本文介绍 `writing-great-skills` 这一元技能，作为编写和编辑可预测 AI 技能的参考框架。核心概念是 **认知负荷** 与 **上下文负荷** 之间的权衡：模型调用的技能消耗上下文负荷但自动触发，用户调用的技能零上下文负荷但需你记住其存在。文章提供了管理这些负荷的工具，包括 leading words（锚定执行的关键词）、信息层次（逐步披露）、修剪（单一真实来源与无操作测试）以及失败模式（过早完成、重复、沉积等）。适合为 agent 编写一致且可维护技能的系统构建者。
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。
Pi 作者发现，Anthropic 的 Opus 4.8 和 Sonnet 5 在调用 Pi 的编辑工具时，会在 edits[] 数组中注入凭空捏造的字段（如 requireUnique、oldText2、cost），导致工具调用失败。更令人担忧的是：旧模型不会犯此错误，越新的模型反而越差。作者深入分析了 Anthropic 工具调用的实现机制——基于 ANTLM 标记的带内信令，以及 Claude Code 内部那套极其宽容的“污泥 harness”（容忍别名、静默过滤未知键、自动修复 Unicode）。他推测这是后训练阶段过度适配 Claude Code 的扁平编辑工具 schema 的产物，导致更强的新模型对非标准 schema 产生更强的先验偏差。文章给出实证：开启严格模式修复了问题，但 Anthropic 对工具定义的复杂度限制使 Claude Code 无法使用严格模式。工具 schema 不再中立，任何第三方 harness 都必须继承 Claude Code 的怪癖。
作者在 Claude Opus 4.8 发布次日撰写了这份配置指南，重点不在模型本身的基准提升（SWE-bench 从 87.6% 到 88.6%），而是伴随发布的三项操作特性：Effort Control 允许按任务设置思考深度（Low/Medium/High/Max/Ultracode），Fast Mode 以原先 1/3 的价格提供 2.5 倍速度，Dynamic Workflows 支持单次会话并行调用最多 1000 个子 agent。文章给出了一个完整的成本优化矩阵，按任务类型将请求路由到 Haiku、Sonnet、Opus 及不同 effort 等级，宣称可将重度用户的月成本从 $400-600 降至约 $205。文末提供了可直接复制使用的环境变量和 settings.json 配置，内容偏向实用操作手册，适合已在使用 Claude Code 并希望控制成本的开发者。
vLLM Semantic Router 提出了一个不同寻常的视角：路由器不只是请求分发器，更是模型能力的放大器。其核心思想是将多个模型的协作封装在同一个模型 API 调用内，用户看到的仍然是一个普通模型端点（vllm-sr/auto），但背后路由器可以根据任务自动选择协作模式——从成本感知的串行升级（Confidence）、并行聚合（Ratings），到多轮推理合成（ReMoM）、分歧发现（Fusion），乃至带资源预算的微代理工作流（Workflows）。这些模式都是可控、可配、可观测的运行时，而非应用层胶水代码。评测显示，在 LiveCodeBench、GPQA-Diamond、Humanity's Last Exam 三个硬基准上，这套闭源模型协作方案（VSR Closed）分别达到 92.6%、96.0%、50.0%，持平或超过了 Fugu Ultra、GPT-5.5 等单一前沿模型。这篇博文的价值在于，它首次把“多模型协作”从产品端或应用端下沉到了 serving 基础设施层，并且坚持以一个模型身份暴露，极大降低了接入成本。适合正在构建推理路由、多模型策略或成本优化方案的工程师阅读。
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。
大多数开发者使用 Claude Code 调试的常态是把错误粘贴进去、接受一个猜测性的修复、再粘贴下一个错误——陷入长达数十轮的猜谜循环。本文提出一个六步调试循环：先让LLM建立可复现的失败测试（repro），然后在 plan mode 中限定搜索范围，派发只读子agent从多个角度追踪根因，只针对根因而非症状修复，通过 PostToolUse 钩子自动验证修复是否通过测试，最后将 repro 保留为回归测试。核心论断是：LLM的能力并非问题，而是用户跳过前三个阶段直接要求“修复”导致了症状修补的死循环。
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。
Lavish-axi 是一个轻量级 CLI 工具，它将在本地浏览器中打开 AI 生成的 HTML 文件（即 artifact），让你可以直接在界面上圈选元素、标注文本、截图，并向当前 Agent 发送反馈。它通过一个本地服务器提供一个 chrome 风格的编辑界面，支持实时预览、布局审计（检测溢出、文字裁剪等问题）、反馈队列和长轮询，使得人机协作迭代原本静态的 HTML artifact 变得流畅。项目以 AXI 标准封装，通过 npx 即可无安装运行，并可作为 skill 集成到 Claude Code 等支持斜杠命令的 Agent 中。适合需要精细调试 AI 生成页面或可视化方案的工程师。
本文是 Garry Tan 对自己构建 54 万行 Rails 代码的深刻反思。他用富士康工厂比喻当前 AI Agent 开发的主流模式：用海量代码、测试和重试逻辑去过度束缚和控制一个本已高度智能的模型。他提出核心论点：模型调用成本急剧下降，智能程度大幅提升，旧的经济学已经反转。新的范式是“即时软件”和“技能包”，用精简的 markdown 指令和少量 TypeScript 代码替代厚重的工程框架，让 Agent 在自由中发挥最大价值。文章提供了具体案例——一个黑客松评审 Agent 如何在一个下午内用极少的代码完成了从前需要整个软件项目才能实现的功能。文章适合那些正在用 AI 编程但仍在沿用传统软件工程量度（代码行数）和架构思维的工程师阅读，它挑战了根深蒂固的“不信任模型”的本能，并指明了“代币最大最优”的先发优势。
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。
Hermes Agent 是一个自我完善的 AI 智能体框架，内置学习闭环：它从对话中提取技能、持续优化、自动管理记忆，并通过统一网关在 Telegram、Discord、CLI 等多个平台提供一致的交互体验。支持任意 LLM 后端，可部署在低成本 VPS 或 serverless 环境上，闲置时几乎零成本。内置 cron 调度、子智能体委派等功能，也提供批量轨迹生成用于语言模型训练。适合需要长期运行、自主调度的工程师和研究者。
Anthropic 发布了一款能力超越所有前代公开模型的 Claude Fable 5，并将其定级为“Mythos 级”。Fable 5 在几乎所有基准测试中表现领先，尤其在长周期、复杂任务上优势明显，覆盖软件工程、知识工作、视觉、科研等领域。为应对 Mythos 级模型在网络安全和生物学领域的严重滥用风险，Anthropic 内置了保守的安全分类器，会将敏感请求（如网络攻击相关）转交给 Opus 4.8，触发率约 5%。同时，他们为特定用户群发布了解除限制的 Claude Mythos 5，用于网络防御和生物医学研究，并推出了新的 30 天业务数据留存政策。文章展示了 Stripe 在 5000 万行 Ruby 代码库中一天完成两个月工作的案例、Slay the Spire 和 Pokémon 测试中的自主性能提升，以及蛋白质设计和分子生物学假设生成方面的突破。定价为每百万输入 token 10 美元，输出 50 美元。适合关注前沿 AI 能力、安全实践和工程应用的开发者与研究人员。
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。
Anthropic 为 Claude 消息 API 增加了 prompt auto-caching 功能。此前缓存需要手动在不同对话轮次移动断点，现在只需在请求顶层加一个 cache_control: {type: 'ephemeral'}，断点会自动跟随对话末尾的可缓存块移动。命中缓存的 token 成本仅为基准价格的 10%，同时减少 prefill 延迟。适用：所有对话轮次中重复携带大量上下文的应用，如 AI Agent、代码助手等长运行、高 token 消耗场景。文中还引用了 Manus 创始人 @peakji 将缓存命中率视为生产 Agent 最关键指标的观点，以及 Claude Code 在缓存友好型 prompt 设计上的实践。
本文汇总了6月第一周10条AI与科技行业动态。MiniMax M3大模型发布，以0.6美元/百万token的价格在编程跑分上超越GPT-5.5，但独立验证尚未出炉。DeepSeek完成约74亿美元首轮外部融资，宇树科技以73天闪电过会。Kimi Work、Coze 3.0与Qwen3.7-Plus在同一周发力Agent领域。豆包宣布收费，基础版永久免费。ChatGPT月活突破10亿，Codex推出Sites和岗位插件。Anthropic将Claude Cowork限额翻倍，并发布了Claude已撰写自家80%代码的报告，同时秘密提交IPO。英伟达在Computex 2026发布集成ARM CPU的RTX Spark超级芯片。SpaceX定于6月12日上市，谷歌披露了一份9.2亿美元/月的算力租用合同。微软自研推理模型MAI-Thinking-1发布仅3天，其声称的“干净数据”便被发现包含242亿页Common Crawl数据，同时GitHub Copilot转为按量计费后，部分开发者月账单飙升至3000美元。文章是典型的行业信息简报，适合需要快速了解一周重大技术动态的工程师和从业者。
Anthropic 工程师分享 Claude Code 中优化提示缓存的实际经验。提示缓存基于前缀匹配，缓存从请求头到每个 breakpoint 的内容，因此 prompt 各部分的顺序至关重要：遵循“静态在前、动态在后”原则，能最大化跨会话的缓存命中。文章给出多条反直觉教训：用消息传递更新信息而非修改系统提示；不要在会话中切换模型或增减工具，这会立刻导致缓存全部失效；压缩（compaction）时复用父会话前缀避免缓存丢失。每条建议都附带具体实现策略（如 system-reminder 标签、EnterPlanMode/ExitPlanMode 作为工具、defer_loading 机制）。适合正在构建长运行 Agent 产品的工程师参考。
本文总结了8条通过优化CLAUDE.md让Claude Code更契合项目的实战经验，包括：将文件长度控制在200行内以避免信息过载；用“禁止引入的库”清单替代仅列出技术栈；制定可操作、可验证的编码规则（如使用named export、禁用any类型）；将CLAUDE.md作为信息路由而非知识库；在敏感模块（如认证、支付）本地化配置；通过Hook强制执行而非依赖记忆；用MEMORY.md实现跨会话知识迁移；以及预先定义工作风格以减少重复指令。这些原则源自一线实践，附带具体代码示例和对比，适用于所有使用AI编程助手的工程师。
文章指出AI代理通过MCP集成大量工具时，容易陷入上下文膨胀和工具幻觉。50+工具可能占据5-7%的上下文窗口，导致多工具混淆。传统方案包括代理端过滤和MCP端精简，但各有局限。代码模式通过让LLM编写代码来搜索和执行工具，大幅减少令牌消耗，支持复杂控制流，同时引入调试和基础设施成本。以Cloudflare及Anthropic的实现为例，强调核心在于回归用例，维护合理工具集，而非追求魔数。
这篇长文系统梳理了大模型训练的全链路，核心观点是：2026年模型效果的真正差距并不在预训练阶段，而在后训练、评测、奖励、Agent训练与蒸馏等「后半段」。文章以工序化的方式拆解了从预训练底座到数据配方、系统架构、四阶段后训练流水线（SFT冷启动—GRPO推理RL—拒绝采样微调—对齐RL）、Grader/Reward设计、Agent训练（包括PARL架构与Meta-Harness优化）、蒸馏部署等完整流程。其中着重分析了DeepSeek-R1的公开配方、GRPO相比PPO的工程优势、PRM与ORM的优劣、以及Agent从优化答案扩展到优化环境Harness程序的趋势。适合需要理解大模型能力来源于哪些具体工程环节的系统/数据/工具工程师。
每次开启新的 Claude 会话都会丢失全部记忆和偏好，导致重复解释、输出风格不稳定。CLAUDE.md 是一个永久指令文件，Claude 在会话启动时自动读取，可以持久化你的背景、写作风格、行为规则和记忆。本文给出了 21 条实战指令，涵盖对话风格、行动限制、个人上下文、跨会话记忆和开发者专属规则，用具体示例说明如何从零开始搭建你的 CLAUDE.md。适合所有重度使用 Claude 的用户，尤其是需要保持输出一致性的开发者和内容创作者。
本文介绍使用 Kimi K2.6 搭建单人 AI 代理公司的完整方法。Kimi K2.6 采用 MoE 架构，总参数 1 万亿，激活 32B，SWE-Bench 得分 65.8，内置工具调用。其 Agent Swarm 可并行运行 300 个子代理，单次运行产出 100+ 文件。作者提供了一套操作路径：技术栈包括 Kimi API、CLI、Swarm、MCP 服务器、n8n；服务线包括获客系统、知识库、客服自动化等；客户获取通过监控招聘信息并自动生成个性化方案；成本模型显示月开销 $500，月利润可达 $72k-75k。整体偏向营销风格，营收数据未经验证。
Ramp 的 MCP 周活用户三个月增长 10 倍，Salesforce 发布 Headless 360 宣告 UI 不再是必备——软件交互的 80% 正转向 Agent。文章提出新的交互模式：用户→用户 Agent→软件 Agent→数据库，并给出三条给产品团队的实践原则：主动向调用方 Agent 提供成功所需上下文（如 Notion MCP 预加载 Markdown 规范）；通过 rationale 参数、反馈工具和种子数据建立 Agent 交互的观察与改进闭环；在 Agent-to-Agent 交互中，明确双方各自持有的上下文优势，填补信息鸿沟。适合正在为 Agent 接口设计产品的工程师和产品经理。
本文深入剖析了驱动现代 AI Agent 的核心基础设施——Agent Harness（代理框架）。作者综合 Anthropic、OpenAI、LangChain 等一线实践，梳理出生产级 Harness 的 12 个组件：编排循环、工具、记忆、上下文管理、提示构建、输出解析、状态管理、错误处理、护栏、验证循环、子代理编排。文章强调，Harness 才是 Agent 性能的真正瓶颈：LangChain 仅改变 Harness 便使 TerminalBench 排名提升 20+ 位；Claude Code 通过精心设计的记忆分层实现 95% 的上下文缩减。适合正在构建或优化 Agent 系统的工程师阅读，避免重蹈“模型强但系统弱”的覆辙。
Understand Anything 是一个开源工具，用于将任意代码库生成可视化的交互式知识图谱，使开发者可以浏览、搜索和提问。它不为生成静态图表，而是建立可供持续探索的结构化知识库，支持 Claude Code、Cursor、Codex 等主流 AI 编码工具。项目通过解析代码结构、构建语义连接，把离散文件的逻辑关系具象化，帮助团队加速熟悉遗留系统、定位业务逻辑或在复杂代码库中导航。适合需要快速理解大型或陌生代码库的软件工程师。
作者从吝啬、老派、热爱混乱等角度解释为何拒绝‘氛围编程’。他引用布鲁克斯的‘没有银弹’理论，指出LLM无法处理本质复杂性，并用DOGE误读社保数据库为例，说明缺乏质疑的数据分析之害。强调摩擦是架构反馈，编程乐趣在于过程与责任。兼谈AI伦理与就业忧虑。本文适合对AI编程持批判态度、关注软件开发人文维度的工程师阅读。
Kimi 的用户界面里藏着一个几乎没人用的功能：Agent Swarm。它不是一个问答聊天，而是一个多智能体编排系统——可以同时驱动最多 300 个领域专门化智能体并行工作，输出真实的文件（PDF、网站、数据集、代码等）。本文作者用具体案例展示了其杠杆效应：100 份定制简历、10 万字文献综述、30 个落地页，一次提示词完成，替代了价值 4 万至 10 万美元的专业人力。文章给出了 15 条实用规则，涵盖项目简报写法、输出格式设定、阶段划分、可复用 Skills 等，是一份从零到精通的实操手册。适合希望突破「一问一答」局限、用 AI 批量交付产品的工程师和工具使用者。
Cloudflare 内部构建了一套基于 OpenCode 的 AI 代码审查系统，用专门的协调器管理最多 7 个领域 Agent（安全、性能、文档等），在 GitLab CI 中全自动运行。上线 30 天处理了超 13 万次审查，中位耗时 3 分 39 秒，平均成本 $1.19。文章深入剖析了插件架构、风险分级、断路器恢复、增量重审、提示注入防护等工程细节，并坦诚列出了架构感知、并发 bug 等当前局限。适合对 AI 辅助开发与 CI/CD 集成有实战需求的工程师阅读。
OpenAI 联合创始人、前 Tesla AI 负责人 Andrej Karpathy 认为，多数 AI 用户的瓶颈不是模型或提示词，而是缺少一套围绕模型构建的系统。本文拆解了他的 7 条实操铁律：不要纠结“魔法提示词”，必须喂足上下文；认真定制 CLAUDE.md；用 /raw、/wiki、配置文件搭建三层记忆结构；把每次满意的输出永久保存为引用页；长项目必需 index.md 和 log.md；把 AI 当成无品位的超级实习生，用小步验证循环；以及一句将研究输出转化为可导航 HTML 的指令。适合总在调提示词却拿不到稳定产出的工程师，用半天搭好这套基础，AI 才能真正为你工作。
文章对比了 Claude 多智能体系统的两种范式：子代理（sub-agents）是即发即忘的短时工作单元，拥有独立上下文与工具，仅返回压缩结果，适用于可极致并行的独立任务；智能体团队（agent teams）则是长期运行、可直连通信、通过共享任务列表协调的协作模式，适合需要持续协商的场景。作者给出了基于上下文边界的设计原则、五种常用编排模式，并明确了何时不应使用多智能体系统：当任务简单或上下文需要频繁共享时，单智能体往往更优。文中包含 Python SDK 示例与失败模式分析，面向正在构建或评估智能体系统的工程师。
Claude Code 新增的 /goal 命令可以让 AI 助手持续运行，直到满足你设定的完成条件，无需反复输入“continue”。作者详解其工作原理：每轮结束后，一个轻量评价模型（默认 Claude Haiku）自动检查对话记录，若目标未达成则立即启动下一轮。成功的关键在于写出具体、可衡量且能从输出中验证的目标（例如“所有测试通过且 lint 干净”）。文章还给出了项目准备建议（创建 CLAUDE.md、配置 hooks、开启 Auto Mode），并警告模糊的目标会导致 token 浪费和评价幻觉。最后对比了 /goal 与 /loop、stop hooks 的适用场景。适合所有希望摆脱 AI 编码中“逐轮监督”的开发者。
本文是一份完整的 Claude 使用指南，揭秘了 17 个大多数用户从未尝试过的隐藏功能，包括 Projects（项目）、Artifacts（构件）、Extended Thinking（扩展思考）、Memory（记忆）、Claude in Chrome（浏览器插件）、Cowork（桌面应用）、Scheduled Tasks（定时任务）、Skills（技能）、CLAUDE.md（自动规则文件）、Claude Code（终端编码）、Claude Design（视觉设计）以及 Prompt Caching（提示缓存）等。每个功能都配有具体的位置说明、开启方法和即用提示词。适合希望将 Claude 从聊天工具升级为生产力系统的用户。
Anthropic 发布 Claude Computer Use 工程化落地指南，基于 4.6/4.7 系列模型的内部实测，系统覆盖截图缩放与点击精度、缓存断点布局与滚动缓冲区、服务端自动摘要、思维努力调优、提示注入防御，以及批量工具、顾问模式等实验特性。文中给出大量可运行的代码片段、具体参数阈值与调试方法，适合正在构建长链路桌面/浏览器自动化产品的工程师。
Cloudflare 在 Project Glasswing 中深度试用 Anthropic 的 Mythos Preview 模型，对其 50 多个自有仓库进行了安全扫描。该模型的核心进步在于能自动将多个低危漏洞串联成完整利用链，并生成可执行的 PoC，使漏洞验证从猜测变为可操作。实际使用暴露出模型拒绝不一致、信噪比等问题，单一通用 coding agent 效果不佳。Cloudflare 构建了包含侦察、狩猎、验证、补缺、去重、追踪、反馈和报告的八阶段编排框架，用并行窄域任务和对抗性复核大幅提升质量。文章最后指出，仅加快修补不够，需从架构上限制漏洞可达性，并预告后续面向客户的实践分享。
大多数人使用Claude时不知道CLAUDE.md的存在——这个文件放在项目根目录，会话启动时自动读取，能永久固化你的偏好、上下文与行为规则。本文提供21条具体指令，分五部分：沟通风格（禁止寒暄、坦诚不确定性、按需匹配篇幅）、行为规范（大改前先请示、只改被要求的部分、事后总结变更）、用户上下文（角色背景、项目目标、写作风格）、记忆与连续性（用MEMORY.md记录决策、会话摘要、记录失败尝试）、以及面向开发者的7条规则，包括Andrej Karpathy的4条黄金法则（不要假设、用最简单方案、不改无关代码、明确标出不确定性），据称将编码准确率从65%提升至94%。适用所有想减少重复解释、提升Claude输出一致性的用户。
多数人用Claude只是单次问答，不保存上下文。作者分享了一套系统化配置方法：设置个人指令、分项目、上传参考文件、创建上下文文件、连接邮件日历、构建模板与工作流等，把Claude从聊天窗口变成可复用的工作环境。全文25个具体步骤，适合所有觉得AI助手回答随机、缺乏连贯性的技术工作者。
一篇入门级概览，用简笔画和类比分四部分解释20个现代AI核心概念：基础机制（神经网络、注意力）、LLM运作方式（Token化、幻觉）、模型改进方法（LoRA、RLHF）、实际系统构建（RAG、Agent）。无代码、无实现细节，适合需要快速建立基本认知的工程师。
本文提出「上下文工程」正在取代提示工程：随着模型理解力提升，瓶颈不再是提示词本身，而是模型可用的上下文信息。作者给出五层框架：身份上下文（告诉 Claude 你是谁）、知识上下文（上传关键文档）、记忆上下文（持续记录偏好）、工具上下文（接入邮件、日历、代码库等 MCP 工具）、流程上下文（用 Skill 文件固化工作流）。核心观点：精心设计的环境比精心编写的 prompt 更重要。文章偏实操指南，无实测数据，适合重度使用 Claude 的用户。
文章梳理了AI工程从Prompt Engineering (2023-2024)、Context Engineering (2025) 到Harness Engineering (2026初) 的三代范式转移。Harness Engineering 包含评估闭环、架构约束、记忆治理三层，分别由 Anthropic 和 OpenAI 的实操验证：Anthropic 的评估器 Agent 使 20 分钟产出不可用变为 6 小时产出完整游戏；OpenAI 五个月零手写构建百万行代码生产系统，依赖分层架构和 CI/linter 强制约束。两篇学术论文填补记忆层空白：(S)AGE 记忆系统通过拜占庭容错的 Proof of Experience 共识实现可信共享记忆，使 Agent 校准精度翻倍；纵向学习实验表明 3 行 prompt 加记忆与 200 行专家 prompt 性能持平，但前者随轮次显著提升。适合构建多 Agent 系统的工程师阅读。
本文系统梳理了 Agent 系统的底层架构与工程实践，从稳定的 Agent Loop 控制流出发，对比 Workflow 与 Agent 的根本区别，解析五种常见控制模式及选型。重点强调 Harness（验收基线、执行边界、反馈信号、回退手段）比模型本身更决定系统收敛；上下文工程通过分层（常驻、按需、运行时、记忆、系统层）和三种压缩策略防止 Context Rot；工具设计遵循 ACI 原则，面向目标、参数防错、错误可修正；记忆系统分为工作、程序性、情景、语义四类，并通过整合与可回退机制实现跨会话一致性。还涵盖长任务跨 session 续跑、多 Agent 协议化协作、评测体系构建（Pass@k 与 Pass^k）以及基于事件流的可观测性。文章最终以 OpenClaw 的实现演示这些原则如何落地，适合需要构建稳健 Agent 系统的一线开发者。
安德烈·卡帕西对LLM行为的三点观察——静默假设、过度复杂化代码、粗心副效应——催生了一个单一的CLAUDE.md文件，内含四个原则：编码前先思考、简单至上、手术式修改、目标驱动执行。每条原则直指一个痛点。文件可直接放入任何项目，约束AI编程助手输出更严谨的代码。所有Claude Code用户都有同感，却难以言说。
超过40%的AI智能体项目因风险控制、架构和业务价值不清晰而失败，而非模型本身。本文从一线工程视角提出十条原则：从威胁建模、严格类型化工具契约、最小权限执行、上下文压缩、受控知识检索、确定性编排、记忆架构分离、可靠性机制到完整可观测性与持续治理。每条原则给出具体实现细节和真实案例（如Prompt注入在73%部署中出现），帮助工程团队将原型推向安全、可扩展的生产环境。
Bassim Eledath 将 AI 辅助编程的实践演进分为八个层级：从最早的 Tab 补全和 AI IDE，到上下文工程、复合工程、MCP/技能、反馈循环、后台代理，最终走向自治代理团队。他强调每一层都必须建立在前一层的基础上——混乱的上下文、缺失的约束或不合适的工具会让高级阶段放大混乱。文章分享了多个实战案例（如共享 PR 审查技能、多模型派发系统），并提出了计划模式正在消亡、实施与审查必须分离等尖锐观点，是为工程团队提升 AI 生产力提供的务实路线图。
本文总结了一场 Anthropic 组织的软件工程未来圆桌讨论，汇集 Stripe、NVIDIA、微软等公司工程领袖的洞察。讨论重点包括：闭环开发带来复利效应，测试先行成为默认实践，人工代码审查逐渐退场，注释开始为 AI 可读性而写。长周期自主代理任务仍是前沿难题，开发者工具最先被替代，而企业软件更具粘性。招聘更看重实验精神而非原始技能，上下文管理仍待解决，人类编写的上下文优于代理生成的。文章提供了来自一线实践的具体案例和真实权衡。
在代理式开发时代，用户故事的质量直接影响 AI 产出。文章主张团队应把更多时间花在拆解故事和编写清晰的验收标准上，而非仅仅估算故事点。一个清晰的故事应包含三部分：背景、验收标准和技术假设。故事点估算仅当需要发布预测或发现团队认知差异时才有价值，否则可省去。好的故事就是好的提示，能显著加速开发周期。适用于采用敏捷 / Scrum 的工程团队。
Anthropic 在 Claude 托管代理中引入了「梦境」功能（研究预览），可跨会话审视记忆、提取模式并自我改进。同时推出成果评估（定义成功标准，由独立评估器评分，自动修正直至达标）和多智能体编排（主代理拆解任务，子代理并行处理）。文章提供了内部测试数据：成果评估在困难任务上提升 10 个百分点，docx/pptx 生成质量分别提升 8.4% 和 10.1%；并展示了 Harvey（法律工作完成率提升 6 倍）、Netflix（并行分析构建日志）、Spiral（用成果评估控制写作质量）、Wisedocs（文档审查提速 50%）等案例。适合关注 AI 代理自动化、质量控制和复杂任务分解的一线工程师。
字节跳动TRAE团队20篇AI编程实践手册的精要总结。核心论点是AI编程的效率瓶颈不在模型能力，而在上下文工程。文章详细介绍了六大方法论：Context Engineering、Skills、Spec Coding、Rules、MCP和Agentic Coding，并提供了大量实验数据（如32个真实Bug修复：有Skills加持成交率100%，无Skills仅59%）。适合一线开发者、Tech Lead和工程管理者阅读。
Thariq Shihipar 分享了他用 Claude Code 生成 HTML 而非 Markdown 的实践。HTML 能表达表格、SVG、设计、交互，信息密度远超 Markdown；生成的文档更易读、分享，支持双向交互和自定义编辑界面。Claude Code 可结合代码库、Slack、git 历史等上下文，生成富含图表和代码片段的 HTML 报告、原型或审查界面。文章给出具体用例：从方案探索、代码审查、设计原型到定制编辑工具，并提供可复用的提示词模板。适合希望提升 Claude Code 输出可读性、交互性的开发者。
这篇指南通过 18 个具体步骤，系统讲解如何深度使用 Claude。内容涵盖：用 Projects 和 Custom Instructions 建立持久上下文，摆脱每次重复解释自己；转变使用思维，将 Claude 视为思考伙伴而非搜索引擎；高级技巧如风格克隆、延伸思考、节省 Token 的指令；以及即用型提示模板（费曼学习法、旅行规划、财务分析、商业点子压力测试）。关键数据：指定输出长度一条指令即可减少 40-60% Token 消耗。适合所有希望突破基础问答、让 Claude 真正适配自己工作流的日常用户。