AI 编程工具已经能生成复杂业务代码,程序员的优势不再是简单地说 AI 做不了什么,而是能定义问题、构建上下文、验证结果、做技术决策并控制 Token 成本。
CLAUDE.md 是 Claude Code 的项目级指令文件,可以在每次会话开始时给 AI 编程代理设定行为边界。围绕少假设、少过度设计、少无关修改、用验证目标驱动执行四个方向,可以明显减少 AI 写代码时常见的失控问题。
Claude Code 和 Codex 在代码搜索中都选择了零索引路线:不用 embedding,不建向量库,而是让 LLM 驱动 ripgrep 多轮搜索。围绕工具调用循环、ripgrep 性能、Cursor 对比和 token 成本,讲清这种架构为什么在本地代码库里成立。
洁癖 Skill 是一个用于 AI Agent 收尾阶段的文档和记忆维护工具。它会盘点项目文档、识别变更影响、更新 docs、CLAUDE.md 和记忆文件,减少过期上下文导致的错误。
Harness Engineering 关注的不是单次提示词怎么写,而是如何把 AI 编程智能体做成可长期运行的系统。内容覆盖上下文管理、工具权限、Session 事件流、Sandbox 隔离、多智能体协作以及可进化记忆架构。
code-review-graph 会把代码库预解析为函数、类、调用、依赖组成的结构化图谱,并通过 MCP 提供给 Claude Code 等 AI 编程工具查询。借助影响半径分析和增量索引,它能减少大项目中反复全文读代码带来的 token 浪费。
围绕 AI 编程、Agent 框架、代码库检索、生产故障排查、安全工具和 GPU 内核优化,梳理 13 个 GitHub 开源项目的核心能力、适用场景和使用限制,帮助快速判断哪些工具适合放进自己的开发工作流。
Claude Code 的能力不只来自基座模型,还来自提示词组装、上下文管理和运行时约束三层工程设计。围绕 Prompt、Context、Harness 三个维度,拆解一个 AI Coding Agent 如何处理长程任务、工具调用、安全权限、记忆压缩和多 Agent 协作。
介绍 Rowboat、DeepTutor、andrej-karpathy-skills、claude-mem、ChinaTextbook、MarkItDown 和 VoxCPM 的核心用途、工作方式、适用场景与上手命令,覆盖多 Agent 编排、Claude Code 约束与记忆、文档转换、教材资源和语音合成。
Vibe Coding 适合快速写原型,但很难直接支撑生产级后台开发。Agentic Engineering 把 AI 放进需求澄清、计划制定、编码、审查、部署和修复的结构化流程里,让开发者负责目标、约束和审核,AI 负责执行可自动化的工程动作。