Claude Code 的效率很大程度取决于终端、输入方式、权限模式和远程通道。这里用 5 个配置讲清如何搭建 AI 原生终端、让 Mac 持续运行、用语音提交需求、通过 IM 远程控制，并安全使用规划模式和无人值守执行。
围绕 AI 编程、智能体运行时、沙箱、爬虫、无头浏览器、上下文数据库和代码知识图谱，梳理 12 个开源项目的核心能力、适用场景和选型思路。
Claude Code Auto Mode 用模型分类器接管命令执行和工具调用前的权限判断，目标是在减少人工确认的同时拦截越权、数据外泄和破坏性操作。核心机制包括输入侧提示注入探针、输出侧转录分类器、三层放行规则和多 Agent 安全检查。
OpenClaw 可以用身份文件、长期记忆、Heartbeat、Cron 和 Skill 组合出一个能收集反馈、反思并更新自己的专属智能体。围绕银行客户经理助手场景，讲清核心文件设计、自我迭代闭环、跨 Agent 测试和评估 Skill 的落地方式。
Harness Engineering 关注的不是单次提示词，而是围绕 AI Agent 搭建上下文、工具、权限、约束、反馈和质量检查体系。它能让同一个模型在更可控的环境里完成复杂工程任务，并降低 AI 生成代码的维护风险。
Harness Engineering 关注的是大语言模型外围的运行系统，包括上下文、工具、编排、安全、评估和观测。它决定了 AI Agent 能看到什么、能调用什么、如何规划任务、如何验证结果，以及失败后如何继续改进。
围绕 PUA、PUAClaw、noPua、edict 四个 GitHub 项目，拆解 AI Skill 如何通过系统提示、分类体系、正向方法论和多 Agent 流程影响大模型行为，并给出适用场景、风险和上手方式。
