凡人小北

李彦宏这句话,两个月就在硅谷应验了

Meta 的 Token 排行榜、亚马逊的冲榜文化、Uber 烧穿的预算，像极了当年数代码行数考核程序员。尺子换到产出侧，纳德拉的 2000 万智能体给 DAA 补上了最重的注脚。

推荐几个写专利和软著的 skill

发明专利 github 上的 patent-disclosure-skill 能写交底书、能画流程图，还能上网站做专利查重。 软著 github 上的 SoftwareCopyright-Skill 把项目交给 Codex，直接生成一整套可检查、可修改、可提交前再导出的软著申请资料。 设计外观/实用新型 一抓一大把，…

Cursor 居然给我打了 1 万美金额度

有点离谱。 昨天 X 上有个 Cursor 的员工私信我。 就一句话： 你用不用 Cursor，我给你加点 credits，用完给点反馈就行。 我一开始还以为是那种常规送点额度的活动， 结果回完邮箱之后， 直接到账：$10,000 credits。 说实话，这一刻有点恍惚。 但冷静下来想了一下， 这件事真正有意思的，…

450+ 医学研究 AI Skills，从文献检索到 SCI 投稿全覆盖

AIPOCH 医学研究技能库，支持 OpenClaw / Claude Code，涵盖文献洞察、方案设计、数据分析、学术写作四大类。

用 chezmoi 同步多台机器的 Claude Code 配置：完整教程

一处修改，处处同步。用 chezmoi 管理 Claude Code 配置和 Skills，支持自动更新、模板区分机器、新机器一键配置。

「译」从层级到智能：Block 如何用 AI 重构公司组织

Jack Dorsey 发布重磅长文，宣告用 AI 取代中层管理。层级制存在 2000 年，Block 正在构建替代方案。

医疗 AI：小公司的机会可能比你想的大

OpenEvidence 单日 100 万次临床咨询，估值一年 12 倍。但医疗 AI 不一定被大模型通吃——大模型决定上限，harness 决定能不能落地。

PUA vs NoPUA：两种AI调教哲学

用恐惧还是信任驱动AI？

我昨天去听了一场挺特别的发布会

我昨天去听了一场挺特别的发布会。 「论论全球」做的，主题是脑机接口。 本来以为会是那种很典型的 AI 发布会，讲技术、讲产品、讲未来能多厉害。 但听到后面，感觉它想讲的东西跟平常不太一样。 它反复在说一个词：科技安全。 我出来的时候，其实没有特别明确的结论。 反而是脑子里一直在转几个问题。 比如说，技术真的会走到那一…

省下千元录音笔+每年1700订阅费：我用 OpenClaw 让语音备忘录自动变笔记

0元硬件+0订阅+数据本地：用 OpenClaw 把手机录音自动变成结构化笔记，7种类型智能识别，三年省6000块。

OpenClaw 2026.3.13：让 AI 原生操作你的浏览器，记住你的图片

Chrome DevTools MCP 让 AI 直接操作浏览器，多模态 Memory 让 AI 记住图片和音频。十几分钟配完。

在家跑 AI Agent 团队？一条隧道，手机随时管

不开端口，不买服务器，不折腾 nginx。Cloudflare Tunnel + OpenClaw，零成本远程访问你的 AI Agent。十分钟搞定，出门也能看后台。

谁在抢占 Agent 时代的 App Store？

Agent 时代的三层结构：模型负责推理，框架负责调度，Skill 生态形成行业能力模块。谁先把垂类 Skill 市场做起来，谁就有机会掌握行业标准和分发渠道。这可能是 AI 的淘金时代。

医疗从业者的福音：一个整理了 872 个 AI 医疗技能的开源项目

那晚，我看着 OpenClaw 指挥的 Gemini 把我的 workspace 删空了

11,583 个文件，3 分钟，没了。但我的 Agent 几分钟就恢复了，还写好了复盘报告。

「译」如何搭建一套会自我进化的 AI Agent 系统（40 天实战经验）

当你真的需要多 Agent 协作时，怎么做才不会变成「差生文具多」？答案是文件系统。

Doubao-Seed-2.0 实测：模型终于开始往执行层推进了

豆包 Seed 2.0 实测：语音笔记工作流、数据分析、财经视频速读。当模型能主动往执行层补齐细节，Agent 编排成本就开始下降了。

你配 OpenClaw 的方式，暴露了管理水平

OpenClaw 的每个配置概念，都能映射到一个管理学原理：Workspace=部门边界，Skill vs Agent=培训 vs 招人，Context Window=认知负荷。配置软件的直觉，就是管理的直觉。

OpenClaw 差生文具多：你可能不需要 4 个 Workspace

从 no-code 社区到大厂工程团队，都在犯同样的错：过早设计复杂的多 Agent 系统。

技术同事折腾一中午没搞定的问题，AI 半小时解决了

这不是 AI 比人强的故事。是 AI 自己读文档、自己排查、自己解决的故事。未来的运维，可能不是人 7×24 值班，而是 AI 值班。