从github上拉取pr分支代码

git clone到指定目录

这篇文章详细介绍了如何利用AI工具进行深度自我复盘的全过程。作者通过Claude Opus花费约70美元，完成了从材料准备到行动规划的系统性复盘。关键步骤包括：1）让AI阅读所有工作记录；2）校准AI对现状和目标的认知；3）转换角色让AI引导提问；4）用语音详尽回答；5）阶段性沉淀成果；6）关联记忆碎片；7）标记暂缓话题；8）制定具体行动计划。作者强调这种深度复盘的价值在于建立了一个真正理解自己的

摘要： 哈佛大学研究指出，AI正引发"偏向资深者的技术变革"，初阶岗位需求减少而资深岗位持续增长。在AI能高效生成方案后，资深者的核心价值在于成果交付力：将理想方案转化为实际成果的"最后一公里"。这包括处理架构隐患、协调团队资源、应对突发情况等AI无法完成的任务。AI可以产出"功能"，但资深者交付的是稳定可靠的"产品"

我用 AI 写了一版需求，然后手动把它全部改回了传统格式。因为我怕。怕开发说"你没认真想"，怕暴露自己对业务还没吃透。一个顶着"AI产品经理"头衔的人，亲手把 AI 的痕迹从自己的工作里抹掉了。这件事发生在我转型的第三个月。但要讲清楚它为什么发生，得从更早说起。

我用 AI 写了一版需求，然后手动把它全部改回了传统格式。因为我怕。怕开发说"你没认真想"，怕暴露自己对业务还没吃透。一个顶着"AI产品经理"头衔的人，亲手把 AI 的痕迹从自己的工作里抹掉了。这件事发生在我转型的第三个月。但要讲清楚它为什么发生，得从更早说起。

本文档主要是讲下付费，到实际使用到项目里面的一些流程，以及注意点。不难，单纯记录。

openManus agent 具体实现agent的详细分析

本文粗浅对比了阿里巴巴的Tongyi DeepResearch和字节跳动的DeerFlow两大深度研究代理框架。

摘要：本文分享了Prompt工程从初版到落地的5次迭代过程，强调"Prompt是测出来的，不是写出来的"核心理念。作者以"产品评价打标签"功能为例，展示如何通过测试发现问题、优化Prompt，重点关注可调试性而非完美结构。文章详细记录了v0.0.1版本的生成过程（利用元提示词+标签体系）、关键问题（情绪判断粗糙/标签匹配不全等）及修正方案，并强调数据质量校验