若洪大叔

①"去掉 AI 特有的那种光滑质感，给皮肤、头发、衣服加上自然的凹凸和细小的质感" ②"别搞得太完美对称，做成随手一拍的自然构图" ③"不要影棚打光，还原窗户进来的自然光和真实的阴影" ④"别什么都拍得清清楚楚，加入手机拍照特有的轻微抖动和失焦" ⑤"皮肤别修得太狠，保留毛孔、小绒毛和细小的皱纹" ⑥"背景别收拾得太整齐，放点有生活气息的小物件，保留自然的杂乱" ⑦"不要广告大片的感觉，做成普通人用手机拍下日常一瞬间的照片"

想问大家一个问题：AI 发展这么快，作为一个正在学习 AI、做实际项目的人，我到底应该积累什么，才能让今天投入的时间在几年之后依然有价值？ 因为现在很多技术更新得实在太快了。前几个月大家还在研究某个 Agent 框架，过段时间可能就有更简单的方案；今天花很多精力写出来的 Skill，明天模型更新以后，可能直接一句自然语言就能完成。你刚掌握一个工具，新的工具又出现了，感觉自己一直在追赶，却很难真正停下来。 如果把成长完全建立在某个模型、某个平台或者某套框架上面，那可能永远都要被技术更新推着走。 但我后来慢慢发现，真正值得长期积累的东西，很多并不会随着工具更新而消失。 比如你做过一个企业 RAG 项目，表面上学会的是向量数据库、Embedding、检索和大模型 API，但如果你真正深入做过，就会遇到各种非常现实的问题：为什么有些文档检索不到？为什么模型引用的内容不准确？为什么不同用户不能看到同一份资料？数据更新以后怎么保持索引一致？一条回答究竟怎样才算有证据支持？ 这些问题你认真解决过一次，再去做其他企业知识库项目，很多经验就能够迁移。 再比如你做 Agent，真正有价值的也不只是会调用几个工具，而是你理解了为什么需要状态管理、幂等、失败重试、日志、权限和人工审核。以后就算整个 Agent 框架全部换了一遍，这些工程问题仍然存在，你积累的判断能力不会突然归零。 我觉得这才是技术人应该认真区分的两件事：你今天学到的是一个工具的操作方式，还是解决一类问题的方法？ 而且我越来越觉得，AI 时代的程序员，可能真的需要比以前理解更多技术以外的东西。 你得懂一点商业，才能知道客户为什么愿意花钱；懂一点产品，才能判断用户提出的需求到底值不值得开发；懂一点组织和沟通，才能理解为什么一套技术上完全可行的系统，在真实企业里面就是推进不下去。 甚至你还需要理解一些人的心理。因为客户不愿意使用 AI，有时候并不是他看不懂技术，而是他担心风险、担心改变习惯、担心自己需要承担新的责任。 但这并不意味着一个人必须精通所有领域。真正重要的是，在拥有扎实工程能力的基础上，逐步建立理解其他角色的能力。 我现在也越来越不想单纯用自己又做了多少项目、掌握多少新框架，来衡量成长了。 一个项目从零做到能运行，当然值得高兴。但如果项目结束以后，没有留下测试、复盘、可复用的方法，也没有理解背后的业务逻辑，那下一次遇到类似问题，很可能还是重新踩坑。 反过来，如果每次做项目都能够让自己对架构、业务、用户、商业和交付有更深入的认识，哪怕项目数量没有那么多，这些能力也会一点点积累起来。 还有 GitHub、个人网站、内容创作、人脉和真实案例，我觉得它们也应该为这个过程服务。不是单纯为了展示自己有多厉害，而是让自己做过的事情有证据、有沉淀，让未来的合作伙伴或者招聘者能够理解自己真正具备什么能力。 工具会不断变化，今天最先进的技术未来可能变成人人都会使用的基础功能。 但你能不能发现真实的问题，能不能设计出靠谱的方案，能不能独立把复杂的事情做好，能不能获得别人的信任，这些能力不会因为一次模型更新就变得毫无价值。 我希望几年以后回头看，自己不是只追过很多 AI 热点，而是真的通过这些技术，建立了一套能够持续解决问题的能力。 这可能才是AI 时代最值得投入的长期资产。

卧槽！Grok Bot 的开源生态已经卷成这样了？🤣 以前想搭一套多 Agent 团队，光设计角色、分工、任务交接，就得折腾好几天。 现在 GitHub 上已经有人把这些流程做好了！ AI 总管、项目经理、程序员、审核员、运营、销售……连团队组织架构都是现成的。 整理了 20 个值得研究的开源项目，链接全部放下面： 01｜Agent Org Chart 现成的工程、销售、运营等 AI 团队架构。 github.com/serenakeyitan/age… 02｜Grok Factory 让 AI 总管自动分配开发和研究任务。 github.com/jaredtrichard/gro… 03｜multiBot 创建专职 Agent，把复杂任务交给编码工具。 github.com/simo255/multiBot 04｜Grok Bot Architecture 多 Agent 协作、任务交接与人工审批架构。 github.com/tiagovilasboas/gr… 05｜Foreman 监控 AI 团队工作进度，独立审核交付结果。 github.com/Archive228/forema… 06｜Grok Bot Second Brain 5 个 Agent 协作管理个人知识库。 github.com/mKay00/grok-bot-s… 07｜Grok Bot Skills 现成的调试、写作、头脑风暴等技能包。 github.com/jeremybrasher/gro… 08｜GrokBot X 自动寻找选题、生成 X 帖子、记录表现。 github.com/YannisKiefer/grok… 09｜Restaurant Scout 餐饮品牌调研、达人筛选和带货脚本。 github.com/mykemueller1-ctrl… 10｜Grok Bot Shopping 商品搜索、购物与电商自动化。 github.com/steve228uk/grok-b… 11｜PhoneZero 让 AI Agent 通过电话完成任务。 github.com/function1st/Phone… 12｜Unlist 辅助处理个人信息下架申请。 github.com/shawnyeager/unlis… 13｜Grok Bot Gateway 让外部脚本和编码 Agent 调用 Grok Bot。 github.com/dimpurr/grok-bot-… 14｜GrokBot Queue 多个 Agent 并行排队执行任务。 github.com/ShuhangGe/grokbot… 15｜Thin Grok Bot 让 Grok Bot 负责调度，复杂工作交给 CLI。 github.com/Luca-Blight/thin-… 16｜BOTROSTER 开源自托管 AI 团队，支持任务和审批。 github.com/mandarwagh9/botro… 17｜Root Agent 根据任务自动规划团队和分配工作。 github.com/MrBekoX/root-agen… 18｜Grok Bot Profiles 开发、排查 Bug、提交 PR、审核 PR 各司其职。 github.com/HAEGONG/grok-bot-… 19｜Grok Bot Templates 49 个现成模板，覆盖多种业务场景。 github.com/cobusgreyling/gro… 20｜HyperGrok Trading Desk 7 个 Agent 组成的交易研究与执行团队。 github.com/galleonlabs/hyper… 别急着堆 100 个 Agent。 先选一个项目，跑通一个真实任务，看看成本和交付质量。 Agent 的数量不重要，能替你完成多少工作才重要。 建议收藏，别再花一个周末从零造轮子了！🤣

Some news: I’m joining OpenAI to lead product management for Core Products! I have a lot of respect for OpenAI for showing the world that scaling works, for bringing AI to over a billion people, and for believing great products are core to the mission. I’m excited to work with @thsottiaux, an incredible PM team, and everyone across OpenAI. Together, we’ll build agents that have your back and your team’s, and keep you in control, so you get more time for the people and work you love. Lots to learn, and lots to build. Please keep your feedback coming!

Friday was my last day at Anthropic. Two years ago, when Claude Code was a small internal tool, I asked it to build an RL env. I steered it for tens of hours but never manually wrote a line of code. It worked, I was hooked, and I joined the team. When we first launched, most people approved every permission prompt by hand and mostly used Claude to answer questions and write tests.  Today, the default is trusting Claude's judgment to auto-approve. Claude does large migrations and builds new products.  Helping build Claude Code into an industry-defining product has been the journey of a lifetime.  Thank you to the incredible team behind Claude Code, Cowork, and Tag. These products are the sum of thousands of great ideas from you. I'll miss working with you all. Thank you to our users for embracing a new way of working. Your constant feedback shaped so much of what we shipped and your stories made the work so meaningful. Excited to see what you all make next!