这一期对你是满分相关——不是"AI 内容顺带沾边"，而是造 Claude Code 的团队亲口讲他们怎么用 agent 造 agent、怎么把人移出环路、怎么给 agent 写 prompt、怎么定发布门槛。你手上正好有一个架在 Claude Code 上的多-Agent PRD 工厂 + 一整套个人技能栈，他们踩过的坑和攒下的机制，几乎可以逐条对着抄。下面按项目对。
① Holdwell ERP 多-Agent PRD 工厂（最高相关）
他们怎么做的：Anthropic 把"把人移出代码审查环路"当成一个六个多月的渐进工程，而不是一刀切——先人审一切；再逐步证明"某类改动 code review 能抓 100% 问题"才撤人；每次事故复盘把肇事 case 加进 eval 集，锁死"未来任何改动都不许在这个指标回退"（t031）。发布靠一条清晰到每个工程师都知道要冲什么的量化门槛（活跃用户数 + 留存），不达标就是不发（t022）。system prompt 反复"软化到 100% 准确"：发现一条指令"90% 成立、10% 不成立"就改写，因为"这段 prompt 是 100% 的时间都喂给模型的"（t039）。
你可以怎么做：
- agent 产出的可观测/可验证 → 抄他们的"清晰门槛 + 渐进撤人"。别指望一步到位让评审全自动卡关；先给每个环节定一条可量化、agent 一眼可判的通过标准（他们用留存，你可以用"碰撞三件是否交齐 / 评审意见是否全部回炉 / 冲突项数=0"），再对"已证明 agent 能 100% 把关的那类 PRD 环节"撤掉人工复核。标准够清晰，三驾马车 agent 才知道自己在冲什么。
- 真人评审意见回炉缺闭环 → 这就是他们的 eval 集打法。每次评审挑出问题，把那个具体 case 固化成一条评测样本喂回工厂，"未来任何工厂改动都不许让这条回退"——跑一轮就自动积累出闭环证据，而不是靠人回忆"上次哪里翻车了"。
- 跨线对齐 → 用 Claude Tag 式的多人单会话收口（t021）：跨产品线联动的需求放进一份会话里，各线负责人 @ 进来补自己那段，靠社交规范自然对齐，比各线各写一份再合并更省事。
- agent 定义怎么写 → 记住 Cat 的"低 cardinality"原则（t056）：三驾马车每个角色的职责要和其他明确区分，否则 agent 难判断哪件事归谁；定义能精简的精简（他们连 grep/glob 都删了改用原生 bash）。写 agent 定义时少写"不许做 X"的硬禁令、多给上下文——禁令一旦和后续指令冲突，agent 会困惑"定义说这样、上层说那样"（t038）。
更深一层（镜子）：他们反复强调"产品品味 > 执行力、PM 是工程+设计+PM 混合体、哪里有缺口补哪里"（t006/t079）。对你这个 8 人 PM 团队的工厂，这是一面镜子——工厂真正的价值不在"把执行自动化得多快"，而在有没有把"该不该做、做什么"的判断力前移进 agent。如果工厂只是更快地产出 PRD，却没提升"选题"的判断，那就是在更高效地做可能白费的 99%。
② app_incubator（7-Agent 造 App）
他们怎么做的：workflow 的本质是"Claude 编排一整批 subagent、每个发一份很详细的 prompt"，比"生成单个 subagent"高一层（t043）。file edit 工具保留纯为渲染出一个确定性的审批锚点（t056）。但 Cat 也承认模型设计/UX 品味仍是短板——能照 spec 实现，但"padding 不对、界面还不 delightful，偏套现有最佳实践"（t088）。
你可以怎么做：
- 把"该做什么"前移 → 正对 t006。你的链路别只做"设计稿→工程执行"，在最前面加一个"该不该做 / 做什么"的判断环节，让 agent 先争论清楚再动工。
- 激活/首屏体验 → 记住 Cat 的失望点：delight 环节别指望 agent 一把梭。首屏、激活这类"新交互体验"恰恰是模型最弱、最容易撞上"Opus 审美"的地方（t089），这里要留人来把关、给足详细 spec。
- 设计稿即强制契约 → 和他们 file edit 的思路同源：靠一个确定性锚点让 agent 链路可审、可卡。你的"设计稿即契约"就是这个锚点，值得继续强化。
③ StockHelp / 你的价值投资实践
他们怎么做的：Cat 用 workflow 做旅行深度调研——查直飞航班、按难度筛线路、按"接近段最短"的个人偏好排序，最后得到一个"专属定制 app"（t104）。发布决策靠一条清晰的量化门槛（t022）。
你可以怎么做：
- 看板该显示什么信号 → 学他们"定一条一眼可判的清晰线"。与其堆一堆指标，不如先立一两条硬门槛（如"5 年 PE 分位 < 20% 且自由现金流为正才进候选池"），清晰到看板上一个色块就能判"被低估/别碰"。
- 个股深度调研 → Cat 那套"workflow 做深度调研"可以平移到 Phase 2/3：让 agent 拉财报、算基本面比率、找同业对比、按你的能力圈偏好排序，产出一份"专属选股简报"，正是你想要的"卓越生意监控"。
更深一层（冲突，值得点出）：他们的核心信条是"不要跟自己谈判、尽量有野心、默认答案别是'不'"（t098/t099）——这对做产品是对的，但对价值投资恰恰要反着用。投资的胜负手是安全边际、能力圈、别追涨杀跌，默认答案本来就该更接近"不"、更接近克制。把这两套心态摆在一起看很有意思：产品要野心，仓位要谦卑；别把"造 app 的 all-in 冲劲"误带进 StockHelp 的按钮上。
④ Personal Thinking（第二大脑）
他们怎么做的：观众专门追问"memory 要不要从文件换成 data store"，Thariq 的答案是——现在 Claude Tag 的 memory 就是"每个频道一个 Markdown 文件"，session 可回写主 memory，"什么才是对的 memory 方式其实挺反直觉"，仍在实验、暂无定论（t109/t110）。团队记忆的用法是"把偏好写进一个持久文件、让未来每条消息自动继承"（t016）。
你可以怎么做：
- 摄入 SOP / 信噪比 → 这直接给你的第二大脑路线背书：连造 agent 的团队都还在用"markdown 文件即记忆"，暂时不必纠结上数据库。你现在的"主题骨架 + 原子笔记文件"就是主流做法，先把这套跑扎实。
- 跨主题串联 → 抄"团队记忆"思路：把你的摄入偏好、WIIFM 镜头、密度梯度标准写进一个持久的 memory 文件，让每次和 AI 对话都自动继承，而不是每次重述。
⑤ Chief of Staff apps
他们怎么做的："不要跟自己谈判"——别在脑子里预设一堆取舍、劝退自己，而是逼取舍拿证据显形："这是真取舍，还是只是听起来合理？"（t098）
你可以怎么做：这句话几乎就是给 CoS 量身定做的守门规则。CoS 的价值本就是"把你写过的原则放回你眼前"；可以加一条反自我谈判的探针——当你说"算了太麻烦 / 不值得 / 以后再说"时，CoS 反问一句"这是一个有证据的真取舍，还是你在跟自己谈判把有野心的事劝退了？"这正好补强你列的"软教练质量"痛点。
⑥ xiaohongshu_momorain（一人增长团队）
他们怎么做的：Cat 一个人用 Claude 补齐所有缺口——把发布日历、异步状态收集自动化，人只做判断（t079）；发布靠"活跃 + 留存"的清晰门槛（t022）；Thariq 坚持"产出必须过品牌团队极苛刻的审美，否则不做"（t003）。
你可以怎么做：
- 指标盘空着没跑 → 抄他们的"清晰门槛"。给你的家居号定一两条硬线（如"某类选题的完播率 / 隔周回访达到 X 才算值得复制的支柱"），线清晰了，指标盘才有意义、才会真的去跑。
- 一人增长团队 → 你和 Cat 的处境同构。把选题矿池、发布日历、数据收集自动化成 workflow，你只保留"判断该发什么"这一层——这正是"PM 思维这张牌"的打法。
- 封面/内容品控 → 用 Thariq 那条标准：发布前过一道"苛刻审美闸门"（可以让 de-ai-flavor + 你的封面规范当这道闸），不过关就不发。
⑦ 职业 / 本人精力（元约束）
他们怎么做的：Thariq 把失落感的解药定为"更大的野心"，榜样是 Jared 手写一年 Zig、再重写 Bun 都乐在其中（t075）；但两位也反复说"全是脑力活、确实累""野心抬高很累"（t004/t005）。
你可以怎么做 / 更深一层（镜子 + 冲突）：
- "更大的野心"对你单兵多线是双刃剑。一方面，t006"该做什么 > 执行"给你的"该 all-in 哪个编码下注"一个清晰答案——下注点应该压在判断力和品味上，而不是执行速度（执行已经变便宜了）。
- 另一方面，Anthropic 的"尽量有野心、别跟自己谈判"是一家在扩张、不缺人手的公司的姿态；而你的元约束是"精力与聚焦是最稀缺资源"。所以这条对你要打个折反着用：不是无限扩张野心，而是用你的杠杆观（判断力 > 工时、盯那 1%）去挑一件最大的事有野心地做，其余的果断不做。把"野心"和"聚焦"这对张力摆正，才不会把自己累垮——这恰恰是你每周留一天思考要解决的问题。
One Human Company 新号（2026-07 回填）
- 怎么做的：这期是新号 C 类选题的富矿，三条最硬：① Anthropic 内部的 Claude Tag 承包了产品工程团队 65% 的产品 PR，但这份"把人移出环路"的信任是花六个多月、靠上千个 eval 一小步一小步建起来的——先人审一切，证明某类改动机器能抓 100% 问题才撤人，每次事故把肇事 case 加进 eval 集锁死回退；② 最反直觉的一条：模型越强，他们反而把 system prompt 砍掉 80%——删示例（"前沿模型比我们给的示例更有创造力"）、删"不许做 X"的硬禁令、把"90% 成立"的指令软化到 100% 准确；③ 联合创始人口头禅"不要跟自己谈判"——别在脑子里预设取舍劝退自己，逼取舍拿证据显形。
- 你可以怎么做：
- C 类候选（最亮）：「Anthropic 说模型越强提示词该越短，我把 drizzle tech 的 agent 提示词砍了一半——翻车清单在这」——照 Cat 的"软化到 100% 准确"方法过一遍你 9+1 角色的提示词：删掉哪些示例和禁令、砍完后哪个角色立刻变笨、哪个反而更聪明，附砍前砍后的 token 成本对比；可抄物是"提示词瘦身三步自检卡"。有实测有反例，闸门稳过。
- C 类候选（第二发）：「Claude Code 团队用 6 个月才敢把人撤出审查，我的一人公司多久敢？」——把"渐进撤人 + 事故进 eval 集"搬到你的造 App 管线，记录你在哪个环节第一次敢不看 agent 产出直接放行、依据是什么；这同时是 B 类的绩效考核素材。
- D 类候选："不要跟自己谈判"天然是一句可反驳的立场句——对应你 Phase 0 最常见的自我劝退（"这篇没人看吧""等管线更成熟再发"）；写一篇短评：一人公司最大的成本不是 API 账单，是跟自己谈判谈掉的那些没发出去的稿子。
- 和你现在做法冲突：他们的门槛是"活跃 + 留存不达标就不发"，你的北极星是收藏率——方向一致，但你还没有那条"清晰到一眼可判"的线。Phase 0 就该定下来：存稿里收藏率预估逻辑说不清楚的选题，等同于"不达标不发"。