How to Run Your Entire Outbound From One Claude Code Command
本文介绍了如何利用 Claude Code 的 Hooks 机制，构建一个全自动化的 B2B 外呼营销管道。该系统通过串联信号抓取、线索评分、客户画像、文案生成和序列构建五个阶段，实现从公司列表到邮件序列的端到端自动化，极大提升销售效率。
相关文档
Fable 循环库：25 个全自动工作流实战指南
本文介绍了一套包含 25 个工作流的“Fable 循环库”，旨在教读者如何利用 Claude Code 的 /loop 和 /goal 命令实现 AI 自动化。文章详细阐述了基于目标、边界和结果的 Agent 核心逻辑，区分了循环和目标的区别，并按营销内容和产品两个维度，展示了如何利用 MCP 和 API 自动执行 SEO 监控、内容挖掘、竞品分析及用户体验优化等任务。
Claude Code 内部技巧流出【附 12 个隐藏用法】
本文总结了 Claude Code 的 12 个实用技巧，帮助用户节省额度、提高效率。内容包括：按任务难度分配思考强度（effort）、提前压缩上下文避免撑满、用 /doctor prompt-audit 清理旧指令、通过分析出错会话改进工作环境、使用 claude-mem 实现跨会话记忆、用 Statusline 展示用量信息、用 /run 和 /verify 实际验证功能、写代码与审代码分离、复杂任务先用 Plan Mode、重要限制交给 Hooks 强制执行、用 Git Worktree 并行工作等。所有命令和提示词可直接复制使用。
Graph Engineering: 在一个窗口构建 1000+ Agent 循环的完整指南
本文介绍了 Graph Engineering 的概念，即从线性的 Agent 循环转向图结构的工作流。文章详细讲解了如何利用 Claude Code 的动态工作流功能，通过五个步骤构建并行处理任务的 Agent 图，以解决上下文限制和执行效率问题，并探讨了在扩展到 1000+ Agent 时可能遇到的挑战及解决方案。
构建 Agent 技能的自我改进循环
本文介绍了如何通过“自我改进循环”提升 Agent 的技能质量。作者以 Issue 分类为例，展示了如何构建双层循环架构：内层循环负责执行具体的分类任务，外层循环则根据人工反馈自动调整技能代码。利用 GitHub Actions 和云代理平台，系统能持续从历史交互中学习并优化自身。
The 9-Step Loop That Turns Claude Code Into a Senior Engineer
文章指出大多数开发者像使用初级工程师一样使用 Claude Code，缺乏有效的流程。作者提出了一套利用 Claude Code 内置原语（Plan Mode、Subagents、Hooks 等）构建的 9 步闭环流程，旨在模拟资深工程师的工作方式。该流程强调在编写代码前先探索代码库并制定计划，使用 CLAUDE.md 固化标准，利用 Hooks 强制执行不可协商的规则，并通过独立 Agent 进行代码审查，从而实现高质量、自动化的代码交付。
从提示词工程师到循环设计师：14 步进化路线图
本文提出了“循环工程”概念，阐述了开发者的杠杆点已从手动编写提示词转移到设计自动化系统。文章详细介绍了从 Prompter 进化为 Loop Designer 的 14 步路线图，包括适用性测试、经济性分析及自动化构建的五大核心模块，旨在帮助开发者通过构建自驱动的编码循环来提升效率。
构建2026年五层AI技术栈：Claude、Obsidian与Hermes Agent的深度集成实践
作者反对2026年依赖单一AI工具的趋势，提出了一套分层协作的AI技术栈。文章详细介绍了三个核心层：1. Claude作为推理层，利用200K上下文处理复杂任务；2. Obsidian作为记忆层，通过MCP连接为Claude提供持久化知识库；3. Hermes Agent作为本地自动化层。这种架构将单纯的对话界面转化为具备记忆、推理和执行能力的智能系统，大幅提升AI的实际杠杆率。
从裸奔到全副武装：Claude Code 10 个精选仓库
文章从海量资源中精选出 10 个最具实用价值的 Claude Code 仓库。内容涵盖多 Agent 管理工具 cc-switch、联网能力增强 web-access、官方 Skills 库及课程推荐、工作流框架 superpowers 以及代码知识图谱生成工具 graphify 等。作者详细介绍了每个工具的核心功能、适用场景及安装顺序，旨在帮助开发者从零开始构建高效的 AI 编程工作流。
10万 Star开源库 agency-agents 详解：给AI装上专家团队
文章深入解读了 GitHub 上的热门开源库 agency-agents。它并非独立的 AI 应用或平台，而是一套“AI 专家角色模板库”（Prompt 模板）。其核心价值在于将 AI 的角色标准化，通过定义前端、后端、产品经理等不同“工牌”，解决通用 AI 角色不稳定的问题。该库支持 Claude Code、Cursor 等多种工具，将 AI 从“泛泛聊天”转变为“专业干活”，是理解 Agent 工作流设计的优秀案例。
Pi Coding Agent 最全面指南（完美支持/goal）
文章是一份针对 Claude Code 用户的 Pi Coding Agent 迁移与使用指南。作者对比了 Pi 与 Claude Code 的设计理念，指出 Pi 是一个更透明、可控且高度可配置的 Agent 底座。文章详细介绍了如何配置开源模型 Ring-2.6-1T，推荐了最小可用组件栈，列出了常见的配置陷阱，并通过构建现货-永续监控台的真实案例，阐述了在 Pi 环境下实施 plan-first + skill 工作流的重要性。
如何编写工业级 Agent Skill 指南
文章深入探讨了如何编写高质量的工业级 Skill（AI 技能/工作流）。文章指出 Skill 不同于简单的 Prompt，它需要具备按需加载、限制工具边界、配置适配模型、分层管理内容（SKILL.md 与 references/scripts 分离）以及建立评估测试闭环等特性。通过遵循最小权限原则、渐进式披露和迭代验证，可以将经验固化为稳定、可维护的自动化工作流。
Skills For Real Engineering
本文介绍了 Matt Pocock 开源的一个包含 21 个技能的集合，该库旨在为 Claude Code 等编码代理提供一套经过实战检验的工程化工作流，而非简单的代码提示。文章详细解析了其核心的 5 个日常技能链（如 /grill-me, /to-prd, /tdd），阐述了通过编码“过程”而非“知识”、严格控制作用域及手动调用来优化 AI 行为的设计理念，并说明了如何通过 CLI 将这些技能集成到项目中，以实现从构思到架构迭代的完整开发闭环。
