‍国庆长假结束啦！朋友们，咱们回来继续学习 n8n.io 工作流 😁 在期望 AI Agent 自主决策，自主执行的同时，我们也会期望加入人为的干预，使得工作流按照我们的预期执行。这也是著名的 Human in the loop 概念。 youtu.be/BLlxE1Omp0k?si… 今天发布的会员内容 - 第18讲介绍 n8n 工作流中如何实现

n8n刚刚宣布，完成C轮融资，总额1.8亿美元。经过此轮融资，估值来到25亿美元。 继续学习n8n。昨天【n8n入门】课程第18讲发布 - Human in the loop。 课程播放列表： YouTube: youtube.com/playlist?list=… B站：bilibili.com/cheese/play/ss… OpenAI发布Agent Builder，会动摇 n8n 的市场地位吗？

Claude Code支持插件（plugins）了！😋 通过插件，用户可以一键安装套餐包，可以包括： - slash命令 - agents - MCP servers - hooks 用户定制化Claude Code变得更加简单！ 看起来，Claude Code Plugins与近期发布的Gemini CLI Extensions非常相似啊。 巨头们都在做着相似的事情。

Claude Code支持插件（Plugins）咯 🥳。一个插件可以包含： - Slash Commands - Agents - MCP Servers - Hooks 更重要的是 Plugin marketplace，实现了插件的分发🥳 视频分享： youtu.be/QyTnIMJVMjU?si… 通过一键安装插件，用户可以快速完成以上工具的安装，轻松定制Claude

OpenAI官方文档，对于MCP Server开发的示例引用的是 FastMCP。 看起来 Python 生态内，用FastMCP开发MCP Server应该是最优的选择之一了。 #MCP

继续学习 n8n.io 工作流 😁 今天发布会员内容 - 第19讲 Webhook。 youtu.be/wjPUmWFcuyM?si… 这是将 n8n 工作流的功能发布给外部应用或服务的重要接口。通过利用Webhook，我们可以将工作流集成到： - Slack - Telegram - WhatsApp - ... 还可以通过程序化的方式从外部驱动它的执行。毕竟，总是回到

我宣布，今天开始我和Anthropic进行深度合作，深度集成Claude。 有不会的问题可以问我，我替你问Claude或者Claude Code。

试用了著名的开源工具包Spec-kit。它支持SDD的开发模式，使用可执行的规范来引导 AI Agent进行开发。 youtu.be/YVFbc06cV_w?si… 它并不提供Coding Agent，但支持主流Coding Agent😶‍🌫️。 典型的开发流程： - constitution - specify - plan - tasks - implement

自定义 Agent Skills 来了 🎉 youtu.be/X_YtuTeUf-4?si… 这次来做自己的第一个Skill！视频手把手演示: - Skills 架构详解 - MD 文件编写要点 - 目录组织和打包规范 - 实战测试技能包 演示中我把自己日常AI辅助写作中偏好的风格通过 Skill 实现。基于 Skill 的写作产出效果令我颇感欣慰 😶‍🌫️

你知道这让我想起了什么吗？ - 小米对标特斯拉 - 蔚来对标特斯拉 - 小鹏对标特斯拉 - 华为对标特斯拉 - ...

继续学习 n8n.io 工作流 😁 今天发布了新的会员专享内容 - 第20讲 新特性 Data Table。 youtu.be/DFTm3V0Y2Vs?si… 这是 n8n 工作流原生的表格数据存储机制。不需要额外的软件安装与配置，在n8n中直接使用。 工作流生成的数据，状态数据等，你能想到的，需要存储的数据，都可以考虑使用 Data

真正的自主性并不在于更大的模型，而在于赋予LLM认知的四大支柱： - 感知：观察和理解其所处的环境。 - 推理：规划、反思和适应。 - 记忆：随时间推移记住成功、失败和上下文。 行动：通过API、工具和图形界面执行实际任务。 至此，智能体就不再只是被动反应——它开始思考。 论文链接

抓重点 😶‍🌫️ 什么是邓宁-克鲁格曲线？ “邓宁-克鲁格曲线”（Dunning–Kruger curve）指的是一种常见的认知偏差现象，用来描述能力水平与自我认知之间的不匹配关系。它来源于心理学家 David Dunning 和 Justin Kruger 在 1999 年提出的研究。 简单来说：

Gemini API 中终于可以使用文件搜索了。 RAG来了。 不过话说，这套机制 OpenAI 在 Assistants API 时代就基于 Files API 和 Vector Store 支持了。 OpenAI还是可以的。

Gemini API发布了文件搜索（File Search）工具。基于它，开发者现在可以在Gemini API启用RAG。 youtu.be/9FiZFCfk2RM?si… 开发者在基于Gemini模型构建AI应用时，知识库的集成变得前所未有的简单。这只需三步： 1. 创建文件搜索存储 2. 上传文件 3. API调用中集成 File Search 工具

Gemini又进化了，3.0 Pro来了。 youtu.be/smaAMJDigQA?si… Gemini CLI已经可以使用该模型，不过注意，要使用该模型，要么： - AI Ultra订阅用户 - Paid Gemini API Key - Vertext AI 视频演示中，实测3.0 Pro完成React Native Boilerplate项目的开发，过程丝滑，体验佳。 本次发布还有个新玩具

【LangChain智能体开发全栈课程】系列火热更新中。 youtu.be/kxqpPE9Aubw?si… 这是第一课，带你快速上手 LangChain 1.0，了解核心概念，配置开发环境，并运行你的第一个智能体示例。 该课程系列带你从零开始，系统学习如何使用 LangChain 1.0 构建 AI

【LangChain智能体开发全栈课程】系列火热更新中。 这是第三期的视频： youtu.be/iO2I0ZcnPLM 截止今日，已发三期： - 01 简介 - 02 模型 - 03 消息 当前还是前置知识的分享，很快就会进入智能体开发了。大伙儿稍安勿躁。

Keep App我用得蛮久了，日常健身的数据都用它记录。但我很反感它的海量，频繁跳出的广告，我也不需要： - 健身课程 - 社交 - ... 因此，我用AI写了一个符合自己需求的 Fitness Tracking App。目前第一版只支持 Movement Tracking，比如跑步，骑车，驾车等。

【LangChain智能体开发全栈课程】系列更新第4期： 工具 - youtu.be/d5E_vnZycC4 工具使得Agent能够执行具体的操作：查询数据库、调用 API、执行计算、访问文件系统等。 用 Pydantic 能高效的定义复杂参数 schema 并添加验证机制。