Graph Engineering: Stop Chaining Your Agents
本文批判了多步骤AI代理中常见的线性链式结构，指出其低效且易出错。作者提出用图结构（节点和边）来设计代理工作流，并给出了14步路线图，涵盖节点契约、数据边、并行扇出、汇聚、条件路由、验证器、错误隔离、循环收敛、模型分层、成本优化等实践。核心思想是利用Claude Code的动态工作流功能，通过JavaScript脚本编排子代理，实现高效、可扩展的代理系统。
全部文档 / 标签: 提示工程
94 篇
How To Build $10K Agency-Quality Websites With Claude Code (The Complete Playbook)
本文详细介绍了如何使用Claude Code在短时间内构建高质量网站，达到代理机构收费8000-12000美元的效果。作者提出了一个五部分流程：加载设计技能、参考优秀网站、编写构建提示、进行润色和部署。通过安装设计技能、使用参考截图、提供结构化提示、分步润色和免费部署，即使非专业开发者也能在一天内完成专业级网站。文章强调约束和品味的重要性，并提供了具体操作步骤和示例。
Graph Engineering: Stop Chaining Your Agents
本文批判了多步骤AI代理中常见的线性链式结构，指出其效率低下且易出错。作者提出用图结构（Graph）来组织代理工作流，其中节点代表有界任务，边代表数据依赖。文章详细介绍了14步路线图，包括为节点和边定义契约、使用parallel()进行扇出、设置屏障进行扇入、运行时路由、添加验证器、隔离故障、设计收敛循环、按层分配模型以及利用Claude Code动态工作流工具自动生成图。核心思想是识别并消除虚假依赖，将线性脚本重构为并行图，以提升性能、可靠性和成本效率。
Grok Bot: How to build a self-improving system with Grok 4.6 in 10 steps
本文介绍如何利用Grok 4.6构建一个自我改进的Grok Bot系统，通过10个步骤实现长期运行和持续优化。系统核心是一个包含六个文件的工作区，包括验收标准、工人合约、验证者合约、可信状态、经验教训和提升者，形成一个闭环：工人生成候选结果，验证者独立检查，通过后提升者更新可信状态。文章详细说明了每个文件的编写方法、运行流程和失败处理规则，并提供了成本计算公式，旨在帮助读者构建一个可靠、可迭代的AI代理系统。
数据物理化与书籍可视化：AI提示词的艺术
本文介绍了两种AI提示词方法：一是数据物理化，通过将数据映射到物理对象的轮廓和区域，实现数据的可视化表达，并提供了详细的提示词结构，包括变量定义、优化目标和约束条件；二是经典书籍可视化，通过2x2网格和Notan平衡原理，将书籍内容简化为黑白剪影，强调形状经济和正负形互锁。文章展示了如何利用AI生成具有高度可读性和美学价值的可视化作品。
AI使用实战复盘——EARS，禁止AI脑补
本文介绍了EARS（Easy Approach to Requirements Syntax）需求语法，用于防止AI在编码时脑补未明确的需求细节。文章指出，AI追问只能解决“说不清”，无法覆盖“没意识到要交代”的漏洞。EARS通过五种模式（Ubiquitous、When、While、Where、If-Then）将需求写成清晰、可测试的句子，并强调一条需求只用一个“应”，避免模糊词汇。通过库存校验和登录校验两个案例，展示了EARS如何将模糊需求转化为可验证的规格。文章还提供了将EARS嵌入工作流的具体步骤，包括使用改写工具、审核、嵌入编码工具和复用规格，最终提升AI协作效率，减少返工。
The ICM Method That Upgraded My AI Operating System
本文介绍了ICM（可解释上下文方法论）如何通过文件系统结构优化AI代理的工作流程。作者Tom分享了其业务文件夹'AI Operator OS'的改造经验，通过编号文件夹、精简根文件、为每个文件夹添加CONTEXT.md契约、分离工厂与产品等原则，解决了代理上下文过载、工作状态不透明等问题。文章详细展示了如何将768行的技能文件重构为55行的路由器加独立管道，并提供了在单个文件夹上试行的具体步骤。该方法强调可解释性和人工审查，适合需要逐步验证输出的工作流程。
你的AI第一次运行成功，这几乎证明不了什么
本文指出，AI系统首次运行成功并不能证明其可靠性，因为环境变化或输入差异可能导致失败。作者强调，评估（Evals）是确定AI系统可信度的关键，它要求基于实际工作场景收集案例，并明确“好”的标准。通过持续测试和迭代，评估集能帮助团队了解系统的边界和失败模式。文章还区分了公共基准与产品级评估，认为后者必须基于具体业务场景。最后，作者提倡将评估作为系统开发的核心部分，以确保AI在实际工作中的可靠性。
3 Secret Ways Claude Code’s Creator Actually Uses It
本文探讨了Claude Code的创建者Boris Cherny关于如何更有效使用AI代理的建议。作者发现，随着模型升级（如Opus 5），旧有的指令和技能可能反而阻碍新模型的表现。Boris建议定期删除或禁用CLAUDE.md、技能和钩子，以发现模型的新能力。作者通过对比测试发现，保留上下文但简化流程，让模型自主思考，效果更好。文章强调将上下文与程序分离，给出高层目标、护栏和退出标准，并让代理自我验证。最终，管理AI代理应像管理有能力的人一样，设定方向、审查结果，而非微观管理。
How to build an AI-Native Company in 2026
本文介绍了Allie Miller如何通过34个AI代理构建AI原生公司，强调从委派到决策的转变，使用三词提示“Do smart things”管理代理，建立代理组织架构，并主张构建“工厂”而非单一产品。文章还讨论了软件行业的未来、瓶颈选择策略以及起步步骤，为希望实现AI驱动工作流的人提供了实用指南。
How to Build Your First AI Agent Team With Claude Code in 30 Minutes
本文介绍了如何在30分钟内使用Claude Code构建一个由三个专业智能体（规划者、执行者、审查者）组成的AI智能体团队。文章详细阐述了团队协作优于单一智能体的原因，并提供了从定义目标、设计角色、配置CLAUDE.md到创建和运行智能体团队的分步指南。通过并行工作和独立审查，该团队能提高任务执行的质量和效率，减少用户的来回干预。
Reducer Engineering: Cutting What Your Model Has To Read (Full Guide)
本文介绍了在多智能体流水线中，通过引入确定性Reducer层来优化成本与延迟的实践。作者以40个Claude Haiku worker并行处理、Claude Sonnet汇总的架构为例，指出原始输出包含大量重复、格式错误和冗余信息，导致昂贵的合成模型浪费在数据清洗上。通过代码实现去重、过滤和分组，成本降低86%，延迟降低78%，并意外发现23处矛盾。文章强调结构化归约不仅是成本优化，更是质量保障，并提供了代码示例、防护措施和操作指南。
7 rules for self-improving agent loops every AI engineer should know
本文介绍了自改进智能体循环的七条规则，强调在智能体编写代码时，定义“好”的标准才是真正的工程工作。文章指出，循环可以自动化一切，但无法告诉你“更好”意味着什么，因此指标成为你编写的工件。通过自定义指标（如 retention_offered）和分级（grading）打破循环的盲目性，并利用 agents-cli 工具实现测量与改进的自动化。七条规则包括：从单一案例开始、让评判者解释原因、对确定性答案使用代码、评分行为而非路径、将不稳定案例视为发现、防止提议者移动标准、最后进行一次性自动优化。这些规则确保人类保持对自动循环的控制，并使评估与可观测性统一为同一循环的两种采样方式。
本周AI前沿论文导读
本文汇总了本周AI领域的多篇前沿研究。主要涵盖：1) 提出了智能体系统失败的分类法，以区分模型与支架的故障；2) 零Token记忆操作大幅降低延迟与成本；3) 研究发现在同等消耗下，简单重复采样优于模型自我反思；4) 利用单独的模型自动修复智能体支架；5) 针对异构数据的企业级分析基准DataSpace；6) 探讨提示词诱导导致的编码智能体资源浪费问题。这些研究为AI智能体开发和评估提供了重要指导。
如何编写有效的 CLAUDE.md 文件
本文介绍了如何编写高效的 CLAUDE.md 文件，基于 Anthropic 工程团队的最佳实践。文章强调了保持文件简洁、内容通用的重要性，并提供了具体的结构和编写技巧，如使用强调标记和分层组织内容。
开源「活人感写作.skill」，只为帮你写出没有AI味的文字
作者开源了「活人感写作.skill」，旨在解决AI写作缺乏真实情感的问题。该Skill不仅优化辞章，去AI味，还强调通过激发真实经历和思想来实现“修辞立其诚”，适配GPT、Qwen等多个模型，助人创作真诚内容。
Graph engineering, clearly explained
文章介绍了“图工程”这一AI概念，区分了知识图和代理图。它主张通过设计围绕AI的工作流程，而非单一对话，来提升AI输出的质量和可靠性，适用于复杂的多步骤任务。
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。
如何训练符合个人风格的 AI 写作 Skill
作者分享了利用 Hermes 训练个人写作 Skill 的实践经验，包括精选 50 条真实内容进行语调学习、构建 Benchmark 测试体系、修正事实篡改问题，以及通过注入 Context 解决“无灵魂”生成的方法，最终实现约 70% 的可用性。
如何彻底去掉AI味：打造个人写作专家系统
本文探讨了去除AI写作痕迹的方法。作者指出，仅靠提示词或改句式无法真正还原个人风格。其终极方法是构建一套写作专家系统，明确作者身份、文章类型规范及禁忌，并通过多轮独立审稿和规则迭代，让AI文章真正具备个人辨识度。
700 万人下载的 /grill-me，Matt Pocock 到底写了什么？
文章深入解析了 Matt Pocock 的 AI 工具 /grill-me 的核心逻辑。该工具并非让 AI 直接执行任务，而是通过一套追问协议，强迫 AI 先理清需求再行动，解决了 AI 瞎猜和抢跑的问题。文章进一步阐述了完整的 AI 协作五步法：质疑、规格化、拆票、TDD 和架构评审，旨在通过纪律约束防止 AI 失控，提升人机协作质量。
Claude Opus 5 提示工程大师课
文章详细解读了 Anthropic 发布的 Claude Opus 5 模型及其官方提示指南。核心内容包括“Effort（努力）”设置的使用、从“怎么做”转向“为什么”的提示策略、删除验证指令以降低成本、以及如何控制响应长度和 Agent 叙述行为，旨在帮助用户最大化发挥模型效能。
Loop Engineering: A Dummies' Guide to /loop
本文介绍了Claude的Loop工程概念，即通过设置目标让AI自动循环执行任务，而非传统的手动提示。文章详细解析了Loop的六个组成部分：触发器、执行者、检查器、停止规则、记忆和指令，并提供了运行第一个Loop的方法及常见错误避免建议。
Claude 5 模型上下文工程新规则
文章探讨了针对 Claude 5 模型的上下文工程新规则，指出新一代模型能力提升，允许大幅简化系统提示。主要变化包括：用模型判断替代硬性规则、用接口设计替代示例、采用渐进式披露、简化工具描述、使用自动记忆以及支持丰富引用。
What Comes After the Prompt
文章探讨了超越传统提示词的多模态交互技术，提出“任务”概念，通过结合语音、屏幕、文本等多种信息源，让代理更高效地完成复杂工作。该方法减少交互循环，提升并行工作能力，并通过存储执行痕迹逐步转化为可重用的技能，为未来全模型交互奠定基础。
技能工程的黑魔法
文章探讨了如何从简单的提示词升级为高效的技能，将技能视为harness的扩展而非静态提示。作者分享了九种‘黑魔法’技术，包括使用对抗性子代理、强制发散、智能路由等，以克服模型默认行为并提升技能的稳定性和效果。
面向2030：不要把数字员工做成聊天机器人，要把它做成工作节点
本文指出中小企业在落地 AI 时，不应将数字员工局限于聊天机器人，而应将其视为具备岗位说明书的“工作节点”。文章提出“岗位说明书六件套”，强调需进行流程再造、明确权限边界，并建立反馈闭环。数字员工的核心价值在于在流程中稳定交付结果，而非简单问答。
使用 Fable 5 构建自我改进 Agent 系统的 14 步指南
文章深入探讨了如何充分利用 Claude Fable 5 的潜能，而非仅仅将其视作上下文窗口更大的 Sonnet。作者提出了构建“自我改进系统”的 14 步路线图，区分了自我学习与自我改进，并详细阐述了基于 Loops、Dynamic Workflows 和 Routines 的三层架构。文章还提供了 Fable 5、Opus 和 Sonnet 在系统中的成本与任务分配策略。
写作 Skill 全网最全使用指南：从入门到榨干
本文是“写作 Skill”的全流程指南，旨在解决 AI 辅助写作中“资料抓回来了，文章却写不好”的问题。文章不依赖具体 Skill 排名，而是提供一套基于环节的判断方法，涵盖从材料审稿、个人声音建立、反向开题、章节搭建到成稿前审稿的全过程。通过将写作拆解为多个独立的 Skill 模块（如材料卡审稿、反向开题、事实核查等），作者指导如何构建一套能保留作者判断、避免 AI 乱补事实的高质量写作工作流，并附带了可直接使用的 Skill 模板。
从零到 AI 工程师的 4 个月速成路径
本文指出 AI 工程是当前增长最快的高薪职位之一，且学历门槛正在降低。文章为转行者规划了一条为期 4 个月的高效学习路径，强调跳过繁重的数学理论，专注于 API 调用、Prompt 设计和 RAG 等工程落地技能，并分析了常见的转型误区与市场机遇。
