文章探讨了随着大模型能力提升，上下文工程的策略已从补充信息转向尽量精简信息。PostHog 分享了维护 AGENTS.md/CLAUDE.md 的三种实践方法：1) 使用 Claude Code 的 /doctor 命令进行健康检查并人工审阅，删除无法说出其防止失败的冗余指令；2) 像对待代码一样测试上下文，将 agent 犯过的错误记录为 evals，通过 wizard-ci 和 pr-evaluator 自动化验证；3) 直接让 agent 在使用上下文的过程中反馈改进建议。文章强调过时或冗余的上下文会拖累 agent 表现，需要定期清理与迭代。
文章探讨了构建软件工厂时最困难的问题之一：如何将人类语言描述的大型目标拆解为代理可执行的具体工作。作者梳理了五种逐步演进的方法：直接委派子代理（如 Claude Code、Codex）、可追踪任务系统（如 Gemini CLI、OpenAI Symphony）、工厂形态的工作结构（如 Warp）、结果关联的工作（如 Factory 的 Missions），以及动态工作图。作者指出，随着代理日益自主，系统本身需要围绕模型构建自己的智能来塑形、追踪和修正工作，这是软件工厂区别于普通代理框架的关键，也是当今 AI 领域最有趣创新的方向。
设计工程师 Olav 分享了 blume.codes 落地页的构建经验，阐述核心设计理念：注意力是零和的，想脱颖而出必须提升标准。文章详解四大独特元素：视差 Hero 效果（用 Codex 生成分层图像并合成滚动视差）、完全可交互的产品演示（通过 Turborepo monorepo 复用 UI 包，使落地页与 Electron 应用共享组件并自动更新）、花朵主题的旅程矢量线，以及主题切换器。作者强调 AI 编码工具（Codex、Claude Code）让高质量建站变得触手可及，并分享了借助提示词工程实现视觉效果的完整流程与迭代经验。
作者基于3年超过2000小时的AI编程经验，分享其截至2026年Q3的完整Agentic Engineering工具配置。包括：界面工具（bb、cmux、Ghostty、Herdr、Corral）；模型与订阅的性价比方案（OpenCode Go、ChatGPT、Claude Code、Cursor等组合，强调订阅优于API计价）；云端Agent趋势（引用Cursor合并PR中云Agent占比从10%升至60%），并推荐自建VPS+Herdr避免生态锁定；以及语音输入提速、Pi Agent等harness工具。核心观点是追求以最少花费获得最多token，并追踪多Agent状态管理。
文章从文件层完整拆解了 WorkBuddy 的 Skill 机制，回答四个核心问题：Skill 是什么、放在哪、从哪来、怎么维护。Skill 本质是一个文件夹，核心是写给 AI 读的方法论文档 SKILL.md（开放标准 agentskills.io 规范），依赖 description 实现按需加载。技能分用户级和项目级两级作用域，换项目后技能“消失”实为作用域混淆。‘我安装的’列表是聚合视图，来源包括自建、内置插件、技能市场、外部插件和连接器五类。作者还揭示了系统提示词中要求 AI 遇到能力缺口时先搜索技能市场的产品设计，并讲解了多 Agent 目录打通与软链接同步等维护实践。
作者介绍了自己整合的开源 Skill「x-article-publisher」，解决将 Markdown 文章发布为 X（推特）长文时的图片、代码块、表格同步难题。该工具支持 Claude Code、Codex、DeepSeek 等 AI 助手，通过 Playwright 驱动 Chrome，把 Markdown 内容自动填入 X 长文草稿箱，支持图片压缩、语法高亮、表格对齐和引用推文卡片。文章详细讲解了 Mac/Windows 的安装步骤、使用方法、进阶参数、平台差异及排错方案，并强调只生成草稿、发布由用户手动确认，安全且 MIT 开源。
DAIR.AI 本周精选五篇 AI 论文：1）Netflix 的 LLM Judge 生命周期管理，通过推理对齐的评分标准调优实现生产级评估，A/B 测试显著提升用户浏览转化；2）NVIDIA 的 Skill Lift，用配对运行测量 Agent Skill 的实际增益，发现结构扫描分数与质量几乎不相关；3）阿里巴巴 Scroll，以代码方式管理上下文，用事件日志与沙箱内核替代预设 schema，在长记忆基准上取得最佳成绩；4）JIT-Agent，按任务即时生成 Harness，使多个骨干模型大幅提升；5）Prime Intellect 开源长程任务 Harness，支持跨轨迹持久化历史、记忆与技能，实现可复利的自我改进。
作者分享了如何让 Claude Code 生成符合个人品牌风格的设计作品。他曾花两天与 Claude 争论字体和间距，后来发现关键在于：与其用文字描述想要的幻灯片，不如让 Claude 直接读取已有的设计参考。文章详细介绍了如何将 Figma 通过 MCP 连接到 Claude，包括创建账号、导入参考文件、复制特定 frame 的链接等步骤。作者强调，AI 工具失败的原因是没有'你的东西'可读，只要提供真实的设计参考文件或品牌规范（如色值、字体、间距），Claude 就能产出完全符合品牌风格的作品。
作者分享了一年多未被封号的Claude账号维护经验：核心原则是订阅区、节点、账单地址、银行卡保持同一国家（新加坡）。文中详解Claude Code与桌面客户端的代理配置差异，包括settings.json环境变量设置与TUN模式兜底方案。同时推荐新加坡支付平台Starryblu（MAS持牌机构WoTransfer旗下产品），介绍其注册、身份认证、选卡、入金（推荐香港FPS转数快）、出金全流程，并说明OCBC账户实为资金托管而非银行储户。最后讲解订阅Claude的正确顺序：先切新加坡节点验证IP，用无痕窗口登录，建议先开Pro再升级Max。文章提醒注意资金托管不含存款保险等风险。
文章讨论 Skill 写完后的持续维护问题，指出 Skill 会随时间腐烂：重复规则、过时参数、失败补丁不断堆积。作者在 Matt Pocock 六种失效模式基础上，扩展为八项检查：过早完成、重复、沉积、蔓延、空操作、否定式引导、样本过拟合和分支串线。针对每种问题，文章给出症状、成因和修复方法，强调先给失败命名再修改，修复后做回归测试。最后提供一份十项体检清单和可直接使用的审计提示词，帮助诊断和优化正在使用的 Skill，让 AI 在正确时间稳定执行正确过程。
文章讨论了 Agent 使用模式的演进，指出当前主流的 session 模式本质上是把 Agent 当工具使用，上下文容易膨胀导致效率下降和不可预期的行为。Hermes 的 Bot mode 通过多 profile 设计为 Agent 安排长期的身份和角色，实现身份、技能、记忆的完全隔离，多个 bot 可以在群聊中围绕同一项目协作，如开发 bot 与 review bot 相互配合纠错。相比一次性的 subagent，bot 具有稳定性和可扩展性，能融入固定工作流程。作者认为 bot 模式未来将成为多 Agent 协作的主流形态。
本文解读 Simon Willison 的《Agentic Engineering Patterns》，系统总结编码 Agent 时代的软件工程方法论。核心观点：当写代码边际成本趋零，工程师职责转向为 Agent 配备工具、定义问题、验证结果。文章区分了 agentic engineering 与 vibe coding，提出囤积已验证方案、用异步 Agent 清理技术债、子 Agent 保护上下文、Red/Green TDD 与证据式测试等模式，并强调提交未审查代码是最大反模式，以及通过走读和交互式解释偿还认知债。
文章指出销售代表为发送一封个性化邮件需在 5 个平台间切换、耗时 20 分钟，工具碎片化带来巨大效率损耗。解决之道不是减少工具，而是通过 Model Context Protocol（MCP）在现有工具之上构建统一控制层，让 Claude 直接调用工具 API 执行任务。作者推荐 8 个 MCP：Apollo（客户研究与线索管理）、Findymail（邮箱查找验证）、Firecrawl（网页抓取）、Instantly（邮件序列自动化）、HeyReach（LinkedIn DM 自动化）、Gmail（邮件历史检索）、Slack（内部信息提取）、HubSpot（CRM 更新），从而实现销售流程的闭环与统一界面。
Cherry Studio 2.0.10 预发布版本带来大量更新：Agent 成为新用户默认主入口并优化子 Agent 流程；Mini App 正式支持沙箱化的本地应用扩展；Code Mate 新增 Hermes Dashboard 与 Antigravity CLI；修复多模型兼容性（MiniMax M3、GLM-5.3-Flash、DeepSeek V4、Kimi、Gemini、OpenAI Responses API 等）；增强诊断体系，支持自动错误扫描和带签名的诊断报告；安全性采用 Consent + Sandbox + Fail Closed 策略；并进行了系统性的 Lazy Load 前端性能优化。整体方向收敛于统一 Agent Runtime、模型兼容层与标准化 Support 基础设施。
本文详细介绍了如何将 Claude Design（Anthropic 的对话式设计工作区）与 Claude Code 结合使用的工作流。作者讲解了通过 MCP 服务器连接两者、使用 /design-sync 导入企业设计系统、结合截图与代码库提供上下文、利用 Refero Styles 等真实设计参考生成初版方案的方法。文章还涵盖如何通过聊天、行内评论或画布直接编辑进行迭代，安装或自建设计 Skill 以固化设计规则，以及建立评估与审批流程，最终实现从设计到代码实现的无缝衔接。同时指出了 beta 阶段的局限性。
作者分享了将 Single Grain 打造成 AI 原生公司的一年经验。他认为仅靠黑客马拉松、培训和工具授权不足以改变组织，真正的转变来自提高人才标准并重新定义卓越绩效。文章从三方面展开：招聘上，重视能公开演示工作、深度使用 AI（如 Claude Code、Codex）的候选人，用真实生产作品替代面试表演；标准上，要求所有员工（包括高管）在 30 天内交付可复用的 AI 工作流，并在 60 天内展现可衡量的改进，同时公司也需承诺提供权限、上下文和反馈；节奏上，通过'否定式指挥'和绿黄红风险边界消除等待，并以周、月、季度、年度的例行审查确保标准真正改变决策。
本文介绍如何用 Claude Code 等 AI Agent 从零搭建个人财务决策系统。文章分四步：先让 AI 整理银行流水、账单等资料，看清现金、资产、负债和未来支出；再让它拆解大额支出决策，比较一次付清、分期、推迟等方案对现金流的影响；然后解释现金、资产、负债、安全线四个核心概念；最后强调安全边界——AI 只做分析，不登录网银、不转账付款。文末附上完整提示词模板，可生成财务概览、重大支出分析和每周财务摘要三个文档。
文章面向新手讲解如何为 Claude Code 和 Codex 制作个人 Skill，解决每天重复向 Agent 解释工作流程的问题。作者介绍 Skill 的本质是一个包含 SKILL.md 的目录，依赖渐进式披露机制；提出判断任务是否值得封装为 Skill 的三个信号（重复出现、依赖专有知识、错误成本高）；建议从成功协作会话中逆向工程提取 Skill，或先跑无 Skill 基线记录失败点再写规则；并详细分析三大坑：description 模糊导致不触发、把任务写成死板 SOP、SKILL.md 过长，给出 SKILL.md、references、scripts、assets 的合理拆分方式及三层验证与维护方法。
文章指出程序员最缺的往往不是代码能力而是审美，提出将优秀 UI 组件当作乐高，直接交给 AI Agent 挑选并整合进项目的方法。作者推荐了 5 个 UI 组件资源网站：Beautiful UI、BeUI、Rare UI、Transitions 和 shadcn/ui，只需把链接发给 Claude Code、Codex 这类 Agent，让它们自动查找组件、获取代码、修改样式并整合进项目。核心观点是：你不需要成为设计师，只需要知道去哪里找好设计。
作者Orange AI发布了一个写作Skill（Claude技能），其理念源自一篇获得新概念一等奖的万字爱情故事。该故事全篇无抒情无评论，仅用数字、动作和物件传递情感：如卵子三点五微克与五千万美元两吨半的对比、反复出现的指甲锉、重复十几次的'我说好'。Skill提炼的核心心法是时刻关注读者的认知与情绪状态，具体技巧包括：数字做情感的工作、物件代替心理描写、重复结构与打破、零解释信任读者、信息差结构。Skill推荐使用Opus 4.6模型，配合语音输入写作真实情感故事，已在GitHub开源（MIT协议）。
作者基于十天高强度使用经验，分析 Omarchy 作为面向 Agent 的原生桌面 OS 的架构设计。文章指出 Omarchy 通过统一 CLI（436 条命令）、可替换的多 harness Agent、随 OS 版本发布的 Skills、三层状态分层，以及 Hyprland、Quickshell、mise 的协同，构建了一个适合人类监督、随时委托和快速接管的 Agent 工作台。UX 层面通过快捷键、平铺布局、workspace 隔离和普通终端运行降低调用摩擦并提供可接管性。作者认为 Omarchy 已是成熟的 agent-ready desktop OS，但距离 agent-safe OS 还差统一 capability policy、操作审计和事务式回滚。
作者 Robert Scoble 观察 AI Agent 领域的最新变化：Agent 正从需要提示词的聊天工具，演变为像“雇来的员工”一样持续自主工作的实体。以 15 人的公司 Anything 为例，该公司运行超过 100 个具名、有职责、有记忆和云电脑的 Agent 支撑百万用户业务。Skydive 等产品让 Agent 融入 Slack、iMessage 等日常工具，采用“窄Agent”专岗化设计，无需持续提示即可持续完成任务。作者认为行业焦点正从“哪个模型更好”转向“停止提示后它能做什么”，AI 同事模式或将成为常态。
作者分享了将主力 Coding Agent 从 Claude Code 切换到 Pi 并自建 Harness 三周后的体验。Pi 核心精简、缓存命中率高，且让用户能完全掌控 Agent 工作方式。作者将 Harness 分为三层：AGENTS.md 管纪律（全局与项目级规则）、Skills 管能力（tdd、code-review 等按需加载）、Packages 管控制面（重点介绍 pi-subagents 并行调度、pi-skillful 技能管理、pi-ask 歧义处理等 10 个常用包）。工作流遵循先问清、再侦察、后修改的原则，强调同一目录只留一个 writer、reviewer 可并行。作者还分享了避免堆砌 Skill 和 Package 的教训，提醒 Pi 默认最高权限无沙箱，需提防危险指令。
本文讲述 Matt Pocock 从声乐教练转型为程序员的成长历程。他无科班背景，在两节课的空隙里自学 JavaScript，接受降薪入行做开发，通过 xstate-codegen 等开源项目与 TypeScript 教学视频积累影响力，再以高价工作坊验证市场需求，最终转向 AI 编程领域，其 skills 仓库获得 23 万 star 并被 Anthropic 官方市场收录。文章提炼出他的核心方法论：抓住自己被卡住的真实问题，公开、不完美地做出作品，让更强的人参与进来，不断迭代。三次职业转向，变的是教材，不变的是教学能力与 build in public 的策略。
MemOS 团队开源了 Memmy，一个面向终端用户的本地 AI Agent 记忆中枢。它可授权读取 Cursor、Claude Code、Codex 等各 Agent 的本地历史日志，自动整理成结构化分层记忆，再通过 Skill、Hook、MCP 按需注入到任意 Agent，解决换工具就要重新解释项目背景的痛点。项目 local-first，数据存储在本地 SQLite，支持桌面端 GUI、CLI/TUI、OpenAI 兼容 API 和 MCP 协议，MIT 开源且全平台支持。作者认为其与 Mem0、Zep 等开发者 SDK 不同赛道，但提醒项目仍在早期，兼容性、记忆纠错与跨项目隔离机制尚待完善。
本文从《给宝宝的机器人学》类比切入，系统讲解 Agent 的核心概念与发展脉络：大模型只负责生成回答，而 Agent 能借助工具、API、Agent Loop 和文件/终端等真实工作现场，把任务完整做完。文章依次介绍模型、Tool 与 API、Agent Loop、computer use、MCP 协议，以及 Claude Code、Codex CLI 到 Codex 桌面端的产品演进，说明为何同一个模型放进不同 Harness 表现差异巨大。最后以实战演示如何用 Codex 搭建论文资料整理 Agent，从建立项目结构、规划执行到接入 PubMed 检索工具，展现普通人也能上手的 Agent 工作流。
作者基于帮助团队构建和维护超过1500个公司知识库的经验，总结了七条核心经验：1) 知识库应为AI Agent而非人类设计，让Agent自己重组信息结构；2) 通过MCP和API连接CRM、数据库等外部数据源与知识库本身同等重要；3) 让团队摆脱聊天界面，使用Claude Code、Codex、Cursor等能真正执行工作的工具；4) Notion等外部知识库因更新与工作脱节而失败，知识库必须内嵌于Agent工作流中；5) 除保存成果外，还要记录工作过程——提示词、被否决的方案和判断过程，这些是未来训练Agent的关键数据；6) 共享Slack Agent模式效果不佳；7) 知识库不应绑定单一界面，应实现一个大脑、多个接口。
本文是使用Raft平台搭建多Agent协作团队的完整课程。作者指出多数人运行的只是'五个聊天窗口加一个人肉中转'，真正的瓶颈在于Agent之间无法共享上下文。文章分8步讲解：创建统一的服务器工作区、连接本地计算机运行时（如Claude Code、Codex CLI、OpenCode等）、将Agent作为持久身份的角色而非一次性提示来创建、通过共享任务看板进行工作交接与认领，以及跨公司Agent协作等内容。Raft让Agent像Slack成员一样拥有记忆、状态和专长，可并行工作、互相交接和审查输出，且运行在用户自己的硬件上复用已有的AI订阅。
文章介绍了终端 Coding Agent Pi——一款上线约一年、GitHub 接近 10 万 Star 的开源工具。与 Claude Code、Codex 提供完整成品不同，Pi 走极简路线，仅保留读/写文件、精确修改和 Bash 四个核心工具，其余功能按需通过 Skill、Extension 和 Package 扩展。Databricks 测试显示相同模型下 Pi 的单任务成本可低至其他 Agent 的一半。文章从安装登录讲起，详细演示了多行输入、@ 引用文件、粘贴截图、!/!! 命令等日常操作，重点讲解了 Steer（任务中转向）与 Follow-up 追加任务的交互机制、Session 树状会话管理及 /compact 压缩策略，并介绍了 AGENTS.md 项目指令文件的写法与扩展体系，帮助用户低成本上手并掌控工作流。
文章介绍了一个 6.4k star 的开源 AI Agent Skill 项目 video-shotcraft，安装后可让 Claude Code 或 Codex 像动效工作室一样制作产品宣传片。丢入产品页面后，它能自动分镜、做动画、配音效，通过 Remotion 渲染出电影感宣传视频，包含真实页面截图、2.5D 运镜和卡点剪辑。项目提供 152 张分镜配方卡、209 个动效预览、36 秒成片模板、149 个电影级音效及 5 首可商用 BGM。分镜配方来自对 Notion、Figma 等大厂宣传片逐帧拆解。成片还可直接导出剪映工程继续编辑，Apache-2.0 开源。
