工作流相关 AI 资讯

6月22日

07:24

elvis@omarsar0

开发者 Omar 分享经验：他几乎不再手动提示或与代理对话，而是通过循环（loops）让代理自主执行。他花更多时间编写验证器（verifiers），提供文本、音频、图片等丰富指令来填补代理的不足。Guinness Chen 建议用户按住听写键随意讲10分钟，将碎片、例外、示例、氛围都喂给模型，利用语言模型擅长从语言中重构潜在意图的能力。这些方法改变了人与代理的交互方式，减少了手工编辑提示的负担。

推荐理由：别手写提示词了，试试按住录音键讲十分钟，让代理自己干活。Omar 分享了用循环和验证器省力的实战技巧。

原文

03:48

官方账号Greg Brockman@gdb

用户 Tom Osman 利用 Codex 的 "/goal" 循环功能，将提示词设为“遍历应用中每个功能，根据代码创建用户故事和期望行为，维护单一电子表格追踪状态”，随后自动切换到测试每个用户故事并记录所有错误，最终修复逻辑或 UX 错误后再次测试。整个过程无需人工干预，自动处理成百上千的用户故事。该案例展示了 Codex 在自动化测试与修复工作流中的实际应用。

技巧 Codex 编程助手自动化测试工作流

推荐理由：试试在 Codex 里贴一段类似的循环指令，它就能自动帮你测完整个 App 的每个功能，连修 bug 都包了。

原文

02:21

官方账号Greg Brockman@gdb

精选

Tom Osman展示了一个在Codex中运行的自动化循环，用于遍历应用所有功能并生成用户故事与预期行为。该流程维护一个单源电子表格跟踪功能状态，然后切换到测试每个用户故事并记录所有错误。最后修复逻辑或UX错误后，再次测试所有用户行为。这个循环能处理数百个用户故事，展示了Codex的自动化测试能力。

技巧 Codex Tom Osman 自动化测试工作流智能体

推荐理由：Tom Osman用Codex搞了个自动化循环，从生成用户故事到测试修复一条龙，省人工还管几百个功能，太实用了。

原文

6月21日

23:28

shao__meng@shao__meng

Greg Eisenberg和Theo Tabah在60分钟对谈中提出AI Native组织的三层架构：人、Agent和上下文。人退守两端负责战略与评审，Agent需满足Clear Goal、Skills、Tools、Context四要素才能自治。上下文层通过Capture-Curate-Store-Execute-Experience五阶段循环构建护城河。两个Live Demo展示成效：提案微站系统为LCA带来数百万美元收入，10分钟产品闭环生成高保真原型。Skill Chain（技能链）串接多个技能形成剧本，是对抗幻觉的关键机制。

技巧 AI Native 智能体 Skill Chain 工作流上下文

推荐理由：Greg和Theo用真实案例拆解了AI Native组织的落地方法，三层系统比“用ChatGPT”具体得多，还有百万美元收入证明。

原文

23:24

berryxia@berryxia

一位开发者花一小时整理了散落在各处的实践经验，形成了完整的Agentic Engineering Workflow。该工作流涵盖任务拆解、工具调用、记忆管理、错误恢复等环节，每一步都在真实项目中跑通。相比多数AI开发者还在手动写prompt，这套工作流已能教机器自主写prompt，强调差距在于工程方法而非模型能力。

技巧 Agentic Engineering Workflow 智能体工作流 AI编程

推荐理由：一位开发者把让AI像工程师一样自己写代码的工作流整理出来了，覆盖从拆任务到恢复错误的全流程，不是理论是真实跑通的路径。

原文

01:13

berryxia@berryxia

精选

Codex现在允许用户直接命令将开发线程从本地笔记本handoff到远程服务器。这一过程会自动打包Git状态、未提交变更、分支和工作树。用户关闭笔记本后，远程服务器会继续运行该线程。之后用户可以命令将线程接回本地，环境恢复到离开时的状态。全程无需手动同步代码或处理冲突。

技巧 Codex 远程开发工作流线程切换 agent

推荐理由：Codex这个新功能太实用了，跟它说一声就能把本地代码线程扔到远程服务器继续跑，回来再接上，省去手动同步的麻烦。

原文

6月19日

22:15

官方一手AWS Machine Learning Blog@Ebbey Thomas

精选

本文演示如何通过Model Context Protocol (MCP)在Amazon Quick中启用Adobe Marketing Agent。配置集成后，使用Adobe凭证进行身份验证即可获取最新洞察。示例工作流可返回受众排名、忠诚度细分摘要、旅程使用情况和冲突建议。

技巧 Adobe Marketing Agent Amazon Quick MCP/工具营销自动化工作流

推荐理由：AWS博客教你一步步把Adobe Marketing Agent接进Amazon Quick，用MCP协议直接拿受众排名和忠诚度数据，营销人员省事多了。

原文

16:24

berryxia@berryxia

精选

Matthew Berman 创建了 Loop Library，专门收集可直接复用的 agent 循环流程，涵盖从简单任务自动化到复杂多步工作流。该库与某个平台合作托管，用户可搜索现成模板或提交自己的流程。此前设计 agent 最耗时的退出、验证、失败处理等循环结构，现在能被社区公开验证的模板替代。这一做法将 agent 开发从每次重写循环推向模块化搭积木方向，为生态提供公共流程市场。

AI产品 Matthew Berman Loop Library agent loop 智能体工作流

推荐理由：Matthew Berman 建了个 Loop Library，把各种 agent 循环模板集中了，直接用现成的，不用自己从头设计流程。

原文

14:00

小互@imxiaohu

精选73°

Codex推出Record & Replay功能，用户演示一次操作流程（如发YouTube视频：拉元数据、配缩略图、上传存为私密、核对），Codex即自动学习并生成可复用的Skill技能。下次遇到相同任务，Codex可独立完成全流程，无需用户干预。该功能还适用于贴发票、批量重命名文件、填写周报表、订票等重复性电脑操作。从每次写提示词到演示一次即够，大幅降低重复劳动成本。

AI产品 Codex Record & Replay 自动化工作流演示学习

推荐理由：Codex出了个新功能，你只要做一遍操作给它看，它就能学会并自动帮你干重复的电脑活，超级省时间。

原文

11:29

Augment Code@augmentcode

Augment Code 引入新工作流：人类先审查设计，然后由 Code Review 专家（AI）在几分钟内读取完整 diff，并对照已批准的设计进行检查。实现规模不再是限制，工作单元从单个 PR 扩展为整个项目。一个 AI 代理现在可以独立将项目从设计审批推进到代码合并。

AI产品 Augment Code 智能体代码审查工作流 AI代理

推荐理由：Augment Code 出了新工作流，人类只管审设计，AI 代理几分钟读完完整 diff 并自动合并，再也不用逐行看代码了。

原文

07:58

@LumaLabsAI@LumaLabsAI

Luma Labs 推出 Luma Skills，可将你的创意资产（如图像、3D 模型）转化为一个系统，生成数百个符合产品要求的概念。用户需在 Luma Agents 中上传创意 DNA 并构建 Skill，即可将其变为可重复的工作流。该功能适用于快速概念迭代或客户交付场景，支持从灵感直接进入制作阶段。

AI产品 Luma Labs Luma Skills Luma Agents 工作流创意生成

推荐理由：Luma Labs 的新技能，让你把创意资产变成反复用的工作流，一键生成几百个精准产品概念，适合快速出图或改稿。

原文

6月18日

15:28

15:28IT之家（博客/媒体）

Anthropic 宣布 Claude Design 上线一周用户突破 100 万。该工具与 Claude Code 深度集成，可通过 /design-sync 命令拉取设计系统并双向传递文件。Claude Design 与 Chat、Claude Cowork 和 Claude Code 共享使用配额，平均每次交互消耗更少 Token。导出支持 PDF、PowerPoint 以及 Adobe、Canva 等 9 款应用。

AI产品 Anthropic Claude Design Claude Code 设计工具工作流

推荐理由：Anthropic 的 Claude Design 上线一周就百万用户，还能和 Claude Code 无缝对接，从设计直接生成代码，效率拉满。

原文

14:33

AI Will@FinanceYF5

一条观点指出，未来18个月内每个AI工具都会内置特定的提问工作流。在此之前，掌握提问技巧的用户将获得优势。AI搜索负责提供答案，而AI研究负责提供判断。当前优势属于会提问的人。

技巧提问技巧工作流 AI搜索 AI研究

推荐理由：@FinanceYF5 说未来AI工具会内置提问工作流，现在会提问的人更占优。想提前掌握优势？

原文

02:30

Dify@dify_ai

Dify 在 AWS 香港峰会 2026 上展示了其平台构建生产级代理式 AI 应用的能力。LangGenius K.K. 团队在现场演示了工作流和 AI Agent 的实时构建。Dify 作为银牌赞助商，与参会者交流实际 AI 用例。活动于香港会议展览中心举行。

行业 Dify AWS AI智能体工作流行业活动

推荐理由：Dify 在AWS峰会上现场演示了怎么做代理式AI应用，想玩AI工作流的可以去看看他们展台的演示。

原文

01:41

@hebbia@hebbia

Hebbia 将出席2026年伦敦私募市场科技峰会，聚焦AI原生工作流程。讨论旨在重新构想私募市场流程，利用AI提升效率。活动日期为2026年。

行业 Hebbia 私募市场 AI原生工作流伦敦

推荐理由：Hebbia 要参加2026年伦敦的私募市场峰会，聊怎么用AI改造工作流，感兴趣的可以关注。

原文

01:12

elvis@omarsar0

Boris Cherny指出，AI代码生成正迈入新阶段，模型能对越来越多任务生成正确代码。关键在于设置合适的护栏，并使用Claude Code配合高级模型和验证器（verifier）构成循环。开发者需持续喂入任务数据，识别并消除瓶颈。这种工作流能显著提升代码生成的准确率。

技巧 Claude Code 验证器代码生成编程助手工作流

推荐理由：Cherny分享了用Claude Code和验证器循环生成正确代码的实战方法，不是空谈趋势，值得想提升代码质量的开发者一试。

原文

6月17日

13:40

量子位@量子位的朋友们

昆仑万维推出天工3.1版本，新增Skywork Design画布功能和Dynamic Workflows工作流系统。Skywork Design让AI能自由生成和编辑可视化界面，Dynamic Workflows支持多智能体协作执行复杂任务。据官方数据，天工超级智能体收入实现三倍增长。

AI模型天工3.1 Skywork Design Dynamic Workflows 智能体工作流

推荐理由：天工3.1给了两个新工具：一个让AI画界面，一个让AI组团干活。收入涨了三倍，可以试试。

原文

03:37

@koltregaskes@koltregaskes

Kolt Regaskes指出AI的真正价值不在于提笔速度，而在于缩小反馈循环。他提出了5条具体操作：从明确成果而非模糊提示出发；让AI通过检查表、例稿等方式自我校验；将任务拆分为研究者、起草者、审稿者、编辑者角色；用文档存储上下文而非依赖记忆；设定升级规则，AI卡壳2-3次后切换模型或简化步骤。这套方法能帮助知识工作者以“推理速度”产出决策、总结和计划，减少往返错误。

技巧工作流提示词工程反馈循环 AI效率

推荐理由：别只把AI当打字机。试试这5条实操，让AI帮你还原真实工作流，更快拿到靠谱结果。

原文

03:02

官方账号LangChain@LangChainAI

LangChain 推出新功能，支持多步骤工作流中状态跨工具调用持久化。提供突发容量，可在秒内扩展到数千个并行环境，适用于强化学习训练或评估。还增强了对用户输入可能被执行的场景的处理能力。这些特性面向需要可靠状态管理和高速扩展的复杂 Agent 与批量评测场景。

AI产品 LangChain 工作流状态持久化并行扩展 RL训练

推荐理由：LangChain 终于解决了多步工作流状态丢失的痛点，还能秒级拉起数千个并行环境做 RL 训练，适合做复杂 Agent 和批量评测。

原文

00:59

李继刚@lijigang_com

作者认为C-c & C-v（复制粘贴）的场景切换是日常摩擦，消除它就有价值。他建议让大模型写插件或脚本自动化处理。例如，他用macOS自带的Notes，写了一个脚本：在任意地方复制内容，自动粘贴到指定笔记文件。每晚处理清空，第二天重新积累当天的复制内容。

技巧脚本自动化 macOS Notes 复制粘贴工作流大模型

推荐理由：别老觉得大模型只能聊天，让它帮你写个脚本，把复制粘贴自动化，省时省力。

原文

6月16日

13:17

@zarazhangrui@zarazhangrui

你无法通过直接编写技能描述来得到一个好技能。正确的做法是先手动执行任务20次，不断修复问题，优化流程。然后再把这些经验打包告诉AI，让它学会你的做法。

技巧提示词工程工作流 AI技能迭代

推荐理由：别傻写描述了，先手动做20遍，再教AI，效果完全不同。

原文

12:55

官方账号arXiv cs.AI@Sara Fish

该研究以EC 2025论文中一个关于公共物品稳定菜单的开放问题为测试平台，评估不同AI研究工作流的效果。实验发现：(1)在提示中加入人类直觉能提升LLM的“品味”；(2)多轮交互工作流在鼓励“大胆步骤”时更有效。与一名一年级博士生比较，LLM在解决该问题上的效果略逊一筹。研究尚未公开博士生参与前的原始手稿对比细节。

论文 EconCS LLM 公共物品工作流 AI研究

推荐理由：这篇论文告诉你，用AI做经济学研究时，喂它人类直觉比纯指令好使，但别指望它比刚入行的博士生强多少。

原文

12:50

@zarazhangrui@zarazhangrui

作者指出，非技术人员使用编程助手的真正障碍不是聊天界面本身，而是空白输入框假设用户已经知道可以问什么。大多数人并不清楚编程助手能做什么。Town 这款产品通过主动建议工作流程和可代办事项的引导流程，解决了用户不知道该问什么的问题，降低了使用门槛。

技巧 Town 编程助手智能体工作流

推荐理由：Town 的引导流程很聪明，主动告诉你它能做什么，而不是让你对着空白框发呆，推荐非技术人员试试。

原文

12:08

shao__meng@shao__meng

Matt Pocock提出的AI驱动开发七阶段包括：Grill（将模糊想法转化为共享理解，产出问题陈述）、Research（缓存外部信息，产出research.md）、Prototype（验证设计，产出可丢弃原型）、PRD（描述终点，产出需求文档）、Issues（拆分为垂直切片，产出工单DAG）、Implement（Agent执行TDD，产出可运行代码）、Review（人工QA，产出新工单）。其中/grill-with-docs升级版支持代码库场景，引入CONTEXT.md术语表和ADR决策记录。

技巧 AI驱动开发工作流编程助手 grill-with-docs 七阶段

推荐理由：Matt Pocock总结了一套AI开发工作流，从想法到代码有七步，还给出了/grill-with-docs工具，适合想用AI系统化编程的人参考。

原文

09:07

elvis@omarsar0

一条推特指出，Verifiers（验证器）是 Agent 系统的关键组件。如果没有好的 Verifiers，/goal 和 /loop 等指令会频繁出错。当 LLM 遇到分布外（out of distribution）场景时，Agent 难以正确完成验证工作。建议开发者自行调优 Verifiers，并将其与现有 Agent 进行对接。

技巧验证器智能体工作流

推荐理由：跟你讲个 Agent 开发中的坑：没好的验证器，跑起来全是 bug。自己调一个连上去，稳很多。

原文

01:01

elvis@omarsar0

一名用户将AI员工添加到Slack工作区，并让它在Slack内运行本周DAIR Academy任务。AI自动完成了全部工作并准备发布，整个过程无需人工干预。该AI被描述为“至今最强大的AI”，能够理解真实工作任务并自主执行。

技巧 Slack DAIR Academy 智能体工作流

推荐理由：有人把AI员工拉进Slack，让它干DAIR Academy的活，结果它自己干完了。想知道怎么做到的？看这条。

原文

6月15日

21:40

Geek@geekbb

GitHub 仓库 dify-workflow-templates 提供了 269 个 Dify 工作流即用模板。模板涵盖 15 个类别，包括翻译、图像生成、知识库、代码开发、数据分析、内容创作、Agent 智能体等。每个模板可直接导入 Dify 使用，无需从零搭建。该集合适合快速搭建 AI 应用场景的工作流。

技巧 Dify 工作流模板 Agent智能体内容创作

推荐理由：Dify 用户快去 GitHub 拿 269 个现成模板，覆盖翻译、图像、Agent 等 15 类场景，直接导入用，省得自己写。

原文

17:54

Viking@vikingmute

在Arena设计测评中，Claude表现断崖式领先，GPT设计持续拉胯。作者推荐Qwen 3.7 Max，称其近期使用体验惊艳。分享工作流：利用design.md配合需求生成images2出图，再以图片为参考生成页面。Claude Design产品能帮助非设计师用户从技术细节中解脱，并提升视觉效果。

技巧 Claude Qwen 3.7 GPT 设计工作流

推荐理由：设计测评里Claude最强，不用它可以试试Qwen 3.7 Max。还有一套用design.md先出图再生成页面的工作流，挺实用。

原文

12:32

AI Will@FinanceYF5

Pietro Schirano分享了一个工作流技巧：他不再亲手为每个任务写/goal，而是让Codex自动生成它自己的goal以及每个子agent的goal。该方法通过一次简单的提示让Codex执行自描述和子目标分配，减少了手动编写提示词的时间。这个技巧适用于Codex驱动的多agent场景，可以提升效率。

技巧 Codex 提示词技巧 Agent 工作流智能体

推荐理由：学Codex新玩法，省写goal时间

原文

11:13

elvis@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 Codex LLM 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

11:12

elvis@omarsar0

研究者omarsar0分享了构建自改进AI系统的经验，可以通过选择论文和方法即时创建新功能。系统能根据自生成评估决定是否保留或丢弃功能，目标是实现无需人工干预的自我维护。这一工作流展示了如何利用论文复现功能快速测试新想法。

技巧自改进 AI系统构建论文复现工作流

推荐理由：手把手教你自改进AI

原文

11:11

Viking@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 High Composer 2.5 DeepSeek v4 pro review-forge shadcn 工作流省钱

推荐理由：省钱开发新功能的实际方法

原文

11:10

Tw93@HiTw93

Waza 是一套包含8项工程习惯技能（规划、审查、调试等）的工具，可在 Claude Code、Codex 等编码工具上运行。用户切换底层模型后仍能保持相同工作流程。Waza 帮助开发者延续熟悉的工程习惯，无需因模型变更而重新学习。该工具已在GitHub开源。

技巧 Waza Claude Code Codex 编程助手工作流

推荐理由：用Waza在多个编码工具间切换模型

原文

6月14日

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 Design Claude Code UI设计编程助手工作流

推荐理由：手把手教你用Claude Design改UI

原文

04:21

elvis@omarsar0

Omar Sanseviero 在 X 上分享了关于自主长时编码智能体的笔记，涵盖目标设定、循环工程、验证器和动态工作流等主题。笔记使用其 writer agent 快速总结，并附有引用推文链接。该内容涉及如何构建能长时间自主运行的编码智能体，包括关键组件如验证器和动态工作流。

技巧编码智能体智能体工作流验证器 Omar Sanseviero

推荐理由：Omar 分享的编码智能体实战笔记

原文

6月13日

13:02

elvis@omarsar0

用户elvis在X上分享使用Opus 4.8进行规划、GPT-5.5执行任务的组合工作流。他指出将步骤分解为更小的部分能显著提升输出质量，并强调动态工作流的重要性被低估。该技巧适用于需要高质量输出的AI任务场景。

技巧 Opus 4.8 GPT-5.5 工作流提示词工程

推荐理由：Opus 4.8规划+GPT-5.5执行

原文

6月12日

22:21

官方账号LangChain@LangChainAI

LangChain 的 Sydney Runkle 在 X 上分享了关于 AI 循环的 5 种类型：Token 循环（模型生成）、Agent 循环（模型+工具+重复）、深度验证循环（Agent+验证+重复）、部署元循环（事件触发 Agent 运行）以及待完善的引擎循环（通过分析追踪优化系统）。这些循环覆盖了从单次推理到系统级优化的不同抽象层次，帮助开发者理解如何用 LangChain 构建更复杂的 AI 工作流。

AI产品 LangChain Agent 循环工作流元循环 AI 架构

推荐理由：LangChain 把 AI 循环分成了 5 个清晰的层次，做 Agent 开发或工作流编排的团队可以对照自己的场景找到合适的抽象级别，建议收藏作为架构参考。

原文

02:07

Ideogram@ideogram_ai

Ideogram AI 在 X 上发文称，其社区在一周内构建了训练器、提示编译器、LoRA 和完整工作流。该平台邀请用户分享最佳生成作品，并将纳入下一期社区亮点帖。这展示了 Ideogram 生态的活跃度和用户创造力，也反映了 AI 图像生成领域社区驱动的快速迭代趋势。

AI产品 Ideogram 社区生态训练器 LoRA 工作流

推荐理由：Ideogram 社区一周内产出训练器、LoRA 等工具，说明其生态正快速成熟。做 AI 图像生成的创作者可以关注这些社区资源，直接提升工作流效率。

原文

01:23

elvis@omarsar0

Omar 在 X 上分享了他有效使用 AI Agent 的两个核心策略：路由（Routing）和循环（Looping）。路由指将不同任务分配给最合适的 Agent，循环则结合指令、技能、动态工作流和自动化。他认为这种方法能更好地控制成本和性能，并为未来的变化做好准备。该帖子获得了 856 次浏览和 10 个点赞，引发了社区对 Agent 使用技巧的讨论。

AI产品智能体路由循环工作流成本控制

推荐理由：做 AI Agent 开发的团队可以借鉴这套路由+循环的思路，直接优化现有工作流，提升成本与性能的平衡。

原文

6月11日

10:31

宝玉@dotey

Claude Design 现在支持 CLAUDE.md 文件，用户可以通过左侧聊天窗口初始化该文件。CLAUDE.md 用于存放需要反复叮嘱的指令或上下文，类似于 Claude Code 中的用法。这一功能让用户能更高效地管理对话中的固定要求，减少重复输入。对于频繁使用 Claude Design 的开发者或团队，这能显著提升工作流的一致性和效率。

AI产品 Claude Design CLAUDE.md 效率工具工作流上下文管理

推荐理由：用 Claude Design 做重复性任务的开发者，可以靠 CLAUDE.md 省去每次手动叮嘱的麻烦，建议直接初始化试试。

原文