Calvin's Blog

基于百度 Geek 说关于 Agent Skill 的文章，抽取其中最有工程价值的评测章节，整理出一套从基线、用例、打分到迭代闭环的实践方法。

GitHub 对 2500+ agents.md 的分析显示，高质量 Agent 配置的关键不在“提示词文案”，而在可执行命令、清晰边界与可验证流程。

ETH Zurich 在多代理与多仓库基准上的研究显示，自动生成的 AGENTS.md 往往增加推理成本并拉低正确率；真正有效的是短小、动态维护的“风险清单”。

Claude 的 skill-creator 新增评测、基准与触发优化能力，核心价值是把“看起来可用”的 Agent Skills 变成“可验证、可回归、可演进”的工程资产。

深入解析 Anthropic 官方 Claude Skill 构建指南，涵盖核心概念、技术要求、实践模式与故障排除，助你打造可复用的 AI 工作流。

Anthropic 提出的 Tool Search Tool、Programmatic Tool Calling、Tool Use Examples，分别解决工具发现、执行效率与参数正确性问题，可组合为可扩展的 Agent 工程方案。

通过将 DevTools 的 Copy as fetch 与 agent-browser eval 组合，绕开不稳定的页面点击自动化，把内网工单分析流程固化为可复用 Skill。

探索AI代理上下文工程的核心原则：KV缓存优化、动作空间管理、文件系统作为外部记忆、注意力操控与错误恢复等实践经验。

基于得物技术实践，拆解 Cursor Rules 从冗余冲突到三层治理架构的演进路径，并给出可落地的实施与度量方案。

梳理 Node.js 在 2025 年的关键工程变化，聚焦 ESM、内建 Web API、测试、并行与可观测能力，以及可分阶段落地的迁移策略。