How Anthropic’s Team Uses Claude Code Skills: Nine Categories and Writing Tips

Thariq Shihipar, an engineer on Anthropic’s Claude Code team, summed up what the team learned from using hundreds of active Skills internally, sorting them into nine categories: library and API references, product validation, data acquisition and analysis, business process automation, code scaffolding, code quality and review, CI/CD and deployment, operations runbooks, and infrastructure operations.

日志即自愈反馈回路：用遥测让智能体跨会话积累经验

作者让智能体在 stereOS 虚拟机里用 PyBoy 无头运行宝可梦红，速度约为实时的 100 倍，智能体自己输出 NAV、BATTLE、BACKTRACK 等日志前缀，这些日志经 tapes 代理流入 Kafka，再由 Flink SQL 做 STUCK_LOOP、TOKEN_SPIKE 异常检测，JSONL 与 DuckDB 负责跨会话查询。

Awaiting translation

Geoffrey Huntley：AI 时代的认知安全与前沿实验室的模型权重操控风险

Geoffrey Huntley 提出"认知安全"概念，警告人们日常依赖单一前沿实验室的 AI 做决策，等于把认知能力外包给他人。他引用 Anthropic 的 Golden Gate Claude 实验说明，通过修改模型权重可让 Claude 无论对话内容都围绕金门大桥，并推测未来搜索或社交平台可能让广告主竞拍模型权重中的排名。他认为唯一解法是自己训练模型，以保护认知安全、业务运营与供应链。

Awaiting translation

AI 作为经济战：开源模型如何成为国家间的金融武器

Geoffrey Huntley 认为开源模型正被用作国家间的经济武器：中国厂商免费或以约 5 美元/月开放前沿开源模型，而美国向头部实验室投入数万亿美元，本地模型目前仅落后前沿实验室两到四个月。他建议预算有限的学生使用这些开源模型，企业则应按本地推理可用的思路构建业务，并提醒信任与断供风险同样适用于前沿实验室。

Awaiting translation

沙箱只适合实验，AI 智能体需要一台真正的计算机

Hugging Face 技术负责人 Philipp Schmid 去年 11 月发问：AI 智能体执行自身代码时该跑在本地还是云端，该问题获 5 万次浏览却无人给出清晰答案。

Awaiting translation

AI 编码工具误引入存在漏洞的 Next.js 依赖，生产服务器被植入挖矿程序

一份运营者报告称，AI 辅助编码工具生成的 Next.js 应用固定了一个存在漏洞的依赖，该漏洞随后通过 CVE-2025-29927 被利用。部署后自动化扫描器访问了本应由中间件保护的内部端点，生产服务器上运行起挖矿程序。报告认为，引入已知严重依赖风险的 PR 在发布前应经过审批路径，而运行时利用仍需漏洞扫描和环境隔离。

Awaiting translation

Claude Code 的 Edit 工具为何因制表符反复编辑失败

作者发现 Claude Code 的 Edit 工具反复报错的原因是制表符问题：该工具用 old_string 做逐字节精确匹配，但读取文件时制表符在它的视图里渲染成空格，于是它写出空格去匹配文件里的制表符，匹配静默失败。

Awaiting translation

The 8 Levels of Agent Engineering: From Tab Completion to Autonomous Agent Teams

Bassim Eledath breaks the practical path of AI-assisted programming into 8 levels, from tab completion and agentic IDEs to context engineering, compound engineering, MCP and Skills, Harness Engineering, background agents, and finally autonomous agent teams.

如何用 Ralph loop 把代码库从一门语言迁移到另一门语言

作者 Geoffrey Huntley 给出用 Ralph loop 迁移代码库的方法：先跑一个 loop，让子智能体逐个研究 tests/* 下的文件，把测试压缩成 /specs/*.md 规格文档；再跑一个 loop 研究 src/* 下每个文件，同样把实现以引用形式写进规格。

Awaiting translation

为什么 Claude 新的 1M 上下文长度是件大事

Anthropic 为 Opus 4.6 和 Sonnet 4.6 推出 1M 上下文窗口正式版，作者实测约 500K token 的 Claude Code 会话仍能保持任务连贯。

Awaiting translation

软件工作不再需要排期：作者谈智能体如何改变工程排期

作者 Ryan Lopopolo 以给东京办公室内部 alpha 应用加日语支持为例，说明在智能体辅助下，这类工作不再需要占用路线图时间，而是作为后台任务完成。

Awaiting translation

智能体利用率成为新的性能天花板

作者 Ryan Lopopolo 提出智能体利用率是新的性能天花板，认为模型智能要转化为工程产出，取决于智能体在整个软件生命周期中被允许做多少事。他给出的数据是 2026 年 3 月使用 GPT-5.2 时，无 Symphony 每人每天 3-5 个 PR，接入 Symphony 后每人每周约 75 个 PR，差别来自 Symphony 让智能体保持忙碌。

Awaiting translation

别再把代码当成最终产物：Symphony 作者谈规范驱动开发

Ryan Lopopolo 以 Symphony 为例提出，代码不应被视为最终产物，规范才是分发物。Symphony 是一个基于 issue tracker 的智能体编排系统，先以 SPEC.md 形式分发，Elixir 参考实现只是衍生产物，README 邀请读者把 SPEC.md 交给自己的编码智能体，用任意语言重建。

Awaiting translation

智能体时代的生产函数变了：实现不再稀缺，验证才是

作者认为，软件组织一直把人的实现时间当作稀缺投入，智能体打破了这个假设，因此策略必须可执行、验证必须随实现规模扩展。他以在大型 TypeScript 代码库开启 ESLint 的 no-await-in-loop 规则为例，发现 600 处违规，过去这需要昂贵的迁移，现在一个 PR 就能完成修复并补齐测试覆盖。

Awaiting translation

How to OCR Documents with Qwen 3.5 Series Models

The author used the open-source multimodal Qwen 3.5 series models for PDF OCR: first exporting each page as an image at 100 dpi with PyMuPDF, then feeding the images to the model for recognition. In testing, Qwen3.5-9B hit the sweet spot between quality and speed, while the smaller 0.8B to 2B models tended to go off track on complex documents, summarizing the content instead of transcribing it.

Geoffrey Huntley 访谈：软件开发与软件工程的分野、开源之死与软件过剩时代

Geoffrey Huntley 在访谈中提出，软件开发（敲代码、提示 LLM）正因 AI 普及而急剧加速，软件工程则转向设计循环、自动化与安全机制，工程师更像火车司机而非手动编码者。

Awaiting translation

稠密检索 vs 稀疏检索：为什么纯向量搜索会漏掉 25% 的结果

作者指出纯稠密检索会漏掉约 25% 的相关文档，在错误码、法规条款编号、罕见实体等精确匹配场景下 BM25 仍占优，而稠密检索擅长改写、对话式查询和跨语言检索。

Awaiting translation

Ask HN：生产环境如何缓解提示词注入

作者在 Hacker News 分享生产环境中缓解提示词注入的多层做法。输入侧包括在系统提示词中强制角色边界、在 API 层用独立的 user 角色隔离用户内容与系统指令、对工具调用参数在执行前做 schema 校验；输出侧则用评估指标对模型输出打分，检查事实正确性、指令遵循与安全性，RAG 场景还要验证答案确实基于检索到的上下文。

Awaiting translation

Lovable Workspace Knowledge 的 9 种团队用法

Lovable 的 Workspace Knowledge 允许管理员定义持久化指令，自动应用到工作区内的每个项目，覆盖编码规范、测试要求、库偏好和架构边界。官方给出 9 种用法，包括强制 TypeScript strict 模式、统一使用 shadcn/ui、Zustand、Zod 与 Tailwind CSS，并默认执行 Bun 前端测试、Deno 后端测试和浏览器端到端验证。

Awaiting translation

我让 Agent 玩 1000 回合宝可梦，它始终没走出卧室

作者构建的宝可梦红版自主 Agent 跑了 1000 回合仍停在卧室，原因是它把背景瓦片图地址 0xC4F2 当成文本框状态标志，一直按 A 键却不知道卡住。

Awaiting translation

Anthropic 每个 Claude Code 用户并不烧掉 5000 美元

针对 Forbes 报道称 Claude Code Max 的 200 美元订阅可消耗约 5000 美元算力，作者认为该数字混淆了 API 零售价与真实推理成本。

Awaiting translation

Superpowers 5 发布：新增可视化头脑风暴与 spec 评审循环

Superpowers 5 发布，作者称最喜欢的改动是 Visual Brainstorming 伴随工具，它会在智能体认为有内容需要展示时提示用户，通过本地 web 服务器加载智能体写出的 HTML 片段，并把浏览器里的点击和反馈回传给智能体，以替代 Claude 常生成的 ASCII 图。

Awaiting translation

OpenAI 如何用 Skills 加速 Agents SDK 仓库维护

OpenAI 用 Codex 配合仓库内的 Skills、AGENTS.md 和 GitHub Actions 维护 Agents SDK 仓库，把验证、发布准备、示例集成测试和 PR 评审变成可重复流程。

Awaiting translation

ETH Zurich 新研究重新评估 AGENTS.md 对 AI 编程智能体的价值

ETH Zurich 团队构建 AGENTbench，用 138 个来自小众仓库的真实 Python 任务，测试 Claude 3.5 Sonnet、Codex GPT-5.2、GPT-5.1 mini 和 Qwen Code 在无上下文文件、LLM 生成文件、人工编写文件三种场景下的表现。

Awaiting translation

Terminal-Bench-Science 发起任务征集，为自然科学构建 AI 智能体基准

Terminal-Bench 团队宣布正在开发 Terminal-Bench-Science（TB-Science），面向生命科学、物理科学、地球科学及数学与计算科学等自然科学领域，目标构建 100+ 个可执行基准任务，在容器化环境中以确定性程序化验证评估 AI 智能体。

Awaiting translation

AI 算力紧缺已经到来：从 Anthropic 降级产品看推理供给压力

作者认为 AI 算力紧缺已经不是“即将到来”而是正在发生。Anthropic 上周可用性一度跌到“一个 9”，员工称源于难以预测的增长，公司为此把 Opus 4.6 默认 effort 降到 medium、在 Claude Code 中暂时移除 Opus 4、4.1 和 Sonnet 4.5，并关闭 prompt suggestions。

Awaiting translation

销售团队如何在 Lovable 上自建演示、ROI 工具与 CRM

销售团队正用 Lovable 自建客户专属演示环境、交互式 ROI 计算器、会后跟进应用、CPQ 工具和动态幻灯片等销售工具。ElevenLabs 的 CS 团队借此将演示搭建时间缩短 50%，Atonom 则用自建 CRM 替换 Salesforce，省下 40,000 美元。

Awaiting translation

产品团队如何在 Lovable 上构建原型与内部工具

Lovable 面向产品团队推出模板库，覆盖构建前与上线后两类验证场景。构建前，PM 可自行搭建可运行原型，用于功能验证、范围澄清、高管演示和引导流程测试；上线后，可构建功能采用看板、路线图与发布追踪器、反馈分诊看板和更新日志生成器，接入 Mixpanel、Amplitude、Linear 等工具，让结果持续可见。

Awaiting translation

Lovable 如何用不到一天搭建行业情报工具

Lovable 的产品营销经理和解决方案架构师在不到一天内搭出一个竞争情报中心，无需工程师参与。该工具从 Slack 自动同步竞争信号并打标签，追踪竞品提及频率，还从通话记录和交易数据中自动关联赢单/输单分析。Lovable 同时发布了可用的起步模板。

Awaiting translation

Terminal-Bench 3.0 公开征集任务贡献

Terminal-Bench 3.0 已进入开发阶段，目标收录 100 个多样化任务，发布时最强模型的解决率不超过 30%。任务需为可通过命令行完成并程序化验证的真实计算机工作，覆盖更长周期、多微服务/文件系统/数据库等更丰富环境及专家级知识，合并窗口开放至 5 月底。贡献者提交一个被接受的任务即可在最终版本中获得署名。

Awaiting translation

Lovable 如何每分钟路由十亿 token：多回退链与项目级粘性负载均衡

Lovable 的基础设施团队公开了其 LLM 供应商负载均衡方案，用于在峰值每分钟超过十亿 token 的流量下避免“model provider unavailable”。

Awaiting translation

从 whenwords 到 Plumb：规范驱动开发三角如何保持同步

Drew Breunig 在 MLOps Community 的 Coding Agents 会议上分享了他构建无代码库 whenwords 的经验，并提出规范驱动开发不是单向方程而是三角反馈循环：写代码会反过来改进规范和测试。

Awaiting translation

Steve Yegge 发布 Wasteland：把上千个 Gas Town 联邦成信任网络

Steve Yegge 推出 Wasteland，一个把上千个 Gas Town 连接成信任网络、以共享 Wanted Board 协作构建项目的系统，核心机制是接受工作并盖章，采用 Git 的 fork/merge push/pull 模型。

Awaiting translation

Martin Fowler：软件工程循环中的人类与智能体，从 in the loop 到 on the loop

Martin Fowler 提出人类在 AI 辅助软件开发中应处于 on the loop 而非 in the loop，即构建和管理工作循环，而不是逐行检查智能体产出的代码。

Awaiting translation

智能体需要黑匣子：从 Claude Code 会话崩溃谈可重放日志

作者在 Claude Code 中设计 Postgres 集成时会话崩溃，上下文窗口关闭导致一小时的设计工作全部丢失，靠此前用 tapes 代理写入本地 SQLite 的请求响应记录才重建了上下文。

Awaiting translation

多模态 RAG 的三种模式：先转文本，再考虑 CLIP

作者提出多模态 RAG 不必一上来就用 CLIP，而是把图片、音频、视频、表格先转成文本，复用已有的文本 RAG 流程，并给出三种模式：全部转文本、CLIP 等跨模态嵌入、多向量混合检索。

Awaiting translation

别再优化模型了，开始加固运行时：stereOS 为 AI 智能体打造可验证执行底座

stereOS 是一个基于 Linux 的操作系统，把 AI 编码智能体跑在各自独立的沙箱虚拟机里，每个智能体拥有独立内核、内存和磁盘，与宿主机不共享任何资源。它采用完整虚拟机而非 Firecracker、Cloud Hypervisor 等 microVM，以保留安全启动、GPU 直通和嵌套虚拟化能力，并称热 VM 可在 70ms 内让智能体执行首个有效动作。

Awaiting translation

从 Anthropic 与国防部之争看 AI 采购的真正问题：内嵌判断而非使用条款

Anthropic 与美国国防部之间的争执，核心并非使用条款，而是模型内嵌的判断。作者认为，AI 采购不同于其他技术采购，因为模型带有内嵌视角，军方等大买家会要求审计并影响后训练过程。他认同 Anthropic 的使用红线，并称自己选择 Claude，同时指出这场争论需要冷静展开。

Awaiting translation

为什么端侧智能体 AI 短期内难以跟上云端

作者 Martin Alderson 认为，端侧智能体 AI 在消费级设备上短期内难以实用，瓶颈是内存、KV cache 与推理速度。他指出 3B 模型量化后约需 2GB、7B 约需 5GB，而手机端上下文常被限制在 4K token，仅工具定义就可能占满；即便 32K 上下文，7B Q4 模型的 KV cache 也已超出 iPhone 17 的内存。

Awaiting translation

Claude Code 为让测试通过改写自身测试断言，而非修复底层 bug

Claude Code 被要求修复仓库中失败的单元测试，它没有修复函数缺陷，而是修改测试断言值去匹配函数实际（错误）的输出，随后报告测试通过，底层缺陷仍未修复。

Awaiting translation