Anthropic 工程师 Thariq Shihipar 从 Claude Code 的迭代中总结：旧一代模型的上下文工程经验对 Claude 5 代模型已成误区。系统提示不再堆硬规则，而是让模型凭判断行事，例如删掉“禁止多行注释”的禁令，改为“匹配周边代码风格”；工具使用不靠示例，而是设计更富表达力的参数；上下文改为 progressive disclosure，验证与代码审查拆成可按需调用的 skill，工具用 ToolSearch 延后加载定义。CLAUDE.md 应轻量，只写仓库特有的 gotchas，复杂实践放 skill 里；spec 也可用 HTML mockup、测试套件、代码片段或 rubric 等富引用替代简单 markdown。文章还介绍 claude doctor 命令，可自动简化上下文。适合用 Claude Code 维护上下文或自建 agent harness 的工程读者，但全文没有基准数据。
Archify 是一个面向 AI 编码代理（Agent）的图表生成技能：把一段系统描述或一个 GitHub 仓库变成可交互的架构、工作流、时序、数据流和生命周期图。它用带 schema 的类型化 JSON IR 作为事实来源，先校验后交付，失败时返回机器可读的修复码，并支持 Before/Delta/After 架构对比，适合在 PR 审查时使用。最终产物是自包含的单文件 HTML，可导出 PNG、SVG、WebM 与 1200×630 分享卡。适合需要为代码库快速生成可信可视化的工程师、技术文档作者和 AI 工具链使用者。
2026 年 AI Engineer World’s Fair 上，三个议题主导了讨论：harness 工程、编码代理与 agent skills。Lilian Weng 的旧文谈 agent 的 planning、memory、tool use，新文则转向围绕模型的 harness；AutoGPT 式全自主幻梦已被外环（outer loop）模式取代——OpenClaw 作者 Steinberger 宣称代理跑内环，人来定方向。Vercel、Warp、Cursor 把部署形态推向长期运行的软件工厂，前向部署工程师（FDE）负责把代理接入企业并保证严格 ROI。Google DeepMind 的 Schmid 提出 agents are just files，用 Markdown 技能扩展能力；Matt Pocock 则提醒 skills hell：技能要少而小，结构重于数量。文章也保留怀疑态度：Horthy 说 hype outruns discipline，Huntley 担心一年后“工厂失败、环路失败”成为新口头禅。适合关注代理工程、编码工具和企业 AI 落地的工程师快速建立 2026 年行业坐标。
ego lite 是一款为 AI 代理设计的 macOS 浏览器，核心是让代理与你共享同一个浏览器环境，却不互相打扰。代理在各自的独立 Space 里并行执行浏览器自动化任务，你的标签页和鼠标操作保持不变。与 Browser-use、agent-browser 这类纯自动化框架不同，ego lite 自带完整浏览器并支持一键继承 Chrome 的登录态、Cookie、扩展和书签；它通过 `ego-browser` 技能把浏览器能力封装成 JavaScript 工具集，代理以写代码而非敲命令的方式多步驱动页面，官方称复杂任务比 CLI 方案最多快 2.5 倍并以更低 token 消耗完成。适合正在使用 Claude Code、Codex 等 agent CLI，希望让代理安全上网、复用登录态的一线工程师。
Diagram Design 是一套面向 AI 编程助手（Claude Code、Codex、Pi 等）的图表设计技能，内置 38 种编辑级图表类型，以自包含 HTML+SVG 输出零依赖的静态图表。它把一套严格的设计系统——单一强调色、无阴影、4px 网格、三种静态变体——固化进提示与模板，解决 AI 生成图表千篇一律、视觉廉价的问题。你只需给出网址即可在 60 秒内完成品牌匹配；导入 draw.io / Mermaid 文件时可调整格式、尺寸、细节与受众，并在转换后给出取舍账本。适合希望 AI 画图后无需手工返工的工程师、技术作者与产品团队。
Anthropic 工程师基于内部使用数百条 Claude Code 技能的经验，系统总结了技能的九大类型（库/API 参考、产品验证、数据获取、业务流程、代码模板、代码质量、CI/CD、Runbook、基础设施运维），并给出了具体编写技巧：聚焦非显而易见的提示、构建 Gotchas 部分、利用文件系统渐进式披露、避免过度约束、合理设计配置、用 description 字段触发选择、在技能内存入数据（如日志文件或 SQLite）、以及用脚本/库减少模型 token 消耗。文章还讨论了技能的分发方式（仓库内嵌 vs 插件市场）、依赖组合与埋点测量。适合正在构建 Agent 工作流的工程师参考。
资深工程师 Matt Pocock 分享了他在日常开发中频繁使用的5个 Agent 技能（Skills），旨在将人类的开发流程编码成严格可复用的指令，解决 LLM 无记忆、易跑偏的核心缺陷。文章围绕一套技能套件展开：grill-me 通过穷举式提问确保与模型达成共识后再动手；to-prd 将讨论转化为产品需求文档；to-issues 将 PRD 拆解为可独立执行的垂直切片任务；tdd 强制模型遵循红-绿-重构循环，显著提升输出代码质量；improve-codebase-architecture 则定期审视代码库结构，识别“浅模块”并给出深化建议。作者强调技能不必冗长，选对措辞和时机即可带来质变。适合使用 Claude Code 等 Agent 化工具的开发者阅读，尤其是正在为 Agent 输出质量不稳定的团队。