用 AI 做 MoSCoW：需求排序不是让模型拍板，是先把争论结构化
需求优先级最烦人的地方，不是没有方法论，而是每个人都能拿方法论替自己说话。 业务说用户等不了，技术说这块顺手，老板说先做能卖钱的，产品经理夹在中间，最后会议开了两小时，只得到一张谁都不太服的列表。 用 AI 做 MoSCoW 评分，真正有用的地方不在“让模型决定做什么”，而是把一团情绪和口头判断，先压成一张能讨论、能复
3 min
比较 VPS 与云服务器的配置、网络线路、参考性能和购买成本，按建站、开发与自托管需求选择主机。
anything-analyzer 教程：给 Agent 一套网络观察台，而不是让它盲猜接口
很多 AI Agent 做网页任务时，最尴尬的不是不会写代码，而是看不见真实网络。浏览器里点一下，背后跑了哪些 API、带了什么 Cookie、哪里做了签名、哪个请求失败了，Agent 往往只能靠页面结果猜。 `anything-analyzer` 把这个问题往工程侧推了一步：内嵌浏览器抓包、MITM 代理、JS Ho
6 min
agency-agents-zh 教程：211 个专家角色，不是提示词合集，是 Agent 分工手册
AI 编程工具用久了，大家都会遇到一个问题：你明明只想让它修个登录 bug，它偏偏开始设计一套“可扩展身份系统”；你让它写一段营销文案，它先给你上价值，再给你编十个受众画像。不是模型不会干活，而是角色没定住。 `agency-agents-zh` 值得看的地方，不是“有 211 个 AI 专家角色”这个数字，而是它把角
6 min
Playwright Test Agents 上手：测试自动化从写脚本，变成审核计划
以前聊 Playwright，重点多半落在“怎么点按钮、怎么找元素、怎么稳定跑 CI”。到了 Agent 这一步，问题其实变了：不是让 AI 多会操作浏览器，而是让它别把测试写成一锅粥。 Playwright Test Agents 有意思的地方就在这儿。它没有把“写测试”塞给一个万能 Agent，而是拆成三个角色：P
8 min
Deep Researcher Agent 教程：让 AI 替你盯训练，但别把科学判断也外包
Deep Researcher Agent 火，不是因为它又包装了一个“AI 科研助手”的概念，而是它盯准了研究里最磨人的一层：实验运营。 改超参、跑训练、看日志、整理结果、再改。真正有价值的是 idea 和判断，但研究者大量时间耗在等待和机械复盘上。Deep Researcher Agent 想接过去的，正是这段重复
6 min
前端转 AI Agent 工程师，别只补 LLM：后端、RAG、权限和队列才是硬骨头
前端工程师转向 AI Agent 开发，还需要处理后端接口、鉴权、队列、数据库、RAG、日志和失败重试。文章按业务运行中的问题梳理这些工程能力。
6 min
Beads 教程：给 Coding Agent 一张任务记忆图，别再靠 Markdown TODO 硬撑
Beads 是面向 Coding Agent 的图结构任务跟踪工具，底层使用 Dolt。文章介绍任务记忆、依赖关系和可合并的记录如何帮助长任务保持状态。
5 min
RTK 上手：别让 Coding Agent 把 token 烧在 ls、cat 和重复命令上
RTK 的定位很直接：CLI proxy，减少 LLM 在常见开发命令上的 token 消耗。它不是让模型更会写代码，而是让 Agent 别把钱和上下文窗口浪费在 `ls`、`cat`、`grep`、重复日志和巨长输出上。README 里提到在常见开发命令上能减少 60% 到 90% 的 token 消耗，这个数字先别
5 min
Oh My OpenAgent 上手：给 OpenCode 系工具加一层可维护的 Agent Harness
Oh My OpenAgent 以前叫 Oh My OpenCode，最近重新站到 Agent Harness 这个位置上。它不是一个“让界面更好看”的小插件，而是围绕 OpenCode/多 Agent CLI 的一组工作流、规则、安装方式和运行习惯。现在这类项目越来越多，真正要比的不是谁的 prompt 更唬人，而是
5 min
FireRed-OpenStoryline 教程：AI 剪视频，真正值钱的是把风格沉淀成 Skill
AI 视频剪辑这条线，过去一年有点热过头了。很多工具都在讲“一句话生成视频”“自动剪辑”“智能成片”，听起来很爽，但真正做过内容的人都知道，剪辑不是把素材丢进时间线这么简单。 难点在三处：素材怎么选，节奏怎么控，风格怎么复用。FireRed-OpenStoryline 值得看，不是因为它又把视频剪辑包装成一个聊天框，而
9 min
OpenAI Symphony 入门：别再盯着 Agent 干活，开始管理任务队列
OpenAI 开源 Symphony，最值得看的不是它用了 Elixir，也不是它现在能不能立刻替你管完整团队。更关键的，是它把问题换了一个层级：不要再盯着 coding agent 干活，要开始管理“工作本身”。 这句话听起来有点抽象，但落到团队里很现实。Agent 越多，人工盯每个会话越不现实。未来更合理的方式
4 min
CC Switch 上手：五套 Coding CLI 太乱，用一个面板管 Provider、MCP 和 Skills
现在认真用 Coding Agent 的人，桌面上很容易堆出一把工具：Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw。每个都有自己的 provider、MCP、prompt、skills、session。刚开始还新鲜，过几天就乱成一锅粥。 CC Switch 这个项目解决的
4 min
Claude-Mem 教程：给 Claude Code 接一层能搜索的长期记忆
长项目里最烦人的事，不是 Claude Code 不会写代码，而是它今天记得、明天忘了；这个会话里知道，换个窗口又得从头讲。上下文窗口再大，也不是长期记忆系统。 Claude-Mem 的定位很明确：自动捕获 Claude Code 会话，把关键上下文压缩、索引，再在未来会话里按需注入。它不是把所有聊天记录硬塞回 pro
4 min
别让 Codex 直接写页面：先把 UI 生产线拆成三段
很多人用 Codex 做页面，第一句话就是：帮我写一个后台、帮我写一个落地页、帮我做一个管理界面。 它确实能写，而且很快。但第一版经常有一种熟悉的味儿：功能都在，页面也能跑，就是像一张被组件库拼出来的表格。按钮、卡片、筛选框都有，可信息主次不清楚，用户进来不知道先看哪儿。 问题不一定在 Codex 的代码能力，而在你把
4 min
吴恩达说的不是 PM 消失，而是产品判断成了新瓶颈
吴恩达在 The Batch 中讨论 AI 编程带来的团队分工变化。实现成本下降后，产品判断、跨部门协同、发布节奏与风险把关可能成为新的瓶颈。
4 min
Kimi 2.6 真把 Claude 打忘了？Agent 任务里，月之暗面这次确实不一样
Kimi 2.6 这次最值得看的，不只是跑分追上头部模型，而是它把产品重心明显压到了 Agent 执行链路：长时运行、多工具调用、并行子代理，这才是它让人重新评估 Claude 的原因。
8 min
GPT-5.5 发布：省 Token 只是表面，OpenAI 真正想推的是 Agent 基座
GPT-5.5 这次最值得看的，不是单纯更省 Token，而是 OpenAI 明摆着把模型训练目标往 Agent 基座上拧：更能拆任务、更能调工具，也更适合长链路执行。
7 min
Addy Skills 详细教程：把 AI 编程从“瞎写”拉回工程化流程
一篇讲透 Addy Osmani Agent Skills 的实战教程：它是什么、为什么火、怎么安装、怎么在 Claude Code、Cursor、Gemini CLI 等工具里落地，以及为什么它本质上是在给 AI 编程加工程化护栏。
18 min
腾讯开源 Cube Sandbox，真正值钱的不是冷启动 60ms，而是它在告诉大家：Agent 上生产前，先得有一层安全壳
很多团队做 Agent，最先关注的是模型、工具和工作流，最后才想到安全执行环境。但 Cube Sandbox 这类项目最重要的提醒恰恰相反：Agent 想真正上生产，第一优先级不是更聪明，而是先有一层足够轻、足够快、足够能隔离风险的安全壳。
7 min
markdown-viewer/skills 最妙的地方，不是让 Markdown 更好看，而是让代码块终于开始像界面一样活起来
markdown-viewer/skills 这类项目真正补上的，不只是 Mermaid、图表和可视化效果，而是把 Markdown 从纯静态文档，往可交互、可演示、可承载复杂技术表达的工作介质再推了一步。它值钱的地方，不是再多一种语法，而是让代码块、图表和技术说明终于开始在同一个文档里长成活的界面。
7 min