搜索
就是上个月我开源的让Claude Code和Codex搭配使用的Skill搭子的1.4版，当时的定位是把Claude Code出计划然后直接在当前对话调用Codex，不需要复制黏贴，由Fable5自己写交接文档自己从CodeX那读取输出。
“NPC”住进真实开发流程，能自己开发、验证、提PR。
Agent这个赛道，终于出了点新东西。
经常用AI的人都知道，AI给出的答案质量，很大程度上取决于你提问的方式。这一点，几乎成了当下社交媒体的流量密码。打开各大平台，随处可见兜售各类Prompt的帖子，我们自己的收藏夹里也往往躺着几十套Pr
数据市场的故事，正在进入新一轮周期。来自企业真实工作流的 Real-world Data，成为越来越多 AI Labs 争夺的新资源。比如 GitHub 就是典型的 Real-world Data，它几乎完整保留了一个问题从出现到解决的全过程。相比之下，今天绝大多数 Human Data 公司提供的，仍是人为构造的数据。
开源一周多，DojoAgents 已经在 GitHub 获得超过 1000 个 Star。DojoAgents 项目受到关注，是因为其并不只是一个能回答投资问题的 Agent，而是一种新的金融决策辅助方式：让 AI 不再停留在生成答案，而是形成对金融世界持续更新的理解，并在数据、工具、权限和风险边界内，长期且持续主动地推进研究与决策辅助任务。
刚刚，钛动科技在 WAIC 上发布了 Navos 2.0，把多智能体产品从网页对话框升级为智能体工作流架构。本月初，钛动还与 OpenAI 正式达成了合作并签约。创始人兼 CEO 李述昊给公司取了两个词拼成的名字——Tec-Do（用技术做生意），后面挂着版本号 2.0，含义是「像做产品一样做公司」（Develop Company as Product）——Tec-Do 2.0。
最近两周，因为Claude Fable 5回归、GPT-5.6上线再加上Tibo义父疯狂的重置。
这篇文章，我会从我对Skill的理解、设计Skill的方法、怎么升级和迭代Skill这些维度展开。并且会结合之前的Codex自动化剪辑工作流，尽可能用简单和直白的语言，把Skill讲清楚，确保朋友们看完就能用得上。
GraphPlanner通过引入图记忆网络，将多智能体LLM的路由过程升级为动态工作流生成。不仅选择调用哪个模型，还决定每个模型应承担的角色，实现任务分解与协作规划。