肖恩技术周刊（第 80 期）：AI编程的9条心得

2026/1/26大约 8 分钟约 2458 字

肖恩技术周刊（第 80 期）：AI编程的9条心得

对周内阅读的技术内容精品（个人向）进行总结。觉得不错可点击上方订阅，第一时间获取更新通知。

本周时间主要用在折腾“AI结对编程实战：打造智能文章知识库全记录”上了，没啥新知识点分享，Copy一下文章中的9条心得充数一下吧：

定义专属的Agent（AI版专人专事），但不要手动优化提示词，通过描述诉求让AI生成和优化
结合Spec编程思路，在编程前制定清晰的计划
优先实现MVP版本，因为如果一次性实现所有功能，效果不一定好，验证的难度也很大
迭代开发时最好step by step，把工作分解成小的、迭代式的任务，不仅能让AI更聚焦，也方便自己验收结果
提供详尽的背景信息和指导（生成Agent.md、保留执行计划等），LLM的效果取决于上下文的丰富程度，在任务切换时AI也能更快掌握现状
考虑上下文使用50%以上时主动切换任务，避免AI因为上下文过长而遗忘信息，让其始终聚焦于解决核心问题
人在回路（Human in the loop），一定要核实、测试和审查所有内容
使用Git进行版本管理并经常提交代码，按小迭代推进（需求 -> 开发 -> 验证 -> 提交），方便不符合预期时回滚。并用AI生成git commit信息，能快速生成改动摘要，便于理解具体的改动点
相信AI，持续学习和适应新的编程模式

业界资讯

安克创新与飞书联合发布“安克 AI 录音豆” ,手指可握仅重10克

安克创新与飞书联合发布“安克 AI 录音豆”，一款仅重10克、直径23.2毫米的轻便AI硬件。其配备2个全指向性麦克风，收音半径5米，支持8小时连续录音，配合充电舱可达32小时。基于飞书AI能力，支持声纹识别、实时转写翻译、AI可视化总结及智能纪要生成，录音内容可沉淀为飞书知识资产，支持协同编辑与问答检索，采用AES-256加密技术保障安全，售价899元。

扣子 2.0，让 Agent 更进一步

扣子2.0版本正式上线，其核心技术更新主要集中在Agent Skills、Agent Plan和Agent Coding三个方面。Agent Skills封装了场景最佳实践与所需工具，例如营销文案写作Skill，包含成功文案框架、调研工具、写作技巧和质量检查，使AI能够写出具有销售力的文案。

Agent Plan支持用户设定长期目标，如运营自媒体账号，AI将自动规划执行路径、定期汇报进展，无需用户频繁提醒。Agent Coding则升级为一站式云端开发平台，支持通过连续对话构建智能体、工作流、网站和移动应用，并提供一键部署功能，满足专业开发者和小白用户的需求。

佳文共赏

拉尔夫・威根是如何从《辛普森一家》中的角色变成如今AI领域最知名的名字

Ralph Wiggum 是一个由 Geoffrey Huntley 开发的 Bash 脚本，后被 Anthropic 正式化为 Claude Code 的插件，用于提升 AI 自主编程性能。它通过将模型的输出（包括错误和幻觉）重新输入到下一次迭代中，形成“上下文压力锅”，迫使模型在失败中自我修正，直至找到解决方案。

这种方法分为社区版（原始 Bash 脚本）和官方版（Anthropic 插件），前者适合创意探索，后者更适合企业工作流，强调安全性和可靠性。Ralph Wiggum 在新项目和自动验证任务中表现出色，如一位开发者以极低的 API 成本完成了价值 50,000 美元的合同，还有在 Y Combinator 黑客马拉松中一夜生成 6 个代码库的案例。

其核心创新在于“Stop Hook”机制，通过拦截 AI 的退出尝试并验证“完成承诺”，若未满足则将失败反馈回系统，形成自我参照的反馈循环，推动 AI 进行下一次尝试。

技术博客

10 秒内获取 AI 代码审查

通过在 GitHub PR URL 后添加“.diff”，可快速获取 PR 的原始 diff 内容，将其粘贴到大型语言模型（LLM）中，即可获得即时代码审查反馈。此方法无需 Copilot Enterprise、浏览器扩展或特殊工具，能快速发现明显问题、获取边缘情况建议，使代码在正式审查前更整洁，缩短开发周期，是对人工代码审查的有力补充，但不能完全替代人工审查。

MCP（模型上下文协议）和 Skills 是 AI Agent 领域的两种不同技术方案。MCP 类似于 USB 协议，定义了 AI 与外部工具的连接标准，通过标准化接口实现 AI 应用与多种工具的快速集成，显著降低开发成本。然而，MCP 存在上下文爆炸问题，连接多个工具时会大量消耗 AI 的上下文窗口，导致工具使用准确性下降。为解决此问题，Claude Code 推出 Tool Search 功能，按需加载工具定义，大幅减少上下文消耗。

Skills 则采用渐进式披露设计，将专业知识和工作流程封装成操作手册。它分为三层：元数据、完整指令和参考资料，按需加载，有效避免上下文浪费。Skills 还支持自带脚本，执行复杂任务时无需将脚本代码加载到上下文，仅返回执行结果，实现零上下文成本和确定性结果。这使得 Skills 在处理本地文件操作、数据处理等任务时效率更高。

MCP 和 Skills 各有适用场景。MCP 适用于连接远程 API、实时数据和对外服务，而 Skills 更适合本地流程、专业方法论和内部工具。未来，随着 Skills 生态成熟，MCP 的需求将减少，主要用于远程连接等核心场景。

一文读懂 Skills

Skills 是一种扩展 AI Agent 能力的机制，最早由 Anthropic 提出，现已成为多数 Agent 开发工具的标准规范。它通过文件夹形式封装任务所需的知识、流程、工具及最佳实践，类似“高级武功秘籍”，使 Agent 从通才变专家。Skill 运行在沙盒环境中，采用渐进式加载机制，分元数据、说明文档、资源与代码三层，按需加载，平衡效果与效率。Agent 使用 Skills 时，先匹配意图，再读取手册，按需执行并反馈结果。

好的 Skills 应具备原子性，坚持单一职责；通过具体例子让模型理解任务；明确角色、拆解步骤、设定限制；设计清晰的输入输出接口；并持续迭代优化。社区提供了丰富的 Skills 资源，如 Claude 官方仓库，用户可直接使用或二次开发以适应特定需求。

Skills 适用于流程明确的任务，不擅长高度创造性、实时决策或简单问答。它解决了 Agent 规则失效、执行失控等问题，通过动态加载机制和生态赋能，降低了使用门槛，使 AI 能高效、精准地完成任务，有望推动 AI 从通才向专家协作伙伴进化。

开源项目

x-algorithm：X推荐算法

X（原 Twitter）“为你推荐”订阅源的核心算法代码。

MemOS：AI存储层

MemOS 是一个为大型语言模型（LLM）和人工智能代理设计的内存操作系统，专注于长期记忆的存储、检索与管理。它提供统一的内存 API，支持文本、图像等多种模态数据，并通过内存立方体（MemCube）管理多个知识库，实现隔离、共享与动态组合。此外，MemOS 引入异步内存操作调度器 MemScheduler，确保高并发下的生产稳定性，并支持内存反馈与修正，以自然语言交互优化内存内容。