个人 skill 包诚实自评:五类可用性短板
写了 42 个 skill 的个人包,做一次诚实自评:零实战验证、阶段失衡、边界重叠、触发词机械、references 深度不均。看起来完整不等于真的能用。
写了 42 个 skill 的个人包,做一次诚实自评:零实战验证、阶段失衡、边界重叠、触发词机械、references 深度不均。看起来完整不等于真的能用。
多 agent 工作流黑盒不可调试。在 skill 的每个阶段边界旁路写 trace,只读不改控制流,卡住时一眼定位停在哪步哪个 agent。
调研九问 agent 生态,找到一条主线:skill 驱动。skill 里写 workflow.md 声明子 agent,框架再动态生成 workflow.py 执行。声明式编排 + 动态生成,是复杂多步任务的好设计。
本周 AI 代理不再只是玩具,开发者正用技能、记忆、治理和统一接口把它推向生产级基础设施,一场工程化浪潮正在 GitHub 上演。
本周 GitHub 热点集中在 AI 代理生态:开发者把工程最佳实践封装成技能包,沙箱、数据管道、办公工具同步跟上。趋势背后有技能标准化与星标泡沫的隐忧。
入职第一周做了三件事:搭环境、定目标、补基础。最值得写的是 knomate 的双端分离架构 —— 把权限和安全边界定死在架构里。
本周 GitHub 热门项目集中在 AI Agent 工具链:技能标准化、多代理安全渗透、终端管理器、浏览器控制。隐私通信和自托管照片项目也上榜,指向开发者对可控、隐私与效率的需求。
阅读代码只能获得静态知识,动手运行并复刻最小版本才是检验理解的唯一标准。
拆解 Claude Code 源码后发现,它放弃了 ReAct 的 Thought-Action-Observation 三步循环,改用更简洁的 Tool-Use Loop。这个选择背后是对强模型推理能力的信任,以及 "把应用层做得尽可能简单" 的设计哲学。
Agent 自动化真正难的不是让模型回答问题,而是让它按流程稳定完成任务。