本文详解币安于2026年8月发布的 Agent OS，一套通过官方 MCP 将 Claude Code、Cursor 等 AI 工具安全连接到币安市场数据、账户与交易能力的标准化基础设施。文章介绍了 Agent OS 的定义、能力边界、与 API/Skill/钱包/x402 的区别，并给出从零连接的实操教程：添加官方 MCP 端点、完成授权、创建隔离的 Agentic 子账户，以及从只读行情到小额现货的渐进式测试流程。同时强调最小权限原则、执行前确认、紧急停止等安全机制，指出金融 Agent 的核心难点在于治理而非接口。
文章介绍了 Pi Agent 的作者 Mario Zechner（@badlogicgames）。他是奥地利人，曾是游戏框架 libGDX 的开发者，也做过 RoboVM。2025 年底他用两晚时间写出极简 coding agent Pi，默认只有 read、write、edit、bash 四个工具，系统提示词极短，强调可自由定制。后来被 Flask 作者 Armin Ronacher 的公司 Earendil 收购，Mario 入股加入团队但保持技术方向主导权和开源。他反对 Agent 越做越重，认为 CLI 比 MCP 更省更稳，Pi 的干净、可改、不绑模型的风格正源于他的个人理念。
本文基于对45人工程团队30天的Claude Code使用追踪，剖析了其账单构成：真实用户提示仅占输入token的14%，其余为静态系统开销、CLAUDE.md与Skills、MCP服务器schema、工具结果回放及历史上下文等配置性开销。文章指出Uber等大规模部署中人均月支出高达500-2000美元，并介绍了Comet在Opik中推出的Cost Intelligence代理插件，通过token级可观测性帮助团队识别浪费，15分钟审计可削减20-40%账单。
文章分析了 AI Agent 领域从依赖 MCP 回归 CLI 的趋势。MCP 曾被视为 Agent 连接外部工具的标准方案，但在本地开发和工程自动化场景中，CLI 兞现成太、节省上下文、易于调试复现、具备 Unix 管道组合能力且更接近真实执行环境。作者认为 MCP 并不会消失，二者正在重新分工：CLI 成为 Agent 的本地执行层，MCP 回到标准化集成层，用于远程能力、结构化发现和跨平台复用。
这是一篇面向新手的 Codex 全面教程，系统讲解了 OpenAI Codex 这一可实际操作的 Agent 工具。文章从界面布局、项目与任务管理讲起，详细介绍了 Local、Worktree、Cloud 三种工作区模式的选择，Plan 计划模式的适用场景，权限与沙盒的配置方法。还覆盖了集成终端、内置浏览器、Computer Use、Memory 等基础工具，CLI 常用命令与快捷键，AGENTS.md 项目规则文件的写法，并厘清了 Skills、Plugins、MCP 三者的区别与用法，帮助读者独立上手 Codex 完成实际任务。
作者团队用 AI Agent 驱动前后端全流程开发（1个TL+6个子Agent），token成本高昂。通过AgentLens度量发现系统提示词、工具返回信息、历史消息是消耗大头。围绕'只看当前需要的上下文、减少无关上下文、减少重复上下文'三原则，实施了渐进式披露、CLI替代MCP、MCP子Agent化、长期记忆索引加载、多Agent拆分、工具白名单等10项优化，全流程降本50%~65%。
作者将Claude Code与Higgsfield（通过MCP连接）结合，用虚拟蛋白咖啡品牌Perkform演示了如何搭建一人营销团队。核心方法是为Claude建立持久化项目：通过痛点和目标人群定位提供业务上下文，配合品牌素材、文案规范和CLAUDE.md运营文档，使每次生成保持品牌一致性，避免AI垃圾内容。系统能自动生成滚动式网站、广告图、轮播图、宣传短片、UGC视频和分析追踪器，实现规模化内容生产。
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
本文全面介绍了 Agent Skills 的概念、创建、扩展、测试及企业级应用。作者从最小 Skill 的构建开始，逐步讲解如何拆分文件、接入知识库与 MCP、管理多个 Skill 与 Agent 的协作，并讨论了大型 Skill 的潜在问题与测试方法。最后，文章强调了企业级 Skill 的安全分级、评测与治理，旨在帮助读者从零开始掌握 Skill 开发，并避免常见误区。
作者分享了使用生财MCP的体验，认为它相当于一个庞大的知识库系统。文中列举了五种常见玩法：根据项目赛道让AI搜索关键词并生成30天执行手册；将方法论提炼沉淀为语录和内容创作素材；利用文章框架进行内容创作；快速找到相关资源和人脉；以及利用风向标信息源进行行业机会分析和社群运营。作者还提到生财内部已上线许多新功能，认为其价值很高。
本文是作者对 Codex 工具全面使用的经验分享，涵盖基础使用、定时任务、拉取请求、插件与技能（Skill）的安装与推荐，以及高级工作流架构。作者强调通过 prompt 四步法、先问后做、语音输入等技巧提升效率，并介绍了如何将 Codex 与 MCP、插件结合，实现从需求描述到产品开发、内容创作的自动化流程。文章还提供了个人工作流设计原则，如长期任务用 Skill、一次性任务用 Prompt，并推荐了多个实用的 Skill 和插件。
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。
作者从内容创作和小说写作的实践出发，发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层，AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级：快速原型级解决能不能做，开发级解决能不能稳定做，管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理，只保留目标、路由、验收和异常处理，具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达，而是组织能力。
作者提出2026年AI Agent工程师的12步路线图，围绕决定Agent成败的七大支柱展开：上下文、工具、记忆、循环、图、Harness与评估。文章指出Agent失败的核心原因是上下文膨胀、循环不收敛、缺乏评估。前半部分详细讲解上下文工程（如Claude Code启动即加载约7850 token、精简系统提示、CLAUDE.md分层管理）、工具与MCP设计（用类型代替示例、延迟加载）、记忆管理（计划文件、主动压缩）等内容，强调七者是同一技能的不同投影，需按依赖顺序学习。
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。
本文探讨了智能体（Agent）从开发到生产环境所面临的挑战，指出托管式智能体服务将成为下一个重要方向。文章回顾了智能体发展的三个阶段，分析了生产环境中的稳定性、安全、身份验证等问题，并介绍了LangChain推出的Managed Deep Agents如何通过提供运行壳和生产设施来解决这些问题。文章还讨论了AGENTS.md、MCP和Skills等标准的重要性，并给出了适用场景和建议。
This article provides a step-by-step guide to transforming Kimi K3, Moonshot AI's flagship model, into a design agent capable of working across Figma, Blender, Playwright, and GitHub using Model Context Protocol (MCP) servers. It covers setting up Kimi Code CLI, configuring MCP servers for each tool, and integrating them to enable the agent to build, visually inspect, and correct its own work. The tutorial includes installation commands, configuration snippets, and testing tips, culminating in a workflow where the agent can execute complex multi-tool tasks autonomously.
本文是MCP（Model Context Protocol）的入门教程，旨在帮助读者理解MCP的概念、安装常用MCP服务器，并动手搭建一个简单的MCP服务器。文章首先区分了Skill与MCP的不同，指出MCP是让AI具备操作外部工具能力的标准协议。然后详细介绍了MCP的核心概念（Host、Client、Server）和三种原语（Tools、Resources、Prompts），并推荐了7个实用的MCP服务器，如Sequential Thinking、Filesystem、Playwright等，附有安装命令。最后，通过一个25行的Python示例，演示了如何创建并注册一个自定义MCP服务器，并介绍了调试工具MCP Inspector的使用。
本文全面介绍了模型上下文协议（MCP），将其比喻为AI代理的USB标准。文章回顾了MCP从2024年11月Anthropic开源到2026年成为行业标准的发展历程，详细解释了MCP的架构（主机、客户端、服务器）、三大核心原语（工具、资源、提示），并提供了构建MCP服务器的代码示例。此外，还介绍了如何将服务器连接到Claude，以及2026年7月28日发布的重大规范修订，包括无状态核心和扩展系统。
本文介绍了Agent Plugins作为打包Agent Skills及其依赖的MCP服务器的开放、厂商中立标准。Google已加入技术指导委员会作为核心维护者。文章详细说明了如何将现有技能迁移为插件，包括添加清单文件、配置mcp.json、处理路径占位符以及扩展命名空间，强调了插件的可移植性和组件独立失败的优势。作者通过实际经验展示了从技能到插件的转变过程，并指出了迁移中的常见陷阱，如发现规则仅深入一层。
本文探讨了Postgres在处理数十亿行时间序列数据时遇到的性能瓶颈，以及如何通过Tiger Cloud（基于TimescaleDB的托管服务）解决这些问题。文章以Cloudflare团队的经历为例，展示了他们花费两年时间手动构建分区管理和聚合管道，最终迁移到TimescaleDB将查询速度提升35倍。作者演示了如何使用Tiger CLI作为MCP服务器，让Claude Code直接管理数据库基础设施，并构建了一个实时地震仪表盘。通过自动时间分区、连续聚合和压缩功能，Tiger Cloud简化了数据工程工作，使开发者能专注于应用开发。
本文针对AI行业层出不穷的新名词，系统整理了超过110个核心概念，旨在帮助读者建立对AI技术的整体认知。内容涵盖了一人公司(OPC)、Agent智能体、大模型架构、模型训练与压缩、MCP生态协议，以及AI创业相关的商业指标等，适合作为日常查阅和学习的工具指南。
本文介绍了10个优秀的GitHub开源项目，旨在利用Obsidian作为存储层，让Claude真正记住用户的个性化知识，从而打造真实的“第二大脑”。文章首先剖析了项目背后的三大核心架构：Karpathy LLM Wiki模式（大幅节省Token）、Anthropic的Skills架构（按需加载技能）以及MCP桥接（支持实时读写）。随后，作者详细盘点并测评了这10个开源库，逐一分析了它们的核心功能、安装难度、适用人群及局限性，为想要构建个人AI知识库的用户提供了极具价值的实践指南。
本文探讨了在AI时代，FDE（全栈交付工程师）如何整合业务咨询、算法、工程与交付等多个职能。作者结合自身转型经验，指出FDE需具备业务洞察、客户筛选、沟通落地及端到端技术工程能力。文章系统梳理了从需求收窄、RAG治理、Agent权限控制到部署压测、生产发布及最终知识转移的完整闭环，强调技术落地必须与组织采用相融合，为AI企业级落地提供了实操指南。
本文专为缺乏技术背景的AI初学者撰写，旨在理清AI领域的常见名词。作者将AI系统划分为七个层级，详细拆解了从大模型、产品、Token、RAG、MCP到Agent、Workflow、Loop和Graph等核心概念。文章指出新手常犯的认知混淆，并通过具体的任务案例展示AI系统的工作流程。最后，为初学者提供了从分清对象到理解工具执行的实用学习路径，帮助读者建立完整的AI概念地图。
文章详细介绍了70种将AI融入产品管理流程的进阶实践，涵盖了从上下文管理、PRD撰写、原型设计到用户反馈与团队工作流的方方面面。作者指出，使用先进的AI工具（如Cursor、Claude和MCP）不仅能提升效率，其背后的核心逻辑在于：模块化加载上下文、预先定义成功标准、将倾听用户与产品迭代闭环、将设计决策转化为文件与测试，并像监控产品一样监控系统。
本文介绍如何利用 Codex 的 CLI、Computer Use 和 MCP 三大功能，配合 Open Design、Supabase 等工具，在不写代码、无设计经验的情况下，仅用一天时间搭建并部署一个类似 NYT Connections 的文字游戏网站，实现低成本建站变现。
文章探讨了 Agent 使用 MCP 工具时经验无法复用的难题。介绍 ToolAtlas 方案，将工具记忆存储在 Provider 端，通过构建三层能力图谱共享经验。实验显示该方案能显著提升成功率并减少推理 Token，同时讨论了落地中的数据安全、版本过期等挑战。
作者体验了开源 AI 记忆工具 Memmy，它能记住用户的本地项目、Skills 和业务流程，打通不同 AI 工具间的记忆壁垒，实现跨 Agent 的知识共享与协同。
本文深入探讨了 Google Agent Skills 项目的构建与扩展。作者分享了如何通过标准化的存储结构、自动化 CI/CD 检查、持续的评估流程以及严格的所有权规则，来保证技能库在规模增长时的质量和可靠性。文章强调将技能视为产品而非简单代码片段，并介绍了利用 MCP 工具和 GitHub Actions 进行质量管控的实践。
