Agent Memory 不是把历史全部存起来，而是按产品问题决定什么该记、什么时候取、谁能改，以及怎样避免过期记忆和上下文污染。

AI 让信息越来越便宜，但做判断越来越难了。读完 Claude Code 产品负责人的 AI PM 方法论之后的一些思考。

一开始，我其实觉得 OpenClaw 没有任何存在的意义

Vibe coding 让我上瘾的方式跟当年玩《文明》简直一回事——每个 prompt 就是一个回合，每个回合都在勾着我打下一个。而且比《文明》更狠的是，玩游戏好歹知道自己在玩，vibe coding 的时候是真心觉得自己在干活。

做一个 AI Agent 不只是给 LLMs 加几个工具那么简单。本文基于实践经验，探讨 Agent 设计中的三个核心问题：上下文管理、工具设计和评估体系。从 OpenAI AgentKit 和 Anthropic 多智能体研究系统的经验出发，分享关键词检索 vs 向量检索的选择、为什么 Agent 不需要专门训练模型、以及产品设计流程如何因 AI 而改变。

最近上下文工程（Context Engineering）成了某些人用来营销的新名词，用各种观点和文章来说明这个「新」东西的重要性，我觉得有些好笑。。。

AI 产品的复杂度远超想象——看似简单的功能背后是多个环节串联的复杂流程。本文揭示为什么评估能力将成为 AI 产品时代的核心竞争力。从确定性到概率性的转变要求我们重新思考产品开发方式，而系统性评估是唯一能确保产品持续优秀的手段。

探索大型语言模型(LLM)的上下文窗口局限性及解决方案，详解全上下文 vs 检索增强生成(RAG)的权衡，分析 OpenAI Deep Research 等产品的混合策略实现，设计更智能、响应更快的AI产品，有效平衡准确性与计算成本。

Anthropic 发布的 MCP 协议正在颠覆我们构建 AI 应用的方式——告别漫长的功能开发周期，迎来用户自主选择工具的新时代。从本质上看，MCP 不只是封装了 Function Call，而是 Anthropic 在写一本教科书，告诉所有人"AI 应用应该这样做"。尽管潜力巨大，但技术门槛高、碎片化体验和安全隐忧等现实挑战仍待解决。对产品人和创业团队而言，这既是重塑产品思维的契机，也是垂直领域深耕的新起点。

本文探讨了提示词工程的真实定位，指出提示词仅是整体工程的一个环节，而非决定性因素，揭示将提示词神话化的误区，强调更多关注工程实现对产品体验的关键影响。

PoweReader 是一款新的 RSS 阅读器，集成了 AI 摘要、翻译和可视化等功能。通过内置翻译、AI 摘要、每日精选等特性，让 RSS 阅读体验更加高效流畅。现在 App 已经上线 Product Hunt，欢迎体验和支持。

从个人角度探讨 AI 原生应用的概念、特征及其面临的挑战

做了一个爬虫的 GPTs，感兴趣可以测试玩玩：WebScraper，可以用它从指定的网址上找到需要的信息。如果只想提取特定的部分，也没问题。

目前和 LLMs 的交互基本都是这样的：人类输入 Prompt→LLMs 计算响应。每次如果想要新的响应都需要重新输入 Prompt，而这一步骤必须依靠人类主动触发。 AI agents 则可以理解成一种不同的工作方式，它们可以自我提问、自行解决问题、举一反三以及自主行动，之后还可以自行确定行动的结果，作为人类，我们只需要一开始给定一个目标即可——比如说告诉它研究特定内容。

Huginn 是一个开源的自动化工具，允许用户自定义流程以完成特定任务，市面上也有很多类似的产品，比如说国外的 Zapier、n8n 和 IFTTT，以及国内的腾讯轻联，不同于它们，Huginn 的系统设计比较特殊，它主要依赖于一个名为 "Agent" 的概念来构建流程