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。
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。
Agent Skills 的写法、好用的 Skill、Skill 不生效的排查。
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。
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。
i 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。
OpenAI 官方博客针对 GPT-6 Astra 给出 Skills、AGENTS.md 和任务提示词的调整建议:Skill 描述要尽量短且明确适用场景,多流程 Skill 用根文档做最小路由,避免把 Skill 写成过于具体的步骤清单。
推荐理由:OpenAI 官方给出 GPT-6 Astra 下 Skills、AGENTS.md 与提示词的清理方法,可迁移到现有仓库配置。
文章从 Claude Code、Codex 和 Gemini CLI 的官方文档中整理出四种提示词模式:先计划再编辑、给智能体一个可运行的检查、让智能体反过来访谈你、把反复重打的提示词存成文件,并给出各家对应的命令、参数和文件格式。
推荐理由:横向对照 Claude Code、Codex、Gemini CLI 三家文档,给出计划模式、可运行检查、访谈式提问和保存提示词四种模式的命令与文件格式。
Cursor 工程师 Lauren Tan 分享了她让 AI 智能体自主提交并合并 PR 的方法:核心是验证能力,即让智能体自己跑代码、抓 CPU 追踪、打开 iOS 模拟器来检查工作结果。
推荐理由:Cursor 工程师把对 AI 智能体的信任拆成可复用的验证 Skill、feature map 与 evals,读者可据此搭建自己的自动化验证流程。
作者 Ryan Lopopolo 提出,智能体是一组能力之上的参数化程序,这些能力包括模型与配置、推理与工具调用循环、计算机、磁盘、上下文、Skills、工具、连接器、运行时、网络策略、身份、IAM、护栏、I/O 通道和系统提示词。
推荐理由:作者用自己构建多个智能体的经历,提出把能力接口与实现解耦的平台架构思路,可供做 Agent 平台的团队参考。
Addy Osmani 建议每隔几周运行一次 Claude Code 的 /doctor,单独用 /memory 检查记忆,并让每条指令重新证明自己的价值,因为模型、harness 和代码库都在变,旧配置会留下。
推荐理由:作者结合自身配置审计经验与近期研究,说明 Agent 配置文件为何会腐化,以及如何按节奏清理。
Cline 团队用 Cline SDK 搭了一个代码审查智能体,把审查拆成 review 与 judge 两段 agent 循环,再由驱动脚本把存活的问题以一条 COMMENT 事件批量提交到 GitHub PR。
推荐理由:完整拆解一个代码审查智能体的插件、Hook 与两段式循环,可迁移到其他自动化审查场景。
Baruch Sadogursky 与 Patrick Debois 在 InfoQ 演讲中用 Claude Code 现场演示:把全部项目文档塞进 CLAUDE.md 后,给接口加错误处理会因约定冲突返回 500,改用按描述懒加载的 Skill 后同一提示词通过测试。
推荐理由:两位作者用现场演示拆解上下文工程的四类反模式,并给出 Skill、检索通道、外部记忆与评测的对应做法。
Vercel 发布新版 v0 API,提供对 v0 应用生成智能体的可编程、无头访问:发送提示词后 v0 生成应用、在 Vercel Sandbox 中启动开发服务器,并返回可嵌入自有界面的预览 URL,该 API 已正式可用。
推荐理由:v0 把应用生成能力开放成 API,读者可据此判断如何把它接进自己的产品或智能体流程。
OpenAI Codex Cookbook 给出把 Codex 接入开发流程的一套仓库约定:用 AGENTS.md 存放持久化仓库指令,用 PLANS.md 作为阶段计划来源,再拆成 harness/build/ 下的分阶段构建文件,每个阶段写明目标、验收标准、边界和审批门禁。
推荐理由:OpenAI 官方给出用 AGENTS.md、PLANS.md 与分阶段构建文件约束 Codex 的完整目录约定,可迁移到自己的仓库。
Anthropic 技术团队成员 Thariq Shihipar 撰文总结 Claude 5 代模型的上下文工程新规则,称已为 Claude Opus 5、Claude Fable 5 等模型删掉 Claude Code 超过 80% 的 system prompt,编码评测没有可测量的损失。
推荐理由:Anthropic 官方给出 Claude 5 代模型的上下文工程新规则,并说明如何精简 system prompt、CLAUDE.md 与 Skills。
AI Hero 的 skills 仓库发布 v1.1,把 /to-prd 重命名为 /to-spec,将 /to-plan 和 /to-issues 合并为 /to-tickets,并新增 /wayfinder、/research、/prototype 等 Skill。
推荐理由:作者把 grilling 到部署的完整 Skill 流程讲清楚,并给出重命名、合并和新增 /wayfinder 的迁移命令,适合想搭 AI 开发工作流的人参考。
Claude Code 团队把 AI 智能体的循环定义为不断重复执行工作周期直到满足预设停止条件,并按触发方式、停止条件、所用基础指令和适用任务四个维度分成回合制、目标导向、基于时间和主动式四类。
推荐理由:Claude Code 团队把循环拆成回合制、目标导向、基于时间和主动式四类,并给出各自的触发、停止与 token 控制方式。
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。
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。
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。
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。
Anthropic 的 Thariq Shihipar 复盘了 Claude Code 工具设计中的取舍,核心主张是工具要贴合模型自身能力,而判断能力边界只能靠观察输出和反复实验。
推荐理由:Anthropic 工程师复盘 Claude Code 工具设计的取舍,给出可迁移到自建智能体的判断方法。