Calvin's Blog

以两份真实的全局配置为例，分析写 `~/.claude/CLAUDE.md` 或 `~/.codex/AGENTS.md` 时最常见的误区，以及什么样的内容才真正会改变 agent 的行为。

pua-skills 真正起作用的，不是 PUA 话术，而是把失败升级策略、强制工具调用和更严格的完成标准打包成了一套可执行的 agent 约束。

这份官方指南最值得记下来的，不是零散的提示词技巧，而是一条清晰的演进路径：先把任务说清，再把规则、工具和重复流程沉淀成系统。

这条帖子真正有价值的，不是让你背五个模式名，而是先给 Skill 的失控类型分型，再决定该用哪种结构、怎样组合知识、模板和门禁。

真正有价值的 Skill 不是提示词合集，而是围绕知识、验证、数据、流程和运维拆出来的团队能力单元。

这份 OpenAI 指南真正想回答的，不是“要不要做 AI”，而是管理层怎样把组织信号、能力扩散和落地通道一起补齐，让 AI 从试点变成工作方式。

这篇 Reddit 讨论最值得记下来的，不是“CLI 一定赢”，而是统一入口、可组合操作和带方向感的报错，确实更贴近 Agent 的工作方式。

梳理多篇关于 AI 翻译的实践文章后，我更认同一个结论：翻译准确性不是靠一条神奇 Prompt，而是靠任务定义、分阶段翻译、术语约束、模型选型和质检闭环一起做出来的。

编程 Agent 改变的不是谁写代码更快，而是 EPD 的协作瓶颈。实现越来越便宜后，真正稀缺的是评审、取舍和跨角色判断。

Skill 能不能进生产环境，关键不在于“写出来没有”，而在于“评出来没有”。基线、评测集、执行路径和回归闭环，才是它真正的软件工程部分。