AI探索站

我经常用 AI 来搜索。现在 AI 搜索很牛逼，比如 ChatGPT，即刻、小宇宙甚至实习僧的信息也能搜到，但有些很好的数据源却没有什么通用 AI 搜索产品能触及，比如微信、小红书、Discord、Twitter等等。

PC 互联网时代，谷歌几乎能搜到一切，而移动互联网时代，主流 APP 们都建了一堵墙，数据都封闭在自己的体系内。

但 Agent 打开了一种可能性。如果 Agent 有一个人电脑的所有权限，就可以让它可以跨越所有 APP 的城墙，帮人搜索。

我正在迭代一个 Skill， 我管它叫 OpenSearch，内容就是教 Agent 如何搜小红书、如何搜微信等等。当我提出一个搜索主题的时候，这个 Agent 就可以帮我搜索，它既能使用现成的网络搜索，也能搜索各种网站和 APP，还能直接获取通用的AI 搜索产品的结果，比如直接通过 browser use 使用 ChatGPT 的 DeepResearch，最后综合三者的结果来回答我。

比如竞品分析。我想分析 Manus，ChatGPT 只能搜 Reddit 和 Twitter。但 Agent 可以进入 Manus 的 Discord，把所有频道的信息读一遍，私信某个反馈过问题的用户，针对他的问题进一步追问，拿到结果写到竞品分析报告里。这个事情只有人或者 Agent 能做到。

再比如做旅行攻略。我跟女朋友爱自由行，体验更舒服，但也意味着要做大量的攻略，签证、订机票、订酒店、看景点、吃饭购物、交通出行等等。小红书是做旅行攻略最好的数据源，没有之一，但小红书的 AI 又很拉。我就让 Agent 先搜小红书再做旅行攻略，它既有 Claude 的智能，又有小红书的所有信息，做出来的攻略效果就很好。

但 Agent 搜小红书也有很多坑点。比如电脑上点开一个帖子，图片可以左右滑，往下翻是评论，可我发现 Agent 就只读正文，不看图片，也不看评论。看公众号、网页只读正文也没问题，但小红书的图片和评论是很有信息量的，可并没有人告诉 Agent，小红书的图片和文字应该一起被利用。

再比如我让 Agent 最后输出的 MD 文档要包含所有的小红书来源链接，结果它一开始给的链接都是错的。因为小红书点开一个帖子，出来个弹窗之后，浏览器的地址不会变，那个并不是帖子的地址，Agent 误以为是，实际上帖子的地址要点右下角那个链接按钮才能获得。

造成这些麻烦的根源是：没有人教 Agent 怎么用小红书。因为这些产品还是适配于人的，而非适配于 Agent，且他们大概率也不想去适配，但我总觉得这会是个趋势。

Agent 搜小红书、搜微信、搜 Discord，每个平台都有各自的 UI 逻辑和风控策略，我把用法持续迭代进 skill ，它才变得慢慢好用起来 。

还有，人搜索有一个很厉害的地方——人不光可以看，还可以问。做旅游攻略的时候，我在评论区发现一个想追问的问题，我可以直接问那个人：姐妹你这个地方有答案了吗？比如签证的某个细节到底怎么填，我是个特殊身份到底该怎么办等等。但 ChatGPT 只能搜，做不了这种事，而 Agent 可以，它有权限直接发一条评论去问，过一段时间回来收集答案。

因为我自己在用，所以我也在想，Agent 会不会有可能让我们回到那个 open search 的时代。互联网时代没有 APP 的墙，谷歌什么都能搜；移动互联网加了墙；现在我们可以 Agent 把这个墙再打破吗？

Cursor工程师的Loop工作流

“写Loop，其实主要是把你自己会怎么检查工作写下来”

Cursor工程师Eric分享一篇构建Loop的心得

1. 先定义「什么叫做完」，而且必须是 AI 自己能验证的 不是「帮我优化一下」，而是给一个可打分的目标

例如模型/评测任务 → 分数要涨
前端页面 → Playwright 跑通 + 截图确认
性能优化 → p95 降到指定线以下
数据清洗 → 校验失败行数归零

所以，写 loop 主要是把「你自己会怎么检查」写下来

2. 把任务包进Loop，重点是停止条件 改一点 → 测一下 → 变好就保留，变差就回滚 → 继续。
什么时候停：达标了 / 连续几轮没进步 / 没思路了 / 卡住需要人拍板。

3. 让 AI 来找你，而不是你守着它
他给 agent 配了通知通道（发到 Slack），开始时、有意外时、做完或卡住时 ping 他。你的回复就是循环的下一步输入

4. 跑在云端，然后开下一个任务放云上跑几个小时。一个循环跑起来了，就开下一个。三个都在等你决策时，就停止开新的，去做 review

开源一个非常漂亮的文章配图 Skill。

昨天给 Claude 用我的社交媒体卡片生成的时候，Codex 生成了一个配图，我觉得很漂亮、挺有意思。

发出来后大家也都很喜欢，所以顺便就把它做成了一个配图 Skill。

目前只适配了 GPT-Image-2.0 模型。

支持将你的文档或文案发进去，生成一个干净漂亮、带标签的 3D 材质配图。

如果 AI 觉得某些概念它不认识或者画不出来，它会自己寻找参考垫图来辅助绘画，减少瞎猜、画不出新东西的问题。

可以帮你画一些教育类的解释图（比如杠杆原理、电磁感应等），人文类的图也可以做。

它会直接读取你原始图表中的数据和内容并重新生成图片。
这样可以避免在原始图表比较丑时，直接用它垫图生成的图片也不好看的问题。

如果你需要类似的配图，可以试试，建议在 Codex 里使用。

详情：github.com

这是一套融合了 62 种设计风格的PPT 制作 Skill，它一次性给你产出 html、pptx、pdf 三种格式的文章。包含 apple、stripe、airbnb、claude等品牌的设计系统。

我已经用了有一段时间了，稳定好用，发给群友也是备受好评，分享给大家

github.com

社区分享 ppt 的 skill 排行榜还有我收集的小红书的评级
1. hugohe( 3.1万 star) | 顶级天花板 👑

全场唯一正经做 PPT 的！元素全可编辑，自带音色克隆和旁白生成，纯纯降维打击。
🔗github.com

2. 张咋啦
@zarazhangrui
( 2.3 万 star)

顶级主观审美最佳，完成度极高！目前呈现为 HTML 格式，稍微考验一点使用者的基础。🔗github.com

3. 花叔
@AlchainHust
( 1.9 万 star)

顶级审美极佳，关键是能输出可编辑的 PPTX 格式！
🔗github.com

4. 歸藏
@op7418
( 1.5 万 star)

人上人瑞士风审美非常棒，自带快捷键，很适合线下分享。
🔗 github.com

5. Lewis ( 6500 star)

功能设计十分贴心，自带计时器和逐字稿等实用组件。github.com

6. 宝玉 ( 2.2 万 star)

NPC风格偏可爱，主要以纯图片形式呈现。
🔗 github.com

7. 乔木 ( 5400 star)

偏向于纯图片卡片的输出，更侧重于内容的初步呈现。
🔗 github.com

AI 降低了很多事情的门槛
但并未降低赚钱的门槛
它甚至还更花钱了

和 AI 合作的全部难题，归根结底就是人类社会自己几千年自己也没弄明白的那个问题：如何外行领导内行。

Token 分配的艺术

Opus 4.5 诞生到 Fable 5 的仅仅半年，AI 生态的基础层已经飞跃了 N 次；但大多数人还停在 Chat 时代。核心的分野只有一个：你是否真正懂得 Token 经济学。

最重要的基本功，是你亲手摸过多少个 SOTA 模型和应用层，以及把它们组合之后会长出什么。「理解」听上去是个主观的词——但它和「在一座超大城市里长住过」是同一回事：没有数千小时的深入体验，你只是个观光客。

再往上，是 Harness 和业务建构本身。这些东西无法脱离实战。正如费曼所言：「凡我不能创造的，我便不曾真正理解。」

Jacob Bank 说得极准：风险就是停滞。不是不确定让你危险，是原地不动让你危险。

大公司还在按桌游的规则玩——排名、职级、晋升通道，热火朝天。只是那张桌子，摆在一艘正在下沉的船上。固定薪水、固定预算、固定工具链——大公司给你的是一份包餐。如果你从不需要练”分配”这块肌肉，因为分配是别人替你做的。在那套系统里，你不是分配资源的人，你就是被分配的那个 Token。

而另一边，AI Native 团队、新一代企业家、科学家和创作者，在做一件完全不同的事：不是把 AI 塞进旧流程，而是以算力为轴，重造工作流、重造整个业务的运作方式。

回到基本：编排，正在成为这个时代最核心的读写技能。

观察了 1 年多各位老板们在公司推 AI 变革，已经出现 3 个阶段，并且大概率还有 2 个未来的阶段。抛出来大家探讨。

阶段一：全员推广用AI，给员工配账号，自己抱着 AI coding 上头，充满希望觉得将无所不能。

阶段二：意识到超级个体不是超级组织，需要从公司业务角度改工作体系和岗位重新定义，开始聚焦一些事儿，放下一些人。（这是目前我观察到的中位数状态）

阶段三：token 费用占公司支出比重从看着骄傲，到看着焦虑，开始从 token maximizing 变成关注 outcome maximizing 。开始 review 业务和人员对于 AI 使用的产出效率，Harness 的颗粒度增加。（这是目前为止比较先进的企业实践的普遍状态）

阶段四：业务跑通 10X 效率，组织基本完成对人和 AI 的整体 Harness 工程。体现为公司层级开始压缩到极致，岗位种类压缩到极致，“端到端人才”的密度占比成为公司人才优势的核心。（这是有个别 AI 创业公司已经实现的，传统公司变革还较少见到）

阶段五：公司分配方式开始出现明显变化，业务分红，甚至合伙人制的利益分配，开始成为主要激励手段。蜂巢型公司开始普遍出现，公司创新业务繁衍速度相对之前出现 10X 速效率。（推理未来会发生的状态，尚未普遍样本）

3 个月前，我做了一个叫「职业.skill」

职业.Skill，一个 Skill 包揽你的工作

用法很简单：告诉 AI 你的职业，它给你输出一份清单，这个职业能做哪些 Skill、每个 Skill 怎么做、提示词直接复制发给 Agent 就能生成。

比如输入产品经理，Agent 就会制作下面这几个 Skill，几乎覆盖产品的工作。

但用得越久我越发现，它只解决了「有哪些 Skill 该做」，没解决「这些 Skill 靠什么判断力驱动」。

所以我给职业.skill 升级到了职业.skill 2.0

简单说，这个 Skill 的效果是：

你告诉 AI 一个职业或者行业，它自动完成三件事，

臻选这个行业最顶尖的3 位专家，蒸馏他们的心智模型，做成 3 个「专家视角 Skill」

臻选这个行业最顶尖的3 本书，把方法论转成可追溯的判断框架，做成 3 个「方法论 Skill」

编排1 个顾问团总控 Skill，能路由问题、召开多专家评审会

最后交付 7 个可以直接安装的 Skill 文件，构成一支能陪你判断、复盘、做决策的私人顾问团