Autoresearch在Listen的应用：从客观指标到偏好判断
本文介绍了Listen Labs如何将Karpathy的autoresearch模式应用于不同模糊级别的任务，从客观指标优化到基于偏好的判断。作者分享了在查询时间优化、情感提取、研究代理等任务中的实践经验，并讨论了每个级别遇到的挑战，如指标相关性、奖励黑客和评估标准等。文章强调了清晰指标、迭代速度和人工监督的重要性。
相关文档
如何构建正在取代 Prompt Engineering 的 AI 循环
文章指出，过去两年提升 AI 效果的关键在于写更好的提示词，但这一方法正逐渐失效，取而代之的是自主循环（loop）。文章以 Karpathy 的 autoresearch 系统为例：该系统两天内自动运行约 700 次实验，发现约 20 项改进。作者阐述了真正循环的五个阶段（发现、规划、执行、验证、迭代），强调验证、记忆和停止条件三大关键组件，并介绍了自愈式 GitHub 仓库的实践案例。最后，文章给出用 AGENTS.md、loop.py、verify.sh 三个文件构建第一个 AI 循环的入门方法，指出外部验证比增加另一个模型更重要。
The Jevons Paradox of AI coding agents: How reducing developer friction scales AI adoption
文章以杰文斯悖论类比：降低 AI 编码代理的使用摩擦反而会大幅提升其使用规模。Google Cloud Developer Plugin（基于开放的 Agent Plugins 规范）通过四层架构消除上下文瓶颈：多层级渐进式披露（约1680 token 的发现路由器）、通过 Developer Knowledge MCP 服务器获取实时有据可查的官方文档、严格的 gcloud CLI 执行护栏（leaf help 验证、非交互标志、输出投影压缩）以及凭据安全引导（ADC 与短期 IAM 模拟）。文章最后演示了端到端场景，引导 AI 代理一次性构建并部署跨 Cloud Run、Firestore 和 BigQuery 的实时事件分类管道，支持 Antigravity、Claude Code 和 Codex。
How to build an AGENTS.md handbook that beats up to five vendor files
文章讨论 AI 编码代理的指令文件碎片化问题：Shopify CEO Tobi Lütke 因 Claude Code 只读 CLAUDE.md 而威胁在公司禁用该工具，认为多工具团队需在多个厂商文件间同步规则，导致分裂问题。Anthropic 回应称模型家族并非可互换，指令文件需按模型偏好编写，但同时承认维护负担并承诺支持 AGENTS.md。作者提出解决方案：先在项目根目录建立自有 AGENTS.md 手册，包含规则、命令、工作流、记忆四部分，再让各厂商文件成为薄适配器，通过引用导入。这样规则归项目所有，切换工具时无需重写整个指令层。
Anthropic 工程经理：面试不再考编程题，新人的冲劲正在跑赢资历
Anthropic 工程经理 Felix Rieseberg 宣布其团队面试不再考核传统编程题，因为 Claude 等AI已能轻松完成这类题目，且团队最能出成果的人与编程题表现关系不大。他认为AI时代让入行不久的工程师有机会跑赢资历更老的员工，因为把想法做出来的成本大幅降低。文章介绍了新人面临的困境（想法不被重视、受所谓'常识'束缚），并给出五条建议：紧盯业务影响、提出大胆想法、快速做原型、一个原型聚焦一个好点子、善用新人视角。文中以两位新工程师用周末做出 Claude Code 图形界面版为例佐证。
我评估了 369 个 Claude/CodeX AI 视频与自动化剪辑开源项目
作者系统整理了 369 个开源仓库清单，聚焦于能让 Claude Code、Codex 等编程 Agent 实现视频生成、自动化剪辑与代码动效渲染的工具、Skill 和提示词库。文章收录规则强调视频/动效产出、专供 Agent 调用、完整文档三大标准，并打破高星滤镜。重点介绍了四大现象级框架：lemo-opuscar（59 种风格引擎）、huashu-art-motion（艺术动画）、huashu-motion（商业发布片）、sweety-handdraw-video（手绘口播流水线），以及自动化剪辑、代码直出成片、数字人与音乐 MV 等垂直领域的硬核项目，最后给出 2026 年 AI 视频生产工具选型决策表。
Claude Code 在我家人的手机上发现了间谍软件，并在我 Mac 上发现了后门
作者分享了多起利用 Claude Code 检测手机和电脑上恶意软件的真实案例：伪装成系统应用（如 System Sync）的 stalkerware、通过无障碍权限监控定位的间谍软件，以及 Instagram/Telegram 等应用中并未真正删除的消失消息。文章详细讲解了 stalkerware 的三种隐藏手段，并给出可在 10 分钟内完成的 Claude Code 只读审计提示词和手动 ADB 命令，包括检查第三方包安装日期、设备管理员、无障碍服务、通知监听器交叉比对等方法，还推荐了 MVT、stalkerware-indicators、TinyCheck 等取证工具，帮助普通人自查设备安全。
一个月全网涨粉百万：蜗牛学长的自媒体与AI逆袭之路
作者讲述了自己从成绩垫底、靠父母花钱入学的普通人，到申请上博士，再到通过自媒体逆袭的经历。他因分享博士申请经验意外走红，建立留学申请生意做到年营收500万，后因行业萎缩而退出。2026年他用Claude Code一天做出学术平台'构石'，三天登上热搜，一个月全网涨粉百万。他总结三条可复刻的经验：做IP建立壁垒、别等准备好再开始、AI是普通人的工业革命级机会。最终他选择休学创业，全力投入AI应用赛道。
开源AI Skill全自动视频号带货流水线 Story Studio 实战拆解
作者开源了一个名为 Story Studio 的 AI Agent Skill，用于自动化生产历史/人物故事类短视频，涵盖选题策划、黄金钩子文案、豆包大模型配音、毫秒级字音对齐、三套画风分镜生图、自动生成剪映草稿等全链路。作者靠该流水线在视频号实现单条爆款播放100W+、单日带货4000+的战绩。文章详细拆解了各环节实操方法，并分享图书带货、银发健康产品、创作者分成计划、私域导流等四条变现路径，强调工具完全免费开源。
npm 创始人 Laurie Voss：如何判断你的 AI 智能体是否足够优秀
本文整理了 npm 联合创始人 Laurie Voss 在 AI Engineer 纽约 workshop 上关于 AI Agent 评估方法的分享。他从一份分析师共识加总为 116% 的特斯拉研报切入，阐述 trace（日志）与 eval（评估）的区别，强调先人工精读十几条记录再设计评估的重要性。文章详细介绍了从免费代码断言、LLM 裁判到黄金数据集校准裁判的完整评估体系，指出选择正确的评估问题比调优评估更重要，并以'评结果而非评步骤'为原则，演示了通过一行 prompt 修改将可操作性从 5/16 提升到 48/48 的案例。最后他强调将评估接入 CI、区分能力评估与回归评估，才能持续保证 Agent 质量。
AI 视频情报站开放 MCP，接上 Claude、Codex 每天替你找新选题
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。
像 Claude Code 团队一样做代码审查
文章介绍了 Anthropic Claude Code 团队的代码审查实践，以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是：AI 写代码占比接近 100% 后，人工逐行审查不再可行，应把人的注意力留给真正有风险的部分。做法包括按风险分级审批（低中风险由 AI 自动批准，高风险由人判断方向）、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故，认为大部分创业和中小公司都适用这种方式。
Claude Code 团队如何进行代码评审
本文介绍了 Claude Code 团队在 AI 生成约 90% 代码的情况下如何重构代码评审流程。团队将代码评审从人工逐行阅读转变为分层自动化体系：包括 PR 前的 Claude 自验证、子代理 diff 审查、内部 skill（bug 猎捕、diff 缩减等）、以及每个 PR 的 AI 评审，仅将人类注意力保留给高风险决策。通过 CLAUDE.md 和 REVIEW.md 等文件向评审者注入项目上下文，并快速回滚机制兜底。6 月至 9 月间合并 PR 数量翻倍，回滚率下降超 40%，实现了用最少人工环节保障代码质量的目标。
