Cubox 阅读地图 2026-06-05

总览

本次整理对象是 Cubox 中的非归档文章，共 2012 篇，其中未读 1804 篇。

当前收藏的主线很清楚：不是泛泛追 AI 新闻，而是在围绕 Agent、AI 编程、评测、Skills、AI Native 公司 建一套个人知识系统。

已顺手处理：

• 将唯一未分类文章《PawBench：给通用智能体一把可度量的尺》移动到 AI评测
• 为其添加标签 概念/评测

核心主线

1. AI 编程 / Agent / AI 评测

这是最高优先级主仓库，应该先读。

关注问题：

• Claude Code、Codex、Cursor、Qoder 等工具如何进入真实工程流程
• Skills、Harness、Agentic Engineering 如何变成可复用能力
• Agent 如何测试、观测、评估和治理
• AI Friendly 架构应该如何设计

代表主题：

• Software 3.0
• Claude Code 最佳实践
• Codex 工作流
• Agent Harness Engineering
• Eval 数据集
• SaaS-Bench / PawBench

2. AI 行业 / AI 模型 / AI 产品

这是趋势判断区，适合快速扫读，不必篇篇精读。

阅读方式：

• 按公司扫：Anthropic、OpenAI、Google、字节、阿里、DeepSeek、NVIDIA
• 按主题扫：Token 经济、MaaS、模型能力、上下文、记忆、AI 云、端侧智能
• 只提炼判断，不追每一次发布会

重点不是“谁又发了什么”，而是判断：

• 模型能力正在往哪里迁移
• 产品形态是否从 Chatbot 走向工作系统
• 商业模式是否从订阅走向结果付费、Token 经营或 Agent 服务

3. AI 变现 / 职场 / 金融投资

这是机会判断区。

关注问题：

• 一个人公司是否真的可行
• AI Native 公司需要什么组织方式
• 独立开发、GEO、小红书虚拟产品、自动化增长是否可复用
• FDE、AI 落地工程师、35 岁职业转型与工资制度变化如何影响个人路线

这部分适合沉淀成案例库，而不是只收藏故事。

4. Obsidian / OpenClaw / 效率工具

这是个人操作系统和知识基础设施区。

关注问题：

• 如何让收藏不只是稍后阅读，而是变成可检索、可复用、可演化的知识库
• 如何把 Obsidian、Cubox、Claude Code、Skills 串成工作流
• OpenClaw / Hermes / 自动化工具中哪些设计值得吸收

这部分应该长期保留，并持续沉淀方法论。

精读清单

AI 评测

优先精读：

• 《Agent 测试方法论：别再写测试用例了，你的 Agent 需要的是一套 Eval 数据集》
• 《Agent 测试：从全栈认知到统一沙盒，构建真正的智能体测试体系》
• 《AI Evals 的一些实践：如何从 0 到 1 构建 agent 的评测系统？》
• 《评测也很酷，Data Agent 自动化评测的三层框架与实战》
• 《Claude 通过率不到 4%，SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想》
• 《Claude 不到 4%，全军覆没！一场大考撕碎 Agent「全自动办公」幻想》
• 《PawBench：给通用智能体一把可度量的尺》
• 《给“氛围编程”系上安全带：阿里集团 AI 代码评审实践与 Benchmark 开源》
• 《揭秘大模型评测：如何用“说明书”式方法实现业务场景下的精准评估》

阅读目标：

• 建立 Agent 是否“靠谱”的判断标准
• 总结 Eval 数据集设计方法
• 提炼业务场景评测流程

Agent 工程

优先精读：

• 《我知道的所有 Agentic Engineering 技巧（2026 年 6 月）》
• 《手把手构建企业级 Agent 框架（八）：安全、权限与企业集成》
• 《Agent Harness Engineering: A Survey》
• 《刚刚，一篇最全 Agent Harness 综述来了！》
• 《Don’t Build Agents, Build Plugins Instead》
• 《AgentScope Builder 快速体验：用 Harness 框架快速构建企业自进化智能体》
• 《AI Native 组织转型，抢着组建 FDE 团队》

阅读目标：

• 把 Agent 从“聊天能力”理解为“工程系统”
• 建立插件、工具、权限、记忆、评测、审计的完整框架

AI 编程

优先精读：

• 《Karpathy 加入 Anthropic 后首讲：Vibe Coding 已死，Software3.0 来了》
• 《面向 LLM 的架构设计：什么是真正的 AI Friendly 架构？》
• 《来自 Codex 官方团队的分享：如何把 Codex 用到极致》
• 《一路飙到 3.4 万 Star 的 Claude Code 最佳实践，真有东西》
• 《Claude Code 大型代码库最佳实践》
• 《AI 编程实战：用 gstack + OpenSpec + Superpowers + Ralph 做到真正的 AI 驱动开发》
• 《50 万行 Agent 代码进了生产仓库，我们做对了什么》

阅读目标：

• 总结自己的 AI 编程工作流
• 区分“工具技巧”和“工程范式”
• 提炼可复用的上下文管理、需求澄清、测试与交付流程

知识系统

优先精读：

• 《收藏 2000 篇文章却从没看过？用 Karpathy 的 LLM + Obsidian 思路，一晚上把我的「第二大脑」升级到 2.0版本》
• 《Obsidian+Claude Code：我是如何把虚拟产品内容生产变成全自动的》
• 《深度解析 LLM Wiki / Obsidian-Wiki / GBrain：Agent 时代知识的“自组织”与“自进化”》
• 《Obsidian CEO 亲自下场！从笔记到智能助手：Obsidian Skills 如何重塑你的知识工作流》
• 《Tim Ferriss 如何像个创造者一样做笔记，而不是个记流水账的记账员》

阅读目标：

• 把 Cubox 收藏转化为 Obsidian 知识地图
• 形成“输入、整理、复用、创作”的闭环

职业与组织判断

优先精读：

• 《当我们谈论 FDE 时，我们在谈论什么？》
• 《35 岁危机，正在变成 35 岁红利》
• 《代码一旦生产出来，首先是负债 —— 一个 CIO 的 AI 效能实践复盘》
• 《停止编码的那天，就是失去架构判断力的开始：一位 30 年架构师的 AI 生存指南》
• 《AI 时代的真正冲击：不是失业，而是工资制度本身的衰亡》

阅读目标：

• 判断 AI 对个人职业路线的真实影响
• 提炼 FDE、AI 落地工程师、AI Native 组织的能力模型

可扫读区域

AI 行业

适合按公司扫读：

• Anthropic：Claude、Claude Code、自动化增长、公司战略
• OpenAI：Codex、模型能力、MCP、安全连接
• Google：I/O、Gemini、工程文化、Jeff Dean 观点
• 字节 / 阿里：MaaS、AI 云、Agent 平台、商业化
• DeepSeek / 智谱 / Kimi：国产模型路线与开源生态
• NVIDIA：算力、Token 经济、AI 基础设施

AI 模型

只保留能回答这些问题的文章：

• 新模型解决了什么能力瓶颈
• 是否改变 Agent 或 AI 编程的可用性
• 是否有工程部署价值
• 是否只是发布会材料

AI 产品

重点看产品形态：

• 数字员工
• 私人学习助手
• 创作领域 Claude Code
• 给 Agent 使用的搜索 API
• 端侧 AI 助手
• 知识管理与自动化产品

可清理区域

AI 多模态

当前 65 篇中约 40 篇为低质，建议后续集中清理。

保留标准：

• 有真实工作流价值
• 有可复用工具链
• 有明确案例或工程细节

生活

当前 154 篇中约 44 篇为低质。建议作为轻阅读，不进入主知识库。

保留标准：

• 对个人决策有长期价值
• 能沉淀成方法论
• 与健康、家庭、关系、生活系统相关

技术

技术区同时有高价值架构文章和低质量材料。

保留标准：

• 架构判断
• AI Native 工程实践
• 可迁移的软件设计原则
• 长期有效的系统设计经验

效率工具

避免变成工具新闻收藏夹。

保留标准：

• 真实使用过
• 能进入工作流
• 能节省重复劳动
• 能和 Obsidian / Cubox / Agent 体系连接

待复核文章

目前有 3 篇没有任何标签，先不强行打分：

• 《不抢鼠标的数字员工，终于来了。》
• 《程序员和宝妈，正在抢走短剧人的饭碗？》
• 《开悟之歌——空》音乐视频解析

建议后续处理：

• 前两篇如果有案例价值，可分别打 概念/案例 或 AI产品 / AI变现 相关标签
• 第三篇若只是临时兴趣材料，可留在生活类或归档

下一步动作

第一阶段：建立精读入口

• 从 AI评测 的 9 篇优质文章开始
• 每篇提炼 3 件事：核心观点、可复用方法、可落地动作
• 汇总成一篇 Agent Eval 方法论

第二阶段：沉淀 AI 编程工作流

• 从 Claude Code / Codex / Software 3.0 相关文章中提炼自己的工作流
• 形成一篇 AI 编程工作流手册
• 重点沉淀上下文管理、需求澄清、测试、交付、复盘

第三阶段：重构 Cubox 标签

建议以后把标签分为四组：

• 质量：优质、合格、低质
• 实体：公司/*、人物/*、工具/*
• 内容类型：概念/教程、概念/案例、概念/综述、概念/论文、概念/评测
• 行动状态：可新增 待读、已摘录、已转笔记、可归档

一句话结论

这批 Cubox 收藏最值得沉淀成三条知识线：

1. AI Agent 工程能力
2. AI 编程生产力
3. AI Native 个人 / 公司方法论

这三条线比单纯追模型新闻更值钱。