AI
Awesome Codex Skills:Codex 真要进工作流,靠的不是神提示词,是可安装技能
“让 AI 帮我做事”这句话,听起来已经不新鲜了。真正麻烦的是,每次都得重新解释:这个仓库怎么跑,邮件怎么发,Issue 怎么建,PDF 怎么处理,团队规矩是什么。 Awesome Codex Skills 的价值,不是收集了一堆酷炫提示词,而是把这些重复解释,整理成 Codex 可以安装、识别、触发的技能包。 Com
用 AI 做 MoSCoW:需求排序不是让模型拍板,是先把争论结构化
需求优先级最烦人的地方,不是没有方法论,而是每个人都能拿方法论替自己说话。 业务说用户等不了,技术说这块顺手,老板说先做能卖钱的,产品经理夹在中间,最后会议开了两小时,只得到一张谁都不太服的列表。 用 AI 做 MoSCoW 评分,真正有用的地方不在“让模型决定做什么”,而是把一团情绪和口头判断,先压成一张能讨论、能复
anything-analyzer 教程:给 Agent 一套网络观察台,而不是让它盲猜接口
很多 AI Agent 做网页任务时,最尴尬的不是不会写代码,而是看不见真实网络。浏览器里点一下,背后跑了哪些 API、带了什么 Cookie、哪里做了签名、哪个请求失败了,Agent 往往只能靠页面结果猜。 `anything-analyzer` 把这个问题往工程侧推了一步:内嵌浏览器抓包、MITM 代理、JS Ho
agency-agents-zh 教程:211 个专家角色,不是提示词合集,是 Agent 分工手册
AI 编程工具用久了,大家都会遇到一个问题:你明明只想让它修个登录 bug,它偏偏开始设计一套“可扩展身份系统”;你让它写一段营销文案,它先给你上价值,再给你编十个受众画像。不是模型不会干活,而是角色没定住。 `agency-agents-zh` 值得看的地方,不是“有 211 个 AI 专家角色”这个数字,而是它把角
Playwright Test Agents 上手:测试自动化从写脚本,变成审核计划
以前聊 Playwright,重点多半落在“怎么点按钮、怎么找元素、怎么稳定跑 CI”。到了 Agent 这一步,问题其实变了:不是让 AI 多会操作浏览器,而是让它别把测试写成一锅粥。 Playwright Test Agents 有意思的地方就在这儿。它没有把“写测试”塞给一个万能 Agent,而是拆成三个角色:P
Deep Researcher Agent 教程:让 AI 替你盯训练,但别把科学判断也外包
Deep Researcher Agent 火,不是因为它又包装了一个“AI 科研助手”的概念,而是它盯准了研究里最磨人的一层:实验运营。 改超参、跑训练、看日志、整理结果、再改。真正有价值的是 idea 和判断,但研究者大量时间耗在等待和机械复盘上。Deep Researcher Agent 想接过去的,正是这段重复
前端转 AI Agent 工程师,别只补 LLM:后端、RAG、权限和队列才是硬骨头
前端工程师转向 AI Agent 开发,还需要处理后端接口、鉴权、队列、数据库、RAG、日志和失败重试。文章按业务运行中的问题梳理这些工程能力。
Beads 教程:给 Coding Agent 一张任务记忆图,别再靠 Markdown TODO 硬撑
Beads 是面向 Coding Agent 的图结构任务跟踪工具,底层使用 Dolt。文章介绍任务记忆、依赖关系和可合并的记录如何帮助长任务保持状态。
RTK 上手:别让 Coding Agent 把 token 烧在 ls、cat 和重复命令上
RTK 的定位很直接:CLI proxy,减少 LLM 在常见开发命令上的 token 消耗。它不是让模型更会写代码,而是让 Agent 别把钱和上下文窗口浪费在 `ls`、`cat`、`grep`、重复日志和巨长输出上。README 里提到在常见开发命令上能减少 60% 到 90% 的 token 消耗,这个数字先别
Oh My OpenAgent 上手:给 OpenCode 系工具加一层可维护的 Agent Harness
Oh My OpenAgent 以前叫 Oh My OpenCode,最近重新站到 Agent Harness 这个位置上。它不是一个“让界面更好看”的小插件,而是围绕 OpenCode/多 Agent CLI 的一组工作流、规则、安装方式和运行习惯。现在这类项目越来越多,真正要比的不是谁的 prompt 更唬人,而是
FireRed-OpenStoryline 教程:安装、API 配置与 AI 视频剪辑
从源码安装或用 Docker 启动 FireRed-OpenStoryline,配置外部 API、运行 MCP 服务与 Web 界面,再通过对话调整视频、保存 Style Skills。文中说明素材版权和 AI 转场成本。
OpenAI Symphony 入门:别再盯着 Agent 干活,开始管理任务队列
OpenAI 开源 Symphony,最值得看的不是它用了 Elixir,也不是它现在能不能立刻替你管完整团队。更关键的,是它把问题换了一个层级:不要再盯着 coding agent 干活,要开始管理“工作本身”。 这句话听起来有点抽象,但落到团队里很现实。Agent 越多,人工盯每个会话越不现实。未来更合理的方式
别让 Codex 直接写页面:先把 UI 生产线拆成三段
很多人用 Codex 做页面,第一句话就是:帮我写一个后台、帮我写一个落地页、帮我做一个管理界面。 它确实能写,而且很快。但第一版经常有一种熟悉的味儿:功能都在,页面也能跑,就是像一张被组件库拼出来的表格。按钮、卡片、筛选框都有,可信息主次不清楚,用户进来不知道先看哪儿。 问题不一定在 Codex 的代码能力,而在你把
吴恩达说的不是 PM 消失,而是产品判断成了新瓶颈
吴恩达在 The Batch 中讨论 AI 编程带来的团队分工变化。实现成本下降后,产品判断、跨部门协同、发布节奏与风险把关可能成为新的瓶颈。