作者用 salt.md 让 Claude Code 与 Codex 共享任务上下文

作者做了一个叫 salt.md 的工具，把每个任务做成一个页面，智能体读取页面上的规则、完成工作并在页面上留下笔记，这样从 Claude 切换到 Codex 时，Codex 能知道 Claude 之前做了什么。作者主要用 Claude Code 开发，有时用 Codex，并称最大的经验是让智能体写下为什么这么做，而不只是做了什么。项目已开源在 github.com/saltmd/salt.md。

用英文给编码智能体写提示词更省 token 吗？40 次实测只差 12 个 token

作者用 5 个 Python 任务、Haiku 4.5 和 Sonnet 5.5 各跑两遍共 40 次，对比俄语和英语提示词的 token 消耗与成本。俄语提示词平均每任务多 12 个 token，但单次运行平均读取约 22.2 万输入 token，其中 94% 是每轮从缓存重读的系统提示词、工具说明和项目文件，语言差异只占约 0.005%。

Skills 不是工具：作者复盘 11 个 MCP Server 为何拖垮编码智能体

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。

用一份 Claude Code 配置把系统提示词从近 50k token 压到约 15k

作者通过 Langfuse 代理测得 Claude Code 默认系统提示词接近 50k token，于是关闭 artifact、workflows、bundled skills 和反馈草稿等用不到的功能，把初始系统提示词降到约 15k token。

给编程智能体加一份 ask first 清单，而不只是 never 清单

作者提出智能体配置不应只有允许和禁止两档，而应增加 ask first 中间档，用于推送远端、非本地数据库的 schema 迁移、安装新依赖、修改 CI 或部署配置这类需要先停下说明命令的操作。

Beads：给编码智能体一个住在仓库里的轻量 issue 追踪器

Beads 为编码智能体提供一个直接放在代码仓库里的轻量 issue 追踪器，智能体可以创建、更新和关闭 beads（issue），并查询它们之间的依赖关系。

Claude Code 似乎忽略 CLAUDE.md 的五种原因

Claude Code 跳过 CLAUDE.md 里的规则，通常不是文件本身有问题，而是规则没加载、被冲突规则覆盖，或本就不该由上下文文件来强制。作者列出五种原因：会话启动目录不对、嵌套文件尚未加载、两个文件互相矛盾、冲突藏在 import 或 .claude/rules/ 里、以及规则需要的是权限或 Hook 这类强制手段而非提示。

Vibe Coding 的陷阱：为什么 AI 厂商喜欢你的模糊提示词

文章从认知科学角度分析 Vibe Coding 的兴起：自然语言提示词消除了编程语法门槛，让任何人都能把脑中的想法直接变成可运行的应用。但作者指出，用户脑中的心智模型越模糊，对技术需求的描述就越不精确，也就越依赖 AI 厂商补全细节，这正是厂商获利的关键。作者认为“先澄清需求”（Clarify First）才是 AI 工程的未来。

本地代理把 Claude Code 请求分散到多个 Max 账号，并在额度耗尽前切换

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。

用户吐槽 Claude Code 每周一、二高峰时段性能暴跌：上下文消耗翻倍、输出质量差 20 倍

有用户反映 Claude Code 每周一和周二高峰时段上下文消耗翻倍、输出质量差 20 倍，性能糟糕到"Codex 级别"。该用户据此猜测新模型 Fable 5.5 可能在一两天内发布，并抱怨每次新模型发布前都要先经历这段性能低谷期。

dex@dexhorthyAI 评分4040

Dex Horthy 给 @humanlayer_dev 的上下文工程建议：会话在压缩或新开时丢失上下文，应把所有上下文和决策写进 artifacts 里的文档（设计。

用户吐槽 Dot 管理 Codex 会话：忘上下文、爱放弃、不提示思考状态

一名用户抱怨用 Dot 代替自己管理 Codex 会话时体验很差：它会忘记不同项目的上下文、忘记该做什么、被要求发提醒时先撒谎后又称做不到，还容易放弃，并且不提示自己正在"思考"。该用户质疑，Dot 本应作为统一界面自行管理这些会话，但实际表现让他怀疑自己并非目标用户。

一位 Rust 开发者为什么仍然害怕用 AI 写代码

Rust 开发者 NikTimf 在 Habr 撰文说，自己仍然害怕用 AI 写代码，原因不是生成质量差，而是生成量太大、后续没人真正看懂。他列举了具体代价：多个智能体之间要反复传递上下文，答案冲突时还得自己判断谁对；公司只允许本地或自研模型时，用惯强模型的人很难退回；同事充当 meat proxy 转发 AI 答案，理解任务和推进实现的活仍落在自己身上。

一个不会写代码的工厂工人如何用 Vibe Coding 搭出 Linux 智能体编排应用 B.O.T.S.

一位没有编程基础的作者讲述自己从 Bolt、Claude 到 ChatGPT 的 Vibe Coding 经历，最终用 12 个阶段、171 小时编排运行时间搭出 Linux 原生个人智能体编排工具 B.O.T.S.。

windvane：自动起草检查点、在合适时机压缩并自行恢复的 Claude Code 插件

作者发布 windvane，一个 MIT 许可、无依赖的 Claude Code 插件，用 Python 引擎在会话中自动看护上下文：recorder 根据任务列表、编辑、提交和上一条回复起草检查点，模型一次调用即可接受或改一个字段；插件监控上下文填充，在检查点落盘后于下一个回合边界压缩，并自行发一条提示让模型从检查点继续。

quota-audit：按项目和 Skill 拆解 Claude Code 配额消耗

作者发布 Claude Code 插件 quota-audit（v1.3.0），读取 ~/.claude/projects/*/*.jsonl 中的逐条 token 用量，按项目、Skill 和 5h/24h/7d 窗口拆解成本，并列出限流命中的具体时间和被阻塞的仓库，数据只在本机处理。

你的智能体默认加载所有工具 schema，该决定它能看到哪些

作者提出在调整智能体配置前先回答两个问题：冷启动时 harness 发送多少 prompt token，其中多少来自工具 schema，并用服务商 tokenizer 实测而非按字符估算。

DayDream：通过 MCP 为 Mac 上的 Cursor 提供工作日记忆的开源工具

作者因厌倦反复向 Claude 解释昨天做了什么，开发了 Mac 应用 DayDream，记录你在 Mac 上的工作内容，并让 Claude、Cursor 或 ChatGPT 通过 MCP 基于这些记录回答“我今天做了什么”或“我上次做到哪了”。

Spill：把超大的 MCP 返回结果移出上下文，存入本地 DuckDB

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。

构建和使用 MCP Server 的 4 点经验

作者结合 Upwork 官方 MCP Server 和自研 doceval 的 MCP Server，总结出构建与使用 MCP Server 的四点经验。

我如何用 Hook 构建监控 Claude Code 会话的插件，以及踩过的 Windows 坑

作者开发了 PeakOS，一个展示所有 Claude Code 会话、花费和休息提醒的桌面应用，核心逻辑放在 Hook 里，插件只发布一个 Rust 可执行文件，无参数时从 stdin 读取一条 Hook 事件 JSON，带 record 时由 Skill 写入数据，带 statusline 时输出状态栏。

我实测 Claude Code 能否记住早前会话的决定，并做了 jevmem

作者因反复向 Claude Code 重述项目决定，做了 jevmem：每条消息后由 TypeSafe AI 的 Jev 判断是否值得保留，是则往仓库的 JEVMEM.md 写一行，下个会话把相关行送回 Claude，改主意就划掉旧行，团队通过 git 共享同一文件。

用 CLAUDE.md 加本地 MCP 记忆架构，避免 Claude Code 反复纠正和烧额度

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。

Repowise 发布 Lens，用 Claude Code mods 展示每次编辑触及的文件

开源工具 Repowise 发布 Lens，借助新的 Claude Code mods 在 Claude 工作时展示代码库索引。输入 /lens 可看到仓库地图，文件在 Claude 搜索、读取和编辑时高亮，编辑某文件时所有导入它的文件也会亮起，视频中 Django 的 query.py 一行注释点亮 12 个文件，conf/init.py 点亮约 248 个。

运行 /compact 前要不要先告诉 Claude？

有用户在 Claude Code 上下文变大、准备运行 /compact 前，会先告诉 Claude“我要压缩了再继续”，Claude 随后回复已总结要点。该用户认为这样做能减少 /compact 后重要信息丢失，但表示从未实际测试过，效果似乎取决于具体情况：有时只总结聊天内容，有时最新状态也会写入 memory。

无头 Claude Code 提问后退出，收到答案再恢复同一会话

作者在开源看板 ticket-tracker 中让无头 Claude Code 会话处理工单，遇到需要人决策的问题时调用 ask_question 并结束本轮，进程退出后由编排器用 claude -p --resume 加同一 session id 恢复，答案作为下一条提示词传入。

GPT 6.1 的 token 效率秘密：靠上下文剩余量施压？

有用户观察到 GPT 6.1 似乎更省 token，猜测原因是后训练或注入机制让模型感知到上下文剩余量，从而产生压力。例如模型会主动提及"还剩约 26k""37000 token 上下文已用 28000、剩 18000"等剩余额度，并据此压缩工作范围。

Geoffrey Huntley 发布 Jiti：通过对话让 LLM 持续扩展运行中的 Lisp 应用

Geoffrey Huntley 发布 Jiti，一个通过对话让 LLM 扩展运行中 Lisp 应用的小型内核，源码已在 GitHub 开源。用户提出需求后，OpenAI 模型借助注册工具检查、修改并执行 Lisp 代码，被接受的函数会作为普通 Lisp 函数永久保留，后续调用无需再次推理。作者认为这种免编译、边运行边生长的开发方式，比传统 CI/CD 编译流程更值得探索。

用 git 和 Hook 让 Claude Code 的记忆库在两台电脑间同步

作者把 Claude Code 的笔记库放进私有 GitHub 仓库，用 SessionStart 和 Stop 两个 Hook 调用 20 行 bash 脚本，在会话开始时 clone 或 pull、每次回答后 commit 并 push，从而在台式机和笔记本之间同步 114 条笔记。

CortHeXis 2.0 开源发布：为 Claude Code 等 MCP 智能体做记忆巡检与召回

CortHeXis 2.0 以 Apache-2.0 开源发布，是一个可独立运行在任意支持 MCP 的智能体旁边的记忆引擎，作者称其正是自家产品在用的同一套代码。

Shiploop：把多仓库开发编排成单终端工作流的 Claude Code 插件

一位 GPU 云平台创始人把团队从 5 人缩到 2 人后，围绕 Claude 自建了一套多仓库开发编排工具 Shiploop，并已开源。它用一个 advisor 会话负责思考和规划，worker 各自在独立 git worktree 中写代码以避免并行冲突，同时跨会话管理上下文、保留失败经验，并把每个任务先写入队列文件防止会话中断丢工作。

我给 AI 编码智能体加了 5 个 Skill，它不再反复重写同一批文件

作者为 AI 编码智能体配置了 5 个 Skill，解决三周后智能体反复重写同一个 helper 文件、忘记项目约定、不写测试的问题。

为什么你的 AI 编程智能体记不住团队决策，以及该存什么

作者指出 Cursor 和 Claude Code 等工具的 CLAUDE.md 与内置记忆只覆盖单机或单仓库，无法跨工具、跨成员共享团队决策，导致同一架构取舍被反复解释。

我给 AI 智能体做了文档爬虫 pulpie-mcp，49 秒抓取 60 页干净 Markdown

作者开发了 MCP 服务器 pulpie-mcp，让 AI 编程智能体自己把网页和文档抓取为完整 Markdown，保留表格、代码块、链接和图片。

cache-warmer 插件：让 Claude Code 休息后不必重写整个缓存

作者发布 cache-warmer 插件，解决离开 Claude Code 超过 5 分钟后下一条提示词要按全价重写 prompt cache、长会话成本累积且首次回复变慢的问题。

用 Claude 开发 Mac 应用时如何管理项目记忆与节省 token

一位开发者用 Claude 开发自用 Mac 小应用，靠 readme.md 和 session_state.md 记录项目状态，每次改完代码就让 Claude 执行 git commit push main 推到 GitHub，并频繁使用 /clear。

Uber 如何通过 MCP Gateway 把已有 API 暴露给 AI 智能体

Uber Engineering 介绍了其 MCP Gateway 的设计，该平台在发布时托管了 800 多个 MCP server 和 5000 个工具，让已有的 HTTP、gRPC、TChannel 服务无需改动即可通过 MCP 访问。

实测 Hindsight 无 LLM Key 模式：两个 TypeScript Agent 会话共享一份记忆

作者在 Linux 机器上用 pip install hindsight-api==0.10.2 安装开源记忆服务 Hindsight，并设置 HINDSIGHT_API_LLM_PROVIDER=none，在无 LLM API Key 的情况下测试其最低可用能力。

OpenAI 的 Tibo 谈 Dots：循环和工作流只是过渡，留存就是分发

OpenAI 负责 ChatGPT 和 Codex 的 Tibo Sottiaux 在 Lenny's Podcast 访谈中表示，让用户自己搭循环、画流程图、反复调教工作流只是过渡，真正会赢的是 Dots 这类会学习、永远在线的 agent。

为什么 AI 写的代码到第 20 条消息就崩：9xChat 想用项目感知工作区解决“Vibe Coding”陷阱

针对 GPT-4、Claude 3.5 等 LLM 在多轮对话中出现的上下文遗忘和迎合用户（sycophancy）问题，123sudo 推出项目感知工作区 9xChat，将 AI 锚定到本地项目文件而非脆弱的聊天历史，并支持在同一窗口并排运行 GPT-4 与 Claude 3.5 互相写码和审查，上下文保留在本地且不用于训练。