本文探讨了Claude Code的创建者Boris Cherny关于如何更有效使用AI代理的建议。作者发现，随着模型升级（如Opus 5），旧有的指令和技能可能反而阻碍新模型的表现。Boris建议定期删除或禁用CLAUDE.md、技能和钩子，以发现模型的新能力。作者通过对比测试发现，保留上下文但简化流程，让模型自主思考，效果更好。文章强调将上下文与程序分离，给出高层目标、护栏和退出标准，并让代理自我验证。最终，管理AI代理应像管理有能力的人一样，设定方向、审查结果，而非微观管理。
文章介绍了如何利用 Opus 5 的新特性（如缓存控制和低 effort 模式）低成本构建图记忆。核心在于将提取和遍历分离：提取使用低 effort 和缓存前缀以降低成本，遍历使用高 effort 以保证推理质量。通过优化配置，图工程的成本可降至原本的三分之一，甚至低于向量存储。
文章探讨了 Claude Code 重启嵌套子代理后的最佳实践。作者指出大多数人滥用子代理导致资源浪费，并提出了一套结构化工作流：设置唯一的编排器负责计划，利用三层深度进行审查分发，限制子代理范围，并在核心环节使用旗舰模型，在执行环节使用低成本模型，以实现高效、低成本的高质量交付。
文章介绍了一种结合 Opus 5 和 Obsidian 的研究系统。Opus 5 以高效性著称，适合处理大量提取和合成任务。Obsidian 作为本地永久存储，通过特定的文件夹结构和 CLAUDE.md 协议，将原始材料转化为链接的知识库。系统实现了自动化的摄入处理和周报生成，将手动阅读和整理的时间转化为思考时间。
