推荐AI小白必看的经典：What is a Harness?我感觉特别适合刚开始接触 Agent小白，或者一直在用 Claude Code、Codex、Pi，但是没有真正了解过Harness 是什么的人。作者把Harness拆分的很简单，主要记住了几个东西 ...

AI 工具越用越多，最烦的反而是重复配环境。Skills、MCP、各种服务连接，每换一个 Agent 都得重新折腾一遍。OpenWork 的思路就是把这些配置统一管理：一次接入，Codex、Claude Code、Cursor 等多个工具都可以复 ...

第一眼看到 Auto-Company，还真有点科幻感。它把多个 AI Agent 组成一个“虚拟公司”，自己做产品讨论、写代码、部署和营销。基本流程就是：唤醒 → 组队 → 执行 → 更新记忆 → 休眠 → 下一轮支持 Claude ...

跑 Coding Agent 最头疼的两件事：本地环境配置碎片化、企业核心代码怕泄露。HarnessRouter 给出了一个非常干净的开源解法：单 Docker 搞定一切：一个镜像包含 Web 界面、网关与运行时，启动即拥有统一的管理后 ...

以前用 AI 写代码，最累的还是得一直盯着它。改一下 → 跑测试 → 看结果 → 再下指令。Autoresearch 玩的是另一套：你只负责定目标和评价标准，剩下的让 AI 自己迭代。它会不断修改方案、运行验证，效果变好 ...

用 skill、agent 玩多了的人应该都懂那种痛：Claude Code、Cursor、Codex、Windsurf、Amp 各存各的，配置文件塞得到处都是，想改一个技能得先翻半天 dotfiles。Chops 就是来收拾这摊子的，一个 macOS 原生 app，把 ...

想系统学 AI Agent，却不知道从哪里开始？这套资料可以直接收藏。《Agentic Design Patterns》整本开源，424 页 PDF + Jupyter Notebook，把 21 种 Agent 设计模式系统梳理了一遍。从 Prompt Chaining、Routing ...

对于性能工程来说，这简直是一座宝库。我一直在学习 Algorithmica 的 HPC 系列教程，其中 CPU 缓存部分尤其精彩。它深入剖析了缓存延迟、内存访问模式、指针追踪、预取以及底层运行机制等概念。如果你关心如何 ...

如果你想从零开始学习 Agent 架构，这三个 GitHub 项目一定不能错过：1. all-agentic-architectures：看懂不同架构怎么工作收录了 35 种 Agent 架构，覆盖工具调用、任务规划、记忆、RAG 和多 Agent 协作，配有 ...

Spotify 刚把自家的 Claude Code 内部架构全盘公开了,
直接把大文件读取的 Token 消耗硬生生砍掉了 90%:绝大多数人都没意识到,你的编程助手 90% 的动作根本不是在思考,
它翻遍 5 个大文件只为找一个配置,照着旁边 ...

为喜欢 vibe coding 但又想要结构化流程的人提供多模型编排层，一个协调者把目标拆成计划并分派给合适模型的专家执行。https://github.com/mtarcure/claude-vibe-squadVibe Squad 是个开源的多模型编排工具，规 ...

Agent 自我进化跑久了，Skill 越积越多，可能反而会更难用。NUS 团队这篇 SkillGLoW 研究的就是 Skill 应该怎么长期组织。现在常见的做法有两种。把所有经验不断压进一个文档，最后很容易只剩下一些泛化原则； ...

用 Claude Code、Cursor 或者 Codex 写大工程，最怕上下文滚着滚着就失控，写到后面全是 bug 还巨费 Token。今天冲上 GitHub Trending 的 ECC 就是干这个的。它不是个简单的 Prompt 词包，而是给智能体加了一整套 ...

Anthropic 刚刚发布了一份详尽的报告，阐述了其最大的 AI 终端如何让智能体自我改进。如果你错过了之前的消息，Warp 是一个围绕智能体重建的终端。它每月服务 80 万名开发者，其中包括 56% 的财富 500 强企业，并 ...

Claude Code 写到一半想换 Codex，项目怎么做的、哪些办法试过没用、接下来还有什么，又得重新讲一遍。发现一个 开源项目 ai-memory ，会把这些内容整理成 Git 管理的 Markdown Wiki，让 Claude Code、Codex、Curs ...