Перейти к содержимому

#Контекст/память

Сегодня 0 материалов
19.09сб
  1. Cursor Forum · Guides65

    用 scoped .mdc globs 解决 Cursor Composer 的 token 膨胀和响应变慢

    Cursor Composer 变慢、token 消耗快，常见原因是多个 .mdc 文件设了 alwaysApply: true，4 到 5 条规则会给每轮对话前置 3000+ token 的静态指令，到第 10 轮时 prompt prefill 延迟明显上升。

    Ожидает перевода

18.09пт
17.09чт
  1. Cursor Forum · Guides69

    如何组织多项目 .cursorrules，避免 Cursor Composer 提示词膨胀与上下文漂移

    作者指出把架构规范和 lint 要求全塞进单个 .cursorrules 会让 Cursor Composer 每轮注入约 2000 token，10 轮对话就重复消耗 20000 token，并挤占上下文窗口导致 Composer 提前丢弃旧消息和文件 diff。

    Ожидает перевода

  3. Cursor Forum · Guides71

    用分层 .cursorrules 防止 Cursor Composer 跨会话重启后忽略架构规则

    作者认为 Cursor Composer 在新会话或长对话后违反架构规则，原因是上下文窗口淘汰和扁平化提示词衰减，而非模型变笨。他给出的做法是把 .cursorrules 写成带身份指令、技术栈、负面约束、输出前检查清单和恢复指令的分层结构，并在多目录仓库中按 backend/、frontend/ 拆分作用域规则，让就近目录的规则获得更高权重。

    Ожидает перевода

15.09вт
  1. Sean Goedecke · Blog66

    给 AI 智能体讲清目标优先级，而不只是具体做法

    作者认为前沿模型出错多是因为对目标或优先级做了错误假设，而不是理解不了任务，因此提示词应交代背景和优先级，而非只给具体规格。他给出自己给 Deckard 写的提示词作为示例，其中约一半内容在说明长期目标、个人使用场景和保持笔记本不烫等优先级，结果模型提出了用 native messaging 运行本地模型、改用 Gradient 模型等规格里没写的改进。

    Ожидает перевода

14.09пн
  1. Hacker News · AI 编程经验问答20

    有人把遗留代码库改造得更易被 AI 编程智能体理解吗？

    一位创业公司首位工程招聘在 Hacker News 发问：如何把遗留代码库改造得更易被 AI 编程智能体理解。他所在的 2 年历史初创公司代码库始于 CTO 用 Lovable 搭的 MVP，如今存在业务逻辑重复、僵尸表和列、隐式依赖等问题。他计划把整个代码库文档化为 AI 智能体的“知识数据库”，并参考 Meta 的一篇文章，希望听取有类似经历的工程师分享做法、结果与避坑建议。

    Ожидает перевода

12.09сб
  2. Sean Goedecke · Blog62

    为什么不该专门为 AI 智能体打造工具

    Sean Goedecke 认为，大多数“为 AI 智能体打造 X”的尝试会失败，理由有三：适合智能体的工具同样适合人类，智能体像工程师一样输入文本、调用 API、读图和分类；现有工具已存在于训练数据中，新工具若只比人类版好 20% 也难被采用，这也是他不看好为智能体设计新编程语言的原因；智能体的理想工效学尚无定论，静态类型语言等说法都能讲出正反两套故事。

    Ожидает перевода

11.09пт
  2. OpenAI Developer Blog · Codex66

    OpenAI рассказал, как переписать Skills и промпты под GPT-6 Astra

    В официальном блоге OpenAI даны рекомендации по настройке Skills, AGENTS.md и промптов задач под GPT-6 Astra: описание Skill должно быть по возможности коротким и чётко указывать, где он применим; для многошаговых Skills корневой документ служит минимальной маршрутизацией — не стоит превращать Skill в слишком детальный список шагов.

    Почему это важно: OpenAI опубликовал рекомендации по чистке Skills, AGENTS.md и промптов под GPT-6 Astra — их можно перенести и на конфигурацию существующих репозиториев.

10.09чт
  1. Cursor · Changelog76

    Cursor выпустил функцию «Проекты» — она позволяет координирующему ИИ-агенту брать на себя длительные задачи разработки

    Cursor выпустил функцию «Проекты» для длительной работы — например, над одной фичей, миграцией или целым приложением. Она месяцами удерживает контекст и делегирует задачи тысячам подчинённых ИИ-агентов. Проекты работают на облачных агентах: координирующий агент не пишет код, а только планирует, распределяет задачи и принимает результаты; когда нужны локальные тесты, он запускает локальных агентов. В каждом проекте поддерживается набор файлов, синхронизируемых между облаком и локальными машинами, — так постепенно накапливаются результаты исследований, артефакты и понимание кодовой базы.

    Почему это важно: В официальном описании приведены механизмы совместного использования контекста и автоматического запуска для многолетней работы нескольких агентов в рамках проекта — по ним можно понять, как именно берут на себя длительные задачи.

  2. AI Coder · Telegram88

    Stolen Thoughts 研究：加密 reasoning block 可被跨模型解密，泄露 API key 与密码

    Stolen Thoughts 研究发现 OpenAI、Anthropic 和 Google 的 reasoning API 存在漏洞：加密 reasoning block 未与具体模型、会话和用户充分绑定，把强模型的加密 reasoning 传给同厂商弱模型并越狱后，弱模型会以明文输出强模型的推理内容。

    Ожидает перевода

    Почему это важно: 研究揭示加密 reasoning block 可跨模型解密，并给出公开轨迹中泄露密钥的实测数据，对智能体基础设施设计有直接参考价值。

09.09ср
08.09вт
  1. Vibe Built · Blog71

    AGENTS.md 仓库规则模板：分层指令、嵌套覆盖与部署防漂移

    作者给出一份可直接复用的 AGENTS.md 仓库规则模板，用于给编程智能体提供仓库级指令，涵盖根目录文件、子目录嵌套覆盖（AGENTS.md 或 AGENTS.override.md）、精确的验证命令、文件归属、部署规则和需要停止的操作。

    Ожидает перевода

06.09вс
05.09сб
  1. Ryan Lopopolo66

    Платформа агентов, созданная для разработки агентов: отделяем интерфейс возможностей от реализации

    Автор Райан Лопополо утверждает: агент — это параметризованная программа, построенная на наборе возможностей. Среди них — модели и конфигурации, цикл рассуждений и вызова инструментов, компьютеры, диски, контекст, Skills, инструменты, коннекторы, среда выполнения, сетевые политики, идентификация, IAM, гардрейлы, каналы ввода-вывода и системный промпт.

    Почему это важно: Опираясь на свой опыт создания нескольких агентов, автор предлагает архитектурный подход к платформе, в котором интерфейс возможностей отделён от реализации. Он будет полезен командам, которые делают платформы для агентов.

  3. Vibe Code Textbook · Articles62

    Aider 解析：repo map、编辑格式与它为何仍然重要

    文章在 commit 5dc9490b 上阅读 Aider 源码，解释 tree-sitter repo map 如何按依赖图排序并在 --map-tokens（默认 1k token）预算内裁剪，以及 whole、diff、diff-fenced、udiff、editor-diff/editor-whole 各编辑格式分别适配哪类模型。

    Ожидает перевода

  4. Vibe Code Textbook · Articles78

    如何写出编码智能体能完成的任务：六段式 spec 模板与 linter

    作者提出用六段式 spec 模板（Goal、Non-goals、Interfaces、Files、Verification、Budget）向编码智能体描述任务，并配了一个在交给智能体前检查 spec 的 linter。

    Ожидает перевода

    Почему это важно: 给出可直接套用的六段式 spec 模板、tally 实例和配套 linter，读者能据此改造自己交给编码智能体的任务描述。

  5. Vibe Code Textbook · Articles62

    解读 OpenHands 架构：step 循环、沙箱与 condenser 如何组织

    作者按 commit f7fb0c4b 阅读 OpenHands 仓库，梳理其架构：Agent Canvas 是托管编码智能体的控制中心，真正的智能体在 Software Agent SDK 中，采用单步执行模型，每步依次检查待确认动作、压缩事件历史、查询 LLM、解析响应、确认门禁、执行工具并生成 ObservationEvent。

    Ожидает перевода

04.09пт
  1. Hacker News · Coding Agent 讨论71

    实测对比 grep 与 LSP：编码智能体为何弃用更精确的检索工具

    作者用三款 Claude 模型在多个 Python 和 TypeScript 仓库上对比 grep 词法检索与 LSP 语义导航，发现简单代码定位任务中模型只有 0% 到 6% 会选择语义工具，强制走语义路径反而让成功率从 100% 降到 89%。

    Ожидает перевода

  3. DevAgentStack · Field Notes82

    Бенчмарки GPT-6 Astra против Fable 5.1: какие результаты сравнимы, а какие нет

    OpenAI выпустила GPT-6 Astra и Astra Pro 3 сентября 2026 года. Первая партия доступна только компаниям — участникам программы по кибербезопасности Daybreak; платный ChatGPT, API и AWS откроют в ближайшие дни.

    Почему это важно: Разбираем сравнение GPT-6 Astra и Fable 5.1 по бенчмаркам: у всех разные тестовые версии и harness, поэтому читатель может понять, какие результаты вообще можно сопоставлять.

03.09чт
  1. GitHub Blog · Copilot72

    GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

    GitHub Copilot 团队复盘了四项降低 AI 编码成本的改动，核心原则是按完整任务而非单次工具调用衡量效率。

    Ожидает перевода

    Почему это важно: GitHub Copilot 团队复盘四项降本改动，并给出可迁移的评估方法：按完整任务而非单次工具调用衡量成本。

02.09ср
  1. 陈与小金 · AI Coding 博客78

    Как использовать подагентов в Claude Code: запускаем за раз 13 ИИ-агентов, а в основном диалоге получаем только 3 вывода

    На своём опыте — когда автор разом запустил 13 подагентов для раскадровки — он объясняет, как работает функция subagents, которая есть и в Claude Code, и в Codex: подагенты трудятся в отдельных окнах и возвращают в основной диалог только результат

    Почему это важно: На примере того же запуска 13 подагентов для раскадровки автор показывает, как подагенты оставляют процесс за пределами основного диалога и присылают обратно только выводы

  2. 宝玉78

    Руководство Anthropic по инженерии ИИ-агентов для электронной коммерции: архитектура, оптимизация задержек и затрат, производственные практики

    Anthropic выпустила руководство по устройству ИИ-агентов для электронной коммерции. Опираясь на опыт развёртывания у ритейлеров, на платформах электронной коммерции, а также в командах туризма, развлечений и телекоммуникаций, компания предлагает архитектуру с одним агентом: Claude работает в стандартном цикле агента, навыки закрывают потребности длинного хвоста, а инструменты вызывают существующие системы. По результатам сравнительных тестов эта архитектура превзошла по качеству дизайн с подагентами и подход, при котором всё складывают в один промпт.

    Почему это важно: Опираясь на опыт корпоративного развёртывания ИИ-агентов для электронной коммерции, Anthropic описывает полный набор инженерных практик: архитектуру с одним агентом и навыками, оптимизацию задержек и затрат, а также оценку памяти и безопасности.

  3. 陈与小金 · AI Coding 博客71

    拆解 Claude Code 工程师《找到你的未知》：8 招挖掘未知并附两个 Skill

    一位 Claude Code 工程师写的《找到你的未知》长文四天获得三百多万浏览，核心是把提示词看作地图、代码库看作地盘，两者之间的差距就是未知，模型越强，卡住它的越可能是使用者自己讲不清未知。

    Ожидает перевода

  6. Hacker News · Agent Skills78

    mattpocock выпустил AI-агентные Skills для программирования в реальных проектах

    Автор mattpocock выложил набор AI-агентных Skills, которыми сам пользуется каждый день. Они рассчитаны на реальную инженерию, а не на вайб-кодинг: маленькие, легко правимые, комбинируемые и совместимые с любой моделью.

    Почему это важно: Автор разложил многолетний инженерный опыт на набор комбинируемых Skills и для каждого описал, от какого сценария отказа он страхует, — по этому описанию читатель может решить, встроятся ли они в его процесс разработки.

31.08пн
  1. Ryan Lopopolo38

    Harness Engineering 本质是即时上下文学习

    模型能力再强，其"好工作"的先验也未必与你的标准一致，因此始终需要围绕模型整理环境，让它在非功能性要求上偏向你或组织认可的选择。模型变好不会让这种上下文学习（ICL）需求消失。所谓 Harness Engineering，本质是一组技巧，为 ICL 提供即时机会，在不束缚推理模型的前提下对齐模型行为。

    Ожидает перевода

  2. 宝玉71

    AI 原生思维：像训练大模型一样训练自己

    宝玉在演讲中提出 AI 原生思维，主张做 AI 产品要盯着模型能力边界线找需求，并按能力、成本、价值三条边界判断值不值得做。他以自己做的字幕翻译 App BaoCut 为例，说明从模拟字幕组的 V1 转向以终为始的 V2 后，用词级时间戳对齐、术语表注入和 Agent 自验证替代人工校对，一次成本优化把调用从 33 次降到 12 次、单集处理从 31 分钟降到 18 分钟。

    Ожидает перевода

  3. Addy Osmani · Blog62

    Addy Osmani 谈智能体时代的技能退化：完成任务不等于练到本事

    Addy Osmani 在博客中提出，智能体能跳过写代码、调试、读别人代码这些原本积累经验的环节，因此刻意练习变得必要，他建议在提示前先形成假设、多问为什么、读 diff、预测失败点，并偶尔手写小问题。

    Ожидает перевода

  4. Martin Alderson62

    用让智能体出题测验的方式减少代码库认知债

    作者提出用一段提示词让编码智能体就当前代码库出 5 道难度递增的题，答完后由它解释自己理解错的地方，提示词中要求使用 askuserquestiontool。作者认为这种方式比让智能体直接描述代码更有效，因为它掌握了自己所想与代码实际行为的差距；在复杂重构前先让智能体就方案出题，也能提前发现问题，同样的做法还可用于复杂表格或文档集，甚至可以要求通过 PR 测验后才允许智能体创建 PR。

    Ожидает перевода