AI Agent 与工作流

aiyqx.cc「AI Agent 与工作流」专题:精选相关 AI 教程与实战。

个人Agent实战篇01:Vibe Coding第一关,先把你的烂想法\

本文作者:Xudong Han(@Xudong07452910)。版权归作者所有,未经授权禁止转载。 这一篇我只讲一件事。 Vibe Coding流程里投入产出比最高的一步,从来不是写代码,是先用对话把脑子里那句模糊的「我想让它能XX」逼成一份能直接对照写代码的spec。 spec是指一份把「我要做什么」写得非常清楚、详细、不模糊的文档。 Vibe Coding的「Vibe」是建立在spec上面的。spec越糊,AI跑得越快你死得越惨。 我搭EvoPaw

分享5个Claude Code + 飞书的超实用Agent办公玩法。

本文作者:数字生命卡兹克(@Khazix0918)。版权归作者所有,未经授权禁止转载。 最近很多人也在问我,我用Agent,是怎么跟很多数据进行交互的。 我说我其实分的比较开,一部分是本地数据,一部分是在飞书上的云端数据,我们公司现在将近30号人,我对大家的要求是,需要跟同事协同的,都一律上云。 所以其实很多的交互,都是我让Claude Code直接跟飞书进行交互的,包括我们公司小伙伴也是,大家用图形化界面的时间占比,反而变得越来越少了。 之前飞书CLI第一次开源出来的时候,我写过一篇,刚刚,飞书CLI开源,

Hermes Skills Hub 生产精选:这7个Skill直接帮你跑通生产

本文作者:知野(@knoYee_)。版权归作者所有,未经授权禁止转载。 hermes的skill hub技能商场上线了🥳🥳 17个类别,672个技能,里面包罗万象,大概可以分为四类 我帮大家归类出了7个可落地,能接入生产的skill,它们连起来刚好是一条线:工具层 → 输出层 → 知识层 → 推理层 → 部署层 → 可观测层 →安全层。 一、fastmcp 路径: optional/

2026年个人Agent自建实战:我用Vibe Coding + 借开源轮子,15天搭出每天都在用的工作系统(方法篇)

本文作者:Xudong Han(@Xudong07452910)。版权归作者所有,未经授权禁止转载。 上一篇我聊了为什么自己不再去追新框架、不再频繁迁移、而是决定自己搭一套Agent。很多朋友看完后留言说“想动手但不知道从哪开始”,所以这篇文章讲了我用15天把我的个人 Agent “EvoPaw”从“能跑”迭代成每天都在用的工作系统,完整复盘可复制的方法论。 坦率的讲,我自己第一次摸索的时候也走了不少弯路。所以这一篇方法篇我尽量把每一步都拆得很细,让一个会装软件、能复制命令、不一定会写Python的普通人,也能跟着跑通。

LLM wiki + obsidian 从0-1搭建和配置 (新手小白友好版)

本文作者:知野(@knoYee_)。版权归作者所有,未经授权禁止转载。 上期我们讲解了 LLM wiki + obsidian 这套系统知识库系统的强大之处,今天我们来手把手搭建一个自己的知识库。我在自己的知识库中导入了上期推文,他为我整理了多概念知识节点,双链知识网络,moc主题地图等,效果显著,结果在文末展示。接下来,我们从0开始搭建一个属于自己的知识库。 我们要实现的最终效果: 放进一篇文章 ↓ Hermes 读取 raw 原始资料

7 周 128K stars 爆火的 Hermes Agent,背后是 NousResearch 这群 web3 来的加密原住民

本文作者:Xudong Han(@Xudong07452910)。版权归作者所有,未经授权禁止转载。 故事得从一个数字说起。 1280,000。 这是一个叫 Hermes Agent 的开源项目,在 GitHub 上 7 周攒下的 star 数。如果你没概念的话,LangChain 花了大半年才走完这段路。 我第一次看到这个项目的时候,想的跟大多数人一样,

为什么我劝你自己搭一个 Agent,哪怕 OpenClaw 和 Hermes Agent 已经够好了

本文作者:Xudong Han(@Xudong07452910)。版权归作者所有,未经授权禁止转载。 上个月,我把自己的个人 agent 底层框架整个换了一遍。 从之前框架底层使用的 CrewAI 迁移到 Claude Agent SDK,再到后来支持多家模型厂商,500 多个单元测试重写,十几个 Skill 脚本逐个适配,记忆系统推倒重来。整个过程断断续续搞了一个多月,中间有好几个凌晨是对着报错信息发呆的。

Hermes 高级用法:用多 Profile 协作 + Wiki 共享记忆,搭建你的 OPC Agent 团队(下篇)

本文作者:知野(@knoYee_)。版权归作者所有,未经授权禁止转载。 下篇:Wiki 共享记忆:如何让多 Profile 长期稳定协作 上一篇我们讲了 Hermes 的多 Profile 协作。 核心观点是: 不要让一个 Agent 同时承担所有角色。 更稳的方式是,把 Agent 组织成一支小团队: * Coordinator

Hermes 的高级用法:用 LLM Wiki + Obsidian 打造第二大脑

本文作者:知野(@knoYee_)。版权归作者所有,未经授权禁止转载。 我相信大家在整理知识库时都有这样一个痛点: 优质的论文、好的想法被我们存入 Obsidian,资料越来越多,但可复用的结论却没有增加。久而久之,它们慢慢堆积成一个杂乱的仓库,甚至连我们自己也不愿意再去寻找。 今天我会从传统 RAG 讲起,带大家深度剖析 Agentic RAG 的工作原理,以及如何用 LLM Wiki + Obsidian
AI一起学
00:00:00 00:00:00