Dong

🧑‍💻 独立开发者｜APP & WEB 出海
🤖 AI 探险者｜热爱产品设计 & 编码｜效率至上

[Dong @Dssssdev]

我的 AGENTS.md 只收一种条目：一条治一个坏毛病。

治防御式代码那条最管用。改个小功能，agent 能把判空从入口铺到出口，代码量翻倍。

152 行的指南我整份抄过，最后只留下带症状的那几条。「代码要简洁」没用，得写「判空只留你真的会走到的分支」。

https://t.co/dHFIXl1f7r

[越川 @Rakel076]

用 Codex 写代码，最烦的就是它爱加防御代码：改一个小功能，加了十几层判空和 try/catch，再防一个几乎不可能发生的并发问题，代码量翻一倍。

OpenCode（开源的编程 agent）仓库里有一份 AGENTS.md，专门有一条治这个。我去翻了整份原文，Style Guide 那一节有 4 条可以直接抄进自己的 AGENTS.md 或 CLAUDE.md：

1、要为一个推测出来的、几乎不会发生的并发或安全边界加复杂度之前，先跟用户讲清楚：具体会出什么问题、概率多大、要多写多少，用户点头了再加。不许为了「理论上更稳」悄悄扩大范围。

2、外面进来的数据只在入口校验一次，往里传就用定好类型的值，不要每一层再判断一遍。

3、只用一次的逻辑不要提前抽成函数，直接写在调用的地方，除非它会复用，或者真藏着一块复杂的东西。

4、能不用 try/catch 就不用，能一个函数写完就别拆。

第一条等于让 AI 每次想多写代码之前，先报个价给你。

原文是英文，整段贴进去就行，AI 都看得懂。仓库地址放评论区了。

[Dong @Dssssdev]

Terra 把 computer use 降价了。我先盘手上的重复活：一周两次后台录入，每次十来分钟。
按新单价省不了几块钱，把等待和截图核对算进去，未必比我自己点快。
我肯交给这个 agent 的只有一类：能撤销，且我来得及验收。

https://t.co/H9zf5odpB2
图源 @OpenAI

[OpenAI @OpenAI]

GPT-6.1 Terra: delivering fast and capable computer use at a lower price.

GPT-6.1 Terra understands what’s on screen, takes action across apps, writes naturally, and is a more capable model for your whole workday with the efficiency to take on more of it.

[Dong @Dssssdev]

AGENTS.md 我在维护，DESIGN.md 不急着加。

Google Stitch 把设计系统写成纯 Markdown，丢进根目录，AI 编程工具照着排 UI。

省的是每次交代色板和间距，验收省不掉：文件里写「间距紧凑」，工具给 12 还是 16 它不看，我还得截图对比。

https://t.co/9Rw6hUlqgl
图源 @NFTCPS

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

前端真的要失业了！

这个仓库太猛了，4.8万Star，解决了AI写前端最头疼的问题：UI丑。

DESIGN.md 是Google Stitch提出的新概念——一个纯Markdown文件，定义你的设计系统。丢进项目根目录，AI编程工具直接读懂你的UI该长什么样。

类比一下：
- AGENTS.md 告诉AI怎么构建项目
- DESIGN.md 告诉AI项目该长什么样

这个仓库收集了66个知名网站的DESIGN.md，直接拿来用：

AI平台：Claude、Mistral、ElevenLabs、Replicate
开发工具：Cursor、Vercel、Raycast、Warp
设计工具：Figma、Framer、Webflow
金融/Crypto：Binance、Coinbase、Stripe
消费品牌：Apple、Nike、Spotify、Tesla
豪车：Ferrari、Lamborghini、Bugatti、BMW

每个文件包含：配色方案、字体规则、组件样式、布局原则、响应式行为、甚至给AI的prompt指南。

用法极其简单：复制一个DESIGN.md到你的项目根目录，告诉AI"照这个风格做"，出来的UI直接就是品牌级水准。

想让你的产品页面有Stripe的质感？复制Stripe的DESIGN.md。想要Linear的极简风？复制Linear的。

以前做UI：找设计师→出设计稿→切图→还原。
现在：复制一个md文件，AI直接生成。

前端的游戏规则变了。

🔗 https://t.co/hmoc0vosBF

----------------------------------
在武汉的独立开发者、OPC超级个体注意啦！

世界人工智能大会（WAIC）官方举办的OPC黑客松大赛武汉线下交流会4月19号举办，在武汉的同学可以加V群，报名地址：
https://t.co/MVEQJbyzpS

OPC先锋挑战赛是全球首个聚焦「一人公司」的顶级 AI 赛事，双赛道设计，总决赛 7 月登陆上海世博会场

其他城市OPC聚会报名请看：
https://t.co/Y3AsiMUIQm

[Dong @Dssssdev]

密钥别贴给 agent。这条我在清单里认得最死：贴了就当已经泄露，立刻换一把。
它守不住边界——上下文会被截断，会跟着会话被我复用到下一轮，截图也算。
现在我交给它的只有变量名，真值留在本地。
这条不分人，也不分模型。

https://t.co/0tC6gBKWxa
图源 @HiTw93

[Tw93 @HiTw93]

假如把我的 AI Coding 经验沉淀成一些最佳实践规则，可以给到大伙复用，会是怎么样的，于是乎，今天一下午我就在琢磨这个事情，手写反复调整后给到大伙，可以让你和你的 Agent 一起去学习。

需求
1. 从技术实现细节编程转变成许愿式编程，现在模型能力已经住足够强大，你只需要大胆把自己想法说出来，给它提足够高的要求和任务，不要担心 AI 实现不了。
2. 多给你的 Agent 讲做这件事情的背景和目标，少替他考虑技术细节，告诉它为什么要做，是给谁用的，做成什么样子你认为是最好的，具体的技术细节让它自己去判断，学会放手。
3. 优先用业界最好的模型，用差模型浪费的时候，一来回让你很不高兴的干活，二来也浪费了很多时间。
4. 要不要做一个新功能以及加一个新配置、开关的时候，让 Agent 来先问你找你确定，没有人用的功能、开关、文案都不要让他去加，慢慢把这一套你的产品规范让他沉淀起来。
5. 你的想法可以很大，但是让 Agent 干活的时候，尽量让他每次拆分成最小的可用功能版本，不要一次写非常多的代码，即使提交，这样出问题了你可以随时撤回。

规则
6. 让你的 Agent 了解你的说话风格，比如说看看、分析一下这个问题的时候，它只需要去读代码分析问题不要去改代码，你说修复、修改的时候才去动手，每次提交、发布和删除的时候都找你确定。
7. Agent md、CLAUDE md 里面除去重点的项目型要求外，只写代码里面看不出来的那种规则，以及之前被否决过的方案也可以分流进去。对你而言密钥和 token 不要贴给 Agent，贴了就当已经泄露了，立马去更换一个。
8. 对于Agent必须遵守的规则不要完全信 prompt，可能会拦不住，一定要用规则脚本去限制，让它真实跑一遍通过后才算完成了。

编码
9. 开始写代码之前，先让 Agent 讲清楚要改什么地方，会影响到什么功能和效果，这样是为了补充你的上下文，方便后面更好判断决策做什么。
10. 一定要让 Agent 基于项目补充一个能够让自己验证各种结果的脚本，每次特定的时候需要去跑一下验证效果，完成功能后需要检查，让他输出结果给你看，并基于此逐步沉淀你的项目 Agent 测试功能集。
11. 假如有多个 Agent 同时干活的时候，让他们各自用一份独立的 worktree 代码目录，同时提交的时候只提交自己改的代码，不要碰他人的代码，等到各自改完合到一起，再完整跑一遍测试。

排查
12. 修 Bug 的时候先找到原因再去动手，假如两次都没有修好，就去加一些日志看真实的数据以及运行效果，不要盲目去猜问题在哪儿。
13. 假如尝试修复了3次还不对，直接清空上下文重新写清楚你的问题、诉求，以及尝试过的解法让 Agent 重新开始。

审查
14. 让写代码的 Agent 和 Review 审查代码的 Agent 分开，保持解耦，这样一方不会被另一方带偏。
15. Review 代码的时候最多让 Agent 跑 3轮，防止跑着停不下来，第二轮开始只看新改动的地方，不要再把之前 Review 的再看一遍。
16. 对于你和 Agent 判断危险的改动，越危险让他查得越深，特别对于删除、付费、发布这种单向门改动你都需要自己去看一遍，点一下，看实际效果。

发布
17. 每次提交的时候，让Agent 写清楚做了什么，怎么去验证这个改动，除了问题怎么来回滚，用于给到后面开发过程中 git 记录本身就是 Agent 的一个非常好的上下文。
18. 需要对外的功能，可以先给自己用，或者给一批愿意尝鲜的用户使用，不要一上来就全量，可以在你的软件里面假如 beta 更新的开关，防止全量有问题，也是对用户负责。
18. 先给自己和愿意尝鲜的人用，没问题再发给所有人。

复盘
19. Agent 需要对每一个线上 Bug 和用户反馈的问题都留一个测试案例，每次上线前都来跑一遍，防止继续踩坑，包括你换模型的时候也可以把这些旧问题全部都跑一遍，看看模型是否还行。
20. 修复问题的时候，让 Agent 学会举一反三，把同类的问题一起修复掉。优化功能的功能，完善视觉的时候也是一样，防止只改一个地方，忘记了其他的地方。

[Dong @Dssssdev]

我不发早安晚安，也不群发问候。

刷到你在写什么，比每天一句问好更近。

蓝朋友，用内容打招呼。

#互关 #蓝朋友 #交友

[Dong @Dssssdev]

两条留言，一条表情，一条写了三行。

我一定先回后者。

不是偏心，是认真该被认真接。

#互关 #蓝微互动 #留言

[Dong @Dssssdev]

帖子结尾留一个具体问题，留言量差很多。

「你怎么处理」比「共勉」更容易有人接。

互关之后，试着问一句。

#互关 #蓝朋友 #发帖

[Dong @Dssssdev]

私信别发「在吗」。

直接说你想聊什么，我看到就能回。

蓝微互动，一句有效的话比寒暄值钱。

#互关 #蓝微互动 #私信

[Dong @Dssssdev]

Pro 订阅能领最高 500 美元 API 额度，我先把两张账单并成一张。
分界线很土：人在屏幕前反复改提示词的，留在订阅里跑；要挂到夜里自己转、塞进代码的，才走 API。
领取条件帖子里没写，我按领不到来排预算，到账算白捡。

https://t.co/Z7e9gEeH2P
图源 @OpenAIDevs

[OpenAI Developers @OpenAIDevs]

Starting today, eligible ChatGPT Pro and Business subscribers can claim up to $500 per month in API credits to build apps and agents.

[Dong @Dssssdev]

新号头七天最难熬，没人看也没人回。

我的办法是每天认真回三条，比发十条有用。

蓝朋友，先混个脸熟。

#互关 #新人 #蓝微交友

[Dong @Dssssdev]

每周五我会翻一遍本周留言的人。

谁常来、谁第一次来，心里有个数。

互关不是数字，是名单。

#互关 #蓝微交友 #复盘

[Dong @Dssssdev]

不想回关的时候，我不装。

有人问，我就说最近在看内容，暂时不加人。

蓝微互动，直说不伤人。

#互关 #蓝微互动 #真诚

[Dong @Dssssdev]

computer use 主打更便宜，GPT-6.1 Terra 也走这个卖点。

单价不是我在意的那件事。我让 agent 操作后台改配置，中途弹了个窗，它对着弹窗连点好几轮确定，回头两条记录被覆盖了。省下的那点钱不够我半夜回滚数据。

屏幕前的操作出错不留痕迹，验收比压价难做。

图源 @OpenAI

[Dong @Dssssdev]

评论区意见不同很正常，不用辩到赢。

我一般点到为止，转头去看别的帖子。

互关之后，别把关系吵没了。

#互关 #蓝朋友 #评论

[Dong @Dssssdev]

我简介里只写一句：我在做什么。

别人点进来三秒能判断要不要聊。

蓝微交友，先说清楚你能给什么。

#互关 #蓝微交友 #简介

[Dong @Dssssdev]

抽奖换来的关注，开奖那天就散了。

我宁愿要十个会留言的人。

互关这件事，靠内容才留得住。

#互关 #蓝微交友 #涨粉

[Dong @Dssssdev]

转发的时候我会带一句自己的话。

纯转等于没转，别人看不到你为什么觉得好。

蓝微互动，加一句就够。

#互关 #蓝微互动 #转发

[Dong @Dssssdev]

同一件事连发三条，我会想取关。

不是内容不好，是注意力被占得太满。

留白也是尊重。

#互关 #蓝朋友 #节奏

[Dong @Dssssdev]

dsh-superagent 我想抄的不是那张 Router-Worker 图，是它把「记得」「干活」分开。

我踩过反过来的坑：执行和上下文挤在同一个 session，改到三四十轮，模型照着错的版本接着改。重开一次，半小时白扔。

长任务我先把状态落成文件，执行随时推倒。

https://t.co/RnOSm0PUam

[Bojie Li @bojie_li]

dsh-superagent（DeepSeek 刚开源的主动 coding agent 架构）非常赞。

1. Router-Worker 架构实现了 sessionless，Router 负责与用户交互，调度消息和事件，维持记忆和全局上下文，多个 Worker 并行执行具体任务。

Sessionless 不是简单把多个 session 合成一个 session，难的是实现活人感，有事响应及时、说话简洁，没事少打扰用户。

2025 年在 Pine 做全球首个 personal agent 的时候，Pine 的用户都是不懂 AI 的普通人，总是抱怨 agent 跟用户说话啰嗦，agent 忙着干活的时候不搭理用户、不响应紧急事件。为了让 agent 在文字沟通中也具备活人感，我们引入了前台 agent 跟用户沟通，后台 agent 实际干活。在全双工语音架构中，也是前台 full duplex 说话，后台做长程任务。

Router agent 在电话、短信、Web、邮件等多种渠道跟用户和第三方交互时，适合的信息密度不同，因此 agent 必须知道该用何种渠道跟用户交互，不同渠道的交互规范也不同。

2026 年初，OpenClaw 把这个多 channel 的 sessionless 架构带给了 agent 社区。但 OpenClaw 在多 channel 交互细节上仍然有很多待打磨的地方。

2. 事件驱动的 agent 架构，飞书消息、GitHub issues 都是事件，事件首先经过规则和 Jev 类轻量模型过滤，再送给 LLM 处理。

事件驱动的难点在于，单一的 ReAct loop 可能来不及处理所有事件，也就是 25 年我们遇到的 agent 忙着干活的时候不响应新的事件。但简单交给独立的 agent 来做，又会导致 agent 上下文割裂，不同 agent 的决策互相打架。

dsh-superagent 的解法是根据数据源把事件组织成 thread，每个 thread 在同一时间只有一个实例（Eval），这样不同数据源可以并行处理，相同数据源可以批量处理，就像 Linux epoll 一样。dsh-superagent 把计算机系统的经典 event driven 架构引入到了agent。

3. 异步 ReAct loop，也就是工具调用可以异步执行。以往长时间运行的工具都要像 Claude Code 一样利用后台命令、monitor 等机制来实现异步化。GPT-6 模型原生支持了异步工具。dsh-superagent 把耗时的命令与子任务工具调用改为异步的start() 和 stop()，构成异步 ReAct Loop。

2025 年初我刚提出异步 ReAct loop 的思想时，有些人认为没有必要，有些人认为模型很难支持。今天异步执行命令已经成为 coding agent 必不可少的能力，异步 ReAct 这个思想也终于落地了。

4. dsh superagent 采用了“脑手分离”、“存算分离”的思想，harness 无状态，因此脑可以在端侧也可以在云上，摆脱了单机生命周期限制。Claude Code、OpenClaw 等 agent 仅在端侧，Manus 等 agent 需要昂贵的云侧沙盒，其实把 agent 做进端侧 OS，端云结合是最正确的设计。

从 2025 年至今，我们坚持 agent 无状态化，不做 E2B sanbox 这种重量级的沙盒，很多人好奇我们怎么做到通用 agent 成本还这么低的。这种架构对 agent 开发确实带来了很多约束和麻烦，但对一个服务数百万用户的系统来说是值得的。

5. dsh superagent 的 Watchdog 是非常实用的设计，我在本地也用蓝色大肥鱼做了一个“监工” agent，专门处理 provider 429、rate limit、agent 崩溃、VPN 出问题等。agent 一崩，人在睡觉，几个小时时间就浪费了。对工具调用不太稳定，经常死循环或者早停的模型，watchdog 就更重要了。

6. 在事件内容和工具调用结果注入上下文时，dsh superagent 充分利用了局部性原理，直接喂进去摘要和 ID，agent 需要更多细节时再根据 ID 读取细节。系统中的主要对象都有 ID，构成一张引用图，可以按需读取，便于 agent 协作。

这也是很多 agent 初学者最容易犯的错误：要么把信息一股脑灌进上下文，要么只留摘要导致信息缺失。需要让每个对象有 ID 或路径，渐进式披露。

上述架构设计观点在我的开源书《深入理解 AI Agent》里面基本都有，当然也不是我原创的，是大家做 agent 摸爬滚打的共识。很高兴 dsh superagent 把这些设计原则都开源落地了。

[Dong @Dssssdev]

短推说清一个点，长文讲透一件事。

我更喜欢前者，看完还愿意留言。

蓝微交友，别把简单的事写长。

#互关 #蓝微交友 #内容