内容类型
拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
439 条精选近 30 天 437 条共收录 1,601 条
作者用两周为 DeepSeek Harness（DSH）写了 5 个插件并发布到 npm，包括把长期记忆存进用户 Git 仓库的 dsh-memory-git、右侧栏 Git 面板 dsh-git、把 DSH 变成 MCP 服务端的 dsh-ai-chat-mcp，以及 macOS 和 Windows 各一个桌面自动化插件。
能拿走 Host 插件三步骨架（package.json 的 dsh.bundle 与 engines.dsh 版本准入、cordis.patch.yml、ctx.tools.register 注册工具），落到本地模型部署和知识沉淀两条线；代价是 Host 插件跑在非沙箱进程，装第三方插件等于跑别人代码。
作者发布 envgit，一个给编码智能体工作环境做版本控制的开源工具，在每一步后快照工作目录，并用请求级 YAML 策略拦截 git push、npm publish 等不可逆操作。
envgit 用每步快照加请求级策略（按 method 和 path 拦 git push、npm publish）补上三个 agent 沙箱默认放行 ~/.ssh 和出网的缺口，代价是 Copilot CLI 只能记录不能强制，shell 规则形同虚设。
一篇博客给出让批量 AI 生成文本更易读的五条原则，包括按主谓宾顺序起句、把区分性关键词前置、统一结构与用词、只在有实际差异时做变化、让动词褒贬与仪表盘目的对齐。
五条可读性规则能直接塞进编码 agent 的提示词或做成 skill，约束批量生成标题、摘要、仪表盘文案；代价是要统一句式和用词，会牺牲部分表达变化。
MoEngage 用 Amazon Bedrock AgentCore Gateway 把约 400 个 VPC 私有 REST API 注册为权限受限的智能体工具，估算省下约六个月平台工程工作量，新 API 接入从数天缩短到数小时。
把 OpenAPI spec 当工具定义、用 Cedar 策略在序列化前按主体裁剪 tools/list、身份走 header 不进模型参数，这套做法能直接换掉每团队自建 MCP server 的方案，前提是接受平台组统一托管协议层。
郑恩赐给出一份审核 AI 生成代码的 6 层检查清单，主张让编译、lint、类型检查先当自动闸门，人只盯机器抓不住的「看起来对」的错。清单依次覆盖意图与架构约定、测试与边界、安全与幻觉依赖、diff 拆分与回滚，以及命中 diff 超 300 行、新增 2 个以上依赖、读 10 分钟讲不清意图等判据时直接重写。
六层清单加一个只依赖标准库的正则扫描脚本，能把安全初筛接进 CI 当第一道闸门，代价是规则只覆盖硬编码密钥、eval/exec、pickle、SQL 拼接等几类写法，意图和边界仍得人看。
作者在 delta search 中用 SQLite FTS5 加向量表实现零依赖中文混合检索，解决 unicode61 把整句中文当成一个 token 导致搜不到的问题。
能拿走中文 bigram 分词加 FTS5 空格串索引、Float32 BLOB 存向量、RRF 融合三件套，落到本地知识沉淀和检索链路上；代价是单字查询失效、长查询 AND 过严、embedding 失败即永久降级。
CycleDetector 用三个独立 streak 计数器检测 Agent 循环，分别是完全相同的调用、工具类别连续计数和特定工具独立阈值。它把工具按四级 fallback 分为 exploration 与 action 两类，对 edit、write、apply_patch 等写操作在参数变化时把 streak 减半，以区分迭代改进和盲目重复。
能拿走三 streak 计数器加参数变化减半的完整伪代码和阈值表，落到软件工厂的 Agent 终止判据上，代价是要自己维护工具分类和 per-tool 阈值。
Google 开源插件 elephant-goldfish-model（EGM），给 AI 编码助手加一道写代码前先定设计的工序，拆成持有项目上下文的起草者和零上下文审查者两个角色。
能拿走的是三技能流水线加零上下文审查子代理，把设计草案先过一遍再写码，落到软件工厂的需求澄清环节；代价是多三步时间，小 bug 修复反而拖慢。
美团基础技术部结合分布式存储实践，总结 AI 评审、AI Debug 和 AI 自动化三类场景中 AI 能做什么、容易错在哪、哪些环节必须由人把关。文章给出四层证据体系，静态评审找候选、构建与单测判真伪、集成测试降误报、运行时日志看线上是否发生，并强调流畅不是证据、变绿不等于问题解决。文中还给出结论按证据等级分档、只沉淀稳定不变式、建立分层授权等可复用做法。
可拿走四层证据分级（静态评审、单测红绿、集成测试、运行时日志）和分层授权做法，落到软件工厂的评审与验证环节，代价是要先补 sanitizer、故障注入等测试基础设施。
作者用八个内存用例给 MCP Server 补上契约快照、行为断言和回放测试，不开端口不走网络，单次调用往返 0.034 毫秒。
能拿走一套 MCP Server 测试骨架，把 createNotesServer 与 listen 拆开、用 InMemoryTransport 直连、导出契约快照加回放 fixture，落到本地工具链和软件工厂的回归环节；代价是快照和 fixture 要随有意改动手动更新并 review diff。
Flamerix AI 发布 MIT 许可的 no-agent-summary.js，用 Bun preload 拦截 Claude Code 每约 30 秒为每个后台智能体生成 3-5 词状态摘要的定时器，作者称这占其全部 Claude Code 花费的 16.4%、API 请求的 19.7%。
用 Bun preload 包住 setTimeout，按回调源码里的锚点字符串拦掉 agent_summary 定时器，能省下约 15-20% token；代价是每次更新后要重跑 Verify，锚点一改名就静默失效。
文章提出用父子分块（Parent-Child Chunking）解耦 RAG 的检索单元与生成单元，子切片 128~256 Token 只做向量检索，父切片 800~2000 Token 只做上下文生成，两者通过 Parent_ID 关联。
能拿走父子分块的具体参数与五步检索流程，Child 128~256 Token、Parent 800~2000 Token、1:4 到 1:8，落到知识沉淀线替换单层切块；代价是要维护向量库与 KV 库的跨库一致性，还得处理 Rerank 只排子块不排父块。
文章把 AI Agent 的执行循环抽象为输入理解、任务规划、工具执行、结果观察、错误修正、最终响应六个逻辑阶段，强调这是工程抽象而非行业统一标准。
把 Agent 循环拆成六阶段并给出状态结构、工具错误字段和最小 Runtime 伪代码，可直接对照改造现有 Agent 的规划与纠错环节，代价是需自行补齐持久化、幂等和审批等生产机制。
作者用 Claude Code 在 5 天内写出竖屏塔防小游戏「圣光防线」，77 个 GDScript 文件共 8408 行代码，全部由 AI 编写，作者只提需求、试玩和拍板。
能拿走一套 make 命令组合，test、lint、smoke、frames 让 Claude Code 自己验证改动，落到软件工厂线；代价是 GDScript 无覆盖率工具，且导出包与编辑器行为不一致需另加打包后自动试玩。
得物技术在 AI Testing 平台上用 Jev 接入用例打标、UI 自动化和知识库召回三个测试场景，300 条用例打标耗时 5 秒、费用约 0.01 元，对比 DeepSeek 方案的 4 分 5 秒和约 0.31 元。
能拿走 noul/choice/score 三种判断类型加阈值分流的写法，把打标、UI 选元素、检索精排从通用大模型换成轻量决策层，代价是选项语义要写清、低置信结果得留人工复核。
作者以虚构案例 OpsPilot 复盘生产 Agent 的会话服务设计，核心是身份只认登录态拼出的 RequestContext、一次点击只起一条 Run、取消要写库并打断模型和工具请求。
能拿走 RequestContext 结构、runs 表唯一约束防重复起 Run、取消写库加 abort 三件套，落到软件工厂的 Agent 服务端；代价是要自己补队列和工具层二次鉴权。
Benchouse 用开源分析智能体 nao 在 90 道题、59 张 marts 表的固定评测集上做实验，把准确率从 Sonnet 5 裸 schema 的 49.6% 提升到 Opus 5.5 加完整上下文的 96.5%，完整度 100%。
能拿走分层加上下文的做法，从裸 schema 到 nao sync、全量文档、write-context-rules 技能、业务定义与回答规则逐层叠加，把分析智能体准确率从 49.6% 推到 96.5%，代价是每问成本从 $0.23 升到 $0.27，且各层改动合并测试无法拆分单项增益。
文章用一张支持工单被注入“关闭 Globex 所有工单”的例子，说明给智能体一个宽泛服务账号会让每次工具调用都以平台身份被授权，从而形成混淆代理人。作者主张在模型之外的网关上对每次调用取用户、智能体、租户三者的交集，默认拒绝，并按认证工作负载、校验 on-behalf-of token、绑定租户、加载权限、评估策略、取密钥调用的顺序让每一步失败即拒绝。
能拿走一套工具调用网关的检查顺序和 Rust 里 Permitted 类型强制先决策后取密钥的写法，落到软件工厂的 Agent 权限链路上，代价是要自己接 workload identity 和 on-behalf-of token。
LuynoxRD 发布 lakehouse-agent-skills，用 15 个技能、9 条生命周期命令和 4 个只读审查子 agent，强制编码 agent 按 PROFILE、CLEAN、MODEL、QUERY、VISUALIZE、ASSEMBLE、NARRATE、DISCLOSE 的顺序处理数据。
15 个技能加 9 条生命周期命令把数据工作拆成 PROFILE 到 DISCLOSE 的固定阶段，每阶段落一个文件而非靠记忆，能直接换掉让 agent 直接对着表格画图的做法；代价是要装插件或 skills CLI，且校验脚本依赖 DuckDB 重算数字。
雷峰网解读逐际动力开源的具身智能工程底座 FluxVLA Engine 技术报告，该底座贯通数据、训练、评测、推理与真机部署，10 月 22 日完成重要更新。报告称在英伟达 AGX Orin 64GB 上 GR00T 推理频率从 3.2Hz 提升到 7.4Hz、π0.5 从 1.4Hz 提升到 4.4Hz，并引入 RTC 与轨迹后处理解决时序错位和物理约束问题。
能拿走的是三层真机落地机制，CUDA Graph 加速、RTC 前缀条件、轨迹后处理限速限加速度，可直接套到自家 VLA 部署链；代价是各模型仍需适配器与动作空间转换，RL 效果依赖奖励设计。