agency-agents-zh 教程：211 个专家角色，不是提示词合集，是 Agent 分工手册
AI 编程工具用久了，大家都会遇到一个问题：你明明只想让它修个登录 bug，它偏偏开始设计一套“可扩展身份系统”；你让它写一段营销文案，它先给你上价值，再给你编十个受众画像。不是模型不会干活，而是角色没定住。 `agency-agents-zh` 值得看的地方，不是“有 211 个 AI 专家角色”这个数字，而是它把角
6 min
关于 AI、软件、系统与持续思考的个人笔记
Playwright Test Agents 上手：测试自动化从写脚本，变成审核计划
以前聊 Playwright，重点多半落在“怎么点按钮、怎么找元素、怎么稳定跑 CI”。到了 Agent 这一步，问题其实变了：不是让 AI 多会操作浏览器，而是让它别把测试写成一锅粥。 Playwright Test Agents 有意思的地方就在这儿。它没有把“写测试”塞给一个万能 Agent，而是拆成三个角色：P
8 min
Deep Researcher Agent 教程：让 AI 替你盯训练，但别把科学判断也外包
Deep Researcher Agent 火，不是因为它又包装了一个“AI 科研助手”的概念，而是它盯准了研究里最磨人的一层：实验运营。 改超参、跑训练、看日志、整理结果、再改。真正有价值的是 idea 和判断，但研究者大量时间耗在等待和机械复盘上。Deep Researcher Agent 想接过去的，正是这段重复
6 min
前端转 AI Agent 工程师，别只补 LLM：后端、RAG、权限和队列才是硬骨头
前端工程师转 AI Agent，最容易掉进一个坑：以为补一轮 Prompt、学会调 OpenAI API、弄懂几个 Agent 框架，就算入门了。 这只能算摸到门把手。真正把 Agent 跑进业务里，硬骨头在后面：HTTP、鉴权、任务队列、数据库、向量检索、日志、权限边界、失败重试。模型负责“想”，系统负责“能不能安全
6 min
Beads 教程：给 Coding Agent 一张任务记忆图，别再靠 Markdown TODO 硬撑
Beads 的定位很清楚：给 Coding Agent 用的 distributed graph issue tracker，底层用 Dolt，提供结构化、可合并、可查询的任务记忆。它想替代那种越来越乱的 Markdown TODO、聊天记录计划和临时任务清单。长任务里，Agent 最容易忘的不是代码，而是“现
5 min
RTK 上手：别让 Coding Agent 把 token 烧在 ls、cat 和重复命令上
RTK 的定位很直接：CLI proxy，减少 LLM 在常见开发命令上的 token 消耗。它不是让模型更会写代码，而是让 Agent 别把钱和上下文窗口浪费在 `ls`、`cat`、`grep`、重复日志和巨长输出上。README 里提到在常见开发命令上能减少 60% 到 90% 的 token 消耗，这个数字先别
5 min
Oh My OpenAgent 上手：给 OpenCode 系工具加一层可维护的 Agent Harness
Oh My OpenAgent 以前叫 Oh My OpenCode，最近重新站到 Agent Harness 这个位置上。它不是一个“让界面更好看”的小插件，而是围绕 OpenCode/多 Agent CLI 的一组工作流、规则、安装方式和运行习惯。现在这类项目越来越多，真正要比的不是谁的 prompt 更唬人，而是
5 min
FireRed-OpenStoryline 教程：AI 剪视频，真正值钱的是把风格沉淀成 Skill
AI 视频剪辑这条线，过去一年有点热过头了。很多工具都在讲“一句话生成视频”“自动剪辑”“智能成片”，听起来很爽，但真正做过内容的人都知道，剪辑不是把素材丢进时间线这么简单。 难点在三处：素材怎么选，节奏怎么控，风格怎么复用。FireRed-OpenStoryline 值得看，不是因为它又把视频剪辑包装成一个聊天框，而
9 min
OpenAI Symphony 入门：别再盯着 Agent 干活，开始管理任务队列
OpenAI 开源 Symphony，最值得看的不是它用了 Elixir，也不是它现在能不能立刻替你管完整团队。更关键的，是它把问题换了一个层级：不要再盯着 coding agent 干活，要开始管理“工作本身”。 这句话听起来有点抽象，但落到团队里很现实。Agent 越多，人工盯每个会话越不现实。未来更合理的方式
4 min
CC Switch 上手：五套 Coding CLI 太乱，用一个面板管 Provider、MCP 和 Skills
现在认真用 Coding Agent 的人，桌面上很容易堆出一把工具：Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw。每个都有自己的 provider、MCP、prompt、skills、session。刚开始还新鲜，过几天就乱成一锅粥。 CC Switch 这个项目解决的
4 min
Claude-Mem 教程：给 Claude Code 接一层能搜索的长期记忆
长项目里最烦人的事，不是 Claude Code 不会写代码，而是它今天记得、明天忘了；这个会话里知道，换个窗口又得从头讲。上下文窗口再大，也不是长期记忆系统。 Claude-Mem 的定位很明确：自动捕获 Claude Code 会话，把关键上下文压缩、索引，再在未来会话里按需注入。它不是把所有聊天记录硬塞回 pro
4 min
别让 Codex 直接写页面：先把 UI 生产线拆成三段
很多人用 Codex 做页面，第一句话就是：帮我写一个后台、帮我写一个落地页、帮我做一个管理界面。 它确实能写，而且很快。但第一版经常有一种熟悉的味儿：功能都在，页面也能跑，就是像一张被组件库拼出来的表格。按钮、卡片、筛选框都有，可信息主次不清楚，用户进来不知道先看哪儿。 问题不一定在 Codex 的代码能力，而在你把
4 min
吴恩达说的不是 PM 消失，而是产品判断成了新瓶颈
AI 编程工具把代码写快以后，很多团队才发现，真正拖慢项目的不是 IDE，也不是框架，而是“到底该做什么”。 吴恩达在 The Batch 里讲的这个判断，表面看是在说工程师和产品经理的关系，往深了看，其实是在说软件团队的瓶颈迁移：当实现成本快速下降，产品判断、跨部门协同、发布节奏和风险把关，会一下子变得更贵。 ##
4 min
