Knowledge Topic
AI Agent
讨论天数
26
贡献者
110
提到工具
144
核心洞见
Loop 的核心是标准化反馈循环，而不是简单让 Agent 一直跑。
复杂任务要拆成角色、阶段和验收门禁，否则上下文越长越容易混乱。
通用 skill 价值有限，业务专属 skill 才能形成可迁移的生产力。
工作流先由人带着跑通，再固化成 SOP，比一开始追求全自动更稳。
行业 Agent 的价值来自专家流程固化，而不是把真人沟通完全替换掉。
私域和法律等高信任场景需要 human-in-the-loop，AI 更适合做材料整理、训练和辅助判断。
高质量行业 Agent 必须把历史数据、业务标准、产品卖点和反馈机制同时纳入。
能组件化的节点做成 Skills，不能组件化的高情绪、高责任环节保留真人判断。
智能体账号丢了只是金钱损失，长期记忆和工作上下文丢了才是真正的生产力损失。
本地会话、MCP 记忆、Obsidian 知识库和每日工作日志应该分层沉淀，而不是全部依赖单一聊天窗口。
让 AI 自动记录“今天做了什么、学到什么、决策了什么”，是把工具使用升级为个人操作系统的第一步。
社群知识整理、个人工作日志和项目复盘本质上都在解决同一个问题：让经验可检索、可复用、可继承。
知识时间线
6月30日 · 周二
Claude 风控、Hermes 知识库与 AI Agent 落地基础设施
6月29日 · 周一
Claude封号风控与Agent工作流商业化：从账号安全到视频、微信与私域落地
6月13日 · 周六
Codex工作系统与AI落地：从记忆、skill到传统行业转型
5月30日 · 周六
Hermes+DeepSeek 场景分工、多 Agent 协作与个人知识库实战