AI 与 Agent
translate-book 上手：用 Claude Code Skill 翻译整本书的工程化流程
translate-book 把 PDF/DOCX/EPUB 书籍翻译拆成转换、分块、术语表、并行 subagent、manifest 校验和多格式导出，适合长文档翻译流水线。
Matt Pocock Skills：用 to-spec 写规格，再用 to-tickets 拆任务
需求聊清楚后，怎样让 Agent 接着做？查看 Matt Pocock Skills 的当前目录、项目配置、测试边界与任务阻塞关系，用 CSV 导入例子理解规格和切片。
Data Analysis Skill：让 Agent 不只会算数，而是会做分析
数据分析 Skill 的重点不是 pandas 自动化，而是把问题拆解、口径检查、并行分析和结论报告固定成可复用流程。
Holographic 更适合普通 Hermes 用户的原因：冷记忆要快、省、可控
Holographic 的价值不是替代 memory.md，而是给 Hermes 补一层本地冷记忆：低成本、可迁移、可治理。
oh-my-pi 教程：AI 编码工具真正该比的是 harness，而不只是模型
深入介绍 can1357/oh-my-pi：安装方式、LSP、debugger、浏览器、上下文压缩、工具格式和编码 Agent harness 的工程价值。
Agent-Native 教程：别给应用外挂聊天框，把动作层做成 Agent 和 UI 的公共契约
深入介绍 BuilderIO/agent-native 的 action-first 架构：defineAction、共享状态、MCP/A2A、模板、安全边界、观测和评测。
tRPC-Agent-Go 教程：用 Go 构建可运行、可观测、可评测的生产级 Agent 系统
深入介绍 tRPC-Agent-Go 的 Runner、LLMAgent、GraphAgent、MCP、AG-UI、A2A、Evaluation 和 OpenTelemetry，面向 Go 后端团队的生产级 Agent 教程。
CodeSeek 教程：给 Claude Code 和 Codex 装一张代码库地图
CodeSeek 是 Rust 实现的代码智能 CLI，面向 AI Coding Agent 提供 AST 调用图、混合语义搜索、BM25、RRF、reranker 和 MCP 工具集成。
peerd 实战评估：浏览器 Agent 真正要解决的是权限、隔离和审计
peerd 是一个浏览器原生 Agent 架构样本。这里从安装、权限、actor 隔离、vault、egress、审计日志和安全边界拆解它的实际价值与风险。
OpenViking 长篇教程：给 AI Agent 建一个真正可用的上下文数据库
OpenViking 是面向 AI Agent 的 Context Database，用 viking:// 文件系统、L0/L1/L2 分层、MCP 和会话归档统一管理 memory、RAG、skills 与 sessions。
Koog 教程：JetBrains 给 Kotlin/JVM 做的 AI Agent 框架，适合把 Agent 放回主工程栈
Koog 是 JetBrains 开源的 Kotlin/JVM AI Agent Framework，支持多平台、MCP、图工作流、记忆、模型切换、OpenTelemetry、Spring Boot 与 Ktor 集成。
Vercel Zero 语言观察：Agent 时代，编译器也得会给机器读
Vercel Labs 做 Zero，表面上是又一门系统编程语言。真值得看的不是“它要不要挑战 Rust、Go、Zig”，而是另一个问题：如果代码的主要生产者、调试者、修复者越来越多地变成 Agent，编程语言和编译器该不该换一套默认设计。 Zero 的答案很直接：让能力显式，让诊断结构化，让内存和依赖可预算，让修复动
Composer 2.5 标准版与 Fast：价格、预算和使用范围
Composer 2.5 标准版与 Fast 怎样算成本？区分输入、缓存读取和输出，查看可运行的预算示例，并核对 Cursor、SDK 与第三方网关的接入边界。
支付宝 AI收：别只看副业，它真正补的是 Agent 交易层
支付宝把 Agent to Agent 交易摆到台前，最值得看的不是“普通人靠 AI 服务被动赚钱”这种副业叙事。 这个说法太轻，也容易把事情带偏。真正的变化在于：当 Agent 开始替人搜索、比价、下单、调用服务，支付就不能只停留在“人点按钮确认付款”的老流程里。服务要能被 Agent 发现、调用、计费、结算，还要有
Bytebot 上手：给 AI 一台能干活的电脑，而不是只给它一个聊天框
Bytebot 不是又一个“浏览器自动化插件”。它把 Agent 放进一台容器化 Linux 桌面里，让模型直接面对屏幕、文件、浏览器、办公软件和命令行。这个方向更有意思的地方，不是“说一句话让 AI 点鼠标”这么热闹，而是 Agent 的运行环境开始从聊天框，往一台可隔离、可观察、可接管、可持久化的工作站迁移。 这
open-slide 上手：让 AI Agent 写 PPT，关键不是模板，是把幻灯片变成代码工程
open-slide 把幻灯片做成 React 组件，让 Coding Agent 修改布局、处理批注和迭代内容。文章介绍它与 Slidev 的区别、工作区初始化及演示导出流程。
bux 上手：把 Claude Code 变成 24 小时在线的浏览器 Agent
把 Claude Code 装在自己电脑上，适合“坐在桌前写代码”。但真正想让 Agent 干活，问题很快就变成另一种：人不在电脑前怎么办？浏览器登录态怎么保留？任务跑到一半遇到 2FA 或验证码怎么办？手机上能不能只发一句话，让它继续处理？ bux 解决的正是这个缝隙。它不是另一个浏览器自动化框架，也不是给 Clau
Semble 上手：给 Coding Agent 一套省 token 的代码搜索层
Semble 为 Coding Agent 提供代码搜索层，返回带文件路径和行号的代码片段。文章介绍 Python API、MCP 接入和继续查找相似代码的方法。
thClaws 上手：用 Rust 做一个主权 Agent 工作台
thClaws 用 Rust 构建本地 Agent 工作台，将 GUI、CLI、MCP、Skills、记忆与多 Agent 协调放进同一套引擎。文章介绍构建条件、入口和模型配置。
World2Agent 上手：让 Agent 先看见世界，再谈自动行动
World2Agent 用 World → Sensor → Agent 协议把外部数据转成结构化信号。文章介绍 Sensor 接入、插件配置，以及外部输入影响 Agent 行动时的权限边界。