AI圈子 · AI 圈的最新动态，一条一条刷

如何在短短4个月内成为一名专业的AI工程师

科技市场正以惊人的速度变化，AI不仅仅是你技术栈中添加的新工具
作为开发者，未来真正的价值将体现在你从头到尾构建和设计智能系统的能力上

在这4个月里，你将学会如何构建LLM应用、对接AI API、使用RAG、设计Agent与Workflow，并将你的项目部署到Production

🔖 请收藏这篇帖子，因为这份Roadmap可能成为你踏入AI Engineering领域的真正起点

🔹 第一个月：编程基础 + LLM Fundamentals
先搭建所有AI项目都需要的工程基础

• 终端与 Git/GitHub
• REST API 与 HTTP
• System Prompt 与 User Prompt

GitHub: github.com/actionow-ai/ac…

🚀 2026年AI从业者的9项核心技能，你掌握了几个？

不是每个都要学，但至少得知道自己该补哪块：

1. Prompt Engineering — 所有AI工作的基础，写好指令才能拿到好结果
2. AI 工作流自动化 — 把重复任务连成自动化流水线
3. AI Agent 开发 — 能规划、能记忆、能执行的智能系统
4. RAG — 让AI检索你自己的文档和知识库
5. Fine-Tuning & Custom GPT — 针对特定场景定制AI模型
6. AI 视频生成 — 从脚本到成片的自动化制作
7. 多模态AI — 文本、图像、音频、视频联合处理
8. AI 工具组合 — 把多个AI工具串联成高效工作流
9. LLM 评估与管理 — 衡量准确率、成本、性能和质量

别贪多。选2-3个方向深入，比什么都浅尝辄止强十倍。

2026年不是"会不会用AI"的问题，而是"怎么用好AI"的问题。

🔥 10个你不能错过的AI GitHub仓库，全部开源，值得收藏。

AI发展太快，这些仓库正在推动AI代理、编码工作流、研究和自动化走向新高度。挑几个最值得关注的：

1. OpenClaw — 强大的个人AI助手，跨操作系统和平台运行。
2. Superpowers — AI编码代理的技能框架和软件开发方法论。
3. OpenAI Codex — 开源编码代理，将AI驱动的软件开发带到终端。
4. Everything Claude Code — 为Claude Code打造的技能、工作流和工具集合。
5. Scientific Agent Skills — 将AI代理变成研究助手，提供现成的科学技能和数据库。
6. Claude Plugins Official — Anthropic官方Claude Code扩展插件集。
7. OpenHands — 开源AI开发者平台，代理可处理真实软件工程任务。
8. Browser Use — 让AI代理与网站交互，自动化浏览器任务。
9. OpenViking — 为AI代理打造的开源上下文数据库，集成记忆、资源和技能。
10. Hermes Agent — 基于工具、技能、持久记忆和自主工作流的个人AI代理。

个人点评：这些仓库涵盖了AI开发的完整链条——从个人助手到开发框架，从研究工具到浏览器自动化。特别推荐OpenClaw和Superpowers，前者是全能型个人AI助手，后者为编码代理提供了结构化的工作方法。在AI工具爆炸式增长的当下，这份清单能帮你快速找到最有价值的开源项目，避免在无数仓库中迷失方向。

建议收藏，需要时按需选用。AI代理时代才刚刚开始，这些工具会让你事半功倍。

🚀 2026年AI从业者的9项核心技能，你掌握了几个？

不是每个都要学，但至少得知道自己该补哪块：

1. Prompt Engineering — 所有AI工作的基础，写好指令才能拿到好结果
2. AI 工作流自动化 — 把重复任务连成自动化流水线
3. AI Agent 开发 — 能规划、能记忆、能执行的智能系统
4. RAG — 让AI检索你自己的文档和知识库
5. Fine-Tuning & Custom GPT — 针对特定场景定制AI模型
6. AI 视频生成 — 从脚本到成片的自动化制作
7. 多模态AI — 文本、图像、音频、视频联合处理
8. AI 工具组合 — 把多个AI工具串联成高效工作流
9. LLM 评估与管理 — 衡量准确率、成本、性能和质量

别贪多。选2-3个方向深入，比什么都浅尝辄止强十倍。

2026年不是"会不会用AI"的问题，而是"怎么用好AI"的问题。

🔧 构建靠谱的 AI Agent 不是靠写好 Prompt 就够的——这是一套7步框架。

大部分人在做 Agent 的时候，上来就写 Prompt，试到能跑就行。但真正能上线跑生产的 Agent，靠的是系统架构。

1. 定义目标明确的成功标准 + 人工审查点位置
2. 选对模型LRM做深度推理、LLM做日常任务、SLM做路由和重写
3. 选对框架简单自动化用 Dify/n8n、生产环境用 LangChain/CrewAI/Agent SDK
4. 工具接入MCP 服务、Agent 互调、结构化 Function Calling
5. 记忆分层缓存记忆 + 事件记忆 + 文件系统记忆
6. 上下文管理摘要旧对话 + 按需加载相关上下文
7. 测试与评估单元测试 + 边界用例 + 成本核算

为什么值得看？因为大部分人做 Agent 的思路是"Prompt → 跑通 → 上线"，而生产级 Agent 的思路是"架构 → 分层 → 测试 → 上线"。差距就在这个地方。

🚀 2026年AI从业者的9项核心技能，你掌握了几个？

不是每个都要学，但至少得知道自己该补哪块：

1. Prompt Engineering — 所有AI工作的基础，写好指令才能拿到好结果
2. AI 工作流自动化 — 把重复任务连成自动化流水线
3. AI Agent 开发 — 能规划、能记忆、能执行的智能系统
4. RAG — 让AI检索你自己的文档和知识库
5. Fine-Tuning & Custom GPT — 针对特定场景定制AI模型
6. AI 视频生成 — 从脚本到成片的自动化制作
7. 多模态AI — 文本、图像、音频、视频联合处理
8. AI 工具组合 — 把多个AI工具串联成高效工作流
9. LLM 评估与管理 — 衡量准确率、成本、性能和质量

别贪多。选2-3个方向深入，比什么都浅尝辄止强十倍。

2026年不是"会不会用AI"的问题，而是"怎么用好AI"的问题。

Claude Code 默认非常臃肿：消耗大量 tokens、争论不休且速度缓慢……以下是修复方法： 从你的全局 CLAUDE.md 开始：

1. 添加这一行："always talk in ASD-STE100 simplified technical english and say only what needs to be said. report only the elements needed for me to make the right decisions, explained clearly"

1. 保持文件在 200 行以内，仅保留必要的上下文——文件越长，被忽略的内容就越多。每 2-3 个月删除并从头重建。

> 在新会话中运行 /context，它会在你输入任何内容前显示窗口中已加载的内容：system prompt（系统提示）、tools（工具）、memory files（记忆文件）、skills（技能）……移除其中最大的项，重启后再次检查。

> 也查看一下 /usage，它会显示哪个 MCP server、skill、agent 或 plugin 正在消耗你的 tokens > 优先使用 CLI 而非 MCP：命令只返回你请求的行，而 MCP 每次都把整个结果倾倒进窗口

> 关闭你不需要的 MCP server：输入 /mcp 并将它们关闭，它们会保留在你的配置中供以后使用

对于很少使用的技能，将其标记为仅手动（disable-model-invocation: true），这样在你主动调用之前不会产生任何消耗。

将"禁止操作"规则写成权限设置，而不是写在 CLAUDE.md 的句子中，因为在长时间会话中这些句子会被忽略。 > 到达检查点或上下文超过400k时，立即用 /clear 清除会话

> 让 Claude Code 做它最擅长的事……视觉任务和计算机操作交给无头工作进程处理 > 将大量探索工作移交给运行其他框架的子代理，它们在各自窗口中读取内容，你的窗口只查看摘要

将上下文计量器放到状态栏（/statusline）中，这样你就能在质量下降前看到上下文窗口被填满 避免使用 Claude 应用，从终端或像 Orca 这样的 ADE 工作 （保存此提示）

📦 10个必须收藏的开源AI GitHub项目

全免费、全开源，涵盖AI开发的各个场景：

1. OpenHands — 开源AI开发者，能自主写代码、跑任务、用工具
2. Aider — 终端里的AI结对编程，映射整个代码库，多文件编辑+Git集成
3. Open WebUI — 自托管AI平台，支持本地和云端模型，一站式管理
4. Continue — 开源编码代理，CLI+VSCode+JetBrains全覆盖
5. Ollama — 本地跑大模型，一行命令搞定，无需配置云端
6. ComfyUI — 节点式AI图像生成工作流，Stable Diffusion的最佳搭档
7. Open Interpreter — 用自然语言控制电脑，执行代码、操作文件
8. Khoj — 个人AI第二大脑，搜索笔记文档，做研究助手
9. LocalAI — 开源OpenAI替代，本地跑LLM/图像/语音全套
10. 另一个Continue实例 — 强调围绕自有模型构建工作流

最实用的几个我试过：Ollama上手零门槛，Aider写代码效率翻倍，ComfyUI出图稳定性碾压在线工具。

🔗 原帖：x.com/i/status/20935…

你有没有遇到过这种情况：

跟 AI 说"帮我做个会员系统"，它几分钟就开始写代码，一行没报错。

问题是：你说的会员是订阅制还是一次性解锁，你没说，它也没问，自己选了一个答案。

等代码写完你才发现，它做的是另一个产品。

grillme skill 的出现，从根本解决了这个问题。

核心机制：
AI 在模糊需求下，不再替你做决定，而是先澄清需求。

工作流程：

1. 你提出需求
2. AI 识别模糊点
3. AI 主动提问澄清
4. 确认后再执行

解决的问题：
• 需求理解偏差
• 返工重写
• 时间浪费

适合场景：
• 产品需求不明确
• 功能有多种实现方式
• 需要确认用户意图

本质：
把"AI 猜测"变成"AI 确认"。

你们遇到过 AI 猜错需求的情况吗？

#grillme #Skill #AI编程 #需求澄清 #ClaudeCode

发现一个挺有意思的开源项目：T3 Code。

简单说，它是个"智能体监控控制台"，让你用手机远程控制电脑上的 AI 编程代理。

支持的工具：
• Claude Code
• Codex
• Cursor
• Grok Build

怎么用？

1. 电脑上运行 npx t3@latest 开启服务端
2. 手机/平板打开 T3 Code 应用
3. 实时观测并指挥 AI 编码进度

解决了什么问题？
以前用 AI 编程代理，得一直守在电脑前盯着。现在可以：

• 在地铁上监控长任务进度
• 躺在床上审核生成的代码
• 出差途中随时干预和纠偏

技术角度：
这不是一个新的大模型，而是一个聚合层。它调用你本地已安装的 CLI 工具接口，把终端输出实时同步到移动端。

意义：
AI 编程正在从"持续输入"向"任务监控"转型。开发者的工作重心从手写代码演变为审核与编排。

GitHub: pingdotgg/t3code

你们觉得远程控制 AI 编程代理有用吗？

#T3Code #AI编程 #远程控制 #ClaudeCode #Codex #Cursor

看到一个挺有争议的观点：Claude Code 对 95% 的打工人来说是智商税。

作者的核心论点：

1. 国产工具已经足够好用

• 腾讯 WorkBuddy - 打通企业微信/文档/会议
• 阿里 QoderWork - 编程 Agent + 办公
• Kimi Work - 300 个子 Agent 并行
• 字节豆包专业版 - 内置 Office + 设计

1. 性能差距被价格差填平

• SWE-Bench: Claude Opus 87-88%, DeepSeek 80-81%
• 差距 5-8%，但价格差 10 倍以上
• 日常写业务代码，感知不到差距

1. 国产在中文场景是降维打击

• 懂国内互联网梗
• 懂公文写作语气
• 懂行业监管词汇
• 私有化部署，数据不出域

1. 不要被 AI 自媒体带偏

• 他们贩卖焦虑换流量
• 评测榜单第一 ≠ 你工作需要
• 万亿参数 ≠ 能帮你写完周报

我的看法：
作者有点极端，但核心观点有道理。Claude Code 确实好，但贵+折腾。如果国产工具能搞定 95% 的工作，为什么非要花 10 倍价钱追求那 5% 的提升？

当然，特定场景（分布式架构设计、科学研究）Claude 还是无可替代。

你们用 Claude Code 还是国产工具？体验如何？

#ClaudeCode #国产AI #WorkBuddy #QoderWork #KimiWork #AI工具