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
QuireKit 作者复盘其编辑器 AI-Native 方案，把插件各自注册工具改为自描述命令机制后，同一模型同一批 20 个任务的通过率从 48.3% 升到 98.3%，平均每个任务 1.1 次工具调用。
可拿走自描述命令机制，用 list/explain/call 三个固定工具替代逐功能注册，把编辑器命令用 defineCommand 包一层描述；代价是要统一命令定位方式并自建评测集盯通过率。
Lyngvi 2.0.0 发布，这是一个 MIT 许可、面向自主编码智能体的加固沙箱，支持 macOS 和 Linux，需 Podman 5+，提供 JavaFX 桌面应用和 CLI 两个前端。
能拿走一套容器隔离配置，无默认路由加 Squid 白名单、复制工作树换新 .git、网关侧车托管密钥、交付按 apply/hold/reject 三桶分类；可落到本地模型部署和软件工厂，代价是要装 Podman 5+ 并维护 profile 与域名白名单。
EvalShift 的 Lukas Babaliauskas 撰文讲解智能体 eval 的写法，指出 LLM eval 只评单条回复，智能体 eval 要评整次运行的工具调用、参数、留下的状态和最终回复，否则智能体没调退款工具却回复已退款也会被判通过。
七步流程可直接照搬，核心是成功标准写成世界状态而非回复文本，代码判分优先、LLM judge 只判文风，代价是每个任务要跑 3 到 5 次并人工标注 30 到 50 条校准 judge。
Parad0x Labs 发布本地优先个人智能体 VOOL 0.7.7-beta，MIT 许可、无需账号，可跑 Ollama 本地模型或自带云模型 key。官方称在 150 道未用过的 LoCoMo 题上答对 82.7%，高于 OpenClaw 的 71.3% 和 Hermes 的 62.7%，每题 9.6k token、0.0033 美元、中位 11.2 秒。
可借鉴的是把记忆存成可读文件、每次工具调用留可离线校验的签名回执，以及用同一批 LoCoMo 题对比 token 与成本的评测口径；代价是本地模型要逐轮嵌入、多跳问题仍吃力。
AWS 发布教程，用 Amazon Nova Multimodal Embeddings、Amazon Bedrock AgentCore 和开源 Strands Agents SDK 搭建多智能体工程助手，把零件替换评估中的人工交叉比对改为自动汇集证据。
能拿走一套可复用做法：planner 用 Haiku 路由、Sonnet 跑工具、Opus 只在多专家时汇总，规格判定全用 Python 确定性代码；代价是要自建多模态知识库和 S3 Vectors 索引，图片查询路径权限缺失会静默回退。
AWS 在 SageMaker AI 上用序列级知识蒸馏（SeqKD）把 GLM-5.3 教师生成的购物 Agent 轨迹蒸馏进 Qwen3.5-4B，在 ShoppingBench 324 道留出题上平均绝对成功率从基座的 0.297 升到 0.541，追平教师和中等规模前沿模型。
能拿走一套完整做法，用前沿模型采样轨迹加程序化打分筛出解出的样本，按步编码成 chat 格式做 SFT，再把 LoRA adapter 挂到同一端点。落到软件工厂和本地模型部署两条线，前提是任务本身在 4B 容量内，且要接受 IFEval 掉 6 到 8 分。
Eledone 开源 Murmur，让 Claude Code、Codex、Cursor、OpenCode、Copilot CLI 和 Gemini CLI 里的编码 agent 看到彼此在改什么文件、互相发消息，并在撞车时拦下一次编辑。
能拿走的是 who/send/btw 三个工具加自托管 hub 的跨用户 agent 通信方案，可落到软件工厂里替换多 checkout 并行改同一文件的撞车排查；代价是要自建 hub 服务器，且各编码工具支持度不一。
作者三金因 VibeKankan 停止维护，转而实测 54.6k star 的 Multica，这是一个可自定义多 Agent 协作、带任务看板的工作区平台。
能拿走 make selfhost 一键起 Web、API 和 PostgreSQL 的自部署流程，以及小队派活加看板流转的配置方式，落到本地模型部署和软件工厂两条线；代价是邮件服务要自己配 SMTP，否则验证码得翻 backend 日志，3D 建模单任务跑了一个多小时。
kaitoy 在 Show HN 发布 A2Flow，一个把 ITSM 式流程重建在 AI 智能体上的聊天驱动工作流引擎。流程以 Git 仓库中的 SKILL.md 形式存在，agent 先规划成带依赖的任务图并发布，运行中每个改变状态的 MCP 工具调用都要指定审批人在聊天里批准。
把流程写成 Git 里的 SKILL.md，agent 先出 DAG 再按依赖执行，破坏性工具调用前卡人工审批；代价是要自托管 PostgreSQL 和 Docker Compose，默认还得有 Google API key。
Deedglass 发布开源自托管工具，在 AI 智能体与数据库之间拦截每次工具调用，用规则决定放行或需人工批准，再读 Postgres 变更日志核对智能体自报结果并封存为可离线校验的签名记录。
能拿走的是规则放行、读 Postgres 变更日志核对、签名封存记录、人工会签后回滚这条链路，可接到数据库写入型 agent 的派单流程上；代价是 Proven 级只覆盖 Postgres，需开 wal_level=logical 和 REPLICA IDENTITY FULL，且挡不住持有合法 key 的越权调用。
Maat 是开源的 MCP 服务器与工具包，让 AI 智能体诊断 Ubuntu 系统，但把改机权限交给内核而非提示词。
能拿走的是把只读诊断和改机拆成两个进程、用 snap 的 AppArmor 与 polkit 在内核层兜底的做法，可换掉给 agent 一个 shell 的运维流程；代价是牺牲网络与 socket 视图，且只支持 .service 单元。
作者实测 Claude 和 Codex 的 Memory 上限后提出，CLAUDE.md 应控制在 200 行以内，200K 上下文窗口里它约占 40000 字符，MEMORY.md 每次会话只加载前 200 行或前 25KB，规则写多会被截断且相互干扰。
把规则从 Memory 拆到 Skill，Memory 只留索引，附 200 行/25KB 上限数字和一个判断函数，能直接改现有 CLAUDE.md 的写法；代价是要重写 Skill 的 description 才能自动触发。
GitHub 开源项目 Claude Code Game Studios 把 Claude Code 改造成游戏开发工作室模板，用 49 个智能体、72 个工作流技能和 74 个斜杠命令复现总监、部门负责人、专家的层级分工。
能拿走的是按角色分层指定模型、用路径规则和 Git 钩子强制编码规范、五步协作协议把写文件权留给人类；可落到软件工厂线，代价是要自己维护 49 个智能体配置和 74 个命令，且原文实验显示多写文档只换来可追溯性。
DeepSeek 产品部发布 Super-agent 设计文章，把接消息、记任务关系的 Router 和实际执行的 Worker 拆成两层，让新需求能插进正在跑的任务。
能拿走 Router 接话、Worker 执行的双层拆分和 observe 观察模式起步的配置路径，落到软件工厂的派单环节，代价是缓存读取 Token 从 605 万涨到 2323 万，且原型跑在本机、权限等同系统账号。
作者统计自己 517 次 DSH 沙箱审批记录，发现 55% 的弹窗来自构建缓存写不进沙箱和写工作区外配置目录，于是开发插件 dsh-sandbox-tune。
能拿走三个可复用做法，缓存重定向到 $TMPDIR、按段校验命令放行、fs.watch 监听父目录热更新配置，落到本地 Agent 沙箱调优这条线，代价是依赖仓库不能重定向、会话覆盖不持久化。
作者用同一 Claude Code 2.1.289 与 Sonnet 5.5，在 Caliptra 的 VeeR EL2 转发缺陷上各跑 10 次，纯 shell 平均 55.8 分钟、配 Booley 0.3.0 平均 21.3 分钟，全部产出被接受的修复与复现测试。
可拿走三条 RTL 调试配置：按需录波形并用 B-Wave 按信号名查值、用阻塞式 sim 命令替代固定 sleep、把构建配置写进 FuseSoC core 文件并让仿真缺固件即失败；代价是需先一次性适配项目，且作者自建 Booley 存在立场。
TinyContext 发布分步教程，讲如何给 AI Agent 加长期记忆：用一个本地 SQLite 存储加保存、召回、更新三类工具，再在 CLAUDE.md 或系统提示词里写明何时调用。
能拿走一套可复用的记忆方案，一个 SQLite 文件加 save/recall/update 三个工具，配 CLAUDE.md 五条指令或 60 行 Python；落到本地模型部署和知识沉淀两条线，代价是要模型工具调用稳定，且只适合几千到几万条事实。
一篇面向学习者的总结，把 RAG 拆成写入与读取两条线，并给出智能体三层记忆的工程实现。写入侧强调走消息队列异步向量化、每种索引绑定一个 embedding 模型且换模型要建新索引做 A/B 双写、embedding 输入拼接类目路径和标题做上下文增强，并提醒批量调用要用返回的 index 加批次起始下标还原全局位置。
能拿走一套 RAG 写入与检索的工程做法，包括批量 embedding 用返回 index 还原全局下标、RRF 融合稀疏稠密两路、分数门控宁缺毋滥，以及记忆的语义加时间加结构化三重过滤；可落到知识沉淀和本地模型部署两条线，代价是要自建向量库、消息队列和 50~100 条回归测试集。
作者以英语作文批改智能体为例，用 Python 搭了一套离线评测流水线，把改提示词后的效果从凭感觉变成看分数。体系包含带反例的 16 条 JSONL 评测集、exact_match 与 set_f1 等纯函数指标、四档 rubric 的 LLM as judge 裁判、markdown 报告和按核心指标阈值判退化的版本对比，42 个测试用例离线全绿。
能拿走一套离线评测流水线，含反例评测集、纯函数指标、四档 rubric 裁判和按标签的退化判定，用来替换改提示词后随手试几个例子的做法；代价是要先人工标注评测集，且裁判调用会多一层开销。
AI狂想在第 5 篇 Rule 工程化实践中提出，把五十条 Rule 全塞进 alwaysApply 会让 Context 被噪声占满，安全条款反而被挤出窗口。
能拿走一套规则分层与预算降级脚本，把 alwaysApply 拆成 SEC/GATE/SCN/SUG/DOM 五层并按意图路由，落到软件工厂的规则配置上；代价是路由表得给每类包配意图关键词，否则降级报告里全是走错片场的条目。