爱折腾的工程师

未来的你会感谢现在努力的自己

Claude Code 循环实战指南:从手动逐轮到主动式自动化的四种模式

从轮次驱动到主动式循环:Claude Code 团队对自动化工作流的官方分类框架与落地实践

基于 Claude 官方博客《Getting started with loops》的中文技术解读。文章按触发方式、停止条件、适用任务与对应原语四个维度,拆解轮次驱动、目标驱动、时间驱动与主动式四种循环的差异,并结合 Skills、/goal、/loop、/schedule 与动态工作流给出可落地的组合方案,最后提炼出贯穿全文的'渐进式放手'进阶判断。

Claude Code 指令路由指南:CLAUDE.md、Rules、Skills、Subagents 与 Hooks 怎么选

别再把所有要求都塞进 CLAUDE.md:用加载时机、压缩存续与执行权威设计可维护的 Agent 配置

基于 Anthropic 官方文章 Steering Claude Code 的中文技术解读。文章以加载时机、上下文压缩后的存续方式和执行权威为三条主轴,对比 CLAUDE.md、Rules、Skills、Subagents、Hooks、Output styles 与 append-system-prompt,并通过一个臃肿 CLAUDE.md 的迁移案例给出团队可落地的选型方法。

CodeRabbit 如何用 Claude 构建 Agent 编排系统:从隐性知识鸿沟到规划驱动的代码生成

CodeRabbit 每周审查 200 万个 PR,他们发现 AI 生成代码最常见的失败不是编译错误,而是方向偏离。本文解析其 Agent 编排系统的核心设计:在代码生成之前插入规划层,通过 Opus/Sonnet/Haiku 多模型路由与评估体系闭环,将模糊需求转化为精准执行计划。

OpenAI 内部数据 Agent 深读:上下文工程,比换更大的模型更重要

OpenAI 在 2026 年 1 月公开了内部数据 Agent 的设计原理:3,500 名员工、7 万张表、600PB 数据,单条查询动辄 180 行 SQL —— 它解决问题的方式不是换更大的模型,而是把上下文工程做扎实。本文基于 OpenAI 官方博客《Inside our in-house data agent》,深拆其六层上下文体系、Codex 增强、RAG 管道、Evals 闭环、严格透传权限模型,并提炼三条 Lessons Learned 对自建数据 Agent 团队的迁移启示。

Hermes Agent 源码深潜:从 CLI 入口到工具循环、状态库与上下文压缩的执行原理

Hermes Agent 看起来是一个可聊天的 AI Agent,源码里却更像一套小型 Agent OS:多入口接入、统一 AIAgent 运行时、模型 transport 抽象、工具 registry、SQLite session store、上下文压缩与 ACP/TUI/Gateway 外围协议共同组成闭环。本文基于 hermes-agent 0.14.0 代码库,按模块层级拆解它的核心架构与执行流程。