#AI工作流

2天前

这几天用Claude Agent SDK搭建一个数据处理Agent，感觉像是打开了一个完全不一样的世界，全部流程大约8步，其中6步是完全AI处理，这6步中有一步用的MCP，其他5步用了Skills，没用AI的两步一个是数据库写入，一个是做前台页面配置参数以启动任务。一个感受就是，将AI的功能植入toC的产品里并没有多大的生产力提升，用AI Chat基本就能解决C端用户绝大部分的需求。但是如果在工作流环节里去耐心且高质量的完成一个Agent，真的可以既快又省的解决很多低效人力问题，甚至做的数据更漂亮，更合理。也许搭建的时候需要不断的调校打磨，但是一旦成功运行，需要一个部门的人力几天甚至几个月完成并需要长期维护的数据库，Agent只需要几分钟，并且24小时定时间隔更新、维护，这个价值是巨大的！

Claude Skills系统发布引发AI行业新变革· 47 条信息

#Claude Agent SDK #数据处理Agent #AI工作流 #生产力提升 #自动化

2周前

Every 的一篇博文，记录了他们内部 6 位工程师日常是怎么使用 AI 的，可以学习借鉴一下。这 6 个人都很厉害，撑起了 4 款 AI 产品、一个咨询业务，还有一个 10 万多读者的订阅每日更新。第 1 位 —— 走在实验前沿：Yash Poojary, Sparkle 总经理 Yash 是 Sparkle 产品的负责人，他同时开两台电脑，一台跑 Claude Code，一台跑 Codex，然后给它们下达同一个任务，看它俩谁干得又快又好。 Yash 说，在五个月前，他得先把设计图（Figma）截图，再粘贴到 Claude 里，让它“看图写代码”。现在用上了 Figma MCP 集成，Claude 可以直接读取 Figma 的设计源文件——包括颜色、间距、组件这些。 Yash 不仅在用AI，他还在优化和AI的配合。比如，他把一天切成两半： - 上午：专注执行。这时候只用自己最熟的AI工具（Claude 和 Codex），绝不玩新东西，保证产出。 - 下午：自由探索。这时候才开始测试各种新出的AI应用和功能。他很清楚 AI 既是生产力工具，也是个“时间黑洞”。他用严格的时间管理，给自己建立了“防护栏”，防止自己沉迷于“调教AI”而忘了真正的工作。第 2 位 —— 编排闭环：Kieran Klaassen, Cora 总经理 Kieran 负责 Cora 产品，他的风格是““谋定而后动””。他的工作流核心就两个字：计划。他会根据功能的大小，制定三种不同级别的编程计划。他会用一个叫 “Context 7 MCP” 的工具，先把最新的、最准确的官方文档和代码喂给AI，确保AI不是在“凭空想象”或用过时的知识来制定计划。等Claude Code 交出一个完美的计划后，他再把计划发到 GitHub，然后在云端让 Coding Agent（主要是Claude Code）去执行这个计划。AI写完代码后，他会再启动一个““审查””命令，让AI自己先检查一遍，然后他再上手。对 Kieran 来说，AI 不是一个“黑匣子”，而是一个必须在他制定的蓝图内严格执行的“施工队” 第 3 位 —— 化繁为简，拆解里程碑：Danny Aziz, Spiral 总经理 Danny 负责 Spiral 产品，他可能是这群人里最硬核的一位。他的主战场不在花哨的图形界面，而是在一个叫 “Droid” 的命令行工具里。这个工具能让他同时调用 OpenAI 和 Anthropic 的模型。他的工作流是： 1. 用 GPT-5 Codex 做大的任务：搭建复杂功能的框架。 2. 用 Claude 做小的任务：优化和打磨代码细节。 Danny 最有价值的一个做法是，他会在““规划阶段””花大量时间跟AI对话，让AI帮他推演一个决策可能带来的第二层、第三层后果”。举个例子：“我要加这个新功能，但你帮我分析一下，它会不会因为从数据库拿数据的方式，导致整个App变慢？” 他用AI来辅助自己做更高维度的“架构思考”，而不仅仅是写几行代码。 > “我不再用 Cursor 了，”他说，“我已经好几个月没打开过它了。”取而代之的是，他的主界面是 Warp，可以在上面分割屏幕、快速切换任务。在它背后，他用 Zed ——一个轻量、快速的代码编辑器——来审阅计划文件和特定的代码片段。第 4 位 —— 让流程成为唯一的“事实来源”：Naveen Naidu, Monologue 总经理 Naveen 负责 Monologue 产品，他是个“程控”。他的信条是：“如果一个任务没录入 Linear (项目管理工具)，那它就不存在。” 他把所有需求和Bug都先在 Linear 里归档，然后再启动AI。他也有两套流程： - 小Bug：直接从 Linear 复制粘贴问题描述，扔进 Codex Cloud 让AI去跑。 - 大功能：在本地写一个详细的 (计划文档)，把它作为和AI沟通的“唯一事实蓝图”，在命令行里一步步推进。最有意思的是，他深度使用自己开发的产品 Monologue (一个语音转文字工具) 来口述需求、写文档、给AI下指令。这简直是““用自己造的锤子，来修自己的房子””。他还有一套严格的审查标准：AI 自动审查 -> 自己人工对比代码 -> 查看Sentry（错误监控工具）的日志，确保Bug真的被修复了。第 5 位 —— 钻研打磨，精益求精：Andrey Galko, 工程主管 Andrey 是工程主管，他代表了另一种工程师：不爱折腾。他不喜欢追逐“闪亮的新玩具”。他之前一直用 Cursor (一个AI代码编辑器)，觉得体验最好。但后来因为 Cursor 改了定价，他一周就把免费额度用完了，这才“被迫”换工具。他换到了 Codex。他认为以前的 OpenAI 模型写的代码很“懒”，经常跳步骤，不如 Claude 好用。但现在的 GPT-5 Codex 已经进化得非常强，连以前 Claude 的强项——用户界面(UI)——都能搞定了。第 6 位 —— 极致的专注：Nityesh Agarwal, Cora 工程师 Nityesh 是 Cora 的工程师，他的风格和第一位 Yash 截然相反。他追求极致的专注。他的装备极简（一台MacBook Air），他的工具也极简：只用 Claude Code。但他用 Claude Code 的方式很特别： 1. 他会花好几个小时，先和 Claude 一起研究、制定一个巨详细的计划。 2. 一旦开始编码，他就待在一个终端窗口里，“像老鹰一样””盯着 Claude 输出的每一行代码，手指就悬在 Escape 键上，一旦发现不对，立刻中断它。最近，他甚至故意频繁地打断AI，强迫AI向他解释“你为什么要这么写？”。他承认，这样做效率变低了，但带来了两个巨大的好处： 1. AI 胡说八道（hallucinate）的次数变少了。 2. 他感觉自己的开发技能也在这个盘问 AI 的过程中变强了。他意识到，自己已经对 Claude 产生了依赖，这让他很脆弱。前阵子 Claude 宕机了两天，他试了别的工具，都感觉不顺手。所以，他现在逼着自己和AI一起思考，而不是纯粹依赖AI。 --- 看来每个人用 AI 的方式都不一样，但也有一些共同点： 1. 重点不在“写代码”，而在“做规划” 没有人真正的是在“Vibe Coding”，没有说写个提示词就完事了的，都是在 AI 干活前反复的讨论，直到清楚了再动手 2. 上下文很重要 Yash 用 Context 7 MCP 的工具，确保 AI 在写代码时，能自动去查阅最新、最官方的“技术文档”。这就避免了 AI 用过时的知识（比如一个老版本的函数）来写新代码。还会用 Figma MCP，读取 Figma 的原始设计数据，让 AI 可以直接拿到准确的颜色、间距等信息 3. 工程师的角色在进化工程师已经不再是单纯写代码，还要做计划、写提示词、审查 AI 生成的代码 4. 专注这个问题其实我也有感触，AI 让人更难专注了，在等 AI 结果的时候去做点其他事，很快就把任务忘记了；或者 AI 工具太多，每个新 AI 工具都去试试太费时间了。像 Yash 那样，一半时间专注交付，一半时间探索。原文：Inside the AI Workflows of Every’s Six Engineers

AI编程工具激战：Claude Code、Gemini Cli崛起· 1151 条信息

#AI工作流 #工程师效率提升 #AI辅助编程 #规划与专注 #Every公司

3周前

在传统行业的打工人们，现在是AI的风口期，我分享几招在你们组内如何打造自己的AI人设，非常容易： 1. 创建一个wiki page，或者建一个microsoft team，取名xxAI fusion 2. 定时从X上搬运AI的最近动态，特别和你们的行业结合的信息，没有也可以自己用AI生成 3. 主动用AI帮助你的日常工作，建一个prompt library，每周发个newsletter 4. Vibe coding一些简单的UI界面，分享给大家 5. 搞个AI workshop 凡是正常的公司，正常的老板，都会支持你欣赏你，在AI真的取代工作的时候，你就自然变成了AI带路党

#AI #职场AI人设 #AI转型 #打工人 #AI工作流

饼干哥哥🍪

4周前

劝退：n8n等 AI工作流不要学了因为我已经可以用AI纯自动生成复杂n8n工作流了。注意，不是那种生成一行几个节点的“玩具”，而是工业级别的复杂工作流。例如下图 Reddit平台的DJi舆情监控工作流，就是我用AI生成的我发誓没有新建一个节点，包括里面的备注说明全是AI自己生成的，90% 可用🧵

#AI工作流 #n8n #自动化生成 #舆情监控 #DJI

2个月前

有小伙伴现在在线上环境成功应用现在的 AI 工作流搭建好了完整的素材创作工作流吧，包括但不限于，通过搭建 AI 工作流把营销素材批量制作出来（图集、视频），并且在线上跑过，并且拿到过成果的吗？如果有这样的小伙伴/工作室，欢迎私信交流下，最近考虑想采购/合作一下这样的服务。🤝

AI视频井喷：Midjourney领跑，多模态混战· 306 条信息

#AI工作流 #营销素材批量制作 #线上应用 #成果 #合作交流

2个月前

如何用飞书多维表格 + DeepSeek 助力自媒体博主节省30小时/周？10倍速AI工作流实战指南（含模板）五个常用自媒体场景应用如下：👇

#飞书多维表格 #DeepSeek #自媒体 #AI工作流 #效率提升

2个月前

我之前发谷歌的Opal，用户输入自然语言，由AI生成工作流节点。有个朋友留言说Dify也有类似的功能，只不过知道的人比较少，是哪位朋友留言的来着，我想看看Dify的效果。

#AI工作流 #Opal #Dify #用户反馈 #产品对比

圣总聊出海

3个月前

如何一分钱不花挖掘海外B端客户？秘密藏在Google Map里。具体实操如下： 1. 确定商家类型。比如我做代运营，我肯定就主攻高毛利的美甲店。 2. 用Google Map API 爬取商家线索。 3. 精简产品卖点，精筛出1000个有痛点的商户。 4. 邮件+Cold Call+Linkedin三管齐下，约上Intro Call就算成功。 5. 搭建AI工作流，自动化全流程。

#海外B端客户挖掘 #Google Map #代运营 #美甲店 #AI工作流

4个月前

用Gemini等AI官方网站一个比较麻烦的问题是，工作流并不稳定，不是每次都达到你要的结果（有各种原因），到头来，工作流还是交给Python程序引用API才能达到真正的稳定。比如说翻译英文字幕文件到中文字幕，这么小小一件事，让AI能每次任务必达是有难度的。

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 652 条信息

#Gemini #AI工作流 #不稳定 #Python API #翻译字幕

5个月前

n8n的可玩性真高。今天学习试着搭了两个工作流：一个手动，一个AI生成。边玩边感叹，海外工具 API 生态太好了。就连谷歌全家桶都可以玩很久。写了篇基础安装教程，并解释为什么n8n 现在仍值得学。海外火爆，国内 AI 圈低估，不过现在热度也上来了。教程见评论

#n8n #AI工作流 #API生态 #谷歌工具 #安装教程 #科技趋势 #海外流行

5个月前

教 AI 工作流的，99% 是韭菜和骗子在互相成就要拿到结果，自动化的每一步都需要人的参与工作流只告诉你怎样自动化拿到结果，但是从来不告诉你：无论是拆解还是仿写，还是每一个措辞，都需要对内容、对流量有自己的理解

#AI工作流 #韭菜与骗子 #结果自动化