从提示词到Agent工程:构建安全可控的AI工作流
文章指出“提示词工程”并未消失,而是升级为“Agent工程”。随着模型能力增强,工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务,提出了基线检查、小步执行、实时纠偏等优化策略,并分享了实战案例及通用的Agents.md配置模板,强调建立明确的上下文和边界是Agent落地的关键。
文章指出“提示词工程”并未消失,而是升级为“Agent工程”。随着模型能力增强,工作流重点从单次回答转向安全、稳定的任务控制。作者通过对比传统Prompt与Agent任务,提出了基线检查、小步执行、实时纠偏等优化策略,并分享了实战案例及通用的Agents.md配置模板,强调建立明确的上下文和边界是Agent落地的关键。
作者宣布其 AI 视频情报站正式开放 MCP 接口,支持 Claude Code、Codex 等 Agent 直接接入查询。文章介绍了接入方法(一条命令即可),并展示了几种典型用法:每天早上让 Agent 查询新起和升温的视频题材、查询某个题材的来源和时间线、追踪特定 AI 模型的动态,以及将情报站接入自己的工作流(如自动生成选题卡、晨会材料等)。情报站每天早上更新一期,提供题材归类、X 热议、开源项目、题材溯源等数据,同时说明了查询范围限制。不接 MCP 也可通过网页或开源版自行部署使用。
本文介绍了开源工具 REA(Reverse Engineer Anything),一个拥有 33.5 万星标的 GitHub 项目。REA 通过 MCP(模型上下文协议)接入 Claude Code、Codex、Grok Build 等 AI Agent,让 Agent 能够分析网站、桌面应用、移动应用乃至游戏的功能实现原理,并生成规格文档用于构建自己的版本。文章提供了从零开始的完整新手教程,包括安装步骤(npx 命令或自动化 Agent 安装)、健康检查方法,以及五步工作框架:观察架构、深度理解(X-ray)、制定蓝图、构建实现、迭代升级,并附有各阶段的实用提示词模板。核心价值在于可以借鉴喜爱的应用功能,快速打造自己的版本。
文章系统解释了 AI 领域中 harness(套件/执行框架)的概念。作者指出 LLM 默认只能生成文本,要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单,这一切组成了 harness。文中区分了界面(如 Claude Code 的 TUI/GUI)与底层 harness(如 Anthropic Agent SDK、Codex App Server),并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱',让代码可以在外部运行,以及 agent 的定义:LLM 与 harness 的结合体。
本文是一篇面向新手的 Pi Coding Agent 全面入门教程。Pi 是一个跑在终端里的极简 AI 编程智能体框架,定位为'最小智能体外壳':内核只保留基本工具循环,计划模式、子智能体、权限系统等能力全部拆给扩展。文章详细介绍了安装方式(官方脚本、npm、Nix)、界面与常用快捷键、模型配置、四种使用模式(交互、打印/JSON、RPC、SDK)、技能/扩展/提示词模板/主题的扩展体系,以及树状会话管理。作者重点总结了七个常见坑:无内置权限系统需容器隔离、默认无 plan mode、npm 不锁传递依赖、grep 等工具默认关闭等。Pi 支持 15 家以上模型商,MIT 协议,与 Claude Code、Codex 是两条路线:要开箱即用选成品,要可自由定制的个人智能体选 Pi。
作者分享了一个长期痛点:与 AI 多轮讨论敲定的项目方案往往锁在某台电脑的聊天窗口里,换设备或同事接手时需重新投喂上下文。作者接入 EverOS Cloud(GitHub 1.3w 星开源 Agent 记忆系统 EverOS 的云端托管版),将公司电脑和家里电脑的 Codex 挂到同一云端记忆空间。AI 讨论过程中的方案与约束自动沉淀为云端记忆,跨设备、跨团队无缝续接工作,无需手动整理 Markdown。网页端 Memory Bank 可查看阶段摘要和事实卡片,支持记忆的增删改。该方案也适合团队协作,共享记忆成为项目知识资产,降低人员交接风险。
HeyPCB 发布 MCP 服务,让 AI Agent 具备硬件电路设计能力。文章演示了通过 Claude Code 使用 HeyPCB 完成从原理图绘制、145 个元器件布局、布线到地平面铺铜的全流程。首次布局不佳时,Agent 自主检查并要求将 64 个 LED 重新排成 8mm 网格、支撑件移至背面;针对 D3 LED 数据引脚方向问题,Agent 旋转 180 度后重新布线。最终实现 0 DRC/ERC 错误,并成功导出 KiCad 项目通过官方检查。HeyPCB MCP 兼容 Claude Code、Codex、Cursor、ChatGPT 等 MCP 客户端,实现电路设计到固件和外壳的一体化 AI 硬件开发。
中国人民大学开源了 EvoOntology,登顶 Hugging Face Daily Papers。传统做法是把数据字典塞进 prompt,但实验显示这反而使 Claude-Sonnet-5 得分下降 15 分。EvoOntology 让 Agent 自主维护数据本体:从问题出发整理指标定义与表关系,经真实数据验证后入库;通过 MCP 按需检索而非硬塞上下文;每次任务后分析出错点,只增量修改对应部分,新版需跑赢旧版才上线。该方法使 Claude-Sonnet-5 提升 8.8 分,GPT-5.5 在 DDR-Bench 上提升 26.7 分。已提供 Claude Code 和 Codex 插件,模型权重不变,变强的是 Agent 的数据说明书。
作者分享用 Codex 结合 ChatCut 浏览器/桌面剪辑器自动剪口播视频的工作流:将原本在剪映需要一两天的剪辑工作压缩到一小时内。文章介绍了通过托管 MCP 插件让 Codex 或 Claude Code 直接操作剪辑时间线的安装方式,给出了四条核心指令(只读分析、按语义删减、插入内容并自查、最后刷字幕)和五道验收方法(重读项目状态、核对总时长、逐轨道检查、实际试听、复查字幕),并以片尾卡未跟随移动导致时长短两秒的实例说明:AI 报告'完成'不等于真正完成,验收环节必须由人掌握,这一原则适用于所有 Agent 交付的工作。
本文是一篇面向零代码基础读者的教程,介绍如何用立创实战派 ESP32-S3 开发板和 Claude Code/Codex 等 AI 编程工具,制作一个桌面 AI 语音聊天助手。作者借助开源项目小智 AI 实现语音识别与合成,通过分步提示词让 AI 自动完成固件备份、下载和烧录,再用手机配网并绑定 xiaozhi.me 后台,即可实现'你好 Claude'唤醒的聊天机器人。进阶部分还讲解了用 MCP 调用电脑工具、自定义唤醒词和像素形象的方法,并附有常见问题排查和恢复出厂固件的方案。
文章介绍了爆火的逆向工程工具 REA(Reverse Engineer Anything)。首先澄清了开源的 PhotoCraft 等 Adobe 替代品项目与 REA 无关,作者 Brandon Thomas 声明采用 100% clean room 重写而非反编译。REA 是一套本地运行的命令行工具和 MCP 服务,可接入 Claude Code、Codex 等编程助手,分析原生二进制、JavaScript 应用、APK、网站和固件,并生成带编号的证据。文章通过 DX-Ball 游戏声像计算的案例详解了 REA 三层结构(人机协作层、REA 调度层、底层分析引擎)的工作循环,并梳理了社区公开案例,指出目前成功还原多停留在单个函数或具体数据路径层面。
本文是 Pi Durable 访谈译文第三篇,Mario Zechner 与 Armin Ronacher 讨论各类编码 harness 的体验。他们聊到 AMP 的 Orbs 设计与团队愿景、OpenCode 的持久化探索、DeepSeek harness 的插件架构与极简体验、以及 Claude Code 的自我修改趋势与稳定性问题。还谈及 Pi Mobile 让手机本地运行 agent 的愿景、Web 插件系统的安全挑战(XSS、沙箱隔离)、对 MCP 支持的转变,以及让非开发者上手 agent 的 onboarding 难题和对 AI 技术真正落地应用的期待。
作者分享 Claude 账号被封后如何无损迁移开发任务和历史记录的 4 招实操方法。第一招是使用 Claude Code 而非 Chat,因为其对话记录、配置、skill 和 memory 都明文存放在本地 ~/.claude 目录,可被新号或其他 Agent 直接读取;第二招是利用 Codex App 的一键导入功能,连对话历史都能原样搬过去;第三招是在全局契约中约定自动沉淀 run log(过程轨)和 summary(结论轨)文档,让交接材料平时就写好;第四招是将项目文档定期备份到 GitHub 私有仓库,新工具连上即可了解项目全貌。文末还附有外挂记忆工具推荐及注册 Claude 新号的番外方法。