Claude Routines：利用自动化将 Claude 转变为部署型 Worker
Anthropic 推出了 Routines 功能，将 Claude 从对话工具转变为可在云端自动运行的 Worker。文章详解了 Schedule、API 和 GitHub 三种触发器，并提供了 PR 自动审查、告警分类、文档维护等 5 个实战用例。Routines 能自动处理重复性工作，让 AI 真正融入工程流程。
全部文档 / 标签: DevOps
258 篇
深入解析 Multica：多智能体系统中的关系型记忆架构
文章深度剖析了开源项目 Multica（GitHub 15.4k stars）的多智能体记忆系统架构。与普遍依赖向量数据库的方案不同，Multica 采用了基于 PostgreSQL 和 JSONB 的纯关系型数据库设计，通过 Issue、Skill、Agent Task Queue 等六张表实现状态管理、技能积累和工作空间隔离。作者详细梳理了任务从创建、快照生成到 Agent 执行的完整流程，并指出对于编码类任务，明确关联优于模糊检索，同时探讨了该架构在上下文持久化和跨工作空间记忆方面的局限性。
How /background turns Hermes Agent into a runtime
文章探讨了 Hermes Agent 的 /background 功能，解决了传统 AI 工具阻塞会话的痛点。通过创建独立的后台会话，该功能允许用户在执行耗时任务（如日志分析、代码审查）时，继续保持前台交互，从而将 Hermes 从单一的聊天工具转变为真正的并行工作运行时。
新手入门：从域名到 VPS，再到服务部署全流程指南
这是一份面向新手的网络建站与服务部署路线图。文章系统地梳理了从准备域名、配置 DNS 解析、购买 VPS、使用 SSH 连接服务器，到最终部署服务端和配置客户端的全过程。作者不仅推荐了 Cloudflare、NameSilo、DMIT 等具体的平台和工具，还详细解释了 NS 记录、A 记录等核心概念，旨在帮助初次接触者理清流程逻辑，少走弯路。
本周精选技术资源：系统设计、OpenAI Codex 与 Terraform 入门
freeCodeCamp 本周发布了五项优质技术资源。重点包括全新的软件系统设计基础课程（涵盖数据库、扩展与 API 设计）以及数据质量手册。此外，播客访谈探讨了 AI 时代的计算机科学学习方法，还提供了 OpenAI Codex 辅助开发课程和 Terraform 基础设施即代码教程。
单Agent编程是场噩梦：多Agent工作流实战指南
文章指出依赖单个AI Agent进行编程效率低下且容易失败，主要归因于对单一Agent期望过高及任务分解不足。作者通过对比单Agent与多Agent工作流在Codex Spark等平台上的表现，证明多Agent架构能显著提升效率、降低错误率。文章详细介绍了以Orchestrator（主管）和Subagents（执行者）为核心的“后厨”模式，并列出了五个实用模式，如并行执行和分步验证，展示了多Agent系统在扩展上下文窗口、增强流程控制和提升处理速度方面的巨大优势。
用开源 AI 工具生成项目架构图
文章介绍了一款名为 Architecture Diagram Generator 的开源 Claude 技能，它允许开发者通过简单的英文提示词自动生成深色主题的精美系统架构图。文章详细讲解了如何从 GitHub 下载并安装该技能到 Claude Code，以及如何通过聊天界面快速生成、迭代和导出独立的 HTML/SVG 架构图。该工具不仅支持本地项目，还能解析 GitHub 公共仓库，是文档编写和项目交接的得力助手。
ECC：高效能 Claude Code 配置全解析
文章介绍了一个名为 ECC 的 Claude Code 配置包，该工具帮助开发者在黑客松中快速构建产品。ECC 包含 38 个专用 Agent 和 156 个技能，配备 AgentShield 安全审计系统。配合 claude-mem 和 Superpowers 等工具，可实现会话记忆和规范思考，大幅降低开发成本并提升效率，有望替代昂贵的开发团队。
Building a Hermes Fleet Zero To Hero
本文记录了作者复现 Moshe 的自托管 Agent 架构 (Hermes Stack) 的过程。作者精简了系统，在单机上利用 Qdrant、Ollama 和 mem0 构建了共享记忆层，实现了 Claude Code 会话与 Agent 之间的上下文同步。文章重点涵盖了记忆层的搭建、Claude Code 钩子脚本的实现、模型路由的本地回退机制以及运维中遇到的 IPv4 优先和幂等性键等“坑”，验证了该轻量级架构的可行性。
OpenAI Agents SDK 新增沙盒支持：定义 Agent 交付工作的标准方式
文章介绍了 OpenAI 在 Agents SDK 中新增的一体化沙盒支持功能。作者通过对比早期的 Structured Outputs 和自定义 Shell 工具，阐述了内置原生工具在模型分布和性能上的优势。新功能通过分离编排层与计算层，利用隔离环境安全地处理代码执行、文件操作和浏览器自动化等任务，确保 Agent 能够交付可追踪、可恢复且安全的工作成果，如 PR、迁移和数据分析报告。
Top 67 Claude Skills That Turn a $20 Subscription Into a Full Dev Team
文章介绍了如何通过安装和使用 Claude Skills（技能文件夹）将 Claude 从简单的自动补全工具转变为全能开发团队。内容涵盖了从 Meta 技能管理、规划设计（如 PRD 撰写、代码审查）到具体代码开发（如 TDD、Bug 诊断、QA 测试）的 67 个实用技能，并附带了详细的安装命令和资源链接。
AI Agents Have No Memory for Failure. So We Gave Them One.
本文指出 88% 的 AI Agent 无法投入生产，主要原因是它们缺乏记忆，无法从重复的失败中学习。作者开源了一款名为 Helix 的自愈运行时，通过引入“Gene Map”机制，让 Agent 能像拥有免疫系统一样，在毫秒级内利用已验证的修复方案解决常规错误，从而大幅降低诊断成本和延迟。
Hermes Agent v0.9.0 全方位更新：迈向分布式智能
文章详细介绍了 Hermes Agent v0.9.0 版本的重大更新，该版本标志着从“聊天机器人”向“分布式智能”的范式转变。核心功能包括 Android/Termux 原生支持、多平台消息网关、实时日志监控、本地 Web 仪表盘、可插拔记忆系统以及凭证池等。这些更新使得 AI 能够作为一个主动的伙伴，跨设备跟随用户，实现离线推理、主动警报和无缝的上下文同步。
Harness Engineering: 从执行者到系统架构师
本文提出了“驾驭工程（Harness Engineering）”的概念，指出在 AI Agent 时代，工程师的角色正从代码执行者转变为系统设计者。文章总结了 OpenAI、Anthropic 等公司实战中的 5 个核心思维模式，包括人类掌舵、修系统不修结果、环境外部化、生成与评估分离以及框架做减法。同时，文章给出了 6 条实用启示，强调搭建工作环境的重要性优于单纯选择模型，并指出掌控 AI 记忆是未来的护城河。
是的，他们确实比你更快
文章指出，随着 AI 的引入，部分公司已将产品交付速度和野心提升到了全新的标准。这些公司利用 AI Agent 在一周内生成数百上千个 PR，通过自上而下的指令、内部工具投资、实际的 Token 预算以及对排名和数据的公开追踪，实现了生产力约 10 倍的增长。无论是初创公司还是拥有数十年历史的遗留企业，都在摒弃情感束缚，全面拥抱 AI。
为什么你的“AI优先”策略可能是错的：从辅助到重塑工程流程
文章指出，仅仅将 AI 工具（如 Copilot）加入现有流程只是“AI 辅助”，而非真正的“AI 优先”。作者以 CREAO 为例，介绍了“Harness Engineering”理念：通过将代码库统一为单体仓库（Monorepo）以提高 AI 的可读性，利用 Claude 进行自动化代码审查，并建立自愈反馈循环，从而将工程流程从围绕人类编写代码转变为围绕 AI 构建系统，实现极高的迭代速度。
为什么你的“AI 优先”战略可能大错特错
文章探讨了“AI First”战略的误区，指出单纯引入 AI 工具并不等于 AI 优先。真正的 AI 优先需要基于“AI 是主力构建者”的假设，彻底重构流程、架构和组织，即“软件工程 First”。文章详细介绍了 CREAO 团队如何利用脚手架工程、统一代码库、CI/CD 流水线和自愈反馈循环，实现 99% 代码由 AI 编写且一天部署多次的高效模式，同时也指出了该模式适用的场景与局限性。
Claude Code 架构深度解析：构建生产级 AI 代理框架的最佳实践
本文深入剖析了 Anthropic 的 Claude Code 源代码，揭示了构建生产级 AI 代理框架的核心架构设计。文章指出，真正的代理框架不仅是模型和上下文，更包含了基础设施、多租户和权限控制。关键设计亮点包括：使用异步生成器而非 while 循环来实现可取消、可组合的代理核心；通过并发分类实现工具执行的速度与安全平衡；四级 CLAUDE.md 层级结构实现企业级策略管理；以及系统提示缓存优化、多级上下文压缩策略和精细化的错误恢复机制。
OmniRoute 部署教程：一个网关打通所有 AI 模型
文章介绍了一款名为 OmniRoute 的开源 AI 网关工具，旨在解决使用多个 AI 模型时需要频繁手动切换的问题。通过 Docker 部署 OmniRoute 后，用户可以整合不同的模型提供商（支持 OAuth 和 API Key），配置单一 API 端点来访问所有模型。文章详细讲解了安装步骤、控制台配置以及如何设置“Combos”降级策略，以实现主模型额度耗尽时的自动无缝切换，达到 Token 自由。
系统工程：构建有效的智能体软件
文章提出构建智能体软件应采用系统工程思维，而非仅优化局部组件。作者提出了软件工程的五个关键层面：代理工程、数据工程、安全工程、接口工程和基础设施工程。文章通过开源项目 Dash 演示了如何将 RBAC、数据隔离和多接口集成等原则应用于实际开发中，强调智能体本质仍是软件，需遵循经典的系统设计原则。
小白AI建站赚钱指南：从Vercel到VPS的实操路径
本文分享了如何利用AI辅助建立导航站并实现变现的真实案例。作者对比了Vercel和VPS两种部署方案的优劣，特别推荐了VoyraCloud VPS作为更稳定、安全且支持多服务（如Open Claw、Umami统计）的进阶选择。文章鼓励新手搭建个人数字资产，并提供了VPS购买优惠信息。
10大我希望早点知道的Claude code使用技巧
本文总结了作者半年多使用 Claude Code 的经验，分享了10个提升效率的使用技巧。内容涵盖三种启动方式（可视化、命令行特定历史、自动化无UI）、运行时的三个核心技巧（优雅终止回退、不离开窗口执行命令、上下文管理），以及通过 Superpowers、语音输入和窗口管理工具（Cmux、Vibe Island）来解决人机协同中的效率瓶颈，旨在帮助程序员实现丝滑的 AI 编程体验。
关掉电脑 ClaudeCode 也能帮你干活了，云端定时任务实操指南
本文介绍了 Claude Code 新增的云端定时任务功能。该功能允许用户设置 Prompt 和执行频率，由 Anthropic 服务器自动运行代码审查、依赖检查等重复性任务，无需本地电脑在线。文章详细对比了 Cloud、Desktop 和 /loop 三种调度模式的适用场景，并提供了创建云端任务的具体步骤，包括 Prompt 编写、仓库配置、环境设置及实用场景建议。
Prime Intellect 持续学习系统构建指南
本文介绍了如何利用开源生态系统构建一个持续学习的编码代理系统。作者基于 Prime Intellect 平台和 OpenCode 环境，创建了一套批量增量式在线强化学习流程，通过 Git 快照收集真实交互数据（约 21.8 亿条记录），并在沙箱环境中进行模型训练与部署，旨在实现代码生成的个性化与自我进化。
别再说 Codex 不如 Claude 了！你只是没用对这个神器：oh-my-codex
本文介绍了 OpenAI Codex CLI 的增强工具 oh-my-codex (OMX)。OMX 是一个智能工作流增强层，通过需求澄清、规划审批、持久完成循环和多智能体协调等工程化功能，解决了传统 Codex 缺乏工作流管理的痛点。文章详细讲解了 OMX 的核心功能、安装步骤、四大工作流模式（$deep-interview, $ralplan, $ralph, $team）以及实战案例。
编程智能体的核心组件【译】
本文探讨了编程智能体（Coding Agent）及其运行框架的设计，重点介绍了模型、推理与智能体的区别，并详细拆解了六大核心组件：实时代码仓库上下文、提示词缓存复用、工具调用与安全验证、上下文压缩机制等。文章指出，优秀的 Harness 框架能将基础模型的潜力最大化，是编程智能体体验的决定性因素。
Claude Code 高级技巧：从验证到远程控制的实战指南
本文由 Claude Code 创始人 Boris Cherny 及作者团队实战经验总结，介绍了多项提升效率的高级技巧。核心包括通过 Chrome 扩展或 Playwright MCP 赋予 Claude 验证能力，利用 Git Worktree 实现并行会话，以及使用 /remote-control 实现手机远程遥控电脑编程。此外，文章还详解了 /loop 自动化循环、Hooks 钩子配置、/branch 分支管理等隐藏功能，帮助开发者掌握从入门到进阶的 AI 编程工作流。
8 个 Claude Code Hooks 实战：从防误删到自动提交
文章介绍了通过 Claude Code Hooks 来解决 AI 辅助编程中的痛点。作者分享了 8 个实用 Hook，涵盖代码格式化、危险命令拦截、敏感文件保护、自动化测试、Lint 检查及审计日志等。这些配置能将被动检查转为自动化流程，显著提升代码质量与安全性。
GStack 深度拆解：YC CEO 的 AI Agent 工厂
本文深入拆解了 YC CEO Garry Tan 开源的项目 GStack。该项目提出了一种基于多角色的 AI 编程工作流，通过 23 个专用 Agent（如 CEO、工程师、QA、安全官）协同工作，将开发者从“写代码的人”转变为“管团队的人”。文章详细介绍了 GStack 的 Sprint 流程、真实浏览器测试、并行开发能力以及安全护栏机制，展示了其如何通过自动化代码审查、测试和部署，实现个人生产力的极大提升。
从执行到记忆：gstack + Compound Engineering 实现 Agent 持续进化
文章分析了 Anthropic 的 Agent Harness 架构，并介绍了 Jason Zuo 如何使用 gstack 和 Compound Engineering (CE) 构建了一套完整的工程工作流。CE 替代了 Superpowers，提供了更深入的规划和审查机制。最关键的差异在于 CE 的 /ce:compound 功能，它通过独立 Agent 将每次开发的经验转化为结构化的项目记忆，实现了 Agent 的自我优化与积累，形成了从规划、执行、审查到记忆的完整闭环。
