JokerHan

AI Builder ⚡
Finance × AI × Systems
Building an AI Playground 🎪

[Nora X @NoraX2026]

https://t.co/iqPT4XZc9J

[droidHZ @hezhiyan7]

https://t.co/fOaC3ebpij

[Ren @FakeMaidenMaker]

GitHub 上一个叫《Learn Harness Engineering》的开源课程最近上了 Hacker News 首页（155 分、5.1k stars），
主题是 AI coding agent 的可靠性工程——也就是 OpenAI 和 Anthropic 最近几个月一直在讲的 harness engineering。

https://t.co/y0BYMumpCA

作者是清华 SIGS 的开源团队 walkinglabs，课程内容 12 节 lecture + 6 个实战项目，全部围绕同一个压轴项目（一个 Electron 知识库 app），目前已经有 13 种语言版本。

核心讲的是这几条：

1、Harness Engineering 是新概念但绝不只是营销：
OpenAI 2026 年 2 月在 Codex 官方博客正式提出，Anthropic 同期发了两篇配套工程文章。这门课是把这两家分散的工程内容系统整理成中文可读的体系，不是发明新东西；

2、核心论点是模型不是问题，环境才是：
Anthropic 自己跑过一个对照实验，同样的 Opus 4.5、同样的提示词（"做一个 2D retro 游戏编辑器"），没 harness 花 $9 跑 20 分钟出不来；有完整 harness（planner + generator + evaluator）花 $200 跑 6 小时跑出来一个能玩的游戏。差距不在模型，在环境；

3、Harness 的 5 个子系统：
Instructions（agent 看什么）、State（已经做了什么）、Verification（怎么算完成）、Scope（一次只做一个 feature）、Lifecycle（会话起手和收尾）；

4、最小起手 4 个文件：
AGENTS.md（操作手册）、https://t.co/vGBn7j7LRZ（每次起手跑的环境检查脚本）、feature_list.json（机器可读的功能边界）、claude-progress.md（会话之间的进度交接）。这 4 个文件直接丢进你现有代码库就能用，不用读完 12 节课；

5、为什么 agent 总是搞砸（课程反复回答的几个问题）：
一次想做 3 件事但 3 件都只做一半；说"done"但其实 test 跑不过；跨会话完全没有记忆，这次写到一半下次重头来；没有验证流水线就没有真完成（只有 test pass + lint pass + e2e pass 三件齐了才算）；

6、6 个项目渐进式演进：
P01 prompt-only vs rules-first 对照看差距、P02 把代码库改成 agent 能读的结构、P03 跨会话续接、P04 加运行时反馈控制范围、P05 让 agent 自验、P06 完整 harness 加可观测性；

7、压轴项目是个 Electron 知识库 app：
每个项目的答案就是下一个项目的起手代码——app 在演进，你的 harness 技能也在演进；

总结：

"AI agent 工程师"这个角色正在从"会写提示词的人"变成"会搭 harness 的人"。

这门课本身不算硬核，但它把 OpenAI 和 Anthropic 两家工程博客分散的内容系统整理成了中文索引，对中文圈想入门这个方向的人来说，能省下读 5 篇英文工程博客的时间。

[JokerHan @JokerHanAI]

#新头像

[宝玉 @dotey]

https://t.co/5DaPyMKzWZ

[JokerHan @JokerHanAI]

“最累的其实不是工作。
是你明明在拼命往前推事情，结果还得时不时发现一些‘小动作’。

同样的规则，别人可以例外。
同样的编制，别人可以直接进。
轮到你，就得严格按流程、按挂靠、按控制成本。

很多时候真正消耗人的，
不是工作量，
而是这种被区别对待后的无力感。”

[JokerHan @JokerHanAI]

@karpathy 牛逼

[泊舟 @bozhou_ai]

自学 Vibe Coding 看这三个开源项目就够，不用买课

很多 AI Coding 课程的素材都从这里来，原始版本反而更系统

1. Easy-Vibe
DataWhale 出品的系统教程，5k stars。分三阶段：从 AI 编程小游戏入门，到产品创意 + Web 原型，再到桌面应用和多 Agent 协作。零基础友好，中文为主
https://t.co/l6AqSDDUCC

2. vibe-coding-cn
原 EnzeD/vibe-coding 的中文翻译版，11k stars。三块内容：Prompt 提示词、Skill 技能库、Workflow 工作流。强调规划先行、模块拆分、接口在前，把 vibe coding 从随性即兴变成可重复工程
https://t.co/cYzLgpb0i5

3. awesome-vibe-coding
最全的 Vibe Coding 资源 awesome list，4k stars。覆盖浏览器工具、IDE、移动端 App、插件、CLI 工具。所有主流 vibe coding 工具的总目录
https://t.co/oWP4NoWDGl

先把这三个读完，你对AI Coding 会有一个全新的认知

[JokerHan @JokerHanAI]

升职半年，工资0增长，任务量直接×2。
从项目交付、经营指标、团队管理到售前背锅，全都得管。
每天像同时打十场仗。
成年人崩溃的方式，就是一边开会一边想辞职。

[Lonely @Lonely__MH]

👋再见 Claude，你好 Codex！

由于 Claude 最近封号严重，大批开发者开始拥抱Codex更稳、额度重置勤快，且不封号

🚀发现一个Codex 宝藏教学视频，仅仅 38 分钟，教你从零开始玩转 Codex

覆盖版本安装、语音交互、GitHub、MCP、自动化测试、工作流搭建等等

全中文讲解，一看就会，上手即巅峰！

----------致谢---------
视频来自：技术爬爬虾
传送门👉🏻：https://t.co/NZZOW0s3YG
----------致谢---------

[Web3老吴 @laowu3677]

马斯克03年在斯坦福，45分钟闭门演讲

不是泛泛而谈的成功学，是他亲自拆解如何从0创办一家公司

这场演讲，被在场的人称为创业者的教科书

因为那45分钟里，顺便讲了自己干的三家公司是怎么活下来的

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

https://t.co/UZoIBHqBAs

[JokerHan @JokerHanAI]

有点意思

[CuiMao @CuiMao]

https://t.co/p8OlthhpJl

[宝玉 @dotey]

有网友问为什么 Claude Code 比 Cursor 好？

我想从三个角度聊下这个问题：上下文、场景、数据飞轮。

【1】上下文：IDE 是优势，也是包袱

我估计很多人会有我相同的感受：完成同样的任务，同样的 Claude 模型，在 Cursor 里和在 Claude Code 里跑，效果可以差很多，既然模型是一样的，那问题多半出在上下文上面。

Cursor 最大的卖点是它把 AI 塞进了 IDE。你习惯了 VSCode，切过来几乎零成本，Tab 自动完成也确实做得好。

但 IDE 带来的问题是：它要帮你维护太多跟当前任务无关的上下文。你打开了哪些 Tab、选中了哪些代码、侧边栏展示了什么，这些信息都会被塞进和模型交互的上下文里。你以为它在帮你，其实它在分散模型的注意力。

Claude Code 是命令行工具（CLI），它只关心文件本身。没有 Tab 状态，没有 UI 元素，上下文干干净净。这不仅省 Token，更重要的是让 Agent 能聚焦在你给它的任务上。

【2】场景：当 Agent 成为中心，IDE 退居二线

CLI 有一个 IDE 没法比的优势：移植性。

你可以在本地用 Claude Code，可以在远程服务器上用，可以在 Docker 容器里用，可以直接集成到 CI/CD 流水线里。Anthropic 官方已经发布了 GitHub Action 和 GitLab CI/CD 集成，你在 PR 里 @claude 就能触发自动 Code Review、自动修复 Bug、甚至自动实现 Issue 里描述的功能。

Claude Code 已经不只是一个“编程助手”了，它是一个可以嵌入到任何工作流里的开发工具包（SDK）。

当 Agent 能力足够强的时候，你的日常工作模式会变。以前你需要打开 IDE，手动调整代码细节，现在你更多是在指挥 Agent：改这个文件、跑一下测试、修复报错。这个过程里，你不需要看到 IDE 的界面，你只需要一个能跟 Agent 对话的入口。

一旦习惯了这种方式，Cursor 引以为傲的 Tab 自动完成就没那么重要了。你不需要 AI 帮你补全下一行代码，你需要 AI 帮你完成整个任务。

场景还在继续扩展。已经有很多人用 Claude Code 做编程之外的事情：批量处理文件、生成报告、操作数据库、甚至辅助视频剪辑。当你的 AI 工作流是以命令行为入口的时候，编程只是它能做的事情之一。

包括 Anthropic 也推出了针对办公场景的 Cowrok，可以满足很多办公需求，甚至于不需要打开办公软件可以生成不错的 PPT。这些都是相同的趋势，人会越来越多的以 Agent 为中心，去指挥 Agent 操作软件，而不是直接打开软件，这个变化正在发生。

【3】数据飞轮：自家模型 vs 第三方集成

自家模型加自家工具形成的数据飞轮，可能是 Claude Code 真正的护城河。

Cursor 是一个第三方工具，它接入多种模型，Claude、GPT、Gemini 都可以用。

听上去很灵活对吧？但问题是，它要为每一种模型做优化：不同的系统提示词、不同的工具调用方式、不同的擅长领域。

Codex 喜欢写 Python，Claude 习惯用 Bash，每次模型升级，这些适配都要重新调整。维护成本很高，而且很难做到极致。

Claude Code 只需要考虑一件事：怎么把 Claude 模型的能力发挥到最大。它知道模型的所有技术细节，知道什么提示词效果最好，知道怎么拆分任务最高效。甚至 Anthropic 可以反过来，专门针对 Claude Code 的使用场景去训练模型。

这就形成了一个飞轮：用户用 Claude Code 产生真实的交互数据，Anthropic 用这些数据训练下一代模型，模型变强后 Claude Code 更好用，吸引更多用户，产生更多数据。Cursor 做不到这个循环，因为数据和模型分属不同的公司。

飞轮效应还体现在定价上。Anthropic 可以把 Claude Code 的订阅价格定得相对便宜，因为用户产生的数据本身就有价值，相当于用补贴换数据。

Cursor 的商业模式是赚差价：用户付月费，它去调 API，中间的差价就是利润。用户的 Token 用得越少，Cursor 赚得越多。它之前尝试过比较大方的包月方案，很快就扛不住成本了，现在改成包月加超额付费的模式。做 Agent 功能的时候，它就有动力去省 Token，但一省 Token 上下文就可能被截断，效果就打折扣。

这也是为什么同样的模型，Cursor 的表现不一定比得上 Claude Code。

【最后】

我得申明下，我有一段时间没怎么用 Cursor 了，上面这些对 Cursor 的判断是有滞后的，更多是一年前的 Cursor 印象。Cursor 也在做 CLI 工具，也在往 Agent 方向走。两者的形态边界在模糊。

但核心逻辑不会变：当编程的主要方式从“人写代码”变成“人指挥 Agent 写代码”，IDE 的重要性就会持续下降。原生为 Agent 设计的 CLI 工具，天然比从 IDE 里长出来的 Agent 功能更有优势。

[宝玉 @dotey]

https://t.co/QvNkWdwdRg

[Xiaowen @ixiaowenz]

回杭州，年前再也不用出差了。

我从事管理工作以来，就很少很少加班了，一方面克制自己过度参与具体工作，把自己占满成为团队瓶颈，一方面也确实是懒。

但最重要的，管理者既然成为管理者，就应该理解自己的价值都在撬动更大的组织价值上，服务好团队，舔好团队，但必要的时候匡正团队方向和认知，避免不必要的迂回和内耗，就能超过90% 平庸的人。

几次最重要的加班，都是为了抢关键的可以事半功倍的时间点，甚至无私的帮别人输出，都是为了更大的组织范围内能事半功倍不走歪路：关键决策前的汇报啊，关键时间点上的内外部培训潜移默化的拉齐认知，都是类似的。

为了这种事，我会自发去做远超职责要求的内容和质量，熬过很多夜。

除此之外，哪有什么工作值得我加班啊……嗯哼。

[波妞PONYO @ponyodong]

https://t.co/3FaCkIRA8X