我想记录、分享的
任何东西

Multiple Sessions or Multi-Agent? I ran 27 agents to answer that

An orchestration study with real experiments: 6 probes to pin down where a subagent's isolation boundary sits, and 13 agents building the same game three different ways, each build verified in a headless browser. The counterintuitive result — multi-agent buys width inside one task, multiple sessions buy length across time and total context; they're orthogonal axes. What actually decides whether parallel development works is an interface contract everyone follows (without one, 2 of 5 assemblies went straight to a blank screen).

多 Session 还是多 Agent?我跑了 27 个 agent 来回答这个问题

带实测的编排调研:6 个探针测出 subagent 的隔离边界,13 个 agent 用三种编排方式各造一遍同一个游戏并用无头浏览器逐个验证。结论反直觉——多 agent 解决「一次任务内部的宽度」、多 session 解决「跨时间的长度与上下文总量」,是两个正交的轴;真正决定并行开发成败的是有没有一份人人遵守的接口契约(无契约并行 5 组白屏 2 组)。附决策 SOP 与 iOS/SpriteKit 专章

我让 Claude Code 和 Codex 搭伙开发 iOS 游戏:双 AI 协作完整打法

StarPairs 项目实战复盘:不用多 agent 框架,一个 git 仓库 + 三份 Markdown 就让 Claude Code 当工程师、Codex 当美工——划地盘、开工单、轮流上场、验收分级,5 天两轮 UI 改版零冲突;含真实截图、真实文件原文和可照抄的 8 步清单

Warp University 精华指南:40 个官方教程视频一篇看完

Warp 官方教程站(原站已下线)全量整理:40 课 7 大类,每课附原视频+基于完整字幕的中文讲解——从 warp.md 规则文件、agent profiles、MCP 接入到 Warp 团队在百万行 Rust 代码库上的实战,核心是把 agent 当同事来管理

Warp VS Claude Code:一场来自 Warp 工程师的正面对比实测

Warp 官方对比视频全文整理:CLI vs 内置 agent,从 diff 处理、上下文引用到模型池逐维度拆解;真实 Sentry issue 各跑三轮均 2–4 分钟修复,另附 GPT-5 加试——结论不是谁全赢,而是两类人各选各的

AI Agent 技术栈(2026 版):LLM 与生产级 Agent 之间的六层基础设施

Paolo Perrone 重画 Letta 2024 经典栈图:模型推理/协议工具/记忆知识/框架SDK/评估可观测/护栏安全六层逐层拆解,每层按状态管理·厂商锁定·demo→生产鸿沟三问打分;四种 Agent 类型决定投资哪几层,预判 2027 年栈将向厂商 SDK 坍缩。

Awesome Claude Agents:给 Claude Code 配一支 24 人 AI 开发团队

开源子智能体合集全文整理:3 编排器 + 13 框架专家 + 4 通用专家 + 4 核心成员,team-configurator 六步自动配队写进 CLAUDE.md;作者坦言实验性且一个复杂功能可烧 1–5 万 token

SuperClaude Framework:把 Claude Code 变成结构化开发平台

元编程配置框架 README 全文整理:30 斜杠命令 + 20 专职 agents + 7 行为模式 + 8 MCP 服务器,以行为指令注入重塑 Claude Code;含 Deep Research 多跳调研与四级深度分级

掀开 Claude Code 的引擎盖:用代理抓包逆向它的提示工程

OutSight AI 用 LiteLLM 代理抓包数百次 API 调用:system-reminder 贯穿全管线、Bash 权限竟是生成式判定、子智能体默认不带 todo 提醒——Claude Code 的魔法 = 一段宏大提示 + 系统化上下文工程

Google Antigravity 深度调研:Agent-First 开发平台完全指南

Google 随 Gemini 3 发布的 agent-first 开发平台:是什么、2.0 产品家族改了什么、怎么上手、和 Claude Code / Cursor 怎么选,以及真实发生过的坑

第三方 Agent 生态与行业结构(2026 年中调研)

从 Cursor、Devin、Manus 到 LangGraph 与中国开源生态,梳理 2025–2026 年 agent 生态五个层面的现状,收束到一个核心问题:harness(执行外壳)是护城河,还是终将被商品化的耗材

Claude 全产品 Agent 矩阵调研:垂直整合 Harness 的布局逻辑

Claude Code、Agent SDK、Cowork、Chrome、Excel、PowerPoint、Deep Research——七个入口、一套引擎:讲清每个产品是什么、给谁用、有多成熟、怎么收费,以及 Anthropic 垂直整合 Harness 的布局逻辑

OpenAI / ChatGPT Agent 生态全景调研

Codex、ChatGPT Agent、Agents SDK / AgentKit、GPTs 与 ChatGPT Apps、Atlas 浏览器五条产品线,逐一梳理定位、目标用户、场景、成熟度与定价,并与 Anthropic 的路线做系统对比

Agent 运行时架构 · 交互讲解版:6 步走通一次请求

分步高亮 + 中文旁白,跟着一次请求走完 Think/Act/Observe 闭环;悬停任意模块弹出「定义 + 例子」;另含全景动效模式

Agent Runtime Architecture: The Reasoning Loop (Vector)

English vector diagram of the Agent runtime architecture — Runtime harness, Think/Act/Observe loop, on-demand resources, tool-result feedback

Agent 运行时架构图:Reasoning Loop 闭环迭代(矢量图)

Agent 运行时架构全景图,矢量重绘,可无限放大不失真

Agent 运行时架构:Reasoning Loop 的闭环迭代

一张架构图拆透:Runtime 底座 + Think/Act/Observe 闭环 + 资源按需调用 + 工具结果回流

Coding Agents 101:把事情真正做完的艺术

编程智能体实战指南

Model Context Protocol(MCP):面向开发者的完整介绍

MCP 开发者完整介绍(Stytch)

模型上下文协议 MCP:面向开发者的全面入门

MCP 全面入门

MCP Registry 发布:开放的 MCP 服务器目录

MCP 官方注册中心发布预览

为 AI 智能体编写高效工具 —— 而且用智能体来写

为智能体编写高效工具(Anthropic)

Claude产品架构解析：从设计到部署

Claude 产品架构解析

长上下文如何失效

RAG 全景图:核心概念与完整流程

从知识源到答案输出的 11 个阶段一次看全:切块、向量化、检索、重排序、上下文组装、生成与评估,外加 6 种高级范式、12 张概念速查卡与常见指标解释

DSpark 论文精读:置信度调度的半自回归推测解码

DSpark 论文精读

提示工程技术全览:从零样本到智能体推理

Prompting Techniques 技术全览

DeepSeek-R1：深度求索的推理模型进化之路

DeepSeek-R1 模型解读

Anthropic提示工程圆桌会议：Prompt Engineering Roundtable

Anthropic 提示工程圆桌

大语言模型完全指南：从入门到实战

大语言模型完全指南

深入理解大语言模型：架构、训练与推理

深入理解 LLM

An afternoon on Supabase: pgvector, a 44x query plan, and two RLS lessons

Supabase 实战英文复盘:pgvector 44x 查询优化与 RLS 双闸门

我的网站没有后端:拿 mingyuyang.com 讲透 Supabase

《Supabase 面试备考指南》实战篇:本站零后端接口的真相——resources 表即全站内容、PostgREST 自动 API、六行代码的 Google 登录、两张表两种 RLS 配方、匿名探针实证(公开表 78 行 vs 私有表空数组)、两把钥匙的管理纪律,外加四个真实踩坑和一段两分钟面试陈述逐字稿;所有代码原文摘自本站仓库

Supabase 面试备考指南:架构 · RLS · Auth · 一周学习路径

把「会用」升级成「能讲」:database-centric 架构、RLS 四种策略与性能优化六招、JWT 与新旧 API Key 体系、Realtime 逻辑复制原理与扩展限制、Supavisor 连接池两模式,配 28 道可折叠自测的高频面试题和 7 天学习计划;关键数字全部核对 2026-07 官方文档

How Warp uses Warp:一份来自 Warp 内部的「编码强制令」

Warp 公开的内部工程规范:每个编码任务必须从 prompt 开始,10 分钟没进展就报反馈、可换竞品、最后允许手写;红线是「AI 写的」永远不是借口——人对提交的每行代码负全责,所有失败案例优先做成 eval

Anthropic 内部团队怎么用 Claude Code:10 个部门的一线实战

Anthropic 官方 23 页 PDF 全文整理:从数据基础设施到法务,10 个团队的用例、量化影响与实操建议——Vim mode 70% 自主完成、研究时间省 80%、广告文案 2 小时变 15 分钟,以及「按风险分层给 agent 放权」的共性方法论

Claude Code 最佳实践:官方指南全文整理

官方文档现行版全文:上下文窗口是一切实践的出发点——给 Claude 可运行的验证、先探索再计划再编码、写好 CLAUDE.md、技能/子智能体/插件扩展、并行会话与扇出、五大失败模式

好上下文产出好代码:StockApp 如何从零构建 AI-Native 工程文化

StockApp 团队实战全文:AI-native 文化比手工开发提效约 2.5 倍(1,098 PR / 13 周实测)——monorepo 共享工作区、分层开发六级、万事先问能不能用 AI、MCP 补上下文、多模型集成评审五大原则

Eval(AI 评估)深度学习文档:从「感觉能跑」到「可度量地可靠」

Eval 是给 AI 系统出的一套「考试」:三种打分器、两类 Eval、pass@k 与 pass^k、从零建第一套 Eval 到全生命周期落地,基于 Anthropic 官方工程指南与一线实践整理

FAANG 是怎么 Vibe Coding 的:大厂 AI 写生产代码的 7 步工作流

高赞 Reddit 帖全文整理:设计文档打地基、评审把痛苦前置、AI 先写测试再写码、双人评审+staging 收口,从提案到上线提速约 30%

让 AI 在复杂代码库中真正干活:频繁有意压缩(FIC)实战

HumanLayer ace-fca 全文整理:上下文窗口是影响输出质量的唯一杠杆;研究/计划/实现三步工作流+40–60% 利用率+高杠杆人工审查,让 Claude Code 拿下 30 万行 Rust 代码库、7 小时交付 3.5 万行

规格说明书是新的源代码:Spec 正在成为 AI 时代的 Source of Truth

Ravi Mehta 文章全文整理:AI 提速工程交付后,瓶颈转向「知道做什么、对齐需求」;含 Sean Grove 的 spec-as-source-code 论断、新旧工作流对比与非技术创始人 spec 驱动发布实战

CS146S第一周：Introduction to Building and Evaluating Large Language Model Applications

CS146S Week1 笔记

Claude开发者手册：从API到应用开发

Claude 开发者手册

AI 每日简报 · 2026年7月28日

AI 每日简报 · 2026年7月25日

AI 每日简报 · 2026年7月26日

AI 每日简报 · 2026年7月27日

AI 每日简报 · 2026年7月24日

AI 每日简报 · 2026年7月23日

AI 每日简报 · 2026年7月22日

AI 每日简报 · 2026年7月21日

AI 每日简报 · 2026年7月20日

AI 每日简报 · 2026年7月19日

AI 每日简报 · 2026年7月18日

AI 每日简报 · 2026年7月17日

AI 每日简报 · 2026年7月16日

AI 每日简报 · 2026年7月15日

AI 每日简报 · 2026年7月14日

AI 每日简报 · 2026年7月13日

AI 每日简报 · 2026年7月12日

AI 每日简报 · 2026年7月11日

AI 每日简报 · 2026年7月10日

AI 每日简报 · 2026年7月9日

AI 每日简报 · 2026年7月8日

AI 每日简报 · 2026年7月7日

AI 每日简报 · 2026年7月6日

AI 每日简报 · 2026年7月5日

Agent 可观测性与分布式追踪 · OpenTelemetry GenAI 语义约定 | Agent Observability & Distributed Tracing

LLM 幻觉评测与缓解 —— 两把尺子与一套防线

前沿模型网络安全能力评测 —— 从 ExploitGym 逃逸事件说起

万亿级开源 MoE 模型自托管 —— 以 Kimi K3 为例

模型蒸馏与来源取证

长时程 Agent 安全与轨迹级监控

Computer Use Agent:让模型像人一样看屏幕、动鼠标

长时程 Agent 的上下文退化(Context Rot)与自压缩(Self-Compaction)

云端 Agent 运行时:从 Cowork 上云看 Agent 的「离机执行」架构

多模型路由 Model Routing:把每个请求送给「最便宜的够用模型」

MCP Apps:让 MCP 服务器「长出界面」的交互 UI 扩展

混合线性注意力 KDA:Kimi K3 如何把 1M 上下文解码提速 6 倍

MCP 企业托管授权(EMA)与 Agent 身份认证

Agent Harness Engineering:一个 Agent 里 98% 不是 AI(细致版)

程序化工具调用(PTC)

AI Agent 评测与 Benchmark:如何科学判断一个 Agent 好不好

Agent Skills(智能体技能)

Agent 记忆系统:让智能体「记住并持续变强」

Agentic RL:用强化学习训练「会用工具」的 Agent

多智能体编排(Multi-Agent Orchestration)

上下文工程 Context Engineering

AI Agent 的沙箱与安全隔离

MCP 2026-07-28 新规范深度解读 · 无状态核心、MCP Apps 与 Tasks

iOS App 第一次出海:归因与投放接入入门指南

整理自 Adjust 线上课堂:iOS 归因为什么难、ATT 与 SKAN 两套独立框架怎么理解和配置、Google(ICM)/ Meta(MAE/AEM)/ TikTok(SAN)三大渠道接入路径、归因窗口对齐建议与该看的指标,收尾附首次出海接入七步清单

Adjust Web to App Campaign 流程及设置:全渠道配置指南

从「为什么要做 Web2App」讲起,逐渠道拆解 Google、Facebook、TikTok、Kwai、Snap / Pinterest / Bing 的广告流程、Adjust 后台配置、跟踪链接拼接与数据回传设置,配动态流程图讲清每条链路的归因原理

ODDL内部培训：移动广告归因与数据对接

ODDL 培训笔记

Adjust数据差异排查指南：从日志到归因

Adjust 数据排查指南

Adjust ODDL：海外广告投放与数据监控

Adjust ODDL 海外投放

从移动广告视角看 Generative Engine Optimization：AI 搜索时代，品牌、 App 和广告主应该如何获得可见性与转化

最近半年，越来越多客户开始问我一个问题：“以后用户都不搜 Google 了，直接问 ChatGPT，我们的 A

Adjust Redownloads设置全解析：让数据更真实，用户价值更高

今天我们就来拆解 Adjust 的 Redownloads 功能，帮你轻松理解这些复杂的数据逻辑。

FB/GG买量为主的团队，如何借力海外DSP实现ROI稳定提升+量级突破

作为移动App/游戏出海的UA（User Acquisition）同学，我们过去几年最依赖的永远是Meta（F

为什么做 iOS 投放，Meta 的 AEM MAE一定要开 Universal Deeplink？

Meta 要 Universal Deeplink，不是为了跳转，是为了让 AEM 在没有 IDFA 的情况下继续识别流量来源、接收事件、做优化。不开 UDL，AEM 等于白开。

【实操进阶】工具类 App 的 SKAN 4 三次回调与 ROI 建模

对大多数开发者来说，工具类 App 看似简单（打开→使用→广告或订阅），但在 iOS 生态里，它反而是最考验

SKAN CV 空值太多怎么办？一文讲清隐私阈值

为什么 SKAN CV 空值那么多？在做 iOS 广告投放时，很多人都会遇到这样的问题：👉 广告跑了，钱花了，但 SKAN 回传的数据里 CV 值却是空的（null）。

刷App时广告咋来的？揭秘海外广告交易的 0.2秒幕后

你有没有想过，刷手机App时弹出的广告，到底是怎么“选中”你的？从你打开App到广告出现在屏幕上，整个过程可能只用了0.2秒！

第一次出海投放广告：必备 SDK 全指南（附选型建议+文档合集）

对于首次尝试出海广告投放的团队，选平台、找代理、准备素材是基础，但 SDK 接入却是决定投放效果和数据分析的关键。本文将全面拆解出海广告投放所需的 SDK，从功能、选择到调试，附上官方文档链接，助你快速构建知识框架，少走弯路！

iOS用户价值高，但买量分析好难？

说真的，谁不想多拿点iOS用户？他们消费能力强、付费意愿高，还不怎么退款，简直是理想客户。BUT！

搞懂 Apple Ads：iOS 流量红利下的投放秘籍

「2025 最新 Apple Ads 投放指南：怎么投、怎么测、怎么优」❝ATT 时代，iOS 最靠谱的增长通

小游戏也能跑 ROAS？IAA 数据共享实操指南

🎯 小游戏也能跑 ROAS？IAA 数据共享实操指南❝“我们是靠广告变现的，没内购，怎么跑 ROAS 呀？

跑了ATT还要看SKAN吗？广告人必须搞懂的三套归因系统

在iOS生态中，广告归因的复杂性让无数广告人头疼。

Google Ads 又出新招：ICM 是什么？对出海归因有多大影响？ | 鸣宇出海研习社

最近，“ICM”这个词在出海圈子里有点火。不少广告主和运营同学都在问：“听说 Google 广告开始支持 ICM，这是个啥？

海外小游戏怎么算赚钱？一篇搞懂ROI和变现逻辑

小游戏出海这几年真是越来越卷！想在海外市场站稳脚跟，光靠产品好玩可不够，投入的每一分钱都得算清楚能不能赚回来。

广告变现进阶指南：分流策略2.0——比价分流 + LTV保护，收益提升10%！

App广告变现入门指南：从零开始，赚海外用户的钱！

辛苦开发了一款App，终于有了用户，但它还没开始赚钱？或者你听说过广告变现，却不知道从哪儿下手？别担心！

【SKAN 4必看】中重度类游戏CV怎么设计才有效？（入门全讲）

1. 引言：三次回传，解锁中重度游戏的用户价值在中重度IAP游戏的运营中，用户从安装到成为高价值玩家的过程需要

【实操进阶】广告变现APP第一回传 CV 值到底怎么拆？附映射表模板

【实操进阶】广告变现APP第一回传 CV 值到底怎么拆？

SKAN归因到底怎么算？数据为什么总对不上？