twl

“评估驱动开发（Evaluation-Driven Development, EDD）”调的是：先把评估体系（指标、数据、测试集、评估流程）设计好，再去做功能/模型/Prompt/策略开发。

本文介绍了Shills 市场，同时深入分析 Vercel Labs 开源的 Skills CLI 工具，这是一个为 AI 编程助手构建的开放式技能包管理器，支持 30+ 种主流 AI 编程工具。

今天开会有一个问题引起我的思考：有同事说可以在Cursor执行自定义的Agent。梳理了下问题让ChatGPT回答。

随着大语言模型（LLM）在应用开发中的广泛应用，如何让 AI 安全、可控地生成用户界面成为一个技术挑战。本文深入解析 Vercel 开源的 json-render 框架，探讨其"护栏机制"设计思路。

本文深入剖析 Vercel Labs 开源的 agent-browser 项目，从架构设计、核心技术实现到最佳实践，全面解读这款专为 AI Agent 设计的无头浏览器自动化 CLI 工具。

用子代理：需要独立推理、上下文隔离、并行处理的场景 用技能：需要特定领域知识、固定操作流程、可复用的专业功能

最近在看 Claude Agent SDK, 里面特别提到了 Hooks，有各种各样的 Hooks,思考为什么这样设计，于是总结了下 Hooks、Plugins、Middleware的差异。

SWE-bench 是第一个大规模、可自动评测的“真实软件工程任务”基准. Claude Opus 4.5 和 GPT-5.2-Codex 是当前 SWE-bench 最高水平的模型.

不把事情真的交给工具，模型只能在 context 里“脑补”，既费 token 又不准。 Skills 把能力变成“可按需加载的外部模块”，context 只承担“索引和当前任务”的角色。