克劳德代码提示的分解：Anthropic 级别的提示工程配方
本文深入剖析了 Claude Code 的泄露源代码，详细解析了 Anthropic 如何设计其提示系统。文章介绍了包含约 80 个模块化部件的提示组装管道、代牌预算策略以及 7 层提示结构。作者总结了 15 种核心提示工程模式，如身份锚定、负面约束框架、故障模式免疫等，并提供了一个“元提示”配方，旨在帮助开发者构建更高级别的 Agent 提示。
全部文档 / 标签: Agent
2247 篇
AI 时代的魔幻现实：老板向左，员工向右，一个用了求生，一个用了找死
本文探讨了在 AI 快速发展的背景下，企业主与员工对技术采纳截然不同的态度。老板视 AI 为求生手段，渴望通过降本增效重构业务；而员工因缺乏激励机制、恐惧被替代及试错成本高昂，视 AI 为职业威胁。这种收益与成本分配的错位，导致了职场内部“老板急疯，员工不动”的尴尬困局。
Claude Code 源码分析：被 99% 用户低估的 Agent 编排平台
文章深度解析了 Claude Code 的源码架构，指出大多数用户仅将其作为简单的对话工具，忽略了其作为 Agent 编排平台的强大功能。核心发现包括：CLAUDE.md 的每轮重载机制、Subagents 并行化共享 Prompt Cache 的低成本特性、基于配置的权限系统、5 种上下文压缩策略、25+ 生命周期 Hook 系统以及可恢复的 Session 机制。
Claire Vo 把 OpenClaw 玩到“改变人生”
本文分享了 Claire Vo 如何利用 OpenClaw 实现生活与工作自动化的经历。从最初的硬核怀疑论者到拥有9个专用 Agent 的深度用户，她采用多 Agent 分工、精细化 Soul 文件配置及渐进式授权策略，成功将销售、家庭管理及课程开发等琐事自动化，极大提升了效率与自由度。
Claude Code 源码背后的设计哲学：95% 代码都是 Harness
本文深入分析了泄露的 Claude Code 51 万行源码，指出其核心优势并非 LLM 模型本身，而是围绕模型构建的“Harness”工程体系。文章揭示了“先读后改”、“Fail-closed”、“四态权限管理”等设计原则，阐述了 Anthropic 如何通过上下文压缩、Prompt 编译优化和记忆系统，在承认模型局限性的基础上，通过架构约束实现了极高的准确性与安全性。
让该死的 AI Coding 慢下来
本文由 libGDX 创始人撰写，批判了当前盲目依赖 AI 编程代理（Agent）的现象。作者指出，虽然 AI 能快速生成代码，但其缺乏学习能力且容易累积微小错误，导致代码库复杂度在短期内失控，甚至引发严重的服务故障。文章主张开发者应保持“慢下来”，将 AI 视为辅助工具而非决策者，通过人工把控架构设计和代码审查，才能构建出可维护、高质量的软件系统。
10分钟内构建一个适用于人工智能代理和人类用户的命令行界面
文章探讨了如何设计能够同时服务人类用户和 AI 代理的命令行界面（CLI）。核心理念是将数据与呈现解耦，通过提供 JSON 输出、支持环境变量配置、统一的错误处理和确定性退出代码，确保 CLI 对机器可预测且对人类友好。
10分钟用Nexu跑通公众号全自动流水线
文章介绍了如何利用开源桌面客户端 Nexu 和 md2wechat Skill，在 10 分钟内构建从写作、配图、排版到自动同步至公众号草稿箱的全自动化流水线。作者详细记录了在 Nexu 中安装 Skill、配置微信开发者密钥、AI 生成图文及一键推送的全过程，展示了 Agent Skill 生态在内容生产中的高效应用。
总结 Claude Code 源码背后的 20 个设计理念和 Vibe Coding 时的 12 个“真相”
文章深入剖析了 Claude Code（CC）的源码设计，总结了其背后的 20 个核心理念，包括“缓存命中率”优化、上下文复用、多层记忆机制及严格的安全校验。作者指出 CC 不仅是聊天工具，而是“智能执行内核”或“模型操作系统”。此外，文章还分享了 Vibe Coding 的 12 个真相，强调 AI 调度的本质在于约束与任务拆分，而非简单的自由生成，指出用户应掌握判断与工程表达能力，将 AI 作为高效的生产力辅助。
从 Claude Code 泄漏源码看 AI Agent 工程架构
本文基于 Claude Code (v2.1.88) 泄漏的 51 万行 TypeScript 源码，深度解析了业界顶尖 AI Agent 的工程架构。文章详细剖析了其基于 React + Ink 的终端交互模式、极致的 Prompt Cache 字节级优化策略、流式并发执行机制以及解决上下文污染的 Fork Subagent 架构。同时，文章还揭示了其独特的 Dream 记忆系统、基于侧查询的动态权限管理及多 Agent Swarm 协作模式，为 AI Infra 从业者提供了极具价值的技术参考。
扒完了泄露的 Claude Code 源码，我发现“Vibe Coding”的尽头其实是工程化
文章基于泄露的 Claude Code 源码，分析了其底层的 Agent 框架逻辑，揭示了五个关键真相：Prompt 需要结构化、工具使用本质是状态机循环、必须主动管理上下文、工具权限需收敛以及优雅降级的重要性。作者指出，真正的 AI 生产力取决于人类提供的结构、边界和上下文，而非随意的 Vibe Coding。
Agent 记忆：一篇讲透，小白也能看懂
文章以通俗易懂的比喻，深入浅出地讲解了 AI Agent 的记忆机制。通过对比 OpenClaw 社区的三种记忆方案（扔掉旧笔记的压缩方案、分层档案馆方案、以及 MemOS 按需检索方案），揭示了如何解决 AI“健忘”的问题。重点介绍了 MemOS 如何通过全量记录、按需检索和技能进化，大幅降低 Token 消耗并提升开发效率。
祝贺Claude Code成功越狱，获得永生
Claude Code因Anthropic发布失误导致源码泄露，作者分析了1902个源文件，揭秘其背后的工程架构。文章指出Claude Code的体验不仅靠模型，更靠精细的工程系统，包括精心拼装的System Prompt、四层权限安全审查、结构化记忆提取、9段式上下文压缩及企业级多Agent协作框架。这些设计展示了如何通过约束和工具让AI从“不可预测”变得“稳定可靠”。
6种架构模式+60%质量提升：Harness开源项目落地实践
文章介绍了开发者 revfactory 开源的 Claude Code 插件 'Harness'，该工具将 Harness Engineering 概念转化为实际可用的协作架构生成器。它内置了 Pipeline、Fan-out/Fan-in 等 6 种协作模式和 5 套团队模板，利用 Progressive Disclosure 技术解决上下文问题。A/B 测试显示，使用该工具在 15 个软件工程任务中实现了 60% 的质量提升和 100% 的胜率，标志着多 Agent 协作从概念讨论迈向了工具化落地。
Anthropic Claude Code 源码剖析：为什么它比别人好用
基于 Anthropic 泄露的 Claude Code 源码，深入剖析其技术架构。文章指出 Claude Code 实为以 LLM 为内核的“操作系统”，拥有极致的提示词工程、42 个独立工具的安全管控、AI 记忆检索系统、子蜂群 Agent 机制以及三层上下文压缩技术。其 51 万行代码中有 95% 专注于安全、权限和上下文管理等工程脚手架，而非单纯的模型调用。
深入解读 Harness Engineering：AI 工程的第三次范式转移
Anthropic 和 OpenAI 几乎同时发布关于 Harness Engineering 的文章，引发 AI 社区热议。本文梳理了从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演变，解析了 Anthropic 的“生成器+评估器”循环架构与 OpenAI 的“百万行代码零手写”分层实践，并结合多位博主的观点，探讨了 Agent 时代工程师角色的转变与未来工程实践的方向。
分享6个我觉得应该必装的Skills
本文作者分享了6个他认为必装的 Claude Skills，旨在提升 AI Agent 的实用性与效率。推荐的 Skills 包括：解决 AI 审美问题的“Frontend Design”、提供原生格式文档支持的“办公必备四件套”、增强联网搜索能力的“Web Access”、解决 AI 摆烂问题的“PUA”、提供持久化记忆的“Claude-mem”，以及最重要的自定义工具“Skill-Creator”。文章强调了技能封装的价值，认为真正重要的是用户创造个性化工具的能力。
用OpenClaw实现视频制作全自动化：从“策划到发布”的完全托管指南
文章详细介绍了如何利用开源平台 OpenClaw 结合 Seedance 2 和 Adobe Premiere Pro (PR)，实现视频制作全流程的自动化。从策划构思、素材生成、剪辑到分发准备，整套流程由 AI 自主完成，人类仅需提供初始主题。文中涵盖了系统架构、核心工具功能、具体的搭建部署步骤、实战流程以及运营避坑指南，旨在帮助视频创作者和自媒体运营者突破产能瓶颈，实现一人多媒体大军的效率飞跃。
飞书开源CLI，我当天就用OpenClaw把工作自动化了
文章介绍了作者在飞书开源 CLI 后，利用 AI Agent 平台 OpenClaw 实现了工作流的自动化。作者通过对比 MCP 与 CLI，阐述了 CLI 在工具调用上的优势，并详细演示了如何通过 OpenClaw 一键安装飞书 CLI 并实现自动化建日程、发消息等操作。文章最后探讨了 Agent 时代下工作方式从“操作”到“意图”的根本性重构。
从执行到记忆：gstack + Compound Engineering 构建完整 Agent Harness
文章探讨了 Anthropic 提出的 Agent Harness 架构，对比了 Superpowers 和新工具 Compound Engineering (CE)。CE 通过引入 /ce:compound 机制，将工作中的 Debug 经验沉淀为可搜索的项目知识库，实现了 Agent 的自我优化和“记忆”。结合 gstack 的决策层能力，作者认为 gstack + CE 构成了从规划、执行、审查到记忆积累的完整工作流。
14天造出一台AI Native计算机：Happycapy 和下一代人机协作的故事
文章讲述了徐明团队如何在14天内开发出“Agent Native Computer”——Happycapy。受Claude Code启发，该产品让AI直接运行在云端计算机中，而非通过API调用工具。文章探讨了AI Native工作方式，即99%代码由AI生成、团队接受代码冗余并基于GitHub协作。同时，对比了Happycapy与开源项目龙虾的区别，阐述了未来从CLI交互到Agent接管计算机的趋势，以及面对高Token成本的应对策略。
刚刚，飞书CLI开源，Claude Code也可以丝滑操控飞书了
文章介绍了飞书开源CLI工具这一重要事件，作者认为其意义深远，标志着产品形态从GUI向CLI的转变。通过Claude Code结合飞书CLI，AI Agent可以直接通过命令行操控飞书，完成群发消息、多维表格数据检查、自动生成日报等复杂自动化任务。作者不仅详细讲解了安装配置流程，还展望了未来所有软件都将具备CLI接口以适应AI操作的趋势。
安利一个11万Star的必装插件，能让你的Agent体验直接质变
文章推荐了一款名为Superpowers的Github插件（11万Star），旨在解决Agent开发中缺乏标准流程的问题。该插件通过包含头脑风暴、苏格拉底式提问、任务拆解、子Agent开发和代码审查等在内的14个Skills，强制构建结构化的工作流（规划-拆解-执行-审查），从而显著提升任务产出质量和AI开发效率，适用于Claude Code、Cursor等多种环境。
Agent Skills 复利工程：你的烂笔记比代码值钱
文章介绍了“复利工程”的理念，即利用 Claude Code 等 AI Agent 审计个人技术笔记，自动提取出可复用的 Agent Skills。作者通过实战演示，将 200 多篇零散笔记转化为 4 个高优先级的自动化技能，从而将一次性解决问题的经验固化为系统永久能力，实现知识的指数级复利积累。
OpenClaw+Obsidian+ima，打造知识管理全自动化
本文介绍了作者利用 OpenClaw（小龙虾）、Obsidian 和 ima 构建的一套全自动知识管理工作流。该系统通过设定监控任务，实现了微信读书笔记、本地文章、微信收藏夹及灵感的实时自动同步。作者强调将采集整理交给 Agent，人类只需负责决策，从而在本地存储与云端同步之间构建了高效的知识闭环。
Claude Code进阶指南：装这9个Skill才算真正上手
文章介绍了Claude Code生态中9个值得关注的开源项目，涵盖Agent技能框架、记忆系统、UI设计、RAG应用及工作流自动化等方向，并提供了安装建议与避坑指南，旨在帮助开发者打造懂项目、懂规范的开发伙伴。
长时间运行的应用开发中的编排框架设计
本文探讨了如何通过改进编排框架来解决 Claude 在长时间运行任务（如前端设计和全栈开发）中的局限性。作者受 GAN 启发，设计了包含规划器、生成器和评估器的多智能体架构。通过引入上下文重置机制、制定明确评分标准以及分离生成与评估环节，该框架成功实现了自主构建高质量全栈应用的能力，显著优于单智能体模式。
Claude能直接操控电脑微信了，这才是真正的上位小龙虾
Claude 推出重磅更新，通过纯视觉方案 Computer Use 结合 Dispatch 远程控制，实现了对电脑微信等本地软件的直接操控。文章详细对比了该方案与传统代码驱动方案的区别，演示了如何利用手机远程操控电脑发送文件、总结群聊及自动发朋友圈，并强调了 Anthropic 作为模型厂商在权限管控与安全防护上的优势。
按头学习| 让 AI 真正做好复杂任务，需要一套什么样的系统？
本文基于 Anthropic 工程师的实战指南，探讨了如何通过多智能体系统（Multi-Agent System）解决单一 AI 模型在处理长时复杂任务时的上下文退化和自我评估偏差问题。文章通过对比单智能体（$9/20分钟）与三智能体系统（$200/6小时）在游戏开发中的表现，引入了类似 GAN 的“生成-评估”协作机制。详细介绍了包含规划者、实现者和评估者的全栈开发架构，并提出了系统设计应随任务复杂度和模型能力演化的核心原则。
宝玉老师开源Skills设计哲学：从提示词到Agent工程
文章介绍了宝玉老师开源的17个Agent Skills项目，该项目在GitHub获得9000星。文章详细拆解了其设计的四条核心哲学：从提示词起步、功能原子化拆分、持续迭代优化以及站在Agent视角设计。通过具体案例展示了如何利用Claude和Gemini构建高效的AI写作工作流。