本文提出工程师应从写单次提示词转向设计自动化循环（loop），让AI代理持续工作。核心架构包含六要素：自动化触发器、工作树（git worktree）隔离、技能文件、连接器、子代理和持久化记忆文件（如STATE.md）。关键模式是评估器-优化器：一个代理生成内容，另一个用测试/类型检查等客观标准校验。停止条件必须是可验证的（测试通过、构建成功），不能依赖代理自我声明。通过自主阶梯（建议、草稿、低风险自动、完全自动）逐步提升自动化等级。文中也提醒注意Token成本和命令白名单安全。
文章提出代理持续学习不限于更新模型权重，对于使用闭源前沿模型的代理，可通过 harness 和 context 两个可控层进行改进。以 Replit Agent 为例，详细介绍了其评估系统：包括针对 vibe coding 的离线基准 ViBench（从零构建应用，用自然语言测试计划评分）、线上 A/B 测试，以及生产追踪分析系统 Telescope（聚类失败模式）。三者构成闭环：离线基准防回归，A/B 测试验证用户行为变化，Telescope 发现隐藏问题，最终通过自改进循环自动提出补丁，但仍需工程师审查方向。适合 AI 系统工程师、代理开发者和关注评估体系建设的技术团队。
Lilian Weng 的这篇长篇综述系统梳理了 Harness Engineering 在 AI 递归自我改进 (RSI) 中的核心作用。Harness 是环绕基础模型的系统层，负责编排执行、上下文管理、工具调用、持久化状态与工作流设计。文章总结了三大设计模式（工作流自动化、文件系统作为持久记忆、子代理与后台作业），并详细介绍了上下文工程（ACE、MCE）、元优化（Meta-Harness）、工作流自动化搜索（ADAS、AFlow）、自改进 Harness（STOP、Self-Harness）以及进化搜索（AlphaEvolve、Darwin Gödel Machine）等前沿工作。最后指出当前瓶颈：评估器弱、记忆管理、多样性崩溃、奖励黑客等。适合 AI 工程师、代理系统研究者阅读。
本文详细介绍了如何使用 Claude 构建 Agent 运行环境（Harness）的 14 个步骤，从基本的运行时配置到可自我改进的系统。作者强调 Harness 是 Agent 的基础，定义了模型、工具、权限和初始上下文，而循环（Loop）只是在此之上的定时器。文章提供了具体的目录结构（.claude/）、CLAUDE.md 编写规范、settings.json 权限模板、子代理（Subagent）用于隔离脏活、技能（Skills）复用流程、钩子（Hooks）强制执行不可协商的规则、以及记忆（Memory）实现跨会话积累。最终，一个良好的 Harness 能让循环输出有用结果，并在每次运行中不断优化。适合正在使用或计划使用 Claude Code 构建多 Agent 系统的工程师。
本文基于Anthropic对40万次Claude Code会话的分析，揭示当前“Human-in-the-Loop”实践中的核心问题：用户93%的审批率导致“审批疲劳”，人类名义上在场但实际失去判断力。作者提出应将工作流重新设计为三个层：输入层（任务描述、约束、示例）、引导层（计划级审批而非逐步骤批准）、输出审查层（定义质量标准并自我评估）。实验显示，仅添加输出审查检查点即可将生成质量提升8-10%。文章给出具体操作步骤，并指出真正的差距不是模型能力，而是工作流架构设计。适合AI工程、Agent开发及所有使用AI辅助工作的一线工程师。
本文指出，单纯依靠大语言模型在循环中自主决策的Agent架构已经触及天花板——循环无法解决计划遗忘、无限重试、自检造假和不可追溯四个根本缺陷。作者通过实际代码演示：同一模型在循环中给出错误答案747（真值为615），而同样的工具在带验证门的图结构中准确返回615。文章提出四个替代属性：显式依赖（将计划从上下文窗口提升为静态图）、有界恢复（固定断言阶梯而非模型自行决定）、不可变日志（每步操作可重放可审计）、验证器门（输出必须通过独立检查节点）。最终转折：前沿实践已从手写循环演进为让模型自身绘制任务图（Anthropic动态工作流模式），而图结构基础设施（如Temporal）才是循环工程的下一个台阶。
本文作者分享了自己从最初失败的长任务Agent编排尝试，到发现并使用Superpowers这一Skill Set解决核心痛点的经验。Superpowers通过将开发流程拆解为“头脑风暴（brainstorming）→ 编写计划（writing-plans）→ 执行计划与Subagent驱动开发（executing-plans / subagent-driven-development）”三个阶段，确保长任务的可控性与交付质量。关键设计包括：用多个Prompt模板（implementer、spec-reviewer、code-quality-reviewer）分离执行与评审职责；为每个Task创建独立Subagent并禁止继承主Session Context，防止上下文污染；通过“Never/HARD-GATE”等强约束词防止AI跑偏；贯彻TDD、DRY、YAGNI等软件工程原则。作者认为，当前Frontier模型（Opus 4.8、Codex GPT-5.5）能力已足够，核心在于Harness设计——通过规约与流程让模型变得可靠。
本文提出一个核心观点：优秀的垂直 Agent 是对任务分布的有损压缩，其上下文应像 CPU 缓存一样分为 L1/L2/L3 三层。作者以自己构建的 Shortcut 电子表格 Agent 为例，详细展示了如何极度优化高频操作：读取时通过 R1C1 范式化和别名将 500 个公式压缩为一行动态；写入后返回分组、采样、分类的 diff，并将 #REF! 等错误标记为 MUST FIX。第二层是按需拉取的英文规范文档，例如透视表规范教会模型 suspendLayout/resumeLayout 和聚合参数必须传原始整数 8；第三层是完整的原始 API 参考，配一个 100 行的 grep 技能让模型能自行挖出所需签名。整篇文章提供了具体的代码片段、prompt 预算分配和可迁移的设计原则，适合所有需要构建高可靠 Agent 的工程师。
本文是 Claude Code 官方发布的配置机制深度指南，系统梳理了 CLAUDE.md、规则（Rules，支持路径作用域）、技能（Skills，动态加载）、子代理（Subagents，隔离上下文）、钩子（Hooks，确定性触发）、输出样式（Output Styles）以及追加系统提示（append-system-prompt）七种指令注入方式。文章详细解释了每种机制的加载时机、上下文成本、适用范围和典型场景，尤其强调路径作用域规则避免 Token 浪费、子代理的完全隔离适合副作用任务、钩子的低上下文成本适合强制性校验。结尾给出实用建议：频繁出现的确定性行为应使用钩子而非 CLAUDE.md，长时间流程应放入技能中，绝对禁止的行为需使用钩子或托管策略而非指令。适合所有 Claude Code 用户，尤其是需要深度定制开发工作流的工程团队。
作者基于自己开发的 PPT、社交媒体卡片、Logo 生成器、AI Desk Card 等爆款 Skill，提出 Agent 并非抹平能力差距，而是放大差距。Skill 是封装专家经验、工作流、品味和工具调用的可复用能力单元，能弥合使用差距。文章深入讨论了 Skill 的核心——把人的经验外化，设计 Skill 是把品味变成可执行的约束；架构上应遵循“中心短、辐射厚”，SKILL.md 只放高信号流程，重文档按需读取；质量需像代码一样维护，gotchas 来自真实失败最有价值；生态不应是仓库列表，每个 Skill 应像软件功能页展示结果和场景；分发策略是 GitHub 打基础，内容平台做传播，形成“文章、产品、案例互相喂养”的复利飞轮。最后给出完整生命周期：从真实需求出发，经过高质量产物、抽象流程、工程化模板、跨模型测试、发布分发到反馈迭代。本文适合 AI Agent 开发者、产品经理和内容创作者，提供了大量具体案例和可操作的设计原则。
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。
Claude Code 的创造者声称自己几乎不再写提示词了——是循环在替他“提示”。本文提出一个清晰的五级框架，描述开发者与 AI 协同工作模式的演进：从 L1 的单轮问答，到 L2 的手动循环（重复“做-检查-修正”），再到 L3 的验证循环（用独立检查定义“完成”），然后到 L4 的自运行循环（靠 Goal 命令自主迭代），最终到 L5 的自主智能体系统（循环自触发、并行执行、经验回写入知识库持续改进）。每级都包含识别标志和具体升级行动。适合已感觉“聊胜于无”的 AI 用户，以及正在构建自动化 Agent 工作流的工程师。
本文由 Claude Code 构建者 Boris Cherny 的观点切入，提出 Agent 开发的重心已从提示工程转向循环工程（Loop Engineering）。作者详细拆解了 Agent 循环的内核（一个简短的 while 循环），并指出真正的工程挑战集中在四个环节：如何准确判定任务完成（而非模型停用工具）、如何保持上下文清洁以防止“上下文腐烂”、如何设计让 Agent 能实际使用的工具（幂等性与面向 LLM 的错误信息）、以及如何在循环中引入独立的验证者（Critic）来避免模型自我认可。文章强调，模型正趋于同质化，围绕模型的“马具”（Harness）——即循环系统——才是工程师应投入精力的方向。适合 Agent 开发、AI 工程与系统设计的相关工程人员阅读。
启动AI智能体变得极其廉价，但关闭循环（审核、合并、判断）仍需经过你这一串行处理器。作者将人类注意力类比为GIL：你可以同时跑20个智能体，但真正能交付到main分支的工作受限于你单线程的审核吞吐量。Amdahl定律在此适用——串行部分（人类的判断）不可并行化，盲目增加智能体只会积压待审队列。文章给出了可操作的策略：按审核速率而非UI上限扩容、将任务分为可委托的异步工作与需要锁定注意力的复杂工作、批量审核、让智能体自证正确性。最后指出，忙碌不等于高效，未支付的编排税会同时积累技术债务和认知债务。
这篇由 Google 工程师撰写的白皮书提炼，核心观点是：AI Agent 的真正价值不在于模型本身，而在于其“载体”（Harness）——即指令、工具、沙箱、编排逻辑和可观测性组成的系统，模型约占 10%，载体占 90%。上下文工程是决定成本的关键，需要区分静态上下文（每次加载，昂贵但可靠）和动态上下文（按需加载，便宜但需谨慎设计）。验证能力是区分“Vibe Coding”和真正的工程化 Agent 的分界线：测试覆盖确定性部分，评估覆盖非确定性输出和轨迹。白皮书提供了具体数据：仅修改载体（不换模型）即可将编码 Agent 在 Terminal Bench 2.0 上从 30 名外提升至前 5；LangChain 的实验中通过修改系统提示、工具和中间件在相同基准上提升了 13.7 分。适用于所有正在或准备将 AI Agent 引入研发流程的工程师和技术管理者。
本文详细拆解了在Claude Code中使用Dynamic Workflows并行调度多个子Agent的9个步骤。作者指出，单纯并行启动多个Agent很容易导致冲突和混乱，真正的关键在于主管Agent的编排循环：先检查任务是否可分解，让主管Agent分解为原子子任务并等待人工审批，通过Git Worktree隔离每个子Agent的工作目录，并行分发后使用SubagentStop Hook强制门控（运行测试和lint），再用一个独立评分Agent根据预设标准评估每个结果并自动退回不合格者，最后只由主管Agent按依赖顺序合并通过的提交。文章强调，核心技能不是‘能启动10个Agent’，而是能收回10个干净、已测试、已合并的结果。
本文总结了15种AI智能体设计模式，覆盖从单智能体、顺序/并行多智能体、循环评审、协调器、分层分解、ReAct、人机协同到事件驱动等。核心观点是：选择哪种模式取决于问题的确定性形态，而非追逐流行度。每个模式都给出了适用场景、真实案例和常见失败点，最后提炼10条生产规则强调最小化复杂度、严格限制工具调用次数、不可逆操作必须经确定性校验或人工批准。适合所有正在构建或计划部署Agent系统的一线工程师。
本文由社区作者撰写，提出“循环工程”概念，主张从单次手动提示转向设计AI agent的自动化反馈闭环。核心论点是：高效的AI应用不是靠一个完美prompt，而是构建一个持续发现、规划、执行、验证、迭代的系统。文章详细介绍了六种构建模块（自动化、工作树、技能、插件与连接器、子agent、记忆）、两种循环规模（单agent与舰队循环）以及两种类型（开放循环与封闭循环），并坦诚讨论了最隐蔽的瓶颈——token成本。适合希望将AI agent从实验工具升级为生产级工作流的工程团队。
本文梳理了 AI 智能体工程中的 20 个基础概念，涵盖构建模块（Agent、执行循环、状态、协作模式）、配置层（配置文件、工作流文件、提示缓存、上下文腐烂）、能力层（MCP 协议、实时文档检索、持久记忆）、编排层（子智能体、智能体循环）、护栏层（沙箱、权限、钩子、提示注入防御、预提交门）以及可观测性（追踪、指标）。作者强调框架会变，但这些底层思想不变；理解它们后，看任何新工具都能快速抓住本质。文章给出了大量具体配置示例（CLAUDE.md、permissions.yaml、.pre-commit-config.yaml）和实用建议（如配置文件不超过 100 行、区分代理信号与成果指标）。适合正在或准备构建 AI 智能体的开发者。
本文提出“循环工程”概念：与其手动逐次提示编码智能体，不如设计一个自动化系统——由调度任务、工作树隔离、技能定义、插件连接和子智能体审查组成的循环，让智能体自主发现工作、执行并验证。作者对比了Codex与Claude Code两个工具中这五个组件的具体实现（如自动化的`/goal`命令、基于`SKILL.md`的技能系统、通过`git worktree`实现的隔离），并强调状态持久化（Markdown文件或Linear看板）是循环稳定运行的关键。核心洞见是：循环设计比提示工程更难，因为软件工程师的角色从操作者转变为系统设计师，同时仍需承担验证质量、维护理解力、避免认知屈服的责任。
智谱 AI 发布旗舰模型 GLM-5.2，重点提升长时程任务能力，首次在 1M token 上下文窗口上稳定运行，并采用 MIT 开源许可。架构层面引入 IndexShare 技术，每 4 层 Transformer 共享稀疏注意力索引器，使 1M 上下文下每 token FLOPs 降低 2.9 倍；改进 MTP 层，通过 IndexShare 与 KV 共享消除训练-推理差异，配合拒绝采样与端到端 TV 损失，将推测解码接受长度提升 20%。后训练阶段，基于 slime 框架统一组织大规模 agentic RL 训练，并引入反作弊模块，在线检测并阻断 agent 读取受保护评估产物、curl 下载答案等投机行为，维持训练信号有效性。GLM-5.2 在 FrontierSWE、PostTrainBench、SWE-Marathon 等长时程基准上位居开源模型第一，在 Terminal-Bench 2.1 上得分 81.0，逼近闭源前沿。文章适合关注长上下文推理、编码智能体、开源大模型工程化的开发者阅读。
本文系统性地解释了 AI 循环（Loops）在工作流中的核心作用。它指出多数用户仍在使用最慢的人肉交互：每次输入指令、等待、手动修正。Loops 则是将“目标”交给 AI，让其自主完成发现、规划、执行、验证、迭代的循环。文章划分了代码工程中的重循环（含自动化、技能、子代理、连接器、验证器五大构件）与日常事务的轻循环（以 Mira 为例），并直言重循环的隐形成本：token 膨胀、复合计费、以及“Ralph Wiggum”式无产出空转。适合所有希望提升 AI 使用效率的工程师与创作者，尤其是正在评估 Claude Code、Codex 或 Mira 等循环型工具的人。
YC 合伙人 Garry Tan 提出一套区别于“更好模型”的 AI 代理架构理念：代理的瓶颈不是模型智能，而是对上下文和过程的管理。他用五个核心概念来定义这一架构：Skill files（以 Markdown 写成的可复用过程文件）、Harness（精瘦的运行与上下文管理循环）、Resolvers（上下文加载路由表）、Latent vs. deterministic（智能与确定性工作的严格边界划分）以及 Diarization（从非结构化信息中提取结构化的分析简报）。这套理念的实战体现是 YC Startup School 的匹配系统——用同一套技能文件的不同参数调用，完成分组、午餐配桌和实时匹配，并能通过分析“还行”的反馈自动重写技能规则，实现系统自进化。文章为一线工程和产品团队提供了具体可操作的代理设计原则，尤其适合正在构建 AI 工作流、需要平衡模型能力与系统可靠性的工程师。
Garry Tan 提出“Skillify”方法论：每次 AI Agent 犯错，不靠道歉或提示词修补，而是将其转化为一项带完整测试链的 Skill。文章以两个真实故障（日历查询绕过本地脚本、时区心算偏差）为例，展示如何将失败固化为 SKILL.md 契约加确定性脚本，并引入涵盖单元测试、集成测试、LLM eval、解析器触发与校验、可达性审查、冒烟测试等十步清单的验证体系。该流程已集成于作者的开源知识引擎 GBrain 中，确保 Agent 的每一次判断提升都是永久且可验证的。适合正在构建 AI Agent 并受困于同类错误反复出现的开发者。
YC合伙人Garry Tan回应Kyle Kingsbury反AI长文，指出Kingsbury测试裸模型的行为如同在台架上测试引擎便断定汽车不安全。文章详细阐述了“薄控制层、厚技能文件”架构：用技能文件（可复用Markdown流程文档）约束模型输入，用解析器（路由表）分派任务，用确定性代码执行精确操作，用测试覆盖整个管线而非裸模型。作者以浴室渲染、股票数据幻觉等Kingsbury案例为例，说明通过架构可将不可靠的模型转化为可靠系统，并分享自身OpenClaw通过显式路由将文件错置率从10/13降至0的经验。文章最后将AI比作汽车：让汽车安全的是安全带、交通灯等系统工程，而非对引擎的怀疑。适合所有正在构建或评估AI系统的工程师阅读。
作者以自身构建个人智能代理系统的深度复盘，指出决定系统能否持续进化的核心并非模型或技能本身，而是常被忽视的“解析器”（Resolver）。文章通过一个错归档案例揭示了硬编码路径如何导致知识库沦为垃圾抽屉，并通过“技能可达性孤岛”问题说明缺乏路由会制造“能力已存在但无法调用”的假象。核心论点是：解析器是一个用于上下文分发的路由表，能将2万行的臃肿指令压缩为200行决策树，通过“文件归档规则”、“触发词评估”和“可解析性检查”等模式防止系统漂移。作者进一步将这一技术模式类比为组织管理中的经理层，并开源了包含全套解析器模式的个人微Agent系统GBrain。适合正在长时间维护多技能Agent系统，并遭遇知识索引失效、模型注意力退化的工程师阅读。
Pejman 在个人实践中发现，我们正在把人类“知识孤岛”的缺陷重新构建进 Agent 系统。他同时使用 OpenClaw（个人助理）、Codex（编码）和 Claude Code（设计写作），每个 Agent 都拥有一片关于“我”和项目的不完整拼图。最关键的上下文并非留存于 Git 仓库的固化产出物，而是会话本身：争论、走过的死胡同、被剪除又可能复用的想法分支。将这些有价值的“记忆单元”锁在各自的 Agent 中，割裂不仅存在于概念层，也体现在物理层：不同机器、不同文件系统、不同的本地状态。文章指出，统一、可共享的记忆层是下一阶段的关键缺口，并提及了 GBrain 和 CASS 等在这方面的探索。适用于正在构建或重度使用多 Agent 工作流的工程师阅读。
Factory 宣布 2.0 版本，将产品定位从个体 AI 编码代理升级为端到端的“软件工厂”。文章提出，仅提升单个工程师效率已不足够，企业需要构建一个由 AI 代理驱动、可自观测、自改进的闭环系统，覆盖从缺陷、客户反馈到计划、构建、测试、审查、安全、部署、监控的全生命周期。核心设计原则包括：模型独立性，允许企业按成本、性能、速度为不同任务选用模型或通过 Router 自动选择；主权智能，数据和控制平面可部署在从云到完全离线环境的任何位置，所有代理会话、代码审查和事故处理经验都会反哺系统；持续学习与自改进，各阶段共享同一代理核心、路由器和组织上下文，让安全发现影响代码审查，部署触发文档更新，事故关联到引发 PR。文章列出 NVIDIA、EY、Adobe、Palo Alto Networks 等企业客户已在生产环境中运行软件工厂，并强调自主性是一个渐进成熟过程，通过简单 Droid 代理、技能、自动化协作、Droid Computers 以及多代理并行 Missions 满足不同人的参与度、信息敏感性和代理就绪度要求。适合关注企业级 AI 工程化、代理架构和研发效能提升的工程师与管理者阅读。
作者上手实测了 Kimi Code 编程代理及其默认模型 K2.7 Code，验证其对 . 核心测试包括：利用视频理解能力复刻水墨动画效果、使用 /goal 命令自主将 2.1MB 图片压缩至 120KB 以下、以及多道网页 UI/动画/游戏编程题。体验表明，Kimi Code 的命令体系与 Claude Code 高度兼容，权限机制也几乎相同。/goal 命令可实现完全无人干预的自动化任务。K2.7 Code 的基础代码能力稳定，且官方称其推理 Token 消耗较上版平均降低 30%。此外，Kimi Datasource 插件通过自然语言即可查询股票、财报、论文等实时数据，无需额外注册数据账户。适合希望评估国产编程代理能否在工作流中替代 Claude Code 的开发者阅读。
Headroom 是一个本地运行的 AI 代理上下文压缩工具，旨在显著降低 LLM 使用成本与延迟。它在工具输出、日志、RAG 数据块及对话历史到达大模型前进行智能压缩，支持 JSON、代码和自然语言等多类内容。项目提供库、代理、MCP 服务器和代理包装器四种集成模式，通过内容路由选择最优压缩算法，并具备可逆压缩（CCR）机制确保原始数据不被丢弃。它还包含跨代理记忆共享和从失败会话中学习的 `headroom learn` 命令，适合每天高强度使用编程代理的工程师和任何需要优化 LLM Token 消耗的系统。
作者 Mike Piccolo 提出了一个观点：当前主流的 agent 框架（如 LangGraph, CrewAI）将循环、工具、记忆、审批等职责捆绑为一个整体，导致团队后期不得不重写整个 harness。他介绍了 iii 引擎的 worker 架构，将 agent 运行所需的 13 项职责（凭证解析、策略检查、会话持久化、预算追踪等）拆分为 11 个独立的 worker。每个 worker 通过同一个 WebSocket 原语（iii.trigger) 在总线上注册函数和触发器，能够像积木一样被单独添加、移除或替换。文中用生产环境的实例拆解了从 API 请求到 turn 状态机、流式响应、工具调用审批、预算记账和 OpenTelemetry 追踪的全链路，并给出了替换模型目录、新增模型供应商、私有 skill 存储、自定义审批界面等 5 个具体替换案例。核心论断是：agent harness 不应是一个需要被 fork 的单一框架，而应是一组可组装、独立版本化的 worker 合集，使架构从“选边站”的厚薄之争，变为一个可由配置文件滑动调节的连续体。本文适合在自建 agent 系统中遇到框架边界限制，或对松耦合 agent 基础设施设计感兴趣的后端工程师。
本文是一份基于Anthropic工程团队公开文档和实验构建的Fable 5实操指南。作者指出，绝大多数用户仅将Fable 5当作上下文窗口更大的Sonnet 4.6使用，未能发挥其“神话级”模型的设计潜力。文章详细阐述了一套让系统输出随时间复合增长的架构，包含四大层次：基础原语（模型、子智能体、工作树）、编排（/goal与Outcomes自纠正循环、动态工作流、云端例程）、记忆（状态文件、可进化的技能），以及自我改进（视觉自检、评估循环、规则蒸馏）。核心方法论包括用独立的验证智能体替代自我批判、通过Git工作树确保并行安全性、通过例程在关闭笔记本电脑后仍能运行数天的任务、以及一套从记录故障到蒸馏通用规则的五阶段记忆进阶模型。文章为愿意将Fable 5从五分钟的聊天工具转变为一个可自我增强的系统架构师提供了具体、可操作的模式和配置示例。
本文记录 Anhtropic 前客户经理 Jared Sires 利用 Claude Code 从零编程经验起步，构建 GTM 团队内部工具的过程。他开发的 CLAFTS 应用内嵌于 Gmail，能根据最新产品文档和用户写作风格草拟邮件回复，每周节省 10-15 小时。在此基础上，他进一步构建了每日简报、每日复盘及销售插件，通过 MCP 服务器连接 Salesforce、Gong 等系统，自动化客户背景调研和后续跟进。目前约 80% 的 Anhtropic 销售团队使用该插件。文章展示了无技术背景的业务人员如何通过 AI 编程工具消除技术壁垒，直接设计并交付解决实际工作流程问题的软件方案，适合关注 AI 编程工具赋能非技术角色及销售自动化实践的读者。
本文由 @eng_khairallah1 撰写，系统梳理了 Claude Projects 从基础配置到高级策略的 25 个实战技巧。核心观点在于，Projects 不应被当作一次性对话工具，而是需要通过结构化指令模板、分类知识库上传和持续校准，将其打造成一个随时间不断进化的持久化工作区。文中提供了具体可操作的模板，如 'ROLE/CONTEXT/RULES/OUTPUT' 指令框架、'竞争力情报中心' 和 '客户专属项目' 的设置方法，并强调了通过 '反馈日志' 和 '季度刷新' 实现指令的复利优化。本文适合希望摆脱重复向 Claude 解释背景、寻求更高效和个性化 AI 协作方式的深度用户阅读。
本文系统地拆解了构建实用 AI Agent 的核心架构与工程实践。作者首先厘清了聊天机器人、AI Agent 与 Agentic AI 的边界，指出真正 Agent 的本质是持续执行直到目标达成的循环系统，而非一次性问答。文章深入阐述了 Agent 运行的 ReAct 循环（思考-行动-观察-反思），并分解出 Agent 的五大基石：LLM 大脑、工具（手）、记忆（短期与长期）、自校正回路及验证环节。作者以“构建一个挖掘健身领域痛点创业想法的研究 Agent”为例，展示了从设定目标、赋予工具、引入循环、构建记忆到增加批评 Agent 的完整构建步骤，并附带了可直接使用的 5 种 Agent 系统提示。文章还总结了导致 Agent 失败的 6 个核心原因（如缺乏记忆、无停止条件等），并推荐了 Claude Code、LangGraph、MCP 等当前技术栈。适合希望从 Prompt 工程转向 Agent 系统工程的一线开发者阅读，提供从 50 行 Python 代码起步的周末实践路线图。
R. Lance Martin 分享了针对 Anthropic 最新模型 Fable 5 的两类循环设计实验：自校正和工作记忆。在自校正环节，他用 Parameter Golf 挑战（训练一个能塞进 16MB、在 8xH100 上 10 分钟内跑完的模型）对比了 Fable 5 和 Opus 4.7。在 Claude Managed Agents (CMA) 环境下，Fable 5 通过 Outcomes 生成的 grading 子 agent 做独立验证，训练流水线的改进幅度是 Opus 4.7 的约 6 倍，且更敢于做结构性变更而非只调标量参数。在工作记忆实验中，基于 Continual Learning Bench 1.0 的任务，Fable 5 在连续 SQL 问答中展现出一条从记录失败、调查原因、交叉验证到抽象为通用规则的完整记忆链，验证覆盖率达到 73%，显著超过 Opus 4.7 和 Sonnet 4.6。文章适合正在为强模型设计 agent 循环的工程师阅读，核心主张是提供环境和反馈让模型自行爬坡，比直接提示更有效。
作者分享了使用 Anthropic 的 Claude Fable 5 模型提升代理工作效能的两个实战方向：自校正循环和跨会话记忆。在自校正循环实验中，作者用 Parameter Golf——一个要求在 16MB 模型体积、8xH100 GPU 上 10 分钟内训练最佳模型的公开挑战——比较了 Fable 5 与 Opus 4.7 的表现。通过 Claude Managed Agents 提供的 Outcomes 原语，由独立验证子代理根据九项可检查标准评分，Fable 5 对训练管线的改进幅度约为 Opus 4.7 的 6 倍。Fable 5 更倾向于做结构性改动，并在遇到量化性能回退时展现出韧性，而 Opus 4.7 则停留在调整标量超参数的模板上。在记忆实验中，作者使用 Continual Learning Bench 1.0 中的 SQL 问答任务，对比了 Fable 5、Opus 4.7 和 Sonnet 4.6 利用文件系统跨会话记忆的能力。Sonnet 4.6 仅记录失败和未验证猜测，Opus 4.7 能创建带不确定性标记的 schema 参考但验证覆盖率中位数仅 17%；Fable 5 最强运行中验证覆盖率达 73% 并将学习提炼为通用规则。文章适合关注代理架构设计和模型能力边界的工程师阅读。
本文来自 Addy Osmani 对编码智能体未来工作模式的深度观察。核心观点是，与编码智能体交互的方式正从直接的提示词工程转向循环工程：工程师不再亲自写每一步提示词，而是设计一个包含定时自动化、并行工作树、项目技能、连接器插件和子智能体检查者的闭环系统，让系统自己去发现任务、分配工作、验证结果。文章详细拆解了这五个构建块及其在 Claude Code 和 Codex 中的对应实现，并强调了循环运行中必须持续关注验证、理解债务和认知舒适区的陷阱。适合正在探索如何将 AI 编码工具从一次性助手升级为持续后台工作者的资深工程师，尤其是那些关心代码质量、认知负担和成本控制的团队。
本文提出了一个让 AI Agent 自主完成多步任务的循环架构，核心在于用代码构建一个自动化的提示生成系统，而非手动编写单个提示。文章详细拆解了该循环的五个组成部分：定义验收标准（done check）、从状态构建上下文而非每次手写指令、执行操作并捕获所有输出、将失败结果作为反馈闭合到下一轮提示中，以及设置硬性停止条件（最大轮次、成本上限）。作者通过一个修复登录Bug的实例展示了循环如何运行，并指出实际开销来自多轮调用，而非单次代码生成，因此止损条件至关重要。此外，将反复出现的操作封装为可复用技能是提升长期价值的关键，而初学者常犯的错误包括缺乏退出条件、手动干预提示和丢弃失败输出。适合希望从单次提示工程转向构建Agent控制流的开发者阅读。
Anthropic 工程师 Thariq Shihipar 介绍了 Claude Code 新增的动态工作流功能，允许 Claude 在运行时自动生成定制的 JavaScript 编排脚本来协调多个子智能体。文章详细阐述了为什么需要绕过单上下文窗口的局限性，如智能体惰性、自我偏好偏差和目标漂移，并给出了分类-执行、扇出-聚合、对抗验证、锦标赛等具体的编排模式。作者通过迁移重构、深度研究、大规模分类、根因分析等真实用例展示了该功能的适用场景，同时诚实地指出动态工作流会增加 token 消耗，并不适合常规编码任务。文中还提供了组合使用 /goal、/loop 命令以及设置 token 预算的操作性建议，适合希望突破单一智能体能力边界的一线工程师阅读。