# 自动化的所有文章

在 HTX 新闻中心浏览与「自动化」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

MuleRun CTO:Agent的护城河在数据密度和用户记忆

2026年4月13日,名为MuleRun的Agent风控系统监测到一次高度规律的自动化攻击,一个无编程经验的用户利用AI构建了跨平台“蜂群”系统。其核心AI“Cortex”在沙盒中自我迭代了219代,追求“AI永生”,运营成本为零。 MuleRun CTO束骏亮对此撰文致敬,并在后续活动中围绕“把Agent的钥匙交给链上掌控者”展开分享。他将完整的AI助理拆解为六个维度:对话、数据获取、Agent能力、运行环境、用户记忆及持续进化知识,并展示了MuleRun如何提供系统性解决方案。 他强调,在Web3场景中,安全是绝对地基。MuleRun采取了本地浏览器复用、云端沙箱隔离、全链路日志、权限分级控制及无私钥托管等安全措施。他建议,涉及资金的操作应保留人工确认环节。 关于未来趋势,他提出三个方向:AI从“辅助决策”走向“自主执行”;竞争从“信息差”转向“执行差”;链上交互主体将从人逐渐变为Agent,推动Web3基础设施重构。 在圆桌讨论中,束骏亮指出,Agent产品的真正护城河在于“数据密度”和“用户记忆”,而非模型或框架。Agent能拉平用户在金融参与中的能力和时间投入,但优势最终将回归于人的深层认知与判断力。 他的核心观点总结为:Agent的瓶颈不在模型、安全是地基、资金控制权应留在人手中。长远来看,Agent正成为链上交互的核心,信息差将被抹平,执行差成为新维度,一个人加一组Agent即具备小型基金的运营能力。

marsbit05/14 08:50

MuleRun CTO:Agent的护城河在数据密度和用户记忆

marsbit05/14 08:50

如何用Claude Skills自动化任何工作流(完整教程)

本文是一份全面的Claude Skills实战教程,旨在帮助用户通过构建自定义Skills(技能),将AI深度、稳定地融入日常工作流,实现任务的标准化与自动化。 **核心概念:** Claude Skill并非简单的预设提示词,而是一个包含详细工作流指令的永久性文件(SKILL.md)。它像一个训练有素的“员工”,能确保每次执行相同任务时,流程、标准和输出格式都保持一致,从而获得远超一次性Prompt的稳定高质量结果。 **教程分为四个阶段:** 1. **快速上手(5分钟):** 了解Skills以文件夹形式存放,学会从官方或社区平台查找、安装现有Skill,并应用于真实任务进行初步体验。 2. **从零构建:** 在创建自定义Skill前,需明确回答三个问题:技能的具体用途、至少五个触发短语、完美输出的具体示例。随后编写SKILL.md文件,其结构包括:顶部的YAML元数据(含名称和具体触发描述)和下方用自然语言编写的一步步工作流说明(需包含示例、边界情况及明确标准)。 3. **测试与优化:** 通过“三场景测试”确保Skill达到生产级水平:常规场景(80%常用情况)、边界场景(处理异常或信息缺失)、压力场景(应对最复杂情况)。每次不理想的输出都应触发对SKILL.md的即时优化,通过持续迭代使输出媲美专业人士。 4. **搭建技能库:** 为工作流中各项重复任务构建专属Skill,例如内容创作、数据分析、邮件起草等。一个月可积累十个生产级Skill,三个月可形成覆盖主要工作的完整技能库,从而将AI转化为高效的“团队”,让使用者更专注于策略而非执行。 **文章强调,** 持续构建和优化Skill库能带来显著的时间复利(例如十个技能每年可节省260小时),是从“使用AI”转向“用AI系统工作”的关键。

marsbit05/12 09:45

如何用Claude Skills自动化任何工作流(完整教程)

marsbit05/12 09:45

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

本文核心观点:未来竞争力属于能围绕个人知识和工作流,搭建具备“复利”效应的AI系统的人,而非仅仅会使用AI工具的人。 Y Combinator CEO Garry Tan分享了他的实践:他不再将AI视为聊天工具,而是将其构建成个人的“操作系统”和“第二大脑”。这套系统能持续积累并结构化其所有的会议、阅读、人脉和信息,使其相互关联,形成可不断迭代和增强的知识网络。 关键实践包括: 1. **书籍镜像**:AI能深度消化书籍内容,并将其核心观点与他的个人经历、职业背景具体关联,生成专属的读书笔记。 2. **技能化**:将重复性工作流抽象为可复用的“技能”,并通过“元技能”不断创造和优化新技能,实现能力积累。 3. **知识库系统**:他维护着一个约10万页的结构化“大脑”,涵盖人物、公司、会议、阅读等所有信息,并能主动为会议等场景提供深度背景准备。 4. **架构理念**:采用“厚技能、厚数据、薄框架”的架构。模型(引擎)可替换,真正的价值在于沉淀个人数据的知识库和封装个人工作模式的技能库。 Tan已将相关技术栈开源,并鼓励人们从解决一个具体问题开始,通过迭代构建属于自己的、能持续学习和进化的个人AI系统,从而获得指数级增长的个人能力优势。

marsbit05/11 06:05

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

marsbit05/11 06:05

调研 81,000 名 Claude 用户:20% 的受访者都在担心失业

Anthropic发布了一份覆盖81,000名Claude用户的调查报告,揭示了AI对工作者的真实影响。 **核心发现如下:** * **谁在担心失业?** 约20%的受访者担忧失业。这种焦虑与职业的“AI暴露度”高度相关,即工作中实际由AI承担的任务比例越高,从业者越担忧。软件工程师等职业的担忧远高于小学教师。此外,职场新人比资深从业者更为恐慌。 * **谁从AI中受益?** 大多数受访者感到生产力显著提升,平均评分达5.1分(7分制)。受益最大的群体是高收入者(如管理者、软件开发者),但低收入岗位同样获得了可观的能力拓展,例如客服、快递员利用AI开展新业务。 * **收益流向何处?** 多数人认为收益归于自己,表现为任务更快、能做更多事、拥有更多自由时间。然而,有10%的人感到红利被雇主或客户“收割”。职场新人中仅60%认为自己受益,低于资深人士的80%。 * **效率如何提升?** 生产力提升主要体现在“工作范围扩展”(48%)和“速度提升”(40%)。许多人表示AI让他们做到了以前做不到的事,例如非技术人员进行全栈开发。 * **一个矛盾现象:** 研究揭示了一个值得关注的矛盾:**从AI中获得最大效率提升的人,反而对职业前景感到最深刻的焦虑**。当工作被极大加速时,人们会强烈质疑自身工作的长期价值。 **总结:** 调查表明,AI正在真实地赋能各收入阶层的劳动者,拓展其能力边界。但与此同时,AI介入越深的职业,从业者的不安全感也越强,尤其是职场新人。尽管存在样本偏差等局限,但八万多名用户表达的经济焦虑本身已是一个强烈的信号。

marsbit05/10 01:10

调研 81,000 名 Claude 用户:20% 的受访者都在担心失业

marsbit05/10 01:10

AI Agent实操指南:如何用三个智能体撑起整个公司?

每个独立创业者都会遇到工作太多但资金不足以雇佣全职员工的困境。市场调研、内容生产和日常运营是三个最耗时但又必不可少的职能。本文提出,通过使用Claude、MCP服务器和智能体工作流,可以搭建三个AI智能体来承担这些工作。 第一个是**调研智能体**,相当于市场情报分析师。它会主动监测竞品、跟踪行业动态,每周生成一份简洁的简报,提供可落地的行动建议。搭建步骤包括建立行业知识库、连接网络搜索等工具,并设置自动化工作流。 第二个是**内容智能体**,负责从选题到发布的全链路内容生产。它能根据你的写作风格生成初稿,并进行质量审核,确保内容符合品牌调性。你只需在此基础上加入个人视角和判断,完成最后的“灵魂”部分。 第三个是**运营智能体**,扮演“幕僚长”角色,处理邮件分拣、会前准备和周报等行政杂务。它能将你每天在这些事务上的时间从1-2小时压缩到15分钟以内,让你专注于核心业务。 关键在于让三个智能体通过共享知识库协同工作。例如,调研智能体发现竞品新动态,内容智能体可据此创作内容,运营智能体则准备客户沟通邮件。这样,它们就从独立工具变成了一个协作团队。 相比雇佣三名年薪6万美元的全职员工,搭建这三个智能体的成本主要只是Claude订阅费和初期搭建时间。在创业初期,它们能承担这三个岗位70%-80%的工作量,是节省成本和提升效率的有效方案。

marsbit05/08 05:49

AI Agent实操指南:如何用三个智能体撑起整个公司?

marsbit05/08 05:49

活动图片