我认为 Loop Engineering 虽然还处在早期，但也是今年 AI 发展的一个重要节点。大部分 ai coding 工具都有 loop 的实现了，我觉得可以尽早使用。还可以参考一些开源工具的 loop 源码，来学习、移植、改进。表它真的对了，以现在 AI 的水平，多半有坑。我认为 Loop Engineering 虽然还处在早期，但也是今年 AI 发展的一个重要节点。大部分 ai codi

K8s 的设计哲学其实很简单，就是声明式 API 加控制器模式。你告诉系统期望状态，系统负责达到并维持那个状态。K3s 就是把 K8s 散落的组件打包成一个文件，把重型依赖替换成轻量方案，删掉非核心代码。它没有重新发明轮子，只是让轮子更好装。

不用物理外键一个经过大规模生产验证的工程权衡，GitHub、Shopify、阿里巴巴、YouTube、Facebook，这些公司不约而同地做了同样的选择。不是因为外键这个功能不好，而是它在高并发、大规模、需要频繁变更的场景下，制造的问题比解决的问题多。

AI出码率翻倍了，交付效率却纹丝不动。问题不在编码本身，而在于编码只占交付链路的一小段，"氛围编程"在存量项目中容易翻车，大任务也超出AI单次处理能力。破局之道是SDD（规范驱动开发）和Harness（驾驭工程），让AI从"个人工具"升级为"团队基础设施"。

不要对号入座。实际工作中别教条，bug修复、快速验证这些，直接上TDD修就行的，没必要为了方法论而方法论。如果你开始做一个有一定规模的新功能、新模块时，才值得花时间先写规格再动手。很多公司的代码规范和流程已经固定了，不可能因为你读了这篇文章就推倒重来。你可以在自己的新项目里试试"SDD在上、TDD在下"的工作流，感受一下跟"边写边想"的区别。

ClaudeCode新功能AgentView：一个终端管理多个后台会话，派活、查看、随时插手，supervisor守护关了终端也不停，worktree自动隔离互不干扰，升级v2.1.139+即可使用

ClaudeCode新功能/goal：设定完成条件后Claude自动跨轮工作直到达标，Haiku评估器每轮判定进度，条件满足自动停，支持非交互一条龙跑到底，v2.1.139+可用。

从搭知识库、HITL需求规范化、多角色分任务执行、到MCP打通部署上线，拆解SDD+Harness如何在真实项目中一步步落地。覆盖Claude Code、Cursor、CrewAI、LangGraph等主流工具，打通从需求到上线的完整闭环。

npx skills 是 Vercel 推出的开源 CLI 工具，定位为"AI Agents 的 npm"。本文介绍其核心用法（add/update/find/remove），分析包管理器范式、symlink 设计和跨 Agent 兼容等亮点，并与 cc-switch 做对比，帮你选对工具。

LLM缓存这个话题是比较偏底层的，它关系到AI应用的运营成本，对开发者来说是非常建议学习的。实际项目中缓存策略建议根据业务场景来调整，绝大多数情况下 厂商自带的 KV 缓存已经够用了。