我的 AI 开发流程
作者以给自己的字幕转录翻译 App BaoCut 添加远程转录功能为例，展示了完整的 AI 开发流程：先做可行性分析（产品和技术两个层面），再借助 Claude Code 撰写设计文档，然后通过原型设计低成本验证需求和 UI 交互，反复迭代原型后再让 Agent 按文档实现代码，最后人工黑盒测试验证并反馈调整。作者强调不盲目动手、文档先行、原型即 UI 设计的理念，并表示自己不做代码 Review，只做黑盒测试。
相关文档
AI 开发中的关键二元选择：现成能力、Agent 与脚本边界
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
Lyft联合创始人使用Claude Code构建的九条规则
本文介绍了Lyft联合创始人Matt Van Horn在不读写代码的情况下，利用Claude Code和Codex构建开源项目并登顶GitHub Trending的九条规则。规则包括快速发布、编写计划、信任Agent、优化使用成本、提供CLI工具、让工具自记笔记等，展示了非程序员如何高效利用AI进行开发。
基于 Loop 的 BaoCut App 开发流程
作者分享了开发 BaoCut App 的基于 Loop 的流程：使用 baoyu-design skill 配合 Claude Code 设计原型，然后让 AI 实现功能，最后通过 Codex 的 CloudFlare Plugin 发布新版本。整个迭代从想法到 AI 设计、实施，再到人验证，形成高效闭环。
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。
15分钟构建首个自动调用的 AI 工作流：Claude Code + SKILL.md 指南
本文是一份基于官方文档和实战经验的 SKILL.md 指南。文章详细解释了 Skill 与 Command、Agent 的区别，阐明了 Skill 是一种通过 Markdown 文件定义的自动触发机制。教程涵盖了 SKILL.md 的结构（Frontmatter 与 Instructions）、如何利用描述字段实现自动调用、路径限定规则以及如何引入辅助文件。此外，作者还推荐了 5 种适合新手构建的 Skill 类型（如 Review、Debug、Test-first），并总结了避免浪费时间的常见错误。
克劳德代码提示的分解：Anthropic 级别的提示工程配方
本文深入剖析了 Claude Code 的泄露源代码，详细解析了 Anthropic 如何设计其提示系统。文章介绍了包含约 80 个模块化部件的提示组装管道、代牌预算策略以及 7 层提示结构。作者总结了 15 种核心提示工程模式，如身份锚定、负面约束框架、故障模式免疫等，并提供了一个“元提示”配方，旨在帮助开发者构建更高级别的 Agent 提示。
扒完了泄露的 Claude Code 源码，我发现“Vibe Coding”的尽头其实是工程化
文章基于泄露的 Claude Code 源码，分析了其底层的 Agent 框架逻辑，揭示了五个关键真相：Prompt 需要结构化、工具使用本质是状态机循环、必须主动管理上下文、工具权限需收敛以及优雅降级的重要性。作者指出，真正的 AI 生产力取决于人类提供的结构、边界和上下文，而非随意的 Vibe Coding。
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。
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。
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。
每个人都有 AI 助手之后，团队还需要一个团队助理
文章探讨个人 AI 助手普及后团队协作面临的新问题：每人拥有 AI 不等于团队更聪明，因为各自 AI 上下文分散。作者引入 Team OS（团队操作系统）概念，将其抽象为 Context、Instructions、Skills、Connections、Governance 五类能力，并以 DoorDash 等团队实践为例，说明如何用共享 Repo、PR 审核机制建设团队助理。文章强调团队知识不再必须经由 PM 中转，AI 能力正在从个人资产转变为团队资产，建议从真实场景小范围起步，让团队助理从实际工作中生长出来。
真是不给传统 SEO 外包和天价工具留活路了
文章介绍了一个 GitHub 上 20.1k Stars 的开源项目 claude-seo，它将 Claude Code 变成由 19 个专家 Agent 和 26 个子技能组成的全自动 SEO 工具。相比每月几百美元的 Ahrefs/SEMrush 或数千美元的 Agency 服务，该项目可在 15 分钟内零成本完成全站 SEO 审计，涵盖爬虫抓取、死链、Core Web Vitals 性能、E-E-A-T 评估，并支持 GEO（AI 搜索优化），检测网站被 ChatGPT、Perplexity 等引用的概率，还能生成按优先级排序的整改方案。作者新站靠此工具 12 周获得 10.8K 自然点击。项目 MIT 开源、数据本地化，适合独立开发和 SaaS 出海人群。
