Claude Code 记忆系统详解：Markdown、Auto Memory 与向量检索怎么选
LLM 不持久记忆，跨会话知识必须外置且可治理，避免「记错」比「忘记」更糟。 适用场景多会话重复解释同一架构；希望 Agent 记住团队偏好；评估 claude-mem、memsearch 等插件。 方法与要点Markdown 规则：确定性、可 review。Auto Memory：Agent 提议写入，人应 periodic 清理。向量检索：适合大文档库，需防幻觉引用。Subagent/Team 各有 memory scope。敏感信息永不进 memory。 工作流稳定事实 → CLAUDE.md；会话洞察 → Auto Memory 候选 → weekly review 合并或删。RAG 插件索引 docs/ 子集，query 带 citation 要求。 风险Memory 写入错误约定永久化；向量库召回无关片段；跨项目 memory 泄漏。GDPR/密钥进 memory。 检查清单 Memory 变更有人 review 季度 audit 过期条目 RAG 有来源引用要求 秘密分级禁止写入 /memory 查看实际内容 落地建议把...
Claude Code Hooks 详解：生命周期钩子与自动化工作流
Hooks 把软提示变成可审计的自动化，适合团队级一致动作。 适用场景每次改完必须跑 formatter/linter；阻止 Agent 修改 secrets 路径；提交前自动单测；Slack 通知长任务完成。 方法与要点生命周期：PreToolUse/PostToolUse/Stop 等（以当前版本文档为准）。Handler 可为 command 或 prompt。输入输出 JSON 可 block 或 modify。典型：PostEdit 跑 prettier；PreBash 拦截 curl | sh。失败应 fail open 或 closed 由团队定。 工作流hooks.json 进 repo → CI 校验 schema → 本地 claude 触发 smoke → 渐进上线 block 规则。与 CLAUDE.md 互补：Hooks 强制执行，规则文件指导行为。 风险Hook 脚本无 timeout 卡死；fail closed 阻断合法操作；secret 打进 hook 日志。 检查清单 Hook 脚本 idempotent ...
后端开发者全栈学习路线（2026 最新版）：AI 时代如何补齐前端和交付能力
围绕“后端开发者全栈学习路线（2026 最新版）：AI 时代如何补齐前端和交付能力”，本文不按原目录复述，而是把内容整理为问题、机制、实践和取舍四层。阅读时可从“先校准目标：全栈要能交付完整功能、AI 降低学习门槛，工程责任还在、后端同学应该先学哪一块前端、一条适合后端的全栈学习路线”几个切面建立自己的判断框架。 核心认识学习路线是能力之间的依赖图，不是必须逐项打卡的目录。应先从目标岗位和现有基础确定主线，再把每一阶段转换成可运行、可讲解、可复盘的成果。 全栈目标是独立交付完整功能，而不是同时精通所有领域。后端开发者可从浏览器基础和一个前端框架开始，打通接口、鉴权、测试、部署与排障。 学习这类主题时，应先写清对象、边界和衡量指标，再讨论具体组件或技巧。同一方案放在不同流量、数据规模与团队能力下，结论可能相反；设计说明必须保留前提。 工程实践学习过程需要输入、实践和反馈闭环：阅读建立地图，小项目验证理解，测试与观测暴露问题，复盘决定下一阶段。作品应覆盖设计、实现、交付和故障处理。 实施建议采用小步验证：记录变更前基线，一次只调整少量关键变量，通过日志、指标和测试判断收益。上线后...
Claude Code 上下文管理详解：窗口预算、压缩与长任务治理
长任务失败多因上下文腐烂而非模型能力，需主动治理窗口与工具输出。 适用场景单会话跨天改大型仓库；工具输出爆炸（测试日志、grep 海量）；感觉 Agent「忘记早期约束」。 方法与要点窗口 = 系统+规则+工具结果+对话。Context rot：越早信息被挤掉。AutoCompact//compact 摘要历史；清理巨大工具输出；Sub-agent 隔离探索；handoff 文件传递状态。Reset 前导出未决清单。 工作流任务切分 milestone → 每 milestone 新会话或 compact → 工具输出写磁盘只留摘要 → 子代理读库主会话收结论 → 结束写 HANDOFF.md。 风险过度 compact 丢细节；子代理结论未验证；把日志全贴进聊天。窗口满后 silent 违规。 检查清单 /context 定期查看占用 大输出落盘+指针 handoff 模板固定字段 子代理只读/写 scope 清晰 长任务有 milestone 定义 落地建议把「Claude Code 上下文管理详解」相关的动作写进团队 Wiki ...
Vibe Coding 实用技巧总结：Git、Spec、上下文管理与多 Agent 协作
Vibe 不是不审查，而是用轻量约束让即兴探索仍可回滚、可合并。 适用场景快速原型、个人项目或探索性分支；想在保持「对话式」体验的同时避免不可恢复的混乱。 方法与要点Git：频繁 commit、分支专用于 agent、禁止直接在 main vibe。Spec 轻量版只写 5 条 acceptance。上下文：相关文件 @ 引用，避免整库。多 Agent：读/写分离，写者单线程。多模型：贵模型规划，便宜模型填坑。 工作流git switch -c vibe/foo → 小 Spec → 对话迭代 → 每绿测试 commit → squash 前人工读 diff → PR。结束删分支或 promote 为正式 Spec 流程。 风险在 main 上 vibe；commit 消息无意义无法 bisect；多 Agent 互踩；完全不写 Spec 无法交接。 检查清单 专用分支且 CI 仍运行 至少 3 条书面 acceptance 合并前完整 diff review 实验性依赖未进 lockfile 污染 弃用分支可安全删除 落地建议把「Vibe Coding...
Spec Coding 规范驱动编程实战：从 Vibe Coding 到 AI 代码规范
Spec Coding 把「做什么、怎么验」写在前，降低 Vibe Coding 的漂移与返工。 适用场景AI 实现频繁偏离需求；多人协作需要统一需求 artefact；要把 Agent 工作纳入审计友好流程。 方法与要点阶段常见为 Specify→Design→Implement→Test，文件可能是 requirements/design/tasks。Spec 写边界、非目标、验收用例。Vibe 适合探索性 spike，Spec 适合交付。权限三色：只读/提议/可写目录。多 Agent 时 Spec 是单一真相源。 工作流Issue → 生成 Spec PR → 人审 → Agent 实现分支 → 测试对齐 Spec 条目 → 勾选 acceptance。Spec 变更走 amendment PR，禁止 silent drift。 风险Spec 过细拖慢；过粗无法验收；多 Agent 各读不同版本 Spec；Spec 与代码双轨不同步。 检查清单 每条需求有可测 acceptance Spec 版本与实现 commit 关联 ...
强模型时代，AI 编程 Skills 还有必要装吗？
模型变强后，简单提示类 Skill 贬值；流程约束与团队规范类 Skill 仍值钱。 适用场景升级旗舰模型后感觉 Skills 边际下降；上下文被大量 Skill 描述占满；需要定期 pruning。 方法与要点可删：与模型内置能力重复的「如何写 for 循环」类。保留：团队合规步骤、发布 checklist、领域框架约束。grilling 等在弱模型更有用，强模型可改为轻量 Spec。测量：对比启用/禁用 Skill 的任务成功率与 token。 工作流每季度 Skill audit → 标记 30 天未触发 → 归档 → 保留核心 5-8 个 → 新项目从最小集开始再加。 风险误删合规 Skill 导致发布事故；以为模型万能跳过 TDD；pruning 无数据凭感觉。 检查清单 有 Skill 使用遥测或手工 log 合规/安全类永不自动删 pruning 后跑回归任务集 文档说明「默认最小集」 新人 onboarding 不复制老人全量安装 落地建议把「强模型时代，AI 编程 Skills 还有必要装吗？」相关的动作写进团队 Wiki 或...
AI 编程 Skills 选型清单：需求澄清、TDD、代码审查与 UI 设计
Skills 应按工程环节补缺，而非堆砌名称吓退上下文预算。 适用场景团队安装过多社区 Skills 不知取舍；希望在需求、TDD、Review、UI、DB 等环节有默认组合。 方法与要点映射表：需求模糊 → 澄清类；新功能 → TDD/测试生成；合并前 → review；前端 → UI/ a11y；SQL 密集 → postgres 优化类。Superpowers 等套件提供流水线但需裁剪。只启用当前 sprint 相关 Skills。 工作流Sprint 开始定「Skill 包」→ 写入 CLAUDE.md 链接 → 任务卡引用 → Retro 统计触发率与失败率 → 下迭代增减。 风险Skills 重复功能浪费 token；TDD Skill 生成脆弱测试；UI Skill 与设计师系统冲突。 检查清单 每 Skill 有 owner 与禁用条件 与 CI 测试非重复 安装列表 ≤10 活跃 新 Skill 试点一条真实任务 文档记录组合顺序 落地建议把「AI 编程 Skills 选型清单」相关的动作写进团队 Wiki 或 CLAUDE....
oh-my-pi 开源终端 AI 编码代理体验
oh-my-pi 通过 Hashline 精细补丁与 LSP 集成，适合希望终端 Agent 更「编辑器化」的用户。 适用场景想要 Claude Code 之外的终端 Agent；重视增量 patch 而非整文件覆盖；需要 LSP 跳转/诊断辅助 Agent。 方法与要点Hashline 按行哈希应用补丁，减少冲突。内置工具链可接 GitHub issue。多模型路由为 planner/coder/reviewer 分角色。首次配置 provider 与 web search 策略。Kimi 等第三方按文档接入。 工作流初始化选模型 → 绑定 repo → issue 驱动任务 → Hashline 应用 → LSP 报错反馈循环。大任务拆 role 切换而非单模型硬扛。 风险Hashline 与本地未保存编辑冲突；多模型路由成本不透明；LSP 大项目索引慢。 检查清单 provider 密钥环境变量化 patch 前工作区 clean 角色-模型映射 documented issue 范围与分支一致 与主 Agent 栈职责划分清晰 ...
mattpocock/skills：我最推荐的 4 个 AI 编程 Skill
精选 Skill 解决 Agent 常见失败点：需求含糊、调研浅、调试乱猜、审查走过场。 适用场景Agent 常「理解错需求就开写」；bug 修复靠猜；code review 只报风格问题。 方法与要点grilling：强制澄清问答再实现。research：结构化调研与引用。diagnosing-bugs：假设-实验-证据链。code-review：按严重级别报 security/correctness。按需安装，勿全量塞入上下文。 工作流新功能先 /grilling 或等价 Skill → research 第三方 API → 实现 → diagnosing 若失败 → review 前自检。与 TDD Skill 串联。 风险grilling 过度拖慢简单任务；research 不验证来源；review Skill 替代安全扫描工具。 检查清单 Skill 与任务类型映射表 澄清结论写入 Spec/issue bug 会话保留 repro 命令 review 输出有 blocker 分级 定期卸载未用 Skill 落地建议把「mattpoc...