把 AI 编程助手接进 CI，是最近很多团队都会尝试的事。Claude Code 文档提到可以在 CI 中自动化 code review 和 issue triage，GitHub Copilot coding agent 也在往 PR、自审、安全扫描和 CLI handoff 方向走。趋势很清楚：AI 不只在编辑器里补代码，也会进入工程流水线。 …

MCP 让 AI 工具连接外部数据源和工具变得更自然。Claude Code 文档里也明确提到可以通过 MCP 读取设计文档、更新 Jira、拉取 Slack 数据，或者接入自己的工具。对开发者来说，这很诱人：终于可以让 AI 不只是在代码仓库里猜，而是直接接触真实上下文。 但我的判断是：MCP 的第一课不是“怎么接更多工具”，而是“哪些工具绝对不…

AI 编程工具有一个很隐蔽的浪费：每换一个项目，你都要重新告诉它怎么写测试、怎么查日志、怎么发版、哪些目录不能碰。提示词写得越长，越像在反复培训一个永远不入职的同事。Agent Skills 的价值就在这里：把重复的工作方法沉淀成可复用技能。 GitHub CLI 已经推出 gh skill，用来发现、安装、管理和发布 agent skills。C…

AI 生成代码之后，下一步很自然就是“跑一下”。这也是最危险的地方。代码生成工具越强，越容易让人忘记一个基本事实：你并不知道它刚刚写出来的代码会做什么。尤其是当系统开始支持 shell、文件读写、网络请求和动态预览时，沙箱就不是锦上添花，而是底线。 Cloudflare Dynamic Workers 提到的一个典型场景，是让 AI 生成的应用在安…

“让 Agent 有记忆”听起来很自然，但很多实现方式其实很粗暴：把历史聊天记录总结一下，塞回 prompt；或者把所有对话做 embedding，查询时捞几段出来。短期能用，长期会变成一锅粥。记忆不是更多上下文，记忆是知道什么该留下、什么该忘掉、什么时候拿出来。 Cloudflare 最近推出 Agent Memory private beta，…

很多人第一次做 AI Agent，会自然写出一串 if else：用户问搜索就调用搜索，用户问文件就读文件，用户问计算就丢给代码执行。这个写法能跑 demo，但很快会变成维护噩梦。工具越多，分支越多，异常越多，最后你维护的不是 Agent，而是一套脆弱的人工路由系统。 OpenAI Responses API 的方向很明确：把多工具调用放进一个 a…

Claude Code 这类终端式 AI 编程工具真正有价值的地方，不是“它能聊天”，而是它能进入项目现场：读文件、跑命令、改代码、调用 MCP、执行 hooks。问题也随之出现：一个能动手的 AI，如果没有边界，就不是助手，而是一个很自信的实习生。 我的判断是：团队或个人项目要认真使用 Claude Code，第一步不是写更长的 prompt，而…

AI 编程助手过去像“编辑器里的增强补全”，现在越来越像“可以接任务的外包同事”。这个变化带来的第一个现实问题不是模型有多聪明，而是成本终于开始变得可见。GitHub 已经宣布 Copilot code review 从 2026 年 6 月 1 日起会同时消耗 AI Credits 和 GitHub Actions minutes，这意味着自动审…

实战：把一个串行 Agent 循环改造成低延迟执行器：Node.js + Responses API + WebSocket 如果你最近在做 coding agent、自动化修复脚本，或者任何“模型 + 工具调用 + 多轮继续”的应用，大概率已经感受过一个问题：模型本身不算慢，慢的是整条执行回路。一次任务里要读文件、跑命令、回传结果、继续推理，只要…

现在很多人已经接受 AI 可以改代码，但真正让它进入日常工作流的，不是“它会不会写”，而是“它每次写完之后会不会把仓库搞乱”。这也是为什么我觉得 Claude Code 现在最值得实战看的，不只是改文件能力，而是 hooks 和 subagents 这两个更工程化的点。 前者让你在关键节点自动执行检查和清理动作，后者让你把不同类型任务拆给不同角色。…