技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
568 条精选近 30 天 555 条共收录 2,928 条
autocode 把工单项目的业务规则整理成可查询的 .autocode/ 知识库，让 Claude Code 和 Codex 在写代码前先读懂业务术语、领域文档和代码锚点，而不是通读源码去猜。
把业务规则写成 .autocode/ 知识库，用 /auto-feat、/auto-fix 先重述需求再出计划，能换掉直接让 AI 读源码猜需求的流程；代价是需 Node.js ≥ 22.5 和已登录的 Claude Code 或 Codex，且要先答完 blocking 问题把开发阈值补到 0.8。
Doozy 介绍其 Slack AI agent 的凭证隔离设计，agent 沙箱内只持有签名短时 job token，真实 API key 由沙箱外的凭证网关在校验 token、工作区和工具开关后注入单次调用。
可拿走凭证代理加短时 job token 的沙箱隔离做法，以及只读 SQL 包装器（超时 30 秒、200 行上限），落到本地模型部署和软件工厂的工具调用链上；代价是仍需自行处理提示注入滥用已开工具的问题。
mcp-warden 发布 v0.4.0，这是一个本地优先的 MCP 凭据代理，Claude Code、Cursor、Cline、Codex 等 agent 通过 proxy_http 按 preset 名发起请求，密钥存在系统钥匙串里由服务端注入，agent 上下文窗口不出现任何密钥。
能把 API 密钥收进系统钥匙串，让 agent 只调 preset 名和路径，凭据由服务端注入，换掉把 token 写进提示词或环境变量的做法；代价是要先定义 preset 白名单，路径正则写宽了等于放开整个 token 权限。
Anthropic 发文《构建 Agent：何时该把子 Agent 折叠回主循环》，称带技能的单 Agent 在质量、成本和延迟上优于多子 Agent 分工，token 消耗远低于后者，并开源 single-agent-loop-kit 工具。
可把子Agent按需折叠成Skill，砍掉80%以上系统提示词，落到软件工厂的多步任务编排上；前提是模型上下文够长，否则省下的token会被信息衰减和人格碎片吃掉。
Jin 是 OpenCode 的社区分支，把“只改哪些模块、不许加哪些依赖”从提示词里拿出来，变成版本化的架构提案，先审结构再让 Agent 写代码。流程为 jin_arch_read 读取当前 L0/L1、jin_proposal_create 生成目标快照、jin_validate 校验模块实体依赖一致性、人工审批后写入正式 arch/ 并做漂移检查。
把改动范围写成版本化架构提案再校验审批，能换掉靠提示词约束 Agent 乱改文件的做法，代价是只约束架构层，代码层仍需 review 和 CI。
BaoCode 发布 Flutter + Dart 原生 GUI，不自己实现 agent，直接跑本机已装的 Claude Code，settings、CLAUDE.md、MCP、skills、subagents、hooks 均不改动。
能拿走的是不重造 agent、直接复用本机 Claude Code 配置加 GUI 外壳的思路，以及把帧耗时写进 changelog 的做法；落到本地模型部署和软件工厂这条线，代价是 Monaco 和 xterm 都得用 Dart 重写一遍。
作者把自研的代码库知识图谱 MCP Server 接进 Claude Code、Codex CLI、OpenCode 三个客户端，记录了配置路径与格式差异以及 10 个实际踩坑。
能直接抄五个客户端的 MCP 配置写法，把自研 server 接进 Claude Code、Codex CLI、OpenCode；前提是 command 写绝对路径、日志只走 stderr、路径全从 env 取，否则连上也是空工具列表。
chrome-use 发布开源 CLI 兼 MCP 服务器（Apache-2.0），让 Claude Code、Codex、Cursor 或脚本直接操作你正在用的 Chrome，复用已有 Cookie 和 SSO 登录态。
能拿它把 agent 的浏览器操作接到自己已登录的 Chrome 上，换掉新建无 Cookie 上下文的自动化流程；代价是装商店扩展、注册原生消息宿主，调试时顶部会挂提示条。
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token，价格约为 GPT-5.6 Terra 的一半。
能拿走的是按任务档位选模型的成本账，medium 档跑专业软件操作、max 档留给复杂编程，代价是复杂任务仍要切回 Sol 或 Astra。
作者基于 codex-rs 仓库 commit 8c07694 的 V2 实现，拆解 Codex 多智能体的治理层，包括执行容量、驻留驱逐、树级共享 token 预算、角色与模型分层和四层可观测性。
能拿走两层容量治理加树级共享 token 预算的配置思路，落到软件工厂的多 agent 派单上，代价是编排不可复现、子 Agent 结论以 assistant 身份回流缺少核验标记。
OpenBot 是一个本地优先的桌面工作台，通过 ACP 统一接入 Codex、Claude Code、Grok CLI、Gemini、Cursor CLI、Cline CLI 等智能体，为每个智能体提供独立且持久的工作区，并共享任务队列与文件系统。
能拿走的是多智能体各自独立持久工作区加共享任务队列和文件系统的分工方式，可换掉单 agent 串行派活；代价是默认 danger-full-access 且不逐次确认，需自担安全风险。
一位作者用约 90 天、1,136 次提交、27 个 crate 和约 18 万行 Rust 单人完成一个通用 Agent 运行时，并复盘其从能力展开到系统收束的三阶段演进。
能拿走总线看门狗、四级压缩梯子、证据账本对账三套机制，落到软件工厂与本地模型部署的长会话稳定性上，前提是接受单人单负载的观察性结论，不能当团队效率数据用。
shbernal01 发布 rfc-ai-tooling，用同一个仅依赖标准库的 Python 核心提供 Skill 和 MCP server 两种方式，让 Agent 按章节读取 IETF RFC 而非整篇加载。
能拿走按章节读取加废弃标记的做法，把整篇 RFC 换成只读命中段落，中位省 41 倍 token；代价是要先同步 360MB 索引或 512MB 镜像，全文检索才可用。
开源企业级智能体平台 BizBuddy 发布 0.9.9，按知识库可选 vector 或 hybrid 检索，并把长期记忆收口为平台托管模式。hybrid 走向量与 BM25 双路召回，经 RRF 融合后可选重排，默认仍只走向量；BM25 索引放在独立集合中，避免改动既有 Schema。
可借鉴按知识库切换 vector/hybrid 的配置、Milvus 原生 BM25 独立集合零迁移方案，以及记忆抽取合并的净化与快照回滚链路；代价是正文多存一份、重建期检索退化，且未给出 A/B 数字。
一位后端架构师基于掘金开发者 ZzT 的账单拆解与三份独立统计，给出四条 Claude Code 省额度习惯：换话题就开新会话、离开超过一小时前先收尾、把子 agent 缓存 TTL 调到 1h、合盖前确认任务已结束。
能拿走四条会话习惯和两个配置项 subagentPromptCacheTtl 与 idleCompaction，落到本地模型部署和软件工厂的额度治理上，前提是数据来自他人账单拆解，作者未实测省多少。
RandComp Studio 发布 macOS 早期预览版，在本地把编码任务拆给协调者和多个角色执行，再由独立检查者复核结果。应用可驱动 Claude Code、Codex、Kimi Code 或 Ollama 上的本地模型，同一套项目可通过桌面界面、randcomp 命令行和 MCP 三种方式操作，文件以 plan.md、qa-report.md 等纯文本形式留在本机。
能拿走的是协调者拆任务加独立检查者复核的多角色编排，以及 app、randcomp 命令、MCP 三条入口共用同一份本地项目；代价是每个角色都要单独接一个已登录的 CLI 工具，多开 agent 就多烧 token。
TesterArmy 的 e2e 框架把一条端到端测试拆成两部分，稳定结果交给 locator 和 expect 断言，易碎路径交给 agent.act 用自然语言驱动，没有 agent 步骤的用例不产生模型调用。
可把现有 e2e 套件按失败成本拆开，稳定结果留给 expect 断言、易碎路径交给 agent.act，靠回放跳过未变界面的模型调用；代价是首次铺开仍要付全量推理账单，且 1.0 前配置会变。
作者发布命令行工具 tenmin，把番剧素材到解说成片拆成 ingest、translate、signals、script、docgen、voice、timeline、audio、render、check 十个可单独重跑的阶段，最终输出 MP4。
能拿走十阶段流水线拆分和按产物新鲜度做阶段缓存的做法，落到视频产线可只重跑受影响阶段；代价是 OCR 限 macOS、ASR 限 Apple Silicon，渲染要带 libass 的 FFmpeg。
作者用 Codex Skill 把知识解说视频链路拆成 DeepSeek 分镜、Qwen-TTS 逐句配音、汇影AI 素材检索和 capcut-meta 生成剪映草稿四段，各环节定好输入输出契约。
能拿走强制 visual/comment 二分类的分镜提示词与 JSON Schema，把文案到剪映草稿的机械环节自动化，落到视频产线；代价是要自己处理素材链接过期、片段重叠和编码不统一。
Answer me with HTML 是一个 Agent 技能，模型只写 Markdown 草稿，由内置 CLI 负责排版、配色和绘图，约 50 ms 生成一个可离线打开的单文件 HTML 页面。
把排版、配色、SVG 坐标交给 CLI，模型只写 Markdown 草稿，token 降到约 1/8；代价是需 Node.js 20+ 并接受固定模板与主题，自定义样式受限。