操，我真希望我剛開始發帖時就有這個。 Grok Bot 現在幫我處理內容的管理端，我只用了 5 個提示。 我的晨間簡報在我打開筆電前就已經到達，每一封品牌回覆都以草稿形式等著我。 以下是這 5 個提示為我做的： 步驟 1 → 將以下提示貼到 Grok 4.7 上的 Grok Bot，先處理晨間簡報 步驟 2 → 每個工作日，我的簡報會跳過推廣內容，只列出需要我處理的郵件，品牌合作優先 步驟 3 → 最後列出 5 個值得回覆的 X 提及，並以 2 分鐘語音備忘錄朗讀出來 步驟 4 → 品牌提示會審閱我過去一週的贊助郵件，並逐一檢查各品牌的線上動態 步驟 5 → 它會根據我的報價單草擬每封回覆，但我仍會逐一閱讀後才發送 步驟 6 → 每天早上 8 點，它會顯示我領域中正在上升的內容，僅限自昨天以來的新動態 步驟 7 → 一旦腳本完成，它會為我生成串貼、LinkedIn 帖文和電子報章節的初稿 步驟 8 → 我將其保存為一項技能，因此下週只需一行指令，就能再次獲得這些初稿 下方卡片中列出了這 5 個提示。 請閱讀下方文章，並在上面再新增 10 個。

你可以在自己的電腦上運行自己的 AI。 大多數人設置錯誤，結果得到一個緩慢且健忘的聊天機器人。 在 GTC 2026 上，一位 NVIDIA 產品經理和一位 Ollama 工程師花了 33 分鐘講解正確的設置方法。 07:38 - 量化以及為何 Q4_K_M 是預設值 11:04 - 選擇模型：VRAM、基準測試與你的自行測試 19:08 - 使用 Ollama Launch 在本地模型上運行 Claude Code 24:20 - 本地運行代理時的上下文限制 28:17 - 從文件中提取數據的結構化輸出 我見過價值 500 美元的課程，教的內容還不如這段影片多。 先觀看影片，再閱讀下方指南。它將帶你從零開始，在 10 個步驟內於你的電腦上建立一個可運作的 AI。

LangChain 聯合創始人 Harrison Chase： 「有一個框架用於協調模型與某些上下文。」 他在不到 24 分鐘內解釋了工具使用與上下文背後的迴圈，這有助於你理解切換執行環境時的變化。 我會將這場免費演講置於許多付費的代理基礎課程之前。 觀看演講，然後閱讀文章，以打造能與不同代理框架配合使用的產品。

GPT-4 的共同作者 Diogo Almeida： 「我們正在進行第三種專為校準決策而優化的做法。」 在 18 分鐘內，他解釋了為獲得人類認可而訓練的模型為何會過於自信。 這段影片的收穫將超過一堂 700 美元的課程。 觀看演講，然後閱讀下方指南，了解 Jev 的優勢及使用方法。

安德烈·卡帕西： 「最熱門的全新程式語言是英語。」 他在不到 40 分鐘內解釋了大型語言模型如何徹底改變我們在數位環境中能做的事情，以及如何有效使用它們。 這場演講提供的實用資訊，遠多於價值 500 美元的課程。 觀看完整演講，然後閱讀下方文章，為您的代理設置可運作的框架。

代理內部的一個簡單是或否決定，成本可能高達應有成本的 400 倍。 LangChain 的首席執行官 Harrison Chase 花了 47 分鐘探討代理組件內部的實際內容。 08:27 – 什麼才算真正的組件 18:14 – 代理的構建模塊 29:51 – 為什麼代理需要沙盒 32:37 – 抵禦提示注入的沙盒 41:51 – 評估代理的混亂局面 先觀看此影片，再閱讀下方文章，了解為何能以極低成本處理該決策的模型

代理內部的一個簡單是非決定，成本可能高達應有成本的 400 倍。 LangChain 的首席執行官 Harrison Chase 花了 47 分鐘探討代理組件的實際內容。 08:27 - 什麼才算真正的組件 18:14 - 代理的構建模塊 29:51 - 為什麼代理需要沙盒 32:37 - 抵禦提示注入的沙盒 41:51 - 評估代理的混亂局面 先觀看此影片，再閱讀下方文章，了解為何能以極低成本處理該決策的模型

Odyssey-3 真的讓我大吃一驚。 一個世界模型，能驅動人形機器人、控制機械臂、駕駛汽車、操控無人機、玩電子遊戲，並訓練其他 AI。 @odysseyml 的團隊曾在 Cruise 和 Wayve 開發自駕車，自 2023 年以來一直專注於世界模型。因此，當他們稱「逐項訓練機器人」為暴力破解時，我認真聆聽。 他們的解決方案是物理代理。它透過觀察世界來學習：物理、運動、因果關係，以及人類的行為方式。 一個新的機器接入這套知識體系。他們表示，僅需幾小時的自身數據，就能讓它運作起來，並透過動作頭將模型的理解轉化為控制指令。 這基本上就像 LLM 對知識型工作的影響：底下是一個廣泛的模型，每當這個模型升級，所有建立在其上的應用都會跟著變好。 最讓我印象深刻的是：它還能生成虛擬世界，讓 AI 代理在其中練習，因此它們的錯誤會先在模擬中發生。 他們認為，世界模型最終將比人類更理解物理。這是一個大膽的主張。我期待在未來幾週公開時，能看到它能否站得住腳。

我將相同的提示分別提供給 GLM 5.3 Flash、Kimi K3 和 DeepSeek v4 Pro，並得到了三個可運行的應用程式。 在 @boltdotnew 內建構了全部三個應用，並將最佳版本上線至一個真實連結。在一般方案下，我從來不會為了這種比較而耗費提示次數。 Forge 是 Bolt 中的一種實驗模式，可運行開源模型，使用量最高可達 50 倍。您可以在無需擔心使用限制的情況下，建構與迭代網頁應用程式。 每月一檔，無每日上限。若需要，可草擬 10 個版本，待準備上線時再切換至 Standard 或 Max。 在 Bolt 自身的建構基準測試中，Forge 模型的表現達到頂級付費模型的 91%，足以滿足草擬需求。 背後的機制：選擇參與後，您的建構將有助於訓練開源模型。每次切換進入時都會提示確認。 此研究預覽期為 2026 年 9 月 14 日至 2026 年 10 月 14 日。Forge 在 Pro 方案中於 10 月 14 日前免費，另有一款每月 $9 的早期存取方案 Bolt Lite，目前開放候補名單。 由於屬於實驗性功能，請在導入任何重要專案前先備份您的專案。 觀看這三個建構成果，然後透過下方連結嘗試 Forge。

別再浪費晚上的時間去修正你的 AI 代理不斷重複的錯誤了。 一位 LangChain 工程師示範如何讓 AI 在交還給你之前自行檢查工作成果。 08:06 - 狀態、節點和邊緣 10:47 - 檢查文件與生成的答案 11:48 - 在測試失敗後重試程式碼 37:12 - 使用步驟限制停止迴圈 54:46 - 追蹤代理執行的步驟 他們不該把這個工作坊免費公開。 先觀看這支影片，再閱讀我下面的指南，建立一個能核實主張的研究工作流程。