即刻App年轻人的同好社区
下载
AI工作流
你探索出了哪些AI辅助工作的思路，来这里和即友们分享，一起提升工作效率！
6284人正在讨论，15.1万人浏览
相关圈子
设计师的日常
6.7万名设计师正在擦屏幕
JitHub程序员
38万名开发者在这里同性交友
人工智能讨论组
47万名技术爱好者在研究人工智能or“智障”
职场那些事儿
100万+名职场人士正在分享
动态
- Google新鲜出炉的Gemini 3 Pro模型已可以在Free AI for Everyone上免费使用😎
Free AI for Everyone: free.stockai.trade
#AI工作流 #AI的神奇用法
7 52 - 前天咨询聊了一个多小时，聊天记录几百条，信息密度爆炸。如果要自己整理，耗时长还容易遗漏重点。
后来我发现一个更聪明的办法，用 ChatGPT 总结，结果又快又准，GPT还能给到我想不到的角度。
操作也很简单：
1. 在微信聊天里长按第一条消息 → 选择“多选”
2. 一直下拉到结尾 → 点“选择到这里”
3. 点“收藏”，再去收藏页打开 → 右上角“···” → “转存为笔记”
4. 复制整段文字发给 ChatGPT
5. 让它帮你总结、提炼要点，甚至给出下一步行动建议
生成的内容可以用代理模式一键转存到 Notion 或直接复制到笔记软件。
之前试过截图识别，内容多的时候就很麻烦，而且长截图实测识别成功率很低（这时候AI会像模像样的瞎编）
#AI工作流 #AI的神奇用法16 01 - 【寻找技术合伙人/CTO】 不画饼，直接看图。这是我们正在跑通的 Unity + ComfyUI 实时生成管线产出的“量子赵云”。
正在构建一款 “二次元+量子题材” 的资产化游戏。种子资金已就绪，商业闭环已验证。
现在缺一个能把 AI Workflow 完美接入 Unity 的全栈大牛。 如果你是那个能搞定 API 和 自动化管线 的人，来聊聊？
#AI工作流 #独立开发 #Unity3D #寻找合伙人
4 10 - 我认为，在这个“AI皆可生成”的时代，人类有些事情还是要坚守的。
AI可以生成整篇文章，但我要知道为何而写，每个字都要真实真诚；
AI可以生成整个影片，但我要是影片的导演，把控视觉表达和价值观；
AI可以生成产品工具，但我才是最懂用户需求的人，产品的善恶在我一念之间。
如果让AI全面把控了我的创造，那还是我的创造吗？所以，AI在我这里，一直是我的“灵感搭子”和“协作伙伴”，我与AI一起头脑风暴，一起共创价值。
创造的原点，一直是我，也只能是我。
#AI工作流 #AIGC创作大赛·爱
12 00 - 最新版 Claude for chrome 1.0.31 破解版，没有Claude 账户也能用，支持 API key，支持兼容 Claude 的API （Deepseek，qwen 等都支持）
github.com
#AIHackathon #AI工作流 #AI的神奇用法
16 818 - 还在为制作高大上的 PPT 头秃？
前几天试着用 Google Gemini 光速搞定了一份【商业分析报告】，从内容、设计、Q&A 到演讲稿，AI 全包了。
操作流程
- AI 生成内容 ：给个 PPT 主题，DeepSeek、Gemini 自动帮你梳理大纲、填充内容
- AI 制作PPT ：把内容喂给 Gemini ，一键生成 PPT 初稿，还能随便修改调试
- AI 准备 Q&A ：让 AI 扮演挑剔的老板，提前演练 QA 环节
- AI 撰写演讲稿 ：最后再让 Gemini 给你一份口语化的演讲稿，告别照本宣科
快来试试这套【批量生成 PPT】的骚操作，彻底告别手搓 PPT 的体力活，效率提升至少 30 倍。。
#AI工作流 #AI的神奇用法
4 00 - Web AI助手新增Nano Banana Pro生图模型
相比Nano Banana，Nano Banana Pro有两个非常大的改进：
一是嵌入文字的能力近乎完美
二是可以内置Google搜索从而把实时信息嵌入到图片中
Web AI助手：web.stockai.trade
#AI工作流 #AI的神奇用法
2 00 - 如何用谷歌 Gemini Canvas，批量搞定【商业分析报告 PPT】？
教程：mp.weixin.qq.com
核心就四步：
- AI 生成内容
- AI 制作PPT
- AI 准备 QA
- AI 生成演讲稿
#AI工作流 #AI的神奇用法
2 00 - 这两天我给自己组建了一个“硅谷级”的商业咨询私董会。
在ChatGPT Atlas浏览器中，打开 Perplexity， 我把我的商业模式 Idea 扔进去，让Perplexity 输出观点，ChatGPT验证提意见，我再把 GPT 的意见扔回给 Perplexity……
几轮下来，我在中间做仲裁、和稀泥，最终达成的一致结论，质量高到吓人。
这种感觉太奇妙了：两个都是博士级的大脑，随时开着互联网搜索数据，看他们为你争论、吵架简直是一种享受，我都爽到颅内高潮了。🧠
但现在的唯一痛点是：废手。 键盘都要打冒火星子了，即便用Wisper Flow，也还是有大量修改工作，不能直接语音对话。
脑补了一个让人兴奋的未来场景： 直接拉个语音会，ChatGPT 和 Perplexity 接入语音互喷，我喝着咖啡听，顺便让豆包在后台无感生成会议纪要。
这才是真正的 AI Agent 时代啊！这种“全自动吵架”的能动嘴功能，到底啥时候能实装？我等不及了！
如果有哪个插件能实现这个，求推荐！ 各大厂的产品经理们，听到了吗？赶紧卷这个功能！ 👂
#AI工作流 #ChatGPT #Perplexity #产品经理日常 #脑洞 #独立开发者00:052 01 - 今天朋友发我一个报名链接，我懒得填表，于是让-AI 帮我干了这件事 😂
整个流程是：打开链接 → 自动填表 → 自动提交 → 自动收邮件 → 自动存档。全程我只动了一次手：点开 Comet。
🧠 Step 1：收到报名邀请
💬朋友发来活动链接 👇
“www.art-mate.net 你感兴趣吗？”
我心想这类表单最烦，每次都要填名字、邮箱、电话。
于是直接丢给 Comet 自动处理。
⚙️ Step 2：Comet 自动识别表单
Comet 打开网页后，自动识别所有输入框：称谓、姓名、邮箱、电话
自动填写我预存的资料
最后点击提交 ✅
整个过程我完全没碰键盘。
🤖 Step 3：自动确认与提交成功
表单验证弹窗弹出后，Comet 识别确认按钮 → 自动点击。
成功提交后会出现提示窗口。
📩 Step 4：几分钟后收到确认邮件
Comet 自动监控 Outlook 邮箱，检测到确认信后自动分类归档。
系统帮我提取出：报名编号、活动日期、地点👇
💡 实战效果总结
整个过程我没手动填任何内容。
Comet 执行浏览器动作（表单填写+点击，甚至是脑补我的职业（由于我没告诉TA））这一整套工作流，节省我至少 10 分钟/次，而且不会出错，不会忘报名。
🌟 思考一下
很多人以为 AI 自动化只是写稿子、改图、做总结，
但其实它能替你“操作网页”、“报名活动”、“抢票登记”——
这些本来只有你手能点的事，现在都能交给系统。
我更喜欢把这叫做：
“让 AI 成为你的数字执行者。”
💬 想看其他自动化与AI分享请在评论区告诉我哦~
📌标签区：
#AI自动化 #Comet自动化 #效率工具 #AI工作流 #n8n #Dify #自动化报名 #数字生产力 #AI效率革命
3 00 - #AI工作流
虽然我已经让AI融入日常生活有一阵子了，但刚才AI的表现还是小震撼了我一下。
当积累起足够的个人数据，同时能够表达清楚背景和需求信息，AI的协作表现会达到质变。
AI时代，人只需要清晰地知道“我是谁”“我从哪来”“我要去哪”，至于“我怎么才能去”，交给AI就好了。
要论“怎么才能去”，指南针、地图、导航、智能驾驶，这四者是完全不同的性质，是不同的质变层级，我想说的是，我好像摸到第3.5层了。2 10 - 📍 共鸣：AI 不是没用，是你没教对
当我第一次用 MCP + Rube + Klavis 去跑自动化时，AI 确实能帮我干活。
但问题是——有时候它会「乱干」。
我说「帮我重构前端逻辑」，它直接改了后端；
我说「调Stripe对账」，它跑去更新数据库表；
那一刻我发现：AI 不笨，它只是太听话。
于是我开始研究 Lovable 的提示工程（Prompting）逻辑。
它让我第一次理解——AI 就像一个实习生，你得给出上下文、目标、原则、限制。
📍 Lovable 的 CLEAR 原则
他们提出一个超级实用框架，写 Prompt 时照着图中的这五个字母来。
现在我写的提示不再是“对话”，而是“任务书”。
AI 执行就像流水线一样，稳定、可复现。
📍 Prompt + MCP = 真正的AI协作
当我把 Lovable 的结构化 Prompt 用到 Klavis 和 Rube 上时，魔法发生了。
我用 Klavis把 MCP 工作流拆成模块（fetch→analyze→summarize→notify）。
每个模块都有清晰任务描述和约束。
我用 Rube 一键连接 Slack、GitHub、Notion，
AI 通过 Chat 指令直接执行这些任务。
结果？
以前要切 8 个页面，现在一句 Prompt 就能触发整套工作流。
更重要的是——AI 不再“乱动”。
它真的理解了「做什么、不做什么」。
📍 我的经验：Prompt 就是“接口设计”
过去我们写代码设计接口；
现在我们写 Prompt 设计 AI 的「思维接口」。
所以我总结了三句话送给所有正在玩 AI 的人：
1️⃣ Prompt 是约定，不是请求。
AI 不是读心术，你要告诉它规则、范围、目标。
2️⃣ MCP 是协作，不是魔法。
工具多不等于高效，清晰结构才是关键。
3️⃣ 最强的 AI 团队，不是用最多工具的人，
而是最会写 Prompt 的那群人。
📌 #AI博主Charlii #Lovable #PromptEngineering #MCP #KlavisAI #Rube #AI工作流 #Claude #AI效率
2 00 - 📍 为什么我开始用 MCP
你有没有这种感觉：AI 聊天挺聪明，但真到干活就废了。比如要它帮你：
改个前端样式 → 打不开 Chrome DevTools
查份报告 → 不会上网页
写完代码 → 不会提 PR
我以前也一样。直到接触到 MCP（Multi-Tool / Model Context Protocol） ——
一句话解释：
''MCP 就是让 AI 真正“会用工具”
的底层协议。''
Claude、Cursor、Klavis、Rube……全都在往这方向卷。我花了几周，把自己的工作流全接入 MCP。
Editable Image
结果：AI 不再“聊天”，而是“干活”。
📍 我的 12 个常用 MCP 服务
Editable Image
👇这是我每天都在用的 MCP 清单：
Editable Image
📍 Klavis AI vs Rube：两条 MCP管理路线
Editable Image
💡总结一句：
Klavis 是造轮子的，Rube 是开车的。
我两个都在用——一个搭系统，一个跑业务。
📍 我最大的收获
MCP 让我意识到：
AI 的核心不是「生成答案」，而是「完成目标」。
过去：
我在告诉 AI 要“说什么”
现在：
我在教 AI 要“做什么”无论是调接口、查数据、还是更新 Notion 日志，我都可以一句话：
“帮我把这个项目做完。”
AI 真成了团队里的执行成员。
📌 #AI博主Charlii #MCP #KlavisAI #Rube #Composio #Claude #AI代理 #自动化 #开发者效率 #AI工作流
2 00 - Google是会挑时间，Grok4.1上线还没24小时，Gemini3.0 Pro就来了。
总的看下来就两个字：真神！
不说其他的直接上数据（详细数据见P5）：
LMSYS Chatbot Arena Elo：1501
（首破1500分，领先第二 Claude Sonnet 4.5 约 30 分）
ARC-AGI-2：31.11%
（人类最难的通用推理基准，全球第一）
GPQA Diamond(博士级科学题)：93.8%
（开 Deep Think 模式）
RWE-Bench Verified(真实代码修复)：76.2%
（第二，仅输 Claude 1 个点）
工具使用 τ2-Bench：85.3%（大幅领先）
简单说：推理、多模态、工具调用全面顶尖，代码稍微落后 Claude 一点点，但差距已极小。
横向对比（无拉踩的意思）：
想刷榜、搞科研、玩多模态 ：Gemini 3.0 Pro 目前最强；
纯写代码、追求极致稳定 ：Claude Sonnet 4.5 仍稍胜一筹；
要快、要便宜、要日常好用 ： GPT-5.1 还是最均衡；
一句话，纸面参数已经封神，实际体验还是得等大家试过才是知道。
#AI工作流
1 00 - AI 总忘记我的要求：写分析忘结构、写文案忘风格、审代码忘标准。
我以前以为这是模型的问题，后来发现是我没给它一个“长期记忆的工作方法”。
直到用了 Claude Skills，这个老大难问题彻底解决。
1｜Skills 为我解决的核心痛点
AI 每次都要重新解释流程，非常低效。
我把自己最常用的 SOP 写成 Skills，例如：
分析报告的结构
内容写作的风格
代码审查 checklist
之后 Claude 会自动按需调用这些方法，不会忘，也不用我再重复。
2｜Skills 和 Prompts 的区别
Prompt：一次性的即时指令
Skills：可重复调用的工作方法
以前我写一次任务就得重新讲一次要求；
现在这些方法被长期存储、自动加载。
3｜Skills 和 Subagent 的区别
Skills 是“方法”，定义怎么做
Subagent 是“角色”，负责执行任务
我做了一个只读权限的代码审查 Subagent，它只负责“看代码”；
审查的规则、标准、流程全部由 Skills 提供。
两者结合后效果最明显：
我一提交代码，Claude 自动让审查员执行，按 Skills 标准逐项检查，不需要我说一句话。
4｜再说一下 Skills 和 MCP 的不同
MCP：让 AI 连接外部系统，如文件、数据库、工具
Skills：让 AI 知道如何处理任务
一个负责“接入世界”，一个负责“怎么做事”。
5｜最终感受
以前我和 AI 是“临时合作”；
有了 Skills（方法）＋ Subagent（角色）＋ MCP（工具访问），
AI 才真正变成“能接手我工作流程的同事”。
#ClaudeAI #AI工作流 #Skills体验 #Subagent #AI自动化 #效率提升
1 00 - 最近手搓了一个能搜索全球近期新闻的模型，已加到Free AI for Everyone、Web AI助手和iMessage AI助手里供大家免费使用👇
AI模型的新闻获取通常是通过联网搜索来完成的，速度比较慢。而我这个模型的新闻在服务器上做了缓存，不依赖于搜索，速度会快很多，成本也会降低不少。
Free AI for Everyone: free.stockai.trade
Web AI助手: web.stockai.trade
iMessage AI助手: stockai.trade
#buildinpublic #AI工作流 #AI的神奇用法
2 00 - Nano banana确实强，过去做这种线条插画科普风图片，起码几个小时，今天被我摸索出来，只需一句提示词就能做到
Flat illustration, science infographic style, clean vector-like outlines, soft shading, low-saturation color palette, humorous and educational tone, digital illustration, minimal texture, cartoon yet scientific diagram style, informative labels.
#提示词工程
#AI工作流
#AIGC创作大赛·夏日
25 511 - 😎趁着最近的闲暇时间，系统的看了一些 AI 编程“正规军”的教学。
📖例如吴恩达和 Anthropic 的技术布道师 Elie Schoppik 的 Claude Code 实战课，还有 Peter Yang 和 Cursor 的技术布道师 Lee Robinson 的 Cursor 实战课 ，还有其他几个 AI 大牛的课程。
⭐️在看了不下 5 套教程后，我确实发现一些有意思的问题和共性点，比如：
1️⃣项目的初始化非常，非常，非常重要！任何 AI 编程工具不可能在没有上下文的情况下，凭空完成一个模糊的需求，另外在某个 Cursor 的 课程中，讲师提的一个技巧让我十分受用，讲师在跟 AI 的沟通过程中，会把 AI 当做人看 ，会主动让 AI 把不理解的地方变成问题提出来并要求讲师进行回答，这样在 AI 完全理解后，再进行下一步的操作，会极大的提高准确度。
2️⃣在好几个教学里面都提到了一点，如果将 Vibe Coding 带到现实的工程里，基本上光一个上下文长度的问题就可以难死一堆 AI 工具了，而且 Cursor 官方的技术布道师 Lee Robinson 自己都说了对于长期维护的项目，他自己是不会用 vibe coding 的方式，他会采用最 normal 的方式来维护这些东西。但用 AI 来辅助和增强自己是绝对没问题的，所以 Vibe Coding 有明显的边界，但它仍然可以明显的提高效率。
3️⃣目前这些“正规军”的工作流里最让我惊讶的是他们对测试代码的关注和使用。大部分讲师的工作流里都会通过测试代码来约束 AI 的行为。而且他们通常不会把测试放到整个功能或者需求完成后才进行，而是在每个功能实现 step 中就不停地插入测试，通过这样的方式来保证每个步骤的准确度，这样更细粒度的操作确实是很让我惊讶，但也马上理解到其中的精髓；同时他们这种用测试来收敛 AI 的方式，也让我们这些从来不怎么给业务代码写测试的人感到一阵羞愧难当。
4️⃣最后就是一些想吐槽的了，Claude 的 Pro 计划只能用 sonnet 模型，好难过，我说为什么我的 AI 就是没有讲师们的聪明，原来都是钱没交够，另外 figma 官方的 mcp 竟然不给 edu 用户开启，也是让我心碎了......
5️⃣最后就是刚把 AlexSideBar 用明白，就发现它已经被 OpenAI 收购了，只能说十分期待 OpenAI 未来在 Apple 生态里的表现了！
好了，学习的差不多，后面就让我的 AI 员工开始上班干活吧！
#AI工作流 #AI的神奇用法
24 69 - Midoo AI 是全球首个语言学习Agent。所有人学一套课程的时代要结束了，不是在未来，而是现在！Midoo.AI，带给你个性化、沉浸式、有趣有温度的语言学习体验。 #提示词工程 #AIGC创作大赛·夏日 #AI工作流 #语言学习03:0227 927
- Anthropic昨天发布的Claude Haiku 4.5模型已可以在Web AI助手和iMessage AI助手中直接使用👇
Web AI助手: web.stockai.trade
iMessage AI助手: stockai.trade
#buildinpublic #AI工作流
1 00 
2 00- 今天尝试了一种全新的 AI 协作方式 —— AI as me。
简单说，就是让 AI 按照我的思维模式去思考和判断。
我做了第一个“AI 分身”，让它帮我处理日常的新闻筛选。
经过 3 轮反馈和反思，它的任务处理准确率就超过了 80%，而且推理过程还给了我不少新的启发。
首次试验就感到非常惊喜，可以长期打磨使用
实践步骤很简单：
1️⃣ 生成一份属于你的思维画像
2️⃣ 把它写成系统提示词
3️⃣ 用这个提示词让AI做日常任务 → 给AI反馈与你思考的角度与想法 → 要它反思 → 不断迭代
这种感觉就像突然多了一个“第二个自己”，非常惊喜。
方法来自@余一.Dev ，图片生成方法来自@赛博禅心（大聪明）
#AI的神奇用法 #AI工作流
8 46 - #AI工作流 今天本地拉起来了 ragflow，感觉有点意思，接下来研究研究把论文都丢进去看看效果。
然后再优化优化目前 obsidian+zotero 的阅读工作流，ai 读论文真方便哈哈哈哈。
后面再有心情了，把自己积攒的开发文档都丢进去，顺便打通hexo的博客发布流程。
目前唯一的遗憾就是服务器太弱鸡，除了OCR用的都是在线大模型服务，不过这个token消耗貌似还能接受。
（仔细一想，我的obsidian todo list已经欠了十几篇博客没写了，拖延症啊🥲）3 10 - 【Claude Code多开党福音】让你的Claude Code不再摸鱼🐟
场景：
开了5个Claude Code终端处理不同任务
需要不断切换查看哪个完成了
经常发现某个早就完成了，白白浪费时间
Tab 1 ❌ 还在运行
Tab 2 ❌ 还在运行
Tab 3 ✅ 完成了！
Tab 4 😭 10分钟前就完成了...
解决方案：Claude Code Reminder
✨ 语音播报项目名
"backend 任务完成"
"frontend 等待确认"
马上知道是哪个终端！
不用再来回切换了！
📦 安装超简单（30秒）
支持Windows/Mac
自动识别中英文
GitHub已开源
Link: github.com
您的Star🌟是对开源新人的最大鼓励~
#AI工作流 #AIGC创作大赛·夏日
2 00 - 不知不觉已经在Web AI助手里实现了不少文档转换功能，在这里稍稍梳理一下：
1. PDF转Markdown（免费）：
适用场景：提取文本型PDF中的文字。
用法：在Web AI助手中上传PDF，点击“发送”即可转换成Markdown供下载。
2. OCR转Markdown（0.001美元/页）：调用“地表最强”的Mistral OCR，价格与Mistral OCR相同。
适用场景：提取PDF扫描档或图片扫描档中的文字、表格、图片、公式。
用法：在Web AI助手中上传PDF或图片，并且在消息框内输入“OCR”后点击“发送”即可转换为Markdown供下载。
3. Markdown转PDF（免费）：
适用场景：将Markdown文档转换为更方便阅读的PDF（显示经过渲染的Markdown文本和Latex公式）。
用法：在Web AI助手中上传Markdown文档（.md后缀），点击“发送”即可转换为PDF供下载。
4. AI回复转PDF（免费）：
适用场景：将AI的回复转换为PDF。另外，由于iMessage本身无法渲染Markdown/Latex，这一功能可以让iMessage正确显示Markdown/Latex。
用法：在iMessage AI助手或Web AI助手中发送消息“转PDF”即可将AI的上一条回复转换为PDF供下载。
5. AI回复转图片（免费）：
适用场景：将AI的回复转换为图片。另外，由于iMessage本身无法渲染Markdown/Latex，这一功能可以让iMessage正确显示Markdown/Latex。
用法：在iMessage AI助手或在Web AI助手中发送消息“转图片”即可将AI的上一条回复转换为图片供下载。
Web AI助手：web.stockai.trade
#buildinpublic #AI工作流
5 02 - 之前用 Claude Code 一直在命令行里切换项目和会话，体验有点硬核。
今天试了下这款 华人开发者做的中文友好工具，真的舒服很多：（从图1切换到图2-4）
可视化项目浏览器，直接管理 ~/.claude/projects/
会话历史、时间线、检查点一目了然
内置搜索，快速找到项目/会话
还能直接编辑 CLAUDE.md 文件，支持实时预览
一句话总结：从命令行切换到可视化，Claude Code 更高效、更好用了！
对中文用户也非常友好，推荐大家试试 🚀
#ClaudeCode #VibeCoding #AI编程 #华人开发者 #中文友好 #开发者工具 #效率提升 #编程效率 #AI工作流 #程序员日常
2 10 - AI真是工作中最好的搭子
比如，制作一个ppt
先用AI工具整出大纲
再结合模板搭出V1版
又结合反馈精调出V2版
甚至每句话都能用AI精心修改一下
以前精力都耗费在V1版
顾及不上沉淀下去，完善细节
有AI这个搭子
找回了探索的乐子
#AI工作流4 60 - claude code用了这么久，也有了很多心得，其中subagent模式最近大家讨论很多，但是也看到很多人吐槽subagent对用量的显著增加，我有一些新心得：
核心原理
Subagent 的本质是上下文工程工具，不是成本节约工具
• 总 token 消耗不变，只是重新分配
• 价值在于保护主 agent 的长期上下文记忆
最佳使用模式
✅ 正确用法：Subagent = 研究员 + 规划师
• 调研大量文档 → 返回简要总结
• 分析代码库 → 提供实现方案
• 信息压缩比高（输入多，输出少）
❌ 错误用法：Subagent = 执行者
• 直接编写代码实现
• 主 agent 无法获得执行细节
• 调试时仍需重新读取所有内容
实际操作建议
1. 像素级操作
/agents → Create New Agent → Project scope → Generate with Claude
2. 角色设计原则
• 专业领域的研究专家（React研究员、API设计师等）
• 明确禁止执行实际实现
• 使用文件系统管理上下文传递
3. 工作流程
主agent创建上下文文件 → 委托subagent调研 → subagent返回计划 → 主agent执行实现
Token 经济学
传统方式：15000 tokens 全在主 agent → 触发压缩 → 丢失项目记忆
Subagent 方式：
• 调研：10000 tokens（独立上下文）
• 传递：500 tokens（主 agent）
• 实现：5000 tokens（主 agent）
结果：主 agent 只用 5500 tokens，保持完整项目记忆
关键洞察
1. 不要期望节省总成本，而要优化成本分配
2. 信息压缩率是关键：调研适合 subagent，实现适合主 agent
3. 上下文 > 效率：长期项目中，保持主 agent 记忆比单次效率更重要
4. MD 文档策略：可以记录决策和架构，但无法替代代码级的调试上下文
最终建议
适合 Subagent：文档研究、技术调研、方案规划、架构分析
保留给主 Agent：代码实现、调试修复、业务逻辑、用户交互
核心哲学
让 subagent 做”消化信息”的重活，让主 agent 做”创造价值”的精细工作，通过精心设计的信息传递机制连接两者。这是一个精妙的工程权衡，而不是简单的功能分工。
#claude #AI工作流 #agent5 02
