AI 编程

Claude Code Hooks 通过事件、脚本和退出码，把自动格式化、异步测试、敏感文件拦截等工程规则接入 AI 编码流程，为团队提供更确定的控制方式。

掘金开发者在“AI 软件公司”实验中，为 Gemini 4 与 DeepSeek 加入企业文化模块，通过岗位性格、团队阵容和系统提示词观察多模型协作对开发效率与成本的影响。

开源项目 ask-report-html 让 AI 在代码任务收尾时生成 HTML 报告，把“改好了”变成可审查、可归档的交付材料。

AI 编程工具增多带来配置碎片化。开源项目 CC Switch 用桌面应用统一管理十款工具的 Provider、MCP、Skills 与 Prompts，并通过最小侵入式修改和本地路由降低切换成本。

本地运行 Qwen3.8-27B 做代码补全，速度长期卡在 14 tok/s 左右。通过 DFlash2 投机解码与 LemonSeed Engine 优化，特定工作站环境可提升至近 159 tok/s。但速度提升背后，硬件门槛与模型能力边界同样需要正视。

继提示词工程、上下文工程和驾驭工程之后，AI 编程圈开始关注 Loop Engineering。它并不是简单让 AI 重复执行任务，而是通过目标设定、反馈闭环和状态记忆，让编程 Agent 自动推进，直到完成可验证结果。

Codex CLI 在新会话中提供 Current checkout 与 New worktree 两种执行目录选择，反映出 AI 编程工具正在进入多会话、并行任务的 Git 协作阶段。

Claude Code Skill 生态快速扩张后，越来越多插件开始暴露上下文挤占和触发失效问题。掘金作者基于三个月实测，删掉 80% 的 Skill，保留十个用于后端开发、调试、测试和安全审查的工具，为 AI 编程插件的实用化选择提供了样本。