🦉貓頭鷹

Big Lebowski、Fat Thor. 打算找到一個金流後就到鄉村生活的肥宅

[宝玉 @dotey]

开源项目推荐：Claude Code From Scratch

这是一本学习 Claude Code 的开源电子书，严格来说不仅仅是电子书，还有代码，不需要你去看 Claude Code 的 50 万行代码。

用 ~4300 行代码（TypeScript 和 Python 两个版本分别实现）复现了 Claude Code 的核心架构——Agent Loop、13 个工具（含并行执行 + 流式早期启动）、4 层上下文压缩、语义记忆召回、技能系统、多 Agent、MCP 集成……每一步都对照真实源码讲解它怎么做的 → 我们怎么简化的。

有 13 章内容，每一章都是一份分步教程，跟着动手写几千行代码，快速理解 Claude Code 这样最好用的 coding agent 的精髓。

读完你就能大致理解了 coding agent 的工作原理，我跟着快速浏览了下都有了些新的收获，推荐有兴趣的可以看看。

有中英文版：
https://t.co/x2F11US2g0

[0x_Miko @Mikocrypto11]

Anthropic 自己的团队，刚刚演示了如何搭建 production AI agents

37 分钟

免费
而且是由真正构建这套系统的 engineers 亲自讲
这不是又一个“AI 很强”的泛泛分享

而是直接展示：
怎么把 AI agents 从 demo，推进到 production
很多人过去 6 个月，还在手动管理每一个 workflow
自己拆任务
自己复制上下文
自己盯执行
自己检查结果

但 Anthropic 这次讲的是另一件事：
如何把这些 workflow 放到 autopilot 上
让 agent 不只是回答问题，而是参与执行、协作和持续推进任务

真正有意思的是：
AI agent 的关键，不是单次生成得多漂亮
而是能不能稳定接住真实工作流
能不能连接 tools
能不能处理上下文
能不能持续执行
能不能进入 production

先看这个 37 分钟 workshop
未来真正拉开差距的，是谁会用 AI 提问，还是谁能把 AI agents 接进自己的生产系统？

[sitin @sitinme]

很多人用 Claude Code，其实还停留在最原始的方式：打开终端，丢一个需求，然后一路等它跑完。

但 Claude Code 真正好用的地方，不只是“会写代码”，而是它内置了一堆命令，可以帮你省 token、省时间、少翻车。

比如上下文快满了，不要等系统自动压缩，先用 /context 看一下占用，再用 /compact 手动压缩，并告诉它哪些结论必须保留。这个习惯很关键，越早压缩越省钱，也越不容易把重要信息丢掉。

再比如，不是所有任务都需要 Opus + max。写小工具、改样式、做格式化，用便宜一点的模型和低推理深度就够了；遇到复杂架构、疑难 bug，再切回强模型。模型和 effort 可以在同一个 session 里切，不会丢上下文。

还有一个特别实用的命令是 /plan。不确定方案的时候，先让 Claude 只做计划，不要改文件。方向对了再执行，方向不对也只浪费几百 token，不会白跑一大圈。

复杂项目还可以用 /agents 拆成前端、后端、数据库几个 subagent，各干各的，避免上下文互相污染。

我觉得 Claude Code 最值得养成的习惯，其实就三类：

省钱：/model、/effort、/compact
提效：/plan、/branch、/agents
自动化：/hooks、/loop、/memory

不用一下子记住 50 个命令，先把这几个用顺手，就已经能明显感觉到差别。

[铁锤人 @lxfater]

谷歌 Gemini 团队主管 Addy Osmani也开始编程Skill了

他把资深工程师多年积累的工作流程和开发规范，整理成一套标准化的技能库，让 AI 编程助手在写代码的每个环节都能按照统一的高标准来执行。

你可以理解为，它给 AI 配了一本老工程师的操作手册

这种workflow还是值得学习的
https://t.co/zFHaUClTkM

[铁锤人 @lxfater]

这个项目能扫描出你的代码的技术栈，然后配齐Skill

比如说，你的有React、Next.js、Tailwind、Prisma，都能给你装齐Skill

而且是人工精选的Skill，没啥安全问题，支持monorepo
https://t.co/MtlaGxFpTG

[GOLD @Honcia13]

太炸裂了，居然有人做了款能直接看懂K线交易的AI，
胜率还高达93%！

这款AI叫Kronos，靠45家交易所120亿条数据训练，是首个专门为金融市场打造的开源基础大模型，从底层就是为K线和交易逻辑设计，不是通用AI改出来的。

它能做价格预测、波动率预判，支持全资产零样本直接使用，覆盖币安、纽交所、纳斯达克等45家交易所，从400万到4.99亿参数共4个版本，笔记本就能跑。

实测效果很夸张：准确率比主流时序模型高93%，比顶尖非预训练模型高87%，而且不用微调，拿来就用。目前BTC实时走势演示免费开放，每小时更新。

对比之下，对冲基金定制模型要几百万，彭博终端年费2.4万美金，而Kronos完全免费，几行Python就能调用。

由清华团队研发，入选2026 AAAI顶会，现已上架Hugging Face，GitHub斩获1.16万星标、2400复刻，MIT协议，100%开源。

https://t.co/NBc5Gdcyo6

[Dr. Moyu｜摸鱼局长 @Jason23818126]

AI 大神 Karpathy 的编程经验 Skills 开源了，Stars 还在疯涨

建议都去给自己的 AI 喂一下这个 andrej-karpathy-skills 文件
这个项目做的事情很简单，就是把 Karpathy 吐槽大模型写代码的毛病，编译成了大模型能看懂的约束指令
不到 70 行的一个文件，就拿了接近 6 万颗 Stars

起因是 Karpathy 之前总结了 AI 编程的几个通病：喜欢瞎猜、过度工程、顺手乱改不相干的代码
开发者 Forrest Chang 就把这些经验浓缩成了 4 条核心规则：
1. 先想再写：遇到歧义先问，别做假设
2. 简单优先：不需要的功能不加，拒绝过度设计
3. 精准修改：只动该改的地方，旁边的代码再乱也不碰
4. 目标驱动：给 AI 明确的成功标准（比如通过测试），而不是模糊的指令

把这个文件下载到项目根目录，作为 CLAUDE.md 或者 AGENTS.md 让 AI 去读就行，之后它干活就会收敛很多。Claude Code 用户也能通过插件一行命令全局安装

AI 写代码的速度确实快，但这 4 条原则相当于牵住它的缰绳。懂得分清什么时候该让 AI 跑，什么时候该拉一把，能避开很多隐性的坑

https://t.co/0pxJ8lxeaj

[Berryxia.AI @berryxia]

兄弟们！Stanford第二弹！ 来了！🔥
Stanford 这堂2小时AI系统构建课，直接把它们全干掉！

强烈安利吴恩达“AI Project Strategy”它教的根本不是
Prompt技巧，而是斯坦福真正给工程师的从零到一构建可靠AI系统的完整方法论：

怎么定义项目、搞数据、迭代优化、团队协作、最后真正落地部署。

我做了中英双语版，晚上下班只刷这一个，生产力直接起飞，这绝对是你这周最值得干的事！👇🏻

[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

[宝玉 @dotey]

Learn Claude Code 是真做的好，强烈推荐👍
项目作者：@baicai003

很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。

Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。

这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。

整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。

学习路径设计得很讲究。

前两节搞定核心循环和工具调用

第三节加入计划能力（没有计划的 Agent 会跑偏）

第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动）

第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。

项目配了一个交互式 Web 平台（https://t.co/ZyubKItvQK），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。

文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。

对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。

学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

[Sac @Saccc_c]

20岁大四学生，用10天Vibe Coding手搓出来的开源项目：MiroFish，连续3天霸占GitHub Trending榜单前列，目前Star数已狂飙至8.3k，且还在持续增长中。

盛大创始人陈天桥看了Demo后，24小时内当场拍板注资3000万。

它是一个「预测万物」的 AI 仿真沙盘。只要丢给它一段新闻、政策或金融信号，它会自动生成成千上万个具备独立人格的 AI Agent，直接推演出未来的发展方向。

当你还在靠人工收集数据、靠经验做判断时，此项目已经开始用成千上万个 agent替自己预演未来了。

仓库地址：https://t.co/0Einknjq3V

[Sac @Saccc_c]

看完这个项目，你才算真的理解了 Claude Code。

learn-claude-code，一个从零手搓 Claude Code-like Agent 的开源教程，用 12 个递进式课程，带你一步步把一个最简单的 while 循环，搭建成支持多 Agent 协作、任务隔离的完整自治系统。

想真正理解 AI Agent 怎么工作的朋友，值得收藏学习一下。

仓库地址：https://t.co/IrmeNheViW

[Shraddha Bharuka @BharukaShraddha]

Most people treat CLAUDE.md like a prompt file.

That’s the mistake.

If you want Claude Code to feel like a senior engineer living inside your repo, your project needs structure.

Claude needs 4 things at all times:

• the why → what the system does
• the map → where things live
• the rules → what’s allowed / not allowed
• the workflows → how work gets done

I call this:

The Anatomy of a Claude Code Project 👇

━━━━━━━━━━━━━━━

1️⃣ CLAUDE.md = Repo Memory (keep it short)

This is the north star file.

Not a knowledge dump. Just:

• Purpose (WHY)
• Repo map (WHAT)
• Rules + commands (HOW)

If it gets too long, the model starts missing important context.

━━━━━━━━━━━━━━━

2️⃣ .claude/skills/ = Reusable Expert Modes

Stop rewriting instructions.

Turn common workflows into skills:

• code review checklist
• refactor playbook
• release procedure
• debugging flow

Result:
Consistency across sessions and teammates.

━━━━━━━━━━━━━━━

3️⃣ .claude/hooks/ = Guardrails

Models forget.

Hooks don’t.

Use them for things that must be deterministic:

• run formatter after edits
• run tests on core changes
• block unsafe directories (auth, billing, migrations)

━━━━━━━━━━━━━━━

4️⃣ docs/ = Progressive Context

Don’t bloat prompts.

Claude just needs to know where truth lives:

• architecture overview
• ADRs (engineering decisions)
• operational runbooks

━━━━━━━━━━━━━━━

5️⃣ Local CLAUDE.md for risky modules

Put small files near sharp edges:

src/auth/CLAUDE.md
src/persistence/CLAUDE.md
infra/CLAUDE.md

Now Claude sees the gotchas exactly when it works there.

━━━━━━━━━━━━━━━

Prompting is temporary.

Structure is permanent.

When your repo is organized this way, Claude stops behaving like a chatbot…

…and starts acting like a project-native engineer.

[小互 @xiaohu]

兄弟们，今年是CLI 工具爆发之年！！

Google 发布了他们的官方的命令行工具（CLI），可以直接在终端里操作 Drive、Gmail、日历、Sheets、Docs 等等。

- 用 Rust 写的
- 一条命令直接安装安装
- 可以作为 Claude Code 的 Skill 直接接入使用

现在你可以让 AI 帮你直接操作 Google 全家桶...

能接到 Claude Code里，你可以让Claude "帮我查下明天的日程"、"把这个文件传到 Google Drive"，它能帮你搞定了。

[Leo｜一个人 + AI @runes_leo]

同感，但我的用法反过来：写代码的模型永远不负责审自己的代码。

我的日常开发全在 Claude Code 里跑 Opus 4.6。写完一个功能或改完一个 bug，不急着提交，先让 Codex 审一遍。

具体怎么做的：

Claude Code 支持 MCP 协议，可以在同一个终端里调用外部模型。我接了一个 Codex MCP Server。写完代码说一句" Codex review "，它就去审了，不用切窗口

审完列出问题，回到 Opus 逐个修，改完再过一遍，循环到没新问题为止。

跟人类团队 Code Review一个道理——自己写的东西自己审，永远有盲区。区别是现在审的那个人也是 AI，换一个不同思路的 AI 来审你的 AI。

实测基本每次 review 都能捞出点东西，边界条件没覆盖、错误处理遗漏这种最常见。偶尔还能抓到逻辑 bug

成本多一轮对话的钱，但省掉的返工时间远超这个。

流程见图。想试的话：Claude Code 装个 Codex MCP Server 就行。

[Leo｜一个人 + AI @runes_leo]

用 Claude Code 两个多月，https://t.co/cJ5XX0Pns6 从一个配置文件长成了一套操作系统。

踩过最痛的坑：rules/ 目录下的文件每次对话全量加载。我往里塞了 17KB 的规则，直接撑爆 context 窗口——125,996 / 125,999 tokens，Claude 转圈不出字。砍到
6.6KB 才恢复正常。

这件事教会我一个设计原则：每个 byte 都有成本，按需加载才是正解。

现在我的结构是三层：

https://t.co/cJ5XX0Pns6（永远加载，<200 行，只放指针）
→ rules/（自动加载，行为规范、调试流程、捕捉规则）
→ docs/（按需加载，重型文档，用到才读）

在这之上跑了四个机制：

热数据层 — https://t.co/yLgyWe7Yok
记当天进度，关窗口前自动写入，不等你说"保存"。下次开对话，Claude 能从断点继续。

任务路由 — Sonnet 处理日常，涉及资金/策略自动升级到 Opus，需要交叉验证就外包 Codex
或 Gemini。四层调度，每层有明确的触发条件。

经验回溯 — 遇到 bug 第一步查记忆库，不查就调试算流程违规。被纠正的错误立即写入
https://t.co/rXvVbuAt4e，同样的坑不踩两次。

完成验证 — 宣称"改好了"之前必须跑测试、读输出、确认通过。禁止说"应该没问题"。

跑了两个月，最大的体感：https://t.co/cJ5XX0Pns6 不是写一次就完的配置文件，是一个活的系统。你纠正它，它记住；你踩坑，它沉淀；你关窗口，它自己保存。越用越顺手，因为它在跟你一起进化。

你的 https://t.co/cJ5XX0Pns6 长什么样？

[池建强 @sagacity]

Anthropic 发布的《Claude Skill 构建指南》pdf 版，一共 33 页，可下载

中英文版本点这里下载：https://t.co/Da3IxeSZvt

这份详尽的指南是由 Anthropic 官方发布，旨在帮助开发者和普通用户更高效地利用 Claude 的“技能”（Skills）功能。虽然 Claude 的 Skill 最早是在 2025 年 10 月 随 Agent 功能一同推出的，但这份长达 32-33 页的完整版技术指南才刚刚发布。

[Evan Lin@LINE DevRel @Evan_Lin]

史丹佛大學竟然開了一門 「Vibe Coding」課程！
課程編號 CS146S，全名叫做**《現代軟體開發者》**。這門課為期 10 週，內容完全是為了 AI 時代量身打造，具體進度表如下：

- Prompt Engineering（提示工程）： 教你如何精準下指令，不再跟 AI 雞同鴨講。
- Agent 體系架構： 學習如何打造會自我思考、執行任務的 AI 代理人。
- MCP (Model Context Protocol)： 深入研究模型上下文協議，讓 AI 連結更多外部工具。
- Context Engineering（上下文工程）： 掌握如何餵給 AI 正確的資訊，讓它邏輯不打結。
- 安全攻防： AI 時代的資安實務，防止模型被惡意誘導。
- Code Review（程式碼審核）： 練習如何當個稱職的「AI 監工」，檢查 AI 寫出來的 Code 有沒有 Bug。
- App 自動化開發與上架運維 (DevOps)： 從零到有一條龍，教你如何用 AI 自動生出 App 並搞定上線後的維護。

小提醒： 這門課的官網 https://t.co/JEy1UFNdWS 已經成為很多台灣開發者最近瘋傳的學習地圖，裡面的教材非常扎實，不是真的只靠「感覺」就能過關的喔！

[KK.aWSB @KKaWSB]

Claude Code 的亲爹 Boris Cherny 透露了团队内部的AI工作流，有人把这套硬核工作流提炼成一份 https://t.co/J0gxEjB6Ar 文件——丢进项目根目录，AI 助手直接脱胎换骨。

这份文件干了一件很多人没想到的事：它让 AI 从”被动应答”进化成了有记忆、会规划、能自我迭代的数字队友。最狠的设计是”自我优化循环”——AI 会主动从错误中学习，你不用再无休止地纠正同一个问题，它会自己进化。

同样的需求，别人用 AI 改三遍，你一次过。
这就是配置和不配置的差距。

体验10倍工程师的效率，文件已附，直接抄作业。