Superpowers 火成这样,不奇怪,它刚好踩中了 AI 编程最缺的那一块
一个爆火的 GitHub 项目,想解决的核心问题是 agent 开发里的失控感。它把提需求、做设计、拆计划、TDD、评审和收尾串成默认流程,让 AI 编程更像工程,而不只是补全。
共 10 篇
一个爆火的 GitHub 项目,想解决的核心问题是 agent 开发里的失控感。它把提需求、做设计、拆计划、TDD、评审和收尾串成默认流程,让 AI 编程更像工程,而不只是补全。
Nick Baumann 讲了一个很实用的经验,给 Codex 最好的工具往往不是直接塞原始系统访问,而是做一层 bespoke CLI,把噪音压掉,把输入输出变成稳定命令。重点不只是“能接入”,而是让 agent 真正能反复、可靠、低摩擦地调用。
Claude Managed Agents 进入公测,Anthropic 不再只提供模型和 API,而是把 agent harness、运行环境和生产基础设施一起打包。真正的变化不是又多了一个新功能,而是大模型厂商开始吞掉原本属于 agent 框架和平台层的地盘。
Cheng Lou 抛出的不只是一个 TypeScript 文本测量算法,而是在试图把网页排版从 DOM 测量和 reflow 里抽出来。它未必会立刻改写前端开发,但确实戳中了下一代界面系统最底层的一根刺。
NVIDIA 最新的 AVO 研究,不只是把代码生成做得更强,而是把 Agent 直接抬成了“进化算子”。真正值得警惕的不是它赢了多少百分点,而是它开始能在几乎没人盯着的情况下,持续做出硬件级优化判断。
LiteLLM 在 PyPI 上出现被投毒版本,恶意 `.pth` 文件会在 Python 启动时自动执行,目标不是单纯搞破坏,而是直接打开发者机器、云凭证和 Kubernetes 集群。这件事真正危险的地方,是 AI 开发工具链里“一个常用依赖”已经足够成为基础设施级入口。
Nat Eliason 分享了他与 AI 员工 Felix 的合作历程——这个运行在 Mac Mini 上的 OpenClaw 在不到三周内赚了 1.4 万美元,并且正在向 100 万美元的年度目标迈进。
Anthropic 这篇关于 Claude Code Skills 的总结,最有价值的地方不是技巧清单本身,而是把 Skill 从“一个提示词文件”重新定义成了组织生产力的封装单位。真正拉开差距的,不是谁会写几段 markdown,而是谁能把知识、脚本、验证、数据接口和长期维护一起做成可复用资产。
过去几个月,MCP 从“万物皆可协议化”的明星,迅速变成不少人口中的历史包袱。但真正过时的不是 MCP,而是把个人效率工具和团队级 agent 基础设施混为一谈的判断方式。
真正拖慢 AI agent 的,很多时候不是模型能力,而是网页交互这层老接口。如果网站开始直接把能力暴露给 agent 调用,今天这套靠截图、点按钮和猜表单的玩法,大概率只是过渡形态。