任务规划师 vs Superpowers？62位开发者真实体验告诉你答案_服务软件

1. Claude Code 最新实践

2. Claude Code2.0.12 发布

3. 不想离开 JetBrains？这个 Claude Code 插件太香了

4. Claude Code 上线插件，AI编程开启“外挂时代”！

5. Claude Code 插件系统发布

6. 模块化 × 可扩展

7. 关于 Claude Code Plugin 的一些思考

8. Claude Skills 发布

9. Claude Code 2.0 进行了重大升级，新增了检查点功能，并推出了原生 VS Code 扩展插件

10. Claude Code官方

11. claude code 中安装superpowers插件方法

12. Superpowers

13. Claude Skills 又火了，Claude Code 不用再怕复杂需求了！

14. 告别胡乱写代码！这款开源神器，让 AI 进化成拥有“超能力”的资深开发

15. 告别瞎搞！Claude Code 的 Superpowers 工作流，让 AI 编程从此有章法

16. Superpowers给AI编程定规矩

17. 🚀告别Vibe Coding！用Superpowers让Claude Code写出工程级代码，一次通过零报错！遵循TDD最佳实践！支持Codex和OpenCode！从需求澄清到代码审查

18. Superpowers 入门

19. Claude Code 用了两个月，我终于找到了正确的打开方式

20. 开源Superpowers库

21. AI写代码快，但翻车也快。Superpowers 让你的 Claude 从"暴力输出"进化成"专业工程师"

22. GitHub 20k Star！这个插件让Claude Code拥有了P7架构师的思维

23. Superpowers

24. 2.2w+星标爆款！给AI编码助手装「超能力」，告别瞎写代码、频繁返工

25. 多次霸榜 GitHub，斩获 22700+ Star，又一个 Claude Code 神器开源！

26. Superpowers

27. Superpowers让Claude Code写出工程级代码 🚀告别Vibe Coding！用Superpowers让Claude Code写出工程级代码，一次通过零报错！遵循TDD最佳实践！支持Codex和OpenCode！从需求澄清到代码审查

28. Superpowers: 重新定义 AI 辅助编程的工程化范式

29. 告别“玄学编程”！Superpowers加持Claude，一次生成工程级代码

30. Superpowers

31. Superpowers让Claude Code写出工程级代码

32. 1.6 万人收藏的这款 Skills 技能库，让 Claude Code 告别 AI 随机编程！

33. AIGC开源推荐-Claude Code Skills Superpowers

34. Claude Code 实战指南

35. 2026终极AI编程CLI套装

36. Cursor 与 Claude Code

37. 被Claude Code惊艳到了！AI编程助手真能让开发效率翻倍？附零门槛使用指南

38. Claude Sonnet 4.5 vs GPT-5-Codex

39. 用了 Claude Code 之后，最近深度使用了一段时间的Claude Code，总体感觉

40. AI Coding 落地实践

41. Claude Code 编程助手实战

42. claude code 和 codex 如何选

43. 独立开发者血泪算账

44. AI 编程助手实战踩坑

45. Claude Code插件来了

46. Claude Code

47. 生活在拐点

48. Claude Code 官方插件市场上线！这些神级插件直接把 AI 编程体验拉满

49. Anthropic 推送了 Claude Code 2.1.1 大更新

50. 实践 Claude Code 的日常使用场景

51. Claude+Codex协同开发，让AI编程效率翻倍成本直降近半

52. 换了Claude Opus 4.5之后，我才知道什么叫一次成型，是那种ai写完之后可以直接运行的畅快感

53. 2025 我让 Agent 把开发全流程自己跑完了

54. Claude Code使用感受分享

55. 智能体开发者崛起

56. Claude Code 作者是如何使用 Claude Code 的？

57. Claude Code 是什么？适合哪些开发者使用

58. 为什么Claude的代码能力会这么强？

59. Claude Opus 4.5 国内免费使用

60. AI编程工具的断供，逼我重新审视“人机协同”

61. 从文档处理到自动化开发，这份 AI Agent Skills 合集让你打造全能工作平台

62. Claude Sub Agent Spec 工作流入门指南

63. Claude Code 多智能体工作流系统

64. 告别乱码式开发

65. Claude Code 插件系统详解

66. Claude Code 进阶指南

67. Claude Code 创建者的 11 个高效使用技巧

68. Claude Code 可视化工作流编辑器，让 AI 自动化流程更轻松。。。

69. n8n自动化+AI编程融合是未来！用Claude code + GLM4.6生成一个推特（x）关键词热点推送工作流

70. AI自动化进入新阶段

71. 10 个真正改变我工作方式的 Claude Skills

72. Claude Skills

73. Claude Code 创始人的 13 个高效使用秘籍

74. 🚀独创思路Claude in Chrome直接操控你的电脑 🚀独创思路玩转AI自动化操控电脑！Claude in Chrome浏览器插件秒变电脑操控神器，操作系统自动化从未如此简单，效果超乎想象！自动写代码并执行，自动安装软件，全程无需敢于，AI自动化太强了！

75. 手把手教你用 Claude AI 自动生成 n8n 工作流

76. Claude Code

77. 别再瞎摸索Claude Code了！GitHub上这个315星的手册，用10级路径和实战命令让你快速上手

78. 出海实战分享

79. Claude杀入浏览器市场，接入Chrome浏览器插件

80. 让Claude秒变n8n专家！这个开源项目让AI助手真正懂工作流自动化

81. 解析 Claude Code 创始人的高效工作流

82. 让Claude Code"听话"的秘密，10分钟教你打造自动化工作流！

83. Claude 与 n8n 协作

84. 把零散Prompt变成团队可复用的 AI 工作手册

85. 智能体 Skills 三部曲:AI 进化之路

86. 🚀神器降临！Claude Code插件功能正式上线，全球开发者共享最佳实践，一键安装最强工作流，效率爆表！

87. ⚡️ 震撼！Claude Code插件系统来了！一行命令打包整套工作流，团队协作效率提升10倍，从此告别复杂配置，这个功能太强大了！

88. 17个GitHub高星项目，程序员提升AI编程效率的必备收藏资源!

89. Claude Skills 实践指南

90. 🚀颠覆Vibe Coding！超越Kiro！支持Cursor！Claude Code Spec Workflow为Claude Code完美复现Kiro的Spec-Driven规范驱动开发！效率倍增！

91. 想把 Claude Code 作为 IDE 插件使用，来看看这篇

92. Claude Code 编程助手用起来真香

93. 将 Claude Code 添加到VSCode、JetBrains IDEs等IDE工具的方式！

94. 不会用命令行？Claude Code图形化界面完全指南

95. 深度揭秘

96. 学会使用 Claude Code，几分钟解决困扰团队几小时的问题（5分钟入门）

97. Claude Code 集成 Cursor、VS Code、JetBrains IDE

98. IDE 插件体验对比

99. Anthropic的Claude Code让AI编程从\

100. Claude Code深度解析

101. 5行代码，逼疯整个硅谷！澳洲放羊大叔，捅开AI编程奇点

102. Claude Code 创始人的 9 条实战技巧：原来高手的配置这么“朴素”Boris Cherny 在 Anthropic 内部有个绰号：Claude Code 之父。他最近在 X 上很活跃，于是很多人问 Boris：你自己到底怎么用 Claude Code？他刚在 X 上分享了 9 条实战技巧。没有你想象的那么多技巧，每一条都朴实无华。【1】核心理念：Claude Code 的最佳实践并没有标准答案Boris 开场就说：> My setup might be surprisingly vanilla! Claude Code works great out of the box, so I personally don't customize it much. > 我的配置可能出乎你意料地“原装”。Claude Code 开箱即用效果就很好，我个人没做太多定制。也能理解，那些最佳实践，比如 Skills、Plugins，作为 Claude Code 开发者，他们早就把这些最佳实践作为功能内置了。使用 Claude Code 没有唯一正确的方式。团队故意把它设计成可以随便折腾的样子，你想怎么用、怎么改、怎么魔改都行。Claude Code 团队内部每个人的用法都完全不同。所以没必要去费力找“最佳实践”，适合自己的节奏最重要。【2】多 Agent 任务并行：同时开十几个 ClaudeBoris 的日常是这样的：终端里开 5 个 Claude Code 实例，标签页编号 1 到 5，开着系统通知，哪个需要输入就跳过去处理。同时，他还在 claude.ai/code 网页版上跑 5 到 10 个任务。终端和网页可以互相“交接”：用&符号把本地会话转到网页，或者用--teleport 在两边来回切换。他每天早上和白天会从手机 Claude 应用上启动几个任务，晚点再回来看结果。这种“多线程”工作方式的核心逻辑是：Claude Code 擅长自主执行，很多任务不需要你盯着。你启动任务、给个方向，让它跑着，自己去忙别的。等它需要你确认的时候再切回来。这跟传统的“人敲一行代码、AI 补几行”完全是两种节奏。但这也对使用者有更高的要求，你需要擅长给 Agent 分配任务，并且能随时在多个任务之间切换。对于习惯了自己开发，同时只有一个任务进行的传统开发模式来说，是个很大挑战。惭愧的说，虽然我也常用 Coding Agent，还是不习惯太多任务同时运行，今年要加强这方面的练习。【3】模型选择：为什么用 Opus 而不是更快的 SonnetBoris 说他所有任务都用 Opus 4.5 加上 thinking 模式。这是他用过最好的编程模型。有人会问：Opus 不是比 Sonnet 更大、更慢吗？Boris 的回答是：虽然单次响应慢一点，但你需要纠正它的次数少得多，工具调用也更准确，最终算下来反而更快。这点其实我一直很认同，写代码这种事不能求快，还是得质量高，如果一个快模型需要你来回纠正三次，不如用个慢模型一次搞定。时间不只是模型响应时间，还有你的注意力和精力成本。唯一的问题就是 Opus 成本更高。【4】CLAUDE.md：团队共享的“项目记忆”CLAUDE.md 是 Claude Code 的一个特殊配置文件，放在项目根目录。每次启动 Claude Code，它会自动读取这个文件，把里面的内容当作“背景知识”。你可以理解为：这是你给 AI 写的项目说明书，告诉它这个项目的架构、规范、注意事项。Boris 团队的做法是：整个 Claude Code 仓库共用一个 CLAUDE.md，提交到 Git 里，所有人一起维护。每周都有人往里加东西。规则很简单：每次看到 Claude 做错了什么，就把“别这样做”写进去，下次它就知道了。更有意思的是，他们在代码审查时也会用到这个机制。Boris 会在同事的 PR 里@.claude，让 Claude 把某条新规则加到 CLAUDE.md 里。这是通过 Claude Code 的 GitHub Action 实现的。Dan Shipper 管这种做法叫“复利工程”：每一次纠错都变成团队资产，让 AI 越来越懂你们的项目。如果你还没用过 CLAUDE.md，或者没像他们这样频繁更新规则，强烈建议试试。最简单的起步方式是运行/init 命令，Claude 会自动分析项目结构，生成一个初始版本。然后你边用边补充，看到不对的地方就加进去。【5】Plan 模式：先想清楚再动手Boris 说，他大多数会话都从 Plan 模式开始。在 Claude Code 中按两下 Shift+Tab 就能切换。Plan 模式下，Claude 不会直接改代码，而是先给你一个执行计划。你可以来回讨论、修改计划，直到满意为止。然后切到自动接受模式，Claude 通常能一次性完成。“好的计划真的很重要”，这个习惯其实是把软件开发的经典智慧搬到了 AI 协作里：先设计再编码。很多人用 AI 写代码的问题是直接开干，结果方向错了返工成本很高。花几分钟对齐计划，能省几小时的返工。【6】自动化重复工作：斜杠命令和子 AgentBoris 有几个每天要用几十次的操作，他把它们做成了斜杠命令。比如"/commit-push-pr"，一键完成提交、推送、创建 PR。斜杠命令本质上是 Markdown 文件，放在.claude/commands/目录下。你可以用自然语言写指令，还能嵌入 bash 脚本预先获取一些信息，减少模型来回调用的次数。这些命令可以提交到 Git，整个团队共享。除了斜杠命令，他还用子 Agent（网页链接）。子 Agent 是独立的 Claude 实例，专门干某类活。比如他有个 code-simplifier 子 Agent，在主 Claude 完成工作后自动简化代码；还有个 verify-app 子 Agent，专门负责端到端测试。这两个功能的共同点是：把你反复做的事情固化下来，让 Claude 自己调用。你不用每次都重复解释，也不用记住各种命令细节。使用 PostToolUse Hook 来格式化 Claude 生成的代码。Claude 通常能自动生成格式良好的代码，而这个 Hook 会处理最后 10% 的代码，以避免后续在持续集成 (CI) 过程中出现格式错误。【7】安全与集成：权限配置和外部工具Boris 不用--dangerously-skip-permissions 这个“危险”选项。相反，他用/permissions 命令预先批准一些常用的安全命令，避免每次都弹确认框。这些配置保存在.claude/settings.json 里，团队共享。更强大的是 MCP 服务器集成。MCP 是 Model Context Protocol 的缩写，是 Anthropic 推出的让 AI 连接外部工具的标准协议。通过 MCP，Claude Code 可以直接：- 搜索和发送 Slack 消息- 跑 BigQuery 查询回答数据问题 - 从 Sentry 拉错误日志Boris 团队把 Slack 的 MCP 配置也提交到了仓库，所有人开箱即用。这意味着 Claude Code 不只是个编程工具，而是能调用你整个工具链的“全能助手”。【8】长任务处理：让 Claude 自己验证对于跑很久的任务，Boris 有几个策略：一是让 Claude 完成后自动用后台 Agent 验证结果。你可以在提示词里要求，也可以用 Stop Hook 更确定性地触发。> 注：Hooks 是 Claude Code 的"钩子"机制，让你在 Claude 执行操作的特定时刻插入自定义逻辑。你可以把它理解为"触发器"：当某个事件发生时，自动执行你预设的命令或脚本。> Stop Hook 就是在 Claude 完成响应、准备交还控制权时。> 相关文档：网页链接二是用 ralph-wiggum 插件网页链接。这是一个有趣的设计：“Ralph 本质上就是一个 Bash 循环”：想象一个简单的死循环（while true），它不停地把同一个任务说明书（提示词文件）喂给 AI 智能体，让它一遍又一遍地改进工作，直到彻底完成。三是在沙箱环境里用--permission-mode=dontAsk 或--dangerously-skip-permissions，让 Claude 不被权限确认打断，自己跑到底。核心思路是：既然是长任务，就别让它等你。给它足够的自主权和自我纠错能力。【9】最重要的一条：给 Claude 验证能力Boris 把这条放在最后，说这可能是获得好结果最重要的因素。如果 Claude 能验证自己的工作，最终产出质量能提升 2 到 3 倍。他举了个例子：他们提交到 claude.ai/code 的每一个改动，Claude 都会用 Chrome 扩展自己测试：打开浏览器、测试 UI、发现问题就迭代，直到功能正常、体验合理。验证方式因场景而异。可能是跑一个 bash 命令，可能是跑测试套件，可能是在浏览器或手机模拟器里测试应用。形式不重要，重要的是：让 AI 有反馈闘环。这个道理其实很朴素。人类工程师也是靠“写代码—测试—看结果—修改”这个循环来保证质量的。AI 也一样。如果它只能写不能测，就像闭着眼睛做事，质量全靠运气。Boris 的建议是：投入精力把验证机制做扎实。这是回报率最高的投资。【10】那些你看不见的东西Boris 有一点没提的就是基础的源代码管理/ CI（持续集成） / 代码审查 workflow，这些事情可能对他们大厂做习惯了的来说是平常，默认就应该有的事情比如说当他用 Claude Code 完成一个任务，不会说直接合并到主分支，而是提交一个 PR。提交 PR 后，在 CI 服务器上会自动跑所有的 lint 和自动化测试，如果测试失败 PR 是无法合并的。一个 PR 通过了所有的自动化测试，还需要有人去做代码审查（当然可以 AI 辅助，但还是需要人确认），如果代码审查发现问题，是需要继续修改的。这些也是他们能多任务并行的基础，如果没有做好这些基础工作流，就无法做到多任务并行。对于很多个人开发者并没有习惯去搭建一个 CI/代码审查的工作流，甚至连 Git 代码管理都没有做，出问题都没法回滚。【11】高手用剑无招胜有招武侠小说里面，高手用剑没有那么多花里胡哨的招式，无招胜有招。Boris 没有炫耀复杂的定制配置，没有神秘的私藏提示词，用的就是官方功能。区别在于：他真正理解这些功能背后的逻辑，然后把它们组合成高效的工作流。并行工作是因为 Claude 能自主执行；用 Opus 是因为综合效率更高；CLAUDE.md 是把纠错变成资产；Plan 模式是先想清楚再动手；斜杠命令和子 Agent 是自动化重复劳动；验证机制是给 AI 反馈闭环。如果你刚开始用 Claude Code，不必急着研究各种高级配置。先把基础用好：学会并行，学会规划，学会积累 CLAUDE.md，学会给 AI 验证手段。等你真正遇到瓶颈了，再去折腾那些花活不迟。推文链接：x.com/bcherny/status/2007179832300581177

103. Every 的一篇博文，记录了他们内部 6 位工程师日常是怎么使用 AI 的，可以学习借鉴一下。这 6 个人都很厉害，撑起了 4 款 AI 产品、一个咨询业务，还有一个 10 万多读者的订阅每日更新。第 1 位 —— 走在实验前沿：Yash Poojary, Sparkle 总经理Yash 是 Sparkle 产品的负责人，他同时开两台电脑，一台跑 Claude Code，一台跑 Codex，然后给它们下达同一个任务，看它俩谁干得又快又好。Yash 说，在五个月前，他得先把设计图（Figma）截图，再粘贴到 Claude 里，让它“看图写代码”。现在用上了 Figma MCP 集成，Claude 可以直接读取 Figma 的设计源文件——包括颜色、间距、组件这些。Yash 不仅在用AI，他还在优化和AI的配合。比如，他把一天切成两半：- 上午：专注执行。这时候只用自己最熟的AI工具（Claude 和 Codex），绝不玩新东西，保证产出。- 下午：自由探索。这时候才开始测试各种新出的AI应用和功能。他很清楚 AI 既是生产力工具，也是个“时间黑洞”。他用严格的时间管理，给自己建立了“防护栏”，防止自己沉迷于“调教AI”而忘了真正的工作。第 2 位 —— 编排闭环：Kieran Klaassen, Cora 总经理Kieran 负责 Cora 产品，他的风格是““谋定而后动””。他的工作流核心就两个字：计划。他会根据功能的大小，制定三种不同级别的编程计划。他会用一个叫 “Context 7 MCP” 的工具，先把最新的、最准确的官方文档和代码喂给AI，确保AI不是在“凭空想象”或用过时的知识来制定计划。等Claude Code 交出一个完美的计划后，他再把计划发到 GitHub，然后在云端让 Coding Agent（主要是Claude Code）去执行这个计划。AI写完代码后，他会再启动一个““审查””命令，让AI自己先检查一遍，然后他再上手。对 Kieran 来说，AI 不是一个“黑匣子”，而是一个必须在他制定的蓝图内严格执行的“施工队”第 3 位 —— 化繁为简，拆解里程碑：Danny Aziz, Spiral 总经理Danny 负责 Spiral 产品，他可能是这群人里最硬核的一位。他的主战场不在花哨的图形界面，而是在一个叫 “Droid” 的命令行工具里。这个工具能让他同时调用 OpenAI 和 Anthropic 的模型。他的工作流是：1. 用 GPT-5 Codex 做大的任务：搭建复杂功能的框架。2. 用 Claude 做小的任务：优化和打磨代码细节。Danny 最有价值的一个做法是，他会在““规划阶段””花大量时间跟AI对话，让AI帮他推演一个决策可能带来的第二层、第三层后果”。举个例子：“我要加这个新功能，但你帮我分析一下，它会不会因为从数据库拿数据的方式，导致整个App变慢？”他用AI来辅助自己做更高维度的“架构思考”，而不仅仅是写几行代码。> “我不再用 Cursor 了，”他说，“我已经好几个月没打开过它了。”取而代之的是，他的主界面是 Warp，可以在上面分割屏幕、快速切换任务。在它背后，他用 Zed ——一个轻量、快速的代码编辑器——来审阅计划文件和特定的代码片段。第 4 位 —— 让流程成为唯一的“事实来源”：Naveen Naidu, Monologue 总经理Naveen 负责 Monologue 产品，他是个“程控”。他的信条是：“如果一个任务没录入 Linear (项目管理工具)，那它就不存在。”他把所有需求和Bug都先在 Linear 里归档，然后再启动AI。他也有两套流程：- 小Bug：直接从 Linear 复制粘贴问题描述，扔进 Codex Cloud 让AI去跑。- 大功能：在本地写一个详细的 plan.md (计划文档)，把它作为和AI沟通的“唯一事实蓝图”，在命令行里一步步推进。最有意思的是，他深度使用自己开发的产品 Monologue (一个语音转文字工具) 来口述需求、写文档、给AI下指令。这简直是““用自己造的锤子，来修自己的房子””。他还有一套严格的审查标准：AI 自动审查 -> 自己人工对比代码 -> 查看Sentry（错误监控工具）的日志，确保Bug真的被修复了。第 5 位 —— 钻研打磨，精益求精：Andrey Galko, 工程主管Andrey 是工程主管，他代表了另一种工程师：不爱折腾。他不喜欢追逐“闪亮的新玩具”。他之前一直用 Cursor (一个AI代码编辑器)，觉得体验最好。但后来因为 Cursor 改了定价，他一周就把免费额度用完了，这才“被迫”换工具。他换到了 Codex。他认为以前的 OpenAI 模型写的代码很“懒”，经常跳步骤，不如 Claude 好用。但现在的 GPT-5 Codex 已经进化得非常强，连以前 Claude 的强项——用户界面(UI)——都能搞定了。第 6 位 —— 极致的专注：Nityesh Agarwal, Cora 工程师Nityesh 是 Cora 的工程师，他的风格和第一位 Yash 截然相反。他追求极致的专注。他的装备极简（一台MacBook Air），他的工具也极简：只用 Claude Code。但他用 Claude Code 的方式很特别：1. 他会花好几个小时，先和 Claude 一起研究、制定一个巨详细的计划。2. 一旦开始编码，他就待在一个终端窗口里，“像老鹰一样””盯着 Claude 输出的每一行代码，手指就悬在 Escape 键上，一旦发现不对，立刻中断它。最近，他甚至故意频繁地打断AI，强迫AI向他解释“你为什么要这么写？”。他承认，这样做效率变低了，但带来了两个巨大的好处：1. AI 胡说八道（hallucinate）的次数变少了。2. 他感觉自己的开发技能也在这个盘问 AI 的过程中变强了。他意识到，自己已经对 Claude 产生了依赖，这让他很脆弱。前阵子 Claude 宕机了两天，他试了别的工具，都感觉不顺手。所以，他现在逼着自己和AI一起思考，而不是纯粹依赖AI。---看来每个人用 AI 的方式都不一样，但也有一些共同点：1. 重点不在“写代码”，而在“做规划”没有人真正的是在“Vibe Coding”，没有说写个提示词就完事了的，都是在 AI 干活前反复的讨论，直到清楚了再动手2. 上下文很重要Yash 用 Context 7 MCP 的工具，确保 AI 在写代码时，能自动去查阅最新、最官方的“技术文档”。这就避免了 AI 用过时的知识（比如一个老版本的函数）来写新代码。还会用 Figma MCP，读取 Figma 的原始设计数据，让 AI 可以直接拿到准确的颜色、间距等信息3. 工程师的角色在进化工程师已经不再是单纯写代码，还要做计划、写提示词、审查 AI 生成的代码4. 专注这个问题其实我也有感触，AI 让人更难专注了，在等 AI 结果的时候去做点其他事，很快就把任务忘记了；或者 AI 工具太多，每个新 AI 工具都去试试太费时间了。像 Yash 那样，一半时间专注交付，一半时间探索，也许是个不错的模式。原文：Inside the AI Workflows of Every’s Six Engineers网页链接

104. 大神手把手教学，Obsidian+Claude Code 10 倍效率玩转笔记，构建 AI 第二大脑

105. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

106. 国外大神逆向了 Claude Code，发现它好用的秘密藏在反常识的 Agent 设计里（附完整 System Prompt）

107. MiniMax M2.1也算得上是个成熟的工程师了之前对这类模型预期不高，一般只让它们处理些简单的多语言转换或者写写博客。但这次让它用Claude Code做个Image-to-Video的SaaS网站，表现确实超出预料——它能主动调用Skill完成任务，十分钟就基于模板把网站初版搭出来了，完成度接近Claude Code原生的Opus 4.5（结果见图1）以前国产模型像实习生，得一步步指导，现在M2.1像个能独立干活儿的工程师，清楚该用什么工具、从哪里入手。它的工具调用和Agent能力，确实刷新了我对国产大模型的认知知识储备各家可能差不多，关键在模型能不能精准理解意图并调用工具去执行。这次通过“网站制作”这个Skill，M2.1展现的效果很扎实。Skill生态确实是重要方向，除了Claude Code，Codex、Antigravity也都在跟进#minimax##ai大模型#

108. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

109. Claude Code从来就不是什么编程工具

110. Claude Code Is All You Need

111. 差点被订阅搞崩溃，全量开放的TRAE SOLO模式帮我手搓了个管理神器#AI编程 #科技改变生活 #玩儿个很新的东西 #TRAE #AI新星计划

112. AI 编程又进化了！TRAE SOLO中国版上线且免费 #AI编程 #TRAE #TRAE SOLO #玩一个很新的东西

113. 盘点一周AI大事(10月19日)｜Gemini 3.0逆天 OpenAI官宣自研AI芯片，与博通合作打造10吉瓦算力中心 OpenAI更新Sora 2，支持故事板画分镜，时长加到25秒 Google上线Veo 3.1硬刚Sora，支持3张参考图锁定主体，支持首尾帧平滑过渡，支持扩展长度到1分钟，支持添加和移除任意物体 Gemini 3.0 已开启灰度测试，前端开发能力炸裂，甚至能复刻网页版操作系统 Anthropic上线Haiku 4.5，编码能力追平Sonnet4 Claude上线Skills，把指令、脚本和资料压缩成技能包 AI学界首次提出可量化的AGI定义 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

114. 本在职研究生表示：平板能不能当“学习搭子”，软件生态是关键！#华为平板爆款新品来了#，前代能装的无纸化学习APP已经够多，新品华为MatePad 11.5 S会不会更多软件升级？比如适配编程学习软件、设计类插件？#华为新款MatePad11.5S即将发布#8.15坐等解锁新技能～

115. 为什么 Claude Skills 的爆发点在 2026 年 1 月？问：Claude Skills 是去年 10 月中就推出的，为什么现在才突然火起来？这是个很好的问题。Claude Skills 确实在 2025 年 10 月中旬就发布了，但直到 2026 年 1 月才真正爆火。这背后有表面原因，也有更深层的逻辑。核心原因就是这东西如果只能在技术圈自嗨，它是火不起来的。去年 10 月份 Skills 编程领域其实很快就开始用起来了，而现在火，只是因为它出圈了，在技术之外的领域火起来了，非技术人员也用起来了。Skills 真正的价值其实是在非编程领域。去年 Coding Agent（比如 Claude Code、OpenCode）开始在非编程领域开花，而 Skills 的设计特点让它能很快找到 Agent 在非编程领域上的场景落地。1. 有 bash 和脚本能力，可以自动化本机操作Skills 让 Claude 能借助代码脚本操作你的本机系统，把很多琐碎的电脑操作变成自动化操作。Claude Code 的创建者 Boris Cherny 在 X 上分享过一个有趣的观察：自从 Claude Code 发布以来，他发现用户们在用它做各种非编码的工作——做度假研究、做 PPT、清理邮件、取消订阅、从硬盘恢复婚礼照片、监控植物生长，甚至控制烤箱。> Since we launched Claude Code, we saw people using it for all sorts of non-coding work: doing vacation research, building slide decks, cleaning up your email, cancelling subscriptions, recovering wedding photos from a hard drive, monitoring plant growth, controlling your oven.>> 网页链接这些场景和写代码完全不沾边，但 Skills + bash 能力的组合让这一切成为可能。比如我自己就做了一些工作流，帮我采集信息、写作、写 PPT、画漫画、发布，极大提升效率。像发文章到公众号、X Article 这些，以前需要手动重复的操作，现在一个 Skill 就搞定了。2. Skills 可以相互调用，用自然语言编排工作流如果是单一的 skill，作用其实有限。但当你有多个 skills，并且 skills 还可以相互调用，那意味着你可以编排工作流。Skills 让 AI 可以像《黑客帝国》主角 Neo 那样瞬间学会新技能：“I know kung fu”。Claude 会根据任务自动加载需要的 Skill，完成后再卸载，整个过程无需用户干预。而最神奇的地方在于，你只需要用自然语言去编排工作流。这中间会有 Agent/大模型去解读你的自然语言，按照工作流执行，有问题还会帮你修复。这极大地解决了非专业用户需要程序员协助编排工作流的问题。3. Skills 本身易于分发，几乎成了每个 agent 的标配一个 skill 只要有一个 SKILL.md markdown 文件和辅助的脚本或者文档，打个 zip 包就能发布。这种轻量级的设计让分发变得极其简单。有个时间点很重要，2025 年 12 月 18 日，Anthropic 宣布将 Agent Skills 规范开放为跨平台标准。很快，微软在 VS Code 和 GitHub Copilot 中集成了对 Agent Skills 的支持，OpenAI 也在 ChatGPT 的代码解释器和 Codex CLI 中采用了几乎相同的技能目录结构。Skills 在 10 月发布时，主要还是被定位为开发者工具。但随着生态成熟、开放标准确立、以及 Cowork 这样面向普通用户的产品推出，Skills 在非编程领域的价值才真正被释放出来。回顾这个过程：10 月：Skills 发布，开发者圈小范围关注11-12 月：技能规范开放、生态扩展、用户积累经验1 月：产品更新 + 非编程场景落地 + 病毒式传播 = 爆发Skills 的爆发是现在它找到了真正的价值定位，让非程序员也能通过自然语言编排复杂的自动化工作流。这才是 Skills 真正火起来的原因，随着更多场景被发掘出来，还会持续的火上一段时间。

116. 用AI的人，效率像是开了挂！ #大咖观察 #红衣聊AI #黄仁勋 #科技

117. 邪修玩法突破限制！爽用全球爆火的AI编程工具Claude Code！GLM和DeepSeek模型对比实测！

118. 「Github一周热点99期」提升ClaudeCode效率10倍的工具？

119. Claude Code改一个bug就引入另一个bug，陷入死循环怎么破？

120. 想象一下，一个软件团队在做一个大项目，但有个奇怪的规定：每个工程师只能工作几十分钟，最多几小时，干完就要换一个新的工程师。所以让这个团队完成简单项目任务还行，复杂一点需要长时间运行的项目，比如你让它克隆一个 claude.ai，它就做不到。这其实就是 Coding Agent 的现状：没有记忆，上下文窗口长度有限。所以要它执行长时间任务，它还做不好。Anthropic 的这篇博客：《Effective harnesses for long-running agents》，专门讨论了如何让 Agent 在跨越多个上下文窗口时依然能持续推进任务。先看 Agent 在长任务中遇到的主要问题是什么？主要三种：第一种叫一口气干太多。比如你让 Agent 克隆一个 claude.ai 这样的网站，它会试图一次性搞定整个应用。结果上下文还没用完，功能写了一半，代码乱成一锅粥。下一个会话进来，面对半成品只能干瞪眼，花很多时间猜测前面到底做了什么。第二种叫过早宣布胜利。项目做了一部分，后来的 Agent 看看环境，觉得好像差不多了，就直接收工。功能缺一大堆也不管。第三种叫测试敷衍。Agent 改完代码，跑几个单元测试或者 curl 一下接口就觉得万事大吉，根本没有像真实用户那样端到端走一遍流程。这三种失败模式的共同点是 Agent 不知道全局目标，也不知道该在哪里停下来、该留下什么给下一位。那么 Anthropic 的解决方案是什么呢？其实就是软件工程的一些现成的解决方案：引入类似人类团队的分工协作机制，将复杂任务拆解成小的可跟踪验证的任务，清晰的交接机制，并严格验证任务结果一个初始化 Agent，它只在项目启动时出场一次，任务是搭好项目运行环境：有点像架构师的角色，写一个 init.sh 脚本方便后续启动开发服务器，建一个 claude-progress.txt 记录进度，做第一次 git 提交，最关键的是生成一份功能清单。这份功能清单有多细？在克隆 claude.ai 的案例中，列了超过 200 条具体功能，比如用户能打开新对话、输入问题、按回车、看到 AI 回复。每一条初始状态都标记为失败，后续 Agent 必须逐条验证通过才能改成成功。而且这里有个细节，这个清单不是用 Markdown 来写的，是一个 JSON 数组，因为 Anthropic 实验发现，相比 Markdown，模型在处理 JSON 时更不容易随意篡改或覆盖文件。另一个是编码 Agent。在初始化项目后，后续就是它干活了，核心行为准则只有两条：一次只做一个功能，做完要留下干净的环境。什么叫干净的环境？想象你往主分支提交代码的标准：没有严重 bug，代码整齐有文档，下一个人接手能直接开始新功能，不用先替你收拾烂摊子。每次开工前，它先做几件事：– 运行 pwd 看看自己在哪个目录– 读 Git 日志和进度文件，搞清楚上一轮干了啥– 看功能清单，挑一个最高优先级的未完成功能– 跑一遍基础测试，确保 App 还能用然后专心做一个功能，做完后：– 写清楚的 Git commit message– 更新 claude-progress.txt– 只改功能清单里的状态字段，绝不删改需求本身这个设计的巧妙之处在于，它把“记忆”外化成了文件和 Git 历史。每一轮的 Agent 不需要依赖上下文窗口里的碎片信息，而是模仿靠谱的人类工程师每天上班会做的事。先同步进度，确认环境正常，再动手干活。测试环节的改进值得单独说。原来 Agent 只会用代码层面的方式验证，比如跑单元测试或者调接口。问题是很多 bug 只有用户真正操作页面时才会暴露。解决方案是给 Agent 配上浏览器自动化工具，比如 Puppeteer MCP。Agent 现在能像真人一样打开浏览器、点按钮、填表单、看页面渲染结果。Anthropic 放了一张动图，展示 Agent 测试克隆版 claude.ai 时自己截的图，确实是在像用户那样操作。这招大幅提升了功能验证的准确率。当然也有边界，比如浏览器原生的 alert 弹窗，Puppeteer 捕捉不到，依赖弹窗的功能就容易出 bug。这套方案还留了一些开放问题。比如，到底是一个通用 Agent 全包好，还是搞专业分工？让测试 Agent 专门测，代码清理 Agent 专门收拾，也许效果更好。再比如，这套经验是针对全栈 Web 开发优化的，能不能迁移到科研或金融建模这类长周期任务？应该可以，但需要实验验证。响马 @xicilion 说：> ai 的尽头依旧是软件工程。AI Agent 也不是魔法，它一样需要从人类软件工程中汲取经验，它也需要将复杂的任务进行分解成简单的任务，要有一个结构化的工作环境和清晰的交接机制。人类工程师为什么能跨团队、跨时区协作？因为有 Git、有文档、有 Code Review、有测试。AI Agent 要想长时间自主工作，也得把这些东西搬过来。Anthropic 的方案，不过是把软件工程的最佳实践变成了 Agent 能理解的提示词和工具链。不是让模型变得更聪明，而是给它提供更好的脚手架。Anthropic 的思路值得借鉴。无论你用的是 Claude、GPT 还是别的模型，在设计多轮长任务时，都要想清楚，怎么让下一轮的 Agent 快速进入状态，怎么避免它重复造轮子或者把代码搞成一团乱麻。即使是单轮任务，也要清楚它是没有记忆的，你需要通过外部文件来帮助它“想起来”之前做过的事。以现在模型的能力，Coding Agent 已经能做很多事情了，核心还是在于你是不是能像软件工程中那样，去分解好任务，设计好工作的流程。原文：Effective harnesses for long-running agents 网页链接翻译：网页链接

121. Anthropic新发布的Claude Opus 4.5，企业开发是核心战场。开发者可借助其编码优势快速生成生产级代码，还能让模型接入Chrome完成自动化测试。从打开测试平台、执行用例到记录结果全程自主，配合提示注入防护能力，避免恶意指令攻击，适配企业代理开发需求。安装Claude for Chrome插件后，它能读取网页图表数据生成分析报告，选中外文资料秒出精准翻译。对接Excel时，可自动抓取网页数据并按格式填入表格，还支持跨标签页协同操作。模型会自动完成改写、打开平台、粘贴发布全流程。其200K长上下文窗口，还能轻松处理技术文档、法律文件等长文本，成为多场景办公助手。这个对于新媒体运营者来说是非常实用的帮手。#科技先锋官##AI生活指南##AI创造营#

122. AI 会取代你的工作吗？Anthropic 用 200 万对话告诉你答案“AI 会先替代流水线工人和客服，知识工作者暂时安全”，这可能是过去两年最流行的 AI 经济叙事。但 Anthropic 刚发布的 Economic Index 第四期报告（www.anthropic.com/research/economic-index-primitives ），用真实数据讲了一个完全不同的故事：AI 对高学历任务的加速效果，比低学历任务高出 30%。AI 正在从知识工作的核心地带切入，而不是从边缘蚕食。这份报告分析了 200 万次 Claude 对话（100 万来自 Claude.ai，100 万来自 API），首次提出了“经济原语”这个分析框架，试图回答一个关键问题：AI 到底在改变什么样的工作？【1】复杂任务获益更多，但成功率更低Anthropic 发现了一个有趣的权衡：需要高中教育的任务，AI 能加速 9 倍；需要大学教育的任务，AI 能加速 12 倍。任务越复杂，AI 带来的提速效果越明显。这和“AI 先替代简单工作”的直觉完全相反。但复杂任务的成功率也更低：高中水平的任务成功率是 70%，大学水平的任务成功率降到 66%。差距不算大，但反映了一个规律：AI 在高难度任务上的表现更不稳定。AI 确实在帮白领加速工作，但每次使用都像抛硬币：你不确定这次它能不能靠谱完成。【2】什么是“经济原语”？这份报告最大的创新是提出了五个“经济原语”，用来测量 AI 使用方式的基础指标：1. 任务复杂度：完成这个任务需要多长时间、有多难2. 技能水平：理解输入和输出需要多少年教育3. 使用场景：工作、学业、还是个人用途4. AI 自主性：用户给 AI 多大的决策权5. 任务成功率：AI 是否成功完成了任务以前的研究只看“AI 覆盖了多少任务”，但这太粗糙了。同样是“调试代码”，修一个小 bug 和重构整个代码库，对劳动力市场的含义完全不同。这套框架把“AI 有多厉害”这个模糊问题，拆解成了可以追踪、可以比较的具体维度。Anthropic 承诺会持续用这套框架更新数据，相当于给 AI 经济影响建立了一个长期观测站。【3】Claude.ai vs API：两个世界报告揭示了 Claude.ai（消费者端）和 API（企业端）之间的巨大差异：Claude.ai 的任务成功率是 67%，API 只有 49%。为什么差这么多？因为 Claude.ai 支持多轮对话，用户可以纠错、引导、迭代。API 调用通常是“一锤子买卖”，提交请求就等结果，没有纠错机会。更值得关注的是“任务时长边界”。METR 的基准测试显示，Claude Sonnet 4.5 在约 2 小时的任务上能达到 50% 成功率。但 Anthropic 的真实数据显示：API 调用大约在 3.5 小时任务上达到 50% 成功率；Claude.ai 要到 19 小时任务才降到 50% 成功率。19 小时 vs 3.5 小时，差了 5 倍多。原因就是多轮对话把复杂任务分解成了小步骤，每一轮都有机会纠偏。人类的引导能力仍然是关键变量。【4】不要只看覆盖率，要看“有效覆盖率”之前 Anthropic 说 36% 的职业有至少四分之一的任务被 AI 覆盖。现在这个数字涨到了 49%。但这个指标太粗糙了。报告引入了“有效 AI 覆盖率”，综合考虑任务在工作中的时间占比、出现频率、以及 AI 完成的成功率。数据录入员只有 9 个任务中的 2 个被 AI 覆盖，看起来影响不大。但这 2 个任务（读取和输入数据）恰好是他们最核心、最耗时的工作，AI 在这两个任务上成功率很高。所以数据录入员的“有效覆盖率”反而是最高的。放射科医生也类似：AI 覆盖的任务不多，但恰好是解读影像和撰写报告这两个核心工作。相反，微生物学家虽然有一半任务被 AI 覆盖，但最耗时的实验室操作完全无法被 AI 替代，“有效覆盖率”反而不高。不要只看 AI 能做多少任务，要看它能做的是不是你工作中最核心的那部分。【5】去技能化：白领工作正在被“掏空”如果把 Claude 覆盖的那些任务从工作中“移除”，会发生什么？大多数工作会被“去技能化”。因为 AI 倾向于覆盖那些需要更高教育水平的任务：Claude 覆盖的任务平均需要 14.4 年教育（相当于副学士学位），而整体经济的平均值是 13.2 年。几个例子：技术写作：AI 接管了分析、审稿、内容生成这些核心工作，人类可能只剩下画图和排版。旅行代理商：AI 做行程规划、比价、推荐，人类只剩打票收款。以前需要丰富经验才能做好的工作，现在变成了简单的执行角色。教师：AI 能帮忙批改作业、做研究、准备教案，这些恰恰是教师工作中最需要专业知识的部分。剩下的主要是课堂管理和面对面互动。但也有例外。房产经理反而可能“技能升级”：AI 接管了记账、文档管理这些低端任务，人类可以专注于合同谈判和客户关系，工作内容反而更有价值。【6】AI 到底能让生产力提升多少？之前 Anthropic 估计，AI 能让美国劳动生产率每年增长 1.8 个百分点，意味着十年内生产率翻番。但考虑任务成功率后，这个数字要打折。Claude.ai 数据显示，调整后的生产力增长约 1.2%；API 数据更低，约 1.0%。如果再考虑任务之间的互补性，比如有些任务无法被 AI 替代，会成为整体效率的“瓶颈”，生产力增长可能进一步降至 0.6-0.8%。但即使是 1%，也意味着美国生产率增速回到 1990 年代末和 2000 年代初的水平，那是互联网泡沫前后的黄金时代。即使打了折，AI 的经济影响仍然是重大的。【7】你怎么问决定 AI 怎么答报告发现了一个几乎完美的相关关系：用户输入的教育水平和 Claude 回复的教育水平高度相关，相关系数达到 0.92。你用什么水平的语言问问题，AI 就用什么水平的语言回答。这不是 AI 在迁就用户，而是训练方式决定的：Claude 倾向于匹配用户的表达层次。这有深远的政策含义。高收入国家倾向于“协作式”使用 AI，把 AI 当作助手和协作者，自己保持决策权。低收入国家更多是“教育式”使用，用 AI 来学习和完成课业。能从 AI 中获益最多的，是那些本来就有能力写出高质量 Prompt 的人。教育水平越高、表达能力越强，AI 的帮助就越大。AI 可能加剧而非缩小全球不平等。仅仅“让所有人都能用上 AI”是不够的，还需要投资人力资本，让人们能够有效地与 AI 交互。【8】对我们意味着什么这份报告最重要的信息不是“你的工作会不会被 AI 取代”，而是“AI 接管后，你剩下的工作是更有价值还是更琐碎”。如果你是技术写作员、旅行代理商、数据分析师，那些 AI 正在覆盖核心任务的职业，问题不在于失业，而在于工作内容的“降级”。你可能仍然有工作，但做的事情变得更琐碎、更机械。如果你是房产经纪、合同谈判专家、需要面对面判断的职业，AI 反而可能帮你摆脱例行公事，专注于更需要人类判断力的工作。无论哪种情况，一个能力变得至关重要：高质量地与 AI 交互的能力。你怎么问，决定了 AI 怎么答。在一个 AI 覆盖越来越多任务的世界里，“问出好问题”可能比“知道答案”更有价值。

123. 这篇Vibe Coding文章值得一读！ 1. 深入探讨了 Claude Code 2.0 的进阶使用技巧及其作为 AI 编程智能体的演进过程。 2. 通过对比 Anthropic 与 OpenAI 旗下工具的性能，分析了 Opus 4.5 模型在速度、沟通力及意图检测方面的显著优势。 3. 详细解析了子智能体 (Sub-agents)、上下文工程 (Context Engineering) 及 MCP 服务器等核心机制，揭示了系统如何通过任务拆分和提示词注入来优化处理能力。 4. 分享其个人工作流和自定义指令，提供了从技术小白向高效人机协作转型的实操指南。访问：sankalp.bearblog.dev/my-experience-with-claude-code-20-and-how-to-get-better-at-using-coding-agents/ #ai创造营# #程序员#

124. Anthropic 发癫搞封锁，今天最该“警惕”的其实是Claude Code

125. OpenCode + Oh-my-opencode 的组合看着很强大！其核心理念是设立一个名为Sisyphus（西西弗斯）的主“编排者”或“工程经理”代理，它并不亲自编写所有代码，而是将任务智能地分派给一个由专业化子代理组成的团队。每个子代理都运行在最适合其任务的特定模型上。包括：1. Sisyphus (anthropic/claude-opus-4-5)：默认 Agent。 OpenCode 专属的强力 AI 编排器。指挥专业子 Agent 搞定复杂任务。主打后台任务委派和 Todo 驱动。用 Claude Opus 4.5 加上扩展思考（32k token 预算），智商拉满。2. oracle (openai/gpt-5.2)：架构师、代码审查员、战略家。GPT-5.2 的逻辑推理和深度分析能力不是盖的。3. librarian (opencode/glm-4.7-free)：多仓库分析、查文档、找示例。使用 GLM-4.7 Free 深入理解代码库，GitHub 调研，给出的答案都有据可查。4. explore (opencode/grok-code、google/gemini-3-flash 或 anthropic/claude-haiku-4-5)：极速代码库扫描、模式匹配。配置 Antigravity 认证时使用 Gemini 3 Flash，Claude max20 可用时使用 Haiku，否则用 Grok。5. frontend-ui-ux-engineer (google/gemini-3-pro-preview)：设计师出身的程序员。UI 做得那是真漂亮。Gemini 写这种创意美观的代码是一绝。6. document-writer (google/gemini-3-pro-preview)：技术写作专家。Gemini 文笔好，写出来的东西读着顺畅。7. multimodal-looker (google/gemini-3-flash)：视觉内容专家。PDF、图片、图表，看一眼就知道里头有啥。访问：github.com/code-yeongyu/oh-my-opencode/blob/dev/README.zh-cn.md#ai创造营# #程序员#

126. 未来职场最值钱的能力是什么？ #大咖观察 #红衣聊AI #职场 #能力提升

127. 「Github一周热点100期」爆火的AI编程工具却被Claude封禁？

128. 盘点一周AI大事(9月28日)｜ChatGPT上线私人秘书 OpenAI与英伟达签手成功，英伟达投资OpenAI 1000亿打造算力中心微软与Anthropic感情升温，Copilot也接入了Claude ChatGPT上线私人秘书Agent ChatGPT Palse OpenAI 发布职业力基准测试GDPval 阿里推出千问全家桶，Qwen 3 Max数学竞赛拿满分，多模态Qwen 3 omni全面对标Gemini，最强视觉Qwen VL打败闭源 DeepSeek更新V3.1最终版 Meta开源代码世界模型 Google开发出生成式操作系统原型 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

129. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

130. “Claude.ai 的任务成功率是 67%，API 只有 49%。为什么差这么多？因为 Claude.ai 支持多轮对话，用户可以纠错、引导、迭代” 我之前用AI不停迭代优化，确实能得到更好的，和第一版差太多。对认真做项目的人来说，有人主导去纠错、改善，还是很重要的。不过，以前需要更多人来完成的项目，有了AI后，不需要那么多了。

131. n8n要凉了？Agent Skills实测对比，谁才是AI自动化之王！

132. 如何评价 Anthropic 在 9 月 30 日更新的 Claude Sonnet 4.5 模型？

133. 卧槽牛P了Anthropic 推出 Claude Cowork 大众版 Claude Code为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：CoworkCowork 的核心机制：Claude 拿到“动手权”你可以让 Claude 访问你电脑中的一个文件夹。一旦你授权，它就可以在那个范围内：读取文件：看懂里面的内容；编辑文件：修改或补充；创建文件：从零生成新的文档；整理文件：例如自动分类、重命名、清理下载文件夹。举个例子：你有几十张发票截图散落在下载文件夹里，Cowork 可以识别这些截图中的文字，提取出金额和日期，再帮你生成一份 Excel 表格列出所有支出。和普通 Claude 聊天有何不同？普通 Claude 是“对话式”的，它只会输出文本回答。Cowork 则是“执行式”的：它会真正动手完成任务。比如你说：“请帮我整理这个资料夹，把文档按年份和主题分类。”Claude 会：克劳德会：制定一份行动计划；通知你它将要执行的步骤；逐步完成；期间实时汇报进度；等待你确认下一步。这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。详细：网页链接互联网的那点事的微博视频

134. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

135. 融资 3200 万美元，半年狂揽 200 万下载，开源工具 Cline 如何颠覆 AI 编程范式？

136. 速来学习，Anthropic 官方最新揭秘：内部这样使用 Claude Code 效率翻倍！

137. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

138. Anthropic 社区负责人连更31条Claude Code技巧！比Claude Code创始人私藏的还硬核

139. 每月20元！智谱GLM-4.5杀入Claude Code，开启编程API“包月”时代

140. DeepSeek V3.1接入Claude Code教程

141. 回复 X 网友 Yangyi 的推文：> 我认识的比较厉害的开发，无一例外都在用cursor，因为他们惧怕AI带来的代码失控感。Claudecode这种东西更适合非程序员，甚至很多产品细节都可以不关注了。出了问题之后再问AI 你是咋做的？---你可能没认识真正厉害开发，真正厉害的恰恰会用codex和Claude code，辅助用cursor或者vs code。好的engineering manager靠的不是微管理，不怕任务交给下属会搞砸，因为他们了解下属能力边界，擅长把任务拆分成下属能力范围内的粒度，还能对下属的结果进行验收，不仅省力还能充分利用团队的力量。糟糕的manager不敢把任务给下属做，怕下属搞砸怕下属抢了自己的饭碗，到处微管理，自己累团队效率也不高。使用 Coding Agent 编程你就是engineering manager或tech leader的角色，靠的不是掌控感不是微管理，是你的技术能力和管理能力！

142. 31 个让你的 Claude Code 效率起飞的隐藏技巧

143. Claude Code上线插件系统，AI编程模式再次升级

144. Claude Code 官方插件汇总

145. 初学者掌握 claude code 的一些进阶知识

146. 官方重磅：Claude Code支持插件了！这5个应用场景你必须知道

147. Claude Code插件系统：助力快速构建智能体

148. Claude Code 插件系统来了

149. Claude Code 开放插件啦

150. 编程agent 的元游戏｜The Coding Agent Metagame 译介

151. Claude Code的官方市场还有哪些宝藏插件？

152. 🚀告别Vibe Coding！用Superpowers让Claude Code写出工程级代码，一次通过零报错！遵循TDD最佳实践！支持Codex

153. Day 7：superpowers（brainstorm） —— 把Claude变身专业PM，需求模糊说再见

154. 深度剖析 Claude 团队“自用” Workflow

155. 刚刚，Claude 4.5 发布！代码能力超越 GPT-5，Cursor 宣布立即支持！

156. Codex 使用体验，以及与 Claude Code 的对比

157. 开源AI编程工具对决：Superpowers技能库与OpenSpec规范驱动，谁更胜一筹？

158. Claude Code系统提示词完全拆解：背后藏着40多个提示词

159. 这个开源项目打造你专属的Claude超能力库

160. 搭了一个Claude, Codex, Gemini 协作的 Agent 工作流

161. Claude Skills 终极指南：GitHub 上的 AI 军火库

162. Claude Code + GLM-4.7 + Superpowers 保姆级入门教程

163. 官方重磅！这个VS Code插件，完美使用Claude Code，4大优势彻底放弃命令行

164. 颠覆AI编程工作流：Claude Code 子代理与自动化编码的 10 倍效能提升

165. Claude Skills推荐：9个自动化神器从SkillsMP六万个插件库中，实测筛选出9个Claude高频神器。本期视频详解‘任务规划师’复刻Manus工作流、‘superpowers’苏格拉底式追问开发、Google NotebookLM硬核联动、死循环代码修复、前端UI三剑客、Git容灾备份以及微软MarkItDown文档清洗等工具，助你从用工具的人进化为造工具的人。#Claude #Claude插件 #AI编程 #NotebookLM

任务规划师 vs Superpowers？62位开发者真实体验告诉你答案

精选参考来源