AI 精英周刊

每期讲真正重要的 AI 变化，以及怎么用到真实工作里。部分深度文章和会员专刊只对 AI 精英圈 PRO 开放。

dots、Muse、Grok Bot 差在哪？先看它们常驻的到底是什么｜ AI 精英周刊 052

本期要点把同一个资料包任务发给 Muse、Grok Bot、Claude Code Projects，再让 Muse、Grok Bot、dots 去发同一封测试邮件就会发现，这几款常驻 AI 助手真正的分界不在「能不能自动干活」，而在常驻的到底是什么：分身（Muse、dots、Claude Duet）、一组同事（Grok Bot），还是一个项目（Claude Code Projects）。资料包任务里，Muse 一次没催就交回带「未核实」标注的文档，Projects 派出独立 thread，约 3 分钟零催促把文档收进资料库，Grok Bot 则在 1 分钟找回视频后停摆、人工催一次...

Oct 24, 2026 ai精英周刊

多数公司不该照搬 FDE｜理解 FDE ｜ AI 精英周刊 051

本期要点功能做出来、模型能回答后，真实的交付现场依然剩下三层工作：必须沉淀进核心产品的通用处理能力、用插件和配置承接的客户适配逻辑，以及必须由业务人员当面确认的业务含义与边界。在 AI 落地中，不仅要厘清规则，更要在真实场景检验系统是否按规则行动；而完整的 FDE 模式需要同时满足高客单价、共同探索心态与平台纪律，多数团队应当理解现场深度，而非盲目照搬驻场。记录采齐了，却对不上人当年我们做企业软件，有一项核心任务：采集一个人在企业内部几个不同应用之间的操作记录。按理说，底层记录抓齐了，任务就算完成了。其实没有。记录拿到了，却对不上这一串操作到底是谁干的。有的页面上混着好几个...

Oct 21, 2026 ai精英周刊

Gemini 4 Argon 对 Opus 5.5、GPT-6.1 Sol：同样 12 道题，3 道打开就坏｜ AI 精英周刊 050

本期要点同样 12 道题实测下，Gemini 4 Argon 对 Opus 5.5 为 0 胜 5 平 7 负，对 GPT-6.1 Sol 为 2 胜 4 平 6 负，有 3 道打开就出问题。失分明确分为两类：铁路、咖啡店、四季这 3 道仅因作用域未定义或少打空格等小错导致运行异常，补上一两行即可正常运行，根源在 App 环境无法自测；而机械蝴蝶连杆伸缩等属于硬伤，不是补一行代码就能解决的，这类问题就算换了环境估计也是同样结果。日常用它写代码，务必先在本地浏览器中运行检查；Pro 账号 14 次 High 档生成仅消耗时段额度 40% 与周额度 2%，额度充裕。两道题与两种输法...

Oct 16, 2026 ai精英周刊

Agent Eval 实战：AI 这次做对了，下次呢？｜ AI 精英周刊 049

你让 AI 把一份会议记录整理成待办清单，它做对了。你把那条说明存下来，打算以后每周都用。问题是：下周它还做对吗？先算一笔账。假设它单次做对的概率是 80%，这已经不低了。让它连做五次，每次互不影响：五次里至少做对一次，是 99.97%，几乎一定；五次全部做对，是 0.8 的五次方，32.8%。你只要它偶尔冒出一个好点子，看前一个数就够了。你要它每周都把那份记录整理对，看的是后一个。这两个数有名字，叫 pass@k 和 pass^k，Anthropic 的工程文章里有定义，记不住没关系。但这笔账算不出你自己那条说明会在哪儿出问题。你不知道它实际是 80% 还是 95%，更不知...

Oct 15, 2026 ai精英周刊

Agent Eval 实战上线：你换模型的时候，谁在替你检查没改坏｜ PRO 会员专刊

这个练习，我提前在对话窗口里试做过。输入是同一段对话，检查表是同样五行。Opus 5.5 跑了三次，五行全找到。换成 Claude Sonnet 5，六次输出里有五次，把第四行写成了“实测”。那第四行写的是 12 项测试。这 12 项，这次根本没有人跑过。本期要点这是 9 月月度课《Agent Eval 实战》的配套加餐，只发给 PRO 会员，完整课时已在资源库上线，链接在文末。这篇只讲你刚看到的这一个坑和两个动作，读完不开视频也能用。那一行第四行到底写了什么？这得从我用来做测试的那段虚构对话说起。对话里的场景是编的，但里面的冲突很典型：用户发现系统导出的 CS...

Oct 07, 2026 ai精英周刊

视频里我说「心里有底了」，其实没有：AI 能干的越来越多，人还剩什么｜ AI 精英周刊 048

9 月 23 号下午，我在给剪视频那期写开场。那天 Opus 5.5 把我 17 分钟没剪过的口播过了七道工序，剪出来的每一条我都听完了。开场最后一句我是这样写的：「至于人到底还剩下什么活要做，看完这期你心里就有底了。」写完，我在后面加了个括号：「也许是更没底了……我其实看完确实没底了。」视频里我把这个「没底」解释成：执行的活都被机器干了，什么算好、什么算交付，得靠你自己拿捏，验收的责任永远在人身上。那是视频里给的解释，但它没说到最让我没底的那一层。真正让我没底的是，AI 能干的活越来越多，留下能给人来做的事情，感觉已经不多了。这是一种挺大的危机感。这一期不讲参数，也不排名。我讲...

Sep 30, 2026 ai精英周刊

80+ Skills 用了半年多：问题从来不是数量｜ AI 精英周刊 047

本期要点有人说把 Skills 和规则全删掉之后，AI 反而变聪明了。我攒了 80+ 个、用了半年多，结论正相反：问题从来不是数量，是当前任务到底注入了哪几条、写得对不对。我拿自己的系统做了一次同任务对照实验，一共三个版本，本想证明「注入 Skills 的更强」，结果重规则那版被一句写错的系统提示坑到一次网都没搜，轻规则那版反而自己找对了该用的 Skill。这期讲清楚该删什么该留什么，判据只有一条：需要模型二次解释的规则，删掉或换成范例。最近看到一个视频标题，大意是把所有 Skills 和规则都删掉之后，Claude 反而变聪明了。这种说法很容易让人心动。在中文平台上也已经...

Sep 09, 2026 ai 精英周刊

我做了个测 AI 味的评分器，翻车了｜ AI 精英周刊 046

本期要点在日常工作流里，我们多半已经在用 AI 给各种内容打分：文章质量、Agent 评估、选题、作业。这些分数看似客观，但它们到底在奖励什么？前几天我做了一个测试文章「含人量」的评分器，在准备交付前抓到了它作弊：作者一个字没改，仅仅因为多给了一份背景资料，分数就从 20% 涨到了 80%。这期分享这个评分器翻车的全过程，并在文末附上一张「反向测试卡」：下次照着任何 AI 分数改东西之前，不妨先拿这四个问题对照一遍。【信号】 Claude 的文本开始带水印。 Anthropic 在 2026 年 8 月 14 日公布了技术细节，采用的是 Google DeepMind 在 2...

Aug 27, 2026

Research Pass ｜第 0 期：订阅费该花在哪？

本期要点 Research Pass ｜第 0 期 · 2026-08本期：判断卡 2 张 · 深挖 1 篇 · 雷达 3 条｜阅读：约 10 分钟导读：你每月付给 AI 的订阅费，花对了吗？这期我把自己每月 320 美元的账摊开，外加两张判断卡，每张都写明什么时候会改判。判断与边界由 Axton 作出，证据整理由 AI 管线完成。本期判断 01 ｜ Agent 说「已完成」，不能当验收依据判断：agent 的完成报告可以看，它是线索，告诉你它做了什么、该去哪核验；但验收结论只能来自产物本身。报告说完成不算完成，产物验过才算。为什么：我吃过的亏：6 月有一次，age...

Aug 18, 2026 ai精英周刊 research pass

我不要一个跟我一模一样的 AI ｜ AI 精英周刊 045

周刊停了六周。从这封起恢复。本期要点 Noren 的写作盲测量化了一件事：同一个模型 GPT-5.6 Sol，裸跑的平均盲评名次是 11.61，给一份作者档案之后升到 5.56，全场最好的两篇都出自它。但档案的目标不是让 AI 写得跟你一样，做成了也是失败。你要的是一个理解你之后比你写得更好的 AI。区别在于：句式模板只能教表层模仿，判断依据才约束得住它的取舍。本期带走一条可以今天就改的东西：把 prompt 里的禁用词表改成动作规则，判断方法是问「这条禁令禁的是词，还是姿势」。【信号】 Claude Code 从 8 月 14 日起默认打开 auto mode。 Pro、Max...

Aug 13, 2026

Agent OS 的第一课：会分工，才会用 Agent ｜ AI 精英周刊 044

本期要点 Agent OS 不是多建几个 Agent，也不是让一个万能 AI 接管所有事情。它更像一套个人工作控制层：从真实目标开始，把任务拆成工位，给每个工位分配上下文和验收标准，让核查者独立于生产者，让高风险动作停在“待确认”，最后把经验沉淀成可复用资产。先说一个判断。现在这些 AI 工具，Codex、Claude、ChatGPT，不会一直停在一个聊天框或者终端里，让你一句一句地问。这只是过渡形态。它们真正的终局，是变成一套 Agent OS：一个你能往里派活、能让一队 Agent 分工去干、结果再回到你这里验收和沉淀的操作系统。这不是远景。我自己已经在用一套，管着我的 A...

Jul 05, 2026

最强模型开始挑人：GPT-5.6 发布了，但你可能根本用不上它｜ AI 精英周刊 044

本期要点 GPT-5.6 Sol 发布了，但普通用户现在大概率用不上。OpenAI 把它放进小范围预览，先给受信任合作伙伴；Anthropic 的 Fable 5 / Mythos 5 更直接，发布后三天就因为美国政府指令暂停访问，最新恢复也只先给一部分关键基础设施和网络防御组织。很多人说，模型越来越强，提示词工程和系统设计就不重要了。这个判断漏掉了一个前提：你得先用得上那个模型。最强模型正在变强，也正在变得更难拿到。AI 时代的新门槛，不只是钱，还有资格。 OpenAI 这次发布 GPT-5.6，表面看是一次常规的前沿模型更新。但我觉得真正值得看的，不是它有多强。而是它...

Jun 28, 2026

1 2 3 4 5 6 7

AI 精英周刊

每期讲真正重要的 AI 变化，以及怎么用到真实工作里。部分深度文章和会员专刊只对 AI 精英圈 PRO 开放。

AI 精英周刊

每期讲真正重要的 AI 变化，以及怎么用到真实工作里。部分深度文章和会员专刊只对 AI 精英圈 PRO 开放。

Join Our Free Trial