agent-browser 是一个基于 Rust 原生的命令行工具，专为 AI 智能体（如 Claude Code、Cursor 等）提供浏览器自动化能力。它采用客户端-守护进程架构，核心是一个纯 Rust 的守护进程，通过 Chrome DevTools Protocol (CDP) 直接操控浏览器，无需 Node.js 环境。项目提供了丰富的命令集，包括导航、元素交互（支持 ref、CSS、XPath 选择器）、快照、截图、网络请求拦截、会话管理、认证状态持久化等。特别设计了安全机制（域名白名单、操作策略、加密状态存储）和对 AI 工作流的优化（可获取无障碍树快照、带编号标注的截图、MCP 服务器支持），使得 LLM 能可靠地通过命令行控制浏览器执行复杂网页任务。适合开发 AI Agent、自动化测试、网页数据抓取及需要让大模型操控网页的工程师。
资深工程师 Matt Pocock 分享了他在日常开发中频繁使用的5个 Agent 技能（Skills），旨在将人类的开发流程编码成严格可复用的指令，解决 LLM 无记忆、易跑偏的核心缺陷。文章围绕一套技能套件展开：grill-me 通过穷举式提问确保与模型达成共识后再动手；to-prd 将讨论转化为产品需求文档；to-issues 将 PRD 拆解为可独立执行的垂直切片任务；tdd 强制模型遵循红-绿-重构循环，显著提升输出代码质量；improve-codebase-architecture 则定期审视代码库结构，识别“浅模块”并给出深化建议。作者强调技能不必冗长，选对措辞和时机即可带来质变。适合使用 Claude Code 等 Agent 化工具的开发者阅读，尤其是正在为 Agent 输出质量不稳定的团队。
本文作者提出，代码库的结构远比提示词或AGENTS.md文件更能影响AI代理的输出质量。核心观点是采用《软件设计哲学》中的“深模块”原则：每个模块通过简单接口暴露大量实现逻辑，AI代理只需理解接口，无需深入内部。作者进一步提出“灰盒模块”概念——开发者定义并锁定接口行为（通过测试），AI负责实现内部细节。这种方式能改善AI的反馈循环（测试即反馈）、导航效率（文件系统直接映射心智模型）并降低认知负担（开发者只需关注7-8个模块边界）。文章也指出TypeScript中强制边界不易，推荐使用Effect库。适合正在优化AI编码工作流的工程师阅读。