本文是 Claude 官方文章的译文，探讨在构建 agent 系统时何时应将子 agent 折叠进主 agent 循环。文章指出，配备 skill 的单一 agent 在质量、成本和延迟方面常常优于多 agent 设计。作者分析了大型组织构建 agent 的常见失败模式（上下文管理、子 agent 泛滥、Frankenprompt、延迟等），介绍通过渐进式披露 skill 和 MCP 工具的 agent 循环设计，并给出将子 agent 迁移为单循环的分阶段方法：构建任务完成评估、合并领域 agent、将子 agent 转为工具调用、用 skill 和工具替代子 agent，以及多团队协作的治理模式。
作者分享了获取高质量AI领域前沿信息的各类信息源，包括：优质公众号如量子位、机器之心、新智元、数字生命卡兹克等；Twitter账号涵盖OpenAI、Google DeepMind、Anthropic等官方账号，以及Sam Altman、Karpathy、吴恩达等技术大佬和宝玉、Rohan Paul等资讯博主；海外Newsletter如The Rundown AI、The Batch、Import AI等；YouTube博主如3Blue1Brown、Andrej Karpathy及各类AI Coding、商业创业频道；还有MIT Technology Review、TechCrunch等科技媒体。作者提醒读者要交叉验证信息、保持独立思考。
本文从零开始，深入浅出地讲解了Transformer的原理及其如何演变为大语言模型。文章首先介绍大模型的目标是预测下一个词，然后详细解释了如何将文字转换为数字，包括Token、Token ID、Embedding Matrix等概念。接着，重点剖析了Transformer的核心——注意力机制（Q、K、V）、多头注意力、位置编码、FFN以及残差连接等组件，最后概述了模型的训练过程。全文无需前置知识，适合初学者理解大模型的基础架构。
本文面向零编程基础的初学者，系统介绍 AI Coding 的完整学习路线。作者指出 AI Coding 的核心不是让 AI 写完所有代码，而是人负责目标设定、判断与验证，AI 辅助开发各环节。文章将学习路线分为五个阶段：学会控制 AI、做出第一个网页、读懂 AI 生成的代码、把网页变成带登录和数据的小产品、处理上线后的问题，并给出 30/60/90 天实践计划、四个新手练习项目、可直接复用的提示词模板、上线前检查清单以及按阶段整理的学习资源（MDN、freeCodeCamp、CS50、Claude Code 等），帮助新手从生成代码走向做出可维护、可发布的产品。
本文面向非程序员，介绍如何在 GitHub 上高效发现有价值的项目。作者解释了 GitHub 已从代码托管网站演变为全球开源项目数据库与产品发现平台，详细讲解了 Star、README、Releases、Issues、Fork、Contributors、License 等关键指标的解读方法，强调 Star 高不等于项目好，需综合判断维护状态。文章还分享了通过作者链路、GitHub 雷达及第三方工具挖掘新爆发项目、使用搜索语法精确筛选的技巧，并指出 GitHub 对独立开发者发现商业机会、对普通人学习各领域知识的价值。
本文是作者作为独立开发者两年来的经验复盘，分享了从技术人到独立开发者的心路历程和踩坑点。作者强调独立开发的核心不是技术，而是需求、产品、流量、IP、转化和复购的闭环。文章详细介绍了如何寻找真实需求（通过社区吐槽、已有产品、开源项目等）、如何规划产品蓝图、如何获取第一批用户（通过精准内容营销）、如何打造产品闭环（订阅制定价等），并指出年入百万是由多个小产品组合而成，而非单一产品。最后，作者鼓励技术人抓住AI时代的机会，通过“内容+产品”模式实现独立赚钱。
本文是作者对 Codex 工具全面使用的经验分享，涵盖基础使用、定时任务、拉取请求、插件与技能（Skill）的安装与推荐，以及高级工作流架构。作者强调通过 prompt 四步法、先问后做、语音输入等技巧提升效率，并介绍了如何将 Codex 与 MCP、插件结合，实现从需求描述到产品开发、内容创作的自动化流程。文章还提供了个人工作流设计原则，如长期任务用 Skill、一次性任务用 Prompt，并推荐了多个实用的 Skill 和插件。
