实际上是个伪需求。但他至今仍以 subagent 为核心进行日常开发，并总结了经验教训，现已转向更高效的 amplify 方案。这一经验对理解 agent 系统的 context 隔离与能力跃升极具价值。
娜美知识库推荐的开源项目 next-ai-draw-io，已获 30k Stars 并登顶 GitHub 热榜。核心亮点是：用一句话自动生成复杂架构图、流程图或思维导图，结果可继续编辑并直接导出，甚至能上传手绘草图让 AI 转成正式图表。这条内容值得保留，因为对于常写方案、做汇报或画系统设计的人，它能大幅节省时间。
老三&猫告诉你，@aleabitoreddit（白毛股神）今年靠一套“咽喉理论”在AI风口做到4500%收益。他的核心玩法是拆解AI供应链——从英伟达H100超算出发，一层层扒到最底层材料，如磷化铟晶圆或pBN坩埚，而非简单跟风大模型股票。他还做深度财务建模、客户订单预测和产能瓶颈分析，并凭借一篇对$AXTI（微盘股）的研报一战翻6倍，但因太专业被WSB论坛封禁。这篇收藏值得保留，因为它揭示了对抗市场无序的“物理学派”逻辑——用极度冷酷的尽调，选99%散户不做的基本功，在小盘高退市率的美股中精准抓翻倍机会。
Kyrie分享了一条从零快速搭建个人 agent 的最小路径。核心内容是用不到40行代码、花一个下午，就做出了能自动生成客户简报、整理会议纪要和周报、监控美股消息的小工具。值得保留是因为它打破了“造 agent 必须先学框架和长篇理论”的错觉，展示了一个非技术背景的人，如何绕过概念焦虑直接动手解决问题，且每个功能都能每周省下几小时。
《构架师教程：前传》是AI最严厉的父亲写给AI时代的一份思维教程，核心不谈工具或缩写，只追问：当机器替你写代码，你脑子里剩什么才值钱。作者从少年时用金山游侠改游戏内存的经历切入——表面改血、改钱很浅，但摸到技能、改变角色“能做什么”，才触及本质。这条收藏值得保留，因为它用亲身故事点透工程思维的真谛：不要沉迷界面假象，要直接触摸底层逻辑。
黄小木
/cost 命令，可实时查看当前会话的 token 消耗、预估总花费及高耗操作（通常是读取大文件）。配合三个省钱技巧：用 offset 和 limit 限定文件读取范围、通过 /compact 压缩历史对话、将重复指令固化到 CLAUDE.md 中，每月 token 账单可降低 30%-40%。这意味着在使用 AI 工具进行开发时，精细化控制输入范围与对话上下文，能显著降低 API 成本。Roland.W
歸藏
黄小木
Roland.W
dontbesilent
歸藏
萨提亚·纳德拉认为AI平台的真正前沿是让每家公司都能用自己的私有评估和智能飞轮：利用大模型生成轨迹，蒸馏到小模型持续迭代，结合代理与工具链捕获价值，并重塑SaaS与定价模式。
AI原生服务公司将颠覆万亿级传统行业，其核心不是卖软件而是直接交付成果，用AI运营杠杆实现接近软件的利润率。
Anthropic复盘数据Agent实现95%准确率的关键不在于SQL能力，而在于大模型能否准确理解业务口径和验证数据上下文，因为数据分析不像代码能自动暴露错误，错误答案看起来往往和正确答案一样可信。
Shopify 内部分享了一个关键教训：企业成功落地第一个 AI Agent 后，真正的挑战不是造更多 bot，而是构建一个能支撑成百上千个 Agent 共享会话、沙箱、权限和观测的底层平台。
今日暂无内容。
今日暂无内容。