嘗試復刻Cursor官網的網頁覺得挫敗，又轉回來看看Agent。
https://01.me/2025/12/silicon-valley-ai-insights-2025/
AI編程效果那裡的大廠日常開發感覺很好笑，寫代碼的時間非常有限只有15%，真的不喜歡這樣。
Research Code可以用來寫寫智能體寫寫腳本啥的。
基礎設施代碼，包括Linux內核還有共識協議，都不太行。
vibe coding最佳實踐就是拆分，一次生成盡可能少的代碼。
還有一個就是TDD測試驅動開發，說實話我覺得這個比Ralph開發要靠譜一點…
大型重構的spec很重要，我看還有根據spec來寫linux內核的文件系統的論文…不知道效果如何。
嚴格的evaluation system也是積累代碼數據的過程啊，現在大家都知道數據很重要了，每家公司都會構造數據集。
矽谷巨頭的一些情況真的是長見識了。
初創公司的啟示我覺得也很有幫助，實際上初創需要找到自己在整個行業的生態位，不能做通用領域因為大企業都會做，要找到非常細分的垂直領域
我覺得一定不能脫離工程實踐，只有自己親手去嘗試，才能獲得對一個工作的最真實的感受，vibe coding也好，訓模型也好，不能道聽途說，要自己去嘗試。
技術實踐
Context Engineering框架
- System Prompt
- Tools
- Data Retrieval
- Long Horizon Optimizations 長期任務優化
Data-Retrieval 範式轉變
新方法是 just in time 即時加載
- 策略一：輕量級標識符
- 漸進式披露
- 自主探索
所有模型在長上下文上都會出現性能下降
當超出context window容量時的解決方案
- 上下文壓縮
- Agent 維護顯式的記憶工件，存儲”工作筆記”：決策、學習、狀態。按需檢索，而非保存在上下文中
- Sub-Agent。將複雜任務分解為專門的 Agent，每個 Sub-Agent 有專注、清晰、狹窄的上下文。main agent編排並且綜合結果
Skills機制的工作機理
Claude 可以動態發現和加載
markdown
pdf/SKILL.md (主文件)
├── YAML Frontmatter (name, description)
├── Overview (概述)
└── References: "For advanced features, see /reference.md"
pdf/reference.md (详细参考)
└── Advanced PDF processing features...
pdf/forms.md (专门功能)
└── PDF form filling instructions...- Memory（記憶）
- Sub Agents & Collaboration（子 Agent 與協作）
- Dynamic Tool Calls（動態工具調用）
- Code Generation & Execution（代碼生成與執行）
- Web Search（網頁搜索）
- Agentic Search（Agent 搜索）
- Long Running Tasks（長期運行任務）