AI 辅助编码容易卡在上下文缺失、流程断点和文档失同步。围绕 OpenSpec、CodeBuddy、MCP、知识库和 Skills，可以把需求分析、设计、编码、验证、归档串成一条可审查的工程流水线，让 AI 负责执行，人负责决策、审批和质量门禁。
OpenClaw 的 Agent Trace 记录了用户请求、模型推理、工具调用和最终输出。通过 ADB MySQL 的窗口函数与 AI 函数，可以把扁平日志重建为任务链，自动标注失败模式，并量化 Token 浪费来源，进而生成 Prompt 优化建议。
AI 编码 Agent 不只是把需求发给大语言模型，而是要把上下文组织、工具调用、权限控制、代码修改、测试反馈串成一个可控闭环。围绕 Harness Engineering 的思路，可以把 Claude Code 这类工具拆解成一套可复用的工程架构。
Claude Code 的 npm 包曾因 Source Map 暴露完整 TypeScript 源码。从源码结构可以看到 Buddy 彩蛋、公开仓库提交保护、正则情绪检测、逐字符归因、权限分类器、Feature Flags、KAIROS Agent Runtime 等实现细节。
cc-harness-skills 把 Claude Code 类编程 Agent 的记忆整理、上下文压缩、完成验证、多 Agent 协作和轻量定时任务抽成可复用 Skills。它不强绑定 Claude Code 运行环境，可迁移到 Codex App、OpenClaw、OpenCode 等支持 Skill 工作流的工具中。
Agent Skills 用文件夹封装提示词、脚本、模板和参考资料，让 AI Agent 能按标准流程完成垂直任务。内容讲清 Skills 的结构、渐进式披露机制、与 Prompt 和 MCP 的关系，并用 Git 提交记录生成双周周报作为实践示例。
Claude Code 是一个运行在命令行里的 AI 编程 Agent。围绕它的架构，可以学习生产级 Agent 如何处理启动初始化、流式工具执行、分层权限、上下文压缩、MCP 集成、Skill 扩展和多 Agent 协作。
Agentic OS 基于 Alibaba Cloud Linux，将 Agent 运行时、Skill 封装、Copilot Shell、Token 可观测性和安全沙箱放到操作系统层，用来降低智能体部署、运维、协同和安全治理成本。
Agent 记忆模块不能只把聊天记录塞进数据库。合理的设计需要区分工作记忆、情景记忆、语义记忆和程序记忆，并围绕写入、检索、反思、遗忘和存储架构做工程取舍。
Agentic Engineering 不是简单让 AI 写代码，而是把上下文、知识、工具、质量门禁和团队协作工程化。围绕 AGENTS.md、context、Skill、Subagent、MCP 和多 Agent 代码审查，系统讲解一套可落地的 AI 研发体系如何搭建。
