8月22日
07:33
01:38
8月21日
21:35
01:02
01:02elvis@omarsar0
AI智能体工作流的核心在于与智能体协作、验证其结果,并将其编码为可复用的技能或验证器。领域专业知识通过人工验证形成巨大护城河,不应无偿分享。在利用AI处理复杂问题时,需认识到当前AI模型的“智能”和适应能力仍显原始。人机交互关系是真正的护城河,也是价值与发现的来源。
推荐理由:作者强调,与AI智能体协作并验证其结果,将经验转化为可复用技能,才是真正的护城河。别让AI取代你的领域知识,而是用它处理重复任务,同时保持自己的判断力。
8月19日
00:11
8月18日
8月17日
20:23
18:46
8月14日
02:34
8月13日
18:11
18:11AI Will@FinanceYF5
Garry Tan在视频中表示,AI能让创始人成为400倍的自己。他认为小团队可以借助AI完成过去只有大公司才能做的事。他建议将每项工作沉淀为Markdown文件,让Agent不断复用。他还劝创始人少听共识,多用今天的工具,提前活在2028年。
事件专题

推荐理由:YC老板Garry Tan支招:用AI把效率放大400倍,关键是把工作写成Markdown让Agent反复用,还说要少听共识多自己试。
18:08
18:08Harrison Chase@hwchase17
该教程演示如何用Managed Deep Agent构建社媒智能体。智能体可扫描Hacker News和可选X平台,自动草拟三篇帖子。内容会保存到持久化内存,并发送到Slack。视频展示了Slack频道集成、自定义工具和记忆功能。
事件专题

推荐理由:想省手动发帖时间?看这个视频,学会让Agent自动扫HN、写三篇草稿丢Slack。
8月12日
17:10
17:10AI Will@FinanceYF5
Grok Bot 为每个机器人配备独立电脑,能学习用户工作流并使用现有应用。该机器人可自主执行任务,在用户睡眠时持续工作,相当于 24/7 的 AI 员工。此功能可能冲击依赖人工操作的初创企业,引发行业关注。
推荐理由:Grok Bot 给每个机器人配了台电脑,能学你干活、用你的应用,睡觉时还在工作,像多了个 24 小时员工。
8月11日
06:44
06:44官方一手OpenAI Blog博客/媒体
Zapier企业营销团队采用ChatGPT Work优化营销流程。该团队利用ChatGPT Work减少潜在客户漏斗中的流失,提升线索转化效率。同时,ChatGPT Work被用于构建活动素材和自动化报告生成。这一实践展示了ChatGPT Work在企业营销场景中的实际应用效果。
推荐理由:OpenAI分享了Zapier的实战案例,看看人家怎么用ChatGPT Work减少营销流失、自动做报告,挺有借鉴意义。
06:34
06:34Google AI Developers@googleaidevs
Google AI开发者团队在真实赛道测试了边缘架构,证明智能体工作流能在要求稳定性能的环境中正常运行。团队在开发者博客发布了更多细节,指导开发者从零开始构建类似方案。
推荐理由:Google AI官方在赛道上实测了边缘架构,证明智能体跑关键任务不掉链子,还有博客能照着搭。
8月8日
21:28
8月7日
17:46
17:46Viking@vikingmute
作者vikingmute清理全局Skills,只保留自己的工作流、matt的若干和ponytail。ponytail配合Codex使用能有效减少过度设计。作者觉得caveman已没什么用,而其官网已从Skills扩展成创业公司。作者在问大家还在保留哪些Skill。
推荐理由:vikingmute分享了他清理Skills后的保留清单,说ponytail配Codex防过度设计很好使,caveman都变成创业公司了,想看看你还留着啥。
8月6日
09:32
09:32官方账号arXiv cs.AI@Bo Wang, Yuqian Yao, Enxi Wang, Luozhijie Jin, Yang Liu, Yiran Suo, Yuxuan Cai, Enyu Zhou, Yufei Gao, Honglin Guo, Tianyu Huai, Li Ji, Zhikai Lei, Bufan Li, Lizhi Lin, Jinxiu Liu, Jie Yang, Jiazheng Zhou, Maosen Zhou, Pengfang Qian, Shichun Liu, Guanshan Liu, Hao Zheng, Yunhao Yu, Hang Yan, Jihua Kang, Xinchi Chen, Xipeng Qiu
ContextWeave 是一项评估语言智能体长期记忆的新基准,基于14名参与者的多月经脱敏工作流,构建了1005个可执行任务,其中568个为核心评测任务。固定模型下,最强记忆配置将 Workspace Score 从68.08提升至78.20,Preference Score 从41.50提升至70.60。固定记忆组件时,召回记忆改善了全部5个测试基础模型的结果。分析还发现,可操作且经验丰富的记忆比紧凑摘要更能支持工作流延续,但也更容易受误导性召回影响。
推荐理由:搞 agent 记忆的人该看看:ContextWeave 拿真实办公流做了1005个任务,能看出召回记忆到底帮不帮得上忙。