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
Paul Bakaus 的 Impeccable 把编码 Agent 的界面同质化问题从提示词里拆出来，用 1 个技能、24 条命令和 61 条确定性检测规则在保存文件时做检查，命令行和浏览器扩展跑这些规则时不调用模型也不要 API key。
可照搬它的分层做法，把产品事实写进 PRODUCT.md、视觉方向写进 DESIGN.md，再用 61 条不调模型的规则在保存时拦截模板化痕迹；代价是要按各家工具分别配置钩子落点，装错层会静默失效。
作者开源 agent-senses，把抖音链接转成含元数据、逐句转写和互动数的结构化对象，并封装成 MCP 服务供 Claude Code 调用。文中记录四个坑，最危险的是播放页会自动轮播下一条，DOM 兜底会静默填入别人的标题和作者，作者用 aweme_id 校验加文案前 15 字比对来防。
能拿走 Playwright 挂 on_response 拦 detail 接口、按 aweme_id 校验加 DOM 前 15 字比对防串条、opencc t2s 后处理简繁混排，落到知识沉淀与本地工具链，代价是 cookie 加密绕行和分片 URL 时效签名必须立刻下载。
FreeToken 是一个边缘原生 MoE 推理引擎，声称能把 290B 参数级开放权重模型放到游戏 PC 上以交互式速度本地运行。它靠带宽自适应的 CPU-GPU 协同执行、全层双缓冲预填充流式传输和全局 LRU 专家缓存来应对显存带宽瓶颈，并用语义锚点检查点只重算上下文编辑后的分支。
能拿走带宽自适应专家调度、全层双缓冲预填充、语义锚点 KV 缓存三套做法，落到本地模型部署线；前提是接受文中未给实测数据的结论，且需 RTX 30 以上显卡。
Lightpanda 是一款用 Zig 从头编写的无头浏览器，官方数据显示相比无头 Chrome 内存占用从 2GB 降到 123MB、执行时间从 46s 降到 5s。
能拿 Lightpanda 的 CLI fetch 转 Markdown/结构化数据、CDP 接 Playwright，替换无头 Chrome 跑抓取；代价是 Linux 二进制依赖 glibc，Alpine 需换镜像，Windows 只能走 WSL2。
文章给出 AI Agent 的四维评估体系，涵盖结果交付、过程轨迹、性能成本、安全合规共 15 项指标，并附一套不到 200 行 Python 的本地自动化评测方案。
能拿走一套可跑的评测骨架，入口函数返回工具轨迹与沙盒终态，配 test_cases.json 断言和 Pass^k 门禁，代价是要先改造 Agent 接口暴露 trace，软指标还得接 DeepEval 和裁判模型。
Vercel Labs 开源 Agent Desktop，让 AI 代理通过操作系统无障碍树读取并操作桌面应用，生成 JSON 快照并给每个可操作元素分配 ref 引用标识符，操作后再快照验证结果。
能拿走的是 ref 加快照的桌面操作循环和骨架模式钻取稠密 UI 的做法，可接到本地模型部署与软件工厂的桌面自动化环节，代价是 macOS 要授辅助功能权限、ref 随快照过期需重拍、快照可能带私密内容。
作者以虚构运维助手 OpsPilot 为例，把 Agent 记忆拆成工作记忆、会话状态、长期记忆和 RAG 四个盒子，并给出 TypeScript 的上下文组装与读写代码。
能拿走四层记忆拆分、硬软区 Token 预算和 assemblePrompt 代码，落到知识沉淀与 Agent 产线，代价是要自己实现会话状态存储和记忆抽取接口。
作者整理并实测了 8 个 GitHub 上的 Agent Skill 仓库，覆盖约束 AI 写代码、设计审美、读懂老代码和 Obsidian 笔记库四类需求，逐一给出仓库地址、Skill 清单和安装命令。
能直接抄走 8 个 Skill 仓库的安装命令和触发方式，落到软件工厂的编码约束与评审环节；代价是 star 数与 ponytail 的 53% 代码量、45% token 节省均为作者自述口径，无法复核。
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。
作者 maxdemarzi 公开了一套在单张 GPU 上构建巴西柔术领域 AI 教练的完整配方，基于 Qwen2.5-7B-Instruct 训练出 bjj-coach-7b-v3，在自建 BJJ-Bench-250 上运动学精度达 5.00/5.0、幻觉通过率 100%。
可复用的完整配方，含上下文头、知识图谱互斥惩罚、CLIP+VLM 视觉块、5 路 listwise 重排、2.5x 决策权重 QLoRA 与 disable_adapter 零额外显存 DPO，单卡约 30 分钟跑完，代价是要自建领域词典和标注基准。
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。
DaVinci Resolve 21.1 新增 AI Assistance，可通过 MCP 服务器让 Claude、Codex 等工具直接操作剪辑时间线，完成选条、跳剪、加标题和导出。
可复用其 MCP 接入 Resolve 的配置步骤与提示词结构，把选条、跳剪、标题、导出串成一条视频产线；前提是付费 Studio 21.1 加 Deepgram 词级时间戳，否则内置转写漏词会让剪辑点错位。
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。
AWS 发布教程，演示用开源 Python 爬虫 Crawl4AI 把网页抓取并整理成 Markdown 加 metadata sidecar 写入 S3，再由 Amazon Bedrock Knowledge Bases 的 S3 数据源完成解析、分块、嵌入和索引。
能拿走一套 Crawl4AI 抓取加 S3 metadata sidecar 再触发 ingestion 的流水线，换掉自己写爬虫清洗网页的活；代价是 sidecar 限 10 KB、分块策略建库后改不了，失败不报警。
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。
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。
作者复盘把200页产品手册PDF做成RAG问答助手时踩的4个坑，并给出对应做法。PDF提取改用unstructured（hi_res模式）或Marker保留表格与标题结构，跨章节问题用父文档检索以小chunk匹配、返回大chunk，全文摘要用Refine渐进式精炼或Map-Reduce加Refine两阶段，长上下文模型则与RAG互补而非替代。
能拿走 unstructured/Marker 解析 PDF、父文档检索、Refine 两阶段摘要和 RAG 加长上下文互补四套做法，落到知识沉淀和本地模型部署；代价是 hi_res 解析慢、Refine 串行耗时。
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。