主题文章

AI 实践

从核心概念、Agent 协作和能力扩展走向研发闭环、Harness 与个人全栈工作系统。从 Prompt、Tool、RAG、Agent、Skill 与 MCP 的能力地图出发，逐步建立 Agent 协作、能力扩展、研发系统和个人全栈工作方式。10 篇文章

基础认知

Prompt、Tool、RAG、Agent、Skill 与 MCP：一张图建立完整认知用一次真实开发任务拆开 Prompt、Context、Tool Calling、RAG、Agent、SubAgent、Skill 与 MCP，建立不会混用概念的能力地图。

Agent 协作

SubAgent 开发协作：拆任务、并行取证与主 Agent 收口用一次跨前后端改动拆开可并行与必须串行的工作，建立任务契约、上下文隔离、文件所有权和证据合并方法。

能力扩展

MCP 设计方法：从重复工作中发现值得开发的连接器从跨系统复制、实时查询和标准操作中识别 MCP 机会，完整设计 Server、Tool、Resource、Schema、权限、幂等、错误、审计与部署。从零实现 FastMCP Server：查询依赖包最新版本用 FastMCP 把普通 Python 函数注册为可发现 Tool，并以公开包索引练习 Schema、Transport、错误映射、缓存与真实 Client 契约测试。Skill 设计方法：把成功 Prompt 变成稳定工作流从重复 Prompt、固定检查表和频繁纠错中挖掘 Skill，设计触发描述、渐进式披露、脚本、参考、资产、错误处理和评测。从零实现文章发布检查 Skill：规则、脚本、评测与迭代把一次文章验收任务做成完整 Skill，检查 Frontmatter、标题、内部链接、示例、敏感信息与发布清单，并建立触发和回归评测。

研发系统

AI Coding 研发闭环：从需求文档、原子 Diff 到 PR 与部署用一个完整功能贯穿需求成文、仓库取证、变更契约、原子 Diff、自动测试、独立审查、PR、候选发布、观测与回滚。Spec 与 SDD 实践：主流工具、可执行规格与真实仓库落地用同一个带权限批量导出需求，对比 Superpowers、Spec Kit、OpenSpec 与 BMAD Method，并给出已有仓库和新项目的选型判断。上下文工程与 Harness Engineering：为 Agent 建立可靠执行环境从一次不可重复的编码任务追查上下文截断、提示注入、工具超时、越界修改、无限重试、多 Agent 冲突和发布后异常。

个人工作系统

Plan、Auto、Goal 与 OPC：AI 时代的个人全栈工作系统区分 Plan、Auto 和 Goal 的任务、权限与周期，再把产品、设计、研发、测试、发布、增长和复盘组织成保留人类门禁的 OPC 闭环。