2026，向“Agent 系统”要价值，一人创造 100人的价值！（以agent信息流系统为案例）

上周ai讲座的大纲笔记来啦。

还没上课的可以大概了解讲了什么，上过课的可以温故知新。

这次，文字稿继续升级，精心校对，图文混排，阅读体验和效果更上一层楼。需要 PDF 版本图文混排文字稿的朋友，请私信我，暗号：“agent 信息流系统 图文PDF”。

今晚直播

今晚直播，邀请了重磅嘉宾，@阿禅（jason5ng32）。由于人家有自己的Wikipedia页面，所以介绍都是多余的🤣

一次性把他几年的ai编程经验分享给大家。看看不会coding的产品经理，如何解锁一个个 coding 里程碑：github 万星项目…… 投资类 web app……原生 ios app……

扫码或点击“阅读原文”，预约直播。

今晚直播预告结束，下面是上周直播的干货笔记。👇

howie 的 AI 主题讲座｜AI 系统专题 4：信息流系统

日期：2026-04-03

主题：notion agent、agent 系统

核心主旨

2026 年最重要的元技能是 Agentic Engineering——通过设计 Agent（指令 + Skills + 独特 Data），搭建 Agent 驱动的 AI 系统，实现知识工作的百倍产出提升。

我今年的目标，是通过 agents 实现“一个人干 100 个人的活”。等年底直播时我们看看这个目标是否达到了🤣

Notion Custom Agents 因其高度结构化的数据库能力，是 95% 的人最应该先掌握的 Agent 方案。

昨天，claude 推出了 managed agents，本质就是claude 版 notion agents，从自建 agents 变成了托管 agents。难度大幅降低，效率效果大幅增加。只有这样，我们才能实现 “2026 年建 100 个 agents”的目标🤣

整个讲座以 AI 内参系统为核心案例，展示了从费曼日报到 Agent 驱动信息流的质变，并延伸到学习系统、思想系统的全面重构。

关键概念

• Agentic Engineering 大法：2026 年最重要的元技能，承接 Prompt Engineering（2023-2024）和 Context Engineering（2025），在 Agent 上合为一体
• Agent 三要素：指令（Instruction）+ 技能（Skills）+ 数据（Data）——独特的 data 是差异化关键
• AI System as Service：由 Agent 驱动的 AI 系统作为一种服务
• Compute 飞轮：compute 创造价值 → 购买更多 compute → 创造更多价值的正循环
• 何必与务必：Agent 能做的事情"何必"亲自做，人应专注于高质量思考和原创性 idea（"务必"类任务）
• 去技能化时代：具体技能被 Agent 取代，真正需要的是跨学科通才（Polymath）
• Agency is a muscle：思维能力、主动性、产生 idea 的能力都是需要训练的"肌肉"
• 信息流三级进化（宏佑框架）：信息流浸泡（原始信息流）→ 费曼日报（高质量但高门槛的"原矿石"）→ AI 内参（Agent 驱动的"端上桌的成品"）
• STEM OS / Language OS：两个核心学科系统——大数学（STEM）和大语文（Language），取代传统的狭隘学科划分
• 浮士德造人（Homunculus）：设计 Agent 的过程如同"造人"——做出来的 Agent 像你、是你、但胜过你

每天用 AI Agent

• 核心主张：每天用 AI Agent，每天都用——这是 2026 年最好的投入方式
• 学 AI 不是一时半会的事，是长期的事。就像读书是一生的事，"你不会因为读书而焦虑"
• howie 已经用了一个月 Notion Agent，有阶段性成果，希望带动更多人理解 Notion Agent 路线
• 工作方式已经改变：现在每天站着办公，因为"用脑的强度、对思考和创造力的要求跟一个月前完全不同"
• 过去一个月的体验"非常超现实"，预计 2026 年全年 AI 能带来百倍产出提升

从 Notion 系统到 Agentic Engineering

AI 系统的演进脉络

• 春节前分享过多个 Notion AI 系统：AI 理科 OS（清北学习系统）、费曼 OS、写作系统（托尔斯泰系统）——当时 Notion Agents 还未正式发布
• Notion Custom Agents 于 2 月 24 号开始内测，满打满算一个月，约 300 小时实践
• 春节前的系统是"搭建了一套 Notion 系统，由一系列数据库组成"，让学习流程用系统运转，达到传统学习十倍效果
• 现在升级为 Agent 驱动的 AI 系统

Agentic Engineering 大法

• 2026 年要修炼的最重要元技能：Agentic Engineering 大法
• 它承接着技术演进的三个阶段：
• 2023—2024：Prompt Engineering
• 2025：Context Engineering
• 2026：Agentic Engineering——所有 Prompting 技术、AI 模型技术、Context 管理技术"最终在 Agent 上合为一体"
• 目标：2025 年建 50 个 Agent，配备上百个甚至数百个 Skills，每个 Agent 都有自己的 Database 和专门数据
• 最终效果："把所有能由 Agent 完成的事情，全部交给 Agent 来做"

Agent 生态全貌

• 目前已有 10 个 Agent：Ideation 大师、Agents 大师、Notion 维护大师、写作大师、解题大师、运营大师、内容策划、思想策划、内参编辑、思想对话

• 总共配备 19 个 Skills
• 每个 Agent 都有自己专门的 Tools、Context（数据库）、Skills
• AI 内参系统由两个 Agent 驱动：内参编辑 Agent（8 个 Skills）和思想对话 Agent（2 个 Skills）
• 内参编辑的 Skills：Readwise 日报、日报排版、概念入库、概念提取、文章入库、三级笔记、维护前期 Log 等
• 整个 AI 内参是一个完整系统——日报数据库 + 阅读库数据库，后续还会连接概念库、思想库、行动库、工具库

Notion Agent 的独特价值

为什么 Notion Agent 值得重视

• Notion Agent 没有像 Claude Code 那样给大家强烈冲击感，但"很多时候这是因为大家不理解"
• howie 的投入程度：79 个 Notion 席位 × 240 美金/年，即将一次性扣款约 2 万美金
• Token 消耗数据：48 成员，132 个 Agent，运行 2600 次，消费 416,520 积分（约 4,165 美金）
• 策略：在 Notion 5 月 4 号按量收费之前尽情使用，正式上线后优化 ROI——"花 100 美金的成本，获得 1000 美金的价值"

Notion Agent vs 其他 Agent

• Deep Research：运行在浏览器虚拟环境中的 Agent，是"第一个真正有生产力的 Agent"
• Claude Code / 桌面 Agent：通过命令行和脚本操作电脑上的一切，"有了自己的'手'，能改造世界了"——改造的是数字世界
• Notion Agent 的独特之处：虽然看似有局限（不能操作本地文件），但"反而更加强大"
• 结合了 Notion 2.0 时代的数据库能力和 1.0 时代的协作能力
• 解决了最关键的问题——Agent Context：操作的是页面、database、database 属性，"它们的特点是高度结构化"
• 高度结构化数据 + Agent + Skills 产生的"化学反应是 Claude Code 所无法想象的"
• Claude Code 能力边界大（bash + 读写文件），但"致命缺陷：它没有高度结构化的 database 数据"
• 判断："Notion Agent 可能是 95% 的人应该去用的 Agent"
• "在你去搞那些更复杂的 Claude Code 或 OpenClaw Agent 之前，你更应该先玩转 Notion Agents"
• Notion "从小白到高手，哪怕你已经是大师级别，也是最好的、不可脱离的选择"

熊友@宏佑分享：从信息流到信息产品的三级进化

第一级：信息流的浸泡

• 2017 年加入小能熊学习，跟随近九年（2900 多天记录，17000+ 分钟学习时长）
• 比喻："河水自然流过身边，水质决定一切"——在小能熊的高质量信息流里浸泡
• 全家受益的案例：
• 孩子比小树小两岁，跟着小树的成长历程复刻——从六大类儿童英文绘本书单开始
• 每天陪孩子共读，疫情期间每天两三个小时
• 蓝思值达到约 700，没有上过一节英语教培课——"证人在这里验证"
• 孩子在学校利用课间给同学上课，讲知识视频内容，课件自己画，已讲六节课
• 孩子与 ChatGPT 合作写英文故事，全部在键盘上手敲，写了十几篇
• 队友的变化：从"太干了，看不下去"到学习 46620 分钟、完成 726 节课程，公众号影评最高阅读量 5 万+
• 核心感悟：Your brain is what you read——你读什么，大脑就是什么

第二级：费曼日报

• 2017—2025 年共 1126 期费曼日报
• 信息源质量很高，但到手是"原矿石"状态——需要自己掌握方法论（费曼学习法、三级笔记、知识砖块）后再去消化
• "叫好不叫座"：阅读量和打开率都很低，因为消化门槛确实很高
• 属于"高质量信息源、高消化门槛"

第三级：AI 内参的质变

• 宏佑在 2025 年 10 月就向 howie 建议：把课程方法做成 Agent 的 Skill 模块
• AI 内参的变化：
• 信息源不变：来自 howie 十多年积累的高质量渠道
• 消化能力被固化了：三级笔记做好了、概念拆解做好了、Ideation 思想大师也做好了
• 从"你得学会钓鱼"进化到"鱼处理好端上桌"
• 门槛大幅降低："不用学方法论，直接享受成果"

Notion Agent 的核心价值（宏佑视角）

• 从 AI 三要素（数据、算力、算法）平移到 Notion 体系：
• 数据：howie 的高质量数据 + 用户自己在 Notion 数据库积累的数据，知识可以"真正不断滚动起来"
• 算力：Notion 选取最顶级模型（Claude Sonnet、GPT-4、Gemini），"极致但克制"，免去订阅各种账号的麻烦
• 算法：19 个 Skill、50 个 Agent 目标，把专家级道法术器固化为可复用的 SOP
• 核心结论："让我们真正站在巨人的肩膀上，不需要成为专家，也能享受专家级方法论的成果"

howie 的 Agent 专题讲座

Agent 的迭代历程

• 每个 Agent、每个 Skill 在长期使用中"从简单到复杂，从简陋到更加精密，效果越来越让人惊艳"
• 费曼日报回顾：2017 年 7 月开始，一千多期，"即使在完全没有人捧场的情况下"仍坚持
• 现在 AI 内参"完全由两个 Agent 来驱动"，用极少时间实现以前完全无法想象的效果
• 未来计划：把费曼学习法所有理念全部打包成 Agents 和 Skills，"从概念维度的学习到思想层面的学习，再到判断、行动"

Agent 元技能：指令、技能与数据

• 做一个好到让你感动的 Agent，需要三个要素：
• 指令（Instruction）：不断迭代出来的 Agent 指令
• 技能（Skills）：把你在某个领域的专业能力封装成 Skill，不断迭代
• 数据（Data）：最关键的要素。howie 的 Readwise 里有 14118 条数据，"几年时间里攒的全部数据"
• "当你给这个 Agent 接上这种独特的数据之后，它所能取得的效果是你真的无法想象的"

Idea 孵化的震撼体验

• "Idea 大师"Agent 的效果：任何种子阶段的 idea 入库后，只要说"你帮我孵化一下"——
• Agent 会基于 howie 过去所有的 data（阅读、划线、笔记，以万为单位），进行 connect the dots
• "你会发现我自己都记不得了，读过哪篇文章、写过哪条笔记"
• 孵化结果"好到感动"——所有连接线索来自自己过去的推文、阅读、思考、AI 对话
• 后续还会接入 Obsidian 笔记、微信读书阅读、Readwise Reader 全部数据
• 核心判断："一个牛逼的 Agent，一个跟所有人不一样的 Agent，一定是有你独特的 data 来驱动的"
• Skills 也是独家的——"实际上是把你的毕生绝学压缩成的东西"，"不可能去卖"

浮士德造人：打造超越自己的 Agent

• 设计 Agent 的过程令人想起歌德《浮士德》中"造人"（Homunculus）的情节——"我们现在用 Notion Agents 来做这个东西的时候，真的就特别像造人"
• 普通的 Agent（如日程管理）是"千篇一律的秘书"
• 真正有价值的 Agent（如 Idea 大师、解题大师）融合了独特的问题、独特的 data、独特的 skill

• 关键感受："你做出来的 Agent，它很像你，它也是你，但它胜过你"
• 它有你的方法论和目标（像你的、是你的）
• 但它有无限的 compute，在所有具体细节上比你做得更好
• "这件事情是人所做不到的"

Agent 驱动的 AI 系统

• 现在的系统 = 系统 + Agents + 数据 + Teamspace 协作
• 可以理解为 AI System as Service——由 Agent 驱动的 AI 系统作为服务
• AI 内参不是单纯的 Agent，也不是单纯的知识库，是"Agent 驱动的一个特殊的 Notion 系统"
• STEM OS（清北学习系统）同理：每个学生有专门档案，Agent 服务于所有学生，错题分析写入各自数据库

Compute 作为飞轮

• 核心判断：Compute 是个人在 AI 时代最重要的杠杆
• 以前做费曼日报时的局限：读者人脑 compute 有限，编辑的 compute 也有限——每期只能一到几篇文章

• 现在 compute 不限量：AI 内参编辑跑了一千多美金，思想对话 Agent 跑了一百多美金，合计 1200 美金
• 飞轮效应："你的 compute 给你创造了更多的价值，然后你可以用来买更多的 compute，创造更多更好的价值"
• 实例：纽约时报采访的某人，一年公司收入 16 亿美金——验证了"AI 时代一个人的公司可以做到 10 亿美金"

何必与务必

• 有了 Agent 后最强的感受：任务分两类——
• 何必类：凡是通过 Skill、Agent 可以做到的事情，"你何必要去做？""如非务必，何必"
• 务必类：需要"非常 brilliant 的 idea，非常独创原创性的 idea"——具体的技术细节全部由 Agent 搞定

• 实例：优化 AI 内参的策展 Skill——在上万篇历史库里找到与今日主题相关的高质量文章，Agent 自动完成
• howie 只用 Typeless 用十分钟时间开发了一个 Skill 新功能
• "当你驾驭 Agent 的技能经验丰富到一定程度，你一定能做出让你自己自愧不如的 Agents"

工作模式的根本变化

• 掌握 Agent Engineering 后的工作模式：搭建系统 + 组织独特 data + 封装独家 Skill + 打造 Agent
• 这个过程需要"大量的高质量思考、高质量的 idea"
• 物理层面的改变：站着办公、来回踱步琢磨事情——"坐着伏案工作时，思考的质量和效率已经无法满足现在 Agent 对我们人类的要求了"

• Typeless 的使用量：104K（十万多字）——"跟 Agent 交互时要大量提供内容信息，手写是不可能写完的"
• 与旧世界的对比："偶尔点开手机微信，真的感受到这个世界的参差"——自媒体、热点、娱乐八卦 vs. Agent 驱动的知识工作

去技能化时代与终身学习

体力劳动 vs 脑力劳动

• 体力劳动目前非常安全：人形机器人技术"大概也就是 GPT-1、最多 GPT-1.5 的水平"
• 所有脑力劳动已到临界点："我这么做了几十年的脑力劳动……在现在我做的这些 Agents 面前，都感觉极其震撼"
• Agent 时代是去技能化的时代：翻译技能、英语技能、财务审计技能、Excel 大师技能——"所有具体的技能都会被 Agents 所取代"

跨学科通才的必要

• AI 时代能驾驭一切的人必须是 Polymath（通才）——芒格所说的"跨学科多元的智能体系"
• 每个人必须终身学习，会被迫必须终身学习
• 理解概念的重要性：虽然具体命令记不住，但必须对 bash、shell、脚本语言有概念性理解
• "一个人不论大人还是小孩，知识面、清晰准确的概念量、跨学科能力是非常重要的"

两个学科：STEM OS 与 Language OS

• 不需要十几二十个学科，只需要两个：
• STEM OS：大数学学科——数学、coding、数理化，一整套知识体系和思维方式
• Language OS：大语文能力——文史哲、中英文、语言理解世界知识的能力
• 为什么只需两个？"我们现在的学习速度是以前的十倍和百倍——学习效率高了，能直达最理想的教育和学习的目标和终点"

修身养性：驾驭强大工具的前提

• "当你驾驭的这些 Agents 如此之强大……你要想驾驭这种强大的工具，如果仍然整天刷抖音……你是不可能驾驭这样的工具的"
• 必须回归专注力和深度思考："没有自己的原创性，没有自己特别好的 idea，你怎么可能驾驭得了现在这种强大到吓人的技术？"
• Notion 创始人的话：**"Agency is a muscle"**——思维能力、产生 idea 的能力、做事的主动性都是 muscle
• 有些工具让你更加动脑子、更加专注——训练你的 muscle
• 有些东西让你更加不动脑子、更加愚蠢——消耗你的 muscle
• "2026 年大家还是要修身养性，还是要回归到生活和工作的本质"
• 每天睡前读文学作品、读无用之书、读经典

Q&A

AI 内参的定价逻辑

• 目标：内在价值超过 1000 元，计划明年涨价到 1000 元
• 核心逻辑：高价值信息流创造的价值远超价格——"一个不能走完信息闭环、不能把信息转化成判断来完成行动的人，反而会被不断地割韭菜"
• 信息流产品的价值："如果一个东西有 Agents 来驱动，它所创造的价值是你无法想象的"

真正好的 Agent 与系统的价值

• "什么叫真正好的 Agent"——背后是对 AI 本身的理解 + AI 之外领域的专业程度 + insight + 经验

• 不卖单独的 Agent——"单独的 Agent 没有用，它必须是 Agent 驱动的整个系统"
• 单有模板没有数据，处理起来也很麻烦；有了 Agent 驱动的系统，使用门槛极度降低

向 Agent 驱动的 AI 系统要价值

• 主张演进：
• 2025："向 AI 要价值"
• 2025 年底跨年对谈："向 AI 系统要价值"
• 2026 现在："向 Agents 驱动的 AI 系统要价值"
• "单纯的 AI 系统还受限于人脑 compute 不够用，但只要你设计的 Agent 足够强，就可以花钱买最好的 token、最充沛的 compute"

Notion Agent 的独特优势（总结）

• howie 的判断："大概率不是龙虾 Agent，也不是 Claude Code 之类的 Agent，而是 Notion Agents"
• 关键原因：Notion 解决了 Agent Context 问题——高度结构化的 database 数据
• Claude Code 能力边界大，但没有结构化 database；Notion 的结构化数据 + Agent + Skills = Agent 驱动的 AI 系统
• "这种 Agent 驱动的 AI 系统如果应用在孩子学习上，理想情况应该能给你创造一年超过 10 万块钱以上的价值"