AI · Knowledge Base
AI 知识库。
AI 工具、Claude Code 与智能体工程的学习笔记与精选文章,从 Obsidian 知识库自动同步,持续更新。
64 篇笔记3 个专题每日自动同步
精选指南
- 01AI 工具集ChatGPT：全能型选手，目前最常用 Gemini：大上下文，搜索面积广 AI Studio (Google)：用来分析 Youtube 视频 YYDS，还免费 官网：https…
- 02MCP server 集合
- 03一文玩转 Claude Code更顺畅、更智能的 vibe coding 工具。 --- macOS/Linux：curl -fsSL https://claude.ai/install.sh | bash Wi…
- 04Claude Skills 完整构建指南（中文）本文按原文《The Complete Guide to Building Skills for Claude》完整重写为中文，保留原始章节结构、示例与要点。 #引言 #第 1 章：…
- 05CLI 工具https://github.com/vercel-labs/agent-browser ffmpeg
实践分享
14 篇
为 Claude Fable 5 编写提示词Anthropic 官方指南——Claude Fable 5 相比 Opus 4.8 在长程自主与一次成型上更强，但默认回合更长、偶有过度阐述与提前停止；给出十余段可直接复制的英文系统提示逐一调优。
我所知道的每一个智能体工程技巧（2026 年 6 月）开源高产作者复盘完全不用 IDE 的智能体工程工作流：靠语音 + plan.md + 多智能体并行，22 条可直接照搬的实操技巧，从规划、Codex 委派到把 CLI 跑通真实生活。
Anthropic 如何用 Claude 实现自助式数据分析Tips and approaches to maximizing Claude's ability to drive self-serve data insights
运营一个 AI 原生的工程团队智能体化编程成默认后，瓶颈从写代码转移到验证与评审——Claude Code 团队负责人给出规划、上下文、评审、团队构成四类流程的重写清单与推行心法。
OpenAI 如何使用 Codex本文译自 OpenAI 官方文档 How OpenAI uses Codex，介绍 Codex 在 OpenAI 内部各技术团队的真实使用场景与最佳实践。译文完整保留原文内容（仅省…
如何评估 AI 智能体：2026 实战指南Raindrop 创始人写给做产品的人的智能体评估指南——少谈刷榜，多谈如何用错误分析、黄金用例、代码感知离线评估和生产监控，搭一个能从真实失败中持续学习的循环。
编排税：你的注意力才是唯一的串行瓶颈Addy Osmani 用并发系统的语言点破"多开智能体≠更高产出"——你是系统里唯一的串行处理器（GIL），受阿姆达尔定律封顶，真正该优化的不是智能体数量，而是你自己的注意力。
Claude 提示工程最佳实践Anthropic 官方提示工程权威参考,覆盖 Opus 4.8 等最新模型的输出控制、思考调优、工具使用与智能体编排,附大量可复用提示词与 API 代码示例。
Claude 计算机与浏览器操作最佳实践Anthropic 官方计算机/浏览器操作工程指南：截图降采样、坐标缩放、思考力度取舍、提示注入防御与长程会话的上下文管理（缓存断点 + 滚动缓冲 + 压缩）。
生产环境中的 AI 智能体监控把生产环境监控拆成「聚合指标」与「信号检测」两件事：前者看长期趋势，后者定位当下出问题的具体追踪。讲清两类数据来源、显式/隐式反馈与评估器选型。
Raycast 2.0 重写：跨平台架构与体验打磨的技术深度剖析Raycast 2.0 把整个应用从头重写：原生外壳 + 共享 React/Node 前后端 + Rust 内核；难的不是让它跑起来，难的是让它感觉对——一份关于 WebKit 节流、闪烁治理与内存权衡的工程实录。
我的 AI 工具采用之旅HashiCorp 与 Ghostty 作者的六阶段亲历记述，讲他如何把自己从 AI 怀疑者逼成 agent 重度用户——以及为什么 harness 工程才是最后的解锁点。
LLM 中的 KV 缓存：原理与权衡从第一性原理拆解 LLM 推理中的 KV 缓存：为什么第一个 token 总是慢、为什么用一次计算换无数次重复读取、以及在显存与吞吐之间的真正权衡。
使用 AI 智能体重构单体应用：我们学到了什么1Password 使用 AI 智能体协助重构了一个庞大的 Go 单体代码库。这个项目让我们在流程的每一环都对'智能体擅长什么、在哪里会掉链子'有了更清晰的认识。
Agent
28 篇
循环工程：从提示者到循环设计者的 14 步路线图杠杆点正从手写提示词转向「设计替你发提示的循环系统」；本文给出循环工程的四条件测试、五大构件与最小可行循环，并诚实指出多数开发者还用不上。
我们如何用 LangChain 驱动 Lumi：服务 18 万+ 商家的电商助手Tiendanube 团队复盘如何用 LangGraph 把电商助手 Lumi 从单智能体重构为「主管+专家」多智能体架构，覆盖动态挂载、响应转发、状态/上下文分离、检查点归档与分层评估等生产经验。
智能体与应用之间，缺失的那一环服务端工具让智能体能调 API 却够不到客户端能力；LangChain 的 headless 工具把地理定位、剪贴板、本地记忆等客户端操作变成智能体推理循环内的一等工具。
用 Fable 5 设计循环：自我修正与记忆的两个实战技巧与其直接调教 Fable 5，不如为它设计自我修正循环（配独立验证器）与跨会话记忆——作者用两个实验佐证这套方法让模型跑赢 Opus 4.7。
如何打造你自己的 agent harnessiii.dev 创始人主张 harness 不该是 import 进来的"一整块"框架，而应拆成一组可独立替换的 worker——于是"自己造 harness"从"fork 框架"退化成"换几个 worker"。
我们如何在各款产品中围堵 ClaudeAnthropic 工程团队复盘 claude.ai、Claude Code、Cowork 三款产品的围堵架构与真实安全事故,提炼出"在环境层为爆炸半径封顶"的核心方法论。
ECHO：让终端智能体免费学到世界模型标准 GRPO 在 RL 训练时把终端输出 token 当作上下文「读了就扔」；ECHO 把它们一并纳入损失——同样的 rollout、几乎零额外算力，却让评测翻倍、训练加速 2.3 倍，模型还顺手学到一个隐式的世界模型。
代码即智能体框架:可执行、可验证、有状态把代码视为智能体推理、行动、状态与协调的可执行介质——一份系统化梳理 harness 接口、机制与多智能体扩展的综述路线图。
Agent Hooks：智能体工作流的确定性控制Hook 把可重复的规则从模型记忆搬进会话生命周期点上的代码，给智能体工作流引入确定性控制。以六个生命周期点为骨架配可运行 demo，并给出落地顺序。
不碰模型与提示词，让编程智能体更聪明AHE 论文解读：冻结模型不动，靠三层可观测性自动进化 Harness 的工具、中间件与记忆，十轮迭代击败所有人工调校的 Harness——并揭示单调提示词反而退化。
智能体记忆系统详解记忆是把无状态 LLM 变成能演化智能体的关键。拆解连续性/上下文/学习三种职能、上下文内/外部/情景/语义四种记忆类型，并给出基于 ChromaDB 的可落地实现与三种遗忘策略。
Perplexity 智能体技能（Skills）设计、迭代与维护指南Perplexity 内部 Skill 评审准则：Skill 是文件夹不是文件、激活靠隐式匹配、坑点章节才是最高价值；维护遵循「先写评测、再写描述」+ 以追加为主积累坑点。
上下文分叉：给编程智能体省时间、省 token、免麻烦把编程智能体的上下文窗口看作向下增长的栈：分叉就是从栈底回退，用于纠偏、探索多设计路径、或撤销低质量上下文的污染。
Harness 工程：智能体时代真正的护城河把"Harness 工程"这一新兴学科系统化梳理——解释为什么"普通模型 + 出色 Harness"能跑赢"出色模型 + 糟糕 Harness"，以及一份成熟 Harness 该长什么样。
如何打造 Multi-Agent 工程系统如何用 Agent Teams 完成单 Agent 不可能的任务。Luke 这场演讲，核心其实就一句话：软件工程的瓶颈已经不再是智能，而是人类注意力。顶级工程师一天也只能推进少数几个任务，但现实里的 backlog 可能有 50 个功能、20 个 bug、10 个 migrati...
Harness 工程：在智能体优先的世界里驾驭 CodexOpenAI 团队五个月内用 0 行手写代码、由 Codex 智能体写出百万行代码并投入生产的实践复盘：当工程师不再写代码、而是设计环境、明确意图、构建反馈循环时，工作的本质是什么。
如何打造一支 AI 智能体团队，替代你的前 3 名员工面向独立创业者的 AI 智能体团队搭建指南：用调研、内容、运营三个 AI 智能体，覆盖早期公司前三名员工 70%-80% 的工作。
AI代理的上下文工程：构建Manus的经验教训--- title: "AI 代理的上下文工程：构建 Manus 的经验教训" sourceTitle: "Context Engineering for AI Agents: L…
解剖智能体Harness--- title: 解剖智能体 Harness sourceTitle: The Anatomy of an Agent Harness sourceUrl: https://x…
长时间运行智能体的高效编排框架--- title: "长时间运行智能体的高效编排框架" sourceTitle: "Effective harnesses for long-running agents" so…
面向长时间应用开发的编排框架设计--- title: 面向长时间应用开发的编排框架设计 sourceTitle: Harness design for long-running apps sourceUrl: "…
Claude Code 使用指南：会话管理与百万上下文如何利用 Claude Code 的百万 token 上下文窗口，通过会话管理、回退、压缩和子智能体等策略优化开发体验。
为什么你的「AI 优先」战略很可能是错的CREAO 创始人分享如何围绕 AI 优先原则重建工程流程：Harness 工程、monorepo、AI 代码审查、自愈反馈循环与 3-8 次/天的生产部署。
多智能体协调模式：五种方案及其适用场景五种多智能体协调模式、各自的权衡取舍，以及何时应该从一种模式演进到另一种。
Claude Managed Agents 正式发布Claude Managed Agents 是一个预构建、可配置的智能体编排框架，运行在托管基础设施之上。你只需将智能体定义为模板，框架和基础设施全部由 Anthropic 提供。
扩展托管智能体：将大脑与双手分离Anthropic 工程团队分享 Claude Managed Agents 的架构设计：如何将大脑（模型与编排框架）从双手（沙箱与工具）、会话日志中解耦，以支撑长周期智能体任务。
每个 ADK 开发者都应该知道的 5 种智能体技能设计模式总结 Agent Skill 的五种设计模式——Tool Wrapper、Generator、Reviewer、Inversion、Pipeline，帮助开发者从"会写 SKILL.md 格式"进阶到"会设计 Skill 逻辑"
我曾是 Manus 的后端负责人。做了两年 AI 智能体之后，我彻底放弃了函数调用。以下是我的替代方案。Unix 的文本流哲学与 LLM 的 token 本质天然契合——用一个 run(command) 工具取代整套函数调用，配合渐进式帮助发现、错误导航和一致输出格式，构建更高效的 AI 智能体工具调用架构。
ClaudeCode 实践
17 篇
你不知道的 Claude Code：架构、治理与工程实践--- title: "你不知道的 Claude Code：架构、治理与工程实践" sourceUrl: "https://x.com/hitw93/status/20320912…
Claude Code 有效性追踪：从 Trace 到 Evals 的个人落地方案结合 Langfuse AI Engineering Loop 与 bohutang「Trace 即 Evals」方法论，基于 Claude Code 自带 OTel 遥测（含 beta traces）设计的个人级有效性评估系统——回答「换模型、换工具、改流程之后，到底变好还是变坏」。
反馈循环：让 Claude Code 少盯着也能完成有野心的任务As we delegate more ambitious tasks to Claude, it becomes increasingly important that it can verify its own work...
Claude Code Harness：契约先行的交付闭环拆解一款低调却高星的 Claude Code 插件——它如何用两个事实来源文件和五动词闭环，把放养式的智能体编码变成有证据背书的契约交付。
Claude Code 动态工作流：模型自写 harness用极简篇幅讲清动态工作流的本质——模型为每个任务现场写出编排脚本，并把"生成式 harness 算力"立为继基础模型算力、思考算力之后的第三条扩展轴。
为每个任务定制 harness：动态工作流Anthropic 工程师亲述动态工作流的用法与心得——Claude 为每个任务即时写出定制 harness，靠独立上下文的子智能体编排来对抗智能体偷懒、自我偏好与目标漂移，并附六大常用模式与典型用例。
Claude Code Dynamic Workflows：把编排逻辑搬进代码的新原语当任务大到一次对话装不下时，让 Claude 把编排过程写成一段脚本5 月 28 日，Anthropic 发布了 Claude Opus 4.8，随之而来还带来了一个新功能——Dynamic Workflows（动态工作流）。先看一个数字：11 天、约 75 万行 Rust 代码...
用动态工作流大规模编排子智能体Claude Code 官方文档:动态工作流如何用一段可读、可重跑的脚本大规模编排子智能体,适用于代码库审计、大型迁移与交叉核验研究。
Claude Code 在大型代码库中的实践大型代码库里用好 Claude Code，决定因素不是模型而是 Harness。拆解五个扩展点的构建顺序，并给出可导航、随模型演进维护、分配所有权三种成功配置模式。
Skill 编写最佳实践Anthropic 官方 Skill 编写指南：用简洁、恰当自由度、渐进式披露三原则，加上「先建评估、Claude A 设计 / Claude B 测试」的迭代循环，写出 Claude 能发现并用好的 Skill。
使用 Claude Code：HTML 那不讲道理的有效性Claude Code 团队成员分享：为什么把 HTML 作为与 Claude 协作的输出格式比 Markdown 更适合 specs、code review、设计原型、研究报告以及一次性自定义编辑器。
构建 Claude Code 的经验教训：以智能体的视角思考--- title: 构建 Claude Code 的经验教训：以智能体的视角思考 sourceTitle: "Lessons from Building Claude Code:…
构建 Claude Code 的经验教训：提示缓存就是一切--- title: "构建 Claude Code 的经验教训：提示缓存就是一切" sourceTitle: "Lessons from Building Claude Code…
构建 Claude Code 的经验：我们如何使用 Skills--- title: 构建 Claude Code 的经验：我们如何使用 Skills【译】 sourceTitle: "Lessons from Building Claude…
用了 3 个月 Claude Code，这 9 条最佳实践让我少走了无数弯路--- title: 用了 3 个月 Claude Code，这 9 条最佳实践让我少走了无数弯路 sourceUrl: https://x.com/yanhua1010/stat…
Claude Code 使用指南：会话管理与百万上下文如何利用 Claude Code 的百万 token 上下文窗口，通过会话管理、回退、压缩和子智能体等策略优化你的开发体验。
我如何使用 Claude Code我用 Claude Code 构建软件的「调研-规划-实现」工作流，以及为什么在审批书面方案之前，我绝不让它写一行代码。