每天给自己写封邮件让 Gemini 回，用一个 Git 钩子管住 coding agent

Amanda Caswell 在 Tom's Guide 记录了一个月的试验：每天给自己写一封不讲语法、想到哪写到哪的邮件，再让 Gemini 回信。起初的回复积极得过头，抱怨一个失败的项目，也会收到「这是学习机会」加三条行动建议。她说，自己清楚写下时是什么心情，读到这种回信，落差特别明显。这让她决定以后不再用 Gemini 回复认识的人。

后来她改了提问方式：不要一串建议，只要 AI 指出一件可能被忽略的事，再问一个问题。 她给出的提示词大意是：把邮件当作每日复盘，不要客套和打气，列出我完成了什么、可能忽略了什么，再问我一个能改变明天做法的问题，不要默认每个问题都需要解决方案。她还建议给这些邮件建一个 Gmail 标签，每周回看一次，找反复出现的问题。

这套做法门槛很低，适合脑子里事情多、家务和工作混在一起的人。她自己的结论是：AI 不会比她更懂她的生活，也不能替她决定下一步做什么。它的用处在于帮她整理已经写下的东西。

Simon Willison 引用了 Geoffrey Huntley 的一段话。agent 不按要求调用他的诊断库，他可以去改 AGENTS.md，但他认为写进文档的规则和实际行为之间总有差距，时间长了还会走样。他的做法是把规则写进 pre-commit hook：发现违规调用，提交就失败，同时把纠正提示塞给 agent。他说之后 agent 每次都照做。

同一周，Willison 发布了 web-edit。他用手机跑 Codex 时需要改一个凭据文件，又不想让凭据经过模型，于是让 Codex 现做了一个网页文件编辑器：agent 负责把服务启动起来，他再通过 Tailscale 在手机上直接改文件。

两件事思路相同：能交给机器检查的规则，用代码强制执行；不该交给模型的数据，留一条人工通道。 团队里已经在用 agent 写代码的人，可以从 lint 规则和提交钩子入手，把说明文档里反复强调的要求改成自动检查。

Starter Story 发了两段 Lino 的短视频。第一段讲开发：他在 Lovable 上做了两个月，自己不满意，整个推掉，换成 Rork 用一个月重做，自述首月收入 7000 美元。第二段讲获客，教训更具体。他在还不知道什么内容能转化时，就去找大号健身网红，每条视频花几千美元，利润率压到 5% 到 10%，差点把生意做垮。

后来的调整分三步：给一位大号健身创作者股权，换来免费、持续的内容；砍掉其他 UGC 合作；把验证过的素材先投 Meta，再搬到 TikTok 投给更年轻的人群。 他自述的 ROAS 从 2 到 2.5 倍提高到 4 到 5 倍。

这两段是一分钟左右的短视频，没有讲留存、退款和投放预算。它们最有用的地方是交代了顺序：找到能转化的内容形式之前，不要花大钱买曝光。

据 Latent Space 的现场报道，Anthropic 在 AI Engineer NYC 讲解了 Claude Managed Agents 的新功能 dynamic workflows。Stall 称之为「下一代多 agent 编排」：由 Claude 决定要开几个 agent、怎么分工。Avilla 的出发点是，开发者同时管很多 agent 时，自己会成为审 PR 的瓶颈。

问答环节比演示本身更有参考价值。模型运行时不知道预算，开发者只能设置会话预算；Stall 半开玩笑地说，告诉模型预算可能让它「焦虑」。决定开几个 agent 靠 eval 和较低的默认值，任务大时还要明确要求它多并行。想看主 agent 给子 agent 传了什么，可以在 Claude Console 的图里逐步查看。

这些都是厂商在介绍自家新功能。Stall 说 flows 是在难题上投入更多推理算力。对普通团队来说，先算清多花的钱换来了多少多找到的东西，再决定把哪些任务交给多 agent。