技术博客 全部文章
浏览 技术博客 分类下的公开文章、摘要与延伸阅读。涌现智元旗下AI信息管理工具
英文日均上百commit:Moltbot(Clawdbot)如何兼顾产品路线图和开发速度
创始人Peter Steinberger借助AI在66天完成8297次原子化提交,推动Moltbot从WhatsApp中继演化为多平台本地Agent,并以提交分类、测试与渐进发布控制变更风险,项目获得8万+GitHub星,证明高频迭代可同时维持产品路线与稳定性。
英文AGENTS.md的表现优于技能
为让编码代理掌握与项目版本匹配的Next.js16新API,作者对比skills与在AGENTS.md内嵌8KB压缩文档索引并跑强化后的评测,skills默认与无文档同为53%,加脆弱指令升至79%,而AGENTS.md索引达100%且可用npx @next/codemod@canary agents-md一键生成,结论是通用框架知识当前更适合用被动上下文驱动检索而非按需触发skills。
英文Clawdbot 如何记住一切
Clawdbot是MIT开源本地个人AI助手,集成Discord等并可自动处理邮件日程等任务,核心用Markdown持久记忆配SQLite向量与全文索引,回答前语义加关键词混合检索并在会话压缩前静默写入防丢,多代理记忆隔离,结果是上下文长期可追溯且由用户本机掌控并降低调用成本。
英文一文读懂 Skills|从概念到实操的完整指南
Skills以文件夹封装说明文档、脚本与资料,靠元数据匹配触发、按需渐进加载并在沙盒执行,替代一次性规则加载,指导Agent稳定选工具和按流程干活;在TRAE可创建或导入复用社区Skills并组合多角色与飞书文档的Spec Coding流程,结果是任务更可控、可复用、协作闭环更完整,Agent从聊天走向可靠执行。
英文如何为AI智能体编写一份好的规则说明书
作者提出AI代理写规格框架:先给清晰高层目标让AI扩展成结构化PRD/SRS,再把大需求拆成模块化小任务按需喂上下文,先只读规划后执行并持续迭代,同时写明边界、自检与测试;结论是降低上下文过载与跑偏,提升产出质量和可控性。
英文用第一性原理拆解 Agentic Coding:从理论到实操
作者提出Agentic Coding提效靠短对话与精简上下文拆解任务,并将修bug、审查等经验沉淀为可复用项目知识库,配合清晰文档与快速测试等开发体验优化,缓解LLM上下文与失忆限制,使人机协作成为可刻意练习且持续复利增效的能力。
英文在软件领域,代码为应用程序提供说明。在AI领域,是轨迹。
AI代理中决策在模型运行时生成,代码仅负责编排,因此系统真实行为与原因需靠trace记录并对比分析,调试测试优化监控协作与产品分析都应围绕trace开展,否则缺乏可观测性将无法掌握质量与成本并易失控。
中文使用 Agent 编码的最佳实践
指南聚焦Cursor编码Agent的harness机制与使用法,要求先用Plan模式做可确认的实现计划并让其自动搜索获取上下文,再用Rules、Skills与hooks驱动持续迭代直至测试通过,配合审查、并行或云端执行及Debug模式定位棘手问题,从而提升重构与交付的效率和稳定性。

