Loop Engineering: 定义 AI 编程代理的未来
本文提出了“Loop Engineering（循环工程）”的概念，即从手动提示 Agent 转向设计自动执行的系统。文章探讨了构建循环的五个核心模块（自动化、Worktree、Skills、插件、子代理），并结合 Claude Code 和 Codex 两大工具，分析了如何实现 AI 编程任务的自主迭代与质量控制。
🏷️ AI 编程
8 篇构建 7-Agent 软件工厂：Claude Code 高效开发指南
文章指出了当前 AI 辅助编程中“Vibe Coding”的痛点，即单一 AI 会话承担过多角色导致错误累积。作者提出了“软件工厂”的解决方案，通过构建包含代码库研究员、需求撰写者、规格撰写者、后端/前端构建者及测试验证者的 7 个专业化 Agent，将任务拆解并隔离。这种结构化流程利用 Claude Code 实现了自动化且高质量的功能交付，彻底改变了单人监督 AI 的低效模式。
如何让 Codex 像牛马一样不停工作！新手教程端上来了
文章介绍了 Codex 新上线的 Goal 模式，通过明确目标、验收标准和边界条件，使 AI 能像“牛马”一样持续执行复杂任务，解决了传统模式下需人工频繁干预的痛点，并提供了 Prompt 编写技巧与原理解析。
Claude Code 的 Agent 开发工具包：AI 工程化的未来蓝图
文章指出 AI 正从简单的“聊天机器人”演化为复杂的“操作系统”。作者深入剖析了 Claude Code 的 Agent Development Kit 架构，该架构包含五层设计：作为记忆层的 CLAUDE.md、作为知识层的 Skills、作为护栏的 Hooks、用于委派的 Subagents 以及用于分发的 Plugins。这套蓝图将 AI 转变为具备记忆、规则、委派和编排能力的数字组织，标志着开发重点从提示词工程转向了 AI 基础设施工程。
DeepSeek V4 + GPT-5.5 一手实战，结果很意外！附 Codex 保姆级项目教程
文章详细记录了使用 GPT-5.5 和 Codex 开发“项目学习助手”全栈应用的全过程，包括后端（FastAPI+LangChain）、前端（Vue）及 DeepSeek V4 API 的接入。文中对比了 Codex 的优缺点，实测了新模型的代码生成能力，并提供了 AI 自主测试与调试的实战技巧。
如何使用 Codex App 和 GPT-5.5 构建应用
本文介绍了作者 Paul Solt 使用 Codex App 和 GPT-5.5 模型构建 macOS/iOS 应用的全新工作流。文章指出，GPT-5.5 在推理速度和智能程度上相比 5.4 有显著提升，结合 Codex App 的可视化界面，极大地提高了开发迭代效率。作者分享了如何利用 AI 重构旧项目、通过交互式描述驱动代码生成，并展示了 App Creator、App Store Research 等 Skill 如何帮助进行代码编译验证和竞品分析，强调了 AI 作为全能编码伙伴的重要性。
CC Switch 作者 Jason：36岁转行程序员的 AI 编程实战与开源之路
本文讲述了开源项目 CC Switch 作者 Jason 的故事。他 36 岁从进出口贸易转行程序员，仅用六个月开发出获得 2 万 Star 的工具。文章详细记录了他从 Electron 重构至 Tauri 的技术抉择、配置管理的血泪教训，以及他总结的一套“AI 时代编程方法论”，包括 Plan Mode 的使用、上下文管理和代码质量控制等实战技巧。
为什么你一定要用OpenCode
文章详细介绍了 Claude Code 的开源替代品 OpenCode 的优势。作者建议开发者使用 OpenCode 以避免 Anthropic 公司的封号风险，并利用其支持多模型（GPT、Gemini、Claude）的特性来提高开发效率。文章还对比了两者的生态差异，认为 OpenCode 像“安卓”一样更具开放性和可定制性。