Symphony学习笔记
安装https://github.com/openai/symphony/ 配置1 ./bin/setup2 Configure: Add your LINEAR_API_KEY to the generated .env file.3 Start Symphony: Launch the orchestrator using the default workflow:.&#x
Pretext深度解析
https://github.com/chenglou/pretext 一、引言最近前端圈出现了一个非常火的项目 —— pretext。它在短时间内获得了大量关注，原因很简单： 它解决了一个长期困扰前端工程师的问题：高性能文本测量与排版 很多开发者第一次看到它会觉得： “这不就是算个高度吗？” “平时好像用不到？” 但实际上，这个技术背后代表的是一种前端范式的变化： 从“依赖浏览器排版”
Prompt复盘分析
Prompt的哲学 设计 AI 的能力系统 1function optimize_component(context, code, constraints) -> result Prompt反思每次写 prompt，问自己 5 个问题： 目标是否可衡量？ 上下文是否完整？ 角色是否明确？ 输出是否结构化？ 是否限制了AI的自由发挥？ 模板12345678910111213141516
如何沉淀Skill
Skill 在整体架构中的位置必须明确三层，否则体系一定会混乱： 架构分层① Tool / MCP / API（执行层） 做“具体动作” 如：查数据、调视频服务、OCR、检索 ② Skill（方法层）⭐核心 决定： 怎么做 什么时候做 用哪个工具 怎么校验结果 ③ Agent / Sub-agent（编排层） 负责任务拆解与多步协同 调用多个 skill
AI趋势追踪-我们的岗位还能活多久
Claude 52天发布72个功能https://www.productcompass.pm/p/claude-shipping-calendar?trk=public_post_comment-text 核心结论：这不是”快”，而是系统性工程能力的溢出表面上看是发布速度快，实际上是一整套并行化、模块化、去中心化的产品工程体系在运转。 把这个文章复制了扔给AI，让它结合当前代码库分析下，如何改进
OpenClaw背后的哲学
Andrej Karpathy 直接说：它让 AI 从聊天工具真正变成了生产力工具。 不夸张地说，OpenClaw 这波热，不是因为它“又是一个更强的聊天机器人”，而是因为它第一次让很多人真切感受到：AI 开始从“回答问题”变成“替你操作世界”。官方把它定义为“运行在你自己设备上的个人 AI 助手”，可以接入你已经在用的沟通渠道；而媒体和官方评论对它的描述也高度一致：它不只是能说，还能接管键盘
Agent技术选型分析
在生成式 AI 进入“智能体（Agent）”时代的今天，开发者面临的挑战已不再是“模型行不行”，而是“如何编排逻辑，让模型稳定地干活”。面对 LangChain、LangGraph、Google ADK、CrewAI 等琳琅满目的框架，我们该如何选择？ 本文将深度拆解主流框架的核心逻辑，帮你找到最适合业务场景的“趁手兵器”。 一、 核心框架横向测评我们将目前的 Agent 技术栈分为四大类：顺序