Claude Code Hooks 详解：给你的智能体加一层确定性保障
什么是 Claude Code Hooks？ Hooks 是用户自定义的 shell 命令（也支持 HTTP 端点、MCP 工具和模型提示词），Claude Code 会在生命周期的固定节点自动执行它们：调用工具之前、编辑完成之后、会话开始时、Claude 回复结束时¹。CLAUDE.md 给模型的…
氛围编程资讯站
Vibe Coding 资讯、案例、开源与工具聚合 · 每日更新
最新资讯
AGENTS.md 不是人设，而是一部用伤疤写成的宪法
随便问一圈就会发现，大多数人把 agent 的指令文件当成一件戏服。“你是一位资深开发者。”“扮演一位大学历史教授。”人设提示词有它的用处，但在真正用一个 AGENTS.md 生活了几个月之后——改文档、写代码、给真实的翻车善后——我的结论是：人设是这个文件里最没意思的部分。真正有价值的是另一种内容…
用 Strands Evals 和 Amazon Bedrock AgentCore 评估配备技能的智能体
通用智能体能处理各种任务，但你还需要它们遵循业务运转的既定流程：合规检查、文档处理工作流、升级策略、工程规范。把这些全塞进一个系统提示或应用逻辑里，维护和更新都会变得很困难。 技能（Skill）是一种模块化的替代方案。一个技能就是一组可复用的指令，通常存放在 SKILL.md 文件里，用来教智能体完…
Vercel Sandbox 的 Drive 功能开启公测
Vercel Sandbox 的 Drive 功能现已进入公测阶段，Hobby、Pro 和 Enterprise 套餐均可使用。Drive 是一种持久化存储，可以挂载为 Sandbox 里的一个目录。它不依附于某一个 Sandbox，因此同一块 Drive 能跨多次运行、跨不同 Sandbox 实例…
如何评估 AI 智能体：别只看单次回答，要看整条任务链
评估 AI 智能体的重点，不是它某句话说得对不对，而是它能否在真实环境中把几十次工具调用串成完整工作链，并在出错后自行恢复。这意味着评估粒度要从「单次函数调用」升级到「整个任务」。 一个被问错的问题 上线一个 AI 智能体（AI agent，指能够自己调用外部工具、分多步把任务做完的模型程序）之后…
推出 Worker Previews：为代理的每次改动提供独立的预览环境
最糟糕的莫过于：某个改动在预发布环境（staging）测试通过，到了生产环境却表现不一样。所以我们希望给你一个尽可能接近生产的环境——让你充分检验改动，确保它们的行为完全符合预期。智能体帮我们提交了前所未有的代码量，而改动越大，发布前需要覆盖的测试范围就越广。理想情况下，这些测试不应该拖慢智能体的速…
今年早些时候，我在陪产假期间挤出的一点空闲时间。带女儿去图书馆、在花园里铲土、把无数玩具放回箱子之余，我做了一个小网页游戏。你可以在 thisdungeoneternal.com 玩到它。 氛围编程行不通 我尝试只通过 opencode 使用 GitHub Copilot，尽量少自己读代码和改代码…
我们给每个托管云代理都配了一个持久化 SQL 数据库
定义 schema opencomputer/ └── database/ └── migrations/ ├── 001_initial.sql └── 002_monitor_runs.sql sql CREATE TABLE monitors ( i…
构建能证明智能体错了的软件
Opening｜12 分钟阅读 最近我在搭一套工作流：让编码智能体（coding agent）把一项任务从头走完——分诊、规划、实现、验证，最后开一个 PR。随着工作流和模型越来越好，让我意外的反而是：实现已经不再是我最担心的环节了。 智能体改代码快得惊人。真正难的是让它验证这些改动，并判断什么样的…
Benchling 如何用 Amazon Bedrock AgentCore 保障多租户 AI 智能体的安全
Benchling 需要在上千个生命科学租户中运行 AI 代理生成的科学代码，其安全团队发现，传统的沙箱机制远远不够。如今，这套架构每天处理超过 600 次代码执行会话，每周覆盖 250 多个租户，实现了零安全事件。 标准网络管控会拦截 HTTP、限制出口端口、约束对外连接。但 DNS 解析往往仍然…
既然 AI 都替你写代码了，还要 Lint 规则干什么？
几天前，我在公司合并了一个改动：把整个 monorepo 的 ESLint 换成了 oxlint。顺便说一句，oxlint 真的很棒。规则集完全对齐之后，一次全量本地 lint 从 3 分钟缩到 1 秒左右。那天心情相当不错。我终于可以告诉大家：以后 push 不用再加 --no-verify 了。…
编排 Claude Code 智能体：幕僚长模式
一个会话负责协调与核验，其他会话负责执行，再由一块持久化的看板保存状态。这套「编排者—执行者」循环，专为长时间运行的 Claude Code 智能体设计。 长时间跨度的 AI 编程任务之所以失败，往往不是因为智能体不会写代码，而是因为它们的上下文转瞬即逝，自我汇报又不可靠。解决办法属于组织层面，而非…
Kimi K2.5：视觉智能体智能
今天我们发布 Kimi K2.5，这是迄今为止最强的开源模型。 Kimi K2.5 在 Kimi K2 的基础上继续预训练，使用了约 15 万亿个视觉与文本混合 token。作为原生多模态模型，K2.5 在编码和视觉能力上都达到了业界领先水平，并引入了自主智能体集群（agent swarm）范式。…
在 Claude Code 里找回旧版 Opus —— Oscar Marion
我现在还是经常用 Opus 4.6 和 4.8。Opus 5 往往太啰嗦，Fable 又太贵。下面说说怎么把它们加回 /model 选择器。 把这段配置加到 /.claude/settings.json。这些选项会排在内置选项后面： "modelPicker": { "options": […
将多模型 AI 智能体迁移到 Amazon Bedrock AgentCore 运行时
构建多模型智能体（Agentic AI）应用的企业，正面临越来越复杂的基础设施问题。要为多种模型管理容器编排、扩缩容策略、身份认证和可观测性，运维负担相当重。团队常常把大量时间花在基础设施上，而不是智能体的逻辑开发。如果开发者把智能体框架跑在自管理的基础设施上，比如配合 AWS Fargate 使用…
v0 现在可以从共享环境变量中读取 npm 凭据
v0 现在支持安装来自 npm 和自定义仓库的私有包，凭据存放在 Vercel 的共享环境变量里。团队可以直接在 v0 中基于现有的设计系统、组件库和内部包来开发，省去不少配置麻烦。 要开始使用，在 Vercel 上添加下面任意一个共享环境变量，作用范围选 Development 和/或 Previ…
使用编码智能体在 Amazon SageMaker AI 上部署 Hugging Face 模型
把一个 Hugging Face 模型部署到生产环境，意味着一连串决策：为模型的架构挑选合适的服务容器、确认当前 AWS 区域可用的镜像 tag、再根据模型的显存占用匹配实例类型。基础设施之外，你还得接上自动扩缩容，免得闲着的端点白白烧掉 GPU 时长；还要配好 Amazon CloudWatch…
Tencent/WeKnora
项目简介 WeKnora 是腾讯开源的一站式 LLM 知识平台，目标是把原始文档直接转化为「可查询的 RAG 知识库 + 自主推理 Agent + 自维护 Wiki」三位一体的知识底座。它覆盖从文档解析、Embedding、向量检索、Reranking 到 LLM 生成问答的完整链路，同时内建 Ag…
你该不该读代码？RAG 已经死了吗？Skills 真把 MCP 干掉了吗？
热门观点（hot take）把复杂话题浓缩成一句自信满满的断言。这样容易引发互动，却未必有助于理解。 这类观点在表面上其实无关紧要——你同意、反对、转发，争论几分钟，然后翻篇。它有时大方向是对的，有时纯属胡说。热门观点的价值，在于你不再跟着情绪走、开始动手拆解它的时候：它在什么条件下成立？缺了哪些背…
Harbor 评测框架接入 Vercel Sandbox：每个任务独占一台微型虚拟机，换模型只改一个参数
开源评测框架 Harbor 现在可以在 Vercel Sandbox 上跑基准测试，每个测试任务运行在独立的 Firecracker 微型虚拟机中，并发规模不再受本地机器限制。搭配 AI Gateway，同一套基准换模型重跑只需修改 --model 参数。该功能要求 Harbor 0.22.0 及以…
Claude Code 大重构：多 Agent 并行写代码，Anthropic 内部 3 万 Agent 怎么管的
Claude Code 的 Projects 功能迎来全面重构，从"提示词文件夹"升级为多 Agent 并行协作中心：用户下达目标后，云端派生多条 Git 分支同时开工，写完自动提 PR。Anthropic 同时公开内部数据——研发平台每天运行约 3 万个 AI Agent，核心 AI 研发工作已有…
skills CLI 1.7.0 接入 Notion：智能体技能可以直接写在文档里，不必再开 Git 仓库
skills CLI 1.7.0 把 Notion 加入技能安装来源。团队可以在 Notion 工作区里编写、评审和更新智能体技能，再装到支持该 CLI 的智能体上。权限直接沿用 Notion 页面权限，既不用另建授权系统，也不用专门维护一个 Git 仓库。 这次更新做了什么 skills CLI…
在 Amazon Quick 上为 MCP 工具实现纵深防御授权
在 Amazon Quick 上，每次调用 Model Context Protocol（MCP）工具都是一次访问事件，除了有效的令牌之外，还可能需要针对工具和参数做纵深防御授权。如果缺少细粒度控制，一处权限配置出错，就可能绕过企业为满足合规要求而设的访问限制。本文将带你实现一套多重关卡授权模式，按…
Vercel CLI 现已支持亚秒级部署静态产物
现在，你和你的 AI 编程助手都能通过 Vercel CLI，在不到一秒内把静态产物部署到 Vercel。运行 vercel deploy，即可分享原型、发布 HTML 报告，或预览编程助手生成的页面。 Vercel 会自动识别符合条件的部署，产物校验通过后跳过构建步骤，直接返回一个可访问的线上地址…
编程智能体为什么更能干活：赢在工作环境，而不只是模型
摘要：Claude Code、Cursor 这类编程智能体能接过一个 issue，返回改好的代码、测试和 pull request；而多数 SaaS 产品里的 AI 只能回答问题或生成文本。差距的关键不只是底层模型，更在于编程智能体拥有一个可以动手、检查、重试的真实环境。本文拆解这套环境的五个特点，…
Claude Code 重新上线 Projects，可在云端管理多个 AI 智能体
Claude Code 改版后的 Projects 功能，让用户能在同一个项目里运行多个智能体（AI agent），共享记忆、目标，以及文件和产物库。Grok Bot 等工具也能管理一组 AI 智能体，Projects 的做法类似：每个项目下都有多个“线程”，并行处理不同任务，再由一个“协调器”统一…
用 AI 重写一个维护六年的个人项目：我摸索出的「反馈闭环」
作者用几个月时间，借助 AI 把一个线上跑了六年的个人小工具彻底重写并扩写。他从中得出一个核心判断：AI 编程的关键不只是模型有多强，而是能不能给 AI 搭起一个完整的「反馈闭环」。本文记录了重写的过程、踩到的局限，以及由此延伸出的思考。 前言：AI 编程的关键是「反馈闭环」 最近我用 AI 改写…
Claude Code 团队自曝工作方式：把七八成日常活交给 AI，对代码「不恋战」
Anthropic 放出了一段访谈，主角是 Claude Code 团队，话题是他们如何用 Claude Code 持续优化 Claude Code。核心方法可以浓缩成两句话：给 AI 下目标、而不是逐条检查它的每个动作；对自己造出来的东西保持「不执着」，因为模型能力每两个月就会变一次天。 一年之…
用 Copilot 把 GitHub Copilot 运行时迁移到 Rust
GitHub Copilot CLI、GitHub Copilot 应用和 GitHub Copilot SDK 背后都是 Copilot agent runtime（智能体运行时），这是一个可以嵌入各类应用和服务的智能体运行框架。它最初用 TypeScript 编写，运行在 Node.js 和 V…
先写 Linter 和工具，再写代码
为什么必须让 linter 和工具先就位，再交给不确定性极强的 AI 智能体（agent）去干那些苦力活。 概述 语言模型（LLM）的本质是逐个采样 token。同一个提示词跑两遍，可能产出两份不同的文档，而且差别往往不只是措辞。差异会体现在结构上：跳了一级标题、代码块没写语言、该用直引号的地方出…