一个越来越具体的烦恼
给 AI Agent 排定时任务，正在变成一件新的麻烦事。
最早我们写 cron，后来写脚本，再后来各种 Agent 框架自带调度器。结果是：定时配置散落在 crontab、launchd、代码常量、框架配置文件里，改一个执行时间要翻好几个地方；想知道「现在到底有哪些任务在跑、几点跑、跑完发到哪」，没有任何一个地方能一眼看全。
任务本身其实很简单——「每天下午一点，去小红书搜几个关键词，各出一份报告」。难的不是执行，而是管理：谁来记、谁来改、谁来排查。
LLM 自动化 vs RPA：省的不是智能，是编排成本
Explore Once, Compile to Code, Execute Forever
上周五晚上，一个做 RPA 的朋友跟我吐槽：他们给某电商平台搭的自动化流程，上线三个月，页面改版了两次，每次改版都要派人重新录制操作、调整元素定位、测试回归。「甲方觉得 AI 这么火，为什么你们的机器人还是这么脆弱？」
这个问题问得好，但答案可能不是他期望的。
脆弱的不是 AI，是 每次页面变化都要人工重新编排 这个工作模式。影刀、UiPath 这类传统 RPA 工具，本质上是人工录制 + 元素定位的自动化回放。它的优势是稳定——录制好的流程跑一千次都不会出错。它的劣势也很明显——页面改了，流程就废了，而修复的成本和第一次录制一样高。
大模型的 Computer-Use 和 Browser-Use 走了一条完全不同的路，但大多数人只看到了它「贵」和「慢」的一面，没看到它真正值钱的地方。
AI 原生周报：从「周五补作业」到「数据自然长出来」
AI-Native Weekly Report — From Friday Homework to Organic Data Aggregation
每个周五下午，你的团队在做同一件事：打开空白文档，回忆这周干了什么，凑出一份周报。
这件事的荒谬之处在于——周一到周五，你们已经开了 10 次站会，讨论了 50 个问题，做了 20 个决策。所有信息都已经存在了，只是散落在会议录音、聊天记录、任务系统里。周报不是「写」出来的，应该是「长」出来的。
这篇文章用一个 War Room Scrum 的完整案例，说明怎么用 AI 原生思维重构日报和周报流程。核心转变： 不是让 AI 帮你润色周报，而是让 AI 从日常运转的数据中自动聚合出周报。
[Read More]AI 时代运营的本质：影响人群价值观
The essence of operations in the AI era: influencing collective values
上个月和一个做电商运营的朋友聊天。她团队有 8 个人，每天忙的事情是：拉数据、做报表、调投放参数、写推送文案、设计活动页面。
我问她：「你觉得自己最重要的工作是什么？」
她想了想说：「理解用户想要什么。」
我说：「那你团队 80% 的时间都没花在这件事上。」
她沉默了。
这不是她一个人的问题。过去十年，运营这个岗位被大量低价值的重复工作绑架了。数据要手动拉，报表要手动做，渠道要手动调，文案要手动写。运营人员变成了流程的执行者，而不是策略的思考者。
但今年，情况正在发生根本性的变化。
大模型能力的跃迁和 Agent 生态的成熟，正在把运营从重复劳动中解放出来。低价值的流程性工作可以实现完全自动化，无需依赖技术人员支持。运营人员利用 AI 工具，可以 10 倍速度提升数据获取和分析的效率，做更精细化的人群和渠道分层，让洞察和策略更精准。
运营的本质，终于有机会回归它本来的样子：影响人群的价值观。
[Read More]用 LLM Wiki + Obsidian 构建个人 AI 知识图谱
Automated knowledge graph with Hermes Agent and Obsidian
去年年底，我做了一个实验：把过去十年写的 190 多篇博客、Obsidian 里的读书笔记、还有悟空 Agent 的实践记录，全部扔给 Hermes Agent，让它按照 Karpathy 的 LLM Wiki 模式自动整理。
三天后，我打开 Obsidian 的 Graph View，看到了一个由 50 多个节点互相连接的知识网络 — 不是文件归档，而是一个真正的知识图谱。Agent 自动提取了实体和概念，建立了双向链接，甚至发现了我自己都没意识到的关联：[[compression-as-intelligence]] 和 [[agent-memory]] 之间有一条隐含的逻辑链，我自己写了三年都没发现。
那一刻我意识到：个人知识管理的瓶颈不是工具，而是"碎片到结构"的转换成本。 这篇文章，我把整个系统的架构、自动化流程和实际用法完整拆解出来。
[Read More]别再手动整理用户反馈了：把 VOC 变成一条自动化生产线
从原始用户声音到产品 Backlog，一套可落地的端到端自动化流水线设计教程
每家公司都说"以用户为中心"，但 90% 的用户声音（Voice of Customer, VOC）最终的归宿是——躺在某个 Excel 表里，等着某个产品经理"有空的时候"去翻一翻。
问题不是团队不重视用户反馈。问题是：从原始反馈到可执行的产品动作之间，隔着太多手工活。 收集、清洗、分类、归因、优先级排序、写进 Backlog——每一步都在消耗人的精力，而人的精力是有限的。
这篇文章是一个完整的教程：如何用 AI + 自动化工具，把 VOC 变成一条可执行的生产线——从原始数据采集，到最终输出结构化的产品需求，全程自动。
[Read More]通过桌面录屏实现自动化 RPA 的最佳实践
从屏幕录制到 AI 驱动的智能自动化流程构建
传统的 RPA（Robotic Process Automation）工具通常需要手动编写脚本或使用可视化编排工具，学习成本高且维护困难。随着多模态 AI 的发展，一种新的范式正在兴起：通过录制用户的桌面操作，让 AI 自动理解并复现这些操作。这种方式大大降低了自动化的门槛，让业务人员也能快速构建自动化流程。
[Read More]