全部文章

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。

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。

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。

Z.ai上市之际回顾2025：整合Z.ai/GLM品牌与视觉，推出AI Slides并随GLM-4.5/4.7升级使聊天用户与留存暴涨，业务以订阅式GLM Coding Plan把API从低收入拉到用量日增十倍，结论是长期积累与持续迭代换来全球曝光并继续向AGI前进。

Cursor以动态上下文发现优化代码Agent：将工具输出、对话历史、Skills、MCP描述与终端日志写入文件按需检索，减少静态注入，提升回复质量并降低混淆，在调用MCP的运行中token消耗下降46.9%，相关改进将陆续上线。

Anthropic将Huntley的Ralph循环固化为Claude Code官方插件，用Stop Hook拦截退出并回灌错误，驱动模型反复修复直到满足“完成承诺”且测试通过，使编码从对话转为无人值守夜班并显著降本提速，但可能带来API费用失控与高权限安全风险，需设迭代上限并在沙箱运行。

2025编程助手普及，Anthropic用Claude Code写出约90%自身代码，但要先写规格与计划、把任务拆小迭代、提供充分上下文、按需切换模型并用代理落地，持续测试评审与频繁提交并用规则和自动化兜底，结论是产能显著提升但最终质量与决策仍由工程师负责。

作者回顾在谷歌14年工程经历，提炼21条通用原则：以用户问题驱动方案，先行动交付并追求清晰与少新奇，重视对齐协作与影响可见，能删就不写、兼容即产品，聚焦可控并用写作学习；结论是工程成败主要取决于人、沟通与长期复利。

Anthropic 的 Boris Cherny 分享 Claude Code 用法：不追唯一最佳实践，开多个实例并行跑任务，优先用 Opus 提升综合效率，以 CLAUDE.md 沉淀团队规则，先用 Plan 对齐再自动执行，用斜杠命令与子 Agent 自动化流程，接入权限与外部工具并为长任务加自验证闭环，结果是更少返工、更高质量与更可复制的团队工作流。

Gas Town为2026多代理编排IDE，基于Git存储的Beads与tmux驱动市长等角色，通过GUPP、巡逻与分子工作流将任务封装成Convoy并自动入队合并，可持续并行20–30个Claude Code提升开发吞吐，但系统未成熟、复杂且成本高。