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。
作者介绍了开源项目 AI Design Skills，目前提供 landing-page-design 技能，适用于 Claude Code、Cursor、Codex 等可读取规则文件的 AI 编程工具。它不是现成模板，而是一套从内容到视觉的制作规则：先明确产品定位与用户目标，再组织页面结构；统一字体、间距、配色和动效等视觉系统；并补齐按钮悬停、加载、空页面、报错、表单校验、移动端适配和无障碍等交付细节，避免 AI 生成千篇一律的默认样式。评论区还交流了表单校验保留已填内容等实用经验。
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
HeyPCB 发布 MCP 服务，让 AI Agent 具备硬件电路设计能力。文章演示了通过 Claude Code 使用 HeyPCB 完成从原理图绘制、145 个元器件布局、布线到地平面铺铜的全流程。首次布局不佳时，Agent 自主检查并要求将 64 个 LED 重新排成 8mm 网格、支撑件移至背面；针对 D3 LED 数据引脚方向问题，Agent 旋转 180 度后重新布线。最终实现 0 DRC/ERC 错误，并成功导出 KiCad 项目通过官方检查。HeyPCB MCP 兼容 Claude Code、Codex、Cursor、ChatGPT 等 MCP 客户端，实现电路设计到固件和外壳的一体化 AI 硬件开发。
文章介绍了开源二进制逆向工程 IDE 平台 Eleven，它借助 AI Agent 彻底重塑逆向工程的体验和门槛。Eleven 专注二进制 App 逆向，支持 Mac/iOS、Linux ELF、Windows PE、Android APK/DEX 等全平台二进制文件，还能解析 GGUF、Safetensors、ONNX 等 AI 模型文件。底层融合 REA 逆向库与 Ghidra 等经典工具链，并原生支持 Claude Code、Codex、Cursor 等主流 Coding Agent 的自由切换。开发者可以直接向 Agent 提问函数功能，让 AI 辅助完成逻辑还原与漏洞排查，大幅降低了逆向工程的学习曲线。
作者实测认为 Claude Opus 5.5 在 Claude Code 等 Agent 工具中断崖式领先，但 A社封号严苛，遂整理免费/低价使用 Opus 5.5 的渠道评测。文章分四阶：零门槛已有权益（微软 Copilot、Figma Make、Grok Bot）；开发者付费工具对比（Cursor、Devin、Factory/Droid、Kiro、GitHub Copilot 等，含资费与倍率分析）；垂直场景与官方大礼包（Poe、Figma Education、Claude for Open Source 等）；以及三大雷区警告（第三方 API 中转站、诱导绑卡、偷换概念伪装者）。最后给出按需求选型的一图流总结，强调实用成本优先。
作者分享了一套不依赖云端账号的本地 AI 工作流架构，核心思路是把规则、技能、日记等真正有价值的资产沉淀在本地硬盘，而非网页端/App 的记忆功能中。整套体系分为四层：工具层（Claude Code、Codex、Cursor 作为入口）、模型层（可随时更换）、架构层（本地文件结构）、处理层（按本地规则和技能处理任务）。作者通过全局规则文件（CLAUDE.md）、本地 skills 目录、按日短记忆 + 长期偏好文件、AI 日记四层文件体系，实现了账号封禁后快速恢复工作的能力，并提出新人可先从三步最小方案入手搭建。
程序员鱼皮开源的《Vibe Coding 零基础入门教程》9个月内 GitHub 突破 2 万 Star，内容从几十篇扩充到 170 篇，并被豆包等 AI 平台推荐。教程覆盖基础入门、AI 编程工具（Cursor、Codex、Claude Code 等）、模型实测横评、近 30 套项目实战、经验技巧、产品变现和编程学习资源，还包含 18 篇 OpenClaw 保姆级教程。文章介绍了教程结构、适合人群、学习路线及近 3 个月的更新内容，同时推广配套的 B 站霸榜视频课程，强调教程完全免费开源并将持续更新。
Anthropic 发布 Claude Opus 5.5 后提供了官方 Prompting Guide。作者读完指南并总结出 17 个值得调整的用法：API 默认从 medium effort 开始，用真实任务测试最佳档位；5.5 切换 effort 不再清空 cache；长任务要一次性说清目标和完成标准，让模型维护文件中的 checklist；通过 system prompt 明确何时暂停询问；给多 Agent 工作流设置时间预算；用 subagents 处理重型任务但需核实其报告；删除'请仔细思考'等旧习惯提示词；要理由摘要而非完整推理；设计需求用删除法点名不喜欢的元素；区分用户指令与粘贴内容；Claude Code 现已支持 AGENTS.md。核心是讲清任务目标与流程，而非堆砌提示词。
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。
文章探讨编码智能体架构的演进：单会话聊天窗口已无法承载日益庞大的智能体任务。作者总结了六大新兴架构模式，重点阐述三种：主智能体正在转变为编排者，通过委派子智能体完成工作（如 OpenAI Agents API、Cursor Projects、GitHub Copilot、Gemini CLI）；子智能体作为临时隔离的工作单元，可在独立沙盒或 worktree 中运行，随需启停；工作状态正从智能体会话中迁移到外部系统（Git、知识库、共享记忆等），使工作可以超越单个会话的生命周期。文章认为更大系统而非单个会话正在决定智能体智能的运用方式。
文章探讨了开发者对 AGENTS.md 和 CLAUDE.md 等 AI 编程工具说明文件的普遍误解。作者指出，很多团队把所有希望 AI 做到的事都写进一个不断膨胀的文件，导致维护规则本身成了负担，本末倒置。正确的做法是让 AGENTS.md 保持精简（作者根文件不到 50 行），只写每次开工都需要知道的少数核心事项，再指向不同任务对应的规则文件，让 Agent 按需读取。作者引用西蒙'存储信息'与'需要时获取信息'的区分，并提醒只有在流程确实需要反复执行时才值得做成 Skill，不必急于按需调用。
