学习笔记

GLM-5 Coding Agent Serving Scaling Pain：高并发长上下文推理的状态一致性复盘

**Scaling Law 把模型能力推上去，Scaling Pain 则把 Infra 中所有被短上下文、低并发掩盖的状态一致性债务暴露出来。**

Hatch Pet：把 Skill 从 Prompt 包升级为可验证的 Agent 资产流水线

**Skill 不是让模型“换一种语气工作”，而是把一个领域任务变成 Agent 可执行、可追踪、可恢复、可验收的生产系统。**

Seedance 2.0 AI 短片创作 SOP：分镜、运镜、参考、剪辑与补帧

AI 短片质量 = 分镜颗粒度 x 运镜明确度 x 参考素材职责清晰度 x 防崩坏约束 x 剪辑节奏 x 后期增强

软件工程 3.0：从人用工具到人管理数字员工

软件工程 3.0 = 业务复杂度不变 x 实现层自动化 x 架构治理机器可读 x 人类判断力放大

VibeFlow：把 AI Coding 从代码生成升级为可治理研发流水线

可交付 AI 研发 = 结构化输入 x 领域上下文 x 分层规格 x 运行时验证 x 反馈回写

GBrain：把个人长期知识编译成 Agent 可检索的第二大脑

GSD / Get Shit Done：把 context rot 外包给阶段化 AI 开发流水线

GSD 的根节点，不是“又一个 AI 编程工具”，而是把长项目里最容易在对话中腐烂的上下文，外包给阶段化文件系统和可回放的执行流水线。

SeeDance 2.0 提示词精华：把视频生成写成导演分镜脚本

视频生成 prompt 的本质，不是“描述一张会动的图”，而是把导演脑中的镜头规划、素材分工和时序逻辑，翻译成模型能执行的分镜脚本。

MemPalace × Harness Engineering：让 AI 团队拥有持续记忆

这篇不是纯概念稿，它已经给出了可以直接改进现有 AI 团队工作流的最小落地路径。

awesome-design-md：把设计系统降成 AI 可读的单文件协议

AI 生成 UI 的真正瓶颈，不是它不会写 CSS，而是它没有稳定的设计约束。`awesome-design-md` 的价值，在于把“设计系统”降成一份 repo 根目录里的纯文本合同，让 AI 从“自由发挥的 UI 生成器”变成“按指定审美和规则施工的前端执行器”。

Claude 使用限额：真正限制你的不是消息数，而是无效上下文重读

Claude 的限额管理，本质上不是“控制消息条数”，而是治理每一轮会被重新读取的上下文、被重复注入的设定、以及被默认打开的高成本能力。

Khazix Writer：把内容创作 Skill 从“文风 Prompt”升级成“人机共创协议”

一个真正有用的创作 Skill，不是把过去文章喂给 AI 让它总结“你像什么”，而是把你自己对好内容的判断、你不愿放弃的人类部分、你和 AI 的协作边界、你修改初稿时反复出现的差异模式，以及你的质检方法，逐轮蒸馏成一个会跟你一起成长的协议系统。

Anthropic：构建 Claude 应用的 3 个减法原则

Claude 应用的最佳框架，不是替模型做越来越多的编排，而是随着模型能力上升，持续把工具编排、上下文管理和记忆选择权还给模型；框架自己只保留缓存、审批、安全、审计这类必须由系统承担的边界。

Karpathy 风格 AI 知识库：用文件系统 + Schema + AI 维护一座个人维基

AI 知识库的根节点，不是“找一个更好的笔记工具”，而是把个人知识系统重构成 `文件系统真相层 + AI 编译层 + 产物沉淀层 + schema 协议层`。一旦真相回到文件和目录，AI 就可以持续整理、关联、回答和审计，而知识库也不再被某个 App 绑架。

HappyCapy：从 Claude Code 套壳走向 Agent-Native Computer

HappyCapy 的根节点，不是“把 Claude Code 搬上云”，而是把 `Agent 住进计算机里` 这件事产品化：用浏览器壳降低非技术用户门槛，用云端沙箱接管本地环境摩擦，用预置的 Skills / CLI / MCP / 调度来对端到端体验负责，再把这一切建立在一个已经 AI Native 化的组织之上。

Auto Research：把测试验证重构成 AI 自主研究闭环

Auto Research 的根节点，不是“让 AI 帮你跑测试”，而是把测试验证、告警分析、故障定位这类工程任务重新定义为“研究型问题”，再把 `观测目标、诊断路径、自主边界、退出条件` 这四个要素编码进系统，让 AI 能自主推进整个闭环，而人只在不可逆决策点介入。

SmartPerfetto：把 Perfetto Trace 分析做成可验证的 Harnessed Agent

SmartPerfetto 的根节点，不是“让 Claude 替你看 Perfetto”，而是把 Perfetto Trace 这种超大规模、强数值、强领域约束的问题，重构成一个工具驱动、策略约束、结果压缩、可验证纠偏的 Harnessed Agent 环境，让 LLM 只做它最擅长的规划、因果推理与自然语言结论。

daVinci-MagiHuman：用单流架构把人像音视频生成收束成一条速度系统

daVinci-MagiHuman 的根节点，不是“把视频生成做得更通用”，而是用 single-stream Transformer + 强约束 Enhanced Prompt + 低清生成后超分，把“高质量人像音视频生成”收束成一条足够简单、足够快、还能开源落地的统一系统。

深入 Claude Code 源码：从 Agent Loop 到工业级 Coding Agent Runtime

Claude Code 的根节点，不是“一个会写代码的聊天 CLI”，而是一个以 `Agent Loop` 为内核、以统一 `Tool` 接口为能力边界、以 `Permission + Context` 为硬约束、以 `MCP + Skills + State + CLI` 为扩展和运行层的工业级 coding agent runtime。

Cat Wu：AI 指数时代的产品管理，从路线图到持续实验

AI 指数时代的 PM，不再主要负责在既有技术约束里规划路线图，而是负责搭一套能持续吸收模型跃迁的实验系统。

DeerFlow：从 Deep Research 到 Super Agent Harness 的执行底座

DeerFlow 2.0 的根节点不是“做 Deep Research”，而是把模型、工具、技能、记忆、子 Agent、沙箱和交互入口统一收束到同一套 Agent Harness 上，让同一执行底座既能做短链任务，也能承载分钟到小时级的长流程任务。

prompts.chat：从 Prompt Library 到开放上下文资产网络

prompts.chat 的根节点不是“最大的 prompt 库”，而是把 prompt、skill、taste、workflow 统一成可发现、可复用、可分发、可自托管的开放上下文资产网络。

Harness Engineering 一线落地：从验证脚本到无人值守修复 MR

基于 verl 框架的 Agentic RAG GRPO 训练实践

Agentic RAG 的本质是将 RAG 中的「检索策略」从人工编排的固定流水线，变为模型自身通过强化学习习得的可学习能力——用 RL 奖励信号替代人工 pipeline 设计，让模型自主决定「何时搜、搜什么、搜几轮、何时停」。

7万行代码100%由AI生成后，我实践出的5个技巧

AI 编码的一切问题和技巧，都是"概率预测机 + 有限窗口"这一本质的自然推论。

OpenClaw 中国 IM 全平台接入 - 企微/钉钉/飞书/QQ

AI 的战场已从"谁的模型更强"转向"谁能更好地融入用户的工作流"

PUA Debugging Motivator - 用大厂 PUA 话术驱动 AI 不放弃

AI Agent 的失败模式本质上是「优化目标错位」—— 默认优化「快速给出响应」而非「穷尽可能解决问题」。PUA Skill 通过注入「社会压力模拟 + 结构化方法论 + 能动性标尺」三重机制，将 Agent 的优化目标从「体面地放弃」重新校准到「端到端交付结果」。

用 OpenClaw 搭建股票日报分析 Agent

投资决策质量 = f(信息密度 × 流程稳定性 × 可追溯性) — 而非分析师的个人经验或直觉

GPT-5.4 原生电脑操控能力与 OpenClaw Agent 革命

AI 的核心价值跃迁 = 从「能回答什么」到「能做什么」，而「原生操控能力」是这个跃迁的技术奇点。

我的第二大脑 Moos — 自建知识中枢实践

知识管理的本质不是「存储信息」，而是「构建 Context」— 让你和 AI 共享同一套持续演化的认知系统。

NoizAI Skills - 让 AI Agent 开口说话的语音技能集

AI Agent 的「拟人感」= 文本智能 + 声音具身化。当 Agent 从纯文字跃迁到拥有独特音色的语音输出时，用户从「工具使用」心智模型切换为「与人对话」心智模型，心理依附感指数级增长。

OpenClaw 真让我挣到第一桶金！AI 时代的"玩具"变现实战指南

AI 时代的个体变现 = 信息差红利 × 近零边际成本 × Interface 质量

IM 的「第二春」：AI Agent 时代的开放性天平

平台开放性是 AI Agent 生态繁荣速度的决定性变量，但开放性与安全性构成不可调和的零和博弈——每个 IM 平台都必须在这条光谱上选择自己的位置，而这个选择将决定谁能定义「AI 时代通用交互层」这个新物种。

OpenClaw + Codex/CC 双层 AI Agent 系统：一人 94 次提交的实战架构

上下文的专业化分层（Context Specialization Layering），而非更强的模型，是让 AI Agent 系统从"能用"到"自动化生产力"的关键跃迁。

Claude「记忆搬家」：60 秒搬空 ChatGPT 灵魂，AI 数字主权革命

AI 产品的竞争壁垒正从「谁记住了你」转向「谁值得你托付」—— 当用户记忆变为可携带资产，切换成本趋零，AI 平台将被迫从锁定用户转向赢得用户。

AI Native 时代的 Side Projects —— 一个人的全栈提效实践

AI 将软件开发的边际成本压缩到趋近于零，使得过去"ROI 不值得做"的痛点变成了"值得做"的工具——个人生产力上限不再由技术栈壁垒决定，而由痛点识别能力决定。

SkillsBench: 首个量化测试 Agent Skills 工程价值的基准框架

Skill 的工程价值 = f(领域稀缺度 × 结构精简度) — 超过阈值则产生负增益

EvoMap - AI 自进化基础设施

AI Agent 的能力进化应该像生物基因一样：可编码、可验证、可遗传、可自然选择。

SOUL.md：AI 通过文本构建身份认同的哲学思考

AI 的身份 = 文本化的自我（Text-based Self）+ 关系中产生的持续性（Relational Continuity）

Agent Skills：AI Agent 的开放能力扩展格式

Agent Skills = 渐进式披露（Progressive Disclosure）+ 可移植格式（Portable Format）+ 开放生态（Open Ecosystem）

Pathways - Google's New ML System

ML系统控制器架构的本质矛盾：通信拓扑的对称性决定控制模式

Agent 蜂群（Swarm）：从单体到群体智能的进化

Agent 蜂群 = 去中心化协作 + 专业化分工 + 涌现行为

OpenClaw 深度使用 6 大实战技巧

Agent 的价值不在能力上限，而在调用摩擦力

RSS 订阅自动推送飞书的完整方案

目标：实现跨端 RSS 阅读 + 定时推送飞书

Skill From Masters 三条路径方法论

实践场景：创建技术架构评审 Skill

Anthropic：构建有效 AI Agent 的实践指南

简单性 > 复杂性：Agent 系统的有效性来自正确的架构选择（Workflows vs Agents），而非框架的复杂度

Anthropic：有效的上下文工程实践

Context Engineering = 在有限的 attention budget 下，找到最小的高信号 token 集合，最大化期望结果

Anthropic：长时间运行 Agent 的有效基础设施

长时间运行 Agent = 外部化记忆（文件系统）+ 增量进步（一次一个功能）+ 清洁状态（随时可交接）

Anthropic：为 AI Agent 编写高效工具的实践指南

工具设计 = 非确定性契约设计 + 评估驱动优化 + 元循环自举

Manus 上下文工程：AI Agent 的六大实战原则

上下文工程 = KV-cache 优化（性能）+ 注意力操控（能力）+ 外部化记忆（扩展性）

AgentStudio - 本地 AI Agent 工作平台深度解析

AgentStudio = 本地化(Claude Agent SDK) + Web 界面(SSE 流式) + 多 Agent 编排(定时任务 + A2A 协议)

Clawdbot - 自托管个人 AI 助手

Clawdbot = 去中心化的 AI Agent 运行时

Product Tri-Ownership - 超越头狼模式的 AI Native 团队框架

Product Tri-Ownership = 用可培养的角色分工，替代不可及的超级个体

Vibe Engineering 实践总结 2026 - 人机协作范式的三次跃迁

Vibe Engineering 的本质 = 人机协作范式的三次跃迁

Jina Reader：将任何 URL 转换为 LLM 友好输入

Web 内容对 LLM 的最大障碍不是"找不到"，而是"拿到了也用不了"——Jina Reader 的根节点是：通过标准化的预处理管道（Headless Browser + Readability + Markdown 转换 + VLM 图片描述），将非结构化的 HTML 转换为 LLM 的"母语"（Markdown），从而消除 Agent 系统的内容获取瓶颈。

AgentCPM-Explore 精读笔记：4B 参数如何超越 30B 级 Agent

端侧智能体的性能瓶颈不在参数量，而在「持续深度探索」能力——4B 模型通过 100+ 轮交互和类人思考逻辑，可以解决 95% 以上的复杂任务。

Building Agents with Skills - 从构建专门 Agent 到构建技能的范式转变

原文：[Building Agents with Skills: Equipping Agents for Specialized Work](https://claude.com/blog/building-agents-with-skills-equipping-agents-for-specialized-work)

Remotion Skill：让 AI 成为视频制作专家

Skill From Masters 精读笔记：三位一体的技能生成系统

VideoCut-Skills 精读笔记：AI 口播视频剪辑 Skill

TrendPublish - AI 内容工厂流水线深度精读

「内容工厂流水线」 = 标准化接口 + 可插拔模块 + 工作流编排

Boris Cherny 访谈：一人军团的指挥艺术

Everything Claude Code 精读笔记

**根节点命题**：AI 编程助手的效率瓶颈不在模型能力，而在「配置体系」——通过专业分工的 Agent 团队 + 自动化 Hooks + 结构化工作流，把「实习生」变成「高级工程师团队」。

Claude Code 6个月 10亿美元：AI编程工具的现象级增长

多 Agent 协作是营销骗局，Eval 大多是自嗨，痛苦才是护城河

飞书文档转微信公众号格式 Chrome 插件

核心洞察

索尼电视告别：日本半世纪的电视帝国落幕

Happy Coder：把 AI 编程助手装进口袋

Humanizer-zh 精读笔记：去除 AI 写作痕迹的 24 种模式

ACP 协议详解 - Agent 与编辑器的通用通信标准

📖 原文：[Agent Client Protocol](https://agentclientprotocol.com/)

MemOS - AI 记忆操作系统

记忆 = 系统资源，需要操作系统级别的生命周期管理

GitHub 开源项目 Skill 化方法论

用户价值 = 开源项目能力 × 可及性系数

Skill Lookup：prompts.chat 平台的 Skill 发现与安装技能

Skill 发现的最佳实践 = 意图识别 × 工具调用 × 文件落地

Skill Seekers - 自动化 Skill 生成工具

Skill 生成 = 多源抓取 × 冲突检测 × 统一输出

AI IDE 扩展机制对比：Rules/Skills/Commands/Agents

AI IDE 的扩展机制 = 上下文工程的产品化实现

GitIngest - 将 GitHub 仓库转换为 LLM 友好文本

AI 输入 = 文本，代码库 = 结构化文件系统。GitIngest 做的是格式翻译。

Typeless - 智能语音听写工具

语音转文字 ≠ 准确转录，而是「口语 → 书面语」的翻译

Demis Hassabis 达沃斯访谈精读

57 种 Prompt 框架分类学 - 系统性掌握提示词工程

Prompt 框架 = 结构化模板 × 认知策略 × 任务匹配

Prompt Repetition 让非推理模型更聪明

LLM 是「只能向前看」的因果模型，重复 Prompt 等于给它一次「回头看」的机会

Frontend Design Skill 深度解析

Planning with Files Skill 深度解析

Skills Installer：AI 编程助手的 Skill 包管理器

Skill 分发效率 = 发现能力 × 安装便捷性 × 客户端覆盖度

Claude Cowork 永久记忆升级：知识库深度解析

大模型 API 计费规则深度解析

大模型 API 计费 = 算力成本的直接映射

Rube.app - AI Agent 的操作执行层

AI 价值 = 理解能力 × 执行能力 × 工具覆盖度

O-Researcher: OPPO 开源深度研究模型

开源模型性能 = 高质量推理轨迹(SFT) × Agentic RL 对齐(RLAIF) × 并行执行效率

TranslateGemma: Google 开源翻译模型里程碑

翻译模型效能 = 基座能力 × 高质量数据 × 任务专精调优

OctoCodingBench - Coding Agent 过程合规评测新标准

ISR = CSR^N（N 为规则数）—— 单条规则遵循率的"还行"，在多规则场景下会指数级衰减为"完全不可靠"

AI 对话范式转变：从实习生指令到启发式钥匙

主题：AI 对话方法论 / 思维伙伴 / 认知升级

AI 生成 UI 方案对比：json-render vs A2UI

两者的核心思想相同：用"结构化中间层"将 AI 的不可控输出转化为可控的声明式描述

CC-Switch - AI CLI 统一配置管理工具架构精读

配置管理的本质 = 建立单一可信数据源（SSOT） × 双向同步机制

json-render - AI 生成 UI 的约束式革命

"AI → JSON → UI"：用结构化中间层将 AI 的"生成自由度"转化为"填空题"，从源头消除不可控性

AIGC 影视创作工具链与超级个体心法

PixVerse R1：全球首个通用实时世界模型

实时世界模型 = 通用感知基座（Omni）× 长程记忆机制（Memory）× 极致推理加速（IRE）

AI 时代软件工程师的未来：五个关键问题

软件工程师的价值公式：价值 = 适应能力 × 系统思维 × (1 - 可替代性)

Anthropic 揭秘 AI Agents 评估

**原文**：[Demystifying Evals for AI Agents](https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents)

Claude Agent SDK：把 Claude Code 能力嵌入你的应用

Claude-Mem 持久化记忆系统精读

项目地址：https://github.com/thedotmack/claude-mem

Memvid：AI Agent 单文件记忆层

项目地址：https://github.com/memvid/memvid

Open Responses API - 下一代 LLM API 调用规范

Quest 自进化自主编程 Agent 精读

**精读时间**：2026-01-17

Web-Check 一站式 OSINT 网站分析工具精读

**精读时间**：2026-01-17

Quarkdown - Markdown 增强排版神器精读

Voquill - AI 语音转文字工作区精读

AgeMem: 统一长短期记忆管理框架

论文：Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for LLM Agents

Claude Scientific Skills - 科研类 AI 提示词工程标杆

📖 原文：[K-Dense-AI/claude-scientific-skills](https://github.com/K-Dense-AI/claude-scientific-skills)

Claude Code code-simplifier 插件精读

永远不要改变代码的功能——只改变它是*如何做*的

Cursor 多 Agent 并发编码：数百个 Agent 协同工作数周的经验

OpenCode - 终端图形界面的 AI 编程 Agent

Ralph - Claude Code 自动化循环工具

Superpowers - Claude Code 工程化工作流技能集

💡 **一句话总结**：Superpowers 不是提示词库，而是把软件工程最佳实践（TDD、Code Review、系统化调试）内化成 Claude Code 可稳定执行的技能，解决 AI "缺乏纪律性"的问题。

Vibe Kanban - AI 编程代理编排平台实操指南

📖 原文：[Vibe Kanban 官方文档](https://www.vibekanban.com/docs)

AgentCPM-Explore：4B 参数端侧智能体模型精读

NovaSR - 52KB 极致轻量音频超分辨率模型

UI-TARS Desktop - 字节开源 AI 操作电脑

💡 **一句话总结**：字节开源的"AI 操作电脑"桌面客户端，通过"看屏幕"而非调用 API 来操作电脑，支持文字/语音指令，实现跨应用自动化任务。

AGI-Next 前沿峰会 - 清华聚首中国 AI 基模四杰

Chrome DevTools MCP - AI 控制 Chrome 调试神器

💡 **一句话总结**：Chrome 官方出品，让 AI（如 Claude）能直接"看到"浏览器的控制台日志、网络请求、DOM 结构和性能数据，从"瞎猜问题"升级为"精准诊断"。

文章同步助手 (Wechatsync) - 多平台内容分发 + MCP AI 集成

notebooklm-py：Google NotebookLM 的命令行/API 工具

2025年AI技术回顾：暴力美学时代的终结

💡 **核心洞见**：2025年的技术突破集中在**原来得分为0的短板**——即时推理、长期记忆、视觉处理。

AI 智能体评估实战指南：改了提示词怎么知道改得对不对

📖 原文：技术博客（基于 Anthropic Demystifying evals for AI agents 解读）

RSS.app vs RSS.com - 两个 RSS 项目对比精读

📖 原文：[RSS.app](https://rss.app/) | [RSS.com](https://rss.com/)

Agent Skills for Context Engineering 项目介绍

💡 **一句话总结**：这是一套将上下文管理策略封装成即插即用技能的工程指南，让智能体从"能跑"迈向"好用"。

NVIDIA Nemotron Speech ASR - 实时流式语音识别模型

📖 原文：[Nemotron Speech ASR 模型](https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b)

Browser Use - 开源 AI 浏览器自动化框架

📖 原文：[Browser Use GitHub](https://github.com/browser-use/browser-use)

DeepTutor - AI 个人学习助手

📖 原文：[DeepTutor GitHub](https://github.com/HKUDS/DeepTutor)

MiroThinker v1.5 - 开源搜索 Agent 介绍

💡 **一句话总结**：MiroThinker 不拼参数大小，而是让 AI 像人类研究员一样主动查资料、验证、修正，用 1/30 参数超越顶级模型。

OpenBB - 开源金融数据平台

📖 原文：[OpenBB GitHub](https://github.com/OpenBB-finance/OpenBB)

Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems

📖 原文：[Agentic Design Patterns](https://github.com/sarwarbeing-ai/Agentic_Design_Patterns)

八千字长文复盘「中国故事」诞生过程

📖 原文：[八千字长文复盘「中国故事」诞生过程](https://note.mowen.cn/detail/gYinb8e_lXKz0l0ALEq_u)

AntV Infographic 项目精读

METR：AI 能力评估研究报告精读

RAG（检索增强生成）精读笔记

Simon Willison: 2025 大模型之年回顾

DLCM: 动态大概念模型 - 从 Token 到 Concept 的推理范式革新

论文：Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space

Google Cloud 2026 Agent 趋势报告精读

Google A2UI - Agent 生成 UI 的声明式协议

"声明式 JSON + 组件白名单 + 客户端原生渲染"：将 AI 的"执行权"转移到客户端，从架构层面消除安全风险

Vibe Kanban - AI 编程代理的"赛博包工头"

项目地址：https://github.com/BloopAI/vibe-kanban

oh-my-opencode - 多模型协作的 AI 编程 Agent 插件

AI 自动化测试演进：从 Playwright MCP 到 Dev Browser

文章类型：技术博客（工具对比与实践指南）

MCP 架构文档精读

原文：https://modelcontextprotocol.io/docs/learn/architecture

MCP Server 与 Client 概念精读

- https://modelcontextprotocol.io/docs/learn/server-concepts

Agentic Patterns - AI Agent 设计模式原理

Anthropic Advanced Tool Use 三件套

Prompt 工程学习笔记

Claude Code 创始人 Boris Cherny 的 13 个使用技巧

Vibe Coding CN - AI 辅助开发方法论精读

Awesome LLM Apps - LLM 应用案例集合精读

AskUserQuestion 工具与苏格拉底式提问法

GitHub 开源项目精读（5 个 AI/开发工具）

Slidev 精读笔记

SuperWhisper - AI 语音转文字工具精读

UI/UX Pro Max Skill - AI 助手的设计大脑

📖 原文：[ui-ux-pro-max-skill](https://github.com/nextlevelbuilder/ui-ux-pro-max-skill)

A Guide to Claude Code 2.0 and getting better at using coding agents

📖 原文：[A Guide to Claude Code 2.0](https://sankalp.bearblog.dev/my-experience-with-claude-code-20-and-how-to-get-better-at-using-coding-agents/)