最近读完了《深入理解AI Agent：设计原理与工程实践》。这本书从工程视角，把上下文、记忆、工具、Coding、评估、后训练、持续进化与多 Agent 协作等内容串联起来。如果你希望理解当下 Agent 的底层运行逻辑，非常值得通读学习。

小伙伴们，又一个月不见啦！AI时代创作的速度越来越快，内容和软件都像不要钱一样，全世界都在疯狂的构建，连Github都被干崩了好几次。理论上输入变多后应该能学到更多东西，从而让个人能输出更多。但实际情况却是提笔越来越难了，每次想到一个主题，兴致勃勃的打开编辑器却不知道从何写起，最后只好作罢。

时间真快，距离上次发周刊已经过去快2个月了。这次停刊的主要原因是发现周刊的价值在变小，交流密集的朋友都很久没有点开过了，这让我思考投入产出是否还值得。

本周上海期货交易所已经把目光投向了另一种数字资产——AI代币。据路透社报道，SHFE正在设计基于AI代币的期货合约，试图为每日消耗量已达140万亿的AI推理需求提供价格锚定。意图将大模型的输入输出单位，变成像原油、铜、大豆一样可交易、可对冲的标准化合约。

本周读到"编码智能体正让每个人都陷入决策疲劳"这篇文章，深感认同。编码智能体正在制造一种新的认知悖论：代码生成变得越来越容易，但该生成什么却越来越难决定。

年初尝到了AI编程的魔力后也高强度使用小半年了，期间诞生了Lumina和Infinitum这俩工具。但过程中总觉得还是缺点什么，需要人工干预的部分仍然很多，整个流程没有达到理想中的流畅。虽然也学习了 Harness Engineering 概念，也看了不少实践案例，但总觉得还是很模糊，很难工程化落地。本周，想着从软件工程本身出发，将其中以人和工具为主的流程改造成以AI和工具为主人为辅，并在和AI的沟通中得到了这个词—— AI 原生研发流程。

一种快速搭建垂直领域智能体的方案，在通用智能体的基础上，通过外层包装和定制化技能层，将其能力快速落地到特定垂直场景的智能体产品。底层通用智能体提供强大的理解、推理和生成能力，相当于智能体的“大脑”；外层壳负责把这些能力组织、封装成可用的产品功能，包括用户交互、任务调度和数据管理；而技能层则聚焦于行业知识、业务规则和工具调用，使智能体能够执行专业任务并产生可靠输出。

去年5月写过一篇文章“碎片时间刷文章！懒人阅读方案分享”，使用 RssHub、wewe-rss、FreshRSS 和 Readrops 搭建了一套能随时随地刷文章的工作流。提效很明显，能快速帮我收集信息也能充分利用碎片时间阅读，但使用了近一年也暴露出一些问题。

在 AI 编程智能体日新月异的今天，我们很容易陷入终态焦虑。想着 AGI 终将实现，程序员迟早被替代。那现在花精力去钻研底层架构、配置复杂的开发环境、甚至是学习那些过时的 CS 基础，还有意义吗？

在AI招聘工具普及的今天，许多企业相信算法能带来高效客观的筛选，99%的世界500强公司已在使用AI辅助招聘。但事实上，AI非但未消除就业不公，反而常常将其放大，甚至固化成系统性歧视。这并非算法“故意”，而是数据、设计与规模效应的必然结果。