// Review
AI 测评
聚合小红书与知乎上 AI 工具、Agent、开源项目体验帖，保留原平台链接方便回看上下文。
测评榜单
样例榜单，非爬虫统计结果种草榜
Claude Code 工作流
适合代码阅读、重构和长任务拆解的正向样例
本地知识库 RAG
团队资料沉淀后复用价值高，适合先小范围试点
避雷榜
无来源的一键爆款工具
缺少真实案例和可验证数据，先谨慎试用
强绑定私域的 Agent 套壳
能力边界不清，迁移成本高，建议先看退出机制
测评卡片
小红书 / 知乎2026用上这50个Skills，你就跑赢了90%的人
2026年把这50个Skills用起来，你就是跑赢了90%的人。 最近花了不少时间研究 Agent Skills。说实话，现在 Skills 太多了，光 SkillsMP 上就有 20 万个，GitHub 上也有 6 万多个。挑花眼是真的。 但我发现，真正好用的、值得装的，其实也就那些。大部分要么功能重复，要么质量一般。 所以我按照不同需求整理了一份清单，挑的都是安装量高、实际用下来确实不错的。大家按需取用就好，不用全装。 #AI[话题]# #人工智能[话题]# #skills[话题]# #skill[话题]# #claudecode[话题]# #opencode[话题]# #agent[话题]# #openclaw[话题]# #ai新手村[话题]#
如何用一晚上梳理自己｜奥德赛计划人生推演
✨ 作为一个ESTJ，我太懂那种「人生需要清晰路径」的执念了 而且我想法很多，所以容易脑子混乱，总是陷入纠结和迷茫... 所以近期又坐下来，梳理了一下自己。 这次结合了《人生设计课》的奥德赛计划+Kimi的长思考功能 一晚上就输出了3套可执行的5年人生方案！ 🕒 STEP 1：创造不被打扰的40分钟 ▪️ 找个安静角落（我选了书房） ▪️ 一定用电脑/平板，拒绝手机干扰 ▪️ 打开备忘录或文档准备记录 ✍️ STEP 2：诚实回答3个核心问题 1️⃣ 我的现状如何？（分财务/关系/时间三个锚点） 2️⃣ 困扰我的问题有哪些？（要具体！） 3️⃣ 我理想的生活什么样？（别夸张） 🤖 STEP 3：把答案喂给AI 我用的是Kimi助手 一定要开启【长思考模式】+输入详细指令 包括要求输出决策树、风险模拟、三维度对比等 💡 STEP 4：和AI深度对话 惊喜的是，Kimi会主动确认关键变量： * 老公工作灵活性对别墅计划的影响 * 理财收益率的可持续性 * 自媒体账号的定位冲突... 这种交互让推演结果更贴合实际 * 📊 最终获得3套5年方案对比： ▪️ 金鹅驯养师（生存率85%）：稳健理财+轻量自媒体 ▪️ IP炼金士（幸福指数50%）：全力转型视频博主 ▪️ 内容农场主（折中方案） AI一针见血指出： 「你更适合做有短视频账号的理财者 而不是有理财本金的自媒体人」 瞬间被点醒！✨ 原来最好的成长路径 不是盲目转型 而是找到自身优势的排列组合 如果你也处在人生十字路口 不妨花一个晚上试试这个方法 或许会有意想不到的答案～ #J人的生活[话题]# #个人成长[话题]# #J人[话题]# #女性成长[话题]# #自我管理[话题]# #人生探索计划[话题]# #人生效率体系[话题]# #如何找到人生目标[话题]# #自我成长[话题]# #复盘[话题]#
建议都去学吴恩达的AI Agent
🔆 李沐 | 亚马逊首席科学家 📺 YouTube：Mu Li 《动手学AI Agent》系列：用PyTorch搭建多Agent协作框架！含工业级任务调度+实时决策代码，Jupyter Notebook全部开源！ 论文精读：逐句解析《AutoGPT》《ReAct》，手撕Agent记忆流与工具调用逻辑，小白也能看懂！ - 🔆 李宏毅 | 台湾大学教授 📺 YouTube：Hung-yi Lee 《AI Agent系统设计 2025》：用“复仇者联盟”讲Agent协作，拿“哈利波特守护神咒”类比工具调用！也太会了吧！ 实战彩蛋：用Colab搭建旅行规划Agent，自动调用Google Maps/Booking API～出去玩就靠它了！ - 🔆 Andrej Karpathy | OpenAI创始成员 📺 YouTube：Andrej Karpathy 《From LLMs to Agents》：从零手搓AutoGPT架构！4小时实现递归任务分解，复现GitHub热榜第一项目！ 硬核直播：实时Debug Agent死循环，VS Code断点追踪工具调用链——代码秃头症有救了！ - 🔆 Hugging Face 官方频道 📺 YouTube：HuggingFace 《10小时精通Agent框架》：Transformers Agent实战教学，免费GPU部署你的AutoGPT平替！ 专题突破：多Agent竞拍系统 + 股票分析机器人，连API限流解决方案都讲明白了！ - 🔆 Andrew Ng | 吴恩达 📺 YouTube：DeepLearningAI 《AI Agent专项课》：用Excel演算Agent决策树？任务分解还能可视化！这操作我没想过！ 新课预告：《Multi-Agent博弈系统》——教你本地运行类AutoGPT集群，坐等上线！ - 🔆 韩松 | MIT教授 📺 YouTube：MIT Efficient ML 《边缘计算Agent》：把Llama3驱动的Agent塞进树莓派！量化版仅占2GB内存，小设备也能有大智慧！ . 都放在知识库里了，希望新的一年对大家有帮助～@知识薯 @校园薯 #大模型[话题]##agent[话题]# #AIAgent[话题]# #AI产品经理[话题]# #ai产品经理入门[话题]# #LLM[话题]# #0基础转行ai产品经理[话题]# #AI项目[话题]# #大模型语言[话题]# #AI人工智能[话题]# #学习
Codex 架构配置，存一下吧
Layer 1：记忆层（AGENTS.md） ✨关键价值：统一命名、结构、仓库规范，让 AI 团队所有成员对齐底层规则； 💡核心作用：全局配置、项目级规则、代码规范、工程红线，是写死的团队共识； - Layer 2：知识层（skills/） ✨关键价值：沉淀团队最佳实践，避免重复造轮子，让 AI 按场景匹配能力； 💡核心作用：工作流提取，让 Agent 自动识别、按需调用，变得更聪明、更懂你； - Layer 3：护栏层（hooks/） ✨关键价值：事前拦截风险、事后留痕记录，确保 AI 操作安全可控； 💡核心作用：特定行为前后自动执行，防危险命令、自动化操作、部署通知，是安心可控的安全护栏； - Layer 4：委派层（subagents/） ✨关键价值：每个子智能体有独立上下文窗口、自定义工具与权限，结果回传主线程，保持主线逻辑干净； 💡核心作用：子智能体，独立上下文、并行执行、互不干扰，提升开发效率与质量； - Layer 5：分发层（plugins/） ✨关键价值：支持 NPM 包分发、版本可控，一键安装实现全队配置同步； 💡核心作用：团队统一安装，技能、规则、子智能体一键同步，确保团队配置完全一致。 #大模型[话题]# #Codex[话题]# #vibecoding[话题]# #人工智能[话题]# #AI工具[话题]# #skills[话题]# #Agent[话题]# #ai产品经理[话题]# #AI产品经理[话题]# #产品经理入门[话题]#
我的 Claude 文件结构
我觉得对于初学者来说，完全可以跳过整个 .claude 文件夹。 1.核心逻辑：从 CLAUDE.md 开始 直接在项目根目录创建一个 CLAUDE.md 文件。在里面告诉 Claude 这个项目是什么、使用了什么 stack（技术栈）、以及文件是如何分布的。这一步，就能让你直接获得 80% 的使用价值。 2.功能取舍：暂时忽略 Skills, Agents 和 Commands Commands：只有当你发现自己已经连续五次输入同样的 prompt 时，再去添加 command。 Skills：主要用于跨项目的 workflow（工作流），当你真正需要它时，会自然而然意识到。 Agents：基本可以先忽略。 3.隔离原则：保持 Global 配置精简 保持你的 global 配置（~/.claude）接近空白，把所有特定于项目的内容都留在repo里。否则，不同项目的信息会产生 bleed（污染/串扰），导致你不得不浪费 token 去纠正它的错误记忆。 4.前端进阶建议 针对前端开发，Anthropic 提供了一个 frontend-design skill。一旦你熟悉了基础操作，非常值得加上它。它能让 Claude 在处理 design token 和 layout时拥有更出色的默认表现。但还是要强调：这不是新手们第一天就需要折腾的东西。 #Claude[话题]# #claudecode[话题]# #vibecoding[话题]# #人工智能[话题]# #大模型[话题]# #AI工具[话题]##RED新生代创作大赛[话题]#
AI界能不能拥簇出个大统领
太累了实在太累了，每天眼睛一睁就是学，学完你的学你的，学完prompt咒语又学vibe coding。今天A模型封神，明天B工具屠榜，后天C应用卖爆。 学吧，每个AI tools这么一个个横向测评过来，开十多个AI窗口测到人都旧了，不学吧，又焦虑被新工具带来的潜在生产力抛弃。 经常一杯茶一口饭团，一坐就一整天，忘了休息，回过神来才感受到身体被掏空。超荒谬~指望AI把我从重复劳动中解放，结果我重复劳动教20个AI如何解放我。好像陷入了一场终点未知的技术军备赛，原来百家争鸣的时代也不好受啊。 能不能来个全面强者终结这场拉锯战。算了，为了防止垄断，保留两家公司，教父教母，我还是应付得过来的。 #AI人工智能[话题]# #AI工具[话题]# #我和AI有话说[话题]#
AI的七层关系，你搞懂了几层？
串联解释： 你说出提示词，交给Agent 大管家； 所有沟通内容拆成Token记录，全部存入上下文备忘录； Harness 家规全程约束管家行为，不乱干活； 管家通过MCP 联络中枢，外接各类资源； 再调用自身的Skills 技能，一步步自主完成你交代的所有任务 1.Token = 文字最小颗粒（文字米粒） 所有对话、指令、资料，都会被拆解成一颗颗「文字米粒」。 无论是你输入的问题，还是 AI 输出的内容，都依靠 Token 来传递与计算。 它既是 AI 理解语言的基础单位，也是衡量处理规模的核心单位。 2.提示词 = 你的口头吩咐 提示词就是你给 AI 下达的具体要求。 比如“帮我整理资料”“查一下数据”“写一份总结”。 你表达得越清楚，AI 执行得越精准，它是一切任务的起点。 3.上下文 = 聊天全程备忘录 上下文就是 AI 在对话过程中保存的“临时记忆”。 它会记录前后内容，理解来龙去脉，让交流保持连贯。 但上下文容量有限，超出范围后，较早的信息可能会被逐渐遗忘。 4.Agent = 全能自主大管家 Agent 不只是“听命令”，而是会主动拆解目标、规划步骤、调用工具。 它能像一个真正的助手一样，自己推进流程、协调任务、完成整套工作。 你的目标越明确，它的执行能力就越强。 5.Harness = 家规 + 管理制度 Harness 是约束 AI 行为的规则体系。 它决定 AI 能做什么、不能做什么，以及执行时需要遵守哪些流程。 既能降低误操作风险，也能保证整个系统稳定、安全、可控。 6.MCP = 内部联系总交换机 MCP 可以理解为 AI 与外部工具之间的“统一接口”。 它负责连接不同系统、工具和资料库，让信息与能力能够互相协作。 有了 MCP，AI 才能真正实现跨工具联动与自动化执行。 7.Skills = 管家的各项手艺 / 技能包 Skills 就是 AI 掌握的具体能力模块。 例如搜索资料、生成表格、翻译内容、分析数据、联网查询等。 技能越丰富，AI 能处理的任务范围就越广、越专业。 #Claude[话题]# #claudecode[话题]# #vibecoding[话题]# #人工智能[话题]# #大模型[话题]# #AI工具[话题]# #token[话题]# #Agent[话题]# #codex[话题]# #skill[话题]#