🦉貓頭鷹

Learn Claude Code 是真做的好，强烈推荐👍 项目作者：@baicai003 很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。 Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。 这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。 整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。 学习路径设计得很讲究。 前两节搞定核心循环和工具调用 第三节加入计划能力（没有计划的 Agent 会跑偏） 第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动） 第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。 项目配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。 文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。 对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。 学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

20岁大四学生，用10天Vibe Coding手搓出来的开源项目：MiroFish，连续3天霸占GitHub Trending榜单前列，目前Star数已狂飙至8.3k，且还在持续增长中。 盛大创始人陈天桥看了Demo后，24小时内当场拍板注资3000万。 它是一个「预测万物」的 AI 仿真沙盘。只要丢给它一段新闻、政策或金融信号，它会自动生成成千上万个具备独立人格的 AI Agent，直接推演出未来的发展方向。 当你还在靠人工收集数据、靠经验做判断时，此项目已经开始用成千上万个 agent替自己预演未来了。 仓库地址：github.com/666ghj/MiroFish

看完这个项目，你才算真的理解了 Claude Code。 learn-claude-code，一个从零手搓 Claude Code-like Agent 的开源教程，用 12 个递进式课程，带你一步步把一个最简单的 while 循环，搭建成支持多 Agent 协作、任务隔离的完整自治系统。 想真正理解 AI Agent 怎么工作的朋友，值得收藏学习一下。 仓库地址：github.com/shareAI-lab/le…

Most people treat CLAUDE.md like a prompt file. That’s the mistake. If you want Claude Code to feel like a senior engineer living inside your repo, your project needs structure. Claude needs 4 things at all times: • the why → what the system does • the map → where things live • the rules → what’s allowed / not allowed • the workflows → how work gets done I call this: The Anatomy of a Claude Code Project 👇 ━━━━━━━━━━━━━━━ 1️⃣ CLAUDE.md = Repo Memory (keep it short) This is the north star file. Not a knowledge dump. Just: • Purpose (WHY) • Repo map (WHAT) • Rules + commands (HOW) If it gets too long, the model starts missing important context. ━━━━━━━━━━━━━━━ 2️⃣ .claude/skills/ = Reusable Expert Modes Stop rewriting instructions. Turn common workflows into skills: • code review checklist • refactor playbook • release procedure • debugging flow Result: Consistency across sessions and teammates. ━━━━━━━━━━━━━━━ 3️⃣ .claude/hooks/ = Guardrails Models forget. Hooks don’t. Use them for things that must be deterministic: • run formatter after edits • run tests on core changes • block unsafe directories (auth, billing, migrations) ━━━━━━━━━━━━━━━ 4️⃣ docs/ = Progressive Context Don’t bloat prompts. Claude just needs to know where truth lives: • architecture overview • ADRs (engineering decisions) • operational runbooks ━━━━━━━━━━━━━━━ 5️⃣ Local CLAUDE.md for risky modules Put small files near sharp edges: src/auth/CLAUDE.md src/persistence/CLAUDE.md infra/CLAUDE.md Now Claude sees the gotchas exactly when it works there. ━━━━━━━━━━━━━━━ Prompting is temporary. Structure is permanent. When your repo is organized this way, Claude stops behaving like a chatbot… …and starts acting like a project-native engineer.

兄弟们，今年是CLI 工具爆发之年！！ Google 发布了他们的官方的命令行工具（CLI），可以直接在终端里操作 Drive、Gmail、日历、Sheets、Docs 等等。 - 用 Rust 写的 - 一条命令直接安装安装 - 可以作为 Claude Code 的 Skill 直接接入使用 现在你可以让 AI 帮你直接操作 Google 全家桶... 能接到 Claude Code里，你可以让Claude "帮我查下明天的日程"、"把这个文件传到 Google Drive"，它能帮你搞定了。

同感，但我的用法反过来：写代码的模型永远不负责审自己的代码。 我的日常开发全在 Claude Code 里跑 Opus 4.6。写完一个功能或改完一个 bug，不急着提交，先让 Codex 审一遍。 具体怎么做的： Claude Code 支持 MCP 协议，可以在同一个终端里调用外部模型。我接了一个 Codex MCP Server。写完代码说一句" Codex review "，它就去审了，不用切窗口 审完列出问题，回到 Opus 逐个修，改完再过一遍，循环到没新问题为止。 跟人类团队 Code Review一个道理——自己写的东西自己审，永远有盲区。区别是现在审的那个人也是 AI，换一个不同思路的 AI 来审你的 AI。 实测基本每次 review 都能捞出点东西，边界条件没覆盖、错误处理遗漏这种最常见。偶尔还能抓到逻辑 bug 成本多一轮对话的钱，但省掉的返工时间远超这个。 流程见图。想试的话：Claude Code 装个 Codex MCP Server 就行。

用 Claude Code 两个多月，CLAUDE.md 从一个配置文件长成了一套操作系统。 踩过最痛的坑：rules/ 目录下的文件每次对话全量加载。我往里塞了 17KB 的规则，直接撑爆 context 窗口——125,996 / 125,999 tokens，Claude 转圈不出字。砍到 6.6KB 才恢复正常。 这件事教会我一个设计原则：每个 byte 都有成本，按需加载才是正解。 现在我的结构是三层： CLAUDE.md（永远加载，<200 行，只放指针） → rules/（自动加载，行为规范、调试流程、捕捉规则） → docs/（按需加载，重型文档，用到才读） 在这之上跑了四个机制： 热数据层 — today.md 记当天进度，关窗口前自动写入，不等你说"保存"。下次开对话，Claude 能从断点继续。 任务路由 — Sonnet 处理日常，涉及资金/策略自动升级到 Opus，需要交叉验证就外包 Codex 或 Gemini。四层调度，每层有明确的触发条件。 经验回溯 — 遇到 bug 第一步查记忆库，不查就调试算流程违规。被纠正的错误立即写入 patterns.md，同样的坑不踩两次。 完成验证 — 宣称"改好了"之前必须跑测试、读输出、确认通过。禁止说"应该没问题"。 跑了两个月，最大的体感：CLAUDE.md 不是写一次就完的配置文件，是一个活的系统。你纠正它，它记住；你踩坑，它沉淀；你关窗口，它自己保存。越用越顺手，因为它在跟你一起进化。 你的 CLAUDE.md 长什么样？

Anthropic 发布的《Claude Skill 构建指南》pdf 版，一共 33 页，可下载 中英文版本点这里下载：note.mowen.cn/detail/hIoIAhs… 这份详尽的指南是由 Anthropic 官方发布，旨在帮助开发者和普通用户更高效地利用 Claude 的“技能”（Skills）功能。虽然 Claude 的 Skill 最早是在 2025 年 10 月 随 Agent 功能一同推出的，但这份长达 32-33 页的完整版技术指南才刚刚发布。

史丹佛大學竟然開了一門 「Vibe Coding」課程！ 課程編號 CS146S，全名叫做**《現代軟體開發者》**。這門課為期 10 週，內容完全是為了 AI 時代量身打造，具體進度表如下： - Prompt Engineering（提示工程）： 教你如何精準下指令，不再跟 AI 雞同鴨講。 - Agent 體系架構： 學習如何打造會自我思考、執行任務的 AI 代理人。 - MCP (Model Context Protocol)： 深入研究模型上下文協議，讓 AI 連結更多外部工具。 - Context Engineering（上下文工程）： 掌握如何餵給 AI 正確的資訊，讓它邏輯不打結。 - 安全攻防： AI 時代的資安實務，防止模型被惡意誘導。 - Code Review（程式碼審核）： 練習如何當個稱職的「AI 監工」，檢查 AI 寫出來的 Code 有沒有 Bug。 - App 自動化開發與上架運維 (DevOps)： 從零到有一條龍，教你如何用 AI 自動生出 App 並搞定上線後的維護。 小提醒： 這門課的官網 themodernsoftware.dev 已經成為很多台灣開發者最近瘋傳的學習地圖，裡面的教材非常扎實，不是真的只靠「感覺」就能過關的喔！

Claude Code 的亲爹 Boris Cherny 透露了团队内部的AI工作流，有人把这套硬核工作流提炼成一份 CLAUDE.md 文件——丢进项目根目录，AI 助手直接脱胎换骨。 这份文件干了一件很多人没想到的事：它让 AI 从”被动应答”进化成了有记忆、会规划、能自我迭代的数字队友。最狠的设计是”自我优化循环”——AI 会主动从错误中学习，你不用再无休止地纠正同一个问题，它会自己进化。 同样的需求，别人用 AI 改三遍，你一次过。 这就是配置和不配置的差距。 体验10倍工程师的效率，文件已附，直接抄作业。

Workflow strategies for Claude Code github.com/shanraisshan/c…

每次换新电脑或重装系统，最头大的就是从零搭建开发环境。装软件、配终端、改配置文件，往往要消耗大半天时间。 在 GitHub 发现 awesome-os-setup 这个开源项目，试图用一套自动化流程解决跨平台的环境配置难题。 核心是通过一个 Python 编写的 TUI（终端图形界面）工具，统一管理 Windows、macOS 和 Linux 的系统设置。 能够通过单一的 YAML 文件定义软件包列表，自动调用 winget、apt、brew 或 yay 进行安装，无需手动逐个敲命令。 GitHub：github.com/AmineDjeghri/a… 提供了针对不同系统的“一行流”安装脚本，执行后即可进入可视化菜单，不仅能批量安装软件，还能配置 WSL2 和平铺式窗口管理器。 甚至贴心地内置了 Windows Terminal 的美化方案，自动配置字体与配色，适合追求高效与美观的开发者尝试。

OpenClaw 的工程设计如此精妙 怪不得 Pete 说他很不喜欢“Vibe Coding”这个词 AI 时代软件工程师依然很有价值 期待大家加入我们一起做比 OpenClaw 更酷的事情

@c9s 有沒有可能的他面的是 Google 硬體的 XD

最近面試新人們發現有一種特別的現象 - 遇到白板題非 leet code 題會完全卡住（是偏簡單的題目）不知道是不是 AI 寫扣造成的效應？ - System design 也沒有問很難的題目，也是完全卡住，要一路提示，也可能是經驗不足？ - 做題後，稍微小聊一下，才知道其他公司面了也都沒有上，都是感謝函。面試都很認真刷 Leet code 題目 但是但是但是，在台灣 Google 面試卻通過了 這實在是讓我滿頭問號，有人知道原因嗎？

anthropic黑客松的claude配置，我刚刚仔细研究并且使用了一下，效果非常不错，基本不需要设置什么自定义的东西，直接用上大佬的工作流程 1.安装，一种是插件，一种是复制代码，我推荐是直接用插件的安装方式： /plugin marketplace add affaan-m/everything-claude-code /plugin install everything-claude-code@everything-claude-code 还有一种就直接复制过来，把代码 clone下来 ，然后把agents，skills，command，rules都复制出来，放到项目目录或者 .claude 2.安装以后先执行一个/setup-pm，把一些环境变量初始化一下 3，接下来需要把hooks还有mcp复制一下，将 hooks/hooks.json 中的 hooks 复制到~/.claude/settings.json，这里是需要一个tmux环境，建议安装一个 将所需的 MCP 服务器从 mcp-configs/mcp-servers.json 复制到 ~/.claude.json，这里注意，里面很多mcp需要配置Token的，绝大部分我们是用不上的，我建议不要改，就保持我们原先的，因为mcp太占上下文了 4.开发的流程 /plan 先进行规划，说一下我们的需求 /tdd 使用tdd模式进行开发 /e2e 生成e2e测试代码，这个按需使用，简单功能可以不要 /code-review 进行代码审查 /build-fix 编译然后看看有没有bug /learn 在会话中提取可复用的模式或技能 掌握这些命令就以及完成够用了 接下来就是先用起来，然后我们要逐步调整，在他的基础上改成我们自己的配置，比如规则，agents，skills都可以自己做更改 github.com/affaan-m/every…

OpenAI 终于把官方 Prompt 公开了！ 直接给销售、产品、工程师、HR、经理、IT、客服、高管……每个岗位都塞了 20-30 个现成能打的高质量提示词包，总量 300+ 个，全部免费拿走用。 以前我们自己调 prompt 像炼丹，现在 OpenAI 直接把丹炉和配方都端出来了😂 尤其是工程师和产品那两包，看完第一感觉是：这要是早点出，我去年少加多少班啊…… 地址 academy.openai.com/public/tags/pr…

Anthropic 黑客松获奖者 ClaudeCode 配置 github.com/affaan-m/every…

弄一台安靜省電的 Linux 小伺服器（許多二手 PC 足矣），安裝 Tailscale 與 Claude Code，想清楚要架什麼、要服務自己哪些功能，接著用自然語言描述、下指令即可。 大混亂世界中的小確幸。 2026 is the Year of Self-hosting t1p.de/k85e1

You can just vibe custom hooks and tools with custom UI in pi, without needing to modify the pi sources. Like this question and answer tool by Armin. See the examples: github.com/badlogic/pi-mo…