-
AI Agent 的 Skill 系统设计
本文系统阐述了 AI Agent Skill 系统的设计理念与工程实践，核心观点是将 Skill 视为“行为编程”而非文档，旨在通过结构化设计（YAML+Markdown、DOT 流程图、检查表）和严格的约束机制（门控、合理化防御、说服原则）来规范 AI 代理的行为。文章详细探讨了在有限上下文窗口下的 Token 经济策略，包括基于触发条件的发现机制、两阶段加载及声明式引用；提出了单向管道工作流编…- 2.1k
-
WorkBuddy教程：5分钟接入Agent Mail，让AI自动处理邮件
给AI用的邮箱来了~ 近日，QQ邮箱专为AI Agent设计的独立邮箱服务Agent Mail开启内测，WorkBuddy成为Agent Mail首批支持的智能体。该服务为AI智能体提供独立邮箱身份，与用户个人邮箱数据完全隔离。 简单说，就是给AI配一个独立于你个人邮箱的专属邮箱（基于QQ邮箱），你可以用自然语言对它说： “帮我找出上周老板发的所有邮件” “把这封邮件的内容总结一下”…- 1.3k
-
AI 创业一年复盘：第一次 Build 的成就感，是创业最大的幻觉
(Seede AI 至尊广告位) 去年 6 月，我从新加坡 NUS 工学院毕业，回国，开始了人生第一段全职 all in 的创业。 刚好一年。世界变化真大。趁端午假期，手敲一篇 2w 字长文记录下创业第一年的收获，试着把踩过的坑和想明白的事写下来。 之前在 Founder Park，总听创业前辈们念叨，创业后的学习曲线和信息密度极陡峭。现在看，确实如此。放在几年前不敢想象，一个做 marketin…- 943
-
别再手动复制 Skill了：多 Agent 时代的 Skill 管理方案
你的 Skill 散落在几个地方？ Cloud Native 当前 AI Coding 的发展正处在百花齐放的时代，没有永远的王者。模型越来越强，Cursor、Claude Code、Codex 轮番成为阶段性首选；再加上额度限制、响应延迟等现实问题，开发者早就习惯了“鸡蛋不放在一个篮子里”。 除了编程工具，各种通用 Agent 也在不断涌现，每出一个新的，总有人第一时间…- 1.3k
-
我用 WorkBuddy + Obsidian，搭了一个会自己生长的个人知识库
karpathy之前发布了一条帖子表示，最近绝大部分 Token 消耗从写代码转向利用 LLMs 构建个人知识库，这条推文引起了大量的关注，很快就高达1700多万阅读。 抛开karpathy自带流量因素之外，从另外一个角度也说明，在构建AI知识库这个场景还远没有被满足，有很多的人都受困于知识管理。 次日，karpathy就在Github上面公开了LLM wiki 的构想文件，详细的阐述了这套知识库…- 1.5k
-
Loop Engineering实践指南：在 Code Buddy中构建自主循环系统
作者：eliqiao 一、什么是 Loop Engineering Loop Engineering 是由谷歌工程师 Addy Osmani 提出的 AI 编程新范式。其核心理念是：围绕大模型构建自主循环运行系统，使 AI 从单次响应工具升级为长期自治代理。 在传统的 AI 辅助开发中，开发者与 AI 的交互模式是"一问一答"——你发一条指令，AI 回复一次，然后等待下一条指令…- 988
-
从埋点需求到规则资产：Hermes Agent 重构得物数仓工作流
目录 一、Hermes Agent 让流程可控 二、用单 Agent 串流程，用能力模块沉淀可复用能力 1.固化流程契约 2.可复用能力模块设计：从埋点链路迁移到更多数据研发场景 三、总体工作流：从一次对话变成一条可回放链路 四、能力底座：把规则、上下文和命令资产化 1.规则资产化：先决定什么值得记住 2.协作可见：让 AI 不在后台默默跑完 3.上下文与事…- 1.1k
-
AI 不缺智商缺纪律：我的 Harness 工程化实践
阿里妹导读 核心观点：AI Coding 的瓶颈正从"模型能力"转移到"流程工程"——模型已经足够聪明，但不稳定，而稳定性必须由外部框架供给。 读完你能带走：一套可抄的 harness 分层结构、一个把"流程当被测对象"的评测方法、4 条用代价换来的踩坑教训，以及一个能迁移到任何 AI 工作流的工程化模式。（文章内容基于作者个人技术实践与…- 1.4k
-
AI 原生怎么搭建？工具、流程、组织与评价权
上周六的时候，跟小伙伴进行了一场关于 AI 原生组织/团队搭建的高质量分享。 这次分享几乎将我三年关于 AI 项目的认知全部点了一次，我觉得非常有意义于是准备整理成课件，今天先去除敏感、重要的部分整理成文，让大家感受下什么是 AI 原生： 我认为要聊清楚这个话题，可能需要从我的三次 AI 原生组织搭建的经历做展开： 第一次：CEO 数字分身 两年半之前，我就在回答AI 应该如何与团队协作的课题。当…- 1.3k
-
一篇搞懂 AI Coding Agent 的 Token 成本控制
作者：devinyzeng 适用：CodeBuddy、Cursor、Codex、Gemini CLI 等这类 AI Coding Agent。 读完你会得到三样东西：一个正确的心智模型、一份今天就能做的行动清单、几套继续往下压成本的工程方法。 月初看账单，吓一跳。 也没问多少问题，Token 怎么烧成这样？ 后来认真拆了一轮，才发现一个反直觉的事实： 你问的那句话，在每次请求里可能连 1% 都不到…- 1.4k
-
AI 催生的四个岗位：AI 全栈、FDE、AI PM、Workflow
最近我被下面一个同学搞麻了...... 原因是大概一周前给他布置了个工作，临了的时候看到他给了我一个万字长文，似乎很认真啊！ 但不要高兴得太早，因为读起来的质量是又高又低：经常出现金句，但整体逻辑性太低，而且车轱辘话很多，拿去 AI 查重，果然啊： 好家伙，该不会是我给了他一周的时间，他一小时就用 AI 干出来想来交差了吧？ 于是，我拿着文章中的内容请教他，结果是各种磕磕巴巴，完全不成体系啊，看来…- 2k
-
运营自媒体太累？用 TRAE Work 立省 80% 工作量
本文作者：汤圆 TRAE 社区核心伙伴 一个人做自媒体，最大的痛点不是没灵感，而是时间总在杂活上漏掉。 我同时运营好几个账号，每个平台风格不同、更新频率也不同。选题、写稿、配图、排版、看数据——每件单拎出来都不难，可加在一起，一两个小时就没了。真正花在"写内容"上的时间，常常不到三分之一。 我的时间都去哪了？ 刷半小时找灵感，再纠结半小时选题 写到一半发现没配图，又跑去翻素材网…- 1k
-
知识库分层编排：从 RAG 到 Agent-native Knowledge Context Layer
阿里妹导读 文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。 一、知识库的根本困境 从一个知识库检索超级微服务高级skill开始的思考。 1.1 RAG 的天花板 RAG（Retrieval-Augmented Generation）是当前最流行的知识库方案：把文档切成 chunk → embedding → 用户 query 时向量检索 Top-K → 喂给 LLM 生成答…- 1.4k
-
用微信云开发，将你的小程序快速接入微信 AI 生态
使用微信云开发构建小程序 Skills，您无需编写 wx.request、无需自行搭建服务器、也无需维护登录态——通过 wx.cloud.callFunction 即可直连云函数，用户身份 OPENID 由云开发的免鉴权能力自动注入。 写在开头 目前很多开发者都在关注最新推出的小程序 Skills 如何开发，所以我们快速搭好了三个开箱即用的小程序 SKILL 模板。 todolist-skill（…- 2.2k
-
如何写好 Skill：一份终极实战经验手册
作者：jackjchou 这篇文章把我们写 Skill 踩过的坑、总结出的经验，再加上 Anthropic 官方的一些好做法，整理到了一起。希望能帮你少走弯路，把团队积累的知识真正"喂"给 AI，让它干活更靠谱。 本文示例以 Go 语言为主，兼顾 Python、Java 等语言，所有原则和技巧适用于任何编程语言。 阅读建议 文章比较长，不同背景的读者可以按需跳读： 你的情况 推…- 2.7k
-
只需 5 步，用 SOLO 实现数据采集到可视化全流程
本文作者： Damond，TRAE社区核心伙伴 小阳，TRAE 用户运营 这是一篇从零开始的自动化实战教程。我们用 SOLO（Work 模式）+ 飞书多维表格，搭建了一套“全自动作品采集系统”，支持论坛投稿自动抓取、AI 自动打标签、数据自动写入多维表格，最终形成一个可筛选、可排序、可统计的赛事作品集和数据大盘。小白也可以跟着复刻。 从一个痛点开始 「SOLO X 脉脉挑战赛」的参赛作品，都是通过…- 1.3k
-
AI 原生不是技术升级，而是组织重构：高大上的背后，全是脏乱差
当前很多企业都在追求 AI 原生团队，但他们其实并不了解 AI 原生团队的含义，所以会产生很多误解和试错成本，比如 AI Native 看上去是个高大上的词，但如果你真的理解他，会发现这个高大上背后全部都是脏乱差... 当然，你真的对于什么是 AI 原生，如何搭建 AI 原生组织比较清晰的话，可以尝试回答以下几个问题： 一、AI 时代，公司到底还需要多少人？ 就我今年企业 AI 咨询的反馈来说，这…- 1.2k
-
Harness 的尽头不是缰绳，是镜子：AI 时代最沉默的那场革命
作者：ethanytzhou 我们以为自己在给 AI 套缰绳。写 Spec、定 Rule、设 Eval、调 Prompt——每一次按下回车，都像是在多拧紧一圈对它的控制。但如果你在某个深夜回头看过自己写下的那份 project.md，你会发现一件让人后背发凉的事——那根缰绳的另一头，系着的不是 AI，是你自己。 你手里攥着的不是缰绳，是一面镜子。它正在你每一条 CI 规则、每一次 Code Rev…- 1.2k
-
Viking AI 搜索 CLI 正式发布：会说话，就能做搜索推荐
无论是搜索、推荐还是问答，把企业的数据资产变成可检索、可调用的智能服务，往往意味着一条漫长且高门槛的链路 —— 数据清洗、Embedding 选型、索引构建、策略配置、效果调优…… 每一个环节都离不开工程投入和算法经验。 Viking AI 搜索 CLI （下文统称 SearchCLI ）正式发布，代表着上述的这些复杂繁琐环节，现在都可以让 Agent 替你完成了。 通过 IaC （Infrast…- 1.5k
-
从个人提速到团队提效：小米 AI Coding 工程化实践
借助 AI，每个研发个体都变快了，但组织并没有变快。 我们也是在把 AI 工程化推到数百人规模后，才真正看清这个瓶颈所在。编码效率被大幅拉升，但需求转述的损耗、决策回流的延迟、上下文在终端间的散落，反而成了更明显的阻碍。 要解的不再是“个人怎么用 AI”，而是“组织怎么用 AI”。本文由小米零售研发团队分享我们的三层工程实践——统一工作流、知识沉淀、协作透明——以及一个核心判断：工具会换代，但知识…- 1.5k
-
研发效能进阶：UU 跑腿如何让 AI 深度融入研发全流程
大家好，我是 UU 跑腿的技术负责人袁沼，今天给大家分享 UU 跑腿如何让 AI 深度融入全流程研发。 一、UU 跑腿为什么让 AI 参与全流程开发？ 技术背景 作为即时配送领域的头部企业，我们每天处理着百万级的订单。我们的技术体系是典型的微服务架构，拥有超过800个核心应用，技术栈覆盖了从前端到后端，再到大数据的方方面面。在这样庞大而复杂的系统中，如何平衡研发效率和代码质量，是我们一直以来面临的…- 1.2k
-
Agent Harness 可观测性：生产级 AI 项目必须补上的一课
今年开始，Agent 的基础执行环境从能力上已经 OK，所以逐渐开始有很多产品真正的走向生产，这个时候如何让 Agent 长期稳定的运行，如何正确的执行长链路复杂任务就变得很重要了； 现阶段所有围绕 Agent 工程架构的技术被称为 Harness，关于什么是 Harness 我们之前已经做过概括介绍，而今天我们将话题缩小，重点关注课题：Agent 的执行可观测性。 该课题产生的原因来源于某产品负…- 1.3k
-
AI Infra入门干货总结：大模型是如何高效推理的
作者：binnnliu 看了很多的文章和视频，我以为我理解大模型的工作原理了，直到看了vLLM的代码，我发现很多地方理解的太过表面。因此花了大概2个月的业余时间，深入阅读了vLLM的源码，本文算是对于学习代码的一个总结。另外由于当前主流LLM都是 Decoder-Only 架构，本文会聚焦LLM，不会像网络上其他介绍Transformers的文章从原始论文的 Encoder-Decoder架构讲起…- 1.8k
-
新媒体人看过来：用 SOLO 快速设计公众号视觉模板
如果你长期做公众号内容，大概率遇到过这个问题：好不容易写完一篇稿子，结果排版又成了新的工作量。 模板工具翻来翻去都差不多，样式同质化； 自己手动调字体、间距、标题、头图，又十分费时，还很难形成稳定的品牌风格。 更现实的是——今天辛苦排好的版，下次写文章又得重新来一遍。 那么，你可以尝试让 TRAE SOLO 换一种方式解决问题： 不是做“一篇文章的排版”，而是直接做一套可以长期复用的公众号视觉组件…- 1.4k