我创建了一个代理来审阅我的写作。它的配置文件是一份心理档案,而非手册。
摘要
作者通过综合用户访谈和行为数据,创建了一个心理档案来配置AI写作审阅代理,使其从愤世嫉俗、技术性的受众角度批评草稿。
我在发布前会让审阅代理检查我的写作——它告诉我哪些地方会失去读者。我没有编写它的系统提示。我将九份原始研究源文件——用户访谈、行为数据以及claude高级用户的常见抱怨——输入到一个生成管道中。七个代理并行工作,各自从不同角度切入:这些人相信什么、他们拒绝做什么、他们需要什么、他们留下的伤痕。第八个代理将这些分支提炼成一个统一的心智。基于那种心理学构建,它审阅我的草稿的方式就像这个房间里的观众——愤世嫉俗、技术性强、难以取悦。这让我意识到,你不能只给代理一本上下文书。你要赋予它一个人格的肌肉记忆,它就能确切知道该去哪里寻找。然后我看到了代理的frontmatter配置块。在crystallized_from下,它没有列出代码框架或规则集。它只是列出了一个人类伤痕组织的目录。我盯着这个代理文件看了次数比我想承认的还要多。它读起来不像索引研究。它读起来像一个人的心理档案。不过,我还不确定自己对信任它的感受。一个基于像你这样的人的研究构建的审阅者。你会信任它吗?
相似文章
几个月后,我构建的市场调研“智能体”实际上是一个AI报告生成器,人类仍掌控着决策权
作者构建了一个用于市场调研的AI智能体,自动化报告组装但仍需人类判断进行上下文决策,突显了AI自动化与人类专业知识在知识工作中的平衡。
让我坚持使用的智能体不写任何代码,它只是构建我的周五冲刺回顾
一个不写代码的AI智能体,但能帮助构建周五冲刺回顾,突出了一个具体的生产力用例。
我为我的代理配备了搜索工具,但它拒绝使用,以及其他一些我犯的错误
作者详细介绍了构建一个用于书籍推荐的个人AI代理,分享了关于工具合规性、成本管理和反馈循环的经验,使用基于Go的实现。
AI 代理依然拉胯,于是我自己造了一个
作者构建了一款自定义 AI 代理应用,封装了 Claude Code 并即将支持 Codex,侧重于可组合的工作流,并期待社区反馈。
我们构建了一个代理,在开启PR之前自动评分其输出——架构解析与三大挑战
本文介绍了KeplerCrew的架构,这是一个AI编程代理,能在提交PR前自动评分输出,并重点讨论了计划排序、成本可预测性和离线部署等挑战。