Claude Code

省 token 省到任务失败、重跑一遍，前面省的全赔进去。拆解 Claude Code 一个任务的四个成本变量：回合数、缓存、输出与思考、模型；讲清 effort 怎么调、何时降级或升到 Fable 5.1、别打断缓存、/compact 何时回本，以及用 /usage 量出你自己的数。

跟用 AI 写 Web 不一样，写 iOS App 中间隔着 Xcode、模拟器和签名机制。这篇讲第一次用 Claude Code 做 App 该怎么开局：项目用 Xcode 建、把编译和截图命令交给它形成自我验证闭环、CLAUDE.md 只写三样、一次只做一屏，以及几个一定会踩的坑。

大模型接口是无状态的，每按一次回车，整段历史都会被重新打包发一遍，钱主要烧在这里。整理了我平常在用的省 token 手段：一个任务一个对话、让它精确读文件、大范围检索交给子 agent、砍掉常驻的 MCP 和 CLAUDE.md、简单活切便宜模型、管住输出长度。

贴给 AI 的日志里常常带着 .env 的值。这篇讲三步固定动作——只留能定位问题的最小集、把值换成占位符、贴前搜一遍，并附一个剪贴板一键脱敏的 zsh 函数：为什么只按 sk_live_、AKIA 这类前缀特征匹配，会让一串 32 位十六进制的密钥整行漏出去。

Anthropic 应用 AI 团队的内部实践：当代码不再是瓶颈，如何把规划、设计、构建、测试、部署、维护六个阶段逐一改造成 AI 原生流程，并让治理跟上智能体的节奏。

Anthropic 访谈十多家 AI 原生创业公司后总结出的五条规则：人人都能发版、把繁琐自动化、信任但要验证、为「重建」而构建、原型—内部试用—产品化。

实测安装 DeepSeek Harness：343MB、255 个包、490 行插件树。cordis 创造模式让模型自己写插件热装进正在跑的主进程；但装插件就是 pnpm install 一份进程内全权限代码——最漂亮的部分和最没锁的部分，是同一处。

为 handdraw.store 接入 Creem 订阅，代码跑通了，合规审核却打回 8 条整改意见，含 1 条硬门槛。记录 test/live 完全隔离、webhook 验签四个细节、moderation 来回改两次的弯路，以及切 live 上线清单。

8 月 14 日起 Claude Code 默认进 auto mode。1053 名测试员里只有 13.6% 拦住了被换成危险命令的弹窗，auto mode 是 89%。我翻了自己的配置，正好落在那 43% 里。附四个今天就该动的设置。

两篇文章给了同一道题两个相反的答案：一个人抹了台闲置 Mac 全开权限，一个人在 GitHub Actions 里把工具收成只读白名单。它们其实用的是同一个公式——爆炸半径 = 你丢不起的东西 × agent 碰到它的概率。附几个自己摸绝对要栽的坑。

Anthropic 把 Claude Code 的系统提示词删掉了 80% 以上，编码评测没有可测量的性能损失。我拿这套标准审了自己的 CLAUDE.md 和 Skills，找出三处硬伤——全都是「写得很认真」的产物。附一个判断哪条该删的粗暴判据。

没有验证器的 Loop，就是印钞机在印废钞。这篇讲清楚验证器到底是什么——它就是你每次替 AI 手动补的那个动作，以及怎么用 Claude Code 的内置能力和 Skill，把它从手动喊一步步自动化到每个 PR 强制跑。

使用 AI 代理进行大规模代码迁移的分步指南——包括 Bun 百万行 Zig 到 Rust 的移植。

过度依赖 AI 编码，工程师的调试能力平均下降 47%——这是造 Claude Code 的公司自己承认的。编码 Agent 带来的「认知债务」不会当场报错，却在悄悄拿走你判断代码好坏的能力。这篇聊聊它为什么危险，以及我自己在用的 5 条对冲纪律。

AI 写了我大半个项目，但核心重构我一直不敢让它自己跑。后来我想通了：卡住我的不是 AI 的能力，是我从没把'什么叫对'做成一个能自动跑的检查。AI 时代真正稀缺的，是把判断编译成可执行代码的能力。

AI 把构建成本压到了每月 20 美元，一个周末就能做出来的东西反而越来越不值钱。独立开发者的胜负手从'能不能做出来'，搬到了需求、判断、分发这三件事上——造得起，不等于做得对。

纳德拉说 AI 时代的核心资产是学习循环，不是模型。和 Anthropic 的执行层、吴恩达的分工层叠起来，Loop 有了三层含义——执行、分工、复利。独立开发者怎么建自己的 Token 资本？

Anthropic 的《Getting started with loops》讲怎么把 Loop 造好，吴恩达讲三层 Loop 的分工——其实是同一件事的两个缩放级别。一篇教你操作，一篇告诉你精力该往哪投，合起来才是 Loop Engineering 的全貌。

Anthropic Claude Code 团队官方博客译文。把 Agent 循环按触发和停止方式分成四类：基于回合、基于目标（/goal）、基于时间（/loop、/schedule）和主动式循环，讲每种适合什么任务、怎么保住代码质量、怎么控制 token 用量。

循环跑起来之后人的角色是什么？定义完成标准、处理升级问题、审查最终结果——三个必须有人在场的节点，以及判断哪些步骤可以放心交给循环的框架。

用 CLAUDE.md 循环协议、settings.json 钩子、fixer 子代理三个文件，让 Claude Code 自动跑测试、读报错、修代码，不再需要人工传话。

从提示者到循环设计者的完整路线图：4 条件测试、5 大构建块（自动化任务、工作树、技能、连接器、子智能体）、最小可行循环设计，以及如何避免 Ralph Wiggum 循环等常见失败模式。

从五个构建块到实战案例,展示如何将 Loop Engineering 落地——让 AI 自主发现、分发、检查工作并持续运行

Claude Code 的 Boris Cherny 说他不再提示 Claude,而是写循环。Loop Engineering 是什么、一个循环需要哪五块东西、它帮不了你的三件事,以及为什么它只奖励已经想明白的人。

本地小项目飞起、百万行老代码库就抽风——差距不在模型,在工程脚手架。聊聊 Claude Code 在大仓库里的常见坑、几条朴素的工程纪律,以及成本与隐私这几句不太一样的话。

Agent 跑了几小时但任务进度是 0,这就是 Doom Loop。讲清四种成因、工业级断路器和检测器怎么破,以及为什么模型外面必须补五层控制——架构问题,不是模型问题。

Anthropic 在 Claude Code 推出动态工作流（Dynamic Workflows）:Claude 动态编写编排脚本,在单个会话中并行跑数十到数百个子 Agent,在结果到达你之前完成自检。

动态工作流通过 Claude 编写的脚本编排大量子 Agent,可重复运行。适用于代码库审计、大规模迁移和交叉验证的研究。

OpenSpec 是开源免费的 SDD 工具——先把规范写清楚再让 AI 写代码。一篇讲清它干什么、和 CLAUDE.md / Skill 怎么分工、怎么装、什么场景别上。

读 Anthropic《Founder's Playbook》最大感悟:AI 让 build 变得太便宜,反而把'判断力缺失'暴露出来——三件反直觉的事,关于 validation、AI 镜子效应、和 CLAUDE.md 的复利。

大多数人把 Claude Code 用成了高级搜索引擎。讲清三件事:用 CLAUDE.md 把行为规范沉淀下来、用 Subagent 给它定角色、用 /goal 把循环交出去——把效率从'快一点'拉到'少做 80%'。

Subagent 是 Claude Code 里被严重低估的能力——独立上下文、可并行、能限权。聊聊它和 Skill 的区别、3 个开箱内置款,以及怎么写一个属于自己的代码审查 Subagent。

Claude Code v2.1.139 新增的 /goal 命令,能让 AI 在客观可验证的条件下持续工作直到完成。本文用 TinyPA 项目的三个实战案例,讲清楚怎么写一个能跑通的条件、几个真踩到的坑、以及什么时候别用。

拉尔夫循环——给 Claude Code 一个目标和验证标准,让它在闭环里跑'执行→测试→改→重来',睡觉时自己改完代码。哪些活能交出去,哪些坑要避开。

AI Agent 不靠谱?多半不是模型变笨了,而是 Harness 没做好。一文搞懂 Harness 在 Claude Code 这类工具背后到底干了哪三件事。

Skill 工程化的终局，不是把一把瑞士军刀磨得更利，而是让团队像流水线般作战。本篇讲显式调用与技能链、Treat Skill as Code 的版本控制与反向优化，以及带团队跨越 AI 新手村的三阶段路径。

把 Skill 当代码来写：从 description 路由、SKILL.md 契约、references 拆分，到黄金用例集与安全审查。一份可以直接落地的工业级 Skill 开发 SOP。

Skill 是给模型的作业指导书,不是函数调用。四件套(Metadata / allowed-tools / SKILL.md / scripts)+ 三阶段生命周期(注册 → 匹配 → 执行),讲清何时该写、怎么写不跑偏。

从 Prompt 的三大坑出发,解释 Skill 为什么是 AI 工程化的下一步:持久化、按需激活、参数化。本文讲概念、类比与渐进式披露三层架构。

AI 开发的真正门槛早就不是会不会写提示词，而是能不能搭出一套稳定、可控、可校验的系统。这期视频把 Harness Engineering 拆成四块拼图，并用实际项目案例演示怎么把 AI 管成一支能持续产出正确结果的研发团队。

一次性梳理 Claude Code 的 35 项进阶使用技巧，覆盖基础代码生成、上下文管理、工作流编排、自动化调试等关键环节，帮助开发者从「让 AI 写代码」升级到「与 AI 高效协作」。

在 2026 年背景下，个人开发者如何利用 AI 工具链和开源生态，以极低成本快速构建盈利性 SaaS 产品。Open SaaS + Supabase 搭基础设施，Claude Code + Repomix 做代码理解与自动化开发，Flowise 等 AI 插件提升竞争力，开发周期从数月压缩到两周。

受 Andrej Karpathy 启发，老金分享如何结合 Obsidian 和 Claude Code 搭建个人知识库，从初始化到日常使用的完整流程。

一天一个开源项目（第38篇）：Claude Code Telegram - 用 Telegram 远程用 Claude Code，随时随地聊项目

介绍agent-teams-playbook，一个让Claude Code从'你指挥它干活'变成'它自己当CTO组队干活'的编排Skill

当一个 AI 的上下文窗口不够用，或者你需要从不同角度审视代码时，该怎么办？Claude Code 推出的 Agent Teams 让你的终端里住进一支完整的开发团队。

本指南提供了使用 Claude Code 进行探索代码库、修复 Bug、重构、测试以及其他日常任务的步骤说明