workflows

代理机构创始人免费分享 13 个用 Claude Code 构建的 n8n 工作流，用于市场进入自动化，涵盖潜在客户挖掘、数据丰富和情感追踪等功能。

一篇反思性文章，质疑人们轻率地认为构建AI智能体很容易的想法，强调了API、RAG、工具调用、记忆和编排等复杂组件，并指出在需要真正的智能体之前，更简单的工作流往往就够了。

作者质疑许多所谓的AI智能体是否更适合被称为工作流程，并认为对于可重复的浏览器任务，定义好的工作流程可能比每次重新解释步骤的智能体更可靠。

作者认为，AI代理的真正危险不在于它们的错误，而在于它们能够自主执行最终操作的能力，建议代理应该提前一步停止，将最后的点击留给人类或狭窄的工作流程。

IBM Research探索了Agent逻辑——诸如知识图谱和程序分析等软件原语——如何引导基于LLM的Agent高效处理复杂的企业工作流，减少幻觉和成本，同时改善结果。

关于AI代理是否能在没有持续人工监督的情况下可靠地自动化复杂、多步骤工作流程的讨论，询问当前的限制和经验。

Haydn Belfield讨论了tokenmaxxing实验和token排行榜如何通过测试AI模型极限和发现新工作流程来发挥启发和探索作用。

讨论AI智能体在实际工作流中失败的地方，重点指出协调问题、混乱输入下的可靠性问题，以及在生产中减少人工干预的挑战。

一份使用 OpenAI 的 Codex 作为知识工作操作系统的详细指南，包括设置、工作流程和一个七天入门计划，且该指南本身由 Codex 撰写。

OpenAI 发布了 Codex 的即用型提示库，包含项目工作流和自动化功能，可适配其他 AI 编码代理。

文章认为，虽然很多人正在构建和销售AI代理，但真正的价值在于让它们发挥作用的工作流程和训练，而不是底层技术。

个人观点：AI代理之所以让人感觉真正未来感十足，是因为它们能够自主规划步骤、使用工具、从错误中恢复，标志着从只会回答问题的AI向真正能执行任务的AI的转变。

Claude Code 即将发布 /workflows 功能，该功能将标准的商业工作转化为基于 SOP 的伪确定性工作流，作者认为这对企业级 AI 来说是一个重大进展。

Claude Code的创造者Boris Cherny认为单智能体工作流已过时，并解释了未来是由专门化智能体组成的团队协同工作。

作者介绍了Briefing Fox这个提示工程工具，它现在新增了Agentic AI & Workflow功能，即使是初次接触AI的用户也能在几分钟内创建自定义AI智能体。该工具免费且无需注册。

Matt Pocock 发布了他日常使用的 Claude Code 技能，用于真正的工程实践，拥有超过 90,000 颗星并获得 MIT 许可。

Anthropic 悄悄在 Claude Code 中推出了 /workflows，用基于代码的控制流取代了 LLM 编排器，以避免 token 开销和上下文混乱问题。

Anthropic 的 Claude Code 创作者 Boris Cherny 在播客中解释了为什么有些用户每周节省10小时，而其他用户却一无所获，重点介绍了大多数用户忽略的隐藏功能，如 CLAUDE.md、任务链、批量操作和自动化。

一项安全研究揭示了一种名为Megalodon的技术，通过利用CI工作流大规模后门GitHub仓库。

一条推文宣布为Every订阅者提供了一个报告（包含完整文章、来源、参考文献和工作流程）的Agent Mode版本，旨在与Codex或Claude Codex一起使用。