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。
OpenCLI 是一个通用 CLI 枢纽，可以把网站、Electron 桌面应用和本地命令行工具统一到终端里调用。核心能力包括复用 Chrome 登录态、为 AI Agent 暴露工具入口、管理外部 CLI，并通过适配器和插件扩展更多平台。
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。
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。
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。
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。
AI 编码真正难点不只是模型能力，而是上下文失控和需求意图模糊。围绕 Claude Code 的代理执行能力与 OpenSpec 的规格驱动流程，可以构建一套可验证、可沉淀、适合团队协作的 AI 编码工作流。
