工作流相关 AI 资讯 · AITOP

6月17日

03:02

官方账号LangChain@LangChainAI

LangChain 推出新功能，支持多步骤工作流中状态跨工具调用持久化。提供突发容量，可在秒内扩展到数千个并行环境，适用于强化学习训练或评估。还增强了对用户输入可能被执行的场景的处理能力。这些特性面向需要可靠状态管理和高速扩展的复杂 Agent 与批量评测场景。

AI产品 LangChain 工作流状态持久化

推荐理由：LangChain 终于解决了多步工作流状态丢失的痛点，还能秒级拉起数千个并行环境做 RL 训练，适合做复杂 Agent 和批量评测。

原文

00:59

李继刚@lijigang_com

作者认为C-c & C-v（复制粘贴）的场景切换是日常摩擦，消除它就有价值。他建议让大模型写插件或脚本自动化处理。例如，他用macOS自带的Notes，写了一个脚本：在任意地方复制内容，自动粘贴到指定笔记文件。每晚处理清空，第二天重新积累当天的复制内容。

技巧脚本自动化 macOS Notes 复制粘贴

推荐理由：别老觉得大模型只能聊天，让它帮你写个脚本，把复制粘贴自动化，省时省力。

原文

6月16日

13:17

@zarazhangrui@zarazhangrui

你无法通过直接编写技能描述来得到一个好技能。正确的做法是先手动执行任务20次，不断修复问题，优化流程。然后再把这些经验打包告诉AI，让它学会你的做法。

技巧提示词工程工作流 AI技能

推荐理由：别傻写描述了，先手动做20遍，再教AI，效果完全不同。

原文

12:55

官方账号arXiv cs.AI@Sara Fish

该研究以EC 2025论文中一个关于公共物品稳定菜单的开放问题为测试平台，评估不同AI研究工作流的效果。实验发现：(1)在提示中加入人类直觉能提升LLM的“品味”；(2)多轮交互工作流在鼓励“大胆步骤”时更有效。与一名一年级博士生比较，LLM在解决该问题上的效果略逊一筹。研究尚未公开博士生参与前的原始手稿对比细节。

论文 EconCS LLM 公共物品

推荐理由：这篇论文告诉你，用AI做经济学研究时，喂它人类直觉比纯指令好使，但别指望它比刚入行的博士生强多少。

原文

12:50

@zarazhangrui@zarazhangrui

作者指出，非技术人员使用编程助手的真正障碍不是聊天界面本身，而是空白输入框假设用户已经知道可以问什么。大多数人并不清楚编程助手能做什么。Town 这款产品通过主动建议工作流程和可代办事项的引导流程，解决了用户不知道该问什么的问题，降低了使用门槛。

技巧 Town 编程助手智能体

推荐理由：Town 的引导流程很聪明，主动告诉你它能做什么，而不是让你对着空白框发呆，推荐非技术人员试试。

原文

12:08

shao__meng@shao__meng

Matt Pocock提出的AI驱动开发七阶段包括：Grill（将模糊想法转化为共享理解，产出问题陈述）、Research（缓存外部信息，产出research.md）、Prototype（验证设计，产出可丢弃原型）、PRD（描述终点，产出需求文档）、Issues（拆分为垂直切片，产出工单DAG）、Implement（Agent执行TDD，产出可运行代码）、Review（人工QA，产出新工单）。其中/grill-with-docs升级版支持代码库场景，引入CONTEXT.md术语表和ADR决策记录。

技巧 AI驱动开发工作流编程助手

推荐理由：Matt Pocock总结了一套AI开发工作流，从想法到代码有七步，还给出了/grill-with-docs工具，适合想用AI系统化编程的人参考。

原文

09:07

elvis@omarsar0

一条推特指出，Verifiers（验证器）是 Agent 系统的关键组件。如果没有好的 Verifiers，/goal 和 /loop 等指令会频繁出错。当 LLM 遇到分布外（out of distribution）场景时，Agent 难以正确完成验证工作。建议开发者自行调优 Verifiers，并将其与现有 Agent 进行对接。

技巧验证器智能体工作流

推荐理由：跟你讲个 Agent 开发中的坑：没好的验证器，跑起来全是 bug。自己调一个连上去，稳很多。

原文

01:01

elvis@omarsar0

一名用户将AI员工添加到Slack工作区，并让它在Slack内运行本周DAIR Academy任务。AI自动完成了全部工作并准备发布，整个过程无需人工干预。该AI被描述为“至今最强大的AI”，能够理解真实工作任务并自主执行。

技巧 Slack DAIR Academy 智能体

事件专题

推荐理由：有人把AI员工拉进Slack，让它干DAIR Academy的活，结果它自己干完了。想知道怎么做到的？看这条。

原文

6月15日

21:40

Geek@geekbb

GitHub 仓库 dify-workflow-templates 提供了 269 个 Dify 工作流即用模板。模板涵盖 15 个类别，包括翻译、图像生成、知识库、代码开发、数据分析、内容创作、Agent 智能体等。每个模板可直接导入 Dify 使用，无需从零搭建。该集合适合快速搭建 AI 应用场景的工作流。

技巧 Dify 工作流模板

推荐理由：Dify 用户快去 GitHub 拿 269 个现成模板，覆盖翻译、图像、Agent 等 15 类场景，直接导入用，省得自己写。

原文

17:54

Viking@vikingmute

在Arena设计测评中，Claude表现断崖式领先，GPT设计持续拉胯。作者推荐Qwen 3.7 Max，称其近期使用体验惊艳。分享工作流：利用design.md配合需求生成images2出图，再以图片为参考生成页面。Claude Design产品能帮助非设计师用户从技术细节中解脱，并提升视觉效果。

技巧 Claude Qwen 3.7 GPT

推荐理由：设计测评里Claude最强，不用它可以试试Qwen 3.7 Max。还有一套用design.md先出图再生成页面的工作流，挺实用。

原文

12:32

AI Will@FinanceYF5

Pietro Schirano分享了一个工作流技巧：他不再亲手为每个任务写/goal，而是让Codex自动生成它自己的goal以及每个子agent的goal。该方法通过一次简单的提示让Codex执行自描述和子目标分配，减少了手动编写提示词的时间。这个技巧适用于Codex驱动的多agent场景，可以提升效率。

技巧 Codex 提示词技巧 Agent

推荐理由：学Codex新玩法，省写goal时间

原文

11:13

elvis@omarsar0

精选

推文作者分享了一个提升Agent自主运行/goal效果的技巧：从历史会话中挖掘表现良好的目标，将这些洞察打包成自动化技能，供/goal工具复用。该方法可以解决LLM的奖励黑客行为、快速完成任务偏好等异常行为。作者已在编排器应用中构建了/goal的UI界面，并建议将这套做法作为Agent工具。

技巧 Codex LLM 提示词工程

推荐理由：学一招让Agent目标更靠谱

原文

11:12

elvis@omarsar0

研究者omarsar0分享了构建自改进AI系统的经验，可以通过选择论文和方法即时创建新功能。系统能根据自生成评估决定是否保留或丢弃功能，目标是实现无需人工干预的自我维护。这一工作流展示了如何利用论文复现功能快速测试新想法。

技巧自改进 AI系统构建论文复现

推荐理由：手把手教你自改进AI

原文

11:11

Viking@vikingmute

精选

Viking分享了一个省钱的工作流，灵感来自shadcn的improve skills思路。先让GPT-5.5 High出包含Metadata、Scope和Steps的plan，不写一行代码。再用Composer 2.5和DeepSeek v4 pro分别实现，效果都不错。最后用review-forge审查提高代码质量，整体花费非常少。这个repo 4天获得3.7K stars。

技巧 GPT-5.5 High Composer 2.5 DeepSeek v4 pro

事件专题

推荐理由：省钱开发新功能的实际方法

原文

11:10

Tw93@HiTw93

Waza 是一套包含8项工程习惯技能（规划、审查、调试等）的工具，可在 Claude Code、Codex 等编码工具上运行。用户切换底层模型后仍能保持相同工作流程。Waza 帮助开发者延续熟悉的工程习惯，无需因模型变更而重新学习。该工具已在GitHub开源。

技巧 Waza Claude Code Codex

推荐理由：用Waza在多个编码工具间切换模型

原文

6月14日

08:52

宝玉@dotey

精选73°

宝玉分享了一个用Claude Design更新视频字幕编辑器UI的案例：将标题文字从单行改为两行布局。他在Claude Design中修改设计稿后导出zip，用git diff查看变更，然后给Claude Code一句提示“参考设计稿design目录下的相关变更，对UI进行变更”，Claude自动分析diff并修改了Swift代码。整个过程主要在设计端操作，代码端自动同步。

技巧 Claude Design Claude Code UI设计

事件专题

推荐理由：手把手教你用Claude Design改UI

原文

04:21

elvis@omarsar0

Omar Sanseviero 在 X 上分享了关于自主长时编码智能体的笔记，涵盖目标设定、循环工程、验证器和动态工作流等主题。笔记使用其 writer agent 快速总结，并附有引用推文链接。该内容涉及如何构建能长时间自主运行的编码智能体，包括关键组件如验证器和动态工作流。

技巧编码智能体智能体工作流

推荐理由：Omar 分享的编码智能体实战笔记

原文

6月13日

13:02

elvis@omarsar0

用户elvis在X上分享使用Opus 4.8进行规划、GPT-5.5执行任务的组合工作流。他指出将步骤分解为更小的部分能显著提升输出质量，并强调动态工作流的重要性被低估。该技巧适用于需要高质量输出的AI任务场景。

技巧 Opus 4.8 GPT-5.5 工作流

事件专题

推荐理由：Opus 4.8规划+GPT-5.5执行

原文

6月12日

22:21

官方账号LangChain@LangChainAI

LangChain 的 Sydney Runkle 在 X 上分享了关于 AI 循环的 5 种类型：Token 循环（模型生成）、Agent 循环（模型+工具+重复）、深度验证循环（Agent+验证+重复）、部署元循环（事件触发 Agent 运行）以及待完善的引擎循环（通过分析追踪优化系统）。这些循环覆盖了从单次推理到系统级优化的不同抽象层次，帮助开发者理解如何用 LangChain 构建更复杂的 AI 工作流。

AI产品 LangChain Agent 循环工作流

推荐理由：LangChain 把 AI 循环分成了 5 个清晰的层次，做 Agent 开发或工作流编排的团队可以对照自己的场景找到合适的抽象级别，建议收藏作为架构参考。

原文

02:07

Ideogram@ideogram_ai

Ideogram AI 在 X 上发文称，其社区在一周内构建了训练器、提示编译器、LoRA 和完整工作流。该平台邀请用户分享最佳生成作品，并将纳入下一期社区亮点帖。这展示了 Ideogram 生态的活跃度和用户创造力，也反映了 AI 图像生成领域社区驱动的快速迭代趋势。

AI产品 Ideogram 社区生态训练器

推荐理由：Ideogram 社区一周内产出训练器、LoRA 等工具，说明其生态正快速成熟。做 AI 图像生成的创作者可以关注这些社区资源，直接提升工作流效率。

原文

01:23

elvis@omarsar0

Omar 在 X 上分享了他有效使用 AI Agent 的两个核心策略：路由（Routing）和循环（Looping）。路由指将不同任务分配给最合适的 Agent，循环则结合指令、技能、动态工作流和自动化。他认为这种方法能更好地控制成本和性能，并为未来的变化做好准备。该帖子获得了 856 次浏览和 10 个点赞，引发了社区对 Agent 使用技巧的讨论。

AI产品智能体路由循环

推荐理由：做 AI Agent 开发的团队可以借鉴这套路由+循环的思路，直接优化现有工作流，提升成本与性能的平衡。

原文

6月11日

10:31

宝玉@dotey

Claude Design 现在支持 CLAUDE.md 文件，用户可以通过左侧聊天窗口初始化该文件。CLAUDE.md 用于存放需要反复叮嘱的指令或上下文，类似于 Claude Code 中的用法。这一功能让用户能更高效地管理对话中的固定要求，减少重复输入。对于频繁使用 Claude Design 的开发者或团队，这能显著提升工作流的一致性和效率。

AI产品 Claude Design CLAUDE.md 效率工具

事件专题

推荐理由：用 Claude Design 做重复性任务的开发者，可以靠 CLAUDE.md 省去每次手动叮嘱的麻烦，建议直接初始化试试。

原文

09:21

宝玉@dotey

本文强调在AI辅助设计开发中，应将Claude Design作为唯一设计源，所有调整先改设计稿再改代码。即使临时修改代码，也需同步设计稿，否则长期会导致版本不一致。推荐单向流程：Claude Design → Code，确保设计与代码始终对齐。

技巧 Claude Design 设计同步版本管理

事件专题

推荐理由：做AI设计+开发的团队常被版本混乱困扰，这条建议能直接帮你省去后期对齐的麻烦，值得立即实践。

原文

6月10日

21:14

Geek@geekbb

精选

Sebastian Kehle 分享了他的 Hermes 设置：在 VPS 的 Docker 容器中运行一个 Hermes 实例，通过 Remote Gateway 连接 Hermes Desktop。他配置了 6 个角色（助手、研究员、工程师、作家、审核员、教练），每个角色都有独立的 Telegram 机器人，方便从手机直接启动会话。Claude 作为修复层运行在 VPS 上，负责调试、监控、日志和配置，确保系统稳定。这种架构实现了单一助手覆盖多种任务，展示了 AI 工作流的高效整合。

AI产品 Hermes AI 助手工作流

推荐理由：这个设置展示了如何用一个 Hermes 实例管理多个 AI 角色，适合需要灵活切换任务场景的开发者或团队。如果你在寻找高效的多角色 AI 工作流方案，可以直接参考这个架构。

原文

12:52

Dify@dify_ai

AI产品 Claude Fable 5 Dify 工作流

事件专题

推荐理由：Dify 用户现在可以直接用上 Claude Fable 5 的工程和视觉能力，无需操心部署——做 AI 应用开发的团队建议立即更新工作流试试。

原文

09:49

Genspark@genspark_ai

Genspark AI 在湾区举办线下活动，主题聚焦于当前可落地的 AI 工作流，而非未来趋势。活动面向创始人、顾问和企业主，提供动手实践和交流机会。时间定于6月16日周二晚6-8:30，地点在湾区。活动名额有限，需提前报名。

行业 AI活动湾区工作流

推荐理由：湾区的创始人、顾问和企业主别错过——这场活动不讲概念，直接分享当下能用的 AI 工作流，适合想落地实操的团队。建议点开报名链接占个位。

原文

05:15

官方一手GitHub Blog@Natalie Guevara

GitHub 推出 Copilot CLI 的自定义智能体功能，允许开发者将终端中的一次性提示转化为可重复、可审查的工作流。该功能让 Copilot 理解你的技术栈和团队流程，从而更精准地执行任务。通过自定义智能体，团队可以共享和复用最佳实践，提升开发效率。这对于需要标准化操作流程的团队尤其有用，减少了重复劳动和错误。

AI产品 GitHub Copilot 自定义智能体工作流

推荐理由：GitHub 把 Copilot 从“问一句答一句”升级成“懂你团队流程”的智能体，做 DevOps 或需要标准化终端操作的开发者可以直接用起来，省去反复写相同命令的麻烦。

原文

03:28

rohanpaul_ai@rohanpaul_ai

83°

Claude Code 团队成员 Thariq 分享了一系列使用技巧，帮助开发者更高效地利用 Claude Code。核心建议包括：从验证“是否做对”转向验证“是否做对的事”；在实现前让 Claude 参与思考过程，通过小规格文档和访谈式对话明确细节；使用 /goal 命令让模型持续工作直到目标完成；利用 Workflows 并行任务、自我验证并生成报告。这些方法能显著提升 Claude Code 在复杂项目中的表现，甚至完成此前被认为不可能的任务。

技巧 Claude Code 编程助手工作流

推荐理由：Claude Code 团队内部技巧首次公开，做复杂自动化或长任务开发的可以直接套用 /goal 和 Workflows，大幅减少人工干预。

原文

03:26

rohanpaul_ai@rohanpaul_ai

Claude Code 用户 Thariq 分享使用 Claude Fable 5 后的工作方式转变：以前需要人工复核 Claude 的输出是否正确、是否提前停止，现在只需关注它是否在做正确的事。这反映了 AI 编程助手从“辅助执行”到“自主判断”的进化，意味着开发者可以更信任模型的任务规划与执行能力，将精力集中在更高层的决策上。

AI产品 Claude Code 编程助手 AI 编程

推荐理由：Claude Code 用户 Thariq 的体验揭示了 AI 编程助手从“辅助执行”到“自主判断”的质变，做 AI 编程的开发者值得看看这种信任跃迁如何改变工作流。

原文

6月9日

12:46

小互@imxiaohu

开发者小互分享了一个工作流：安装其系列工具后，可让Codex或Claude Code自动完成视频剪切。以WWDC2026视频为例，AI能自动分析内容并精准裁切成多个独立片段。这展示了AI编程助手在视频处理领域的实际应用潜力。

AI产品 Codex Claude Code 视频剪辑

推荐理由：做视频内容创作或剪辑的开发者，可以用AI编程助手直接自动化视频裁切，省去手动分段的时间，值得一试。

原文

11:52

官方账号arXiv cs.AI@Wesley Pegden

精选

Trellis 是一个自动形式化系统，利用 LLM 智能体在确定性约束的工作流中，通过迭代优化自然语言证明，逐步推进 Lean 自动形式化任务。该系统受数学家对“严谨证明”的直觉启发——即证明的任何部分都可以被进一步详细阐述。Trellis 在有限预算下使用通用智能体实现了可靠的自动形式化，其专业化来自“严谨性”含义驱动的工作流，而非特定任务训练。论文还展示了该系统生成的 Ramsey 理论最新突破的端到端 Lean 形式化证明。

论文自动形式化 Lean LLM智能体

推荐理由：Trellis 解决了自动形式化中可靠性与成本之间的平衡问题，做定理证明或形式化验证的开发者可以直接用这个工作流来生成 Lean 证明，值得关注其开源实现。

原文

05:45

HeyGen@HeyGen_Official

精选

HeyGen 在 X 上分享了一个完整的智能体反馈循环工作流，涵盖 lint、快照、渲染、ffmpeg 拉帧、发布和迭代。该流程强调只信任真实渲染或预览中的运动/视频/音频，并通过冻结已批准的剪辑、分支文件夹来重复迭代。这展示了 AI 视频生成中自动化质量控制和版本管理的实用方法，对从事视频生成和 AI 工作流的开发者有参考价值。

AI产品智能体视频生成工作流

推荐理由：做 AI 视频生成或自动化工作流的团队可以借鉴这个闭环设计——它解决了从生成到迭代的信任和版本控制痛点，直接照着思路优化自己的流程会很高效。

原文

6月8日

21:15

小互@imxiaohu

一位用户分享了自己从追求完全自动化到转向人机协作的心路历程。他之前不断优化AI系统，却导致系统崩溃和效率下降。现在他删除了所有规则，只在关键节点人工介入，与AI共同完成任务，效果反而更好，人也更轻松。这反映了当前AI应用中的一个重要趋势：过度自动化可能适得其反，合理的人机分工才是更优解。

行业人机协作自动化 AI应用

推荐理由：做AI自动化或智能体开发的团队值得一看——过度追求全自动反而容易翻车，关键节点人工介入的思路可能更实用。

原文

10:52

宝玉@dotey

宝玉指出，使用 Claude Design 的关键前提是拥有自己的设计系统（Design System）。一旦设计系统定义好 UI 规范，设计师就可以将更多精力放在用户体验（UX）设计上，而非重复的 UI 细节。这为 AI 辅助设计工具的正确使用指明了方向，即让工具服务于更高层次的设计决策。

AI产品 Claude Design 设计系统 UX设计

事件专题

推荐理由：如果你在用 AI 做设计却感觉效率提升有限，问题可能出在缺少设计系统——这篇观点点出了关键，做 UI/UX 的设计师值得一看。

原文

6月7日

08:54

shao__meng@shao__meng

AnySearch 是一款面向开发者的 AI 搜索工具，可接入任意 Agent 或 AI 工作流，帮助用户在不跳出常用工具（如 Codex）的情况下完成信息检索。研发 TL 反馈其解决了信息获取广度与置信度判断的痛点。目前 AnySearch 已免费开放体验，支持官网和 GitHub 访问。

AI产品 AI搜索 AnySearch 研发工具

推荐理由：做信息密集型工作的研发团队终于有了一个能嵌入工作流的搜索方案——AnySearch 直接在 Codex 里完成搜索，省去切换 App 的麻烦，建议需要高效获取可信信息的开发者试试。

原文

06:06

rohanpaul_ai@rohanpaul_ai

精选

Claude Code 的创建者 Boris Cherny 在一条推文中指出，AI 在获得工具和自由度时表现更好，而不是被强制嵌入僵化、手工设计的工作流中。他认为通用学习系统具有更好的扩展性，并引用“不要问模型能为你做什么，要问……”来强调这一观点。这条推文反映了当前 AI 应用领域从严格流程控制向更灵活、自主的智能体范式转变的趋势。

AI产品 Claude Code 智能体工作流

推荐理由：Boris Cherny 的观点直击 AI 应用的核心矛盾——流程控制 vs. 自主性，做 AI 产品设计或智能体开发的团队值得深思，建议点开看看原文的讨论。

原文

00:02

rohanpaul_ai@rohanpaul_ai

88°

Anthropic Claude Code负责人Boris Cherny表示，他不再手动提示Claude，而是编写循环让Claude自主执行任务并决定下一步。他认为这是2025年AI工作方式的转变趋势，即从人工提示转向自动化循环。这一观点反映了AI从工具向自主代理的演进，对开发者工作流有深远影响。

行业 Claude Code AI编程自动化

事件专题

推荐理由：Boris Cherny的观察揭示了AI编程从手动提示到自动化循环的范式转变，做AI应用或自动化流程的开发者值得思考这一趋势，并尝试调整自己的工作方式。

原文

6月5日

23:46

官方账号LangChain@LangChainAI

LangChain Labs 与法律 AI 公司 Harvey 合作发布了一项联合研究，探讨如何设计更高效的 AI 工作流。研究聚焦于 LangChain 框架在法律场景中的应用，包括文档分析、合同审查等任务。该研究提供了实际案例和最佳实践，帮助开发者利用 LangChain 构建专业级 AI 应用。对于关注 AI 与法律结合、或使用 LangChain 的团队，这份研究值得参考。

AI产品 LangChain Harvey 法律AI

推荐理由：LangChain 与 Harvey 的联合研究展示了 AI 在法律领域的落地路径，做法律 AI 或企业级应用的开发者可以直接参考其中的工作流设计。

原文

6月4日

23:51

Y Combinator@ycombinator

YC 新系列 Full Stack 首期邀请 Conductor 联合创始人兼 CEO Charlie Holtz，详细展示他如何用 AI 智能体管理编码工作流。视频涵盖从搭建 Conductor 自身、管理编码智能体团队、到区分“无垃圾”区域等实操经验。他还对比了 Claude 与 Codex 的优劣，并探讨了云端工作空间与人类-AI 协作的未来。对于正在探索 AI 编程和智能体管理的开发者，这是一份难得的实战指南。

AI产品 Conductor AI 编程智能体

推荐理由：Charlie Holtz 把 AI 编程工作流的细节全摊开了，从智能体团队管理到工具选型都有真实案例，做 AI 编程和智能体开发的可以直接抄作业。

原文

02:47

Notion@NotionHQ

Notion 宣布为其自定义智能体（Custom Agents）新增 5 个 MCP 连接器，分别对接 Box、ClickHouseDB、Mercury、MiroHQ 和 Mixpanel。这意味着用户可以通过自然语言指令，让智能体直接操作这些外部工具，例如从 Box 读取文件、查询 ClickHouse 数据库、在 Miro 白板上协作、分析 Mixpanel 数据等。MCP（Model Context Protocol）是一种开放标准，旨在让 AI 模型安全地访问外部工具和数据源。此次更新显著扩展了 Notion 智能体的能力边界，使其从单纯的笔记助手升级为跨平台工作流中枢。对于依赖这些工具的团队，可以直接在 Notion 内完成更多任务，减少上下文切换。

AI产品 Notion 智能体 MCP/工具

事件专题

推荐理由：Notion 智能体终于能直接调用 Box、Mixpanel 等常用工具了，做项目管理和数据分析的团队可以少切几个标签页，建议试试用自然语言查询数据库或拉取报表。

原文