大家好,我是二哥呀。
必须推荐一个,最近一直在用,GitHub 上有 1.4K Star 的开源项目,名叫 BrowserAct。
专门为 AI Agent 打造的浏览器自动化 CLI 工具。

https://github.com/browser-act/skills
大家好,我是二哥呀。
必须推荐一个,最近一直在用,GitHub 上有 1.4K Star 的开源项目,名叫 BrowserAct。
专门为 AI Agent 打造的浏览器自动化 CLI 工具。

https://github.com/browser-act/skills
大家好,我是二哥呀。
上周一个球友在群里吐槽:"老板让我做竞品分析报告,还要附带 PPT 和数据表格,给了我两天时间。"
我问他后来怎么搞定的,他说自己肝了一天半,PPT 排版到凌晨两点。我听完心情复杂,因为类似的活,我前两天用天工花了不到 20 分钟就跑完了——从数据整理到报告生成到 PPT 排版,一条龙。
【此处插入天工生成报告的截图:截图目标:展示天工一站式完成竞品分析的全流程;关键词:对话框、任务执行、多文件输出;建议位置:网页截图】
不是吹,是真的觉得这个时代的生产力工具已经变了。
今天这篇就聊两个东西:一个是昆仑万维的天工超级智能体(后面简称天工),另一个是他们刚开源的 Agent 模型 SkyClaw v1.0。前者是产品,让普通人也能调度一支 AI 团队干活;后者是模型,让开发者能在自己的 Agent 里接入一个性价比炸裂的大脑。
大家好,我是二哥呀。
先问一个问题,你觉得上下文窗口是越大越好吗?
换句话说,上下文窗口是 200k token的时候你感觉聪明还是 1M 的时候?

答案可能会让很多小伙伴失望。
窗口越大,管不好反而越容易翻车。
刷了两个月 AI 面试题,投了十几家大厂,结果面试官一开口:"你做过 Agent 项目吗?"——简历上没有,脑子里全是八股,嘴巴张了张,一个字也蹦不出来。
这就是 2026 年 AI 岗面试的残酷现实。光背概念没用,面试官要的是你用什么项目、踩过什么坑、怎么解决的。我花了三周时间,把牛客、力扣讨论区、各大面经帖里高频出现的 Agent/RAG/LLM/MCP 相关面试题全过了一遍,按出现频次 × 难度权重加权排序,最终筛出 100 道。
和市面上其他合集不同的是,这 100 道题能关联到我们的实战项目来回答——PaiAgent(LangGraph4j + Spring AI 的工作流编排平台)、派聪明(基于 ES 混合搜索的 RAG 知识库)、PaiCLI(对标 Claude Code 的 Java Agent 命令行工具)。后续我会逐题拆解给出加精答案,这篇先把 100 道题的全貌给大家摊开,方便收藏按图索骥。
大家好,我是二哥呀。
有没有想过?
Claude Code 的代码搜得又快又准,到底是怎么实现的?

我花了一早上时间,认真研究了会,翻了翻 Anthropic 首席工程师 Boris Cherny 的播客、亚马逊科学团队发的论文、Cursor 官方博客的论证、Claude Code 源码,把这件事从头到尾捋了一遍。
大家好,我是二哥呀。
这两年 AI 工具是真的多。每天打开电脑,光 AI 相关的标签页就能数出七八个。一个聊天,一个写代码,一个查知识库,一个跑 Agent,再加上各家模型的控制台。切来切去,脑子不是用在任务上,全用在找窗口上了。
直到我看到 HarnessClaw。第一反应是:又一个聊天壳子?如果只是把模型搬到桌面端,那跟在网页上聊有什么区别?但实际装上去跑了一遍之后,我发现这个东西的野心比我想的大得多,它想做的不是"又一个 AI 聊天工具",而是"本地 AI Agent 工作台"。
这篇文章我就讲三件事。多 Agent 聚合管理,告别一个窗口一个模型的日子;Electron 跨平台桌面端,Mac、Windows、Linux 开发者都能用;Harness 工程化思维,让 AI 从"你问我答"变成"人掌舵,Agent 执行"的任务调度平台。
大家好,我是二哥呀。
这两年 AI 工具是真的多。一个网页负责聊天,一个网页负责代码,一个网页负责知识库,一个网页负责 Agent,再加上模型厂商自己的控制台,桌面上很容易开成一排标签页。
所以我看到 HarnessClaw 的第一反应是:它到底是不是一个新的聊天壳子?如果只是把模型搬到桌面端,那意思不大。真正有价值的点应该是,把模型、Agent、工具、技能和项目放到一个本地工作台里,让它能像一个 AI 指挥台一样用起来。
我这次没有只看 README,也没有只写产品介绍,而是把 HarnessClaw Engine、桌面客户端、多模型配置、内置 Specialists、Skill 市场都实际点了一遍。结论先放前面:最适合写成推广案例的,是“本地 AI Agent 工作台”。
在大厂日爆那里看到一则消息,如题。
感觉相当夸张,说明 AI 已经发展到无论是薪酬、制度、还是规则,都跟传统互联网完全不一样了。
另外,从大家反馈的面试来看。
AI 的浓度越来越高,传统的 Java 后端八股比例在逐渐下降,有 7/3 分的趋势。
今天就带着大家过一遍高频的 AI Agent 面试题。

大家好,我是二哥呀。
我发现,IDEA 的重度用户还是蛮多的,之前给大家推荐 IDEA+Claude Code/Codex 的方案,就有 1700 多小伙伴转发,3.3 万人阅读,推荐数量比点赞数量还多。
有点意外,有点惊喜。

既然这么多小伙伴喜欢,今天再给大家推荐一个组合:IDEA + 飞算 JavaAI Agent,后端代码这块的体验绝逼拉到满中满。
大家好,我是二哥呀。
市面上目前所有的 Coding Plan 都只有语言模型。
换句话说,如果你的 Agent 需要音频能力,你需要额外接入 TTS 模型;
需要 RAG,你需要额外接入向量模型;需要视频/图片生成,你需要额外接入视觉模型。这还不包括联网搜索、记忆能力等其他 Harness。
麻中麻。
于是宇宙厂出手了,火山引擎推出了业界第一个 Agent 套餐:方舟 Agent Plan。
