Ponytail:让 AI 智能体少写代码的规则集与六级决策阶梯
Ponytail 是一个 MIT 许可的规则集,可接入 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等智能体,通过六级决策阶梯让模型在写自定义代码前先判断是否该做、标准库或平台内置能否解决,从而减少生成代码量。
推荐理由:Ponytail 用六级决策阶梯约束 AI 智能体少写代码,并给出真实仓库上的基准与成本数据,可迁移到团队规范。
最佳实践、可复现的工作流和带命令、配置的教程。
Ponytail 是一个 MIT 许可的规则集,可接入 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等智能体,通过六级决策阶梯让模型在写自定义代码前先判断是否该做、标准库或平台内置能否解决,从而减少生成代码量。
推荐理由:Ponytail 用六级决策阶梯约束 AI 智能体少写代码,并给出真实仓库上的基准与成本数据,可迁移到团队规范。
OpenAI 发布 Codex Remote 使用指南,介绍如何在 ChatGPT 移动端启动、指挥、审查和整理运行在开发机上的编码任务,核心思路是把手机当作控制平面而非终端。
推荐理由:OpenAI 官方梳理 ChatGPT 移动端 Remote 控制 Codex 的完整用法,涵盖 Queue 与 Steer、side chat、Plan 与 Goal 等关键决策点。
AI Hero 的 skills 目录发布 v1,通过在各 Skill 上启用 disable-model-invocation: true,让 Skill 描述不再进入模型选择 Skill 时查看的上下文窗口,Skill 描述的 token 成本降低 63%。
推荐理由:v1 用 disable-model-invocation 把 Skill 描述移出上下文窗口,并区分用户调用与模型调用,读者可据此判断自己的 Skill 组织方式。
Augment 在 Cosmos 平台推出 Project Builder,这个 Cosmos expert 能把一句功能描述变成基于真实代码库的设计文档,经人工评审后编排 worker agent 完成实现并推进到合并。
推荐理由:Augment 官方披露 Project Builder 的设计评审与编排流程,以及三个生产项目的代码量和上线周期,可据此判断设计先行加智能体编排的可行性。
Cline 官方博客介绍如何用插件和 Hook 给智能体循环加上确定性行为与护栏。插件是单个对象文件,可复用在同一份代码的 CLI、VS Code、JetBrains 和 SDK 上。
推荐理由:原文给出 Cline 插件与 Hook 的完整代码示例,读者可据此为智能体循环加上日志记录和危险命令拦截。
Anthropic 在 Claude Code 内部已积累数百个活跃使用的 Skill,团队将其归纳为库与 API 参考、产品验证、数据获取与分析、业务流程自动化、代码脚手架、代码质量与评审、CI/CD 与部署、Runbook、基础设施运维九类,并指出最好的 Skill 应干净地落在其中一类。
推荐理由:Anthropic 内部数百个 Skill 的分类框架与编写经验,可迁移到团队自建 Skill 库。
Anthropic 在 Claude Code 中发布动态工作流,Claude 可针对具体任务即时编写自己的 harness,并支持分享和复用。工作流通过 agent()、parallel()、pipeline() 等函数编排子智能体,可指定每个智能体使用的模型和是否在独立 worktree 中运行,中断后恢复会话能接着执行。
推荐理由:Anthropic 团队拆解动态工作流的六种编排模式与适用边界,可迁移到多智能体任务设计。
Cloudflare 基于开源编码智能体 OpenCode 搭建 CI 原生的 AI 代码评审系统,用协调智能体调度最多 7 个按安全、性能、代码质量、文档、发布、内部规范划分的专职评审智能体,去重后只发一条结构化评审评论。
推荐理由:Cloudflare 公开了 CI 内多智能体代码评审的插件架构、风险分级与成本数据,可迁移到自建评审流水线。
Augment 把内部 Cosmos 平台的 Incident Investigator 专家接入 Slack 和 PagerDuty,对每条告警自动做分诊和根因分析,并给出代码修复、回滚、升级或仅监控四种处置建议,人只需审阅 RCA 并做判断。
推荐理由:Augment 公开了用 Cosmos Expert 接管告警排查的完整做法与前后一个月数据,可迁移到自家值班流程。
Lovable 团队为自家智能体搭建了两个自动化闭环,用来持续减少用户卡住的情况。第一个是 Lovable Stack Overflow(LSO)知识库,在用户请求前由分类器、选择器和合成器判断是否注入解决方案,早期版本让卡住率下降 5%、发布率提升 2%。
推荐理由:Lovable 团队公开两个自动化闭环的落地细节,可借鉴如何用知识库和反馈工具降低用户卡住率。
Anthropic 工程师 Thariq Shihipar 提出用 HTML 替代 Markdown 作为 Claude Code 的输出格式,理由是 HTML 信息密度更高、更易阅读和分享,还能做双向交互。
推荐理由:Anthropic 工程师分享用 HTML 替代 Markdown 承载 Claude Code 输出的做法,附常见场景的提示词与模板。
Codex 官方团队成员 jason(@jxnlco)分享把 Codex 用到极致的方法,核心是把持久对话流、语音输入、任务干预与排队、MCP 服务器和连接器、对话流自动化、目标设定以及侧边栏组合使用。
推荐理由:Codex 官方团队成员拆解持久对话流、任务干预、自动化与目标设定等用法,可迁移到日常智能体工作流。
Lovable 上线 Skills 功能,把重复交代的工作方式写成可复用的 markdown 技能文件,在相关任务出现时按需加载。技能以文件夹形式组织,主文件 SKILL.md 含 name、description 和 instructions,description 是决定是否触发的唯一依据,支持文件只在主文件引用且确实需要时才加载。
推荐理由:官方详解 Lovable Skills 的文件结构、触发机制与写法,并给出可对照的正反示例。
Augment Code 调研了 219 位工程负责人,发现其团队约 48% 的代码由 AI 生成,55% 担心团队对代码库失去共同理解,63% 表示工程师向管理者提出了技能相关性方面的担忧,在 201-1000 人规模的团队中这一比例升至 89%。
推荐理由:219 位工程负责人的调研数据揭示了 AI 原生开发中代码评审、技能焦虑与角色定义之间的落差。
AI Hero 在其 skills 仓库新增 /handoff 和 /prototype 两个 Skill。
推荐理由:作者公开了 /handoff 与 /prototype 两个 Skill 的设计思路,可看到上下文交接与原型验证如何嵌入智能体工作流。
OpenAI 在 Codex 0.128.0 起提供 Goals 功能,把一次性提示词变成线程内持久目标,Codex 会持续对照测试、基准或产物等证据判断是否完成。
推荐理由:官方给出 Goals 的适用边界、六要素写法和生命周期命令,可据此判断何时该用持久目标替代一次性提示词。
Claude Code 团队成员 Thariq 提出用 HTML 替代 Markdown 作为 AI 智能体的输出格式,理由是 HTML 信息密度更高、便于分享和双向交互,而 Markdown 的易编辑优势在他改用提示词修改后已不再重要。
推荐理由:Claude Code 团队成员解释为何用 HTML 替代 Markdown 作为智能体输出格式,并给出可直接套用的提示词与适用场景。
Anthropic 的 Claude Code 创建者 Boris Cherny 在红杉 AI Ascent 访谈中称,他整个 2026 年没写过一行代码,每天合并几十个 PR,单日记录 150 个,工作大多从手机完成,常驻 5 到 10 个 session、几百个 Agent,夜里还有几千个在跑深度任务。
推荐理由:Boris Cherny 复盘 Claude Code 从孵化到十亿美元营收的路径,并给出编程被解决、SaaS 护城河被抹平、组织流程才是领先点等判断。
作者提出让仓库对 AI 智能体友好的实用审计清单,核心是让智能体能快速回答行为在哪、什么不能改、怎么测、如何证明完成。清单包括在根目录放仓库地图、明确高风险区域、写出验证命令、用 AGENTS.md 提供跨工具通用说明,以及用 Zod schema、TypeScript 接口和测试名把契约变成可执行边界。
推荐理由:作者给出一份可逐条落地的仓库审计清单,说明如何让智能体快速找到模块、边界和验证命令。
AI Hero 的 skills 仓库更新,把 /ubiquitous-language 废弃并合并进新 Skill /grill-with-docs,输出从 ubiquitous-language.md 改为 context.md,并支持多个限界上下文各自维护共享语言。
推荐理由:作者把 /ubiquitous-language 合并为 /grill-with-docs,并给出 ADR 触发条件与多限界上下文做法,可迁移到自己的 Skill 配置。