AI编程
-
WhatsApp Business 接入进入 Agent 时代:Meta 用 MCP 让 AI 替开发者完成配置
Meta 推出 WhatsApp Business Tools MCP Server,让 Claude、Cursor、Codex、ChatGPT 等 AI Agent 可以通过对话完成 WhatsApp Business 的账号创建、号码验证、Cloud API 注册、模板生成和故障排查。这显示出第三方平台配置正在从人工后台操作,转向 Agent 可直接调用的自动化流程。
-
AI 编程助手开始需要“项目记忆”:OpenWiki 补上了团队知识层的一块短板
AI 编程工具能完成单次任务,却未必记得整个项目。LangChain 开源的 OpenWiki 试图为 AI Agent 建立可维护的项目记忆层。
-
AI 编辑 Agent 总出错?一次真实复盘:问题不在模型,而在系统设定
当 AI Agent 在内容发布中频繁出错,真正的问题未必是模型理解偏差,而可能是旧的角色定义被带入了新的读者场景。
-
Agent 编排进入动态调度阶段:LangGraph 的 Command 与 Send 如何改变并行执行
LangGraph 的 Command 与 Send 将 Agent 流程控制从静态分支推向动态调度。本文围绕并行执行、Map-Reduce 派发与 InvalidUpdateError 等实践问题,梳理这一机制的应用边界。
-
五个编码代理、同一个 OpenAI 兼容端点:base URL 配置为何各不相同
AI 编码代理普遍支持自定义 OpenAI 兼容 endpoint,但 base URL 配置入口、字段命名和错误提示各不相同。本文梳理 Cursor、Cline、Continue、Zed 和 Aider 五款工具的配置差异,讨论工具可发现性与开发者接入成本。
-
从 Codex 切到腾讯 WorkBuddy 一周:成本、模型选择与真实开发体验
一位 Codex 用户因订阅渠道受限转用腾讯 WorkBuddy。一周实测显示,其编程能力已接近 Codex,后端表现稳定,但前端还原仍需人工调整;模型选择对成本影响显著。
-
审计 Claude Code:从用量、会话到文件变更的可观测实践
文章介绍如何通过用量指标、会话回放和文件变更记录,对 Claude Code 的实际执行过程进行审计,为团队建立 AI 编码工具的可观测能力。
-
当 Agent Skill 多到管不过来,开发者开始用“包管理”思路重构工具链
一位开发者为管理上百个 Agent Skill,自建了一套类似包管理器的工具链。这一实践显示出,Agent 能力管理正在从零散配置走向工程化依赖治理。
-
一次误触发的提醒:流式 Agent 的 Tool-Call 授权不能只靠一个 Toast
一名开发者在流式 Agent 中因焦点仍停留在输入框而误触发 read_file 工具。文章认为,Agent 的工具调用授权需要焦点锁和模态确认,而不是只依赖 Toast 提示。
-
本地优先的BYOK多智能体编程工具almost-cli上线,重构AI代码助手控制边界
almost-cli 以 BYOK 与本地优先方式,将多智能体编程带入命令行,与云端订阅式编码助手形成明显差异。