文章介绍了 Andrej Karpathy 推广的“循环工程”概念，即通过 AI 自动化循环（目标设定、规划、执行、验证）替代传统的单次 Prompt 交互。文章阐述了循环的核心要素，分析了适用场景，并以 AutoResearch 为例展示了其在模型训练中的成效。此外，文章还讨论了构建循环的五大组件，并提出了“双层循环”等进阶优化方法。
作者分享了使用 Fable 5 开发 cocoon 和 sandbox 项目的体会。通过回顾豆瓣时期的架构经历，阐述了 Infra 工程的核心在于权衡和“背锅”。文章认为虽然 AI 放大了设计者的执行力，但在策略判断上仍需 Human in the loop，并感叹资深工程师虽工具更强，但面临时代变局的挑战。
文章介绍了开源项目 video-use，这是一套面向 AI Coding Agents 的视频剪辑 Skill。其核心理念是让 LLM 通过“阅读转写文本”而非直接观看视频来理解内容，结合 ffmpeg 等工具实现自动化剪辑。文章详细阐述了从转写、打包、决策到渲染的完整技术流水线，并分享了包括分段拼接、淡入淡出、时移对齐等关键的工程实现细节与“铁律”规则，旨在实现生产级的视频自动化处理。
文章介绍了 pi-dynamic-workflows 项目，这是一种利用 JavaScript 编写工作流 DSL 的 Subagent 实现方案。Agent 将业务逻辑写入专用工具，引擎解析并运行代码，提供了 agent()、parallel()、pipeline() 等原语。该方案旨在为 Agent 提供一个符合人体工程学的“代码模式”编程表面，用于内联业务逻辑。
文章分析了 GitHub CLI (gh) 的设计理念，探讨如何构建对 AI Agent 友好的命令行工具。核心观点包括：使用 Resource 层（路径+HTTP方法）解决命令爆炸问题，保留 Command 层处理无法资源化的意图（如 login）；利用 --jq 精确裁剪输出以减少 Token 浪费和语义污染；以及在默认输出中采用自然语言而非 JSON，以提升 LLM 的理解效率。
文章指出 Claude Code 直接使用存在上下文腐烂、缺乏流程约束等工程问题，提出利用 Harness（Agent 系统架构）来规范 AI 行为。作者详细对比了四套方案：Super Powers（纪律层）、GSD（上下文层）、G-Stack（角色层）和 Archon（编排层），并分析了各自的适用场景、优缺点及实施代价，建议开发者根据需求循序渐进地搭建 AI 开发工作流。
本文探讨了企业如何从“AI赋能”向“AI原生”转型。作者指出，真正的价值在于从底层对产品、流程和组织进行彻底重塑。文章详细分析了AI转型过程中的五个主要瓶颈：工具采用、工程速度、产品速度、构建内部操作系统以及团队组织形式。文章强调，AI原生公司需要具备不断拆解、重组并快速迭代的能力。
文章探讨了 AI Agent 的记忆机制，解释了为何不同 Agent（如 Claude Code 和 Codex）之间无法直接通过复制文件来迁移记忆。作者指出，这是因为模型在后期训练时与特定的记忆层“融合”了。文章对比了 Hermes、Codex CLI 和 Claude Code 三种实现，并得出结论：最聪明的架构（如向量数据库、知识图谱）输给了最简单的方案（LLM + Markdown + Bash 工具）。核心在于 Agent 遵循的读写规范，而非数据结构本身。
文章深入探讨了构建 Agent Harness 时面临的上下文窗口管理挑战。通过对比 Pi、OpenClaw、Claude Code 和 Letta 四种主流系统，详细分析了它们在处理大文件读取、会话剪裁和摘要生成时的不同工程策略。文章指出，优秀的系统不应将上下文窗口视为被动缓冲区，而应主动管理状态、建立索引并智能分页，以维持长会话中的连贯性。
文章深入探讨了LLM中的提示词缓存技术。通过区分静态前缀（如系统指令）和动态后缀（如用户消息），利用KV Cache机制避免重复计算，大幅降低长上下文任务的成本。文章以Claude Code为例，展示了如何通过保持92%的缓存命中率将成本降低81%。同时，强调了Hash缓存的脆弱性，任何微小的前缀变动都会导致缓存失效，并给出了在开发Agent时维持缓存热度的具体工程建议。
文章分析了 Anthropic 的 Agent Harness 架构，并介绍了 Jason Zuo 如何使用 gstack 和 Compound Engineering (CE) 构建了一套完整的工程工作流。CE 替代了 Superpowers，提供了更深入的规划和审查机制。最关键的差异在于 CE 的 /ce:compound 功能，它通过独立 Agent 将每次开发的经验转化为结构化的项目记忆，实现了 Agent 的自我优化与积累，形成了从规划、执行、审查到记忆的完整闭环。