本文整理了 Poteto（pstack 作者）与 Matt Pocock 关于 AI Skills 的对谈。Poteto 一个月合入 2,500 个 PR 的关键不在于产量，而在于工作方式：从反复纠正 AI 的地方提炼 Skills；为 Agent 补上验证能力，让它能自我迭代；将机械操作固化为工具；把 Agent 常犯的错转化为 lint 规则和代码库约束；连接内外两层循环，让外层 Agent 收集 Slack、Linear 等外部反馈，协调 Agent 管理任务分发。她还通过严格抽查和修正工作环境来审查大量产出，并建议从聊天记录中提炼个人 Skills。文章强调领域经验、可靠验证和持续环境优化是自动化协作的核心。
作者认为写代码对程序员来说不是难题，真正卡住人的是审美——界面丑到连自己都不想打开。他分享了偷懒招数：把顺眼的 UI 组件当积木，丢给 AI Agent 自己翻、挑并塞进项目。文章推荐了 5 个 UI 组件资源网站：Beautiful UI、BeUI、Rare UI、Transitions 和 shadcn/ui，链接可直接扔给 Claude Code、Codex 等编码 Agent，让它们自动扒组件、抠代码、调样式并集成到项目中。作者强调不需要懂设计，只要知道在哪里能淘到好看的组件就够了。
本文介绍了 Pi Agent，一款极简高效的 AI 编程工具。文章对比了 Pi 与 Codex 和 Claude Code 在 Token 占用和任务效率上的优势，详细讲解了 Pi 的安装、模型配置、基础操作及高级功能，如指令追加、会话管理和对话树等。
本文盘点并测评了5个GitHub上热门的AI编程套件（如obra/superpowers、mattpocock/skills等）。这些套件通过硬编码工作流、需求文档化、强制诊断流程及工程护栏等方式，将工程规范编译成AI能理解的规则，有效解决了AI编程中的“跑偏”、需求飘移和瞎猜等问题。作者指出，开发者应基于自身习惯搭建专属的自生长AI编程套件，以大幅提升编程效率。
本文介绍了如何高效利用Agent的/goal功能让其长时间运行直至完成目标。作者指出，设定目标时需明确目标、验证方式及停止条件。以视频转录性能优化为例，建议先建立基准，让Agent自主分析瓶颈并迭代优化，将停止条件设为“无优化空间”而非具体指标，以避免任务过早结束或走向极端。此外，为节省昂贵的顶级模型额度，建议主Agent仅负责分析与编排，具体执行交由subagent处理。
作者提出“软件工厂”本质上是一种自动化工作流而非单一产品。文章拆解了从获取任务到提交代码的软件开发全流程，并指出通过Agent、MCP、CI等工具组合即可轻松构建该工作流。相比于依赖容易失效的PRD和文档，作者主张记录真实的开发执行轨迹。将软件工厂视为自动化模式而非100%包办代码的万能产品，能有效解决现实开发中的复杂跨库等痛点，显著提升研发效率。
文章介绍了如何通过使用 GitHub Copilot 的核心功能来提升 AI 辅助开发的效率，而不必追求过多新工具。作者提出了四个关键步骤：选择合适的工具、开启 YOLO 模式以赋予代理自主权、从原型制作开始明确需求以及进行方法化的规划。
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。
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。
文章介绍了如何利用 Ollama v0.24+ 在本地免费运行 OpenAI Codex。通过集成 Gemma 4、Qwen 3.6 等开源模型，用户可以实现零成本、无限制且隐私安全的代码编写体验。文中详细讲解了 Codex Desktop App 和 CLI 的配置方法，并推荐了适配不同硬件的模型。
Anthropic 发布了 Claude Code 官方插件市场，提供 36 个由官方维护的第一方插件。文章详细解析了这些插件的功能与使用场景，涵盖代码审查、开发工作流、项目配置、插件开发工具及语言智能服务等，并针对不同使用需求推荐了安装搭配方案。
文章作者 lauren 分享了加入 Cursor 前后的编码体验对比，从使用 Claude Code 转向 Cursor，并深入探讨了如何通过 GUI 优于 CLI 的设计以及多模型对抗来提升效率。重点介绍了其开源的 pstack 插件，该插件通过一套严谨的技能和工作流，教导 AI Agent 像资深工程师一样进行二分法调试、代码审查和深度工作，以解决 AI 编码中常见的“平庸且快速”问题，倡导深度优于广度的 Agent 编排理念。
作者通过实验发现，仅靠简单的 Ralph 循环（重复运行相同提示词）来驱动长运行 Agent 效果有限，容易导致歧义累积和目标偏离。文章指出 Codex 的 /goal 功能虽然解决了中断问题，但存在方向性偏差和缺乏反馈的缺陷。为此，作者提出了一套更优的工作流：在开始编码前进行严格的“设置阶段”，通过 /interview 命令让 AI 提问以消除模糊性；并采用多智能体协作模式，利用编排器管理子团队，以提高任务完成的质量和准确性。
文章分享了作者在2026年作为Claude Code全操作系统用户时，通过构建和测试100个子代理后筛选出的30个最佳子代理。这些代理拥有独立的系统提示词和工具访问权限，能显著提升工程、DevOps及产品设计等领域的效率，涵盖了代码审查、Bug捕获、数据库迁移验证及规格编写等具体场景。
作者分享了他在使用 Claude Code 时的一个高效工作流。尽管 Claude 的 Plan 模式很强大，但作者认为它在获取最新文档和网页搜索结果方面存在不足。为了解决这一问题，他开发了一个 /research 技能，结合 Context7 MCP（用于高效处理 JavaScript 沉重的站点或需认证的文档）和 ui.sh 工具包，以确保在处理新功能或 Bug 时能获得最新的上下文信息。
文章介绍了 Claude Code GitHub 仓库中隐藏的 12 个官方插件。重点推荐了 code-review（并行代码审查）、hookify（一键生成 Hook 规则）、ralph-wiggum（循环迭代直到完成）等实用工具，并分类介绍了开发流程类、安全与风格类插件的功能与使用方法。
Claude 负责人 Ray Wang 分享了六个高效使用 Opus 4.7 的技巧。主要内容包括：使用 Auto mode 摆脱权限确认弹窗，实现并行任务处理；利用 /fewer-permission-prompts 优化权限配置；借助 Recaps 功能快速回顾长时间会话；启用 Focus mode 隐藏中间过程直奔结果；通过 /effort 调节思考深度；以及建立端到端自测验证机制，让 Claude 能够自动运行、验证代码并提交 PR，从而大幅提升编程效率。
