我的 AI 原生开发流程：一个真实案例的完整复盘

在喜马拉雅山麓用离线 AI 智能体写代码

Coding From the Himalayas With an Offline AI Agent

这是一篇作者自述文章，作者是 Thomson Reuters 的首席工程师，一年前搬到喜马拉雅山麓居住，因网络和供电经常中断，尝试在笔记本上完全离线运行编码智能体。文章探讨了在断网条件下对本地已有项目可以做哪些工作，例如解释陌生函数、排查失败的测试、重构小段代码或协助完成功能。

再分享一个超级实用的 DeepSeek Harness 插件，装上之后，你可以把各种聊天软件的机器人都接进 DeepSeek Harness 里

一条微博帖子，介绍一个用于 DeepSeek Harness 的开源插件（github.com/xmanrui/dsh-im），可将微信、飞书、钉钉、企业微信、QQ、Slack、Telegram、Discord、WhatsApp、iMessage、Matrix 等十二个渠道的机器人接入。帖子说明了扫码或填写 Token 的接入方式，以及流式回复、图片输入、文件回传、飞书语音交互、群消息记录（默认保留 14 天）、本地保存密钥、多渠道多机器人独立管理等特性。材料未注明是否为社区帖子之外的额外声明，帖子性质属个人分享。

别再给代理工具了，给它一个沙箱——Mikyo King，Arize AI

Stop Giving Your Agent Tools. Give It a Sandbox - Mikyo King, Arize AI

Arize AI 开源负责人 Mikyo King 的演讲，对比传统工具调用型代理与“代码模式”：后者给代理一个沙箱，让它在代码中检索和组合工具，只返回所需结果。内容涉及为何代码模式有效、Phoenix 中如何实现（Bash、Python 沙箱、SQL 乃至 UI 控制）、其隐性成本（密钥、权限、持久性、双重沙箱），以及 Harbor 评测显示 token 减少 43%、成本降低 31%。适合正在设计代理工具调用架构的开发者观看。

Stanford CS146S：现代软件开发者

Stanford CS146S：The Modern Software Developer

斯坦福大学 CS146S 课程网站，主题是 AI 原生软件开发。课程描述说明 LLM 使软件开发从以手工编码为主转为开发者与编码智能体协作，内容涵盖 MCP、agent skills、规格驱动开发（spec-driven development）、循环工程和“软件工厂”等实践与技术，以及为智能体提供上下文与能力、把产品需求转成可执行规格、设计人机共同规划构建评估改进的迭代流程。课程为 3 学分，先修要求为相当于 CS111/CS161 的编程经验，建议具备 CS221/229 背景，包含动手作业、项目和业界从业者讲座。

同样的任务，多 Agent 架构慢了一倍

一条微博帖子，转述 Anthropic 工程师关于搭建企业级 AI Agent 的文章。内容列举多 Agent 架构的问题（子 Agent 结果传给主 Agent 时信息衰减、Agent 数量泛滥、提示词规则互相冲突的“Frankenprompt”、实测同任务耗时翻倍），说明单 Agent 加“渐进式披露”往往足够，并给出多 Agent 仍合适的三种情况（任务过长、可并行、工具过多），最后介绍从多 Agent 迁回单 Agent 的步骤：先搭评测基准，再逐个把子 Agent 折进主 Agent 并复跑评测。适合正在设计或重构 AI Agent 系统架构的开发者阅读。