用 Claude Code 写代码的人大概都遇到过这种情况：让它理解一个大项目的代码结构，Explore Agent 要跑一两分钟，期间疯狂调用 grep、find、Read，光 token 就烧掉好几万。上周我在 GitHub Trending 上看到一个叫 CodeGraph 的工具，作者的思路很直接——既然 Agent 每次都要从头扫描文件来理解代码，那为什么不提前把代码的符号关系建好索引？

4月2日，Cursor 发布了 3.0 版本（代号 Glass）。这次更新的核心变化只有一句话：编辑器不再是默认界面，Agents Window 是。不是加了个面板，不是多了个按钮。整个界面重新搭建了——从一个代码编辑器变成了 Agent 编排工作台，编辑器反而变成了"需要的时候再打开"的东西。用了一周，说说实际体验和配置方法。

团队里Agent越来越多，谁建的、干什么的、接了哪些MCP Server，问一圈没人说得清。AWS上周放出了Agent Registry的Preview版，挂在Bedrock AgentCore下面，想解决的就是这个问题——把Agent、工具、MCP Server统一登记，要用的时候搜一下就行。我花了半天跑通了整个流程，把踩的坑记下来。

想让 AI Agent 帮你干活，但不想把数据传到云端？n8n 官方出了个 Self-hosted AI Starter Kit，Docker Compose 一拉，本地就能跑起 AI 工作流。我上周花了一个下午把它跑通了，这篇文章记录整个过程，包括踩过的坑。

你的 AI Agent 怎么知道某个网页更新了？最笨的办法是轮询：每隔几分钟抓一遍页面，拿新内容和旧内容做 diff。这事不难，但烦——得自己写 cron、存快照、处理 diff、搭 webhook、过滤噪音（广告、时间戳、session token 之类的变化全得跳过）。搞一个页面还行，监控几十个页面就变成了运维噩梦。Firecrawl 5月底上线了/monitor端点，把这套流程打包成了一个

编码Agent框架的爆发，本质上是开发者从"用AI辅助写代码"进化到"用AI自主交付代码"。这个转变不可能一步到位——Superpowers那套流程之所以管用，恰恰是因为它限制了Agent的自由度。当下的编码Agent更像是一个纪律性极强的初级工程师：给它清晰的spec、足够的测试、隔离的环境，它能稳定产出。但指望它自己做架构决策、理解业务上下文？还早。好消息是，框架层面的问题正在被快速解决。半年

Zvec v0.5.0加了全文检索和混合检索之后，嵌入式向量数据库该有的功能基本齐了。个人项目、本地RAG、边缘部署，pip install完就能跑，不用折腾Docker和服务配置，省心不少。DiskANN索引让它能处理更大规模的数据而不吃太多内存，不再只能当原型验证的工具了。代码仓库：https://github.com/alibaba/zvec文档：https://zvec.org。

微软4月3号发了Agent Framework 1.0正式版。这个框架把之前的Semantic Kernel和AutoGen合并成了一个SDK，Python和.NET都支持。说直白点：以前想用微软的Agent能力，得在Semantic Kernel和AutoGen之间选。两套API不兼容，社区也分裂。现在合成一个了，装一个包就行。我花了半天时间把它跑通了，从单Agent到多Agent编排、接MCP

你有没有遇到过这种情况：让 Claude Code 帮你写一个功能，前几轮对话还挺好，越往后越跑偏？文件改多了它就忘了之前的设计，测试是补上去的不是先写的，最后 review 代码发现一堆和需求不沾边的东西。我上周就被坑了一把。一个跨 15 个文件的功能，Claude Code 写到一半开始乱改之前的代码，最后不得不手动回滚 git 重来。这周试了 Superpowers 框架，同样的任务，它让

7天，35篇内容，从选题到发布全自动。不是概念验证，是真跑了一周的生产环境。