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。
🏷️ 最佳实践
50 篇Claude Opus 5 提示工程大师课
文章详细解读了 Anthropic 发布的 Claude Opus 5 模型及其官方提示指南。核心内容包括“Effort（努力）”设置的使用、从“怎么做”转向“为什么”的提示策略、删除验证指令以降低成本、以及如何控制响应长度和 Agent 叙述行为，旨在帮助用户最大化发挥模型效能。
炸裂，Anthropic 给 Opus 5 删掉了 80% 的系统提示词
Anthropic 团队将 Claude Code 的系统提示词删减了 80%，但编码评测没有损失。文章指出，许多规则是为老模型打的补丁，已过时。最佳实践转向：用锚点代替禁令，用接口设计代替举例，以及渐进披露。建议开发者清理“拐杖”型规则，保留护栏与品味，用评测集支撑删除决策。
Claude 5 模型上下文工程新规则
文章探讨了针对 Claude 5 模型的上下文工程新规则，指出新一代模型能力提升，允许大幅简化系统提示。主要变化包括：用模型判断替代硬性规则、用接口设计替代示例、采用渐进式披露、简化工具描述、使用自动记忆以及支持丰富引用。
用 Claude Code 重构百万行代码：官方六步迁移法深度解读
本文深度解读了 Anthropic 官方如何利用 Claude Code 完成百万行代码的大规模迁移。文章介绍了 Bun 从 Zig 迁移到 Rust 及 Python 项目转 TypeScript 的惊人案例，并提炼出包括制定规则、小范围试跑、对抗性审查等在内的“六步迁移法”，为开发者提供了高效的 AI 编程与代码重构实战指南。
Codex 子 Agent 使用技巧：怎么拆任务、怎么省钱、怎么避坑
本文分享了 Codex 中子 Agent 的使用技巧。子 Agent 可并行执行任务、节省成本并控制上下文膨胀。文章介绍了适合并行的任务类型、成本分析、自定义 Agent 的创建方法及配置继承的坑，并提供了实用的 Team Mode Skill 和提示词建议。
万物皆可 Skill：如何基于 Codex 把任何内容变成可复用 AI 能力
文章提出了“万物皆可 Skill”的理念，指出高阶的 AI 使用方式应从临时性的提示词升级为可复用的 Skill（能力包）。文章详细阐述了 Skill 的本质（任务边界、流程、标准及失败处理）、与 Prompt 及 Workflow 的区别，并介绍了基于 Codex 构建 Skill 的标准结构、设计原则（如渐进披露）以及通过“元编程”视角实现 Skill 递归进化的方法。
Fable 实战指南：如何发现与处理你的盲点
文章探讨了在使用 Claude Fable 5 进行 AI 辅助编程时，“地图”（提示词）与“领土”（实际代码库）之间的差异，即“未知数”。作者提出了将未知数分为已知的已知、已知的未知、未知的已知和未知的未知四个维度。为了解决这些瓶颈，文章详细介绍了在实施前通过“盲点排查”、头脑风暴与原型、访谈和引用参考四种模式来帮助 Claude 更好地理解上下文，从而提升 Agent 编码的质量。
Karpathy 的 10 条 Claude 新军规：从交任务到交责任
文章解读了 Andrej Karpathy 团队泄露的 CLAUDE.md 文件，包含 10 条核心原则。对比社区早期提炼的 4 条，新增的 6 条（先读代码、自我验证、调试、依赖管理、沟通、失败模式）针对的是无人值守的“交责任”场景，是实现 Loop 工程化和放手 Agent 的关键。
构建生产级 AI 系统必须掌握的 6 个核心概念
本文由作者因遭遇 AI 智能体失控产生高昂费用的经历引出，旨在阐述构建生产级 AI 系统必须掌握的核心概念。文章提出了 AI 系统的通用公式：记忆（RAG）+ 思考（LLM + Tokens）+ 行动（Agents）+ 测量（Evals）。文中重点解析了 Tokens 与上下文窗口的成本与限制、嵌入向量与语义搜索的原理、RAG 检索增强生成的正确姿势、智能体循环中的工具使用与停止条件等关键技术细节，帮助开发者从“调参侠”进阶为真正的 AI 工程师。
The 9-Step Loop That Turns Claude Code Into a Senior Engineer
文章指出大多数开发者像使用初级工程师一样使用 Claude Code，缺乏有效的流程。作者提出了一套利用 Claude Code 内置原语（Plan Mode、Subagents、Hooks 等）构建的 9 步闭环流程，旨在模拟资深工程师的工作方式。该流程强调在编写代码前先探索代码库并制定计划，使用 CLAUDE.md 固化标准，利用 Hooks 强制执行不可协商的规则，并通过独立 Agent 进行代码审查，从而实现高质量、自动化的代码交付。
CODEX 高效工作指南：给小白用户的实用入门课
这是一份面向小用户的 Codex（OpenAI coding agent）入门指南。文章指出 Codex 不是单纯的聊天机器人，而是能读写文件、运行命令的“工作搭档”。作者通过对比 ChatGPT，明确了 Codex 的适用场景，并介绍了 App、CLI、IDE 插件等多种入口。核心内容包含四段式提示词模板、常用工作流（解释项目、修 Bug、加功能、审代码）、配置文件 AGENTS.md 的编写方法，以及 MCP、Skills 和 Automations 的区别与用法。最后强调了安全使用原则及新手从只读理解到自动化的进阶路线。
Claude Code 动态工作流解析与实战指南
文章详细介绍了 Claude Code 的动态工作流功能，通过编写编排脚本运行数十到数百个并行 subagents，解决智能体偷懒、自我偏好和目标漂移问题。内容涵盖原理、与静态工作流的区别、分类执行、对抗验证等六种实用模式，以及在迁移重构、深度研究、代码审查等九类场景的落地应用。
Codex 最佳实践：入门指南与提升效果的经验法则
本文是一份 Codex 使用指南，重点阐述如何通过提供清晰上下文、合理计划及可靠验证流程来提升 AI 编程助手的效果。文章详细介绍了 Prompt 结构化、AGENTS.md 配置、MCP 外部系统集成以及将重复工作固化为 Skill 和 Automation 的最佳实践，帮助用户将 Codex 从临时问答工具转变为长期可靠的编程队友。
写AI提示词，首先你要把自己当个导演
文章提出了一种新颖的“导演思维”来编写 AI 提示词。作者将用户比作导演，将 AI 比作演员，强调通过定角色、发剧本、搭场景和给反馈四个步骤，把模糊的指令转化为精准的指导，从而让 AI 输出专业、惊艳的内容。
普通人用Codex的第一个完整工作流
文章介绍了新手使用 Codex（AI 编程工具）时的正确姿势。作者指出新手常因将 Codex 视为“许愿池”而陷入不敢用的困境，并提出了一个完整的工作流：从看目录、定计划、执行小任务、跑验证、看 Diff 到自我 Review。文章强调不要急于求成，而应通过设定边界、交付小任务来建立信任，并提供了可直接复用的 Prompt 模板。
新手小白装Codex最容易被忽视的十行配置
本文介绍了针对 Codex 的新手向十行核心配置。通过修改 `~/.codex/config.toml`，用户可以设置默认强模型、提高推理深度、优化审批策略、配置沙盒模式（限制仅修改当前项目并默认断网）、使用缓存搜索、保留终端历史及关闭日志与数据记录。这些配置旨在解决 AI 权限过大、思考不足及界面干扰等问题，提升日常开发的安全性与体验。
Claude Code 工程化指南：高效组织 .claude/ 目录
本文旨在探讨如何像管理代码一样管理 Claude Code 的配置目录 .claude/。文章首先指出了混乱的目录结构会随着项目增长导致维护困难，随后提出了一套包含 CLAUDE.md、settings.json、rules/、hooks/、commands/、skills/ 和 agents/ 的标准化目录蓝图。接着，文章详细阐述了核心原则，包括顶层设计的轻重分离、规则模块化、自动化脚本与复用工作流的区别，以及团队与个人配置的边界。最后提供了从简单到复杂的渐进式成长路径，帮助开发者构建可预测、可维护且易于团队协作的 AI 辅助开发环境。
从零构建 LLM 架构：10 个实用经验教训
本文指出构建 AI 产品的核心不在于选择模型，而在于架构设计。作者分享了 10 个实用经验，强调从工作流而非模型入手、重视检索优于微调、将提示工程视为系统工程、关注延迟优化、为智能体设置护栏、妥善处理记忆、建立评估管道以及优化成本。最终，多智能体系统将是未来趋势。
Shopify 工程师团队的 Claude Code 配置与实战策略
文章详细介绍了 Shopify 23,000 名工程师如何通过 Claude Code 实现 96% 的代码自动化。核心策略包括：构建统一的 LLM 代理层以控制成本，并行运行多个 Agent 处理不同模块，利用 MCP 服务器集成内部文档与 API，以及将 CLAUDE.md 纳入版本控制。工程师角色正从代码编写者转向架构审查者，通过护栏机制保障安全。
让 Codex 在你睡觉时自己写代码
文章分享了作者利用 Codex 进行夜间代码自动化的实战经验。核心观点是：不能将 Codex 视为可随意许愿的全能工程师，而应通过清晰的任务边界、明确的范围限制和严格的验收标准（如 AGENTS.md），将其转化为高效执行者。文章详细列举了适合夜间运行的任务（如安全审计、补测试、更新文档）和应避免的任务（如产品判断、大重构），并提供了具体的 Prompt 模板和验收流程。
管理 AI Agent 就像管理团队：超越 /goal 的八个意图维度
OpenAI 和 Anthropic 最近发布的 /goal 功能仅解决了意图管理中的目标和结果两部分。作者提出了一套包含八个维度的框架（策略、目标、结果、健康指标、组织上下文、约束、自主边界、停止规则），主张应像领导人类团队那样领导 AI Agent，而不仅仅是设定简单的完成条件。
Karpathy 的 CLAUDE.md：如何将 Claude Code 编码准确率提升至 94%
文章介绍了 Andrej Karpathy 验证过的 CLAUDE.md 配置方法，该项目在 GitHub 上获得 8.2 万星标。文章分析了开发者在使用 Claude Code 时常遇到的三个痛点：重复解释上下文、AI 擅自修改代码范围、以及缺乏持久记忆。通过在项目根目录创建包含 Defaults、Behavior 和 Memory/Stack 三个部分的 CLAUDE.md 文件，开发者可以将编码准确率从 65% 提升至 94%，并为团队节省大量因沟通和回滚错误造成的时间成本。
Claude Code 在大型代码库中的运作方式：最佳实践与入门指南
文章探讨了 Claude Code 在处理数百万行级单体仓库及遗留系统时的成功模式。区别于传统 RAG 工具的嵌入索引滞后问题，Claude 采用本地代理式搜索实时导航。核心论点指出，工具链生态（CLAUDE.md、钩子、技能、LSP 集成等）的重要性远超模型本身。文章详细解析了七大扩展点，并建议通过渐进式配置与插件分发来提升在大型复杂代码库中的协作效率。
Claude Code 在大型代码库中的运作方式：最佳实践与入门指南
文章深入探讨了 Claude Code 如何在大型代码库（如单体仓库、遗留系统）中高效工作。与依赖过时索引的 RAG 工具不同，Claude 采用代理式搜索遍历本地文件系统。文章指出，工具链（包括 CLAUDE.md、钩子、技能、插件、MCP 服务器和 LSP 集成）对性能的影响往往大于模型本身。通过建立正确的上下文层次和渐进式采用策略，团队可显著提升开发效率。
从单兵武器到团队作战：Skill 工程化实战指南（四）
本文作为系列第四篇，聚焦于 Skill 的工程化高阶玩法与团队协作。文章探讨了显式与隐式调用、技能链组合等技巧，并提出将 Skill 视为代码进行版本控制和持续优化。同时，针对团队场景，建议建立统一技能库，引导成员从使用者成长为 AI 工程师，以实现研发效能的质变。
让 Claude 发挥最大潜能的 20 条提示词规则
文章指出大多数人将 Claude 仅仅视为搜索引擎，忽略了上下文、角色和约束的重要性。作者提出了 20 条核心规则，涵盖了设置（赋予角色、定义受众、设定长度）、上下文（提供完整文档、告知背景、明确目标）以及输出（要求先思考、多版本迭代）等方面。掌握这些方法论而非死记硬背特定指令，能显著提升 Claude 的回答质量和实用性。
The Best Autonomous Builder Prompt for Big Tasks
文章介绍了一个用于大型任务（如系统构建、功能开发）的 AI Agent 通用提示词模板。该模板旨在规范代理的工作风格与质量标准，要求其像资深工程师一样，深入理解上下文、制定计划、充分调用工具并进行严格测试。文章详细列出了从建立任务、收集背景、编写计划到执行纪律的具体步骤，强调不妥协的质量和持续迭代。
如何编写工业级 Agent Skill 指南
文章深入探讨了如何编写高质量的工业级 Skill（AI 技能/工作流）。文章指出 Skill 不同于简单的 Prompt，它需要具备按需加载、限制工具边界、配置适配模型、分层管理内容（SKILL.md 与 references/scripts 分离）以及建立评估测试闭环等特性。通过遵循最小权限原则、渐进式披露和迭代验证，可以将经验固化为稳定、可维护的自动化工作流。
Harness Engineering: 为编程代理准备 TypeScript 代码库
本文探讨了在利用 Claude Code 和 Codex 等 AI 编程代理进行“氛围编程”时，如何构建高可维护性的 TypeScript 代码库。文章提出了“Harness Engineering”的概念，强调通过 Monorepo 结构、统一的 ESLint 配置、标准化的 Skill 文件夹结构以及详尽的 CLAUDE.md 文档，为 AI 代理提供明确的“行动线索”和约束机制，从而避免产生难以维护的“AI 垃圾代码”。
模型选对效率翻倍：一张表看懂AI最优用法
本文针对不同使用场景提供了AI模型的选择指南，指出效率低下的原因常是“用错了地方”。文章将场景分为九大类，包括日常交互、空间推理、代码开发、金融分析及视觉生成等，并分别推荐了适配的最佳模型（如 GPT-5.1、Gemini 3.0、Claude Sonnet 4.5 等）。总结提出了按任务性质匹配模型的三条原则，强调在正确场景使用合适模型的重要性。
Sub-Agents vs Agent Teams: 改变一切的架构决策
文章深入探讨了在构建复杂 AI 系统时，如何在“子代理”和“代理团队”两种架构模式之间做出正确选择。作者指出，大多数系统错误的按角色（如规划员、开发员）拆分，导致上下文丢失；正确的做法应是基于上下文边界进行拆分。Sub-agents 适用于独立的、需要隔离和并行处理的任务，专注于执行；而 Agent Teams 适用于需要深度协作、上下文共享和实时协调的复杂依赖任务。文章还总结了提示链、路由、并行化等 5 种核心设计模式，并强调了从简单开始、按需增加复杂度的原则。
打造完美 Claude 技能的六大模式
文章基于对 100 个优秀 Claude 技能示例的分析，逆向拆解了编写高效技能（Skills）的六大核心模式。这些模式包括：在描述中明确触发时机而非仅描述功能、使用祈使句而非对话式指令、严格指定输出格式、增加“先读取”步骤以理解上下文、明确界定技能不负责的范围，以及将技能长度控制在 500 行以内。文章最后通过一个完整的 /commit 技能示例演示了如何应用这些原则。
2026年最值得收藏的Claude指南：40条命令、20个工作流与15个避坑技巧
本文详细介绍了Claude Cowork的高级用法，包括40条实用斜杠命令、文件系统管理技巧、连接器工作流及自动化定时任务。文章不仅涵盖了从上下文压缩、环境诊断到文档处理的各种操作，还分享了如何通过打包任务和开启计划模式来优化Token使用与效率，旨在帮助用户将Cowork从简单助手升级为自主运行的操作系统。
Claude Code Masterclass: The Complete Guide From Zero to Shipping
本指南深入探讨了如何正确使用 Claude Code，强调它不仅是编码助手，更是一个自主的智能体。文章涵盖了从安装配置、API Key 设置，到核心配置文件 CLAUDE.md 的编写技巧，并详细讲解了核心命令、工作流以及强大的 Skills 功能，旨在帮助用户从零开始，利用 Claude Code 自动化构建、测试和部署完整的软件项目。
Multi-Agents 实战：什么真正有效？
文章回顾了作者在十个月前关于 Multi-Agent 系统的观点，并结合 Cognition 公司（Devin）在最近的实践经验，探讨了多智能体系统在工程实践中的实际应用。重点介绍了从“Prompt Engineering”到“Context Engineering”的转变，以及单线程写入、多线程智能辅助的协作模式。文章通过“Code-Review-Loop”案例，分析了独立上下文在代码审查中的有效性，指出模型通过消除上下文噪音和注意力分散，能更敏锐地发现逻辑错误和安全漏洞。
How to Master Prompt Engineering at an Expert Level
本文指出在2026年，AI交互的质量瓶颈不在于模型本身，而在于提示词。文章将提示词工程定义为一项高价值技能，并详细介绍了从基础到专家级的全套方法论。核心内容包括专家提示词的六大要素（角色、上下文、任务、格式、约束、质量标准），XML标签等结构化技巧，以及链接式提示、自我修正循环、动机性约束和多视角分析等高级策略。文章旨在通过系统化的训练，帮助读者显著提升AI输出的质量。
The Ultimate Guide to Prompting AI Agents: The 3 C's Framework
本文介绍了作者针对 AI Agent 提示的 '3 C' 框架：Context（上下文）、Constraints（约束）和 Composition（结构）。与 Chatbot 不同，Agent 需要详尽的上下文而非简短的指令，通过具体的验证步骤（如自检代码、截图确认）作为约束来确保质量，并需要明确的交付格式以引导其思维。文章提供了具体的对比案例和可复用的提示词模板，旨在帮助用户编写高质量的指令简报。
Karpathy-Inspired CLAUDE.md: 30秒快速集成指南
文章介绍了由 Forrest Chang 基于 Andrej Karpathy 观点开发的行为配置文件 CLAUDE.md。该文件针对 AI 编码代理的三大痛点（静默错误假设、过度复杂化、正交破坏）提出了四项核心原则：先思考后编码、简洁优先、外科手术式修改、目标驱动执行。文章详细解析了这 65 行代码的规则逻辑，并提供了通过 curl 命令在 30 秒内集成到现有项目，或通过插件形式全局安装的具体方法。
一个文件改变 Claude：通过 CLAUDE.md 修复 AI 编程的四大缺陷
文章指出了 Claude Code 默认行为中的“愚蠢”之处，即盲目执行、过度复杂化和缺乏交流，引用了 Andrej Karpathy 对 AI 编码工具的批评。作者介绍了一个名为 `andrej-karpathy-skills` 的解决方案，通过添加一个 `CLAUDE.md` 配置文件，设定“三思后行”、“简单优先”、“手术式修改”和“目标驱动”四大原则，彻底改变了 Claude 的行为模式，使其更像一位资深工程师。
如何优化你的 AI Harness：配置、框架与子代理指南
文章指出工程师的关注点已从 IDE 转向 AI Harness，并介绍了提升 Harness 输出质量的关键方法。核心策略包括：保持配置文件（如 .md）精简，采用渐进式披露原则以节省上下文；利用 R.P.I 框架（Research, Plan, Implement）像资深工程师一样分解问题；以及通过子代理清理主上下文窗口。文章强调，Harness 的核心在于工程判断力。
Claude Skills 架构进阶：从单一指令到可扩展智能系统
本文是 Claude Skills 掌握指南的第二模块，重点讲述如何从单一使用的技能进阶构建可扩展的智能自动化系统架构。文章详细介绍了引入 Scripts（脚本）层来处理计算、文件操作等纯指令无法完成的任务，并通过“单一职责”、“动态参数”等最佳实践优化脚本。同时，针对多技能环境下的冲突问题，提供了定义清晰领地、设立负向边界和独特触发词的解决方案，并探讨了大型参考资料的高效加载策略，旨在帮助用户设计模块化的智能工作流。
Agentic 生产级工程实践的 4 个坑
作者基于 Figma 设计稿转代码项目的实战经验，总结了 Agent 开发的四个关键坑点：一是避免让昂贵的大模型做“脏活”，应将固定流程脚本化以节省 Attention；二是 Skill 只是软约束，长上下文会稀释早期指令导致步骤跳过，需拆散流程但会增加上下文传递成本；三是强调可观测性的重要性，缺乏可视化的 Pipeline 盲目跑测试集只会浪费 Token；四是人类不能仅做监督者，需深度思考并跑通流程以引导 AI。
VPS 买回来第一天该干什么？我的开机必做清单
针对新购入的 VPS，作者提出了一套标准化的初始化流程，包括 SSH 加固（修改端口、密钥登录）、系统更新与基础工具安装、网络回程及晚高峰测试，以及安装监控和记录资产信息。遵循此清单可有效避免因配置疏忽导致的安全风险或网络性能问题，确保服务器投入生产前的稳定性。
Using Claude Code: Session Management & 1M Context
文章探讨了在 Claude Code 中如何有效管理 100 万 token 的上下文窗口。作者解释了上下文污染、上下文衰减等概念，并详细介绍了通过 Rewind、Compact、Clear 和 Subagents 等策略来维持模型性能。核心观点是根据任务性质灵活选择会话管理方式，以平衡效率与智能表现。
使用 Claude Code：会话管理与 100 万上下文
本文详细介绍了 Claude Code 的会话管理策略。在 100 万 Token 上下文窗口的背景下，文章探讨了上下文衰减、压缩与清空的区别、回溯功能的优势以及子智能体的应用。文章指出，理解何时开新会话、如何有效利用 /rewind 修正错误，以及通过压缩或清空管理上下文，是提升 Claude Code 使用体验的关键。
编写 Agent Skills 的 8 个技巧
本文是 Philipp Schmid 关于如何编写高效 AI Agent Skills（技能）的实用指南。文章指出技能虽然灵活但难以掌握，并提出了 8 个核心建议：明确技能定义（能力型 vs 偏好型）、精确描述触发条件、编写指令而非冗长文章、保持内容精简、给予 Agent 适当的自由度而非死板的步骤、定义负向触发条件、通过多轮测试评估效果，以及当模型能力提升时及时淘汰冗余技能。
用好Agent最重要的技巧：约束先行
本文提出了使用 Agent 时最重要的原则——“约束先行”。作者通过个人实践总结出，在使用 Claude Code 等 Agent 时，应建立类似“宪法”的约束体系：包括全局原则、项目级规范和具体设计文档。通过构建从上至下的规则系统，可以避免文件管理混乱，显著提升 Agent 的工作效率和智能水平。这不仅是 Prompt 技巧，更是类似于公司治理和城市规划的系统工程方法论。
系统工程：构建有效的智能体软件
文章提出构建智能体软件应采用系统工程思维，而非仅优化局部组件。作者提出了软件工程的五个关键层面：代理工程、数据工程、安全工程、接口工程和基础设施工程。文章通过开源项目 Dash 演示了如何将 RBAC、数据隔离和多接口集成等原则应用于实际开发中，强调智能体本质仍是软件，需遵循经典的系统设计原则。
BestBlogs 周刊第 89 期：智能体工程化
本周刊探讨了 AI 开发重心从模型能力转向工程治理的趋势。涵盖腾讯 22 个智能体的工程实践、ThoughtWorks 的约束工程框架、天猫胶水编程 97.9% 采纳率秘诀，以及 Cursor 和 Claude Code 的工具演进。文章指出，行业正从 Vibe Coding 迈向 Agentic Engineering，企业需通过构建 Harness 和规范体系来驾驭日益强大的智能体。