Anthropic 发布 Claude Opus 5.5 后提供了官方 Prompting Guide。作者读完指南并总结出 17 个值得调整的用法：API 默认从 medium effort 开始，用真实任务测试最佳档位；5.5 切换 effort 不再清空 cache；长任务要一次性说清目标和完成标准，让模型维护文件中的 checklist；通过 system prompt 明确何时暂停询问；给多 Agent 工作流设置时间预算；用 subagents 处理重型任务但需核实其报告；删除'请仔细思考'等旧习惯提示词；要理由摘要而非完整推理；设计需求用删除法点名不喜欢的元素；区分用户指令与粘贴内容；Claude Code 现已支持 AGENTS.md。核心是讲清任务目标与流程，而非堆砌提示词。
文章介绍了开源项目 awesome-agentic-ai-zh 提供的 AI Agent 学习地图，将学习路径分为两条：路线 A（CLI Power User）面向只想用好现成 Agent 的用户，学习 Claude Code、Codex、MCP、Skills 和工作流搭建；路线 B（Agent Builder）面向想开发 Agent 的工程师，需深入 Tool Use、Agent Framework、Memory、RAG 和 Multi-Agent。作者强调不要跳级学习，先补齐 Terminal、Git、API、JSON 等基础，普通人学好路线 A 已能解决大量实际问题。
本文是知乎AI工具（zhihu-cli）的完整教程，涵盖从注册、配置到使用的全过程。文章首先介绍了如何注册知乎数据开放平台账号并获取Access Secret，然后详细说明了通过uv安装CLI、保存密钥、验证配置的步骤。接着，文章重点讲解了zhihu-search（社区封装）和pyzhihu-cli（非官方客户端）两条路线的能力、安装与配置方法，包括Skill和MCP的集成，以及Codex、Claude Code、Cursor等主流AI Agent的接入方式。最后，文章提供了进阶技巧、常见问题解答和组合工作流建议，帮助用户高效利用知乎内容进行AI研究、选题和内容创作。
本文是 Orca 的保姆级使用教程。Orca 是一个专门管理多个 Coding Agent 的 AI 工作台，本身不替代 Claude Code 或 Codex，而是负责编排调度。教程详细讲解安装步骤、如何将 Claude Code 和 Codex 接入 Orca、利用 Git Worktree 隔离不同任务让多个 Agent 并行开发，以及 Diff 审查与合并的正确流程。文章还分享任务拆分技巧、多 Agent 竞争同一任务的实践、安全注意事项，并展望从会写代码到会管理 AI 团队的能力转变。
本文详细介绍了如何将Claude Code与OpenRouter结合使用，实现通过API按量付费调用Claude模型。文章从注册OpenRouter、充值、创建API Key，到安装Claude Code、写入长期配置、验证配置等步骤进行了保姆级讲解，并解释了配置原理，包括环境变量的作用、配置持久化机制以及常见问题处理。适合不方便直接使用Anthropic API或希望统一管理多个模型的用户。
