logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Superpowers:让 AI 编程助手从「能写代码」到「工程级交付」的技能框架

Superpowers 是由 Claude Code 核心贡献者打造的开源技能框架,GitHub 已获得16 万+ Star,是 Anthropic 官方插件市场上安装量排名第二的插件。不要直接写代码。先澄清需求,再编写计划,然后分步实现,每一步都有检查点。Superpowers 将专业软件开发团队的方法论固化为 14 个可组合的「技能(Skills)」,在 AI 编程助手启动时自动加载。它不是「

#人工智能#python
gstack 深度解析:让 Claude Code 化身虚拟工程团队的角色驱动工作流

要点说明gstack 是什么Garry Tan 创建的 23 个角色化 Claude Code skill 集合核心理念角色驱动——每个角色只做一件事,不跨界最大优势多视角判断力(产品、设计、安全、QA)最大劣势构建阶段无对应 skill,需配合其他工具与 Superpowers 的关系互补——gstack 定方向,Superpowers 保执行适合人群Solo Founder、独立开发者、Web

#人工智能#python
DeepSeek TUI:用 Rust 打造的开源终端编码 Agent,100 万上下文 + Auto 智能路由

DeepSeek TUI 是一个用 Rust 构建的开源终端编码 Agent,核心优势在于 100 万 Token 上下文、Auto 模式智能路由、工作区回滚和极低的使用成本。它不是 DeepSeek 官方产品,但凭借扎实的工程实现和活跃的社区迭代,在 4 个月内积累了 23,000+ Star。如果你正在寻找一个 Claude Code 的替代方案,或者本身就是 DeepSeek 模型的用户,D

#rust#开源#开发语言 +1
DeepSeek TUI:用 Rust 打造的开源终端编码 Agent,100 万上下文 + Auto 智能路由

DeepSeek TUI 是一个用 Rust 构建的开源终端编码 Agent,核心优势在于 100 万 Token 上下文、Auto 模式智能路由、工作区回滚和极低的使用成本。它不是 DeepSeek 官方产品,但凭借扎实的工程实现和活跃的社区迭代,在 4 个月内积累了 23,000+ Star。如果你正在寻找一个 Claude Code 的替代方案,或者本身就是 DeepSeek 模型的用户,D

#rust#开源#开发语言 +1
Agent Harness 深度解析:让大模型从「会聊天」到「能干活」的关键基础设施

(代理驾驭层)是位于大语言模型与真实世界之间的运行时基础设施。模型生成文本;Harness 决定这些文本能触碰什么、不能触碰什么。工具注册与分发:模型说"我想读文件",Harness 找到对应的 Read 工具,执行它,把结果传回模型权限门控:并非所有工具调用都该放行。Harness 在执行前拦截、评估、决定"允许 / 询问用户 / 拒绝"上下文管理:模型有上下文窗口限制。Harness 负责压缩

#人工智能#python
Agent Harness 深度解析:让大模型从「会聊天」到「能干活」的关键基础设施

(代理驾驭层)是位于大语言模型与真实世界之间的运行时基础设施。模型生成文本;Harness 决定这些文本能触碰什么、不能触碰什么。工具注册与分发:模型说"我想读文件",Harness 找到对应的 Read 工具,执行它,把结果传回模型权限门控:并非所有工具调用都该放行。Harness 在执行前拦截、评估、决定"允许 / 询问用户 / 拒绝"上下文管理:模型有上下文窗口限制。Harness 负责压缩

#人工智能#python
Superpowers:让 AI 编程助手从「能写代码」到「工程级交付」的技能框架

Superpowers 是由 Claude Code 核心贡献者打造的开源技能框架,GitHub 已获得16 万+ Star,是 Anthropic 官方插件市场上安装量排名第二的插件。不要直接写代码。先澄清需求,再编写计划,然后分步实现,每一步都有检查点。Superpowers 将专业软件开发团队的方法论固化为 14 个可组合的「技能(Skills)」,在 AI 编程助手启动时自动加载。它不是「

#人工智能#python
Workflow 与 Agent 的区别:从原理到实践的完整指南

Workflow 的思路是:把复杂任务拆解成一系列确定的步骤,每一步由 LLM 或传统代码完成。LLM 参与内容生成,但流程编排由开发者完全控制。Workflow 和 Agent 不是"谁更好"的问题,而是"谁更适合当前场景"的问题。能预先列出所有步骤的,用 Workflow;必须让 LLM 自己想办法的,用 Agent。单次 LLM 调用 → Prompt Chaining → Workflow

#python
到底了