最佳实践、可复现的工作流和带命令、配置的教程。
Prime Radiant 发布两款新技术的研究预览：Greenfield 把现有软件（代码库、文档、API 客户端等）转成行为规格语料，Iterative Development 则是一套基于 Superpowers 的智能体方法论，把大规格拆成需求、打包成开发 epic 后交给编码智能体实现。
推荐理由：Prime Radiant 公开两套工具的研究预览，读者可了解从旧代码库提取行为规格再驱动智能体重建产品的思路。
Augment Code 从自家 monorepo 抽取数十个 AGENTS.md，用内部评测集 AuggieBench 对比同一任务在有、无该文件时的表现，发现最好的文件带来的质量提升相当于从 Haiku 升级到 Opus，最差的则让输出比完全没有 AGENTS.md 更糟。
推荐理由：Augment Code 用内部评测量化了 AGENTS.md 各写法的效果差异，读者可据此调整自己仓库的文档结构。
作者分析 Claude Code 源码泄露后流出的架构，认为其核心并非秘密算法，而是一个不到 30 行 Python 的 while 循环加工具字典，由 stop_reason !
推荐理由：作者从泄露源码中提炼出 12 个可组合的智能体工程模式，并给出四周上手路径，适合对照自己的实现查漏。
Jesse Vincent 在构建 Superpowers 时提出，提示词中的门禁（gate）比规则（rule）更能约束 AI 智能体：规则留有自我说服的退出路径，门禁则要求满足条件才能进入下一步。
推荐理由：作者用自家智能体的实例区分规则与门禁，给出可迁移的提示词写法，帮助减少智能体跳过验证的行为。
宝玉结合 Claude Code 的提示缓存机制，解释配额为何烧得快，并给出省 Token 的操作规则。他指出缓存只对前缀有效、主智能体缓存窗口 1 小时、子智能体 5 分钟，读取缓存成本约为重新计算的十分之一，因此频繁 /clear 反而会触发全价上下文重建；判断标准是缓存还热、任务没换就继续聊，缓存过期、任务切换或上下文噪音过多才开新会话。
推荐理由：从提示缓存机制出发解释 Claude Code 配额消耗，给出继续会话还是重开的判断条件和可复制的配置。
Drew Breunig 根据上周意外泄露的 Claude Code 源码，梳理出系统提示词的拼装结构：各组件分为始终包含和条件包含两类，并随 output_style、repl_mode、user_type_ant、skills_enabled、mcp_connected 等开关变化。
推荐理由：作者梳理 Claude Code 系统提示词的动态拼装逻辑，展示条件化上下文工程的实际做法。
Anthropic 的 Claude Code 团队工程师 Thariq Shihipar 总结了内部几百个活跃 Skills 的使用经验，把 Skills 归为库与 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、代码质量与审查、CI/CD 与部署、运维手册、基础设施运维九类。
推荐理由：Anthropic 内部几百个 Skills 的分类体系与编写技巧，可迁移到团队自己的 Skill 设计。
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。
推荐理由：作者用终端里跑宝可梦的智能体做实验，展示日志如何变成跨会话的观测记忆并反哺下一轮运行。
Bassim Eledath 把 AI 辅助编程的实践路径划分为 8 个等级，从 Tab 补全、智能体 IDE，到上下文工程、复合工程、MCP 与技能、Harness Engineering、后台智能体，最后到自主智能体团队。
推荐理由：作者把 AI 辅助编程从 Tab 补全到自主智能体团队划成 8 个等级，读者可据此定位自己团队所处阶段。
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。
推荐理由：作者用 Symphony 的 spec 蒸馏循环说明代码只是可替换产物，为规范驱动开发提供了一条可迁移的路径。
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。
推荐理由：作者以开启 ESLint 规则、迁移 600 处违规的亲身实践，说明智能体时代实现成本下降后，约束与验证为何成为新的稀缺环节。
作者用 Qwen 3.5 系列开源多模态模型做 PDF OCR，先用 PyMuPDF 把每页按 100dpi 导出为图片，再交给模型识别，实测 Qwen3.5-9B 是效果与速度的平衡点，更小的 0.8B 到 2B 模型在复杂文档上容易跑偏去总结内容。
推荐理由：作者实测了 Qwen 3.5 各尺寸模型做 PDF OCR 的效果，给出本地与 OpenRouter 两条可复用路径和成本数据。
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。
推荐理由：作者用 1000 回合卡在卧室的失败复盘，说明记录并回放 Agent 会话状态比改提示词更能定位静默故障。
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。
推荐理由：作者是 Superpowers 维护者，文中说明了 5.0 的视觉头脑风暴、spec 评审循环和子智能体开发三项变化，可据此判断是否值得接入现有工作流。
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。
推荐理由：OpenAI 官方公开了用 Skills、AGENTS.md 和 GitHub Action 维护 Agents SDK 仓库的完整配置，可迁移到其他开源项目。
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”。
推荐理由：Lovable 公开了每分钟十亿 token 规模下的多供应商负载均衡方案，可借鉴其用 PID 控制器和项目级粘性保住 prompt caching 的做法。
OpenAI 宣布 Codex 可通过 Figma MCP Server 生成 Figma 设计文件，并支持设计稿与代码双向流转。
推荐理由：官方给出 Codex 与 Figma MCP 双向打通的具体操作步骤，读者可据此判断设计到代码的往返流程能否落地。
OpenAI 用 GPT-5.3-Codex 在 Extra High 推理档下从空仓库连续运行约 25 小时、消耗约 13M token、生成约 3 万行代码，做出一个可测试的设计工具。
推荐理由：作者用 25 小时、13M token 的实测展示长时程智能体如何靠持久化项目记忆和逐里程碑验证保持不跑偏。
Martin Fowler 团队的文章梳理了编码智能体的上下文工程，把上下文配置分为可复用提示词（指令与指导两类）、上下文接口（工具、MCP Server、Skills）和工作区文件，并按“谁决定加载”分为 LLM、人类和智能体软件三类。
推荐理由：以 Claude Code 为例梳理编码智能体的上下文配置手段，并给出按需加载与逐步构建的取舍思路。
Martin Fowler 用给 Mac 应用 CCMenu 增加 GitLab 支持的实验，考察 AI 智能体生成代码的内部质量。他先后用 Windsurf 加 Sonnet 3.5、Claude Code 加 Sonnet 4.5，让智能体参照现有 GitHub 的 API 封装、feed reader 和响应解析三个文件实现 GitLab 版本。
推荐理由：作者用给 CCMenu 加 GitLab 支持的实测，展示 AI 智能体在内部代码质量上会引入哪些隐性技术债。