带你系统理解 Claude Code 如何在长会话中管理有限的上下文窗口——从最便宜的同步操作，到最昂贵的 LLM 摘要，每一层机制背后都有深刻的工程取舍。

聊完 CC 为什么不用 RAG，这篇继续——记忆系统同样不用向量数据库。两层结构、两阶段加载、Sonnet side query，三道硬上限。读完你会觉得「还真是这样」。

在过去，如果我们想自动化操作手机，通常需要使用 Appium 或 Airtest 这样的工具，但这要求开发者必须深入了解 APP 的底层元素 ID，比如 resource-id 或 xpath。

在探讨 RAG、Agent 工作流、MCP 协议等复杂架构的过程中，我发现一个非常普遍的现象：很多开发者在构建 Agent 工作流或调优 RAG 检索时，往往会在最底层的 LLM 参数上踩坑。比如，为

从 OpenClaw 的工程实现出发，拆解 Harness Engineering 的核心原则，以及如何在 Android 上搭建可靠的 Agent 执行框架

我最近琐事缠身，连续好几周没发「GitHub 热点速览」了，这样不行得赶紧续上。 首先映入眼帘的是可节省 60% Token 的新数据序列化格式 TOON，其官方开源的 TypeScript 实现在

AI生成代码质量难以把控！本文分享来自美团的技术实践，三大策略破解AI编程痛点。单测快速验证逻辑正确性，安全网保护存量代码演进，TDD模式精准传递需求。

前两天随手写了个 Claude Code 的 Skill，专门做 Code Review 的，发了条推之后就没太在意。 结果第二天醒来一看，GitHub Star 刷刷往上涨，评论区也炸了，不少人说"

转载 Skills 是一个日益强大的工具，用于创建自定义 AI 工作流和 agents，但它们在 Claude 技术栈中处于什么位置？我们解释什么时候使用什么工具——以及它们如何协同工作。 理解你的