作者总结了半年高强度使用 AI 和 Agent 的实践经验：通过沉淀确定性知识库、将高频任务封装为 Skill、用 Plugin 弥补能力不足、多 Agent 分工协作以及构建外部记忆层来搭建可靠的 Harness 工作环境。同时强调 AI 是工具而非决策者，切勿把思考让渡给 AI；AI 并没有创造新需求，重塑的是服务边界；瓶颈在于人的认知与判断力。作者认为 Agent 已能交付生产级成果，真正的护城河是个人的业务理解与持续学习，建议以明确目标驱动闭环，先动手试用再说。
本文介绍了一套将 Figma 设计稿高保真还原到既有前端工程的 Agent 自动化流程。作者总结了五类高频还原问题：设计语义丢失、多页面样式不统一、标注与真实界面混淆、素材导出策略模糊、旧页面局部改造被全量覆写。解决方案包括：通过项目级规范、知识索引和错误情况补充构建实现约束层；采用双层组件映射（语义判断 + 真实 API 确认）提升组件复用率至接近 100%；推行标注前缀协议与三类素材标签；引入时间戳版本快照机制避免循环中重复拉取设计数据以降低成本；并建立统一视口、状态流转、固定数据等五重比对前提，形成六步视觉闭环流程，最终差异率低于 0.15 阈值，还原度超过 90%。
作者作为探索 AI 与设计工程化的设计师，复盘了三次搭建自有设计组件库的尝试：第一次直接基于 shadcn/ui 纯 vibe 开发，因现成视觉规范黑盒与覆盖负担而放弃；第二次回到 Figma 定义颜色、变量与基础组件，通过 Figma MCP 交给 AI 批量转换代码，并按视觉骨架将组件分类，但自搭预览环境成为维护包袱；第三次引入 Base UI 无头组件库接管行为结构、以语义 Token 命名视觉规则、用 Storybook 建立反馈回路，一天完成组件库开发。文章总结出关键经验：把设计判断抽象为可命名的 Token 契约、选用无审美包袱的无头底座、用切片沙箱建立反馈回路，为后续 Design Harness 打下稳固基石。
作者基于 Matt Pocock 的《A Complete Guide To AGENTS.md》撰写读后复盘。文章指出 AGENTS.md 是定制 AI 编程 Agent 行为的配置层，常见问题是规则不断累加形成难以维护的泥球，并消耗模型上下文与注意力。原文提出指令预算和渐进披露等治理方法。作者提炼出四条认识：AGENTS.md 是配置不是百科、稀缺的是上下文、好规则需有证据与作用域与长期价值、按需加载有成本。面对原文反对自动生成与其自身开发生成器 AgentsMD-GEN 的表面矛盾，作者主张用纪律约束自动化，介绍了该 Skill 的指令放置、克制、只读检查器和验证等机制，把认真维护配置从自觉变成可执行流程。
文章梳理了出海创业者将 Mercury 企业账户美元资金合法转回国内的六条路径，并按合规性和实用性排序。常规路径包括通过 Wise 向国内支付工资或服务费、经香港银行中转汇入内地；备用路径包括赴港取现携带入境和用香港汇丰或工银亚洲借记卡在内地 ATM 取现。作者明确排除找人换汇和熟人互换两条对敲结构路径，指出其存在变相买卖外汇的法律风险。文章强调资金转移需有真实款项性质、完整合同发票等凭证，并提醒个人年度5万美元为便利化结汇额度而非硬上限，操作前应核对各平台最新规则。
作者在申请美区 PayPal 时，公司 EIN 已通过但个人资料因缺少 SSN/ITIN 被卡住，于是系统梳理了四类税号的区别：EIN 是美国 IRS 发给企业的税号，SSN 是个人社会保障号，ITIN 是不符合 SSN 资格但有美国联邦税务用途的个人税号，SIN 是加拿大的个人识别号。文章介绍了 ITIN 的申请资格、所需材料（Form W-7、税表、护照等）、递交方式（邮寄、TAC、AA/CAA）、处理时间约 7-11 周，以及 ITIN 失效与续期规则，并提醒找代理前要问清资质、报价范围和补件处理。
