Skill Port
一份 Skill，只保存一次。Skill Port 用本地 Hub、显式 enablement 和来源记录管理技能，再通过 CLI 与 Desktop 服务不同项目和 Agent。
内容索引
开发者工具、Agent 工作流与工程实践。
16 项内容
作品
05 PROJECTS2026
QuotaBar
把多个 AI 编程服务的额度状态收进一个 macOS 菜单栏。自动显示最紧张指标，单个平台失败不会阻断其他平台。
Kane Skills
把反复出现的 Agent 工作流封装成 28 个独立技能，覆盖分析写作、技术核验、工程治理、视觉创作与发布交付。
回忆是钻石
人记录真实体验，AI 帮助找回遗漏的细节。用日记、周期复盘和成长目标，把经历积累成回忆。
报告馆
把分散的研究报告和互动网页收进一个按时间组织的公开索引，提交后由 GitHub Pages 自动部署。
文章
11 ARTICLES一文看懂 Jev：一种面向 Agent 的快速决策模型
TypeSafe 的 Jev 是面向 Agent 的决策模型，通过 Choice、Score、Noul 三类接口直接返回固定类型与概率，适合高频、选项可枚举的单步判断。
学 Pi 不是难，是顺序搞反了
按实践优先的顺序学习 Pi，并以三层 Harness 和分页搜索控制上下文成本。
没有历史对话，Agent 如何恢复项目？
把代码仓库升级为 Agent 工作环境，使新会话仅靠仓库即可恢复项目事实、状态和正确流程。
Agent 越快，越需要硬门禁
用可观察验收条件、风险测试、硬门禁和独立 Review 控制 Coding Agent 的高速推进。
并行不省 Token：Agent 成本怎么算
拆解 Agent 全链路成本，区分并行的时间收益与 Token 账单，并给出工具和多 Agent 协作的选择方法。
一篇搞懂 AI Coding Agent 的 Token 成本控制
从成本结构、使用习惯和模型路由，到压缩工具、代码图谱与多 Agent 协作的完整方法。
AI 原生开发系统
以仓库承载事实、过程、状态和经验，用可运行小版本、硬门禁与反馈回路控制 Agent 风险。
AI 原生开发实战：从设计稿到可运行版本
以可执行原型、可运行小版本、阶段门禁和可观察反馈约束高速 Coding Agent。
AI Coding Agent 深度研究报告：从工具选型到架构哲学
对 8 款 AI 编程 Agent 的架构、工程能力、企业门槛和 FDE 场景进行分层比较与决策分析。
三省六部 Agent 这条路不通
从角色边界、文档交接与缓存连续性分析多 Agent 流水线的成本，整理主 Agent、独立子任务和外部状态文件的维护型项目工作流。
从传统笔记到LLM驱动的结构化Wiki
把传统 Obsidian 笔记迁入由 LLM 维护的结构化 Wiki，通过原始资料、知识网络和操作规范，形成录入、查询与持续维护的知识工作流。
没有匹配的内容
换一个关键词，或清空筛选查看全部内容。