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。

AI Agent时代，人机交互正经历根本性重构。传统GUI界面信息冗余、逻辑割裂，已成为机器协作的阻碍。在新范式下，人类积累的经验、流程与应用被解耦为模型友好的MCP、Skill、CLI和标准化Tools，能为复杂世界建立可编程索引，让Agent成为连接万物的核心枢纽。