一个人做五条线:我的专职 Bot 工作流设计
我一个人要同时推进网站维护、求职、知识库、英语学习和日常事务。这一篇写我为什么把 AI 助手拆成四个专职 Bot,以及这套分工方式怎样从个人多线任务,推演到一个门店的内容生产组织。
49 items across 3 collections
我一个人要同时推进网站维护、求职、知识库、英语学习和日常事务。这一篇写我为什么把 AI 助手拆成四个专职 Bot,以及这套分工方式怎样从个人多线任务,推演到一个门店的内容生产组织。
把 Vercel Labs 这个 17k star 的项目从 0 到 1 读了一遍:它用一棵扁平元素树加 RFC 6902 流式 patch,把「AI 生成界面」这件不可控的事变成可校验、可剪枝、可导出代码的工程问题。真正的取舍不在生图不在模型,而在数据结构。
这是我拆的第五个仓库,也是第一个「会动手打东西」的——AI 自主渗透测试工具,6.3 万 star。但真正让我停下来的是一个不到 300 行的技能文件:反证与结案纪律。它规定每个候选漏洞只能以三种状态之一结束,没有第四种,「我往下看了」不算其中一种。而要判一个候选「安全」,你必须能说完一句话:因为某个具体位置的某个具体控制,在攻击者可达的每一条路径上、在危险动作之前生效。说不出这句话,你就不能标 ruled_out——那是把「我没证明出来」伪装成「我证明了没有」,而真实漏洞就是这样被漏掉的。
「AI 能做私人辅导」这句话大家都听腻了。真正值钱的是背后三个设计原则:在理解边缘教学、把挣扎留给内容本身而不是后勤、让 AI 画依赖图逼它认真推理。读完你就能拿这套思路改造自己的学习方式。
Agentic AI workflow 的本质:把复杂任务拆成多个步骤,让 LLM 分阶段完成。从普通用法 vs Agentic 对比、研究代理案例、到自主性连续光谱——DeepLearning.AI 课程核心笔记。
一套关于 AI 应用开发的系统课程,共二十七讲,按五模块推进。第一模块建立认知:四种架构范式、Agent 解剖学、多智能体协作、选型工具、工程鸿沟、参数分组、人设工程、任务契约、流程调度、多模态,最后落到一次真实项目。第二模块讲工具:从设计哲学、五步 SOP、MCP 协议、三大超能力到 Skills 生态。第三模块讲记忆:本质、生命周期、文件系统与搜索驱动的检索。第四模块讲团队:编排者范式、数字团队、角色体系、人类介入点与自我进化。第五模块讲可靠性:可观测性与护栏。
一门关于 DeepSeek Harness(DSH)的三讲课程。第一讲拆开它的五层结构,讲清装得上、控得住、扩得了、组得起分别是哪一层的事。第二讲进到架构内部,看一个近乎空白的内核如何成为整台机器的支点。第三讲把 DSH 当作常驻同事来用,从一次会话走到持续协作。