文章介绍开源开发者 yetone 使用 Claude Code 和 Opus 5.5 模型，通过三个 /loop 循环任务自动化维护 Magpie 项目的工作流。三个循环分别处理 GitHub issue/PR 与 Discord 反馈、推特用户反馈、代码清理与经验总结。作者强调需搭建真实多端验证环境、在提示词中明确边界情况、用便宜模型过滤无关信息、让 AI 总结教训，并在项目早期与 AI 讨论设计偏好。
作者分享了使用开源项目 REA（Reverse Engineer Anything）逆向 Claude Slides 编辑器的实践过程：先下载核心脚本和样式表，通过 Codex 安装 REA，利用 REA Skill 逆向混淆代码，再用 Claude Code 5.5 重写为结构良好、类型完整的代码。对于提示词部分，作者没有直接逆向，而是通过让 AI 模仿实现一个同等效果的 Slides Skill 来获得等效提示词。文章展示了 AI 编程智能体在软件逆向工程中的应用思路和完整工作流。
作者介绍了 amontlabs/lcu 项目，它将 Codex 的 Computer Use 能力（让 AI 看屏幕、点鼠标、敲键盘操作电脑）拆分出来，通过 MCP 接口供 Claude Code、Codex CLI、Pi 等其他 AI Agent 工具调用。该项目并非重新实现，而是直接调用本机 ChatGPT 桌面版内置的 OpenAI 原版 Computer Use 运行时。它只提供 js 和 js_reset 两个工具，模型通过预置的 cua 对象编写 JavaScript 代码完成点击、输入、截图等操作，环境保留状态，并支持读取无障碍信息按元素点击。已适配 Pi、Codex CLI、Claude Code，支持 Apple Silicon Mac 和 X11 Linux，Windows 11 处于候选阶段。
Anthropic 上线面向开发者新站点 Claude.dev，定位类似工程团队博客，发布工程深度文章、Claude Code 与 API 使用指南、团队成员经验分享。文章分为智能体、工程、实战手册、技能四类，内容多围绕 Claude 5 代模型实际用法，如用 Sonnet 5.5 开发、Opus 5.5 成本估算、上下文工程规则，以及 claude.ai 提速 3 倍等工程复盘。站点还收录视频案例，并藏有终端模式等彩蛋，支持键盘快捷键导航。原文档网站 code.claude.com/docs 仍然保留。
文章解析了 Claude Opus 5.5 制作视频的原理：它并非视频模型，而是通过编写程序逐帧绘制画面，再用浏览器截图、FFmpeg 合成 MP4。全流程分为五步：规划（脚本与分镜）、画面（HTML/SVG/three.js 等代码绘制）、动作（GSAP 或 Remotion 时间轴）、声音（TTS 配音作为全片时钟）、拍摄与合成（无头浏览器逐帧截图加 FFmpeg 拼接）。文章还介绍了 HyperFrames 和 Remotion 等现成工具，对比了代码视频与 Seedance、可灵等视频生成模型的优劣，并指出其局限与成本。
文章以微博VibeLab AI创意赛（2500多件作品）为切入点，分析了Vibe Coding兴起的五大原因：一是AI Agent大幅降低了编程门槛，写代码从专业技能变成语言表达能力；二是传统软件无法满足个性化长尾需求，现在普通人可以自己动手实现；三是开发链条缩短，从想法到交付只需几步，甚至无需界面产品，一个脚本或Agent Skill即可；四是模型能力持续升级，从Copilot补全到Claude Code自主探索再到操作电脑；五是做工具心态变化，从宏大目标转向解决具体痛点。最后作者给出实用建议：从写Agent Skill起步，分步骤做原型、MVP再迭代，注意验收与安全，并把作品发布出来获得反馈。
本文整理自宝玉在腾讯的内部分享，围绕 AI 原生思维展开两部分内容：一是 AI 产品方法论，以他自制三年的字幕翻译 App BaoCut 为案例，系统讲解找需求、判边界、最小验证、重设计与落地交付的完整过程。他提出判断 AI 需求的三问（痛点、用户、能力边界）、AI 产品的三条边界（能力、成本、价值），以及'产品三问'等实操规则；二是探讨个体如何与 AI 共同进化，提出'像训练大模型一样训练自己'，通过建立反馈循环、费曼学习法持续进化，并敢于推翻旧认知。文章还总结了让 Agent 操作擅长格式、给规范不给模板、把 App 做成 Agent 插件等设计准则，兼具产品思维与个人成长视角。
作者以给自己的字幕转录翻译 App BaoCut 添加远程转录功能为例，展示了完整的 AI 开发流程：先做可行性分析（产品和技术两个层面），再借助 Claude Code 撰写设计文档，然后通过原型设计低成本验证需求和 UI 交互，反复迭代原型后再让 Agent 按文档实现代码，最后人工黑盒测试验证并反馈调整。作者强调不盲目动手、文档先行、原型即 UI 设计的理念，并表示自己不做代码 Review，只做黑盒测试。
作者分享了开发 BaoCut App 的基于 Loop 的流程：使用 baoyu-design skill 配合 Claude Code 设计原型，然后让 AI 实现功能，最后通过 Codex 的 CloudFlare Plugin 发布新版本。整个迭代从想法到 AI 设计、实施，再到人验证，形成高效闭环。
本文深入探讨了 AI 智能体中的“循环”设计理念。文章将循环定义为重复执行工作周期直至满足停止条件的过程，并详细介绍了四种主要模式：回合制、目标导向、基于时间和主动式循环。文章还提供了控制 Token 消耗、维护代码质量及选择合适场景的实用建议，旨在帮助开发者利用 Claude Code 高效构建自动化工作流。
作者介绍了 baoyu-design skill 的重大更新，新增了调用 AI 生图技能的功能。用户现在可以在制作 PPT、动画视频或网站时自动配图，支持 Claude Code 与 Codex 本地工具集成。该工具能自动为 PPT 插入图片并导出为可二次编辑的 PPTX 文件，显著提升设计效率。
Anthropic 工程/产品负责人 Fiona Fung 分享了 Claude Code 团队在 AI 时代的工程管理实践。她指出由于代码编写成本趋零，工程瓶颈已转移至验证、评审与安全层面。为此，团队废弃了六个月路线图和繁冗的文档，转而采用即时规划和代码作为“唯一事实来源”的策略。此外，她主张组织架构应扁平化，经理必须从一线 IC 做起，并重新定义了技术辩论与人机协作的代码评审流程，强调在 AI 辅助下更应关注产品质量与团队文化的底线。
本文介绍了 Anthropic 内部 Claude Code 的创建者 Boris Cherny 的访谈内容。文章探讨了 Claude Code 如何从孵化项目发展为年化营收超十亿美元的产品，阐述了编程方式的根本性转变，以及 AI 代理（Agent）在代码生成、工作流自动化和未来软件工程中的核心作用。Boris 认为编程将被解决，未来的核心是管理 Agent 和业务知识，而非纯技术实现。
本文是 Anthropic Claude Code 负责人 Cat Wu 的访谈记录。她指出 AI 时代 PM 的核心不再是制定长周期路线图，而是缩短从想法到交付的周期。她分享了 Anthropic 如何通过 Research Preview 机制实现“一天一功能”的发布节奏，并探讨了技术背景与产品品味在 AI 原生产品中的重要性。
本文详细介绍了 Claude Code 的会话管理策略。在 100 万 Token 上下文窗口的背景下，文章探讨了上下文衰减、压缩与清空的区别、回溯功能的优势以及子智能体的应用。文章指出，理解何时开新会话、如何有效利用 /rewind 修正错误，以及通过压缩或清空管理上下文，是提升 Claude Code 使用体验的关键。
文章介绍了作者开发的一款 Agent Skill，旨在解决长文配图繁琐的问题。该 Skill 能自动分析文章结构，在合适位置插入匹配风格的插图。作者详细阐述了 Skill 的“渐进式加载”机制、设计思路（如风格库匹配、提示词模板）及工作流程，并分享了如何将通用业务流程转化为 Agent 技能的思考。
Anthropic 工程师分享 Claude Code 的 Skills 功能实战经验。文章总结了内部常用的九类 Skills（如库参考、产品验证、业务自动化等），并提供了编写 Skills 的最佳实践，包括利用文件系统结构、明确触发条件以及通过脚本增强模型能力，旨在帮助团队系统化构建和分发 Skills 以加速开发。
本文记录了 Anthropic 设计负责人 Jenny Wen 的访谈，探讨了 AI 时代设计流程的剧变。她指出传统的双钻石模型已失效，工程师与 AI 工具的提速倒逼设计流程转向快速迭代与原型验证。文章还分享了她在 Anthropic 的日常工作模式（从画图转向写代码）、对 Figma 与 Claude Code 结合使用的看法，以及对 Co-work 产品开发真实故事的复盘。
文章记录了 Claude Code 创始人 Boris Cherny 在 YC 播客中的对话，回顾了该产品从终端原型发展至年化收入 10 亿美元的历程。Boris 分享了 Anthropic 的产品哲学，包括挖掘潜在需求、不为当下模型构建而押注未来模型进化的理念。文章深入探讨了 Plan Mode 的技术实现、多 Agent 协作模式（如“Mama Claude”）以及 AI 对编程效率的颠覆性提升，指出传统软件工程师角色将随着 AGI 的发展而逐渐消亡。
本文介绍了作者如何利用扣子（Coze）平台复刻 AI 辅助写作的全流程，解决 Claude Code 对非程序员不友好及无法执行后台任务的问题。文章详细拆解了七个步骤：利用定时任务搜集素材、让 AI 做调研分析、生成多版大纲、定制个人写作风格、自动润色排版、生成配图以及自动化发布。通过这套工作流，作者将自己从繁琐的执行工作中解放出来，转型为把控核心观点与审美的“内容导演”。
文章通过对比传统 Workflow 编排与 AI Agent + Skills 架构，提出大部分场景下后者可以取代前者。作者提出了五步框架（拆分、编排、存储、分摊、迭代），并结合自身写作工作流演示了如何利用 Claude Code 的 Skills 功能构建可进化的自动化系统。文章还回应了关于稳定性、成本和门槛的三大质疑，指出 Skills 在灵活性、可维护性和自我迭代方面的显著优势。
