用 OpenClaw + OpenCode + GitHub + Vercel 实现 Agent Coding
文章介绍了作者通过 OpenClaw（AI 平台）结合 OpenCode、GitHub 和 Vercel，实现从需求生成代码、版本管理到自动部署的全流程自动化体验。作者将其定义为 Agent Coding，并提供了完整的贪吃蛇游戏开发教程，展示了无需手动编码即可完成项目上线的 AI 驱动开发工作流。
相关文档
Codex 新玩法：从写代码到数字同事
文章深入分析了 Codex 的最新演变，指出其定位已从单纯的代码编写工具转变为具备跨 App 协作能力的“数字同事”。作者详细探讨了 Computer Use、评论式交互、Automations 自动化任务及移动端管理等新功能，并对比了 Codex 与 Claude Code 的差异化分工。文章认为，AI 工具的竞争维度正从“代码质量”扩展到“真实工作流的完成能力”，强调透明度与可控性是未来数字同事的核心。
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。
复刻 Karpathy 知识库模式：用 nexu 搭建 AI 第二大脑
本文介绍了 Andrej Karpathy 提出的“LLM Wiki”个人知识库模式，即利用 AI 将原始资料编译成持久化的 Wiki，解决了传统 RAG 方案无法保留上下文和维护关联的痛点。作者详细解析了 Karpathy 的“Raw/Wiki/Schema”三层架构，并演示了如何利用开源桌面 AI Agent 工具 nexu 落地该模式，实现在微信随手入库、多模型切换及与 Obsidian 的协同工作，从而构建一个由 AI 维护的个人第二大脑。
10万开发者调查证实AI写的代码大部分是垃圾，这个Harness Engineering方法论把产出质量拉高了3倍
本文介绍了 HumanLayer 创始人 Dex Horthy 提出的“Harness Engineering”方法论，旨在解决 AI 编码 Agent 在复杂代码库中产出质量差的问题。核心观点包括：上下文窗口管理是关键（区分“聪明区”与“笨蛋区”），通过 Research-Plan-Implement (RPI) 流程压缩意图，以及利用子 Agent 进行上下文控制而非角色扮演。文章强调要审查计划而非代码，避免外包思考，并指出未来的挑战在于团队流程的适应。
Devin Desktop 从入门到进阶：界面拆解、Fusion 模型搭配与隐藏技巧
本文是 Devin Desktop 桌面客户端的使用教程，作者从安装配置讲起，详细介绍界面布局（Agents View 与 IDE View 两种视图）、模型切换与 Adaptive/Fusion 两种智能路由模式（推荐 Claude Opus 5.5 + SWE-2 的主导+辅助模型搭配）、权限设置提示词、Normal/Plan/Ask 三种工作模式，以及 IDE View 的 Git 提交、Codemaps 等功能。重点介绍了较少被讨论的 Devin Cloud 功能，可在 Windows 上通过云端虚拟机构建 Mac/iPhone 应用。文章面向刚上手 Devin 或从 Codex 迁移的开发者。
小红书全自动化运营，新手保姆级完整教程
本文详细介绍了如何用个人 AI 助理（如 Dot）实现小红书账号的全自动化运营。作者以表情包出处账号为实践案例，讲解了从选题补给、内容制作发布、公开核验到数据复盘的完整流程搭建。文章包括准备工作（账号、AI助理、飞书多维表格、生图与发布能力）、撰写可检查的运营标准、建立四张运营表（运营标准、选题与发布、复盘记录、评论处理）、连接飞书进行读写验证、建立选题库存等步骤，并强调区分本机与云端环境、任务拆分与授权安全，帮助读者用 AI 持续托管日常运营工作。
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。
SANYUE.AI：不懂代码的我第一次做网站的全过程与避坑指南
作者作为非技术出身者，分享利用 AI Agent 半年内从零搭建 SANYUE.AI 工具网站的全过程。文章涵盖动手前的心理纠结与决策理由、选品规矩、AI 写代码的协作方法（说清需求、版本管理、数据库备份）、界面细节、收款方案（USDT 自动对账与手动确认）、邀请返佣与创作者分成规则设计，以及上线前让 AI 以攻击者视角进行安全检查的完整提示词。最后总结了一份涵盖规划、技术、界面、收款、返佣、上线的避坑清单。
REA Engineering：10 步在无源码情况下逆向拆解任意应用
文章介绍了开源工具 REA（Reverse Engineer Anything），它作为 MCP 服务器连接 Claude Code、Codex、Cursor 等编程 Agent，整合二进制分析、字符串提取、函数定位、调用追踪等现有逆向工具，让 AI 基于「证据」而非猜测来理解应用。文章对比了让 AI 凭经验猜测与基于真实文件分析的差异，给出完整安装配置和 10 步方法论：选择单一功能、编写强制证据的提示词、区分事实与假设、先写行为规范再实现代码等，强调这是理解与重建软件的可靠路径，而非简单复制。
全世界包括清北的编程课程都应该向斯坦福的CS146S Fall 2026看齐
作者对比斯坦福CS146S课程2025与2026两版课纲，指出新版砍掉了85%旧内容，反映编程领域AI化进展迅猛。课程转向Agent Skills、CLAUDE.md、MCP、模型路由、后台并行agent和软件工厂等内容，期末项目占比降至50%，新增30%分数来自向真实开源项目提PR。Claude Code之父Boris Cherny等业界嘉宾分享，其同时运行数千个Claude agent。课程材料公开，非斯坦福学生也可跟学，作者认为编程教育应紧跟AI Agent时代变革。
Who Is Lauren Tan, aka Poteto? The Architect Behind Grok Bot
文章讲述了 Lauren Tan（poteto）从新加坡自学编程、金融专业出身，通过技术博客和 EmberConf 演讲进入行业的经历。她先后任职于 DockYard、Netflix、Meta（React Compiler 核心作者），2026 年加入 Cursor 后因性能修复工作受挫，转而构建让 Agent 自动修复 Bug 的 Slack 机器人 Binnie，并主导重构 Grok Bot。Grok Bot 发布后她在 X 上粉丝十周内从 3 万增长到近 20 万，获马斯克多次转发，成为 AI Agent 工程领域的标志性人物。
用 magpie + Kiro 订阅，在 Claude Code 中稳定使用 Claude Opus 5.5
文章介绍了通过 magpie 本地网关与 Kiro 订阅，在 Claude Code 和 Claude Desktop 中使用 Claude Opus 5.5 的方案。Kiro 是亚马逊的 Coding Agent 产品，作者利用 magpie 插件将 Kiro 订阅中的 Claude 模型反代给 Claude Code，省去单独购买 Anthropic API 额度。文章详解了技术原理（请求经 magpie 网关和 Kiro Auth 插件转发）、安装配置步骤（Kiro 付费计划、插件安装、模型选择），并说明如何通过路由记录、订阅用量和工具调用验证模型真实性。最后提醒账号政策风险、额度消耗、数据安全和兼容性等注意事项。
