本文讲述 Matt Pocock 从声乐教练转型为程序员的成长历程。他无科班背景，在两节课的空隙里自学 JavaScript，接受降薪入行做开发，通过 xstate-codegen 等开源项目与 TypeScript 教学视频积累影响力，再以高价工作坊验证市场需求，最终转向 AI 编程领域，其 skills 仓库获得 23 万 star 并被 Anthropic 官方市场收录。文章提炼出他的核心方法论：抓住自己被卡住的真实问题，公开、不完美地做出作品，让更强的人参与进来，不断迭代。三次职业转向，变的是教材，不变的是教学能力与 build in public 的策略。
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。
燃气行业财务人员Lucky在卡兹克开源AIHOT当天，借助AI将源码改造成燃气行业资讯站GasHot。零代码基础的他像包工头一样指挥多个AI协作：Claude Code主力开发，Codex负责代码审查和可靠性，DeepSeek做日常资讯AI把关。三周内完成部署、公网上线、接入37个信源、SEO改造和监控机制，并解决了信息准确性、界面简化、数据合规、搜索引擎收录等难题。GasHot提供气价盯盘、业务视角要点、政策倒计时和一页日报，大幅节省了翻找政策资讯的时间。作者证明：懂行业的人，即使不会写代码，也能借助AI亲手造工具。
作者介绍了爆火的开源项目 REA（Reverse Engineer Anything），它将 Ghidra、IDA 等老牌逆向工具整合为统一接口，接入 Cursor、Codex、Claude Code 等 AI 编程助手，让普通人也能指挥 AI 进行软件逆向。作者实战演示了两个案例：一是用 Codex 成功逆向安卓单机游戏《火影战记》并添加新角色迈特凯；二是逆向某付费学习 APP，揭露其虚拟货币、拉新返利等割韭菜套路，并将其改造成 AI 编程学习 APP。作者总结认为 REA 噱头大于实际，「软件已死」说法夸大，后端、数据和运营才是软件真正的护城河。
作者在 AI 编程时代工作流已从手写代码转向与 Claude Code、Qoder CLI 等 agent 协作，日常以看 diff、stage/commit 为主，因此基于 Go 的 MyGo 框架自研了轻量编辑器 Mayoi。它支持 project tabs 多项目管理、Ghostty 终端集成、按段 stage/discard 的 diff 审查、⌘V 粘贴截图给 agent、Remote SSH 远程开发等功能。相比 VS Code（905 MB）和 Cursor（970 MB），Mayoi 仅 24 MB、内存约 180 MB。当前版本无 LSP、扩展和调试器，内置 Claude、Qoder、Matrix 主题，开源且支持 macOS、Windows、Linux。
文章介绍 GitHub 现象级项目 REA（Reverse Engineer Anything），它将专业逆向工程工具接入 Claude Code、Codex 等 AI 编程助手，一周狂揽 17 万星。作者用大白话讲解逆向工程原理及 REA 如何把数百兆的反编译数据浓缩成小目录供 AI 精准取证分析，并通过两个实战展示威力：20 多分钟逆向 1988 年《魂斗罗》并复刻出完成度 80% 的网页版，还挖出 30 条命作弊码；3 小时拆解 Notion 桌面端，摸清其剪贴板与流畅编辑机制，将自己的 Mac 编辑器核心功能升级 70%。最后探讨开发者如何用 REA 破局变现，以及闭源不再是护城河后的真壁垒与合规边界。
作者介绍了一个让 AI 制作 3D 数学动画的开源引擎 ManimGX。用户只需将提示词丢给 Claude Code 或 Codex，AI 就会根据文档自行安装、编写代码并渲染出 3D 动画。据作者自测，其渲染速度是老牌动画库 Manim 社区版的 90 倍，且无需安装 LaTeX，中文标题和公式也能正常显示。文章还提供了完整提示词示例（如制作太阳系 3D 动画），适合教数学、做科普视频的人群使用，并附有 GitHub 仓库链接。
文章是开源 AI 开发工作台 Orca 的详细入门与进阶教程。Orca 是一个 ADE（Agent Development Environment），让用户在一个窗口里同时指挥多个编程 Agent（如 Claude Code、Codex、Cursor），每个 Agent 拥有独立代码副本互不干扰。作者讲解了 Orca 如何解决多 Agent 并行开发中的四大痛点：副本环境配置、任务监控、代码验收和厂商绑定，并提供了实际工作流示例，包括让三个 Agent 赛跑修复高危 bug、会话派生与跨 Agent 交接、内置浏览器精准定位 UI 元素、逐行批注验收、AI 代码归属标记，以及用 Agent 担任项目经理的编排功能。
本文深度拆解 Lauren 的 pstack 第二篇，探讨如何让 AI Coding Agent 在写代码前正确理解问题。文章介绍了 /how、/why、/teach、/recall 等上下文工具的用法，强调用代码而非文档来规划：先写使用教程倒推架构，通过低成本原型比较不同方案，用 /architect 让多模型并行设计并交叉评审，以及在多阶段计划中要求每一步都以可复查的证据结束。作者认为，Agent 可能比人更快更强，但最终是否接受方案仍需人来判断，验证应从开发前就开始参与决策。
作者商科出身，曾做投资和猫粮创业，2026年1月才开始借助AI写代码。因业务需求接触爬虫工具OpenCLI并参与开源，后开发团队AI工作台PawWork，并参与Apache孵化项目Maka。Maka在Terminal-Bench 2.1测试中通过率77.5%，排名第二。作者认为LLM+Harness=Agent，强调Harness需要benchmark，并分享了对Vibe Coding、开源协作和知识原理的思考，最后给想参与开源的朋友提出建议。
DeepSeek Harness（DSH）是 DeepSeek 官方开源的 AI Agent 运行环境，核心理念是「一切皆插件」。文章介绍了如何在 GitHub 和社区清单中发现优质插件，并推荐了多款热门插件：包括让模型理解图片的 ModLens、扩展搜索源的 ModSearch、可操作真实 Chrome 浏览器的 dsh-browser、支持多 Agent 协作的 Agent Teams、插件市场 dsh-market、界面全家桶 dsh-web-ui、侧边栏增强、上下文可视化和生成式 UI 等，帮助用户扩展 DSH 技能并提升使用体验。
本文深入解析了Matt Pocock Skills v1.2为何在技术圈爆火，并对比了其与Superpowers等重型Harness的差异。文章详细介绍了25个Skill的六大分类、五步主流程（问清楚→写清楚→拆成小任务→实现→检查），并探讨了在更强模型出现后，显式流程的必要性。作者认为，Matt Pocock的Skills以轻量、灵活著称，强调给用户而非Agent超能力，适合追求高效、低成本的AI编程实践。文章还提供了低风险试用路径，帮助读者在不更换现有工具的前提下体验这套Skills。
文章指出，单纯堆砌 AI 工具无法形成职场竞争力，关键在于是否具备持续迭代工作流的能力。作者引入质量管理中的 PDCA（计划、实践、检查、改进）循环，作为在 AI 时代优化流程的核心方法论。针对人工记录难以持续的痛点，文章推荐了开源工具 Flowtrace。它能自动将 AI 交互过程转化为可视化的、可复用和可干预的 Trace，完美匹配 PDCA 的各个环节。通过记录、分析和改进工作流，用户能实现 AI 工具的极速迭代，从而在效率竞争中脱颖而出。
