[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-grok-bot-cloud-agent-copy-template-zh":3,"article-related-grok-bot-cloud-agent-copy-template-zh":29,"series-ai-agent-71bf52af-c04d-4371-854c-75dea55aa88a":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":11},"71bf52af-c04d-4371-854c-75dea55aa88a","grok-bot-cloud-agent-copy-template-zh","Grok Bot 讓工作搬上雲端","\u003Cp data-speakable=\"summary\">以前的 \u003Ca href=\"\u002Ftag\u002Fagent\">Agent\u003C\u002Fa> 要你盯著螢幕，現在的 Agent 直接在雲端把活做完。\u003C\u002Fp>\u003Cp>我最近一直在看各種 \u003Ca href=\"\u002Ftag\u002Fai-agent\">AI Agent\u003C\u002Fa>，老實說，很多都讓我有點煩。不是因為它們不強，而是因為它們太像演示產品了：畫面很漂亮、按兩下也會動，然後就沒了。真要放進日常工作，筆電一闔、網路一斷、頁面一跳，整套流程就塌掉。我最受不了這種半自動化，嘴上說能替我幹活，實際上我還得在旁邊盯著，像看一個剛進辦公室的實習生，隨時準備接鍋。\u003C\u002Fp>\u003Cp>這次讓我停下來的是\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2070798466993992023\">知乎上的這篇文章\u003C\u002Fa>，作者是新智元，講的是 \u003Ca href=\"\u002Fnews\u002Fneura-ai-benchmark-index-claude-grok-zh\">Grok\u003C\u002Fa> Bot 的早期測試版。原文沒有提供可核驗的瀏覽量、星標或收藏數，所以我不亂編。真正值得我拆的，是它講的那個方向：不是更會聊天的框，而是有自己雲端電腦的 AI 隊友。相關背景我也對照了 \u003Ca href=\"https:\u002F\u002Fx.ai\u002F\">xAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.cursor.com\u002F\">Cursor\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-chatgpt-agent\u002F\">OpenAI 的 ChatGPT Agent\u003C\u002Fa>，這幾條線放在一起看，味道就很明顯了。\u003C\u002Fp>\u003Ch2>別再把 Agent 當聊天框了\u003C\u002Fh2>\u003Cblockquote>“每一個 Bot 背後，是一台獨立的雲端 Linux 虛擬機。它有自己的瀏覽器、文件系統、終端，能像人類一樣打開網頁、點擊按鈕、填寫表單、截取螢幕。”\u003C\u002Fblockquote>\u003Cp>這句話其實把 Grok Bot 的核心說透了。它不是一個會說話的模型殼子，而是一個真的能在系統裡幹活的執行體。瀏覽器、文件系統、終端，這三樣東西一齊給它，意思很明確：它不是來陪你聊天的，它是來接管任務鏈條的。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786757607198-m8c9.png\" alt=\"Grok Bot 讓工作搬上雲端\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前也踩過這個坑。最早我會把任務拆成 prompt，交給模型生成結果，再手動複製到網頁裡。看起來很聰明，實際上很累。因為所有真正麻煩的步驟，登入、切頁、上傳、確認、下載，還是得我自己做。Grok Bot 這類東西的變化在於，它把「看懂任務」跟「執行任務」綁在一起了。\u003C\u002Fp>\u003Cp>翻譯一下就是：你不該再問它會不會回答，而要問它能不能自己完成一個完整工作流。如果答案只是前者，那它還是聊天工具；如果答案是後者，那才算 Agent。\u003C\u002Fp>\u003Cp>我自己會用三個問題來判斷一個產品是不是在做真的自動化：\u003C\u002Fp>\u003Cul>\u003Cli>這個任務是否真的需要瀏覽器、終端、文件系統中的至少兩項？\u003C\u002Fli>\u003Cli>中間有沒有必須人工確認的節點，比如登入、支付、審批？\u003C\u002Fli>\u003Cli>如果把電腦關掉，這個任務還能不能繼續？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果最後一個答案是不能，那你做的就不是雲端 Agent，而是一個會斷電的自動化腳本。別自欺欺人。\u003C\u002Fp>\u003Ch2>雲端常駐，才像個隊友\u003C\u002Fh2>\u003Cblockquote>“你闔上筆電它也不停。因為它跑在雲端，7×24 小時在線。”\u003C\u002Fblockquote>\u003Cp>這點我特別認同。以前很多個人 Agent 最大的問題不是能力，而是活性太差。它們依賴你的本地電腦，依賴一個一直開著的\u003Ca href=\"\u002Fnews\u002Fclaude-code-sessions-message-each-other-zh\">會話\u003C\u002Fa>，依賴你別去睡覺、別斷網、別切換設備。說白了，它們不是同事，它們是掛在你電腦上的進程。\u003C\u002Fp>\u003Cp>Grok Bot 的設計思路更像真的雇了一個遠端同事。你把任務丟給它，它在雲端自己跑；你睡覺，它繼續跑；你開會，它繼續跑。這個差別很大，因為很多工作本來就不是要即時互動，而是要穩定推進。像郵件整理、報表拉取、競品監控、支援工單分流，最怕的不是慢，而是斷。\u003C\u002Fp>\u003Cp>我自己最明顯的一次體驗，是做一個跨平台的資料整理流程。以前我會開著本地瀏覽器，切來切去，生怕頁面逾時。後來我意識到，真正值錢的不是我點得快，而是我能不能讓系統自己跑完。一旦把執行層搬到雲端，心態就變了：我不再盯著每一步，而是只看結果。\u003C\u002Fp>\u003Cp>實操上，如果你在做類似產品，先別急著加更多聰明功能，先把這幾個底層能力補齊：\u003C\u002Fp>\u003Cul>\u003Cli>任務狀態持久化，不能一刷新就丟。\u003C\u002Fli>\u003Cli>瀏覽器會話和憑證托管，避免使用者反覆登入。\u003C\u002Fli>\u003Cli>失敗重試和中斷恢復，別讓一個彈窗毀掉整個流程。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我很煩那種把雲端說成噱頭的產品。雲端不是裝飾詞，它決定 Agent 到底是工具還是隊友。\u003C\u002Fp>\u003Ch2>多 Bot 並行，才像個團隊\u003C\u002Fh2>\u003Cblockquote>“你可以同時開多個 Bot，讓它們各司其職：一個盯郵件、一個跑銷售資料、一個監控競品動態、一個寫內容草稿。”\u003C\u002Fblockquote>\u003Cp>這部分我覺得比單個 Agent 很強更有現實意義。因為真正的工作從來不是一條線，而是並行的。你今天要回郵件，明天要整理資料，同時還得盯競爭對手，順手寫點文件。人會累，不是因為單個任務難，而是因為上下文切換太煩。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786757606114-f457.png\" alt=\"Grok Bot 讓工作搬上雲端\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>Grok Bot 的多實例思路，本質上是在把注意力拆出去。一個 Bot 負責一個領域，彼此之間還能通信、交接，甚至一個搞不定時叫另一個來幫忙。這個設計很像小團隊協作，而不是一個萬能大腦硬扛所有事情。說實話，這才像真實組織。\u003C\u002Fp>\u003Cp>原文提到的幾個用例我覺得很有代表性：自動匹配求職者和招聘公司、自動回覆支援郵件、掃描信用卡帳單找可取消訂閱、給播客嘉賓生成研究簡報。它們有一個共同點：都不是高深任務，但都很耗人。\u003C\u002Fp>\u003Cp>我以前做內容營運時，最痛苦的就是這類碎任務。每件都不難，但一天下來被切成十幾段，腦子像被鋸開。後來我開始把任務按持續觀察和即時決策拆開，效率立刻好很多。多 Bot 的思路也是一樣：別讓一個 Agent 什麼都做，分工越清楚，越不容易亂。\u003C\u002Fp>\u003Cp>如果你要落地這種結構，我建議先這樣切：\u003C\u002Fp>\u003Cul>\u003Cli>一個 Bot 只負責一個穩定目標，比如郵件、資料、監控、寫作。\u003C\u002Fli>\u003Cli>給每個 Bot 明確輸入和輸出，不要讓它自由發揮到失控。\u003C\u002Fli>\u003Cli>設計 Bot 之間的轉交規則，誰發現異常，誰升級給人。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這比你一上來就追求一個超級 Agent 解決所有問題可靠得多。後者通常只是 demo，前者才是系統。\u003C\u002Fp>\u003Ch2>會跟著你學，才真的省事\u003C\u002Fh2>\u003Cblockquote>“你只需要像平時一樣操作一遍：打開瀏覽器、登入工具、執行任務，Bot 在旁邊看著，會自動把步驟記下來。”\u003C\u002Fblockquote>\u003Cp>這一段是我最喜歡的。因為它把編程這件事降到了最低門檻。你不用先寫一堆規則，也不用先搭好工作流圖。你先做一遍，Bot 看著學；下次再來，它照著你的\u003Ca href=\"\u002Fnews\u002Fanthropic-data-center-push-big-capital-backing-zh\">動作\u003C\u002Fa>復用。\u003C\u002Fp>\u003Cp>這其實很像我早年給團隊做內部自動化時的真實需求。大多數人不是不會寫腳本，而是懶得為一個每週都要做的重複動作去搭一整套工程化系統。結果就是，事情一直手工做，做久了大家都煩。能學動作的 Agent，解決的就是這個尷尬：你不必先成為自動化專家，先把流程跑通就行。\u003C\u002Fp>\u003Cp>原文裡還提到，Bot 會隨著使用不斷優化。這句話不能只當宣傳詞看。真正有價值的地方在於，它把示範一次變成訓練一次。這意味著使用者不再需要懂 \u003Ca href=\"\u002Ftag\u002Fprompt-engineering\">prompt engineering\u003C\u002Fa>，也不需要理解複雜配置。你做給它看，它慢慢記住，這個門檻低太多了。\u003C\u002Fp>\u003Cp>實操上，我會把可學習任務優先交給 Agent，尤其是這三種：\u003C\u002Fp>\u003Cul>\u003Cli>步驟固定、但介面常變的網頁任務。\u003C\u002Fli>\u003Cli>重複頻率高、但單次價值不大的流程。\u003C\u002Fli>\u003Cli>需要少量人工判斷、但大部分步驟可複製的操作。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我得提醒一句，別把會學習誤解成永遠學對。介面一改、按鈕一挪、權限一變，它還是會翻車。所以你需要保留人工校驗點，別幻想它能一次學會後永不出錯。那種想法通常會讓你第二天加班。\u003C\u002Fp>\u003Ch2>登入、審批、支付，別讓它裝懂\u003C\u002Fh2>\u003Cblockquote>“遇到需要人類決策的關口：登入、SSO 驗證、支付確認，Bot 會主動把電腦遞給你。”\u003C\u002Fblockquote>\u003Cp>這個設計我認為很成熟。很多 Agent 產品死就死在一個地方：它們想把所有事情都自動化，結果在最該停下來的地方裝作沒看見。登入、SSO、支付，這些節點不是技術問題，而是責任問題。你不能讓模型替你拍板。\u003C\u002Fp>\u003Cp>Grok Bot 這裡的處理方式很務實：它不是假裝自己能跨過去，而是把控制權交還給人。這個遞回去的動作很重要，因為它定義了邊界。Agent 可以代辦，但不能越權。它可以跑流程，但不能替你承擔所有風險。\u003C\u002Fp>\u003Cp>我在做內部工具時也學到過同樣的教訓。凡是牽涉權限和錢的地方，必須有明確的人類確認。否則你省下的那點時間，最後會在錯誤帳單和權限事故裡全吐回去。自動化最怕的不是慢，是不受控。\u003C\u002Fp>\u003Cp>如果你要把這個原則做進自己的系統，我建議把流程拆成三層：\u003C\u002Fp>\u003Cul>\u003Cli>自動執行層：抓取、整理、填寫、同步。\u003C\u002Fli>\u003Cli>人工確認層：登入、支付、發布、刪除、發信。\u003C\u002Fli>\u003Cli>稽核記錄層：每次操作都留痕，方便回滾和排查。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這三層缺一層都不穩。尤其是稽核記錄，很多人根本不做，等出事了才發現自己連是誰點的都不知道。我對這種系統一向沒耐心，因為它遲早會咬人。\u003C\u002Fp>\u003Ch2>價格和生態，才是它真正的門檻\u003C\u002Fh2>\u003Cblockquote>“SuperGrok Heavy 要 $200-300\u002F月，Cursor Ultra 是 $200\u002F月，團隊版 Cursor Teams Premium 按 $120\u002F月\u002F人收費。”\u003C\u002Fblockquote>\u003Cp>這段資訊很現實，也很重要。很多人一看到 Agent 就興奮，彷彿只要模型夠強，工作方式就會自己變。不是的，真正決定普及速度的，往往是價格、生態和接入成本。\u003C\u002Fp>\u003Cp>原文還提到，Grok Bot 能繼承 \u003Ca href=\"\u002Ftag\u002Fcursor\">Cursor\u003C\u002Fa> 裡的連接器，比如 Notion、Slack、\u003Ca href=\"\u002Ftag\u002Fgithub\">GitHub\u003C\u002Fa> 這些。這一點特別關鍵，因為企業使用者最怕重新配置。你要是每換一個 Agent 就重連一遍工具鏈，大家很快就會煩。能繼承現有連接器，代表遷移成本低很多。\u003C\u002Fp>\u003Cp>我自己見過太多功能很強但沒人用的產品，問題都出在這裡：要麼太貴，要麼太難接，要麼團隊不願意把權限交出去。Agent 這種東西尤其吃生態，因為它不是單點工具，它要碰你的郵件、文件、程式碼倉庫、CRM、表格，甚至支付系統。你不把這些打通，它就只能在演示裡表演。\u003C\u002Fp>\u003Cp>翻譯一下就是：你做 Agent 產品，不能只盯模型能力，還得盯整合成本。使用者願不願意付費，不是看你能不能生成一段漂亮回答，而是看你能不能少讓他點十次滑鼠。\u003C\u002Fp>\u003Cp>我會這樣判斷一個 Agent 值不值得上生產：\u003C\u002Fp>\u003Cul>\u003Cli>它是否能復用現有帳號體系和連接器。\u003C\u002Fli>\u003Cli>它是否能在權限邊界內工作，而不是強行接管一切。\u003C\u002Fli>\u003Cli>它是否真的減少了人工點擊，而不是把點擊換個地方。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果這三項都不行，再強的模型也只是昂貴玩具。\u003C\u002Fp>\u003Ch2>你可以直接照著搭的工作流\u003C\u002Fh2>\u003Cp>下面這份模板不是 Grok Bot 的官方設定，也不是原文直接給出的內容。我是根據它描述的思路，整理成一個你可以直接拿去改的通用版本。你如果正在做雲端 Agent、內部自動化，或者想把重複操作交給一個雲端同事，這份模板夠你起步了。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Cloud Agent Operating Template\n\n## 1) Agent role\nYou are my cloud-based work agent.\nYour job is to complete repeatable browser and app tasks end-to-end.\n\n## 2) Allowed responsibilities\n- Open websites and internal tools\n- Read pages, forms, tables, and dashboards\n- Fill forms, update records, download files\n- Draft messages, summaries, and reports\n- Compare options across tools when needed\n\n## 3) Hard boundaries\n- Stop and ask me before:\n  - Logging in with a new account\n  - Passing SSO or MFA\n  - Confirming payments\n  - Deleting data\n  - Sending external emails\n  - Publishing anything public\n- Never guess credentials\n- Never bypass access controls\n- Never hide uncertainty\n\n## 4) Working style\n- Work in small steps\n- Show me the current state before irreversible actions\n- Keep a short log of what you changed\n- If a page changes, re-check the task goal before continuing\n\n## 5) Multi-agent split\nUse separate agents when tasks are independent:\n- Mail agent: triage inbox, draft replies, flag exceptions\n- Data agent: pull reports, compare numbers, export files\n- Research agent: monitor competitors, collect links, summarize findings\n- Ops agent: update CRM, tickets, and recurring admin tasks\n\n## 6) Handoff rules\n- If one agent gets blocked, it must report:\n  - what it tried\n  - what failed\n  - what it needs from me\n- If another agent can help, assign the blocked step to that agent\n- Humans always handle approvals and final submission\n\n## 7) Learning from me\nWhen I perform a task manually:\n1. Observe each step\n2. Record the sequence\n3. Reuse the same sequence next time\n4. Ask for confirmation only when the page or rule changes\n\n## 8) Output format\nFor every task, reply with:\n- Task name\n- Current status\n- Actions completed\n- Actions blocked\n- Next step\n\n## 9) Example task\nTask: reconcile weekly support emails\n\nGoal:\n- Sort emails by urgency\n- Draft replies for routine cases\n- Escalate billing and legal issues\n- Leave final send for human approval\n\nChecklist:\n- Open inbox\n- Classify messages\n- Draft responses\n- Flag exceptions\n- Wait for approval before sending\n\n## 10) Operator note\nIf the task touches money, identity, or public output,\nstop and hand control back to me.\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我建議你把這份模板再往下拆成三個實際文件：一個是任務說明，一個是權限邊界，一個是輸出格式。別把所有東西塞進一段大 prompt 裡，後面你自己都看不懂。模板越短，越容易維護。\u003C\u002Fp>\u003Cp>如果你想更進一步，我會再加一層任務類型庫。比如郵件類、資料類、研究類、營運類，每類都有自己的預設步驟和停止條件。這樣 Agent 不需要每次從零開始理解，效率會高很多。\u003C\u002Fp>\u003Cp>最後我想說，Grok Bot 這種東西真正值得看的，不是它又會了多少花活，而是它把一個很老的問題重新擺到了台面上：到底什麼才算自動化工作？我現在越來越傾向於一個標準——它必須能在雲端持續運行，能分工，能學習，能在關鍵節點把控制權還給人。少一條，都不算完整。\u003C\u002Fp>\u003Cp>來源是這篇知乎文章：\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2070798466993992023\">https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2070798466993992023\u003C\u002Fa>。上面這份模板是我根據原文思路重新整理的，不是原文逐字內容；如果你要落地，建議先從一個低風險、重複率高的工作流開始試。相關工具與背景可再看 \u003Ca href=\"https:\u002F\u002Fx.ai\u002F\">xAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.cursor.com\u002F\">Cursor\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-chatgpt-agent\u002F\">OpenAI ChatGPT Agent\u003C\u002Fa>。\u003C\u002Fp>","我拆開 Grok Bot 的雲端 Agent 思路，整理成一份能直接複製的多任務自動化模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2070798466993992023",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786757607198-m8c9.png","ai-agent","zh","add7325b-6922-4d4f-941d-f7c716a48217",[17,18,19,20,21],"AI Agent","cloud automation","browser automation","workflow","multi-agent",[23,24,25],"雲端常駐讓 Agent 能脫離本地電腦限制，真正接續完整工作流。","多 Bot 分工比單一萬能 Agent 更接近真實工作場景。","登入、支付、發布這些高風險節點一定要保留人類確認。",0,"2026-08-15T01:33:02.214959+00:00","2026-08-15T01:33:02.201+00:00",{"tags":30,"relatedLang":36,"relatedPosts":40},[31,33,35],{"name":19,"slug":32},"browser-automation",{"name":34,"slug":13},"AI agent",{"name":20,"slug":20},{"id":15,"slug":37,"title":38,"language":39},"grok-bot-turns-browser-chores-into-cloud-work-en","Grok Bot turns browser chores into cloud work","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"772d3194-0952-435e-a971-31fe65acc542","chatgpt-mac-computer-history-memory-zh","ChatGPT 會記住 Mac 工作歷史","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786777369857-f6te.png","2026-08-15T07:02:25.236919+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"4ab8d4d0-3ebd-457d-87b7-c74c8420e59d","agent-plugins-1-0-0-ship-tool-packs-zh","Agent Plugins 讓工具包可交付","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786610017500-9l9a.png","2026-08-13T08:33:09.887714+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"a0e300e6-7ef0-48b3-b855-24c522751e57","faitheyes-tool-faithful-vision-agents-zh","FaithEyes 把工具服從訓練出來","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786258991923-8v4x.png","2026-08-09T07:02:49.49712+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"33768f76-82d4-4f81-9d82-cee7b22af7c5","qwen-3-8-max-cli-integration-protocol-migration-zh","Qwen 3.8 Max CLI 接入与协议迁移","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786255373107-rh9m.png","2026-08-09T06:02:30.328787+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"10d812f4-bf80-40c4-9572-3f2346b1234d","fine-tune-small-llm-legal-labeling-zh","法律標註微調小型 LLM 產出","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1786150968538-nycr.png","2026-08-08T01:02:26.754363+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"f538fedf-8816-4bfd-8c25-ef97be9f9d5d","sala-duance-ai-shangxiawen-kuozhan-zhinan-zh","SALA端侧AI上下文扩展操作指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1785765793001-wixs.png","2026-08-03T14:02:44.433703+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]