实战Token消耗优化:帮你节省2/3的大模型花费
27.6 天、40,436 次模型调用烧掉 80.8 亿 tokens,97.5% 花在重复上下文上。实测证明放大器是调用次数(37.2 倍)而非上下文膨胀,附技能与 MCP 回收清单、配置收紧方案。
aiec.fun
27.6 天、40,436 次模型调用烧掉 80.8 亿 tokens,97.5% 花在重复上下文上。实测证明放大器是调用次数(37.2 倍)而非上下文膨胀,附技能与 MCP 回收清单、配置收紧方案。
GitHub 3.4 万星项目 Nutlope/hallmark:把「不许这样设计」写成 88 条可执行门禁,三级分级、豁免必须自证、确定性检查器不靠大模型。
huashu-motion 把产品宣传片写成一个 HTML 文件,Agent 自己当导演:规则来自 21 支真实发布片实测,一支 22 秒动效片成本约 1.95 元。
8,601 星的 Claude-Red 把 78 个安全技能写成可按需加载的 SKILL.md。本文拆解它的 description 触发词设计、23 分类覆盖度、MINDMAP 审计法与六条可借鉴的技能工程方法论。
K-Dense-AI/scientific-agent-skills 把 AI Agent 变成科研助手,177 个经验证的科学技能覆盖 20 个领域、100+ 数据库,兼容 Cursor/Claude Code/Codex。
mattpocock 38 skill 实战:5 大治 vibe coding(grill-with-docs、to-tickets、diagnosing-bugs、tdd、code-review)。
vinta/awesome-python 以 326K 星登顶 GitHub Python 列表榜首。本文拆解其零代码哲学、社区自举质量控制机制,看 Agent 系统建设者能借鉴什么。
dream-num/univer用一个 TypeScript SDK 把电子表格、文档、演示稿、数据库、画板五大办公引擎封装在一起,让 AI Agent 能原生读写 Office 文件,自带 Canvas 渲染与公式引擎。本文详解架构、五大引擎定位、与同类项目对比,以及电商场景怎么落地。
Graph Engineering 用一张图替代单链,把多 Agent 系统从「串糖葫芦」升级为可观测、可降级、可审计的工程。本文基于 X 长文 14 条实战原则,附 5 种图形状速查 + 一段几乎能贴进任何 Agent 框架的 YAML 规格,标注诚实:Graph Engineering 不是银弹,仍高度依赖手工设计 graph spec。
DeepSeek-Harness(dsh)是 2026-08-13 开源的 Claude Code 对标 agent harness,主打「一切皆插件」架构与 Cordis 时空组合性理论。本文拆解 4 种事件分发、事件溯源 Session、5 段工具流水线、双 Aggregate 编译、3 种运行 Profile,与 Claude Code/Codex CLI/OpenClaw 横向对比,给开发者一份客观的入门与选型参考。
微软开源 Skill Recorder:录一次屏幕操作,GitHub Copilot 自动解析为标准 SKILL.md 技能文档,供 Claude、OpenClaw、Copilot 等 30+ agent 平台原生加载。把"行为即代码"从概念变成开箱即用。
Perplexity 内部 Agent Skills 手册 5 条反直觉经验:description 是路由触发器、Skill 是目录、Gotcha 最高价值、先写 evals 再写 body、每个 Skill 都在收 token 税。少即是多。
book-to-skill 把 PDF/EPUB/DOCX 技术书编译成 Agent 可按需加载的 SKILL.md,运行时 Token 消耗比直接塞整书低 24~51 倍。兼容 Claude Code、Copilot CLI、Amp 等遵循 Agent Skills 开放标准的工具。
本报告通过 GitHub Search API 近似 trending(非 GitHub 官方 trending)分析 mattpocock/skills 4 个月 168K 星的工程哲学——小颗粒、可组合、不接管流程,反思 GSD/BMAD 接管式工具陷阱。
Claude Code 动态工作流(Dynamic Workflows)实战指南:用 Claude 写的 JavaScript 脚本在后台并发调度数十到数百个子代理,保存复用 + 传参 + 控成本,实现代码库审计 / 大规模迁移 / 多源研究等大规模任务的自动化编排。
读 Lilian Weng《Harness Engineering》整理7条学习笔记:从 harness 是运行时系统出发,拆解文件系统记忆、失败模式分类、Bounded Proposal、Canary 灰度、Meta-Harness 双层治理、教训沉淀闭环,每条配 OpenClaw 工具与配置。
本文从产品矩阵、核心编程能力、Agent 技能体系、模型支持与定价策略等维度,全面对比 TRAE IDE 与 Cursor 两款 AI 原生编程工具,梳理二者核心优劣势与适配人群,为不同需求的开发者提供清晰的选型参考。
LobeHub 自称’首席 Agent 运营官’,78K 星用 Hire/Schedule/Report 把多 Agent 当团队管理。深度拆解四大模块,对比 OpenClaw,给出 Agent 工程化借鉴价值。
Addy Osmani 的 agent-skills 在 GitHub 狂揽 55K Star(+3,278/天),把 Google 工程文化编码成 AI Agent 工作流。本文拆解其 5 大工程实践:反合理化表、生命周期路由、渐进式披露、验证门禁、6 条行为准则、跨 8 平台兼容。
Perplexity官方发布Agent Skills设计指南,提出Skill是让AI不犯错的护栏而非百科全书的核心理念。本文深度解析四大核心思想,结合OpenClaw实践给出六条优化启示和三阶段行动计划。