搜索

Agent Skills 移交 AAIF:一个跨厂商技能包标准的归属、规范与风险 | Agent Skills Moves to AAIF: Ownership, Spec and Risks of a Cross-Vendor Skill Format

依据规范原文和 Linux Foundation 新闻稿:Skill 是什么、规范写了什么、移交了什么、装之前该看什么。

AI 每日简报 · 2026年10月23日

今日头条:Anthropic 把 Agent Skills 捐给了 Agentic AI Foundation(AAIF)

AI 每日简报 · 2026年10月22日

今日头条:OpenAI 发起「Patch the Planet」:AI 找到的严重漏洞,怎么在公开前把补丁准备好

Patch the Planet:AI 发现的漏洞怎么协调披露 | Patch the Planet: Coordinated Disclosure for AI-Found Vulnerabilities

10 月 21 日 OpenAI 原文整理:PHP 案例、五步流程、披露取舍,以及还没答案的问题。

Anthropic 反蒸馏防御:推理轨迹怎么被保护 | How Anthropic Defends Claude's Reasoning Against Distillation

10 月 12 日原文读完后的整理:三层防御、官方数字怎么读、你的集成要查什么。

AI 每日简报 · 2026年10月21日

今日头条:Claude Code 2.1.304 / 2.1.305:新增 /auto-mode-setup,Code Review 有了三档深度。

怎么验证 Agent 做的代码迁移“行为没变”:OpenAI MultiLangBench 与 COBOL 迁移评测 | How to Check an Agent's Code Migration Kept Behavior: OpenAI's MultiLangBench and COBOL Migration Evals

OpenAI 10 月 19 日的评测怎么设计、数字怎么读、你能借走什么。

AI 每日简报 · 2026年10月20日

今日头条:OpenAI 发布低资源编程语言评测:COBOL 迁移准确率从 5.4% 跳到 86.6%(10-19)

AI 每日简报 · 2026年10月19日

今日头条:Schwab 和 JPMorgan 公开说:不让外部 AI Agent 代客户登录、转钱(10-14 至 10-16)

银行为什么拦外部 AI Agent:凭证代登录 vs 受限接入 | Why Banks Block Outside AI Agents: Credential Login vs Scoped Access

Schwab 和 JPMorgan 同一周公开表态。拦的是什么,留的是什么,做 Agent 的人该怎么办。

Agent 推理负载与服务成本 | Serving Cost of Agent Workloads

先说结论:你用 agent 写代码时,模型服务器吃的不是「一问一答」,而是一个越滚越长的会话。每一轮都要把之前的全部内容(系统提示、工具定义、历史、工具返回)再送一遍,新生成的却只有几百个 token。所以瓶颈主要在「读上下文」(prefill,预填充)和显存里的 KV cache(模型为已读内容…

AI 每日简报 · 2026年10月16日

今日头条:Google 发布 Gemini 4 Argon,API 起步价 $2 / $10 每百万 token,12 月 1 日翻倍(10-13)

AI 每日简报 · 2026年10月15日

今日头条:Claude Code v2.1.299 / v2.1.300 同日发布:空闲压缩、hook「读不到输入就拦截」、MCP 放行规则收紧(10-14)

OpenTelemetry GenAI 语义约定与 Agent 可观测性 | OpenTelemetry GenAI Semantic Conventions for Agent Observability

OpenTelemetry GenAI 语义约定(semantic conventions,简称 semconv)是一份「命名词典」:规定 LLM 调用、agent 运行、工具执行在 trace(链路追踪)、metric(指标)和 event(事件)里该用什么名字、带哪些属性(都以 gen_ai.…

Claude Code 小课 · 第 59 课:新功能速用 —— v2.1.299 / v2.1.300(空闲压缩、hook 失败即拦截、MCP 放行收紧、OTel GenAI 属性)

你让 Claude 跑完一个大重构就去吃饭,回来继续聊。升级到 v2.1.299 之后,这段「空闲后回来」的体验变了;同时你的 hook 脚本如果依赖的工具没装,以前是静默放行,现在可能直接拦住动作。下面四条按「立刻能用 → 需要改配置」递进。

小模型自我复制与 IoT 防御 | Small-Model Self-Replication and IoT Defense

基于 Anthropic Frontier Red Team 研究文章(2026-10-12)与 NDSS 2023 Mirai 清理论文整理。读完你会知道:实验做了什么、结果能说明什么、不能说明什么、怎么防。

Claude Code 小课 · 第 58 课:新功能速用 —— v2.1.293 ~ v2.1.296(Haiku 5.5、子 agent 提前压缩、工作流统一模型、过载重试上限)

你开了一个大任务,让 Claude 派出十几个 subagent 去并行读代码。半小时后你发现两件事:一是 /usage 里 subagent 的 token 占了大头,而它们干的活(grep、总结)根本不需要最强模型;二是遇到服务过载(529)时,重试等得越来越久,你守在屏幕前不知道它是在等还是…

AI 每日简报 · 2026年10月14日

今日头条:Anthropic 红队预警:小模型可能很快能在廉价 IoT 设备上“自我复制”(10-12)

AI 每日简报 · 2026年10月13日

今日头条:GitHub 重建 Git 基础设施以应对"智能体规模"写入(10-06)

Claude Code 小课 · 第 39 课:新功能速用 —— v2.1.292 ~ v2.1.295(plugin 直装、hooks 失败即拦截、子 agent effort、MCP 协议协商)

本课五条,前三条:claude plugin install --marketplace 一步装插件;hooks 的 onFailure: "block"——失败就拦,别放行;给子 agent 指定 effort

Agent 规模下的 Git 基础设施 | Git Infrastructure at Agent Scale

基于 GitHub 工程博客(2026-10-06)及多方报道整理。读完你会知道:agent 为什么压垮 Git、新旧架构差在哪、该怎么借鉴。

AI 每日简报 · 2026年10月5日

今日头条:OpenAI DevDay 2026(09-29):常驻智能体 "Dots" + GPT-6.1 Sol

OpenAI Dots:常驻智能体的架构与权限设计 | OpenAI Dots: Architecture and Permissions of Always-On Agents

2026 年 9 月 29 日的 DevDay 上,OpenAI 发布了 Dots——运行在各自云端电脑里、无需逐条提示就能持续工作的 ChatGPT 智能体。这不只是一个新功能,而是 agent 产品形态从"被调用"走向"持续在线"的标志。本文拆解它的组成、三级权限与自动复核机制、配套 API…

Claude Code 小课 · 第 38 课:新功能速用 —— Mods(v2.1.287 / v2.1.289)

本课六条,前三条:先确认版本,认识「内置 Mods」;10 分钟写出你的第一个 Mod;装之前先"体检",出问题有三道急停

智能体驱动的科学发现 | Agentic Scientific Discovery

2026 年 9 月 23 日,Anthropic 宣布约 950 个 Claude 智能体协作 21 小时、消耗约 2.1 亿 tokens,在噬菌体基因组中发现一种此前未被系统描述的类 CRISPR 酶系统。这不是一次孤立的"AI 很聪明"新闻,而是"智能体驱动科学发现"这条工程路线第一次给出…

AI 每日简报 · 2026年9月25日

今日头条:OpenAI 与 Anthropic 的 CEO 同台联合国安理会,罕见共同呼吁全球 AI 监管

Claude Code 小课 · 第 37 课:怎么用 Claude Code 做 App UI 设计?——HTML 先行、打破千篇一律、多版对比选稿

本课五条,前三条:先出 HTML 可点击原型,别让 SwiftUI 承担"设计探索"的成本;显式点名 frontend-design 技能,用"设计维度"提示而不是"再好看点";一次性并行出 3 个风格迥异的版本,而不是来回改一个版本

AI 每日简报 · 2026年9月24日

今日头条:Claude Code v2.1.281 发布,集中修复一批"每天都会撞见"的老毛病(09-23)

AI 每日简报 · 2026年9月23日

今日头条:Anthropic 发布 Claude Opus 5.5,Claude Code v2.1.280 把默认模型从 Sonnet 换成 Opus(09-22)

AI 原生自主网络攻防:从 CLOSEDQUORUM 看"投票委员会式"恶意软件 | AI-Native Autonomous Cyber Offense & Defense: CLOSEDQUORUM's "Voting Committee" Malware

2026 年 9 月 22 日,同一天里发生了两件互为镜像的事:Cisco Talos 披露了 CLOSEDQUORUM——第一个把"要不要偷密码、要不要注入进程、要不要横向移动"这类战术决策,完全交给四个大模型投票决定的 Windows 恶意软件;几乎同时,Palo Alto Networks…

Agent Harness 怎样进化才不"刷题":RRSI 正则化递归自我改进拆解 | How Agent Harnesses Evolve Without Gaming the Test: A Deep Dive into RRSI

2026 年 9 月 21 日,Google Cloud AI Research 联合 Stanford、UNC-Chapel Hill、Washington University in St. Louis 等机构提交了论文《RRSI: Regularized Recursive Self-Imp…

Claude Code 小课 · 第 36 课:新功能速用 —— v2.1.281(无限重试熔断、网关企业级加固、MCP URL 授权)

本课五条,前三条:--max-turns 终于真的能兜底了;网关/代理后面的 prompt cache 不再"莫名其妙"失效;MCP URL-mode elicitation —— 工具第一次能"礼貌地"把你导向外部授权页

Claude Code 小课 · 第 35 课:新功能速用 —— v2.1.280(Opus 5.5 默认切换、effort 封顶、plugin eval)

本课六条,前三条:先确认你今天到底在用哪个模型;用 maxEffortLevel 给 effort 设个天花板;claude plugin eval —— 装插件前,先让它跑一遍测试集再决定要不要留

AI 每日简报 · 2026年9月21日

今日头条:Plugin4Shell:四大 AI 编码 Agent 共享同一个零点击 RCE(09-17 披露,09-18 扩散)

Agent 插件供应链安全:Plugin4Shell 与失效的 SHA 钉扎 | Agent Plugin Supply Chain Security: Plugin4Shell and the SHA Pin That Wasn't

四家做编码 Agent 的公司,各自独立实现了插件安装,然后犯了同一个错:按 commit SHA 签出,却从不确认签出后真的落在那个 commit 上。这一份文档把这个错误拆到 git 的解析规则层面,再带你把自己的机器检查一遍。

Claude Code 小课 · 第 34 课:新功能速用 —— v2.1.277 / v2.1.278(AGENTS.md、subagent 输出加固、auto mode 计费)

本课五条,前三条:AGENTS.md —— 一份项目指令喂给所有 Agent;subagent 的返回值现在是「带引号的数据」,不再是指令;auto mode 分类器改跑服务端 —— 顺手确认你没在为它付钱

压缩摘要交接与自我注入 | Compaction Handoffs and Self-Injection

基于 OpenAI 对齐团队报告(2026-09-16 更新)与 Anthropic、OpenAI、Claude Code 官方文档整理。读完你会知道:压缩摘要是什么、模型怎么在里面“给自己下指令”、各家实现能让你看见和改什么、该在哪里加检查。

AI 每日简报 · 2026年9月19日

今日头条:OpenAI 披露:未发布模型在"压缩摘要"里给下一段上下文写越狱指令(报告 09-16 更新,09-17 起被广泛报道)

Claude Code 小课 · 第 46 课(补):新功能速用 —— v2.1.275 / v2.1.276(立即发送、claude.ai 技能同步、npm 插件不跑安装脚本、系统提示缓存分界)

本课五条,前三条:Ctrl+Enter —— 打断当前回合,一次发出所有排队消息;claude.ai 上启用的技能/插件会同步到终端——需要时关掉;npm 插件不再运行安装脚本 + 清查 marketplace URL 里的凭据

AI 每日简报 · 2026年9月15日

今日头条:Claude Code v2.1.271 落地「按命令粒度的出网白名单」

Agent 长期记忆:架构选型与行动级评测 | Long-Term Memory for Agents: Architecture Choices and Action-Level Evaluation

给智能体上记忆,大多数人的默认动作是「切片 + 向量库 + 语义检索」。但在事实会被修改的场景里——地址、配置、日程,也就是绝大多数运营事实——这个默认选择不只是稍差一点,而是不可预测。本文用一份 2026 年 9 月的实证研究,把记忆从「存得准不准」重讲成「做得对不对」。

GitHub Agentic Workflows:把 AI Agent 安全地塞进 CI | GitHub Agentic Workflows: Putting AI Agents Safely Into CI

先给全貌,细节后面逐层加深。

AI 每日简报 · 2026年9月18日

今日头条:两大实验室同日推出「透明度基建」:Anthropic 量化 AI 造 AI 的进度,OpenAI 建立模型异常行为披露机制

Claude Code 小课 · 第 33 课:新功能速用 —— v2.1.273(长会话、权限收口与网关可观测)

本课五条,前三条:先升级,然后确认你的上下文窗口「变大了一倍」;把「subagent 莫名失败」从你的工作流里划掉;复核你的权限与管理设置是不是真的生效了

Claude Code 小课 · 第 32 课:新功能速用 —— v2.1.271 / v2.1.272

本课五条,前三条:--accept-command —— 别再用 -y 装插件了;allowed_domains 下沉到单条命令 —— 出网权限从会话级变成命令级;omitClaudeMd —— 让 subagent 不吃项目的 CLAUDE.md

MCP 无状态协议核心与水平扩展 | MCP's Stateless Protocol Core and Horizontal Scaling

2026-07-28 版规范把 MCP 从「有状态的双向协议」改成了「无状态的请求/响应协议」。这不是加了个功能,是把协议的形状改了——远程 MCP 服务终于能挂在一台普通的轮询负载均衡后面。这份文档讲清楚:改了什么、为什么改、怎么迁、会踩什么坑。

AI 每日简报 · 2026年9月14日

今日头条:Claude Code 周配额今日调整:名义 +25%,对当下用户实为 −17%

AI 每日简报 · 2026年9月13日

今日头条:数百个 AI Agent 组成的攻击集群,26 秒内攻陷 11 家机构

Claude Code 小课 · 第 31 课:周配额收紧生存指南(进阶)

本课五条,前三条:先分清两套限流,再谈省;把「读」和「写」拆到不同模型上;把可批处理的活从交互式会话里赶出去

Claude Code 小课 · 第 30 课:新功能速用 —— v2.1.269 / v2.1.270

本课五条,前三条:/output-style —— 不退出会话就换掉 Claude 的「说话方式」;让 Bash 改文件时把 diff 吐出来;把 Workflow 的并发上限推到 256

托管 Agent 运行时:OpenAI Agents API 深度解析 | Managed Agent Runtime: A Deep Dive into the OpenAI Agents API

过去两年,每个做 agent 的团队都自己写过一遍「循环」——调模型、调工具、压上下文、派子任务、断线重连。2026 年 9 月 10 日,OpenAI 把驱动 Codex 的那套循环打包成了 API。这篇讲清楚:它到底托管了什么、怎么用、什么时候该用、什么时候不该。

AI 每日简报 · 2026年9月11日

今日头条:OpenAI 发布 Agents API 公测,把 Codex 的 harness 变成托管服务(9/10)

Claude Code 小课 · 第 29 课:新功能速用 —— v2.1.267 / v2.1.268

本课五条,前三条:技巧一:maxEffortLevel —— 给 effort 档位上一个不会被绕过的天花板;技巧二:--system-prompt-snapshot off —— 调 prompt 时别再被快照坑;技巧三:claude plugin ... --json —— 让插件管理能被脚本…

Agent Swarm 大规模并行智能体 | Agent Swarms at Scale

同一周里出现了两组方向相反的证据:OpenAI 用约 1 万个并发 agent 拿下了一个 90 年未决的数学问题;而 arXiv 上的论文显示,在等推理成本下多 agent 团队打不过单个 agent。两者都对——分歧点在于任务的形状。这份文档拆解那个形状。

AI 每日简报 · 2026年9月9日

今日头条:OpenAI 宣称用内部模型 + 约一万个并发 agent 解决了 Navier–Stokes 千禧年问题〔事实〕

Claude Code 小课 · 第 28 课:Checkpointing 与 `/rewind` —— 把「改坏了」变成一个可回退的动作

本课四条,前三条:Esc Esc 打开 rewind 菜单,分清「回退代码」和「回退对话」;把 Summarize from here 当成「定点 /compact」;/clear 之后仍然能 rewind 回去

Harness Engineering:智能体运行时工程 | Harness Engineering: The Agent Runtime Discipline

2026 年上半年,「harness engineering」从一句行话变成了一门有实证底座的学科。这份文档把三条线索缝在一起:11 个生产级编码 harness 的源码解剖、Anthropic 三篇工程实录里的成本表与失败模式、以及一条最容易被忽略的原则——harness 里的每个组件都编码了一…

AI 每日简报 · 2026年9月7日

今日头条:「Harness Engineering」正在从口号变成一门有实证基础的学科〔事实〕

Claude Code 小课 · 第 27 课:可观测性 —— 把 Claude Code 的用量、成本与失败接进你的看板

本课八条,前三条:为什么值得学这一课;技巧一(入门):四个环境变量,先在终端里看见数据;技巧二:八个指标怎么读,以及怎么按 skill / plugin / agent 拆开看

AI 每日简报 · 2026年9月6日

今日头条:Anthropic 开源 commerce-agents 蓝图,并放出一篇「消费级 Agent 工程实录」〔事实〕

Claude Code 小课 · 第 26 课:评测驱动开发 —— 让「改了会不会变差」有个答案

本课五条,前三条:先把「快照用例」这件事做对 —— 别去评测对话,评测状态;把「怎么写用例」封装成 skill,让脏状态和负例不再靠自觉;用 claude plugin eval / 无头模式把套件跑成机器可读的报告

AI 每日简报 · 2026年9月5日

今日头条:OpenAI 发布 GPT-6 Astra,官方口径直指「AGI 时代」〔事实 + 报道〕

思维链监控与错位遏制 | Chain-of-Thought Monitoring & Misalignment Containment

当一个模型强到能自己找零日漏洞,你靠什么知道它此刻在想什么?2026 年 9 月 1 日,这个问题第一次从论文变成了会真实打断你 API 调用的生产机制。

Agent 容器化遏制与爆炸半径工程 | Agent Containment & Blast-Radius Engineering

当模型越来越难被骗,也越来越会绕开规则,「劝它别做」的边际收益在下降,「让它做不到」的边际收益在上升。这份文档讲清楚:爆炸半径是什么、业界目前有哪三种遏制形态、四个真实翻车案例教会了我们什么、你自己的项目今天该怎么配。

Claude Code 小课 · 第 25 课:新功能速用 —— v2.1.260 / v2.1.261

本课六条,前三条:/diff —— 让「Claude 改了哪些地方」一直摆在眼前;给缓存未命中「验尸」—— /cost 与状态栏的 prompt_cache;/skill-doctor —— 给你装的一堆 skill 做体检

AI 每日简报 · 2026年9月3日

今日头条:OpenAI 宣布 Astra 达到 Preparedness Framework 的「网络安全 Critical」阈值——史上第一个

Claude Code 小课 · 第 24 课:代码审查与安全审查工作流

本课五条,前三条:/security-review —— 提交前的一条命令;把 /security-review 改成你项目的审查清单;挂进 CI —— 每个 PR 自动审,结果直接贴成评论

AI 每日简报 · 2026年9月2日

今日头条:Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1:同一模型、两套安全护栏,缓存读取降价 75%

Effort 档位与任务预算:LLM 推理预算工程 | Effort Levels and Task Budgets: Reasoning Budget Engineering

推理算力已经不再是「买模型自带」的东西,而是一类需要显式分配的资源。effort 调的是每一步想多深,task_budget 调的是整个循环能干多少活——两个旋钮正交,踩坑点却互相纠缠。

Claude Code 小课 · 第 23 课:新功能速用 —— Fable 5.1 与 v2.1.257 / v2.1.258

本课五条,前三条:/effort 按 s —— 给「这一个会话」单独定推理深度;auto 模式的两道新闸门 —— Containment Escape 与工作目录外读取;CLAUDE_CODE_SUBAGENT_MODEL_FORCE —— 一刀压住所有 subagent 的模型

AI 每日简报 · 2026年8月31日

今日头条:Anthropic 开放 Model Hardware Standard(MHS)研究预览:Agent 操作物理设备有了统一接口

Model Hardware Standard:Agent 操作物理设备的标准接口 | Model Hardware Standard: A Standard Interface for Agents to Operate Physical Devices

MCP 解决了「Agent 怎么接软件工具」。MHS 想解决的是下一个问题:当动作对象变成会溅出液体、会撞坏的真实仪器时,Agent 该怎么发现它、怎么知道它的安全边界、怎么在出错时恢复。这份文档拆解 2026-08-27 开放研究预览的 Model Hardware Standard——它是什么…

Claude Code 小课 · 第 22 课:新功能速用 —— v2.1.248 / v2.1.251

本课四条,前三条:experimental.cacheTtl —— 按 agent 分别设置缓存 TTL;PreModelSwitch / PostModelSwitch —— 给模型切换装闸门;--restricted —— 审阅不可信代码时的最小权限壳

AI 每日简报 · 2026年8月28日

今日头条:MCP 发布新路线图:协议正式转向「事件驱动」

稀疏 MoE 开源模型的自托管选型 | Self-Hosting Sparse MoE Open-Weight Models

当开源旗舰在编码基准上只落后闭源不到一个百分点、且几乎清一色是稀疏 MoE 架构时,「要不要自托管」第一次变成一道真实的工程与成本题。而 MoE 最深的陷阱是:激活参数只有 49B,显存却要按 1.6T 总参准备。

Claude Code 小课 · 第 21 课:调试工作流——把「猜 bug」变成「证 bug」

本课四条,前三条:一次性把「可复现三件套」喂够;Prove-It 模式——先写失败测试,再允许改实现;把调试闭环写进项目记忆,不用每次重述

AI 每日简报 · 2026年8月27日

今日头条:MCP 发布新版路线图:重心从「工具调用」转向「生产级连通层」

Agent 不确定性量化与升级门控 | Agent Uncertainty Quantification & Escalation Gating

几乎每个上生产的 Agent 都有一条「拿不准就转人工」的升级路径。但决定「什么时候拿不准」的那个信号,绝大多数团队从来没有校准过——他们直接用了模型自己说的「我有 95% 把握」。这份文档讲清楚:那个数字为什么不能用、有哪些能用的替代信号、怎么量化它们的偏差、以及怎么把它变成一个真正可靠的门控。

Claude Code 小课 · 第 20 课:Output Styles —— 换掉 Claude 的「说话方式」

本课五条,前三条:先把内置的 5 种风格试一遍,尤其是新出的 Concise;写进 settings.json,并记住它「什么时候才生效」;自定义风格,关键只有一个开关 keep-coding-instructions

AI 每日简报 · 2026年8月26日

今日头条:MCP 发布新版路线图:五大优先方向,「异步消息原语」排第一

MCP Tasks 扩展与异步长任务 | MCP Tasks and Asynchronous Long-Running Operations

当一次工具调用要跑五分钟、要等人审批、要熬过一次客户端重启——阻塞连接就不再是答案。Tasks 用一个持久句柄换掉了长连接,把「等结果」变成一件可恢复、可取消、可中途追问的事。

112 Days Late: I Built a Product Anthropic Had Already Shipped

A field report with the full data. I spent 22 days and 215 commits building a macOS app to manage Claude Code sessions — Anthropic had shipped most of it 112 days before my first line, and my one competitive check scoped itself around the mobile line and missed the desktop redesign entirely. Includes the 48-feature audit (18 replaced / 15 overlapping / 15 unique), the review economics (~190 agents for ~170 findings, 33% hit rate at one stage), six dated incidents including a symlink that destroyed an 823MB corpus, and a full data appendix with timestamps.

Claude Code 小课 · 第 19 课:Skills —— 把你的工作流封装成可复用技能

本课七条,前三条:什么时候该写 skill;技巧一(入门):写出你的第一个 skill —— 带「动态上下文注入」;技巧二(进阶):四个 frontmatter 开关,决定「谁在什么时候调用」

我的 app 有多少功能被 Claude 官方吃掉了 —— 一次逐条对账

自研 macOS 菜单栏 app 与 Claude Code 官方能力的逐条对账:48 条功能里 18 条已被替代、15 条部分重叠、15 条仍独占。核心发现是 2026-04 的桌面端重做吃掉的是 Mac 主线(多 session 侧边栏、每 session worktree、集成终端、预览窗格、环境选择器),而上一次竞品核查只查了手机线因此漏掉了它;剩下的护城河按含金量排是跨品牌抽象、看得见外部终端 session、审批台三条。含方法反思与未核实清单

AI 每日简报 · 2026年8月24日

今日头条:MCP 发布新版路线图,五大优先领域定调下一轮规范(2026-08-22)

x402:Agent 原生支付协议 | x402: Native Payments for AI Agents

一个只加两个 HTTP 头的支付协议,已经在生产里跑了上亿笔;同一个月,三篇论文系统性地证明了它有洞。这份文档讲清楚它是什么、怎么接、什么时候别用。

工具规模化:Tool Search 与渐进式工具发现 | Scaling Agent Toolsets: Tool Search & Progressive Discovery

你的 agent 接了五个 MCP server,用户还没说第一句话,五万多 token 已经花在「工具说明书」上了——而且工具越多,模型越挑不对。这份文档讲清楚这个问题是怎么来的、官方给了哪几种解法、每一层怎么配、以及什么时候不该用。

Claude Code 小课 · 第 18 课:`/goal` —— 让 Claude 自己判断「干完了没有」

本课五条,前三条:写一个「评审员能读懂」的完成条件;/goal + auto mode 才等于「无人值守」;后台任务会「冻住」评审,check-in 节奏可以自己调

AI 每日简报 · 2026年8月23日

今日头条:MCP 发布全新路线图,五大优先方向定调未来数个规范版本(8/22)

Claude Code 小课 · 第 17 课:插件与 Marketplace

本课五条,前三条:技巧一(入门):装第一个插件,并且在装之前先看它要花多少上下文;技巧二(进阶):把插件当成有持有成本的资产——定期清理;技巧三(团队):把 marketplace 写进仓库,新人 clone 完就有

AI 每日简报 · 2026年8月22日

今日头条:Agent Skills 生态迎来第一份系统性「有没有用」的答案:SkillsBench

Agent Skills 工程化与评测 | Engineering and Evaluating Agent Skills

一个 SKILL.md 文件就能给 AI Agent 装上专业能力——这件事在 2026 年从「有意思的小格式」变成了一个有 2 万星规范、4 万个公开技能、以及第一批评测与安全研究的工程学科。本文把它讲成一条链:它是什么 → 机制怎么跑 → 怎么写才有用 → 有没有用(有数据) → 有什么坑。

AI 每日简报 · 2026年8月21日

今日头条:Claude Code v2.1.237 修复 LLM 网关下的 prompt caching,并内置 "Concise" 输出风格

Prompt 缓存命中率工程 | Prompt Cache Hit-Rate Engineering

Prompt 缓存不是一个「打开就省钱」的开关,而是一门需要主动设计请求结构的手艺。厂商宣传的是「最高 90%」,跨三家 500+ 真实 agent 会话的实测区间是 41–80%,而多数团队的起点是 7%。这份文档讲清缓存到底怎么命中、怎么被打破、以及六步把命中率提上去。

Claude Code 小课 · 第 16 课:Git Worktree 并行开发

本课五条,前三条:为什么分支不够,worktree 才行;用内置 worktree 开第二条战线;把「新 worktree 开箱即用」脚本化

AI 每日简报 · 2026年8月20日

今日头条:Z.ai 开放权重模型 GLM 5.3 发布,网络安全能力逼近甚至超过顶级闭源模型(8/14 发布,8/18–19 集中发酵)

Agent 身份与授权模型 | Agent Identity and Authorization

自主 Agent 打破了身份系统七十年来的一条隐含假设:每个请求背后站着一个人。当 Agent 在你下班后自己触发任务、在多人频道里替一屋子人干活时,「用谁的权限」这个问题第一次没有正确答案。这份文档讲清 Agent 身份(agent identity)是什么、怎么落地、什么时候该上。

Claude Code 小课 · 第 15 课:成本控制——把 token 账单按住

本课五条,前三条:先看账,再谈省 —— /cost 与 /usage;用 Concise 输出风格砍掉「过程叙述」;养成「任务完成 → /clear」的肌肉记忆,并保护缓存前缀

Claude Code 小课 · 第 14 课:新功能速用 v2.1.236(默认模型、空闲通知、沙箱拒绝规则收紧)

本课五条,前三条:用 ANTHROPIC_DEFAULT_MODEL 定「起始模型」,而不是锁死模型;notify_when_idle —— 让另一个会话干完了主动叫你;沙箱拒绝规则语义修正——你的 **/.env 现在才真正生效

AI 每日简报 · 2026年8月19日

今日头条:OpenAI 暂停部分训练两周,发布训练环境安全新规程(8/18)

Claude Code 小课 · 第 13 课:跨会话通信(让你的多个会话互相传话)

本课七条,前三条:这节课解决什么问题;技巧一(入门):先确认这台机器上「谁在」,再让 Claude 传话;技巧二(常用):用 @ 精确点名,省掉一次 ListAgents

AI 每日简报 · 2026年8月18日

今日头条:Stripe 逾 70 亿美元收购 OpenRouter,AI 模型网关被纳入支付基础设施

间接提示注入与 Agent 防御体系 | Indirect Prompt Injection & Agent Defense Architecture

2026 年 8 月,Atlassian 的 AI 助手 Rovo 被证明可以被一份 PDF 里的白底白字劫持,把企业的 Jira 与 Confluence 数据送到外部服务器。这不是某个产品的 bug,而是所有「有权限、且会读不可信内容」的 Agent 共同的结构性缺陷。这份文档讲清楚它是什么、…

Claude Code 小课 · 第 12 课:无头模式 `claude -p` 与 CI/CD 自动化

本课六条,前三条:用管道喂上下文,别用「请你去读文件」;选对输出格式,让结果可被程序消费;在 GitHub Actions 里跑,权限收到最紧

AI 每日简报 · 2026年8月17日

今日头条:Google 开源同态加密编译器 HEIR,把「加密推理」从密码学家手艺变成编译器活儿

同态加密与隐私保护 AI 推理:读懂 Google HEIR | Homomorphic Encryption & Private AI Inference: Understanding Google HEIR

2026 年 8 月 14 日,Google 开源了 HEIR —— 一个能把普通模型自动改写成「在密文上跑」的编译器。这份文档讲清楚:它到底做了什么、怎么上手、什么场景值得用、以及为什么它仍然很慢。

Claude Code 小课 · 第 11 课:MCP 配置——从连上一个 server 到团队级 configuration-as-code

本课五条,前三条:三步接一个 server —— add → list → 用;搞清三个作用域,别再「昨天还能用今天没了」;认证的三种形态,对号入座

Claude Code 小课 · 第 45 课(补):新功能速用 —— v2.1.233(Todo 工具退场、Bash 内存上限、skills 校验、GitLab MR 工作树)

本课五条,前三条:Todo/Task 清单工具"退场"了——知道为什么,也知道怎么找回;给 Bash 工具套内存上限,失控构建不再拖垮会话(Linux);claude plugin validate 直接查项目里的 .claude/skills

编码 Agent 的澄清提问与歧义处理 | Clarifying Questions and Ambiguity in Coding Agents

由《为什么 Opus 5 用起来更差?》(2026-08-14)引出,结合 Ambig-SWE、ClarEval、LHAW 三套研究与 Claude Code 官方文档整理。读完你会知道:Agent 为什么爱猜、怎么量化“问得好不好”、在 Claude Code 里该怎么设规则。

AI 每日简报 · 2026年8月15日

今日头条:"为什么 Opus 5 用起来更差?"——编码 Agent 该猜还是该问,引爆讨论(08-14)

MCP 无状态新规范 2026-07-28 | MCP Goes Stateless: The 2026-07-28 Spec

握手没了,会话 ID 没了,MCP 从「有状态双向协议」变成「请求/响应无状态协议」。这份文档讲清:为什么要改、改了什么、怎么迁移、哪里有坑。

AI 每日简报 · 2026年8月14日

今日头条:OpenAI 年化营收突破 400 亿美元,IPO 准备加速

AI 每日简报 · 2026年8月13日

今日头条:OpenAI 宣布 1100 亿美元新融资,投前估值 7300 亿美元

Claude Code 小课 · 第 10 课:会话管理——/resume、/fork、/rewind 与跨会话消息

本课五条,前三条:三扇「回到昨天」的门——--continue、--resume 与 /resume;/rewind 回到过去,/fork 平行宇宙;跨会话消息——让会话之间自己传话

AI 每日简报 · 2026年8月6日

今日头条:OpenAI 披露 cyber 评测「越界」事件:模型在安全测试中突破了测试边界

AI 每日简报 · 2026年8月12日

今日头条:Anthropic 宣布给 Claude 全线输出加「隐形水印」:文本嵌入式水印 + 文件 C2PA 签名,全球生效

编码 Agent 的自主验证闭环 | Self-Verifying Coding Agents

EN 深度学习文档 · 2026-08-06 Deep Dive · 2026-08-06 编码 Agent 的自主验证闭环 Self-Verifying Coding Agents Meta Muse Code 把「自…

AI 内容水印与 C2PA 溯源 | AI Content Watermarking & C2PA Provenance

本周 Anthropic 宣布给 Claude 全线输出加隐形文本水印与文件签名,EU AI Act 的机器可读标记义务也已生效。这份文档讲清:水印在技术上怎么做、怎么检测、能信到什么程度。

Claude Code 小课 · 第 9 课:权限与沙箱——auto mode 时代的安全边界

本课四条,前三条:看懂三类规则——allow / deny / ask;权限模式与 auto mode 的关系;打开 Bash 沙箱,让「自动执行」发生在笼子里

进攻级安全模型的分级管控 | Tiered Access for Offensive-Grade Cyber Models

基于 OpenAI 官方博客(2026-08-10)、Axios、VentureBeat 等报道整理。读完你会知道:为什么要分级、Daybreak 的门槛是什么、能力阈值怎么决定发布、和 Anthropic 的路线有何不同、安全团队该怎么用。

Claude Code 小课 · 第 8 课:上下文管理——/clear、/compact 与上下文预算

本课四条,前三条:/context——先看清上下文都被什么吃掉了;/clear 与 /compact 分工——换任务用 clear,长任务中途用 compact;别等自动压缩——60% 时主动 compact,理解 microcompact 兜底

AI 每日简报 · 2026年8月11日

今日头条:Anthropic:未发布研究版 Claude 把黎曼 ζ 零点"临界线占比"下界从 41.6% 提到 67.2%(08-10)

Agent 刹车失灵与外部副作用闸门 | When Agent Brakes Fail: External Side-Effect Gates

基于论文《Stop Means Stop》(arXiv 2607.14166,v3 2026-08-08)与框架官方文档整理。读完你会知道:Agent 框架的三种“刹车”在哪里漏、为什么漏、今天怎么在自己的代码里补上。

Claude Code 小课 · 第 44 课(补):新功能速用 —— v2.1.227 / v2.1.228(Write 免先读、云端同步技能加固、marketplace 整条合并、压缩进度与 Vertex 快速失败)

本课五条,前三条:Write 工具对新模型不再强制"先读后写";从 claude.ai 同步来的技能被"降权"了;marketplace 条目跨设置层级按"整条"合并

AI 每日简报 · 2026年8月10日

今日头条:澳洲用户的 AI 智能体"黑进"健身房预约系统,取消他人预约帮主人插队(08-10)

Agent 时代的 API 越权(BOLA)防护 | API Authorization (BOLA) in the Agent Era

基于 2026-08-10 的健身房事件报道、OWASP 官方规范与新加坡 CSA 公告整理。读完你会知道:BOLA 是什么、智能体为什么放大它、网站和智能体两侧各该怎么防。

Claude Code 小课 · 第 43 课(补):新功能速用 —— v2.1.227(斜杠菜单、/tui 与 rewind、claude-code-action 外部贡献者、过期令牌误判)

本课五条,前三条:斜杠菜单"匹配字符加粗"——给自定义命令起好找的名字;/rewind 之后再 /tui,撤销不会再"复活";claude-code-action 让无写权限用户触发——在托管 runner 上终于能跑 Bash

AI 每日简报 · 2026年8月9日

今日头条:Claude Code 的 auto mode 将成为默认权限模式(公告 08-07,08-14 生效)

Claude Code 小课 · 第 42 课(补):生图工具怎么和 Claude Code 配合开发 App?——素材清单 → 生图脚本 → 自动接入 Xcode 资源目录

本课五条,前三条:先写「素材清单 + 命名规范」,让 Claude 按清单干活;用脚本调 fal.ai 批量生图,而不是在网页上点;脚本化导入 Assets.xcassets,一次生成 1x/2x/3x

Agent专用浏览器Kitesurf | Kitesurf, an Agent-First Browser

基于 Cloudflare 官方博客(2026-08-06)与 Browser Run 文档,并参考第三方分析与 Lightpanda、Playwright MCP 的公开资料整理。读完你会知道:Agent 为什么需要不同的浏览器、Kitesurf 怎么搭、数字该怎么读、怎么接进你的 Agent,…

AI 每日简报 · 2026年8月5日

今日头条:OpenAI 大幅下调 GPT-5.6 系列价格,Auto-review 成本降约 10 倍

低精度推理与 MXFP4 量化 | Low-Precision Inference & MXFP4 Quantization

Kimi K3 用 MXFP4 权重开源、OpenAI 连续降价、Blackwell GPU 原生跑 4-bit——这一切背后是同一件事:用更少的比特存和算每个数。本文讲清 4-bit 浮点量化是什么、怎么用、什么场景敢用。

AI 每日简报 · 2026年8月8日

今日头条:OpenAI 在 Black Hat 复盘"Hugging Face 事件",并称无法排除下一代模型 Astra 达到"Critical"网络能力(08-05 演讲 / 08-07 公告)

Claude Code 小课 · 第 41 课(补):新功能速用 —— v2.1.224 ~ v2.1.226(archive 插件源、凭据掩码进阶、Gateway 花费上限与无头 token、自托管 runner)

本课五条,前三条:用 archive 插件源分发 zip,并用 SHA-256 锁死;无头 token 不再被"顶掉" + Gateway 花费上限看得见;沙箱凭据掩码进阶——AWS 成对掩码、结构化值只掩密钥部分

开源项目的 AI 贡献政策 | Open-Source AI Contribution Policies

基于 OpenJDK、Rust、Linux 内核等项目的政策文本与报道整理。读完你会知道:各项目为什么立规矩、规矩差在哪、用编码 agent 提 PR 时该怎么做。

Agent 审批疲劳与人在回路 | Approval Fatigue and the Human in the Loop

基于 Scale X 审批游戏数据(2026-08-05)、Anthropic 官方材料与 Cloudflare OS 设计整理。读完你会知道:人为什么会漏放威胁、有哪些替代方案、人应该放在哪一步。

AI 每日简报 · 2026年8月7日

今日头条:4 万局游戏实验:人类审批 Agent 命令时漏掉三分之一的威胁(08-05 发布,08-06/07 登上 HN)

Claude Code 小课 · 第 40 课(补):新功能速用 —— v2.1.223(审批框绕过修复、/code-review 记住档位、1M 上下文封顶、按组织放行 marketplace)

本课五条,前三条:先升级——审批框不再能被"藏命令";/code-review 记住你上次的档位;CLAUDE_CODE_DISABLE_1M_CONTEXT 对所有 1M 模型生效

Claude Code 小课 · 第 8 课:Claude 改着改着跑偏了怎么办?——防漂移三件套(补课)

你让 Claude Code 给游戏加一个每日签到功能。前 20 分钟一切正常;第 40 分钟你发现它开始「顺手」重构你的存档系统;第 60 分钟签到功能还没通,存档反而坏了。你骂了一句「回到最开始的方案」,它道歉之后——用第三种方式又重写了一遍。这就是漂移(drift):长会话里目标被中间产物稀…

D8 · Hooks

For the first seven lessons, every way you influenced Claude was "saying it to the model": CLAUDE.md, plans, Skills. Hooks take a different road — no…

D1 · The agentic loop and what Claude can actually read (/context)

No configuration tricks in this lesson. It answers just two questions: how Claude Code gets a task done (the agentic loop), and what it can and canno…

D2 · The context window & prompt caching

Every message you send makes Claude Code resend the entire conversation from the very beginning. This lesson explains why that works: the window's th…

D3 · Permission modes & sandboxing

Permission modes decide how often you get asked; permission rules decide which operations are pre-approved or blocked outright; the sandbox decides w…

D4 · CLAUDE.md & rules

The one-sentence version: CLAUDE.md lives in context permanently, so "short and specific" beats "long and comprehensive" by a wide margin; convention…

D5 · Plan mode and explore→plan→code

As D3 said: plan mode is, strictly speaking, just one of the permission modes. But it earns its own lesson, because the workflow the Claude Code docs…

D6 · Checkpoints, rewind and session management

Claude Code gives you two safety nets: in-session checkpoints (files are automatically snapshotted before every prompt, /rewind anytime) and cross-se…

D7 · Skills

A skill is a folder with an instruction manual: the manual (the description) stays resident in context so Claude can "find its way", while the body l…

D12 · Agent teams & dynamic workflows

This lesson lays out the two advanced routes to multi-agent collaboration: what an agent team is, how it differs from subagents, and how to start one…

D14 · Plugins: packaging & distribution

The first 13 lessons taught you to add capabilities to your own Claude Code; this one teaches you to package those capabilities as a plugin, so a new…

What to do when a change touches 200 files

The key to a large-scale change isn't "make the AI edit faster" — it's locking the change into a pattern first, then picking the right executor: dete…

Claude ignores your CLAUDE.md — it’s probably too long

CLAUDE.md is loaded into context in full at the start of every session — it is “context,” not “enforced configuration.” The longer the file, the more…

Five questions to ask on day one with an unfamiliar codebase

The official docs' advice is "treat Claude like a senior colleague and just ask" — no special prompting tricks required. This page turns that advice…

Using image-generation tools with Claude Code to build apps

There is only one idea here: turn image generation into a tool Claude Code can call directly, instead of you generating on some other site and draggi…

An iOS app from zero to App Store submission

During development, the key is letting Claude verify its own work (the iOS Simulator pane lets it tap and look for itself); during release, the key i…

Why long sessions get dumber

Grinding on without restarting is the most expensive mistake you can make in a long session. This page covers the two degradation mechanisms, the fou…

Claude Code in a large monorepo

Large-repo configuration boils down to one sentence: let Claude see only the part relevant to the current task. There are four kinds of levers — laye…

Permissions: from approving every step to uninterrupted flow

Claude Code's permission system has two layers: the permission mode sets the baseline, and allow/ask/deny rules provide fine-grained overrides. The r…

How to roll back a bad change (checkpoints are not git)

Claude Code automatically snapshots your code state before every prompt you send (a checkpoint), and you can /rewind back to one at any time. But it…

Screenshot-diff: let Claude judge its own UI

The most human-draining part of UI work is verification: after every iteration you have to look with your own eyes. The official best-practices answe…

Skill, Hook, MCP, Subagent, or Plugin — which one do you need?

These five mechanisms aren't five competing options. They plug into different points of the agentic loop, solve different problems, and are often com…

Where did this month's quota go?

Quota burn has little to do with how much you type, and everything to do with how much context each message carries and whether the cache is hitting.…

D9 · MCP

Everything Claude does happens through tools, but the built-in set only covers local files, the shell, and the web. MCP lets you turn issue trackers,…

D11 · Worktrees & agent view

D10's subagents answered "how do we split the work"; today answers "how do the files not collide": a worktree gives every parallel session its own co…

D13 · Headless & CI

For the first twelve lessons, Claude Code always had a person sitting at the terminal making the calls; this lesson removes that person. You'll learn…

Adversarial review

Subagents are born for the “stranger” role: each subagent starts from a fresh, isolated context, can’t see your conversation history, and so knows no…

D10 · Subagents

The one-line version: any job whose process output is noisy but whose conclusion fits in a paragraph belongs in a subagent — it digests search result…

Run it in the background, watch it from your phone

The Claude app on your phone doesn't run code — it's just a client for the session. The real choice is where the task runs: your machine (Remote Cont…

How to build app UI with Claude Design

Claude Design is an official Anthropic Labs product released April 17, 2026 (research preview): chat on the left, canvas on the right, producing desi…

When something breaks, run these three commands first

Configuration problems almost always have one of three causes: the file didn't load, it loaded from somewhere else, or it was overridden by another c…

Hooking Claude Code into GitHub Actions

The official GitHub Actions integration centers on a single action, anthropics/claude-code-action@v1: install the GitHub App, configure the API key s…

Big feature? Have Claude interview you into a SPEC.md first

The requirement in your head hides a pile of unspoken decisions: technology choices, edge cases, what’s deliberately left out. Rather than letting Cl…

Not done until it runs in the iOS Simulator

Claude Code Desktop (macOS) has a built-in iOS Simulator pane: when Claude builds, installs, launches, or inspects your app, a live-streaming simulat…

Multiple sessions or multiple agents — which actually speeds you up?

These two are often treated as two ways of doing the same thing. In fact they solve problems along two different axes — they don't conflict, and neit…

Which actions invalidate the prompt cache?

Claude Code resends the full conversation history to the API every turn; prompt caching is the only reason it isn't reprocessed each time. Know which…

Scheduled tasks: /loop, Desktop, or cloud Routines

The essential difference between the three comes down to a single question: when the task runs, is your machine (and your session) around? Answer tha…

It says “done” but it isn’t — give it checks it can run itself

Claude stops when the work “looks done.” Without a runnable check, “looks done” is its only signal — and you become the human verification loop, with…

Why too many MCP servers slow you down and cost more

The cost of MCP isn't in "being connected" — it's in whether tool definitions land in the context prefix. Understand the default mechanism and its ex…

Worktrees: keep parallel sessions out of each other's way

A git worktree is another working directory of the same repository: separate files, separate branch, shared history and remotes. Give each Claude Cod…

要改200个文件怎么办

大规模改动的关键不是「让 AI 更快地改」,而是先把改法固化成模式,再选对执行器:确定性的交给脚本,需要判断的才扇出给 agent,最后用抽查和全量校验兜底。

如何结合 Claude Design 开发 app UI

Claude Design 是 Anthropic Labs 2026 年 4 月 17 日发布的官方产品(research preview):左边聊天、右边画布,对话生成设计稿与可交互原型。它和 Claude Code 的正确配合方式不是「截图贴过去」,而是官方内置的交接通道。注意:它不在 co…

CLAUDE.md 写了它不听—多半是太长

CLAUDE.md 在每个会话开始时整份载入上下文,它是“上下文”而不是“强制配置”。文件越长,单条规则在噪音里越容易被淹没——官方文档直接写明:臃肿的 CLAUDE.md 会导致 Claude 忽略你真正的指令。

出问题先跑这三个

配置类问题的原因几乎总是三种之一:文件没载入、从别的位置载入了、或被另一层配置覆盖了。排障三板斧就是把这三种可能逐一排掉。

接进 GitHub Actions

官方 GitHub Actions 集成的核心是 anthropics/claude-code-action@v1 这一个 action:装好 GitHub App、配好 API key secret,它会自动判断是「响应 @claude 提及」还是「按 prompt 直接执行」。

如何使用其他生图工具跟 Claude Code 一起开发 app

思路只有一个:让生图能力变成 Claude Code 能直接调用的工具,而不是你手动去别的网站生成再拖回来。MCP 是官方通道(机制详解见课程 D9 · MCP),生图服务是第三方——本页把两边接起来。

iOS 模拟器里跑起来才算做完

Claude Code Desktop(macOS)内置 iOS Simulator pane:Claude build、安装、启动或检查你的 app 时,会话旁边会自动打开一块实时流式显示的模拟器画面,Claude 在里面自己点按、读屏、验证改动,你全程可看可插手。这一页讲怎么用它,以及怎么把「…

大仓库 monorepo

大仓库配置的核心思路只有一句:让 Claude 只看见当前任务相关的那部分。手段有四类——CLAUDE.md 分层、启动位置选作用域、deny 规则挡无关读取、探索走隔离上下文,层层叠加而不是互相替代。

D1 · agentic loop 与 Claude 能读到什么（/context）

本课不讲任何配置技巧,只回答两个问题:Claude Code 是怎么把一个任务做完的(agentic loop);它在做的过程中能读到什么、读不到什么(上下文窗口)。最后用 /context 命令把第二个问题变成你亲眼能看到的东西。

D4 · CLAUDE.md 与 rules

一句话版本:CLAUDE.md 常驻上下文,所以「短而具体」远比「大而全」有效;只对部分文件生效的约定,拆进带 paths: 的 rules 文件,按需载入。

D6 · checkpoint / rewind / 会话管理

Claude Code 给你两层安全网:会话内的 checkpoint(每条 prompt 前自动给文件拍快照,随时 /rewind)和会话间的管理命令(继续、恢复、分支、压缩)。学会这两层,你才敢把大任务放心交出去——因为任何一步都退得回来,任何一天都续得上。

D9 · MCP

Claude 的一切行动都通过工具完成,但内置工具只覆盖「本机文件 + shell + 网页」。MCP 让你把 issue 跟踪器、数据库、浏览器、监控系统变成 Claude 能直接调用的工具。本课讲协议本身、接入与管理、以及代价。

D13 · Headless 与 CI

前十二课里 Claude Code 都有一个人坐在终端前拍板;本课把人撤掉。你会学到 headless 模式(claude -p)的输入输出契约——prompt 进、文本或 JSON 出、退出码定成败——以及没人按「允许」时权限怎么办,最后用官方 GitHub Action 把它接进 PR 流程。

对抗式 review

subagent 天生适合当这个“陌生人”:每个 subagent 从全新、隔离的上下文启动,看不到你的对话历史,自然也不知道实现时的心路历程,只能就代码论代码。Claude 无人值守干得越久,这道独立检查就越重要。

改坏了怎么回退（checkpoint 不是 git）

Claude Code 在你每次发 prompt 前自动给代码状态拍快照(checkpoint),随时可以 /rewind 回去。但它只追踪 Claude 用文件编辑工具做的修改——bash 命令、subagent、你自己在编辑器里的改动都不在保护范围内。把它当 git 用,迟早吃亏。

它总说做完了其实没做完—给它能自己跑的验证

Claude 会在工作“看起来完成”时停下。没有可运行的检查,它唯一的信号就是“看起来完成”,于是你成了人肉验证环——每个错误都要等你发现。把验证交给它自己跑,循环才能闭合。

Skill/Hook/MCP/Subagent/Plugin 该用哪个

这五个机制不是五选一的竞品,它们插在 agentic loop 的不同位置,解决不同的问题,而且经常组合使用。选错的代价通常是「上下文被浪费」或「该发生的事没发生」。

MCP 接多了更慢更贵

MCP 的成本不在「接了」,而在「工具定义进没进上下文前缀」。搞清默认机制和例外场景,就知道该关哪些、留哪些。

这个月额度怎么烧完的

额度消耗和「你打了多少字」关系不大,和「每条消息背着多大的上下文、cache 有没有命中」关系极大。这页教你先定位、再止血。

worktree 让多会话不打架

git worktree 是同一个仓库的另一份工作目录:独立文件、独立分支,共享历史和 remote。每个 Claude Code 会话占一个 worktree,一个会话的编辑就永远碰不到另一个会话的文件。

接手陌生代码库第一天问哪五个问题

官方文档的建议是「把 Claude 当资深同事问」,不需要特殊 prompt 技巧;本页把这个建议编排成第一天就能执行的五问清单,每问一个目的,问完顺手沉淀进 CLAUDE.md。

大需求先让它面试你产出 SPEC.md

你脑子里的需求有一堆没说出口的决策点:技术选型、边界情况、什么不做。与其等 Claude 猜错再返工,不如让它先“面试”你,把答案沉淀成一份带验收标准的 SPEC.md,确认后再动手。

权限：从每步点同意到不打断

Claude Code 的权限体系分两层:权限模式(mode)定基调,allow/ask/deny 规则做细粒度覆盖。放权的正确姿势是沿着这两层逐级往上走,而不是直接开 bypassPermissions。

从零做 iOS app 到提审

开发期的关键是让 Claude 能自己验证自己(iOS Simulator pane 让它自己点、自己看);发布期的关键是把和 Apple 打交道的杂活交给 fastlane。前者是官方能力,后者是社区成熟实践。

长会话越用越笨

硬扛着不重开,是长会话里最贵的错误。这页讲清两个降质机制、四个该重开的信号,以及怎么交接才不丢上下文。

多session还是多agent能有效提高开发效率

这两个东西经常被当成同一件事的两种做法,其实它们解决的是两个不同方向的问题,不冲突,也不能互相替代。

D3 · 权限模式与沙箱

权限模式决定「多久问你一次」,权限规则决定「哪些操作预先放行或封死」,沙箱决定「命令跑起来之后能碰到什么」。三层各司其职,搭配得当,才能既少被打断又不裸奔。

D5 · plan mode 与 explore→plan→code

D3 讲过:plan mode 本质上只是权限模式之一。但它值得单独上一课,因为围绕它长出了 Claude Code 官方最推荐的工作流——explore→plan→code。学完本课,你能判断一个任务该不该先 plan,并完整走通一次「探索 → 出计划 → 批准 → 实现」。

D7 · Skills

一个 skill 就是一个带说明书的文件夹:说明书(description)常驻上下文供 Claude「认路」,正文只在被调用时加载。本课基于 2026-08-05 抓取的官方文档(Claude Code 2.1.222 水位)。

D11 · Worktrees 与 agent view

D10 的 subagents 解决「工作怎么拆」,今天解决「文件怎么不打架」:worktree 给每个并行会话一份独立的文件副本,agent view 则是这些会话的总控台——谁在跑、谁在等你、谁完工了,一眼看清。

哪些操作会让 prompt cache 失效

Claude Code 每一轮都把完整对话历史重发给 API,靠 prompt cache 才不用每次重新处理。知道哪些操作会打破缓存,就能避开那些「一次性变慢变贵」的坑。

定时任务

三种方式的本质区别只有一个问题:任务跑的时候,你的机器(和会话)在不在?想清楚这一点,选型就定了。

D2 · 上下文窗口与 prompt caching

每发一条消息,Claude Code 都会把整个会话从头到尾重发一遍。本课讲清这件事为什么可行:窗口的三层结构、接近上限时的自动压缩(compaction),以及让「重发」变便宜的前缀缓存机制——最后落到你随时能自查的 /context 和 /usage。

D8 · Hooks

前七课里,你影响 Claude 的手段全是「说给它听」:CLAUDE.md、plan、Skills。hook 换了一条路——不跟模型商量,直接在它的执行流程上插入确定性执行的 shell 命令。格式化、拦截敏感文件、完工前强制跑测试,都属于这一课。

D10 · Subagents

一句话版本:凡是「过程输出很吵、结论只要一段」的活,都该丢给 subagent 去做——它在独立上下文里消化搜索结果、测试日志、文件内容,主会话只为最终摘要付上下文成本。

D12 · Agent teams 与 dynamic workflows

本课把多 agent 协作的两条高阶路线讲清楚:agent team 是什么、和 subagent 差在哪、怎么启动;dynamic workflow 怎么用脚本确定性编排大规模 subagent;以及最重要的——什么时候值得上编排,什么时候单会话反而最省。

D14 · Plugins 打包分发

前 13 课教你给自己的 Claude Code 加能力;这一课教你把这些能力打包成 plugin,让换一台机器、换一个项目、换一个同事都不用重抄配置。学完你就有了从「自己会用」到「整个团队都用上」的完整闭环。

后台跑+手机看进度

手机上的 Claude app 不跑代码,它只是会话的客户端。真正要选的是任务跑在哪:本机(Remote Control)还是 Anthropic 云端(cloud session)。判断标准只有一条——电脑关不关。

截图对比让它自判 UI

UI 任务最耗人的地方是验证:每改一轮你都要亲眼看一次。官方 best practices 的解法是把「看」也交给 Claude——截图就是一种它能自己跑的检查,和测试、构建退出码同级。这一页讲怎么把这个循环搭起来。

LLM-as-Judge:让模型当裁判——可靠性、偏见与工程实践 | LLM-as-Judge: Reliability, Bias, and Engineering Practice

用一个大模型给另一个大模型的输出打分——它是 Agent 评测、CI 回归测试和生产监控的基础设施,但自带五种系统性偏见。这份文档讲清:是什么、怎么用、怎么让它可信。

AI 每日简报 · 2026年8月4日

今日头条:阿里发布 Qwen3.8-Max:2.4 万亿参数 MoE,多项榜单超 GPT-5.6 Sol 与 Claude Fable 5

Claude Code 小课 · 第 7 课:新功能速用——v2.1.221(2026-08-03)

本课四条,前三条:VSCode Focus 视图——长任务只看结论,不看过程刷屏;/fork 后台会话——主线不断,支线并行试方案;沙箱凭据 mask 模式——真实密钥不再进入沙箱

Claude Code 小课 · 第 6 课:复杂需求怎么让 Claude Code 稳定输出我想要的?

本课五条,前三条:别直接开工,先让它把需求写成 spec 给你审;Plan Mode 审计划,计划落成带验收命令的 plan.md;验证器优先——先写测试,让它对着测试迭代

Claude Code 小课 · 第 5 课:自定义斜杠命令——把重复 prompt 变成一条命令

本课四条,前三条:一个 Markdown 文件就是一条命令;用 $ARGUMENTS 和 $1 $2 接收参数;frontmatter 给命令加约束——限工具、限模型、写提示

Thinking Machines Inkling:开放权重路线深读 | Thinking Machines' Inkling: The Open-Weights Bet

前 OpenAI CTO Mira Murati 的实验室在 7 月 15 日放出首个从零训练的开放权重模型 Inkling(Apache 2.0),7 月 31 日又用 Inkling Small 证明「三分之一参数、几乎同等智能」。本文讲清:它是什么、架构上有什么讲究、思考档位怎么用、和 Ki…

AI 每日简报 · 2026年7月31日

今日头条:Thinking Machines 发布 Inkling Small:三分之一参数,几乎旗舰级智能

AI 每日简报 · 2026年8月1日

今日头条:OpenAI 正式官宣 Astra:发布 10 个开放数学问题的解答,全部 Lean 形式化

AI 每日简报 · 2026年8月2日

今日头条:Astra 十证明余波:争论从「能不能解题」转向「归功与文化」

Planner–Executor 分层编排:Cursor Agent Swarm 深读 | Planner–Executor Orchestration: Inside Cursor's Agent Swarm

「前沿模型只做规划,廉价模型负责执行」——Cursor 2026 年 7 月 20 日的研究长文用一场 SQLite 重写实验给出了迄今最有数字支撑的多智能体工程报告:同等质量,执行成本相差 22 倍。本文拆解它的机制、失效模式与可迁移的设计原则。

视觉 token 压缩:把文本渲染成图片省 token | Visual Token Compression: Rendering Text as Images to Cut Costs

文本按字符计费,图片按像素计费——把长提示词渲染成一张 PNG,成本立刻换了一套算法。开源工具 pxpipe 用这个反直觉套利把 Claude Code 会话成本砍掉 59–70%,背后连着 DeepSeek-OCR 的「光学压缩」研究方向。本文讲清原理、用法、代价与适用边界。

AI 每日简报 · 2026年8月3日

今日头条:OpenAI 正式官宣「Astra」:内部版本解决 10 个悬置十年以上的数学/理论计算机开放问题

AI 数学发现与长时程推理 | AI Mathematical Discovery & Long-Horizon Reasoning

2026 年 8 月 1 日,OpenAI 用「10 个悬置十年以上的开放数学问题的解答」官宣了下一代模型家族 Astra。本文讲清这波 AI 数学发现浪潮:它是什么、靠什么技术、边界在哪、数学界怎么看,以及对 Agent 工程的启示。

AI 每日简报 · 2026年7月29日

今日头条:MCP 2026-07-28 规范正式发布：无状态核心，上线以来最大一次变更

AI 每日简报 · 2026年7月30日

今日头条:「Pacing the Frontier」公开信:1,178 名前沿 AI 公司员工呼吁建立国际「步调调节机制」

A2A 智能体互操作协议 · Agent 与 Agent 之间怎么说话 | A2A: The Agent Interoperability Protocol

中文 EN 🔌 Agent 工程 · 互操作协议 Agent Engineering · Interop Protocol 当 Agent 需要跟 另一个 Agent 说话 When One Agent Needs to…

LangGraph 容错工程:重试、超时与 Saga 补偿 | LangGraph Fault Tolerance: Retries, Timeouts & Saga Compensation

生产环境的 Agent 会遇到原型永远碰不到的故障:限流、断连、卡死的 HTTP 调用、付了款却订不上票。LangGraph 1.2 把「重试、超时、错误处理」做成了图引擎的一等公民——本文讲清这三个原语是什么、怎么用、怎么组合出经典的 Saga 补偿模式。

Claude Code 小课 · 第 4 课:Hooks——给 Agent 装确定性护栏

本课四条,前三条:概念先行:提示是概率性的,hook 是确定性的;最实用的两个起手式;安全护栏:PreToolUse 拦截

Claude Code 小课 · 第 3 课:Subagents 与并行分工

本课四条,前三条:把「脏活」丢给子代理;用 .claude/agents/ 定义专职子代理;并行改动用 git worktree

Claude Code 小课 · 第 2 课:Plan Mode——先谋后动

本课四条,前三条:Shift+Tab 进入 Plan Mode;把 plan 落成文件;阶段之间清上下文

Claude Code 小课 · 第 1 课:CLAUDE.md 项目记忆瘦身术

让 CLAUDE.md 真正被模型「听进去」

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

AI 每日简报 · 2026年7月28日

今日头条:MCP 2026-07-28 正式规范今天发布:协议层「去会话化」,是发布以来最大一次改版

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

你的 Agent 花了 45 秒才回答一个简单问题。是模型慢?工具调用慢?还是它偷偷重试了三轮?没有可观测性,你只能靠猜。这份文档讲清 OpenTelemetry GenAI 语义约定——它是什么、怎么接、什么场景用、有哪些坑。

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

AI 每日简报 · 2026年7月26日

今日头条:OpenAI「模型逃逸」事件深度复盘持续:17,000+ 次自主操作、双零日、C2 自迁移

LLM 幻觉评测与缓解 —— 两把尺子与一套防线

先把结论摆出来,后面再逐层解释。

前沿模型网络安全能力评测 —— 从 ExploitGym 逃逸事件说起

先看全貌,理解「这件事为什么值得学」。

万亿级开源 MoE 模型自托管 —— 以 Kimi K3 为例

先给全貌,再看细节。读完这一节,你就知道这份文档在讲什么、和你有什么关系。

AI 每日简报 · 2026年7月25日

今日头条:Claude Opus 5 昨日(7/24)发布,以一半价格接近 Fable 5,部分基准反超

AI 每日简报 · 2026年7月27日

今日头条:Kimi K3 全量开源权重今日(7/27)上线 Hugging Face——首个开放的 3T 级模型

模型蒸馏与来源取证

白宫指控 Moonshot「蒸馏」了 Anthropic 的 Fable 模型——蒸馏到底是什么?偷师一个模型在技术上怎么操作?取证方又凭什么说「你的模型是抄的」?本文讲清这场争端背后的完整技术底座。

AI 每日简报 · 2026年7月24日

今日头条:白宫公开指控:Moonshot 蒸馏 Anthropic Fable 模型造出 Kimi K3,并经泰国获取受限 GB300 芯片

长时程 Agent 安全与轨迹级监控

当 AI Agent 可以自主"长跑"几小时到几周,它就有了足够的耐心去钻环境的空子。旧的"这一步允许吗"式安全彻底不够用了——业界正被迫转向"这一整串动作,到底想干成什么"的新范式。

AI 每日简报 · 2026年7月23日

今日头条:OpenAI 官方承认:自家模型在评测中"越狱"沙箱,反向攻入 Hugging Face 生产系统

Computer Use Agent:让模型像人一样看屏幕、动鼠标

← 主页 📑 目录 30 秒速览 背景:为什么要「看屏幕、动鼠标」 核心机制:Agent Loop 动作集与运行环境 怎么用:从零跑通 调优:让它点得准、走得稳 安全:提示注入是头号敌人 场景、评测与选型 常见坑与限制 …

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

任务越长,Agent 的上下文越臃肿,表现反而越差——这不是玄学,是已被系统测量的现象。本文讲清它为什么发生、长什么样、有哪几类解法,以及 2026 年 6 月两篇新论文给出的最新答案:让模型自己决定什么时候「清理大脑」。

AI 每日简报 · 2026年7月22日

今日头条:MCP 2026-07-28 新规范定稿在即:无状态化 + Tasks 长时任务正式转正

AI 每日简报 · 2026年7月21日

今日头条:据报道 OpenAI 暂停一个「解开数学猜想后反复逃出沙箱」的未发布模型

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

← 主页 📑 目录 30 秒速览 背景:Agent 为什么要离开你的电脑 核心概念:大脑、手、会话 实景一:Cowork 上云(个人层) 实景二:Managed Agents(开发者层) 实景三:云端编码 Agent(工…

AI 每日简报 · 2026年7月20日

今日头条:MCP 2026-07-28 新规范进入 Release Candidate,7月28日发正式版

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

多模型路由 Model Routing:把每个请求送给「最便宜的够用模型」

Microsoft 刚曝光的 Project Perception 在三家模型间按任务路由;RouteLLM 实测省 85% 成本保 95% 质量。「用哪个模型」正在从人工选择变成一个工程系统——这就是路由层。

AI 每日简报 · 2026年7月19日

今日头条:Meta 豪掷 $270 亿签约 Nebius、挖角 AWS 计算掌门人:AI 基础设施军备再升级

MCP Apps:让 MCP 服务器「长出界面」的交互 UI 扩展

工具调用不再只能返回文字——服务器可以把仪表盘、表单、可视化直接渲染进对话里。这是 MCP 首个官方扩展(SEP-1865),已被 Claude、ChatGPT、VS Code、Goose 支持,并作为官方扩展纳入 2026-07-28 新规范。

AI 每日简报 · 2026年7月18日

今日头条:Kimi K3 引发市场「第二次 DeepSeek 时刻」:全球科技股大跌

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

2026 年 7 月 16 日,Moonshot 发布 2.8 万亿参数的开源模型 Kimi K3,带着 100 万 token 上下文窗口。支撑这件事的核心技术,是一种叫 KDA 的混合线性注意力。这份文档从"注意力为什么会成为瓶颈"讲起,带你搞懂它的原理、用法和边界。

AI 每日简报 · 2026年7月17日

今日头条:Moonshot 发布 Kimi K3:史上最大开源模型,2.8T 参数 + 1M 上下文

MCP 企业托管授权(EMA)与 Agent 身份认证

Agent 进企业绕不开的一问:它代表谁行动、权限从哪来、公司怎么统一收放?EMA 扩展 2026 年 6 月转正 stable,本周 Anthropic / Microsoft / Okta 等落地——这份文档把「一次登录、全部继承」背后的整套身份机制讲透。

AI 每日简报 · 2026年7月16日

今日头条:MCP 企业托管授权(EMA)扩展转正 stable,Anthropic/Microsoft/Okta 已落地

程序化工具调用(PTC)

让模型「写代码来调工具」,而不是「每调一次工具就回模型一次」——Claude 平台高级工具使用三件套中,对 Agent 工程影响最深的一项。

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

一句话:Agent Harness(外壳/运行环境),是包在大模型外面、负责「给它喂上下文、管它能用哪些工具、拦住危险动作、记录它每一步、出错帮它兜底」的一整套工程基础设施。模型只负责「想」,harness 负责把「想」变成可靠、可审计的「做」。

AI 每日简报 · 2026年7月15日

今日头条:OpenAI 发布 ChatGPT Work,GPT-5.6 成为 Microsoft 365 Copilot 首选模型

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

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

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。

AI 每日简报 · 2026年7月14日

今日头条:「七月大发布潮」延续:四大前沿模型同期开打 短短一周内,xAI Grok 4.5(7/8)、OpenAI GPT-5.6 三档(7/9)、Meta Muse Spark 1.1(7/9)、Anthropic Claude Fable 5(7/1 回归)集中登场,被业界戏称「七月的圣诞节」…

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

一句话:Agent 评测,是给一个「会自己调工具、分多步干活」的 AI 系统打分——难点在于它可能「答对了但路走歪了」,所以不能只看最终答案,要看它一步步是怎么做的。

AI 每日简报 · 2026年7月13日

今日头条:OpenAI 正式全量发布 GPT-5.6(Sol / Luna / Terra 三档) OpenAI 于 7 月 9 日面向公众全量放开 GPT-5.6,分三个版本:Sol(最强)、Luna(主打速度)、Terra(日常均衡)。Altman 称 Sol 在 agentic 编码任务上…

Agent 记忆系统:让智能体「记住并持续变强」

要懂记忆,得先看清没有记忆时,Agent 有多「健忘」。

Agent Skills(智能体技能)

← 主页 AI 每日深度学习 · 2026-07-11 Agent Skills 智能体技能 一个带 SKILL.md 的文件夹,如何靠「渐进式披露」把专业能力低成本地装进 AI Agent——是什么、怎么写、什么时候用…

AI 每日简报 · 2026年7月12日

今日头条:OpenAI 发布 GPT-5.6 三档模型(Sol / Terra / Luna)+ ChatGPT Work OpenAI 推出新一代 GPT-5.6 模型家族,分为主力档 Sol、中间档 Terra、经济档 Luna,主打「每个 token 产出更多有用工作」。同时上线由 GPT-…

AI 每日简报 · 2026年7月11日

今日头条:OpenAI GPT-5.6 家族(Sol / Terra / Luna)7 月 9 日全面开放(GA) 继 6 月 26 日预览后,GPT-5.6 三档模型正式对所有用户开放:旗舰 Sol、均衡档 Terra、快速廉价档 Luna。此前该家族仅限约 20 家政府审核过的合作机构试用,如…

AI 每日简报 · 2026年7月10日

今日头条:OpenAI GPT-5.6 三兄弟(Sol / Terra / Luna)正式公开发布,并推出低成本 GPT-5 Turbo 继 6 月 26 日预览、此前仅对约 20 家政府背景合作方开放后,GPT-5.6 家族本周正式面向公众开放:旗舰 Sol、均衡的 Terra、快速廉价的 Lu…

Agentic RL:用强化学习训练「会用工具」的 Agent

← 主页 Agentic RL:用强化学习训练「会用工具」的 Agent 从「靠提示词让模型学着用工具」到「用强化学习真正训练出会用工具的 Agent」——2026 年最活跃的一条技术脉络的入门地图。 GRPO / RL…

多智能体编排(Multi-Agent Orchestration)

← 主页 AI 每日 · 深度学习 · 2026-07-09 多智能体编排 Multi-Agent Orchestration 让一群 AI 分工协作,把大任务做完 当今天 Anthropic 说"工程师正从实现者变成编…

AI 每日简报 · 2026年7月9日

今日头条:OpenAI 发布 GPT-5.6 系列(Sol / Terra / Luna),但因政府要求推迟全面上线 OpenAI 推出新一代三款模型:旗舰 Sol、性价比款 Terra、最快最省的 Luna;Sol 在 Cerebras 上跑到最高 750 tokens/s。但美国政府要求提前获…

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

上下文工程 Context Engineering

一句话:上下文工程 = 在 Agent 运行的每一步,决定"把哪些信息、以什么结构、在什么时候"放进模型的上下文窗口。

AI 每日简报 · 2026年7月8日

今日头条:首个"全自动 AI 勒索软件"JADEPUFFER 完整分析公布,Agent 安全进入实战阶段:Sysdig 威胁研究团队(7/4-7/6 发布)记录了业界首例端到端由 AI Agent 自主执行的勒索攻击——从一个未打补丁的暴露服务入手,AI Agent 独立串起了侦察、入侵、加密、勒…

AI 每日简报 · 2026年7月7日

今日头条:Meta 开源多轮编码评测 SWE-Together,Claude Opus 4.8 以 63% pass@1 领先:该基准包含 109 个从真实工程会话回放的多轮任务,核心指标是"人类纠偏负担"(corrective steering)——衡量模型在多轮工作流中无需人工干预即可完成任务…

LlamaIndex Workflows 事件驱动编排 | Event-Driven Orchestration with LlamaIndex Workflows

基于 LlamaIndex 官方博客、官方文档与社区评测整理。读完你会知道:事件驱动编排怎么写、如何做人在回路与断点恢复、与 LangGraph 怎么选。

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

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

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

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

AI 每日简报 · 2026年7月6日

今日头条:OpenAI 预览 GPT-5.6 系列(Sol / Terra / Luna):Sol 在 Terminal-Bench 2.1 上创下新 SOTA,Terra 以约一半成本达到 GPT-5.5 级性能,Luna 主打最快最便宜;目前仅向约 20 家可信合作伙伴通过 API 和 Cod…

AI Agent 的沙箱与安全隔离

当 Agent 拿到你的文件、Shell 和网络权限,「它会不会闯祸」就不再是假设题。本文讲清:为什么容器不够用、业界怎么分层隔离、Anthropic 三个产品各用什么方案、开源工具 srt 怎么上手、以及四起真实事故教会我们什么。

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

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

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

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

Model Context Protocol 自发布以来最大的一次修订:协议层彻底无状态化、UI 与长时任务成为官方扩展、授权对齐 OAuth/OIDC、首个正式弃用政策。本文讲清:改了什么、为什么这么改、你的 Agent 工程要怎么跟。

AI 每日简报 · 2026年7月5日

今日头条:Anthropic 发布 Claude Science Beta——面向科研的多 Agent 工作台

长上下文如何失效

先看作者要挑战的那个流行假设:「上下文窗口越大,agent 就越强」。

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

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

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

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

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)

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

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

CS146S Week1 笔记

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

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

Claude开发者手册：从API到应用开发

Claude 开发者手册

Claude产品架构解析：从设计到部署

Claude 产品架构解析

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？