11:13elvis@omarsar0精选推文作者分享了一个提升Agent自主运行/goal效果的技巧:从历史会话中挖掘表现良好的目标,将这些洞察打包成自动化技能,供/goal工具复用。该方法可以解决LLM的奖励黑客行为、快速完成任务偏好等异常行为。作者已在编排器应用中构建了/goal的UI界面,并建议将这套做法作为Agent工具。技巧CodexLLM提示词工程智能体工作流推荐理由:学一招让Agent目标更靠谱原文
11:11Viking@vikingmute精选Viking分享了一个省钱的工作流,灵感来自shadcn的improve skills思路。先让GPT-5.5 High出包含Metadata、Scope和Steps的plan,不写一行代码。再用Composer 2.5和DeepSeek v4 pro分别实现,效果都不错。最后用review-forge审查提高代码质量,整体花费非常少。这个repo 4天获得3.7K stars。技巧GPT-5.5 HighComposer 2.5DeepSeek v4 proreview-forgeshadcn工作流省钱3 个信源在谈推荐理由:省钱开发新功能的实际方法原文
08:52宝玉@dotey精选73°宝玉分享了一个用Claude Design更新视频字幕编辑器UI的案例:将标题文字从单行改为两行布局。他在Claude Design中修改设计稿后导出zip,用git diff查看变更,然后给Claude Code一句提示“参考设计稿design目录下的相关变更,对UI进行变更”,Claude自动分析diff并修改了Swift代码。整个过程主要在设计端操作,代码端自动同步。技巧Claude DesignClaude CodeUI设计编程助手工作流1 个信源在谈推荐理由:手把手教你用Claude Design改UI原文
21:14Geek@geekbb精选Sebastian Kehle 分享了他的 Hermes 设置:在 VPS 的 Docker 容器中运行一个 Hermes 实例,通过 Remote Gateway 连接 Hermes Desktop。他配置了 6 个角色(助手、研究员、工程师、作家、审核员、教练),每个角色都有独立的 Telegram 机器人,方便从手机直接启动会话。Claude 作为修复层运行在 VPS 上,负责调试、监控、日志和配置,确保系统稳定。这种架构实现了单一助手覆盖多种任务,展示了 AI 工作流的高效整合。AI产品HermesAI 助手工作流Telegram 机器人Claude推荐理由:这个设置展示了如何用一个 Hermes 实例管理多个 AI 角色,适合需要灵活切换任务场景的开发者或团队。如果你在寻找高效的多角色 AI 工作流方案,可以直接参考这个架构。原文
11:52arXiv cs.AI@Wesley Pegden精选Trellis 是一个自动形式化系统,利用 LLM 智能体在确定性约束的工作流中,通过迭代优化自然语言证明,逐步推进 Lean 自动形式化任务。该系统受数学家对“严谨证明”的直觉启发——即证明的任何部分都可以被进一步详细阐述。Trellis 在有限预算下使用通用智能体实现了可靠的自动形式化,其专业化来自“严谨性”含义驱动的工作流,而非特定任务训练。论文还展示了该系统生成的 Ramsey 理论最新突破的端到端 Lean 形式化证明。论文自动形式化LeanLLM智能体定理证明工作流推荐理由:Trellis 解决了自动形式化中可靠性与成本之间的平衡问题,做定理证明或形式化验证的开发者可以直接用这个工作流来生成 Lean 证明,值得关注其开源实现。原文
05:45HeyGen@HeyGen_Official精选HeyGen 在 X 上分享了一个完整的智能体反馈循环工作流,涵盖 lint、快照、渲染、ffmpeg 拉帧、发布和迭代。该流程强调只信任真实渲染或预览中的运动/视频/音频,并通过冻结已批准的剪辑、分支文件夹来重复迭代。这展示了 AI 视频生成中自动化质量控制和版本管理的实用方法,对从事视频生成和 AI 工作流的开发者有参考价值。AI产品智能体视频生成工作流迭代HeyGen推荐理由:做 AI 视频生成或自动化工作流的团队可以借鉴这个闭环设计——它解决了从生成到迭代的信任和版本控制痛点,直接照着思路优化自己的流程会很高效。原文
06:06rohanpaul_ai@rohanpaul_ai精选Claude Code 的创建者 Boris Cherny 在一条推文中指出,AI 在获得工具和自由度时表现更好,而不是被强制嵌入僵化、手工设计的工作流中。他认为通用学习系统具有更好的扩展性,并引用“不要问模型能为你做什么,要问……”来强调这一观点。这条推文反映了当前 AI 应用领域从严格流程控制向更灵活、自主的智能体范式转变的趋势。AI产品Claude Code智能体工作流Boris ChernyAI 产品设计推荐理由:Boris Cherny 的观点直击 AI 应用的核心矛盾——流程控制 vs. 自主性,做 AI 产品设计或智能体开发的团队值得深思,建议点开看看原文的讨论。原文
08:35berryxia@berryxia精选ComfyUI 在5月悄无声息地集成了11个跨图像、3D、音频、视频和多模态的新模型,包括Krea 2、VOID、Tripo 3.1等。Krea 2 以Partner Node形式上线,主打风格优先的图像生成;VOID来自Netflix,能干净移除对象及其阴影、反射等,Apache 2.0开源;Tripo 3.1加TripoSplat实现单图生成完整3D Gaussian资产。这些模型以前需单独调API,现在全变成ComfyUI节点,可拖拽组合成复杂工作流。这标志着AI进步正从单一模型变大转向本地工具快速集成前沿能力,让创作者掌握控制权。AI产品ComfyUI工作流Krea 2VOIDTripo 3.1推荐理由:ComfyUI 把11个前沿模型变成拖拽节点,做图像/3D/视频创作的团队可以直接在本地串出复杂工作流,不用再折腾API和兼容问题,效率提升明显。原文
12:41宝玉@dotey精选一位开发者将数据库接入AI Agent后,发现token消耗巨大,且Agent不按预设工作流执行。问题根源在于Memory只是背景信息而非执行指令,Agent每次对话都会重新推理规划。解决方案是用Agent Skill + Script替代Memory中的工作流:让LLM只负责将自然语言翻译成SQL,而执行SQL、格式化结果等确定性步骤交给脚本。在Skill中内嵌表结构说明和SQL模板,Agent只需填空而非从零推理,token消耗可降低一个数量级。AI产品AI Agenttoken优化工作流SQL脚本推荐理由:做AI Agent开发的团队都会遇到token消耗和流程失控的痛点,这个方案把LLM的职责边界划清楚了——翻译SQL交给AI,执行交给脚本,建议直接抄作业。原文
08:26Ate-a-Pi@svpino精选一个包含30个开源端到端智能体示例的仓库被分享,这些示例使用Google ADK构建,展示了复杂的工作流程。每个示例都配有完整的文档、源代码和架构图,架构图本身被认为极具价值。用户可以通过一键部署功能快速运行这些示例。该仓库适合希望学习或构建智能体应用的开发者。AI产品智能体开源/仓库Google ADK工作流开发者工具推荐理由:做智能体开发的团队可以直接复用这些成熟的工作流模板,架构图能帮你省下大量设计时间,建议收藏。原文
AITOP5月29日 08:02Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……
14:50Viking@vikingmute精选文章《Using AI to write better code more slowly》挑战了 AI 编程就是快速生成大量代码然后直接合并的普遍认知。作者认为 AI 完全可以用来写出高质量代码,只是过程会更慢,这才是可持续的方式。他推荐的工作流是:使用多个不同模型(如 Claude sub agents、Codex、Cursor Bugbot 等)并行审查 PR,分别找出 bug 并按严重程度排序。人类开发者负责验证和去伪存真,减少幻觉。然后让 Agent 修复所有 Critical 和 High 严重等级的问题,重复直到没有为止。如果 PR 有太多 Critical 问题导致实现思路错误,就直接放弃该 PR。文章还分享了作者日常的工作流和建议。AI产品AI 编程代码审查工作流ClaudeCodexCursor Bugbot10 个信源在谈推荐理由:这篇文章打破了「AI 编程=快糙猛」的刻板印象,为追求代码质量的开发者提供了一套可落地的多模型协作审查流程。做代码审查或维护高代码标准的团队,可以直接参考这个工作流来提升 PR 质量。原文
04:36rohanpaul_ai@rohanpaul_ai精选Claude Skills 是一种让 Claude 以可重复方式完成特定任务的功能。它本质上是包含指令、脚本和资源的文件夹,能动态加载以提升专业任务表现。一个 Skill 可以打包提示词、工具(API、文件、MCP 服务器等)为可复用工作流,通过名称/描述和 YAML 配置定义。用户只需在聊天中调用,如“Run Document Suite on this draft”或“Use Webapp Testing on /login”。Reddit 上有用户分享了 10 个改变工作方式的 Claude Skills 实例,展示了其实际应用价值。AI产品Claude Skills工作流可复用自动化MCP/工具推荐理由:Claude Skills 把复杂任务封装成可复用的工作流,做自动化或重复性工作的团队可以直接套用,省去每次手动配置的麻烦。原文
16:22岚叔@lufzzliz精选一位开发者分享了优化 OpenAI Codex 工作流的提示词,灵感来自 Hermes 自进化 skill 流程。该提示词要求 Codex 每周检查使用记录,识别重复工作流(如 CI 失败、PR 审核、测试失败定位等),并优先复用或优化已有技能。规则包括:盘点已有能力(本地技能、插件、agents 等),避免创建重复技能,仅当现有能力无法覆盖时才新建。输出结构包含重复工作流清单、能力匹配、建议动作及文件修改记录。技巧Codex提示词工作流自进化skill4 个信源在谈推荐理由:教你用提示词让 Codex 自动优化工作流原文
10:52marktechpost@Sana Hassan精选本文介绍了如何基于 Anthropic API 构建 SuperClaude 框架的高级工作流,通过集成命令系统、多智能体协作、模式切换和会话记忆功能,实现更复杂、更可控的 AI 交互。该框架允许开发者定义自定义命令、创建专用智能体角色、切换不同工作模式,并利用会话记忆保持上下文连续性。教程提供了具体代码示例和架构设计思路,适合希望扩展 Claude 能力的开发者。技巧SuperClaude 框架工作流智能体会话记忆Anthropic API10 个信源在谈推荐理由:想用 Claude 做复杂自动化任务的开发者,这个框架能帮你把命令、智能体和记忆整合成一套可复用的工作流,比直接调 API 灵活得多,值得照着教程搭一套。原文
12:26shao__meng@shao__meng精选TRAE 团队分析了用户真实调用的 Agent Skills 数据,发布了 Top 10 排行榜。这些 Skills 覆盖从 UI 设计到调试的产品开发全链路,包括强制设计先行的 brainstorming、计划拆解的 writing-plans、行为护栏 karpathy-guidelines 等。还有一款名为 /pua 的高压问责技能,用四级升级机制防止 Agent 偷懒。整体设计形成“想清楚→拆细→做精→验透→担责”的闭环,对 AI 编程工作流有很强的参考价值。AI产品TRAEAgent SkillsAI 编程工作流调试推荐理由:TRAE 用真实用户数据告诉你哪些 Agent Skills 最管用,做 AI 编程工作流设计的开发者可以直接抄作业,尤其是 /pua 这种反讽命名的高压问责机制值得一试。原文
11:43Jerry Liu@jerryjliu0精选LlamaIndex 团队在 AI Engineer Singapore 大会上举办了一场 90 分钟的工作坊,主题是如何在企业文档上构建智能体工作流。主讲人 @hexapode 重点讲解了如何从 PDF 等非结构化文档中提取信息,并将其整合为确定性的智能体工作流。团队表示将很快分享幻灯片,并预告在旧金山世界博览会上会有更多精彩内容。AI产品智能体企业文档LlamaIndexPDF提取工作流推荐理由:企业文档中大量非结构化数据被浪费,这个工作坊直接给出了从 PDF 提取信息到构建确定性智能体工作流的完整方案,做企业知识管理或文档自动化的开发者值得关注。原文