Codex 插件：AI-Canvas全能无限画布终极版发布！
作者发布了 Codex 插件“AI-Canvas”的终极版，这是一款基于 tldraw 的全能无限画布工具。插件不仅支持图片标注与二次编辑，更集成了六大 Skill 工作流，覆盖小红书/YouTube 封面、电商套图、Logo 设计、营销宣传册及跨平台适配等场景，旨在解决高效率生图与业务可视化需求。
全部文档 / 标签: Claude Code
898 篇
Claude Code + Obsidian 搭建本地 AI 知识库，保姆级教程
本文介绍了一套结合 Obsidian 与 Claude Code 搭建本地 AI 知识库的完整方案。文章详细讲解了如何建立文件夹体系（Inbox、Raw、Wiki 等）、编写 CLAUDE.md 规则文件，以及利用 AI 自动整理资料、生成 Wiki 页面和索引的方法。该方案旨在解决资料分散混乱的问题，实现知识的结构化沉淀与高效复用。
从 Prompting 到 Loop Engineering：AI 编程的新范式
文章提出 AI 编程领域正在从人工编写提示转向设计循环。Loop Engineering 是指编写自动化的程序来驱动编码 Agent，通过设置目标、执行、检查和反馈的闭环，实现无人值守的代码生成与修复。文章分析了循环的五种演进形式及六个核心组件（如触发器、隔离、上下文等），并结合 Claude Code 的 /goal 命令展示了具体的工程实践。
baoyu-design skill 更新：新增 AI 生图技能支持，辅助 PPT 与视频制作
作者介绍了 baoyu-design skill 的重大更新，新增了调用 AI 生图技能的功能。用户现在可以在制作 PPT、动画视频或网站时自动配图，支持 Claude Code 与 Codex 本地工具集成。该工具能自动为 PPT 插入图片并导出为可二次编辑的 PPTX 文件，显著提升设计效率。
Agent Loop 很火，但基座才是关键：从单代理到自我进化系统的 14 步路线图
文章指出，尽管循环工程备受关注，但决定代理上限的核心是其下层的“基座工程”。作者提出了从单代理到自我进化系统的 14 步路线图，涵盖基座定义、核心配置（记忆、权限、子代理）、技能封装、钩子强制执行、循环自动化、动态工作流编排，以及通过状态文件实现系统自我进化的方法。
小白也能用的分工方法：Claude Code / Codex 多 Agent 并行
本文针对 Claude Code、Codex 等工具支持的多 Agent 并行工作流，指出小白容易陷入的误区（如同时多 Agent 乱改文件导致冲突）。文章提出了一套安全的分工方法：利用“1 个总控 + N 个工人”的结构，坚持“先并行读，再隔离改，最后逐个合并”的原则。通过只读任务并行、Worktree 隔离文件、明确边界提示词及逐个审查合并，将并行变为效率，避免项目混乱。
聊聊我怎么设计创作流水线的：把“写文章”拆成 5 个 AI 的接力赛
本文介绍了如何利用 Helio 平台将文章创作流程拆解为 5 个独立的 AI 同事（调研、大纲、标题、去AI味、封面）。作者通过自定义指令和协作机制，让 AI 团队自动完成接力，实现了从选题到全案初稿的自动化生产，创作者仅需最终拍板，极大提升了效率。
关于循环工程的思考：验证是核心
本文探讨了“循环工程”（Loop Engineering）的概念，即从编写提示词转向设计运行 Agent 的系统。文章指出，尽管生成器很重要，但循环架构中的核心瓶颈其实是验证器。通过 Bun 移植 Rust 的案例，作者强调了无论内外循环，严格的质量验证和测试才是决定项目成败的关键。
The 9-Step Loop That Turns Claude Code Into a Senior Engineer
文章指出大多数开发者像使用初级工程师一样使用 Claude Code，缺乏有效的流程。作者提出了一套利用 Claude Code 内置原语（Plan Mode、Subagents、Hooks 等）构建的 9 步闭环流程，旨在模拟资深工程师的工作方式。该流程强调在编写代码前先探索代码库并制定计划，使用 CLAUDE.md 固化标准，利用 Hooks 强制执行不可协商的规则，并通过独立 Agent 进行代码审查，从而实现高质量、自动化的代码交付。
怎么在 AI 时代，超越你身边的大多数人？
文章指出，单纯堆砌 AI 工具无法形成职场竞争力，关键在于是否具备持续迭代工作流的能力。作者引入质量管理中的 PDCA（计划、实践、检查、改进）循环，作为在 AI 时代优化流程的核心方法论。针对人工记录难以持续的痛点，文章推荐了开源工具 Flowtrace。它能自动将 AI 交互过程转化为可视化的、可复用和可干预的 Trace，完美匹配 PDCA 的各个环节。通过记录、分析和改进工作流，用户能实现 AI 工具的极速迭代，从而在效率竞争中脱颖而出。
Goal + Loop + Workflows：Claude Code 三大利器详解
文章深入解析了 Claude Code 中 /goal、/loop 和 /workflows 三个核心命令的区别与用法。/goal 管理终点，适用于有明确验收标准的任务；/loop 管理节奏，适合定时轮询和值守；/workflows 负责监控多智能体并行工作。作者通过对比表格和实际案例，纠正了常见的混淆与错误用法，帮助用户根据任务类型选择正确的工具，实现从“一问一答”到“目标托管”的工作流升级。
长期用 Claude Code 或 Codex 写项目的人真该把 Trellis 装上试试
文章介绍了一款名为 Trellis 的开源工具，旨在解决 AI 编程助手（如 Claude Code、Codex）缺乏“项目记忆”的问题。Trellis 通过在项目中建立持久化上下文（规范、进度、坑点），让 AI “记住”开发细节，实现从每天失忆的临时工到守规开发团队的转变。它支持复杂任务拆解、多分身并行，并兼容 Cursor 等 14 个平台。
使用 Fable 5 构建自我改进 Agent 系统的 14 步指南
本文介绍如何利用 Claude Fable 5 模型构建具有复合能力的自我改进 Agent 系统。文章首先澄清了 Fable 5 作为 Mythos 级模型的定位，强调了其支持“长周期自主会话”和“自验证”的核心能力。作者指出，真正的自我改进并非模型权重的更新，而是通过 loops、dynamic workflows 和 routines 这三种原语，构建起包含记忆层和评估反馈层的环境架构。文章还详细阐述了如何根据任务复杂度在 Fable 5、Opus 和 Sonnet 之间进行成本最优的路由配置。
使用 Fable 5 设计循环与记忆机制
本文介绍了 Anthropic 工程师利用 Claude Fable 5 模型的两个核心技巧：自校正循环和记忆机制。通过在 Parameter Golf 和 Continual Learning Bench 两个基准测试中的对比实验，作者证明了 Fable 5 在利用环境反馈进行自我迭代和跨会话记忆管理方面显著优于前代模型。
从提示词工程师到循环设计师：14 步进化路线图
本文提出了“循环工程”概念，阐述了开发者的杠杆点已从手动编写提示词转移到设计自动化系统。文章详细介绍了从 Prompter 进化为 Loop Designer 的 14 步路线图，包括适用性测试、经济性分析及自动化构建的五大核心模块，旨在帮助开发者通过构建自驱动的编码循环来提升效率。
AI Agents详解：从概念到零代码构建Telegram机器人
本文深入解析了AI Agent的定义，将其视为从基础聊天到完全自主工作的连续体。文章指出Agent的核心在于自主调用的工具、持久化的记忆以及持续运行的循环结构，而非仅仅是模型本身。作者提供了包括研究、写作、代码等五种现成的System Prompt模板，并介绍了如何使用Claude Code在无需编写代码的情况下，快速构建一个连接Telegram的个人AI代理。
零经验开发者使用 Claude Code 构建应用的实战指南
作者作为非技术人员，详述了利用 Claude Code 在两天内构建并部署一个内容日历 Web 应用的全过程。文章总结了五个关键教训：使用 Plan Mode 先规划、分阶段构建功能、利用 CLAUDE.md 约束规范、使用截图优化设计反馈，以及克服对部署的恐惧。
Loop Engineering: 定义 AI 编程代理的未来
本文提出了“Loop Engineering（循环工程）”的概念，即从手动提示 Agent 转向设计自动执行的系统。文章探讨了构建循环的五个核心模块（自动化、Worktree、Skills、插件、子代理），并结合 Claude Code 和 Codex 两大工具，分析了如何实现 AI 编程任务的自主迭代与质量控制。
个人 Agent 搭建完整合集：从 Vibe Coding 到每天都在用的个人工作系统
这是一篇关于从零搭建个人 AI Agent 的完整指南。作者分享了如何利用 Claude Code 和 Codex 进行 Vibe Coding，从选择基座、编写清晰 Spec、配置 TDD 测试到实现双模型互审的完整流程。文章强调掌握数据主权和通过“偷”设计来迭代系统，适合希望构建专属 AI 工作系统的非专业开发者阅读。
Claude Code 动态工作流解析与实战指南
文章详细介绍了 Claude Code 的动态工作流功能，通过编写编排脚本运行数十到数百个并行 subagents，解决智能体偷懒、自我偏好和目标漂移问题。内容涵盖原理、与静态工作流的区别、分类执行、对抗验证等六种实用模式，以及在迁移重构、深度研究、代码审查等九类场景的落地应用。
Claude 动态工作流终极指南
本文深入介绍了 Anthropic 在 Claude Code 中推出的“动态工作流”功能。该功能通过编写 JavaScript 脚本，编排数十到数百个子智能体并行处理任务，实现了自动化的步骤拆解、执行与结果验证。文章详细解析了其工作原理、与 Skills 的区别、三种使用方式（自定义关键词、内置 /deep-research 及 UltraCode 模式），并展示了内容生产、市场调研等实际应用场景。
OfficeCLI：让终端和AI操控Office文件的神器
文章介绍了OfficeCLI这款轻量级开源工具，它允许用户在无需安装Office的情况下，通过终端命令行直接操作Word、Excel和PPT文件。文章重点强调了该工具与Claude Code、Cursor等AI编程工具结合的潜力，使得AI能够直接读写和处理Office文档，极大地提升了自动化办公和批量处理的效率。
如何掌握 Claude Code 动态工作流：Anthropic 工程师实战指南
本文介绍了 Claude Code 的动态工作流功能，这是 Anthropic 工程师用于处理复杂任务的利器。文章详细阐述了该功能的心智模型、核心 API（agent, parallel, pipeline）以及 5 种关键设计模式（如分类执行、并行分发与合成、对抗性验证等）。动态工作流通过让 AI 自定义编写 JavaScript 代码来编排子智能体，有效解决了单一上下文窗口中的懒惰性、自我偏好偏差和目标漂移等三大问题。
Claude Code 全网爬取指南：五款核心工具配置
本文介绍了如何通过配置五个关键开源项目和官方插件，赋予 Claude Code 强大的全网数据采集能力。内容涵盖社媒平台API对接、反爬虫对抗、浏览器自动化、人工辅助监工以及全自动联网接管等场景。作者提出了“从轻到重，够用就停”的配置原则，并展示了自动扒取课程、翻译字幕并归档的实战工作流。
我所知道的所有 Agentic Engineering 技巧
作者 Matt Van Horn 分享了他在“代理工程”（Agentic Engineering）领域的实战经验，这是一种利用 LLM 和自动化流程（如 Claude Code + Compound Engineering）来完成软件开发的新模式。核心技巧包括：立即生成计划、不要细读计划、将计划流程应用于非工程类深度工作、利用语音输入提升效率，以及通过多标签页并行处理任务。文章强调将工作重心从编码转移到规划，利用智能代理自动化执行。
Claude Code 动态工作流解析与实战
本文介绍了 Claude Code 推出的“动态工作流”功能，允许 Claude 针对不同任务实时编写定制的执行脚手架。文章详细阐述了工作流的运行机制、解决“智能体懒惰”和“目标漂移”等问题的原理，以及分类行动、发散聚合、对抗验证等常见应用模式，并展示了在代码重构、深度研究及非技术领域的实战案例。
Claude Code + NotebookLM + Obsidian：一套越用越懂你的 AI 研究机器
本文介绍了一套基于 Claude Code、NotebookLM 和 Obsidian 的自动化研究系统。文章详细阐述了如何利用 Skill Creator 为 Claude Code 安装 YouTube 搜索和 NotebookLM 技能，构建完整的研究流水线。该系统能自动抓取数据、生成分析并存储至本地知识库，随着时间推移，Obsidian 积累的数据能让 AI 更精准地理解用户思维。
如何构建多 Agent 工作流：完全指南
本文是关于在 2026 年构建多 Agent 工作流的深度指南。文章对比了单 Agent 与多 Agent 系统的区别，详细解析了 Claude Code 的三种编排原语（子代理、团队、动态工作流）及六大核心拓扑结构（顺序流水线、协调者-工作者、并行发散、生成器-验证器、共享状态、辩论模式）。同时探讨了如何设计 Agent 间的通信、避免上下文污染以及处理系统失败模式。
32个Claude Code技巧：从入门到精通
文章介绍了Claude Code的32个高效使用技巧，分为基础、控制和精通三个层级。内容涵盖项目初始化、上下文管理、语音模式、子代理并行工作、自定义Skills编写、Hooks钩子配置及多模型切换等实战方法，旨在帮助用户在16分钟内掌握从新手到专业开发者的进阶路径。
如何用 Claude 和 Obsidian 构建 AI 第二大脑 (完整教程)
本文详细介绍了如何将 Claude 与 Obsidian 结合，构建一个真正可用的“第二大脑”知识库。文章对比了 Obsidian 与 Notion 等工具在 AI 集成上的优劣（基于 Markdown 文件的开放性），并提供了从建立 PARA 笔记结构、编写笔记习惯，到通过 Claude Code 或 MCP 服务器连接知识库，再到实施周报总结等 AI 工作流的完整步骤。