Claude循环工程：如何构建自动化Agent
本文探讨了“循环工程（Loop Engineering）”的概念，即从人工提示Agent转变为构建自动提示Agent的系统。文章追溯了其起源，并将之置于提示、上下文、测试床之上，作为自动化运行的最高层。作者详细拆解了循环系统的五个核心组件：触发器、任务、验证门、状态文件和停止条件。最后，文章介绍了Claude Code中四种循环类型及其应用场景，强调通过客观的评估器和状态持久化来实现夜间无人值守的自动化开发任务。
全部文档 / 标签: Claude Code
898 篇
Loop Engineering：如何构建能自我改进的AI智能体
本文探讨了从手动提示AI向“循环工程”转变的新一代工作流。作者指出，真正的循环工程依赖于廉价的长上下文模型来控制Token成本。文章详细对比了旧的手动工作流与新的自动化循环工作流，并深入剖析了单智能体循环与舰队循环（多智能体协同）的区别。同时，强调了在实际应用中应优先采用边界清晰、易于控制的闭环。最后，拆解了构建高效循环系统的六个核心基石：自动化、工作树、技能复用、外部插件、子智能体和检查器，帮助开发者打造可自我迭代和修复的AI系统。
上下文工程：取代提示词工程的Karpathy-Cherny方法
本文探讨了AI领域中从提示词工程向上下文工程的演进。引用Karpathy的Software 3.0理念，指出上下文窗口即新程序，通过写入、选择、压缩和隔离四大操作管理模型记忆以避免上下文腐化。结合Claude Code创建者Cherny的循环工程理念，说明通过构建包含技能、子代理和验证器的自动化循环，可实现高效上下文工程，将AI从简单工具升级为强大的操作系统。
How To Build Production-Ready AI Agents in 2026
本文探讨了在2026年如何利用Google的Agents CLI构建生产级AI智能体。作者指出，虽然开发AI Agent的Demo很容易，但在生产环境中常因状态丢失、权限失控等问题而崩溃。文章提出了一种基于提示词驱动的开发新范式：开发者只需定义任务、设定安全边界并负责审批，由编码智能体（如Claude Code）完成底层代码实现。通过六个标准化阶段（环境搭建、构建、部署、治理、评估），详细阐述了如何结合ADK 2.0框架、Model Armor和云平台托管服务，实现具备状态持久化、严格越权防御与提示词注入防护的企业级智能体落地。
Claude Code 真实使用指南：从提示转向循环工程
本文深入解析了 Claude Code 创始人 Boris Cherny 的日常工作流与核心理念。他指出，Claude Code 的最佳使用方式已从传统的“单次提示”转变为“设计循环”，即通过多会话和子智能体构建自动化的系统。文章探讨了系统提示词的演进逻辑，并分享了如何像 Anthropic 内部团队一样高效编写 CLAUDE.md 文件：将 Claude 视为一名能力极强但患有失忆症的新员工，仅提供必要的全局指令与渐进式上下文。
基于单一API实现自动化GTM（走向市场）策略
本文详细介绍了如何利用Claude Code结合ColdIQ单一API，构建全自动化的GTM（走向市场）流程。通过预先定义ICP、评分规则和文案模板等四个文件，即可用一句话指令驱动7个阶段的自动化：包括信号检测、客户打分分层、寻找联系人、邮箱验证补全、文案生成和营销推送等。该方案通过统一接口智能调度43个数据提供商，结合按结果计费和消费上限机制，大幅降低了多平台管理的成本与复杂度，实现高效的营销自动化。
图工程：构建全自动化AI开发系统
本文介绍如何摒弃手动单次提示，通过构建AI系统实现开发自动化。以Claude Code为基础，结合上下文规则实现工程化代理；利用循环工程让系统自动发现任务、执行并验证结果；引入图工程作为知识记忆层，通过三元组存储项目逻辑，使模型准确率大幅提升且避免从零开始；最后通过模型路由按任务复杂度自动分配Opus 5或Fable 5，以大幅降低开发成本并成倍提升工作效率。
How to build an AI UGC factory in Claude Code
本文是一篇详细的实战指南，教你如何从零开始，利用AI技术建立一个全自动的UGC广告制作工厂。作者强调广告的灵魂在于文案，因此流程以挖掘用户真实痛点和拆解爆款脚本为起点。文章详细介绍了如何通过分析竞品和用户评论来建立Obsidian爆款脚本库，并展示了如何结合Higgsfield平台或使用Claude Code自主构建Agent，以打通从调研、脚本撰写、图片生成到视频剪辑的完整AI流水线。
Polymarket 的「NO回收套利」机制与自动化实现
本文基于最新研究论文，解析了Polymarket预测市场中利用NegRisk Adapter进行无风险套利的「NO回收」策略。作者指出，通过低价收集NO资产并重新组合转换，可实现高资金周转率的做市套利。随着AI编程工具的普及，普通人也能利用Codex或Claude Code开发专属的只读库存优化器，降低策略开发门槛。尽管当前套利利润正在被市场压缩，但这种将AI辅助编程应用于量化交易的方式极具启发性。
How to build an AI UGC factory in Claude Code
本文是一篇详细的实战指南，教导读者如何利用Claude Code和Higgsfield等工具，构建一个全自动的AI UGC（用户生成内容）广告生产管线。文章强调广告成功的核心在于文案与说服力，而非单纯的视觉渲染。作者详细介绍了如何通过调研挖掘痛点、使用Obsidian建立爆款文案库，以及利用代理工作流串联图像和视频模型，最终实现从产品研究到成品视频的端到端自动化生产。
图工程：将AI智能体组建成团队的6个步骤
本文介绍了“图工程”（Graph Engineering）的概念，即通过一条提示词唤起一组AI智能体（Agent）协同工作。文章将其分解为六个实施步骤：首先构建一个可独立运行的智能体闭环；其次提前绘制工作流图；然后通过单一提示生成并行智能体；同时强调审查工作必须交由不同模型和新上下文完成以防“回音室”效应；保留图外测试或人工作为最终防线；最后根据实际需求按需扩展图规模。作者指出，绘制智能体协同图正在成为AI构建者的新核心竞争力。
LOOP vs GRAPH vs HARNESS ENGINEERING
文章深入探讨了构建AI Agent系统的三个关键工程层面：Harness（环境）、Loop（反馈循环）和Graph（控制流）。文章指出，Agent失败往往源于系统设计而非模型本身，并详细阐述了如何通过构建持久化的运行环境、基于证据的验证循环以及显式的流程控制来提高Agent的可靠性。
如何使用 Opus 5 进行图工程
文章介绍了如何利用 Opus 5 的新特性（如缓存控制和低 effort 模式）低成本构建图记忆。核心在于将提取和遍历分离：提取使用低 effort 和缓存前缀以降低成本，遍历使用高 effort 以保证推理质量。通过优化配置，图工程的成本可降至原本的三分之一，甚至低于向量存储。
Obsidian + Claude Code: 2026年最强生产力工作流
本文介绍了如何将 Obsidian 本地笔记库与 Claude Code 结合，打造一个具有持久记忆和上下文理解能力的 AI 第二大脑。文章提供了详细的设置步骤、推荐文件夹结构、CLAUDE.md 指令文件配置及日常操作示例，实现知识库的自动化管理与智能链接。
Claude Code Subagents 工作流指南
文章探讨了 Claude Code 重启嵌套子代理后的最佳实践。作者指出大多数人滥用子代理导致资源浪费，并提出了一套结构化工作流：设置唯一的编排器负责计划，利用三层深度进行审查分发，限制子代理范围，并在核心环节使用旗舰模型，在执行环节使用低成本模型，以实现高效、低成本的高质量交付。
Software Factory: How to Turn One AI Into a Production Line
本文介绍了如何通过构建“软件工厂”将单一AI转化为高效的生产线。文章详细阐述了利用队列系统、独立工作空间、权限隔离和质量门控四个组件，实现AI代理的自动化协作与任务调度，从而提升软件开发效率并降低成本。
白烧了 5 亿 token 之后，我连夜开源了个给 Codex 和 Claude 做 Skill 搜身的新技巧！
作者因安装 300 多个 Skill 导致每次对话多消耗约 8.2k token，累计浪费数亿 token。为此，他开发了一个“Skill 瘦身”工具和可视化控制台，按使用频率和重要性将 Skill 分为核心全局、项目级和触发级。通过将低频 Skill 改为动态加载，既节省了上下文窗口，又保留了完整能力。
An Agentic IDE that builds itself
bb是一个开源的代理IDE，具有强大的扩展性，允许用户通过简单的提示定制界面和功能，如任务管理、代码审查、音乐制作等，支持多种主流编码代理。
如何为你的 AI Agent 创建合适的 Skill
文章介绍了 AI Agent 中 Skill 的概念，区别于一次性 Prompt 和全置 Config，Skill 是可复用的按需加载工作流。通过 SKILL.md 开放标准，可实现跨平台兼容。文章详细阐述了 Skill 的加载机制、类型（用户触发/模型触发），并针对“执行偏差”和“过度冗长”等常见失败模式提出了具体的修复策略，强调从解决问题而非工具出发来构建 Skill。
Claude Code 和 Codex 到底有什么区别？我测试 30 天后的真实答案
文章基于30天的测试对比了Claude Code和Codex的区别。Claude Code擅长从零创造、快速原型和内容创作，适合从想法到产品的实现；Codex则擅长代码分析、优化和自动化执行，适合项目维护和流程完善。作者主张根据任务阶段组合使用两者，以构建高效的AI工作流。
The new rules of context engineering for Claude 5 models
本文探讨了针对Claude 5模型的上下文工程新规则。作者指出，随着模型能力的提升，传统的过度约束策略已不再适用。新规则包括：让Claude依赖判断而非严格规则、通过接口设计替代示例、采用渐进式披露而非一次性提供所有信息、简化工具描述避免重复指令，以及利用自动记忆和富引用功能。这些实践可显著优化Claude Code和自定义Agent的性能。
如何递归地改进你的智能体
文章介绍了一种递归自动改进智能体（RAI）的方法。通过使用编码智能体分析指令、挖掘使用数据并运行探测，测试并修复目标智能体，直到符合规范。文章详细阐述了实现该循环所需的系统设置、平台搭建步骤以及“创建-改进-扩展-部署”的全新开发生命周期。
Auto Quant V2 教程 | 让 Codex/Kimi/DeepSeek 做量化
Auto Quant V2 发布，旨在将通用 Coding Agent 转换为全自动推进量化研究的 Quant Agent。它不绑定特定模型，通过 Harness 架构为 AI 提供长期工作的量化研究环境，支持自我进化，解决了 AI 编写代码但难以持续追踪量化研究的问题。
我不想再“剪下一条视频”了，所以做了 TudouFlow
作者分享了将个人 AI 视频工作流产品化为 TudouFlow 的过程，旨在解决视频制作中重复决策和繁琐衔接的问题。该系统通过将内容路线数据化、实现横竖版独立布局及自动化发布流程，帮助个人创作者建立稳定的生产线。
实测 ego lite，给我Codex浏览器自动化加到2.5倍速了！
文章介绍了开源项目 ego lite，这是一个基于 Chromium 内核定制的专用 AI Agent 浏览器。它通过 Snapshot 技术降低 Token 消耗，支持多账号隔离和登录态迁移，实测显示其在速度上明显优于 Playwright 和 Claude-in-Chrome 等方案，能高效完成小红书抓取等复杂任务。
用 AI Agent 开发的真实成本：记忆比 Token 更贵
作者分享了使用 Memmy 整合多个 AI Agent（Claude Code、Codex 等）历史记录的实战经验。通过统一记忆管理，新 Agent 能准确识别过期结论和冲突信息，避免重复试错成本。文章强调长期记忆的核心价值不在于存储数量，而在于精准识别“什么不再有效”，从而实现无缝的项目交接。
让 Claude 半夜自己干活，只有两条路
文章探讨了让 Claude 无人值守工作的两种安全路径：一是使用隔离的闲置机器给予完全权限；二是在现有机器上通过严格参数限制权限。作者通过分析两种方案的适用场景和风险控制，提出了“爆炸半径”公式，并给出了具体的实施建议和避坑指南。
Lyft联合创始人使用Claude Code构建的九条规则
本文介绍了Lyft联合创始人Matt Van Horn在不读写代码的情况下，利用Claude Code和Codex构建开源项目并登顶GitHub Trending的九条规则。规则包括快速发布、编写计划、信任Agent、优化使用成本、提供CLI工具、让工具自记笔记等，展示了非程序员如何高效利用AI进行开发。
如何从零开始打造自己的爆款监控系统
作者分享了一套自研的自媒体爆款监控系统，涵盖多平台数据采集、R/M双信号评分引擎、两级AI分析管线及Vue前端部署。该系统实现了142个对标账号的自动化监控与爆款归因，大幅提升选题效率。
实战踩坑：便宜模型执行、贵模型编排？没这么简单！
文章通过三个真实案例，验证了“贵模型编排、便宜模型执行”这一省钱策略。作者发现，虽然便宜模型在文本判定等任务上能打平顶尖模型，但在高复杂度代码和开放式视觉任务上存在局限。关键在于控制模型能力代差和任务可验证性，否则返工成本将抵消节省的 token 费用。
