Vibe Coding 一句话能做联机对战了？实测 Kimi K2.6

Kimi 刚刚发布了 K2.6，Agent 模式也同步大升级。这是用 K2.6 Agent 做的 AI 产品打榜站，一次性生成了配套视频动效的 UI。要求其开发坦克大战游戏：在没给素材，没指定技术方案

TRAE给普通用户，做了更好用的AI工作台

不讲 Vibe Coding，而是 Vibe Working。2026 年，AI 能做的事情远超写代码本身。从查网页到写文档，只要有足够的工具，Agent 几乎可以完成所有能在电脑上完成的工作。但常见

用/做好 Agent Skill 的 3 个前提

Qwen3.6 真好玩，使我的大脑旋转

本周，阿里千问又发新模型 Qwen3.6-Plus。先看前端 Coding 效果 Demo——流动文字特效，由该新模型一次指令内跑出。另外，参考最近的 A 社的终端桌宠潮流，开发了一只在你电脑上不断拉

AI 从来没有真正「听过」你说话｜Qwen3.5-Omni 评测

阿里千问团队发布了 Qwen3.5-Omni 全模态模型。我认为从 AI 产品设计的角度，它确实值得更高的讨论热度。近几个月，大模型领域的注意力大多集中在 Vibe Coding 与 Agent 上。

开源24小时，收获近1000🌟的必备Skill

Web Access：一个Skill，拉满Agent联网和浏览器能力

这个 Skill，能让你的 Agent 联网能力提升到最离谱的一集。这是我用这个 Skill 跑的 Agent 任务：10 个子 Agent 同时操作小红书、微博、B站、Boss、虎嗅等 10 个不同

明天上午 9:40，发布一个非常旋转无敌好用的 Skill 「Web Access」 能让你的 Agent 的联网和浏览器能力，拉满到最强的一集 并且 👉 用了很大的篇幅，开源这个 Skill 的设计思考（是我这两个月对 Skill 的不断摸索的总结），相信能对很多人都有启发 装了这个以后，你可以让 Agent 代替你做很多事情： 1️⃣ 一次性打开操作 100+ 浏览器网页 2️⃣ 自动化模拟操作，发布各大社媒平台 3️⃣ 帮你直接找 B 站、网飞等并自动打开播放 4️⃣ 自动查美签系统，看可预约时间并预约 5️⃣ Agent 自动化测试 Web App ……每天使用我都在发现新的惊喜 已知特性： 1️⃣ Claude Code、OpenClaw 等 Agent 均可用 2️⃣ 优化 Agent 联网方式的策略，减少只搜不浏览器，只 fetch 不搜等尴尬情况 3️⃣ Skill 内自动总结站点操作经验，每次执行都能优化下次执行速度！ 明天上午（周一）记得来看公众号文章～希望务必到时候 转发 + Star 项目

明天上午 9:40，发布一个非常旋转无敌好用的 Skill 「Web Access」 能让你的 Agent 的联网和浏览器能力，拉满到最强的一集 并且 👉 用了很大的篇幅，开源这个 Skill 的设

给 Agent 写 Skill，写的越详细反而可能效果越差。 最近在一个具体案例上，研究到底应该如何设计极致的 agent skill，挺有启发的。 背景：给 CC 写了一个联网浏览的 skill（教 AI 怎么操作浏览器完成联网任务，包括浏览器自动化），迭代了十几版。 今天让它去小红书搜一个账号，跑出来的过程是这样的：打开首页 → 找搜索框 → 模拟键盘输入 → 点击搜索 → 等加载 → 在结果里找人 → 点错了 → 重新找 → 导航到主页。11 步。 删掉详细指引只留核心思路再跑，直接构造搜索 URL，一次请求拿到结果，3 步搞定。 逐行审 skill 找原因，第一个发现就很典型：之前我写了「像人一样浏览网页」。 本意是希望 Agent 决策方式要像人：目标导向、灵活应变。 但 AI 从执行层面理解了这句话，真的在模拟人的鼠标操作轨迹。改成「像人一样思考」之后，策略性保留了，执行自由了。 继续审，发现这不是唯一的问题。 skill 里还写了「URL 是实现细节，UI 是约定」，本意是防止 AI 凭记忆瞎猜 URL 参数导致出错。 但这句话到了 AI 眼里变成了一条硬规则：优先走 UI 操作。所以它才会老老实实去找搜索框、点按钮，而不是直接构造一个搜索链接。 这两个问题的根源其实是一样的。 写的时候觉得自己在陈述事实，实际上写进去的是经验推断。「防止猜 URL」是合理的考虑，但「所以应该优先 UI」是从这个考虑里推出来的偏好，不是事实本身。 事实只有一条：凭记忆构造的 URL 参数不可靠。 至于该走 UI 还是构造链接，取决于具体场景，AI 完全能自己权衡。 类似的还有把工具分成「你可以用这些通道」让 AI 选。 通道这个词天然有排他性，选了 A 就不走 B。但这些工具完全可以组合使用，是分类框架本身制造了约束。 我们写的 prompt 里，很容易混着两类东西： 1） 技术事实（工具能做什么、有什么限制） 2） 经验推断（怎么分类、什么优先、何时用哪个）。 前者是推理原料，后者是推理天花板。 写的时候这两者感觉一模一样，都像是在提供「有用的信息」，只有跑出问题回头拆，才分得开。 ⬇️ 研究如何引导 Agent 行为的 Prompt 哲学真是一件非常迷人的事情 用什么样的 prompt 能让 AI 符合我们的预期，且具备更强的泛化性，让任务表现更好，是一门学问。 > 本文源自一泽最近一周的 skill 调试实践与 prompt 对话过程，由自建内容创作 skill 自动化写作（感谢 Agent，让我能提升更新频率） > 经一泽校验，以上内容均可信可用

给 Agent 写 Skill，写的越详细反而可能效果越差。 最近在一个具体案例上，研究到底应该如何设计极致的 agent skill，挺有启发的。 背景：给 CC 写了一个联网浏览的 skill（

搞了套新玩具，全天录音，给 AI 攒更多个人上下文

做一个“没有设计”的个人 Agent

千问 3.5：0.8 元的顶级模型，我找不到它的对手

我正对着镜子站立，举起一只手。在我的视野中，这只手出现在镜子画面的左侧。请问在现实中，我举起的是哪只手？答案应该是：左手。一道堪比「9.11 ＞ 9.8」的 AI 陷阱题。前两天，我拿它测了一圈主流旗

智谱 GLM-5：当 Agent 融入日常生活

如果让你来协调六七个人的聚会选点，你会怎么做？每个人从不同的地方出发，有人坐地铁、有人开车，你还得考虑通勤时间的公平性。不能让某个人跑一小时，其他人只走十分钟。光在群里收集完所有人的出发地，打开地图一

我们如何选择 AI 工具、识别优秀产品？

在条件、能力允许的情况下，要选择主导主流的工具、团队，或接近主流范式者。警惕灵机一动，只做表面微小改进、封装，就宣告自己野心者。大模型作为高速进化的智能，其在各应用场景的工程应用技术、能力上限，现阶段

实测 Kimi 新品：前端设计，追平 Gemini 3 Pro

Kimi 年前放大招了。我只给了新模型 1 张参考图，就一次性开发出了这样的网页效果 ⬇️设计优秀，动效自然，与 Gemini、Claude、GPT 横测，也能排第一。还有新 Agent 集群模式，让