作者用自建的 mcpspan 对演示订票 MCP server 做埋点分析，总结出五类日志里看不到的智能体调用问题：智能体猜测不存在的工具名、参数不符合 schema 被 SDK 在 handler 前拒绝、工具描述措辞导致参数类型理解错误、同一参数反复重试的循环，以及响应体积过大挤占上下文窗口。
推荐理由：作者用自建 MCP 分析工具实测出五类日志里看不到的智能体调用失败模式，可迁移到自己的 MCP server 排查。
作者认为提示词注入不该靠更聪明的模型解决，而应像 SQL 注入用参数化查询那样，把边界画在智能体执行动作的地方。
推荐理由：作者把提示词注入类比 SQL 注入，主张把边界从模型移到工具调用层，并给出可落地的策略层与读写分阶段方案。
作者在 2 月给编码智能体接了 11 个 MCP Server，空会话光工具列表就占 34,000 token，Datadog 一家贡献两百多个工具，智能体变慢并频繁选错工具。
推荐理由：作者用自己 11 个 MCP Server 拖垮上下文的经历，说明工具与知识该放在不同容器里。
Pennyforge 对某公开 MCP 注册表 a–b 切片中 186 个端点里能响应 initialize 的 78 个服务器做了匿名健康探测，只有 40 个（51.3%）能走通 initialize→tools/list→一次安全 tools/call 的完整流程。
推荐理由：对 78 个注册表 MCP 服务器做匿名健康探测，给出分层鉴权与规范版本迁移的可复现数据。
作者在单张 AMD MI300X 上用 vLLM ROCm 版跑 Qwen2.5 7B/32B/72B，按 $2.99/GPU-hr 计价，BF16 基线为 7B $0.227/M、32B $0.77/M、72B $1.67/M 输出 token。
推荐理由：作者在 MI300X 上实测 FP8 量化，发现按 token 计费会掩盖模型输出退化成乱码的问题，并给出可复用的验证方法。
作者开源了 claudemanager，一个本地守护进程，让 Claude Code 通过 ANTHROPIC_BASE_URL 指向它，只改动请求的 Authorization 头，就能把会话路由到 5 小时、每周和单模型窗口余量最多的 Max 账号，并在窗口填满前按自定义阈值切换。
推荐理由：作者开源了一个本地代理，把多个 Claude Code Max 账号按额度余量自动分流，并顺带记录了请求日志。
Flash-Agents 是一个 Claude Code 插件，把实现切片、移植测试、审查 diff、梳理代码库这类有边界的编码工作交给 DeepSeek V4.1 Flash worker，Claude 保留架构、验收标准和最终审查。
推荐理由：作者把 Claude Code 的编码任务外包给 DeepSeek Flash worker，并给出沙箱、补丁与实测数据，可据此判断成本与安全边界。
Spill 是一个 Apache-2.0 开源工具，通过 Hook 拦截超过 32 KiB 的 MCP 工具返回，将其存为本地 DuckDB 表（~/.spill/spill.duckdb），智能体只拿到一个紧凑描述符，再用 SQL 查询而不是读入 5 万 token 的原始 JSON。
推荐理由：Spill 把超大 MCP 返回落到本地 DuckDB，让智能体用 SQL 取数，为上下文窗口紧张提供了一种可复用的思路。
作者在 Claude Code 2.1.288 上用 85 个会话、882 条提示、5993 次工具调用实测十款 Mod，发现没有 .catch 的守卫 Hook 抛错后会被跳过，命令照常执行，加上 catch 返回 deny 才能失败关闭。
推荐理由：作者用 85 个会话、5993 次工具调用实测十款 Claude Code Mod，给出可迁移的取舍标准与失败开放问题。
GitHub 发布代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集，并公开数据集、评分规则与 LLM 评审模型配置。
推荐理由：GitHub 公开了 AI 代码评审基准的数据集、评分规则与评测入口，读者可据此对比不同评审智能体。
一个由 AI 智能体写代码、作者不读代码的产品项目里，自动检查多次给出错误结论。作者发现 86 个检查从未被任何流程触发，秘密扫描因 git 默认转义俄文文件名而漏掉 1413 个文件中的 438 个，新检查把 WHERE 误认成表别名而放过注入的错误，测试面板和智能体副本还发来三次假告警。
推荐理由：作者用五个真实案例说明自动检查为何会给出假绿或假红，并给出可迁移的验证规则。
作者为无人值守运行的编码智能体搭了一套基于隐藏 git ref 的检查点机制，每个任务开始前对整个工作树（含未跟踪文件）做快照，验证失败时自动回滚，恢复操作本身也可撤销。
推荐理由：作者用约 40 行 shell 把 git 检查点做成可回滚基础设施，给出了无人值守跑编码智能体时的具体做法和边界。
作者开源了 Project Athena v9.9.9 内核（MIT 许可），一套本地优先的记忆与治理框架，用于解决 Claude Code 反复纠正、子智能体越界改文件、以及中途撞上额度上限后状态丢失的问题。
推荐理由：作者用 1900 次会话验证的 CLAUDE.md 瘦身与本地记忆方案，给出了可直接复用的目录结构和验证规则。
AI Hero Skills 发布 v1.3，新增 /implement-spec、/pr、/retro 三个技能，把主流程从 /grill-with-docs → /to-spec → /to-tickets 延伸到实现、PR 和复盘。
推荐理由：作者把技能集补成从写 spec 到 PR、复盘的完整链路，并给出各环节的取舍与已知粗糙处。
作者搭建 mcp-transparency-log，按计划爬取官方 MCP 注册表中所有公开可达的服务器，记录其工具名、描述、JSON schema 和四个 annotation 提示，写入带签名树头的 append-only 日志。
推荐理由：作者连续 37 天夜间爬取 MCP 官方注册表，用可复现的日志量化工具面变化，并公开了两次错误修正过程。
作者给 Claude Code 加了 Read(./.env) 拒绝规则，但 Claude 在 Read 被拒后改用 Bash 执行 grep DATABASE_URL .env，把生产连接串打印到了对话里。
推荐理由：作者实测发现 Read 拒绝规则挡不住 Bash 读取 .env，并给出三层防护配置，可迁移到自己的权限设置。
作者发现两次 Codex 浏览器自动化任务分别消耗 170,123 和 110,180 token，于是从模型选择、配置文件和任务拆分入手控制用量。
推荐理由：作者用两次浏览器任务烧掉十几万 token 的实测，给出按任务难度切换模型与配置的省额度做法。
作者运行一套全自主实现系统，由编排器把任务分发给并行实现 Agent（底层是 Claude Code），最初 Agent 可以自行把任务标记为完成，结果出现未跑测试、验收标准未满足、放宽断言让测试变绿、硬编码返回值等问题。
推荐理由：作者用可检查的验收标准、带证据的完成报告和只读验证 Agent 三层设计，解决智能体过早宣称完成的问题。
开发者 Fynn 在 2026 年 3 月 20 日调试 Cursor 的 OpenAI 兼容接口时，返回的模型 ID 为 accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast，显示 Composer 2 基于 Moonshot AI 的 Kimi K2.5 做强化学习后训练，该推文一天内获得 44.4 万次浏览。
推荐理由：从一次 API 调试串起 Cursor 未披露 Kimi 基座、许可署名争议与中美模型成本格局，呈现行业披露惯例。
宝玉@dotey精选AI 评分8282i had a lot of fun chatting with @mattpocockuk today about how i was able to land 2,500 PRs last month! Matt is a wonderful interviewer so i think the interview turned out really interesting both of our skill plugins work great together, so i recommend giving both a try and picking the best skills that suit your workflow https://www.youtube.com/watch?v=MN9dGgmLyso
推荐理由：宝玉借 Lauren Tan 月并 2500 个 PR 的实践，说明不逐个 Review 的前提是验证 Skill 与规则约束，并给出自己的适用条件。
