铃阅
❌

普通视图

AI产品经理的PRD怎么写|有意思小周刊vol.171

2026年9月14日 09:00

原创 强少Qone 2026-09-14 09:00 广东

有意思小周刊 vol.171 封面

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

🗞️ 推荐阅读

1. AI产品经理的PRD怎么写

2. 没有测试的核心代码,怎么交给 AI 重构

3. 前端把单选按钮换成开关?这俩真不能随便混用

4. Agent评测漫谈 —— 由浅入深讲解Agent评测

5. 天猫AI助手:调度框架重构与AI Coding工程化实践

6. AI理解、引擎驱动:零代码搭建实时数据链路

7. 浅谈 SKILL 研发的最佳实践——以百补详情助手为例

8. BROKEN提示词案例

9. 场景营销互动&体验 AI Coding — 构建 Agent 自主执行闭环

10. 电商对账及业财融合的2种路径

11. 天猫技术大型 AI 项目的研发协同实践

12. Vibe Coding:C端AI创意平台设计新范式

🧰 资源·工具

1. neat-annotations:一个纯 CSS 的手绘标注库

🧩 Skill 推荐

1. book-to-skill

2. Dashi PPT Skill · 大师 PPT / 网页 PPT / 可编辑 PPTX

▌AI产品经理的PRD怎么写

链接:https://mp.weixin.qq.com/s/orfkxUAjBld3_9J9CKza6A

本文系统阐述了AI产品经理应如何撰写能真正落地的PRD。核心论点是:AI产品处理的是概率性系统,不能沿用确定性功能的传统PRD思路,否则无法直接进入开发。文章提出一份完整AI PRD的十个组成部分骨架,其中“场景定义与输入输出、能力与功能描述、效果要求、异常与降级设计、评测方案”这中间五块是重心,应占全文一半以上篇幅;同时强调产品经理的责任边界已从“定义功能”转变为“为不确定的旅程体验负责”。

▌没有测试的核心代码,怎么交给 AI 重构

链接:https://mp.weixin.qq.com/s/e9TzYbeVp8tkKBCCbA_6gQ

让 AI 改代码不算新鲜,但有一类代码你多半不敢交给它——又长、又没测试、还在核心链路上,改错一个字段就可能是线上事故。我手上正好有一个:1021 行、零测试、被 5 处引用的 IM 消息转换文件。这次我把它整个交给 AI 重构,最后能确认改完和原来行为一致。这篇记一下过程,重点不在 AI 多会改,而在我怎么敢放手让AI改。

▌前端把单选按钮换成开关?这俩真不能随便混用

链接:https://mp.weixin.qq.com/s/TU6IDnBK7UWfis6JLKfwdA

本文探讨了前端开发中“开关(Switch)”与“单选按钮(Radio Button)”两种控件的选用问题。核心观点在于:开关属于触发类组件,点击后应立即引发用户可感知的界面或系统变化;而单选按钮属于录入类组件,选中后需通过其他操作(如保存)才能生效。两者在组件属性、功能性及适用平台上存在明确差异,不可随意混用。文章建议根据操作后是否立即产生可感知变化来判断控件选型,并综合考虑功能意图与平台特性。

▌Agent评测漫谈 —— 由浅入深讲解Agent评测

链接:https://mp.weixin.qq.com/s/gZKWRqznB8sNBFf69fBIvw

本文由浅入深地介绍了Agent评测的核心目的、方法论与演进趋势。文章指出,Agent评测的根本目的是回答“Agent好不好、哪里好、哪里不好”,为迭代指明方向,其核心公式为“观测+评测=持续迭代”。在方法论层面,文章强调评测体系的关键不是堆砌指标而是“搭桥”,需将模型能力指标与业务结果指标通过任务系统的桥梁指标连接,并总结了“人人一致、人机一致”的主观评测对齐方法论,其中通过“指标下钻”与“Rubric二元化”将模糊感受转化为可判断的事实依据。随着长程Agent(如Claude Code、龙虾/爱马仕等框架)的出现,评测对象已从“回答”转向“任务系统”,评测方法从“答案评测”走向“行为评测”,评测主体从人评主导走向机评主导,未来Agent评测正从单次打分动作演变为必须看得见问题、说得清标准、跑得动规模、接得上流程、带得动迭代的基础设施能力。

▌天猫AI助手:调度框架重构与AI Coding工程化实践

链接:https://mp.weixin.qq.com/s/fhcbG2_IyDq-QuH_dBHT-g

天猫AI助手团队通过“调度框架重构”与“AI Coding工程化”双轮驱动,在两周内将底层架构从硬编码升级为基于Reducer/Event的三层调度模型,实现了状态写入收敛、可观测性独立通道及业务接入效率的大幅提升;同时建立包含范式、Skill、Hook及观测报告的AI工程化闭环,将单业务接入成本从3.5–4.5人天降至约0.7人天,验证了将隐性知识显式化为组织工程能力对于应对业务泛化迭代及穿越模型代际更迭的核心价值。

▌AI理解、引擎驱动:零代码搭建实时数据链路

链接:https://mp.weixin.qq.com/s/G7e3xqa-uxfEE1L4manFUQ

直播数据团队创新性地提出"指标驱动"的实时数据开发范式,将复杂的流式计算简化为"维度+指标"的业务逻辑表达。用户仅需200字符内的自然语言描述,系统即可自动识别指标维度,通过AI辅助生成DSL并转换为Flink SQL任务,开发周期从天级缩短至分钟级。系统核心是指标驱动引擎,能自动回溯依赖关系构建链路拓扑,并采用"理解与正确性分离"架构确保可靠性,通过Hook机制支持安全增量调整。该设计屏蔽了流式数据复杂性,让开发聚焦业务本身,同时沉淀可复用指标资产,形成良性循环,显著提升实时数据研发效率。

▌浅谈 SKILL 研发的最佳实践——以百补详情助手为例

链接:https://mp.weixin.qq.com/s/Dok_hZa7tEXC_6wFi4VIpw

本文以百亿补贴详情助手 Skill 的迭代历程为例,总结 Skill 研发与迭代实践。文章先梳理业界方法论——Claude Skills 的渐进式披露与控制调优、MiniMax 的工业化规范、以及常见的 Skill 设计模式;随后从架构设计、研发效能、运行优化 3 个维度展开详细介绍了桥接器解耦本地 Skill 与远程 Agent、按需共享上下文、优先输出优质 HTML 报告等高效实践,帮助读者提高 Skill 研发效能。

▌BROKEN提示词案例

链接:https://mp.weixin.qq.com/s/cu_UbOyPnvyi7kw7HWX0pg

本文介绍了由陈财猫设计的BROKE提示词框架,并在此基础上增加了“N——No-go rules(禁区规则)”,形成了更完整的BROKEN提示词方法。BROKEN分别代表背景(Background)、角色(Role)、目标(Objectives)、关键结果(Key Results)、演进(Evolve)和禁区规则(No-go rules),旨在通过结构化提示设计提升大模型输出效率和质量。作者还展示了基于扣子平台搭建的“提示词大师”智能体,并以“策划一场大学的模拟面试大赛”为例,详细演示了BROKEN方法在实际提示

▌场景营销互动&体验 AI Coding — 构建 Agent 自主执行闭环

链接:https://mp.weixin.qq.com/s/bZjN0YI98vOoBxVLJqPHzQ

本文指出仅靠上下文工程无法保证长链路任务的成功,核心在于将目标维护、状态调度、结果验证等隐性人力工作转化为系统化的“循环工程”。通过引入结构化 Task 作为持久化目标锚点,定义 Job 为最小执行单元并强制要求结构化结果与证据,建立包含事实与判断的执行账本以实现状态外部化,以及基于工程责任划分多 Agent 角色并规范协作协议,系统能够有效处理执行偏差。此外,结合 Tarot Pixel 形成的视觉修正小循环,塔罗平台实现了从单次编码到全链路自动执行的跨越,最终目标是达成输入需求即可交付可发布代码的端到端研发闭环,让人类开发者仅专注于目标确认与异常仲裁。

▌电商对账及业财融合的2种路径

链接:https://mp.weixin.qq.com/s/XH89EvMBViJWa1iT0IaqVg

本文围绕电商业财融合的两条实现路径展开,指出在外有平台涉税信息报送、内有库存账实不符与对账周期拉长的双重压力下,业务系统与财务系统的割裂已成为电商企业的核心痛点。文章系统分析了采购入库、销售出库、多平台多店铺等环节造成账实差异的时间错位机理,并阐明涉税报送常态化后申报口径与业务单据必须勾稽的硬性要求,进而提出以“接口集成式”和“中台式”为代表的两种业财融合路径,并从业务规模(月单量上万、年GMV过3亿)、商业模式复杂度、发展规划与IT预算四个维度给出选型标准,强调两条路径的共同前置条件是把库存账、对账、申报口径三件事做实。

▌天猫技术大型 AI 项目的研发协同实践

链接:https://mp.weixin.qq.com/s/0wnFz3G6niLetSQptUi-SA

本文以天猫新品 MDI 项目为例,阐述了大型 AI 项目研发协同从“超级个体”到“全员赋能”的四个进化阶段:在单兵攻坚期,通过构建结构化知识库让 AI 深度理解项目上下文,打造“超级个体”;在加人提速期,借鉴站点地图思路进行物理隔离分工,利用 Spec 变更规则及上下文缝补机制(MCP)解决多人协作冲突与推理链断裂,实现效率横向复刻;在高速迭代期,部署独立“技术哨兵机”还原预发合并态,通过云端 Agent 检测隐形业务逻辑冲突并闭环告警,保障研发质量不劣化;在稳定运作期,推出 NekoCollar 云端协作平台,通过沙箱环境、所见即所得的真实页面代理及 Git 软硬双锁,让非研发角色也能安全、高效地基于代码上下文参与协同,最终实现 AI 研发能力从个人到团队再到组织全员的规模化放大。

▌Vibe Coding:C端AI创意平台设计新范式

链接:https://mp.weixin.qq.com/s/N6Z4EUxW5lNizheTajWKJQ

本文介绍了淘宝闪购设计团队基于Vibe Coding方式搭建的C端AI生图Skill工作流平台,旨在解决传统模板化AI设计路径中模型调用不稳定、输出不规范、人工介入成本高等痛点。平台围绕需求解析分流、高效生图与自动迭代、低成本使用三个核心环节构建架构,并具备智能Prompt润色、Vibe/Master双模式、高级材质风格库、精细化二次编辑和全链路高效拓展五大核心能力。通过自由创意生图与业务定制工作流生图两类实战应用,平台将单图类需求处理时间从2-3小时压缩至3-5分钟以内,构建了可持续的"业务-设计-技术"三方协同机制,推动C端视觉生产从人力密集型流程向业务驱动型智能流水线转型。

▌neat-annotations:一个纯 CSS 的手绘标注库

链接:https://neat-annotations.syabro.com/

无需 JavaScript 即可在网页元素周围添加箭头、手写说明、高亮、颜色和方向变化。

Skill 推荐标题图

▌book-to-skill

链接:https://github.com/virgiliojr94/book-to-skill/blob/master/README.zh-CN.md

将任意技术书籍、文档文件夹或资料集合,转换为统一的 Agent Skill——可在 GitHub Copilot CLI、Amp、Claude Code 或 Hermes Agent 中随时学习、查阅并在工作中使用。

▌Dashi PPT Skill · 大师 PPT / 网页 PPT / 可编辑 PPTX

链接:https://github.com/chuspeeism/dashi-ppt-skill

一个真正适合职场人的 PPT Skill。把文档丢给你的 AI Agent,每一页都自带编辑控制台的 PPT Skill——不满意的地方直接在浏览器里改,改完还能一键导出成真实的、可编辑的 PPTX。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

不写一行代码,AI每天自动出竞品简报|Codex Subagents进阶篇

2026年8月11日 08:30

原创 强少Qone 2026-08-11 08:30 广东

先说个很多人不愿意承认的事:工具再好,你也会忘用。

我自己的经历:有阵子下定决心「每天看一遍竞品动态」,做了三天,周四一忙断了。下周想起来,又三天,又断。不是懒,这是人性——凡是靠「想起来才做」的事,最后都死于想不起来。

前两篇讲的 AI 流水线也一样。喊一嗓子它跑一遍,很爽;你一忙忘了喊,它就躺着不动。手动挡的车再好开,不踩油门它不走。

这篇讲最后一步:把那支 AI 团队调成「自动挡」——到点自己跑,结果自动送到你面前。不写一行代码。

先接这 3 个场景,别贪多

PM 最值得自动化的,全是「想起才做、不做也行、但做了真好」的重复活:

  • • 竞品监控:每天定时搜一遍对手动态(新版本、降价、融资),早上出一份三句话简报,甩进你的群。

  • • 需求池更新:用户反馈、老板随口丢来的想法,自动归类、去重、排优先级,需求池自己长大。

  • • 周报/月报:每周定时汇总进展和卡点,自动出一份能直接发的初稿。

发现没?这些活单次都不难,难在「坚持」。而坚持恰恰是机器最强、人最拉胯的地方。

三步搭好,不写一行代码

套现成工具就行——飞书/企微的机器人加定时任务,或者 Coze(扣子)这类搭智能体的平台,都可以:

  1. 1. 存智能体:把上篇那段流水线提示词原样贴进去,存成一个「智能体/工作流」,取个名,比如「竞品简报员」。

  2. 2. 设触发:选「每天早 9 点」或「收到新消息时」,告诉它啥时候动。

  3. 3. 设出口:结果发到哪个群、哪个人、哪个邮箱。

你干的活就两件:把活交代清楚,定个闹钟。没了。

为什么这一步最值

「定个时」听起来毫无技术含量,刚上手你大概率会觉得「至于吗」——我当初也这么嘀咕,觉得不就设个闹钟嘛。

至于。因为它改变的是你和工具的关系:手动挡时,流水线是「你想起来才有」的工具;自动挡时,它变成「长在日程里」的同事。竞品周一有动作,你周二早上准时看见——不依赖你的记性,不消耗你的意志力。

手动挡是你伺候工具,自动挡是工具伺候你。

三个坑,提前说

  • • 触发太频繁 → 群被刷屏,大家反手一个免打扰,等于白搭。一天一次或一周一次刚好。

  • • 不审就直接发 → AI 偶尔瞎编,自动发出去的东西你至少扫一眼。自动化不等于全托管。

  • • 一条流水线塞太多事 → 又慢又容易错。一个智能体干一件事,多了就拆开。

想直接抄?上篇资料包里那段「三步流水线」提示词,原样贴进智能体就能用。关注「强少来了」,后台回「子智能体」领。

最后说一句

这三篇下来,一套完整的玩法就齐了:

第 1 篇学会「组队」——172 个 AI 员工各管一摊;第 2 篇跑通「流水线」——调研、需求、原型三步接力;第 3 篇挂上「自动挡」——到点自己跑,结果送上门。

从今天开始,别再手动喊 AI 干活了。给它定个闹钟,然后去忙你该忙的事。

资料包里是全部流水线的现成提示词。领了照着搭,今天设好,明天早上你的第一份竞品简报就躺在群里了。

如果你也被「重复活总想不起来做」折磨,转给那个总说「我这周又忘了看竞品」的同事——他缺的不是记性,是一个会自动跑的团队。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

老板一句「做个XX」,AI跑完调研到原型|Codex Subagents实操篇

2026年8月3日 12:00

原创 强少Qone 2026-08-03 12:00 广东

做产品的,最怕老板甩来一句:「做个 XX,你先看看。」

结果呢?你一个人查竞品查到眼花,写 PRD 写到头秃,画原型画到崩溃。折腾快一周交上去,老板扫一眼:「流程好像不太对?」血压一下就上来了。

同样是接这需求,有人熬夜一周憋方案,有人让 AI 员工接力,半天就出了能讲的雏形——差的不止是手速,是会不会把活拆给队伍。

上篇聊完「172 个 AI 员工」,后台最多的问题就是:我不写代码,这玩意跟我有啥关系?

关系大了。产品岗最累的三步——调研、写需求、画原型——正好全是能拆出去的活。这篇就手把手演示:怎么用 AI 员工三步接力,把这三座大山搬掉。

这条流水线长啥样

一个想法丢进去,三个「员工」接力,出来一份方案雏形。它像一条工厂流水线:上一道工序的成品,就是下一道的原材料。

  • • 第一步 市场调研 + 竞品分析(俩人并行):business-analyst 摸清目标用户和核心诉求;竞品分析专员找出 3 到 5 个对手,功能、定价、短板挨个比。

  • • 第二步 产品需求整理(接第一步):product-manager 基于调研结论,理出需求清单(PRD)——核心功能、用户流程、优先级。

  • • 第三步 产品原型 Demo(接第二步):ux-designer 基于需求,产出原型说明——页面结构、关键界面、主要交互,文字加简易结构描述。

  • • 最后 knowledge-synthesizer 把三步串成一份「从调研到原型」的完整交付物。

注意一个细节:第一步俩人是并行的,但三步之间是排队的——因为需求要吃调研的产出,原型要吃需求的产出。这个「看依赖决定并行还是串行」,正是上篇讲的核心。

你干的事只有一件:看汇总稿,改改,拿去讲。

一段话叫它跑起来(直接抄)

我要做一个「面向小团队的任务管理工具」的雏形,请按三步流水线来做:
第一步(调研):同时派 business-analyst 分析目标用户和核心诉求,派竞品分析专员找出 3–5 个对手,对比功能/定价/短板。
第二步(需求):等调研完成,派 product-manager 基于上面的结论整理产品需求(PRD),写明核心功能、用户流程、优先级。
第三步(原型):等需求定稿,派 ux-designer 产出原型 Demo 说明(页面结构、关键界面、主要交互),用文字 + 简易结构描述。
最后让 knowledge-synthesizer 把三步串成一份连贯的交付物,每条结论附依据。

跑完你拿到的不是一堆碎片,是一份能拿去汇报的方案雏形。

丑话说前头:第一次跑出来的东西,大概率平庸——竞品列得不准,PRD 写得像教科书。别慌,这不代表玩法不行,是你还没把「每一步交什么、按什么格式」说细。把提示词里的要求改具体,调个两三次,就顺手了。我自己的第一版也惨不忍睹,后来就是一点点磨出来的。

为什么比自己憋强

不是 AI 比你聪明,是它不累、不偏心、不嫌烦。

人做需求有个通病:精力是下坡的。第一天查竞品还精神,第三天写 PRD 就开始糊弄,最容易漏掉那个不起眼但要命的竞品短板。流水线每一步都是满状态开工,标准还统一。

记牢一句话:流水线负责「不漏」,你负责「拍板」。

三个坑,绕着走

  • • 让某一步直接替你定结论 → 它真敢编,尤其「竞品短板」这种需要实时数据的事。员工出素材,你做决定。

  • • 一次叫十几个人 → 报告厚到没人看。三步各一两个足够。

  • • 不规定返回格式 → 你会收到一堆散文。要它「按模块 + 依据」给,不然后面没法接。

想再懒一点?

上篇的资料包里,我放了这条流水线的现成提示词,复制就能用。你还能把它存成「常用指令」:老板每次丢想法,喊一声就跑,不用重新打字。

等你想懒到极致,还能让它定时自动跑——比如每天早上自动出一份竞品简报甩你群里。这个下篇讲,不写一行代码,关注了别错过。

最后说一句

产品岗最贵的从来不是体力,是判断力。把调研、整理、初稿这些体力活交出去,你的脑子留着干一件事:拍板。

资料包里有这条流水线的完整提示词 + 172 个员工名单 + 26 套话术。关注「强少来了」,后台回「子智能体」领。

如果你也被「调研、需求、画原型」这三座大山压过,转给那个总加班做 PPT 的同事——他需要的不是更努力,是一支队伍。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

172个AI分工,一个大活轻松干完|Codex Subagents入门篇

2026年7月30日 08:30

原创 强少Qone 2026-07-30 08:30 广东

把一个大活拆给 172 个子智能体,只收最终结果

同样用 AI,有人越用越轻松,有人越用越累。

差在哪?不是模型,是你有没有学会一件事:把活拆开。

我前阵子也卡在这。对着 AI 吐出来的一大坨东西,越看越懵——哪句准?哪块要重做?盯着屏幕半天,最后发现最累的还是我自个儿。

后来我把 Codex 那个 Subagents(子智能体)翻了个遍,啃完官方手册加 172 个预设角色,才琢磨明白:这功能被严重低估了。它干的事特别简单——把你从「使唤一个 AI」,变成「指挥一支 AI 队伍」。

打个比方你就懂了

以前你一个人带个全能选手,他既要当侦探找问题,又要当工人写东西,还要当质检挑毛病。忙是忙,但乱,就像让一个人又当导演、又当演员、又当剪辑。

Subagents 相当于你雇了一队专项小工。你只管接活、派活、收活。查代码的管查代码,跑测试的管跑测试,审安全的管审安全,各干各的,互不添乱。脏活累活——几千行日志、满屏报错——都关在他们自己屋里,不往你脸上糊。

你主窗口干干净净,只看见结果。

当然,不是啥活都值得组队。改个按钮、调个错别字,你自己顺手就完了,犯不着兴师动众。但凡活儿能拆成几摊互不搭界的,或者需要多个角度一起审的(对不对、安不安全、漏没漏测),它就香了。

查代码、跑测试、审安全,最后只把摘要送回主窗口

叫它们干活,说人话就行

不用记任何命令,大白话就说清四件事:叫谁、干啥、一起干还是排队、干完给谁。

最小写法,直接抄:

让 code-mapper 先把「登录报错」相关的代码都揪出来,别改,只告诉我关键文件和最可能出毛病的位置。

并行写法,也直接抄:

同时叫 reviewer、security-auditor、qa-expert:一个查对不对,一个查安不安全,一个查测试漏没漏。仨都完了,你帮我按轻重去重汇总,每个问题附上文件出处。

判断窍门一句话:互不依赖就一起干;A 的产出是 B 的食材就排队;几个人要动同一个文件——只留一个改,其余看戏。

新手最容易栽的 4 个坑

  • • 叫了一堆人却不点名谁干啥 → 它们互相客气,最后啥也没干成。要点名、派活。

  • • 几个人同时改一个文件 → 会「打起来」,互相覆盖。只让一个人改。

  • • 一次叫十几个 → 又贵又乱,报告厚得你自己都不想看。2 到 6 个最舒服。

  • • 把原始输出全塞回主窗口 → 那跟没分工有啥区别?只要摘要。

子智能体控制在 2 到 6 个,只留一个修改者,并让其他人提交摘要

想自己加个「员工」?三行就够

写个小配置,核心就三行:叫啥、啥时候该叫它、具体怎么干。

诀窍只有一个:描述别写「你是个资深专家」这种虚的,写「什么时候该叫你」。写得越准,它越会在对的时机自己冒出来。

最高频的组合,直接抄

  • • 想清楚要做什么:business-analyst + product-manager + ux-researcher

  • • 全栈一把梭:api-designer + 前端 + 后端 + 整合 + 测试

  • • 审东西:reviewer + security-auditor + 文档 → 汇总

  • • 卡性能:performance-engineer + 前端 + 数据库

  • • 不知道派谁:先叫 agent-organizer,让它帮你分

这 172 个「员工」,我把中文对照表整理出来了,外加 26 套能直接抄的干活话术(需求、PRD、竞品、全栈、支付金融都有)。光看英文名你大概率一脸懵,得配合话术使。

关注「强少来了」,后台回「子智能体」领走。

最后说一句

用了这么久,我越来越觉得一句话是对的:

你不是在操作一个工具,你是在带一支队伍。

下篇我不聊代码——很多做产品的朋友问「这玩意跟我有啥关系」,关系大了。我挑「调研 → 需求 → 原型」这个最累的场景,手把手演示怎么让这批 AI 员工接力干活。关注了别错过。

要是你也被「一个大活自己扛到崩溃」折磨过,顺手转给那个总加班到最后的同事——他缺的可能不是一个更聪明的 AI,是一支能分工的队伍。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

从PRD到可验证代码:AI需求开发闭环实践_有意思小周刊vol.170

2026年7月27日 08:30

原创 强少Qone 2026-07-27 08:30 广东

有意思小周刊 vol.170

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 从 PRD 到可验证代码:AI 需求开发闭环实践

2. 我的 AI 驱动开发工作流:基于 Cursor 的全流程实战开发 SOP

3. 货拉拉标注平台 - 拉拉标注

4. skill怎么写、怎么用、怎么迭代?把我踩过的坑和方法全交代了

5. 让 Claude Code 拥有自我进化和记忆系统|得物技术

6. 如何利用 Harness “一句话交付产品功能”?

7. 揭秘:资损下降 99.96% 的背后—AI 资损防控平台实战

8. AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

9. AI Agent 的 Skill 系统设计

10. 一文了解|SkillScan 智能体技能安全扫描最佳实践

11. 经验|提升Vibe Coding设计质量的10个技巧!

12. Agent 评测:方法论与体系设计

13. 复杂业务规则太多?我们搭了一个规则可视化配置平台

14. 海外Agent实践:让问题直达源码,助力团队提效!

15. 复杂业务场景下 RCA Agent 的探索实践

🔎 发现新大陆

1. Pi Agent:原理与实现,从零到一实现一个 AI Agent

2. MotionSites AI:高端 AI 网站提示词

🛠️ 资源·工具

1. 中国传统配色

💡 Skill 推荐

1. 你的微信读书数据面板

2. Gorden Super PPT Skills

▌从 PRD 到可验证代码:AI 需求开发闭环实践

链接:https://mp.weixin.qq.com/s/31ci2aTXgAnKEErr5cQVtA

本文提出了一套面向 React Native(RN)项目的 AI 需求开发闭环实践框架,旨在解决“一句话生成代码”方式中因需求未对齐、接口不稳、设计还原偏差大而导致的反复返工问题。该框架通过将输入源(PRD、接口文档、Figma)转化为可审阅的“需求规格”,并设置人工门禁进行需求审阅和架构确认,确保实现基于证据。随后,代码生成、编译验证和视觉审计三个环节依次执行,分别按架构实现、验证代码工程正确性以及对照设计稿追溯UI还原证据,形成一个从需求到可验证代码的稳定人机协作流水线,并最终通过经验沉淀使流程持续改进。

▌我的 AI 驱动开发工作流:基于 Cursor 的全流程实战开发 SOP

链接:https://mp.weixin.qq.com/s/d8lcMKS_zgfCMt_HOlzFKw

本文提出了一套基于 Cursor 的“五段式”AI 辅助开发标准化工作流(SOP),其核心理念在于“人工主控、AI 赋能”,即由开发者主导业务拆解、架构设计和核心逻辑,而 AI 负责高效落地模板化代码、辅助排错及优化。该流程不仅强调通过前置的需求分析和架构设计来避免返工,还独创性地提出了 Token 消耗治理策略,通过精准上下文投喂、会话重置和模型分级选型,实现以最低成本获取最高质量的 AI 输出,从而将模糊的业务需求转化为稳定、高效、可维护的代码资产。

▌货拉拉标注平台 - 拉拉标注

链接:https://mp.weixin.qq.com/s/E-3wlSwAU9gqPLuNrWYpiw

货拉拉自研的“拉拉标注”平台是一体化线上数据标注系统,旨在解决传统标注方式效率低、质控弱、管理成本高等问题。它通过标准化流程(创建队列、数据导入、标注质检、数据导出及统计报表)和丰富的模板(支持图像、文本、语音、视频及多模态),覆盖从数据采集到模型训练的全链路。该平台最终实现了全场景效率提升100%以上和准确率达99%以上的显著效果,为AI模型迭代和业务高效判定提供了可靠支撑。

▌skill怎么写、怎么用、怎么迭代?把我踩过的坑和方法全交代了

链接:https://mp.weixin.qq.com/s/EyrbFVz4eGafTJylIUbNsQ

本文系统性地介绍了 AI Skill(技能)的概念、编写、安装、使用及迭代方法。Skill 本质上是一个包含 SKILL.md 文件的文件夹,用于为 AI 设定工作规则和偏好,可被理解为“给实习生的工作手册”。作者通过自身使用语音输入法和 AI 组合高效记录想法的实践案例,详细拆解了 Skill 文件的组成部分(如 frontmatter 元数据和具体规则正文),并对比展示了使用 Skill 前后 AI 输出效果的巨大差异。文章还强调了 Skill 的迭代方法(让 AI 从用户修改中学习)、不同模型对 Skill 遵循能力的差异、安装与寻找资源的途径,以及避免安装过多 Skill 导致上下文冲突等常见陷阱,最终指出撰写 Skill 的本质是将个人工作方式和审美标准沉淀为可复用的显性规则。

▌让 Claude Code 拥有自我进化和记忆系统|得物技术

链接:https://mp.weixin.qq.com/s/PGT49KORSVZYpJxykWnwOw

本文详细介绍了为 Claude Code 构建的一套自我进化与记忆系统,该系统通过行为观测层、模式提炼层和记忆注入层三个核心子系统协作,形成一个完整的自学习闭环。系统利用 Hook 机制100%捕获工具调用以收集数据,在会话结束时通过统计模式检测和AI语义分析提炼出原子化的行为规则(Instinct),并利用向量检索技术在下次对话启动时自动注入相关记忆,从而让AI助手能够跨越会话边界学习用户习惯。根据数月的真实使用数据,该系统带来了显著收益:上下文冷启动时间从10分钟降至30秒,Token消耗降低约78%,错误重复率下降80%,并展现了知识复利效应。

▌如何利用 Harness “一句话交付产品功能”?

链接:https://mp.weixin.qq.com/s/2vO99OlOInapWZSEbJau8A

本文分享了团队将AI驱动的开发模式从“Vibe Coding”(AI写代码,人统筹)升级为“Harness模式”(代码库为唯一事实源,Agent自治流转)的实践。核心是通过重构代码仓库为单仓(使用Git Submodule整合前后端),并设计了一个由6个专业Sub-Agent组成的自动化协作流水线,覆盖从需求分析、前后端开发到集成测试与E2E测试的全流程。通过定义清晰的Agent Handoff协议,实现了任务状态在不同Agent间的安全、自动化流转。实践表明,该模式成功将原本需要1天完成的功能开发缩短至约2小时,效率提升约4倍,显著降低了前后端联调的沟通成本。

▌揭秘:资损下降 99.96% 的背后—AI 资损防控平台实战

链接:https://mp.weixin.qq.com/s/OcuSQ-aGWpwzDR8Lqx-mSQ

在交易型互联网平台中,资金安全是生命线。传统资损防控高度依赖人工经验与后置规则,面临覆盖度低、响应滞后、规则易腐化等顽疾。本文以货拉拉 AI 资损防控平台的工程实践为例,详细拆解如何通过“数据飞轮 + 模型蒸馏 + 多智能体协同”架构,年度资损降幅 99.96%,并实现从“人工布防”到“AI 原生防控”的体系化跃迁。文章聚焦工程落地细节,涵盖自动化标注链路构建、代码/文本双模态风险识别、防腐化 Agent 设计,为同类业务提供可复用的技术范式.

▌AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

链接:https://mp.weixin.qq.com/s/lJCSdQlwqiUe3Y1K8cGAvQ

本文介绍了得物技术推出的AI原生UI自动化测试新范式“ai_uitester”,该方案通过视觉语言模型(VLM)驱动,以“截图→理解→执行”的闭环替代传统基于元素定位的测试方法,有效解决了传统方案中用例迁移成本高、调试效率低、跨平台维护难三大痛点。其核心能力包括:利用LLM将平台描述性用例自动转化为可执行脚本、AI智能调试与用例自愈机制(可自动诊断并修复因UI变更或流程变动导致的失败),以及VLM驱动的跨平台统一执行能力,使得同一套JSON脚本能在Android、iOS和HarmonyOS上通用。此外,嵌入式的Wiki知识库与系统各模块深度耦合,为用例生成、自愈诊断和运行时执行提供背景知识,并通过“宁缺毋滥”的置信度机制确保测试的可靠性。该方案已在得物App落地,显著提升了用例转化效率与脚本自愈率,代表了从“代码驱动”到“视觉驱动”的测试范式转变。

▌AI Agent 的 Skill 系统设计

链接:https://mp.weixin.qq.com/s/idzAV3XkWWm7GnFOFyZUBw

本文系统阐述了 AI Agent Skill 系统的设计理念与工程实践,核心观点是将 Skill 视为“行为编程”而非文档,旨在通过结构化设计(YAML+Markdown、DOT 流程图、检查表)和严格的约束机制(门控、合理化防御、说服原则)来规范 AI 代理的行为。文章详细探讨了在有限上下文窗口下的 Token 经济策略,包括基于触发条件的发现机制、两阶段加载及声明式引用;提出了单向管道工作流编排、子代理上下文隔离及分级模型选择方案;强调了基于 TDD 理念的 Skill 测试方法,即通过压力场景观测并封堵代理的违规行为;最后总结了跨平台适配策略及从“建议”走向“强制”、从“手动”走向“自动”的演进教训,旨在构建高合规性、低成本且可维护的 AI 代理技能体系。

▌一文了解|SkillScan 智能体技能安全扫描最佳实践

链接:https://mp.weixin.qq.com/s/GaefP5FMN8b-1JBfrUMqzQ

本文档详细介绍了火山引擎推出的SkillScan智能体技能安全扫描方案,该方案针对AI Agent技能生态中日益突出的安全问题,从风险全景、检测能力、实践场景和接入方案等维度提供了全面的安全保障体系。文档首先系统分析了技能安全面临的风险,包括包体文件、声明层、代码层、网络与资源以及开源合规与供应链五大类风险,并针对不同的攻击向量和潜在影响进行了阐述。在此基础上,SkillScan构建了多层次的安全检测能力,涵盖基础检测、增强检测和运营保障,并提供了云上市场、内场共享等典型业务场景的定制化防护策略。最后,文档介绍了四种接入模式和具体的安全准入要求,并总结了技能安全开发的七大最佳实践原则,旨在从源头降低安全风险,为智能体技能生态构建全方位的安全防线。

▌经验|提升Vibe Coding设计质量的10个技巧!

链接:https://mp.weixin.qq.com/s/dF-0n3iqWJCMSDpiCqekYA

本文提供了提升 Vibe Coding 设计质量的10个实用技巧,分为前期准备和代码产出两个阶段。核心思想包括:通过设定专属AI Agent来固化项目技术栈和设计规范,确保输出一致性;利用其他AI模型优化设计需求的Prompt描述,弥补非技术人员在代码层面的表达缺陷;以及采用分阶段、由粗到细的还原策略,将复杂页面拆解为布局、模块和细节,避免AI一次性生成大量代码导致的结构混乱。

▌Agent 评测:方法论与体系设计

链接:https://mp.weixin.qq.com/s/7a2L-GatYYwI6s1uK9mTjA

本文系统阐述了Agent评测的体系化方法论,强调评测不应是上线前的临时抽查,而应嵌入研发流程,将不稳定的智能行为收敛为可发布的工程质量。文章的核心在于,通过区分Agent类型(如对话型、任务执行型),设计分层次、可定制的五类指标体系(正确性、鲁棒性、效率、安全性、用户体验),并构建包含专家设计、扩展用例、线上回流和Badcase的多元化评测数据集。此外,文章详细介绍了采用规则与LLM Judge相结合的“分层筛查”评分机制、基于问题现象与功能模块映射的结构化根因定位(RCA),以及最终将Badcase转化为行动项和可复用质量资产的闭环流程,以实现Agent的持续迭代与优化。

▌复杂业务规则太多?我们搭了一个规则可视化配置平台

链接:https://mp.weixin.qq.com/s/GYDtswtqEfbvCxpHTvjR6g

本文详细介绍了一个规则可视化配置平台的建设背景、核心能力、设计原理与实践效果。该平台旨在解决复杂业务规则散落在代码和配置中导致的变更风险高、治理困难等问题,通过将业务逻辑抽象为字段、组件和链路等可视化、可复用的策略资产,并集成了测试验证、发布审批、灰度对比、热更新与快照回滚等完整的发布治理体系。其核心设计采用管理面与运行面分离的架构,管理端负责规则配置与治理,运行端以SDK形式嵌入业务服务本地执行,并基于LiteFlow流程引擎实现高性能的热更新执行,从而在提升规则变更效率的同时,有效降低了线上风险。

▌海外Agent实践:让问题直达源码,助力团队提效!

链接:https://mp.weixin.qq.com/s/xCAjA9QK0DQBZYm_iKKlng

本文档介绍了爱奇艺海外事业部在AI编程全面普及的背景下,基于Cursor TypeScript SDK构建了“Code Chat MCP”(代码即时问答)和“Intl Chat Debug Agent”(国际站排障助手)两个云端智能服务。其核心思路是“让问题直达源码”,通过自动串联代码、配置、日志、接口等多系统数据,打破产品、运营、研发等多方人员的串行依赖,为业务咨询、反馈排障、迭代联调等场景提供即时、精准的分析结论,旨在提升团队整体工作效率。

▌复杂业务场景下 RCA Agent 的探索实践

链接:https://mp.weixin.qq.com/s/lJxoCr5-VwpfYTqfcVbjhg

本文探讨了在AI编码能力日益成熟但软件工程全局难题未解的背景下,快手如何构建基于大模型的业务排障体系(RCA Agent)。文章详细阐述了四个核心挑战:让AI理解业务(通过引入代码抽象层“业务资产”)、对抗高占比告警噪声(采用置信度评估和证据金字塔分级)、衡量推理不确定性(建立基于真实线上案例快照的评测体系)、以及抑制模型幻觉(将确定性任务工程化为标准化算子)。最终,文章提出了一个分层架构,结合“快思考”的Workflow与“慢思考”的Multi-Agent,并展望了向AI Native自主化、自进化方向发展的目标。

▌Pi Agent:原理与实现,从零到一实现一个 AI Agent

链接:https://how-pi-agent-works.vercel.app/

该文档是一个关于“Pi Agent”原理与实现的教程,旨在指导读者从零开始构建一个AI Agent。教程的核心在于通过工程化视角,拆解模型流、Agent循环、工具调用、会话树、资源加载与上下文压缩等关键概念。它提供了渐进式的Demo和可运行的教学版项目,适合具备TypeScript、Node.js等基础但尚未构建过完整Agent系统的开发者。

▌MotionSites AI:高端 AI 网站提示词

链接:https://motionsites.ai/

本文档展示了 MotionSites AI 提供的一系列高端 AI 网站提示(Prompts),内容涵盖从时尚、旅行、SaaS、健康、房地产到艺术和 Web3 等多个领域的网站设计模板,其核心价值在于帮助用户利用 AI 工具快速创建具有专业视觉效果的动态网站。同时,文档推广了 DesignRocket 平台,该平台旨在教授用户如何利用 AI 工具设计出通常代理机构收费高达 5000 美元的网站,从而赋能用户掌握高价值的 AI 设计技能。

▌中国传统配色

链接:https://colors.xiaoxiaodong.ai/

这里收录 742 张中华传统色高清色卡,已按原始 742 色清单完整覆盖。每张色卡包含色名、HEX、RGB、CMYK、配色推荐和气质关键词。现在它不只是素材库,也是一套可交互的中国色工作台:可以查色、试场景、生成色板、浏览配色关系、查看渐变逻辑、制作用途卡片、生成 shadcn 主题、配置终端调色板,并把喜欢的色卡和整组方案收藏到本机。

▌你的微信读书数据面板

链接:https://readneo.vercel.app/

你的微信读书数据面板 -- 连接微信读书 Skill API,可视化书架、阅读统计、笔记划线,一键导出到 Notion 和 Flomo。

▌Gorden Super PPT Skills

链接:https://github.com/GordenSun/GordenSuperPPTSkills

AI PPT赛道终结者,史上最最最强 PPT Skill!!! 使用GPT生成豪华的图片格式PPT,然后转换为完全可编辑的PPTX文件。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

深入理解 AI Agent:设计原理与工程实践

2026年7月24日 08:30

原创 强少Qone 2026-07-24 08:30 广东

Agent = LLM + 上下文 + 工具——本书围绕这个核心公式,用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、92 个配套实验全部开源,欢迎亲手把实验跑一遍。

没什么技术背景、但天天在用 AI 的,很值得看看这个《深入理解 AI Agent》,一周 17k star

GitHub:https://github.com/bojieli/ai-agent-book

Agent = LLM + 上下文 + 工具——本书围绕这个核心公式,用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、92 个配套实验全部开源,欢迎亲手把实验跑一遍。

平时我们用 AI 会有很多疑问:比如:

为什么上下文一长 AI 就变笨,书里拆到了 KV Cache 和上下文压缩,

为什么有的 Agent 好用有的不行,第一章就告诉你:模型只是三分之一,

上下文和工具才是另外三分之二,等等等等......

这本书讲的就是这层底下的东西,而且是从工程应用的角度讲,每章还配着能跑的实验代码

可以把 Github 链接丢给 Codex 让 AI 带着你学一遍,这个真的很值得学一学!

https://github.com/bojieli/ai-agent-book

跳转微信打开

有意思小周刊No.169(2026.06.01):Codex国内也能畅快用,亲测有效

2026年6月1日 10:00

原创 强少Qone 2026-06-01 10:00 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 【保姆级教程】Codex 国内也能畅快用,亲测有效

2. 浏览器自动化:从GUI到OpenCLI

3. 替你们试过了,OiiOii真能帮普通人做出电影来!

4. Claude Design 实战课:省 Token 出原型、Figma 精修、交接前端,技巧全给

🔎 发现新大陆

1. CodexGuide:从第一次上手,到把 Codex 接入真实工作流

2. Ogden's Basic English:一个基于理论的免费英语单词学习网站

🛠️ 资源·工具

1. Pokémon SVG Bench:AI 生成宝可梦 SVG 的测试集

2. Graphite:一个矢量作图的 Web 应用

3. Codex Mate:一站式本地 AI 编程智能体管理面板

🎯 言论·语录

1. 行为经济学诱饵

▌【保姆级教程】Codex 国内也能畅快用,亲测有效

链接:https://mp.weixin.qq.com/s/Qvfr9LC2wF9ltCEyKFqK3g

本文介绍了三种在国内无需开通ChatGPT Plus即可使用Codex的方法:手动配置config.toml文件以接入第三方API、使用图形化管理工具Codex++简化配置过程、以及通过CCX网关与CC Switch工具进行协议转换和供应商管理。作者亲测了所有方案,并提供了详细的步骤、配置示例以及排错建议,其中Codex++因其省心且支持插件功能被强烈推荐。

▌浏览器自动化:从GUI到OpenCLI

链接:https://mp.weixin.qq.com/s/hp8yj2_qc2MmCi1jYpfx5g

本文提出了一种名为 OpenCLI 的浏览器自动化新思路,核心是放弃不稳定、低效的前端 UI 自动化,转而通过解析并复现底层 API 请求来实现更稳定高效的自动化操作。文章详细介绍了 OpenCLI 的框架原理,包括 AI Agent 通过浏览器交互发现 API 的工作流、五级认证策略、适配器合成等关键机制,并通过内部会议平台 CLI 化和 BOSS 招聘自动化等实际案例展示了其强大的应用潜力。最后,文章展望了未来软件的竞争维度将从“界面友好”转向“可调用性”,即软件将被 Agent 稳定理解、调用和集成。

▌替你们试过了,OiiOii真能帮普通人做出电影来!

链接:https://mp.weixin.qq.com/s/0paYeZcYNUdoh-ftvc_glQ

本文介绍了一款名为 OiiOii 的 AI 动画创作工具。该工具通过模拟一个由编剧、分镜师、角色设计师等7个专业化 AI Agent 组成的“虚拟动画团队”,将用户一句简单的故事描述,自动转化为包含剧本、分镜、角色设计、场景搭建、视频生成及音效合成的完整叙事动画。文章的核心观点是,在 AI 视频模型能力逐渐趋同的背景下,OiiOii 的创新之处在于它没有单纯提升工具易用性,而是从创作流程出发,弥补了用户在编剧、分镜、一致性控制(角色与场景)等专业领域知识的不足,让普通人也能创作出高质量、有故事性的短片。

▌Claude Design 实战课:省 Token 出原型、Figma 精修、交接前端,技巧全给

链接:https://mp.weixin.qq.com/s/r120My-1wDIElP4Kkw-tpA

本文介绍了如何使用AI工具Claude Design革新传统的产品原型设计流程。核心观点是,Claude Design能将设计师从“画原型”的体力劳动中解放出来,使其专注于“思考产品”的核心价值。它通过自然语言理解设计意图,快速生成可交互的原型,并支持低成本迭代,从而重构了产品、设计、研发(产设研)之间的协作方式,提升了整体效率。

▌CodexGuide:从第一次上手,到把 Codex 接入真实工作流

链接:https://codexguide.ai/

从第一次上手,到把 Codex 接入真实工作流;帮助不同背景的人用 Codex 完成开发、创作、研究、自动化与团队协作。 如果这个项目帮你节省了摸索时间,欢迎点亮 Star,让更多人看到它。

▌Ogden's Basic English:一个基于理论的免费英语单词学习网站

链接:https://ogden.munch.love

该网站的核心是语言学家 C.K. Ogden 在1930年提出的850个核心英语单词。网站将这850个词分为五类(操作词、普通事物、可描绘事物、性质词、反义词),并为每个单词提供了一张学习卡片,卡片上包含中文释义、英文定义、真实语境下的例句以及2-3个同义词。每个单词和例句都支持英式和美式发音,语速适中,适合跟读。网站设计简洁,无需注册,也不收集用户信息,完全免费使用。简单来说,它旨在帮助学习者通过掌握这850个高频核心词汇,打下扎实的英语基础,实现更有效的日常交流

▌Pokémon SVG Bench:AI 生成宝可梦 SVG 的测试集

链接:https://svg-bench.fenx.work/gallery

这是一个使用 AI 生成宝可梦 SVG 的测试集,评测各种 AI 模型生成的效果。这个网站就像一个“AI 画宝可梦大赛”的实时成绩公示板,通过标准化的考题和评分,展示了当前各种大模型在矢量图形生成这项任务上的“绘画”水平。

▌Graphite:一个矢量作图的 Web 应用

链接:https://editor.graphite.art/

Graphite 是一款免费的开源矢量与光栅图形引擎,目前处于 alpha 版本。它提供完全非破坏性的编辑工作流程,结合基于图层的合成与基于节点的生成式设计,助你尽情发挥创意。Graphite 最初是一款矢量编辑器,如今正不断演变为一个通用的、一体化图形工具箱,其架构更像游戏引擎,而非传统的创意类应用。该编辑器的工具围绕其节点图核心构建,为矢量、位图以及更多领域提供了用户友好的工作流程。照片编辑、动态图形、数字绘画、桌面出版和视觉特效合成等能力也已列入未来规划路线图,使 Graphite 成为一款高度多功能的内容创作工具。

▌Codex Mate:一站式本地 AI 编程智能体管理面板

链接:https://sakurabytecore.github.io/codexmate/

管理您所有的本地AI编程代理。可在Codex、Claude Code和OpenClaw之间切换服务商,管理会话,并协调各项任务。零云依赖,以本地为核心的控制平台。

▌行为经济学诱饵

链接:https://www.sina.cn/news/detail/5279286413232198.html

行为经济学家丹·艾瑞里,有一天闲逛《经济学人》官网。

他在订阅页面上,看到了三个选项:

A. 电子版——59美元。 B. 纸质版——125美元。 C. 纸质版+电子版——125美元。

他愣住了。

B和C,价格一模一样。

一个只给纸质版,一个纸质版加电子版全送。

谁会选B?

傻子都不会。

但艾瑞里没有笑。

他拿着这三个选项,走进了MIT的课堂,做了一个实验。

100个全球最聪明的学生,面对这三个选项。

结果:

16%选了A。 0%选了B。 84%选了C。

总收入:11,444美元。

跟预想的一样,没有一个人选B。

然后艾瑞里做了一件小事。

他把B删了。

只留A和C。

逻辑上,一个从来没人选的东西,删掉它不应该影响任何结果。

对吧?

结果出来了。

68%选了A。 32%选了C。

总收入暴跌到8,012美元。

一个从来没人选的选项。

自己一份都没卖出去。

却在暗中帮旁边的贵套餐,多卖了52%。

仅仅因为它"存在"。

就让杂志社多赚了3,432美元。

🖊️ 这就是行为经济学中著名的"诱饵效应"。

1982年,杜克大学教授乔尔·胡贝尔首次在实验中证明了这个现象。

原理很简单:

人类不擅长判断一个东西的"绝对价值"。

但极其擅长做"相对比较"。

当只有59美元和125美元两个选项时,你的大脑在比较"便宜 vs 贵"。

大多数人选便宜的。

但当"125美元只买纸质版"这个诱饵一出现,你的大脑就不比较A和C了。

它开始比较B和C。

同样的价格,C多了一个电子版。

天哪,这不是白捡的吗!

于是你心满意足地选了C。

浑然不知自己刚刚多花了66美元——买了一本可能一辈子都不会翻开的纸质杂志。

这个套路如今无处不在。

咖啡店的中杯定价,永远让你觉得大杯"更划算"。

视频网站的月卡,总是贵到让你觉得年卡"不买就亏"。

手机发布会上,永远有一款"高价低配"机型,它唯一的使命,就是让旁边那款看起来"性价比极高"。

当你觉得自己占了便宜的时候,多半是有人精心摆放了一个诱饵,让你心甘情愿走进了更贵的那扇门。

那个没人选的选项,才是全场真正的主角。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

有意思小周刊No.168(2026.05.25):Codex团队使用SOP

2026年5月25日 08:30

原创 强少Qone 2026-05-25 08:30 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. Codex 团队使用 SOP

2. 来自 Codex 官方团队的分享:如何把 Codex 用到极致

3. AI新名词比我头发掉得还快

4. Claude Code Harness 工程:数仓侧落地方案|得物技术

5. 私域转化率翻倍的秘密:我们把多模态Agent融进了私域营销

6. 重新定义Skill开发:保姆级教程&一站式开发助手发布

7. 缓存使用实践总结:以淘宝交易结算场景为例

8. 生成式强化学习在七猫小说内容扶持业务的实践

9. 基于 Harness + SDD + 多仓管理模式的 AI 全栈开发实践|得物技术

10. 淘天营销中后台生码工作流最佳实践

🔎 发现新大陆

1. 高斯泼溅作品集

2. 免费IP地理位置数据库

🛠️ 资源·工具

1. GEOFlow:一套专门面向 GEO(生成式引擎优化)的开源智能内容工程系统

2. Stock SDK:面向浏览器与 Node.js 的股票行情 SDK

▌Codex 团队使用 SOP

链接:https://blog.janus-path.com/2026/05/20/Codex%E5%9B%A2%E9%98%9F%E4%BD%BF%E7%94%A8SOP/

本文档为团队使用 Codex、OpenSpec 和 Superpowers 制定了全面的标准操作流程。不只适用于开发工程师,也适用于产品经理、测试工程师、设计师、运营、实施交付、数据分析和其他需要沉淀项目上下文的业务团队。核心思想是将可复用的项目上下文结构化为 OpenSpec 记录,将高频复杂操作封装为 Superpowers,并通过 Codex 自动化和验证执行过程。同时,强调了上下文预算的重要性,要求在简单任务中不引入复杂工具,避免信息过载影响模型效果,最终目标是降低协作门槛,让团队经验和决策得以沉淀和复用。

▌来自 Codex 官方团队的分享:如何把 Codex 用到极致

链接:https://mp.weixin.qq.com/s/BzR8QdVkEg2nLtZP1wVXWQ

本文详细介绍了如何将AI编程助手Codex的功能发挥到极致,核心在于将其从一个单纯的代码生成工具,升级为能处理电脑上各类复杂任务的“全能打工人”。文章重点阐述了通过利用“持久对话流”来保持工作上下文、运用“语音输入”、“任务干预与排队”等技术实现灵活的人机协作,以及借助“自动化”、“目标设定”和“侧边栏”等功能,让Codex能够在用户不在场时自主推进工作,并高效审查和迭代成果,从而覆盖从指令到执行的完整工作流。

▌AI新名词比我头发掉得还快

链接:https://mp.weixin.qq.com/s/KRkweiilI8X4pH-xvrkfUQ

本文梳理了AI应用开发中涌现的海量新名词,将其归纳为“三代工程化跃迁”:第一代提示词工程解决“怎么问”的问题,第二代上下文工程解决“喂什么”的问题,第三代Harness(质检)工程解决“怎么验”的问题。文章指出,无论哪代工程,其底层都基于LLM、Memory、Tools、Planning四大基础模块,并强调了建立标准化评测体系对于确保AI系统可靠性的关键作用。

▌Claude Code Harness 工程:数仓侧落地方案|得物技术

链接:https://mp.weixin.qq.com/s/KmQJU7nXmYh5qgWPj4ajlw

本文详细介绍了在得物离线数仓场景中,针对 Claude Code 等 AI 编码工具在开发过程中暴露出的 "上下文失忆"、"规范执行不稳定" 及 "复杂需求 context 膨胀" 三大结构性痛点,设计并落地了 Harness 工程方案。该方案构建了一套包含持久化层(CLAUDE.md、Auto Memory)、自动化钩子层(Hooks)、上下文隔离层(Subagents)的多层防御体系,将业务语义、开发规范和迭代约束从不可靠的 LLM 记忆中迁移到确定性的文件系统和脚本执行环境中,从而系统性地提升了 AI 辅助开发的规范遵守率和准确性,实现了从 "AI 帮我写代码"到 "AI 嵌入研发流水线"的升级。

▌私域转化率翻倍的秘密:我们把多模态Agent融进了私域营销

链接:https://mp.weixin.qq.com/s/IUkQOiS1wcCXEusA-jFtFA

本文介绍了货拉拉如何利用多模态大模型和Multi-Agent系统,系统性解决私域营销中传统内容生产高度依赖人工、效率低且难以规模化个性化的痛点。通过将AI质检、多模态营销素材生成和问答交互三大专属Agent协同工作,实现了从用户意图识别、营销素材自动生成到合规安全交互的全链路自动化,有效解决了私域流量转化难、运营节奏踩不准等问题,最终达成私域运营从“人工零散执行”向“AI全流程托管”的智能化升级,显著提升了转化效率并降低了运营成本。

▌重新定义Skill开发:保姆级教程&一站式开发助手发布

链接:https://mp.weixin.qq.com/s/FgGVPw0BOZEu5sH1FdrVoQ

本文是一份关于AI Agent Skill开发的全面教程,阐述了Skill作为结构化指令文档的本质、其渐进式加载机制,并深入分析了当前Skill生态面临的跨平台一致性、版本管理和调试效率三大痛点。文章的核心观点在于,AI自动化的是重复性任务,而人类的独特价值在于提供体验和判断。为解决生态痛点,文章介绍了一站式Skill开发助手,旨在将复杂的Skill开发流程简化为用户只需做出判断的单一入口,从而让用户专注于价值创造而非工具学习。

▌缓存使用实践总结:以淘宝交易结算场景为例

链接:https://mp.weixin.qq.com/s/LRJUL9RAhr85FlsmStTCZQ

本文以淘宝交易结算场景为例,系统总结了缓存使用的理论与实践。文章首先阐述了适用缓存的数据需具备的四个核心条件(不要求强一致性、访问频率高、更新频率低、访问要求高性能),并详细介绍了从存储端、存储介质、存储时机三个维度进行缓存分类与选型的方法。随后,通过五个典型实践场景(配置类数据缓存、实体类数据缓存、单例型配置缓存、分布式锁、汇总计数),展示了不同特征数据如何根据理论进行具体选型与落地。最后,文章重点分析了缓存穿透、击穿、雪崩、一致性、序列化及本地缓存并发等六大安全风险的成因与治理方案。

▌生成式强化学习在七猫小说内容扶持业务的实践

链接:https://tech.qimao.com/sheng-cheng-shi-qiang-hua-xue-xi-zai-qi-mao-xiao-shuo-nei-rong-fu-chi-ye-wu-de-shi-jian/

本文介绍了七猫小说在内容扶持业务中采用生成式强化学习(Generative Reinforcement Learning)技术,将有限的扶持流量进行高效动态分配。该技术通过将内容扶持建模为时序序列优化问题,利用Transformer架构对全天48个时间步进行全局决策,并设计乘积式复合奖励函数,同时兼顾了新增阅读量、转化效率和扶持系数约束三大目标。实验表明,该策略在固定流量下显著提升了书籍曝光效率,尤其使30-100万字的优质连载书新增阅读量提升了6%。

▌基于 Harness + SDD + 多仓管理模式的 AI 全栈开发实践|得物技术

链接:https://mp.weixin.qq.com/s/ygQGSH5c7GHYDvkqWoQTXQ

本文提出了一套基于“Harness + SDD + 多 Agent”的全栈AI开发方法论,核心是通过给AI提供精确的模仿对象(Harness思维)而非让其凭空创造,以解决AI生成代码风格不统一、采纳率低的问题。该方法通过搭建前后端统一的工作区并利用Codebase Indexing建立语义索引,再以SDD文档驱动生成前后端代码,并支持多Agent并行开发以提升效率。此外,文章还强调了在前后端联调中采用分阶段验证策略,并提醒开发者警惕AI自动复刻“隐性功能”带来的测试陷阱,从而在实际项目中实现了提效50%+的显著成果。

▌淘天营销中后台生码工作流最佳实践

链接:https://mp.weixin.qq.com/s/VjTyHFr17l_bObG6x8-Mmw

本文总结了淘天营销中后台在AI生码提效上的系统性升级实践,核心路径是统一收敛至基于AoneSuper的云端托管生码,以解决本地环境不一致、AK管理难和执行易中断等问题。在此基础上,构建了基于git submodule和turborepo的跨仓库工作区以支持多仓协同,并打造了覆盖需求理解到构建发布全链路的可编排场景化工作流。针对高确定性的迁移/重构任务,采用架构说明文档+领域Skill固化规则;针对低确定性的日常迭代,引入“功能树”实现查表式精准知识供给,并结合D2C/API还原优化与知识自动沉淀,形成了持续改善的提效飞轮。

▌高斯泼溅作品集

链接:https://superspl.at/

高斯泼溅(Gaussian Splatting)是一种算法,可以将多张照片合成为 3D 图像。网站 SuperSplat 提供在线的高斯泼溅处理,可以上传照片进行处理,还能浏览很多合成好的 3D 模型。

▌免费IP地理位置数据库

链接:https://ip66.dev/

免费的 IP 地理位置数据库,可以自由下载,在脚本中调用查询。

▌GEOFlow:一套专门面向 GEO(生成式引擎优化)的开源智能内容工程系统

链接:https://github.com/yaojingang/GEOFlow/tree/main

GEOFlow 是一套专门面向 GEO(生成式引擎优化)的开源智能内容工程系统,是全球最早围绕 GEO 场景系统化设计的数据、内容与分发基础设施之一。它把数据沉淀、知识库、素材管理、AI 生成、审核发布、前台展示与后续多端分发串联为一条可持续迭代的工作链路,目标是逐步演进为一套强大的“从数据到内容、从内容到多端发布”的 GEO 优化系统。

▌Stock SDK:面向浏览器与 Node.js 的股票行情 SDK

链接:https://stock-sdk.linkdiary.cn/

零依赖、轻量发布包,覆盖 A 股 / 港股 / 美股 / 基金 / 期货 / 期权、K 线、技术指标与 AI / MCP 接入

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

有意思小周刊No.167(2026.04.20):我把OpenAI-Codex官方案例全跑了一遍

2026年4月20日 08:50

原创 强少Qone 2026-04-20 08:50 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 从 Vibe Coding 到范式编程:用 Spec 打造淘系交易的 AI 领域专家

2. 我把 OpenAI Codex 官方案例全跑了一遍

3. 端侧Python动态算法策略的部署与运行

4. 零侵入、低成本!轻松为老系统注入 AI 灵魂

5. 智能代码审查基于大语言模型的自动化代码质量保障平台设计与实践

6. 从全量启动到最小核: 手淘外链唤端链路的三次架构演进

7. 设计师如何利用 Codex 做一个“完整产品”,看下我的思路

8. 淘宝动效解决方案分享

9. 黄仁勋最新Dwarkesh深访: 英伟达的护城河能否持续 | 图解+视频+3万字全文

🔎 发现新大陆

1. Sketchfab:3D模型界的 YouTube

2. OpenMedKit:AI 驱动家庭药箱管理助手

🛠️ 资源·工具

1. js-screen-shot:web端截图库

2. 老板.skill

📚 近期书单

1. Learn Claude Code

▌从 Vibe Coding 到范式编程:用 Spec 打造淘系交易的 AI 领域专家

链接:https://mp.weixin.qq.com/s/s4IVundC5cj61iY8rahA0A

本文介绍了从“Vibe Coding”向“范式编程”演进的技术路径,核心是通过结构化规范(Spec)驱动AI生成符合企业级标准的代码。文章以淘系交易系统为背景,指出当前AI编程工具因缺乏领域知识、上下文缺失和规范约束,导致生成代码不可靠、难维护;为此提出“范式编程”——将规范置于开发中心,结合知识库、知识点、疑问点机制与AI Agent,构建可沉淀、可复用、可演进的AI领域专家体系,实现从“人写代码”到“人机协同”的范式升级。

▌我把 OpenAI Codex 官方案例全跑了一遍

链接:https://mp.weixin.qq.com/s/dMUzfR2qXPuHt77pu3M8rw

本文系统梳理并实测了 OpenAI Codex 官方发布的12类典型工作流案例,揭示其能力已从“代码生成”跃迁至“端到端软件工程执行”:不仅能理解目标、拆解任务,还可自主调用 Shell/Git/API/MCP 等工具,持续规划—执行—修正直至完成。作者重点聚焦设计与前端协同场景,验证了“截图→原型”“Figma选区→工程代码”“视觉参考→响应式页面”等四类高价值工作流,并强调其核心价值在于将设计资产(截图、Figma、设计系统)转化为可复用、可迭代、可校验的工程输入,从而解决信息损耗、流程不稳定与协作断点等长期痛点。

▌端侧Python动态算法策略的部署与运行

链接:https://mp.weixin.qq.com/s/GkHlRrZ_297ospGJjD6Tlg

本文系统阐述了在移动终端(Android/iOS)上动态部署与运行Python算法策略的技术方案,聚焦于端计算范式下实时性、隐私性与灵活性的协同实现。核心围绕三大支柱展开:一是通过构建轻量级自研Python解释器+执行环境(PythonExecEnv),在无原生Python支持的移动端实现脚本的动态加载与执行;二是以NumCpp替代NumPy,通过JNI桥接将高性能C++科学计算能力注入Python逻辑,解决移动端数值运算瓶颈;三是建立云端-端侧协同的特征融合与动态部署机制,支持特征数据(本地行为+云端画像)实时注入、Python策略脚本远程热更新及AB测试闭环,最终实现“策略即代码”的业务触达与敏捷优化。

▌零侵入、低成本!轻松为老系统注入 AI 灵魂

链接:https://mp.weixin.qq.com/s/aOhwUNAY8efO6jPISSByoQ

本文介绍了爱奇艺海外技术团队自主研发的 Tenon Agent 解决方案,旨在以“零侵入、低成本”方式为历史包袱沉重的老业务系统(如 Vue2、JSP、老旧 React 系统)快速注入 AI 能力。方案直击三大核心痛点:前端兼容性差、后端 Agent 开发成本高、AI 能力孤岛化;通过“前端 JS SDK 零侵入接入 + 后端 LangGraph 标准化编排 + 全公司 Skills Hub 生态共建”三层架构,实现大模型与真实业务接口(查数据、做操作)的深度联动;已在10余个业务场景落地验证,显著提升排障效率(30分钟→2分钟)、多语言配置效率(提升80%+),并为未来多智能体协同与 AGI 生态演进奠定标准化基础——以“榫卯”为喻,让老系统牢固嵌入AI新生态。

▌智能代码审查基于大语言模型的自动化代码质量保障平台设计与实践

链接:https://mp.weixin.qq.com/s/xWBMZ-JZJ_2S1MvMJ-dfnQ

本文介绍了一种基于大语言模型(LLM)的智能代码审查系统设计与实践,聚焦于在 GitLab Merge Request(MR)场景中实现自动化、高精度、可落地的代码质量保障。核心围绕三大关键挑战展开:一是通过异步化 Webhook 处理与任务解耦,解决 GitLab 10 秒接口超时限制带来的稳定性问题;二是构建结构化 Diff 解析与行号映射机制,并辅以精细化 Prompt 约束,显著提升模型评论定位的准确性与可靠性;三是将开放式模型生成转化为规则化缺陷识别,明确定义问题类型与严重度分级,大幅提高审查结果的信噪比与工程可用性。该系统并非替代人工审查,而是将重复性、规则性强的基础检查能力前置为可复用、可扩展、可持续优化的工程链路。

▌从全量启动到最小核: 手淘外链唤端链路的三次架构演进

链接:https://mp.weixin.qq.com/s/SyI_bJaZu3f3GuUONzQpMg

针对外链启动耗时过长导致的用户流失问题,团队通过从“全量串行”到“按需裁剪”的架构升级,先后落地了标准链路、极简链路(跳过首页、裁剪非必要任务)和最小核链路(采用包含法极致裁剪、启动与资源加载并行化)三代方案,成功将低端设备的唤端耗时从10秒压缩至3秒以内,并配套建立了完善的发布前校验、灰度验证及线上应急换链体系,显著提升了外投承接效率与稳定性。

▌设计师如何利用 Codex 做一个“完整产品”,看下我的思路

链接:https://mp.weixin.qq.com/s/vap5iihmg3ixH1mNLwxA5A

本文是一位设计师基于 Codex 工具从 0 到 1 实践开发 Chrome + Figma 双插件(Web to Figma Paste 与 Web to AI Prompt Assistant)的全流程复盘,核心不在于技术复杂度,而在于揭示 AI 协作的新范式:设计师应将 Codex 视为全程参与产品构建的“搭档”,而非仅限于写代码的工具;强调“先跑通闭环、再持续打磨”的 MVP 思维,通过清晰定义产品边界、主动收敛需求、结构化提问(截图+链接+问题)、用规则替代记忆保障稳定性,并借助 AI 完成发布前的文档、文案、检查清单等“非编码但关键”的产品收尾工作,最终实现一人完成完整产品交付。

▌淘宝动效解决方案分享

链接:https://mp.weixin.qq.com/s/IZgKWf3aiJvRE7AaxExi7w

本文提出了一套平台化、协议化、工程化的动效解决方案,覆盖设计(AE插件)、编辑(可视化画布SDK)、布局(align/group动态对齐与成组)、播放(H5/Weex跨端统一Player)、压缩(二进制优化)、代码生成(Lottie→Anime.js)及AI辅助(MCP协议动效Agent)全链路,解决碎片化、多端不一致、性能差、维护难等痛点,实现“一次制作、多端复用、智能可控”。

▌黄仁勋最新Dwarkesh深访: 英伟达的护城河能否持续 | 图解+视频+3万字全文

链接:https://mp.weixin.qq.com/s/nJ7W86SNpMwXJGHRu2uObg

本文整理自科技博主Dwarkesh对英伟达CEO黄仁勋的深度访谈,系统阐释了英伟达的核心战略逻辑与长期竞争力本质。黄仁勋将公司使命凝练为“将电子高效转化为高价值Token”的智力炼金术,强调其成功不依赖摩尔定律,而源于处理器、系统、算法、网络与软件生态的“极致协同设计”;他指出CUDA驱动的数十亿级装机量与全球开发者生态构成最深护城河,远超单一芯片性能;同时警示地缘政治中过度出口管制将加速对手构建独立技术栈,主张以开放生态维系美国技术领导力——即通过赋能全球AI开发者(含中国),确保American tech stack成为事实标准,而非退守封闭市场。

▌Sketchfab:3D模型界的 YouTube

链接:https://sketchfab.com/

Sketchfab 就是“3D模型界的 YouTube”,或者可以把它理解为 “针对 3D 数字资产的全能型网盘 + 展示舞台 + 淘宝商城”。

它是一个基于 WebGL 技术打造的在线 3D 模型展示、分享与交易巨头平台。在过去,想要在网页上查看一个 3D 模型,往往需要下载几个G的庞大文件,再安装各种专业的重型建模软件。而 Sketchfab 的出现彻底打破了这种壁垒——它让你只需点开一个网页链接,就能像刷小视频一样,流畅地对高精度 3D 模型进行 360 度旋转、缩放、切换材质,甚至直接把它们投射到现实环境中(AR/VR)。

▌OpenMedKit:AI 驱动家庭药箱管理助手

链接:https://open-medkit.vercel.app/

OpenMedKit 是一款开源、可自托管的 AI 驱动家庭药箱管理助手,旨在将传统依赖手动翻找与填表的药箱管理升级为自然语言交互与视觉识别结合的智能系统;它支持一句话描述或拍照自动解析药品名称、规格、有效期、存放位置等结构化信息,并通过对话式检索、多维度分类筛选及跨平台(Telegram/Discord/Lark)过期提醒实现全生命周期管理;同时具备高度兼容性与可控性,遵循 MCP 协议、支持任意 OpenAI 兼容大模型、本地 SQLite 存储及全栈自部署能力,真正让每个家庭拥有安全、透明、可持续维护的数字化药箱。

▌js-screen-shot:web端截图库

链接:https://www.kaisir.cn/js-screen-shot/

一个 用于在web项目 中实现截图功能的库,可以在任意一台支持js的设备上运行。

▌老板.skill

链接:https://github.com/vogtsw/boss-skills

“老板.skills”是一个面向职场人士的AI技能工具项目,旨在通过大语言模型技术将真实管理者或知名企业家的决策逻辑、沟通风格与管理习惯“蒸馏”为可调用的结构化技能(tokenized skill)。其核心理念是:以老板的原始材料(如聊天记录、会议纪要、邮件批注)为输入,构建具备三重能力的智能体——能像老板一样评判项目(Judgment)、指导向上管理(Managing Up)、复现其表达人格(Persona);同时支持开箱即用的企业家模板(如马斯克、乔布斯等),用于高保真风格模拟与职业能力训练;最终目标是将管理者经验内化为个人生产力工具,实现“把老板炼入token,把生产力的解放留给自己”。

▌Learn Claude Code

链接:https://learn.shareai.run/zh/

19 章节、4 个阶段,从最小闭环一路搭到多 Agent 平台与外部能力总线

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

有意思小周刊No.166(2026.03.30):AI是怎么回事

2026年3月30日 09:17

原创 强少Qone 2026-03-30 09:17 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

2. 智能体 Harness Engineering (驾驭工程) 架构设计剖析

3. 知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

4. B端顶栏组件设计思路解析

5. 百度APP跨越屏幕的体验-不止于响应式

6. 商家端PC Agent框架重构:从“对话问答”到“任务闭环”

7. 手把手教你写出好用又安全的专属Skill

🛠️ 资源·工具

1. Claude Code开源可视化工作流编辑器

2. OpenPencil:全球首个 AI 原生开源矢量设计工具

📚 近期书单

1. AI是怎么回事

▌拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

链接:https://mp.weixin.qq.com/s/hY-iMyw9faTUtLjvGFw3Bw

本文系统阐述了阿里智空间团队如何通过“场景抽象—技术解构—平台落地”三步法,破解AI助手开发中重复造轮子的效率困局。核心在于将日常工作中约80%的任务抽象为四大高频场景(复杂指令执行、知识问答、问题排查、常规极简场景),针对每类场景的本质目标与共性挑战(如Query多模态、工具描述模糊、安全权限管控等),设计出可复用的技术方案;进一步提出“Prompt即代码”的理念,构建模块化、插拔式的Prompt架构,实现框架层统一运维与业务层灵活定制;最终沉淀为“智空间”AI助手工厂平台,支持业务方通过“选模板—配参数—即生效”的低门槛方式快速创建、调试和发布AI助手,推动AI生产力从作坊式手工打造迈向标准化智能工厂。

▌智能体 Harness Engineering (驾驭工程) 架构设计剖析

链接:https://mp.weixin.qq.com/s/MOvO8R4F6UiIdTSkeZykcA

智能体并非仅由大语言模型构成,而是“模型 + 驾驭层(Harness)”的有机统一体;驾驭层工程是将原始模型转化为可落地、可信赖、可持续工作的智能系统的核心过程。本文系统定义了驾驭层——即模型之外所有使能智能行为的代码、配置、基础设施与执行逻辑,并从模型能力局限出发,逆向推导出六大关键架构原语:文件系统(支撑持久化与协作)、Bash/代码执行(实现通用自主问题解决)、沙盒环境(保障安全与可扩展执行)、记忆与搜索机制(突破知识截止与实现持续学习)、对抗上下文退化策略(如压缩、技能渐进披露)、以及支持长时程自主执行的复合机制(如Ralph循环、规划+自我验证)。最后指出,未来驾驭层将与模型训练深度耦合,既存在因工具过拟合导致的适应性风险,也蕴含通过精细化工程大幅提升现有模型效能的巨大潜力。

▌知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

链接:https://mp.weixin.qq.com/s/P-p4-BH8AAOnTBRcpsoKeQ

本文分享了构建“AI全栈研发知识基座”的团队实践经验,旨在解决通用大模型不懂特定业务逻辑的痛点。文章提出通过系统化梳理业务文档、代码规范、架构决策及历史案例,构建高质量的企业专属知识库,并结合RAG技术将其嵌入研发全流程。该基座不仅让AI在代码生成、Bug修复和需求分析中能精准理解业务上下文,减少幻觉,还通过持续反馈机制实现知识的动态迭代,使AI随着团队使用不断“进化”,最终成为真正懂业务、能落地的智能研发伙伴,显著提升团队整体效能。

▌B端顶栏组件设计思路解析

链接:https://mp.weixin.qq.com/s/whZV8l2LDvoLHLsyE5nOCw

本文系统解析了B端产品中常被忽视的顶部栏(顶栏)组件的设计逻辑与实践方法。核心围绕三大要点展开:一是明确顶栏的双重功能定位——左侧承载全局基础信息(如品牌、时间、面包屑、页面标题等),右侧集成高优先级全局交互操作(如通知、搜索、用户设置等);二是强调顶栏设计需与整体全局框架协同,尤其需厘清左上角LOGO区域归属(属顶栏或侧边导航),以合理分配视觉权重并保持风格统一;三是提出具体排版原则,包括左右分区布局、对齐内容区域基准线、避免居中元素(如搜索框)、通过右侧图标/按钮差异化强化关键功能,并根据信息密度灵活采用单行或多行结构,最终实现“不空不满”的平衡视觉效果。

▌百度APP跨越屏幕的体验-不止于响应式

链接:https://mp.weixin.qq.com/s/GEpk3Wz0OLzAgfseOqxbDQ

面对移动设备形态日益多样化(如手机、Pad、折叠屏)带来的适配挑战,百度APP提出以“统一标准 + 响应式架构 + 体系化提效 + 定制化体验”为核心的多端适配体系化建设方案。该方案直击三大核心问题:传统单端适配模式缺乏弹性、多端并行开发导致成本叠加、缺乏系统治理机制引发体验割裂;通过确立响应式布局为底层原则、构建基于屏宽的三段式通用适配标准、沉淀四类页面布局模式与八种通用模块能力、升级Token化设计系统及自研Figma插件实现工程级提效,并在首页框架、视频浏览、搜索等高频场景中开展侧边栏导航、分栏布局、折叠态分区交互等定制化设计,最终不仅保障跨端体验一致性与稳定性,更驱动核心数据增长,推动跨端体验从“页面适配”迈向“任务连续”。

▌商家端PC Agent框架重构:从“对话问答”到“任务闭环”

链接:https://mp.weixin.qq.com/s/Kg_413FysHndQo-DsAfAUQ

本文介绍了淘宝闪购面向商家端PC系统的AI Agent框架重构实践,核心目标是实现从被动“对话问答”到主动“任务闭环”的范式升级。文章基于当前商家对AI助手信任度低、操作门槛高、流程割裂等痛点,结合大模型Agent规划与工具调用能力的增强,提出将AI深度融入PC端系统——采用常驻式架构、支持小/中/大三档自适应框架、构建“感知-规划-行动”完整任务流,并通过虚拟页面扩展信息承载、多任务异步挂起与实时提醒提升效率。最终愿景是推动商家端从“任务执行”迈向“经营托管”,实现人机协同决策与GUI/LUI深度融合的智能经营新范式。

▌手把手教你写出好用又安全的专属Skill

链接:https://www.uisdc.com/skill

本文是一份面向AI工具初学者的实战型Skill(技能)开发指南,核心围绕“如何自主创建好用、安全、可控的专属Skill”展开。作者强调:盲目安装他人Skill存在安全风险(如脚本执行权限失控),而自行编写Skill不仅能规避风险,还能实现高度定制化与持续复用;Skill本质是结构化、可复用的任务说明书,其关键在于精准的description(触发+排除条件)、清晰的多模块骨架(目标、触发/禁用场景、信息收集、执行流程、输出格式、完成标准等),以及以用户真实表达为基础的“工作交接式”正文撰写逻辑;为降低入门门槛,作者还提供了一个自研的“访谈式Skill构建器”,通过分三轮结构化提问+素材引导+自动打包,帮助零基础用户一键生成符合规范的完整Skill文件包(含SKILL.md、references/、examples/等标准结构)。

▌ Claude Code开源可视化工作流编辑器

链接:https://github.com/breaking-brake/cc-wf-studio/

一个专为 Claude Code 设计的开源可视化工作流编辑器(VS Code 插件)。它允许开发者通过直观的拖拽界面来设计复杂的 AI 智能体工作流、自定义斜杠命令(Slash Commands)以及集成 MCP(Model Context Protocol)工具。

▌OpenPencil:全球首个 AI 原生开源矢量设计工具

链接:https://github.com/ZSeven-W/openpencil

一款采用“设计即代码”理念的开源矢量设计工具,是 Pencil 的替代方案。

▌AI是怎么回事

链接:https://wmyskxz.cn/wiki/whats_ai/

本文是系列科普文章《AI是怎么回事》的开篇章节,作者以“探索笔记”而非教程的定位,强调用可手算、无黑箱的方式拆解AI原理;指出AI的本质是统计学的胜利,其核心远比公众想象中更简单;同时明确该系列目标并非培养AI专家,而是帮助读者建立独立判断力,理性看待AI新闻中的“突破”与“威胁”,并围绕原理理解、能力边界和人机协作三大主线展开系统性探讨。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

❌