跳到正文
只看教程#Anthropic
  1. 数字生命卡兹克67

    数字生命卡兹克分享用 AI 逆向改造现实设备的实操教程，以公司 4 台会议室电视为例，通过 Codex 开启 ADB 调试连接电视，清理开机广告、重做简洁桌面和粒子动态屏保，并复刻到其余 3 台。

    推荐理由：作者以公司电视、补光灯、相机改造的完整过程为例，给出让 Agent 逆向硬件的可复用思路和备份提醒。

  2. Browser Use76

    让编程智能体使用已登录 Chrome 的六种方案实操指南

    Browser Use 作者整理了让 Claude Code、Codex、Gemini CLI、Cursor 等编程智能体使用已登录 Chrome 的方法：Claude 订阅用户可用 claude --chrome 的 Claude in Chrome 扩展。

    推荐理由：作者按编程智能体逐一梳理接入已登录 Chrome 的方案与配置，并解释为何复制 Cookie 行不通，方法可直接迁移到自己的工具链。

  1. Claude：Blog62

    Anthropic 指南：何时把子智能体合并进主 Agent 循环

    Anthropic Applied AI 团队发布指南，讲解何时把 orchestrator 下的路由器、规划器和领域子智能体合并进单个主 Agent 循环。文中对比显示，带 skills 的单智能体在质量上常优于一提示全包和子智能体设计，且成本和延迟更低，一家客户改用单循环后运行时间约快 2x。

    推荐理由：Anthropic 根据多个企业部署对比总结何时把子智能体合并进主循环，并给出迁移套件、评估集和分阶段合并方法，可直接迁移到自己的 Agent 架构决策。

  1. Addy Osmani69

    Addy Osmani 分享 Anthropic 团队的代码审查经验，指出给智能体提供验证手段可显著提升产出质量，Claude Code 已能自己写 90% 以上的代码。他认为当生成速度超过人工审阅能力时，逐行人工审查不再可行，应转向由 e2e 测试、property 测试和多智能体对抗式审查构成的多层验证体系，人聚焦产品意图、风险评估和证据评估，并按风险分级审批。

    引用ClaudeDevs@ClaudeDevs

    Claude 编写了 Claude Code 约 90% 的代码。 从六月到九月，合并的 PR 数量翻了一倍多，而回退的占比下降了 40% 以上。 我们撰文介绍了我们如何改变代码审查来实现这一目标，以及如何采用它： https://claude.dev/blog/solving-code-review-at-anthropic/

    推荐理由：作者以 Anthropic 团队实践为基础，给出让智能体自证工作、把人工审阅改为多层验证体系的具体思路。

  1. Anthropic：Claude.dev 开发者博客76

    Claude Code 团队如何做代码审查：六层检查与风险分级审批

    Anthropic Claude Code 团队详解在 Claude 写约 90% 代码的情况下如何组织代码审查：审查从终点关卡变为持续进行，每个 PR 经过验证、必需 CI、AI 审查、安全审查、按风险分级的人工审批和合并队列六层检查，再辅以快速回滚。

    推荐理由：Anthropic 自家团队复盘 Claude 代码审查流程，给出分层检查、风险分级审批等可直接迁移的落地做法和真实收敛数据。

  1. 数字生命卡兹克75

    作者卡兹克分享实测开源Skill Anatomy（GitHub：https://github.com/wheresryan22/anatomy/tree/main），它能把抽象原理做成可交互的机械模型动画，在其基础上还能让AI一轮直出带讲解配音的科普视频。

    推荐理由：作者实测开源Skill Anatomy并给出成本、耗时和适用模型的数字，可帮读者判断是否值得装来生成科普视频。

  2. 公众号：数字生命卡兹克77

    自媒体作者实测开源 Skill Anatomy：一句话让 AI 生成原理科普动画和讲解视频

    作者数字生命卡兹克分享开源 Skill Anatomy，其理念是"物体本身，就是解释"，可将抽象原理做成可交互的机械模型动画，还能在其上生成带讲解配音的科普视频。

    推荐理由：作者实测了开源 Anatomy Skill 生成原理科普视频的效果，还给出额度消耗、耗时和模型配置等一手数据，方便读者评估是否上手。

  1. Anthropic：Engineering72

    Anthropic 自研版本控制系统 Scion，五个月完成 monorepo 从 git 迁移

    Anthropic 发布工程复盘，因 Claude 使日均合并代码量从 2026 年 5 月约 2,500 增至 9 月超 30,000，五个月内自研版本控制系统 Scion 并完全替代 git，同时推出代码评审工具 Antique。

    推荐理由：Anthropic 自建版本控制系统 Scion 的完整复盘，给出面向智能体规模负载的设计原则、架构细节和实测收益，可迁移到其他大规模仓库场景。

  1. Anthropic：Research69

    Anthropic 自研版本控制系统 Scion，五个月内完成 monorepo 从 git 的全面迁移

    Anthropic 发文详解其自研版本控制系统 Scion：因 Claude 使日均合并代码从 2026 年 5 月约 2,500 次增至 9 月超 30,000 次，git 难以承载，团队七人在五个月内构建 Scion 和代码评审工具 Antique 并完成迁移。

    推荐理由：Anthropic 复盘自研版本控制 Scion 的设计原则与迁移经验，为面临类似 agent 规模代码压力的团队提供了可借鉴思路。

  1. MeshyAI70

    一篇教程介绍用 Claude Opus 5.5 配合 Claude Code、Blender、Unreal Engine 5 和 Meshy 构建游戏的方法。核心思路是给每个工具分配单一职责：通过 MCP 连接 Blender 和 Meshy，由 Meshy 生成道具和角色、Blender 清理和放置、Unreal 负责光照物理和游戏本身、Opus 在一个对话里调度三者。流程为先让 Opus 头脑风暴 5 个游戏点子再展开，告知 GPU 以便压满画面性能，首个完整构建约花 4 小时和约 19% 的每周 Max plan 用量，之后因素材复用会快很多。

    引用rewind@rewind02

    以下是如何用 Claude Opus 5.5 + Blender + Unreal Engine + Meshy 构建这样一款游戏…… 诀窍是给每个工具只分配一项任务，但有一种聪明的设置方式： - 第 1 步：安装 Claude Code、Unreal Engine 5 和 Blender 5.1+，除了 Claude 订阅外全部免费 - 第 2 步：通过 Blender 的 MCP 插件连接 Blender，并通过 Meshy MCP 配合 API key 连接 Meshy - 第 3 步：先用 Opus 头脑风暴 5 个游戏创意，选一个，让它在开始构建任何东西之前先扩展这个创意 - 第 4 步：告诉它你的 GPU，这样它就能把画质推到你的机器能运行的极限 - 第 5 步：Meshy 生成道具和角色，Opus 将它们导入 Blender 并进行清理 - 第 6 步：Opus 把所有内容带入 Unreal：关卡、光照、HUD、小地图 - 第 7 步：试玩，然后每次提示添加一个功能：战斗、敌人、任务 谁负责什么： > Meshy：3D 模型 > Blender：清理、摆放、材质 > Unreal：光照、物理、实际的游戏 > Opus：在一个聊天中运行这三者 而真正的成本…… 一次完整首次构建大约花了 4 小时，以及每周 Max 订阅约 19% 的额度 把第一关做好，之后的关卡会快得多，因为资源已经存在了

    推荐理由：原文给出七步工具分工流程和实际耗时与费用，读者可以直接照搬搭建游戏的工作流。

  1. Anthropic：Claude.dev 开发者博客68

    Anthropic 用 Claude Managed Agents 构建定时智能体自动化的实践指南

    Anthropic 发布基于 Claude Managed Agents（beta）的每日简报参考实现，按计划读取 Slack 和 GitHub 来源并向 Slack 发布简报。

    推荐理由：文章把定时智能体自动化拆成可复用的六个组件，并给出书签、台账和权限等可直接迁移的防错规则。

  1. Lydia Hallie ✨68

    Lydia Hallie 介绍 API 计费用户可将 Haiku 5.5 的 autocompact 窗口设为 100K，以保持在更便宜的 token 定价档。该设置按模型保存，仅适用于 Haiku 包括 subagents，命令为 /model haiku 和 /autocompact 100k。引用的 @ClaudeDevs 价格信息显示，100K tokens 以下为每百万 $0.10/$0.50（缓存读取 $0.01），以上为 $0.50/$2.50（缓存读取 $0.05）。

    引用ClaudeDevs@ClaudeDevs

    对于低于 100K token 的提示，价格为每百万 token $0.10 / $0.50，缓存读取为 $0.01。 超过 100K token 时，每百万 token $0.50 / $2.50，缓存读取为 $0.05。

    推荐理由：原文给出具体命令和阈值，让 API 计费用户能通过设置 autocompact 窗口留在更低的 token 定价档。

  1. Anthropic：Claude.dev 开发者博客82

    Claude Code 云端会话实战指南：每个任务独占一台 VM，可并行跑任务并以分支收尾

    Claude Code 推出云端会话：每个任务在独立 VM 上运行，仓库克隆到新分支，可从 claude.ai/code、手机、Desktop、终端和 Slack 启动并跟踪，完成后产出可转 PR 的分支，Pro、Max、Team、Enterprise 计划不额外收费。

    推荐理由：作者用四个真实云会话实测并行修复、文档校对和结构化日志，给出本地与云会话的选择边界和七个适用工作流。

  1. Baseten 工程博客64

    Baseten 工程师实测：LLM 生成的推理引擎比 vLLM 快最多 90%

    Baseten 工程师参考 MetaInfer 论文，让 Claude Code（Fable 5）为 Qwen-3.6-35B-A3B（NVFP4，单张 B200）自动构建推理引擎 VibeQwen，单流解码比 vLLM 0.25.1 快 90%，首 token 从 28ms 降至 12ms，并发 32 时吞吐高 71%。

    推荐理由：作者亲测用智能体生成定制推理引擎，给出了相对 vLLM 的具体性能数据和成本，可帮助读者评估自动优化的实际可行性。

  1. Claude：YouTube64

    Claude Code 推出 mods，可自定义其界面、提示词与工具调用

    Claude Code 现已支持 mods，即用户编写的函数，可改变 Claude Code 的渲染内容、进入提示词的内容以及工具调用。Anthropic 的 Lydia 展示了三个示例：实时上下文分解、agent 侧边栏和悬停显示邮箱地址，并从零构建了邮箱示例。详情见 https://claude.dev/blog/getting-started-with-claude-code-mods/

    推荐理由：原文来自官方，介绍了 mods 能改变渲染、提示词和工具调用，并给出上手链接，读者可以据此评估是否尝试。

  2. Anthropic：Claude.dev 开发者博客68

    Claude Code mods 入门教程：从零构建 Token Weather 上下文窗口预报插件

    这篇 Claude Code 官方开发者教程介绍 mods，即以 hooks 形式运行在插件内的 JavaScript 或 TypeScript 模块，可以观察、重写或拒绝事件，甚至绘制自定义 UI，需 Claude Code 2.1.287 或更高版本。

    推荐理由：教程从空文件夹完整构建一个 mods 插件，并给出事件链、状态保持和热重载等可直接复用的实践要点。

  1. Anthropic：Claude.dev 开发者博客67

    Anthropic 介绍用 Claude Code 与 claude-api skill 自动化评测设计与 hillclimbing

    Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两个命令，前者在代码库内通过访谈式流程构建评测集并验证 grader，后者以一次一改动、train/test 分离并检测过拟合的方式迭代优化应用。

    推荐理由：Anthropic 官方讲解了评测设计的关键原则，并给出 build-eval 和 hillclimb 两个命令的用法与真实优化案例，可迁移到自己的应用调优。