最近,我重新看了 remio 在 PPT DSL 上的尝试,也注意到 OpenAI 的 Artifact Tool(产物工具)正逐渐演进成一套完整的专业文档运行时。
最近,我们一直在尝试优化 Better Harness 的 SKILL 自动沉淀能力:从 Agent 的真实会话中识别重复出现的工作路径,再判断其中哪些经验值得进一步沉淀成可复用的 SKILL。真正做起来以后,我们发现这件事远比“把一段 Session 分析一遍”复杂得多。
把一项能力写进 SKILL.md,再封装成 Agent 插件,并不难。真正困难的是,当它被不同用户、不同项目和不同 Agent
最近我重新整理 Better Harness 的 references
过去几年,我们讨论 AI 对软件研发的影响,最常使用的仍是个人生产力:一个功能要多久,一名开发者能同时推进多少任务,Coding Agent 能生成多少代码。AI 确实显著降低了执行成本,过去数天才能形成的初步实现,现在几个小时后就可能进入 Pull Request。
Piece 尝试把编码智能体的局部代码修改映射为片段级构建反馈,让文件内部的函数、组件、接口和 JSX 结构成为可追踪、可验证、可回退的反馈单位。
上周买了一个带触发屏的开发板,想探索一下之前的一个想法:AI 时代能不能加速传统行业的一些软件开发的范式?作为一个写过物联网书籍的“资深”硬件专家,
周末,我使用 Claude Code 的 /workflows 做了两个实验,结合我使用 Codex /goal 做的一系列实验,把两个能力放在一起看,
周末,我又凭感觉写了一个小想法:用 Swift 写一个 PowerPoint 查看器。因为我已经有一个技能可以生成幻灯片、XLSX 和
之前 Codex Pet 很火,我也想在 Qoder 里放一个类似的小东西。于是,周末 Vibe Coding 了一把。做着做着才发现,它要解决的好像不是“再多一个 Notification”。