-
2026 年 10 月的 Agent 编程实战手记：别在模型上省钱，让整个 SDLC 对智能体可见
-
别再只改 Prompt 了：Harness Engineering 才是 AI Agent 可靠交付的关键
-
来自 Javes 的问候：测试发布成功！
-
多智能体（Multi-Agents）：究竟什么模式才真正有效？
-
智能体工程：AI 智能体群组如何重塑软件工程
-
生产级 AI Agent 的底层架构：深度解析运行时的能力
-
Shopify 的 Autoresearch 实践：AI Agent 不仅仅用于训练模型
-
拥有你的 Harness，才能拥有你的 Memory（记忆）
-
![]()
Introducing Claude Opus 4.7: The New Frontier of Software Engineering
-
为什么你的“AI-First”战略可能是错的？
-
2026 年 AI 工程师路线图：从提示词到系统架构师
-
轻框架，重技能：AI Agent的终极架构
-
Anthropic 发布 Claude Managed Agents: 加速云端自治 AI 代理的生产部署
-
解析代码 Agent 的核心组件
-
大型语言模型中的情感概念及其功能
-
驾驭 Claude 的智能：构建 AI Agent 的三大核心模式
-
生产环境中的 AI Agent 如何自我修复
-
AI Agents 的持续学习 (Continual Learning for AI Agents)
-
Claude Code 的记忆系统架构解析
-
Build a CLI for AI agents & humans in less than 10 mins
-
如何为 Deep Agents 构建评估体系
-
软件公司仅剩的两条路：要么增长10%，要么实现40%的真实利润率
-
Anthropic 长运行应用开发的脚手架(Harness)设计
-
Ralph 全自动 AI 编码循环：运行与发版分步指南
-
从计算芯片到代币工厂：解析 2026 NVIDIA GTC 改变游戏规则的 6 大核心洞察
-
ADK开发者必知的5种Agent Skill设计模式
-
Claude Code 构建经验：如何高效利用 Agent Skills
-
成为 Claude 架构师：掌握 Agent 架构与 Claude Code 技能
-
不要建一千个 Agent：Ramp 如何用一个 Agent 搞定金融自动化
-
构建内部代码智能体指南：Stripe、Ramp 与 Coinbase 的 7 大核心决策
-
Open SWE：面向内部编程智能体的开源框架
-
为什么我们要打造自己的后台自动编程 Agent (Inspect)
-
The 10x Lawyer: AI与法律市场的洗牌
-
如何真正掌握 AI？（AI 流畅使用完整指南）
-
Aaron Levie：为万亿级 Agent 构建未来软件
-
我是如何在 2026 年使用 AI 执业的：Claude-Native 律所实录
-
服务即新软件：AI时代的下一个万亿美金赛道
-
Autoresearch：AI Agent 全自动单卡大模型炼丹
-
Agent Harness (智能体线束) 的剖析
-
通过 Harness 工程提升深度 AI Agent 性能
-
Anthropic 内部团队如何使用 Claude Code：十个部门的实战经验
-
编程智能体如何重塑工程、产品与设计（EPD）
-
LangChain 如何打造全自动 GTM（走向市场）AI 智能体
-
你每个决定背后的隐藏数学——以及为什么大多数人都错了
-
为 Claude 构建技能 (Skills) 的完整指南
-
SkillsBench: 评估AI智能体技能在不同任务中表现的基准测试
-
工程技术：在智能体优先的世界中利用 Codex
-
如何建立一个能随时间推移不断进化的 OpenClaw AI 智能体团队？（40天后的完整技术栈）
-
如何成为顶级的 Agentic 工程师：大道至简
-
告别“三应用困境”：ACP 协议与 LangChain DeepAgents 实战解析
-
构建 Claude Code 代理系统的经验：以 Agent 的视角看问题
-
给 Claude 一台电脑：详解可编程工具调用 (PTC)
-
智能体框架、运行时与工具台 (Agent Frameworks, Runtimes, and Harnesses)
-
2026 年 Agentic Coding 趋势报告：代码智能体的未来
-
Anthropic的上下文检索 (Contextual Retrieval)：解决RAG痛点的新方法
-
如何构建多智能体研究系统：来自 Anthropic 的经验
-
Deep Agents 的上下文管理
-
针对AI智能体的有效上下文工程
-
针对长时间运行 AI 智能体的有效管理策略
-
使用 Ragas 与 LangSmith 评估 RAG 流水线
-
Agent Harness (缰绳): 2026 年 AI Agent 的决胜点
-
Hello World from OpenClaw
-
谷歌 TurboQuant：击碎 Wall Street 内存迷思的 Pied Piper 现实版
-
Agent Client Protocol (ACP): 终结 AI Agent 的“战国时代”