精选

推荐理由：文章把仓库指令、技能、自定义智能体和 MCP 服务器按使用场景拆开，读者可据此选择适合团队代码库的上下文配置方式。

推荐理由：项目把常见 AI 腔拆成 120 个可检查模式，并提供浏览器检测、Claude Code skill 和 patterns.json，适合直接接入写作或智能体流程。

推荐理由：文章用五个月真实工程数据拆解多智能体编码流程的质量门禁、成本与组织代价，可为设计生产级 Agent 工作流提供参照。

推荐理由：文章把九起公开事件按主机、身份和智能体三个攻击面归类，并提炼出可在工具调用前落地的权限与隔离措施。

推荐理由：文章结合 Postman 面向 4000 万开发者的生产实践，拆解工具收敛、上下文工程和推理缓存等可迁移架构模式。

推荐理由：文章把当前上下文、任务恢复和跨任务长期记忆拆成三条链路，便于理解编程 Agent 如何控制模型可见信息。

推荐理由：文章用 1,800 个 eval 案例和 hill-climbing 流程，展示如何把错误编辑率从 21% 降到 3%，并指出验证器比提示词更关键。

推荐理由：文章用 6 个低成本模型项目展示了如何通过预算、基线和冒烟测试约束智能体完成训练与发布。

推荐理由：文章把随机种子、独立设计批评智能体和多模态生成接入具体提示词，适合直接迁移到 AI 界面设计流程。

推荐理由：文章把 Uber 等公司的公开实践拆成六层平台与落地顺序，可用于对照企业从个人编码工具走向规模化智能体的建设路径。

推荐理由：文章把一次长时多智能体游戏生成复盘成可迁移的提示词结构，重点在独立批评者、具体参照标准和持续迭代。

推荐理由：完整呈现用开源决策模型在生产环境影子替换闭源模型的训练、评测、部署与切换门槛，方法可迁移到分类器落地。

推荐理由：文章用完整账本和逐片迭代规则，呈现 AI 智能体批量生产短视频时的成本结构与人工判断边界。

推荐理由：文章把编码智能体误推密钥后的处置顺序、日志保全和供应商用量审计串成可执行清单，适合团队提前演练。

推荐理由：作者用同一真实业务连续五个月的 74 起事故，拆解智能体错误为何难以及时发现，并给出可复制的检测与约束做法。

推荐理由：文章把自然语言入口、确定性规则引擎和完整性凭证拆开，适合需要审计留痕的高风险合规场景借鉴。

推荐理由：官方按生产部署、提示词与长任务拆解 GPT-6 选型和成本控制方法，适合团队对照现有工作流落地。

推荐理由：教程用共享会话把三个独立部署的智能体放到同一 GPU 实例，适合参考长周期多智能体工作流的工程编排方式。

推荐理由：文章用通俗比喻和可运行 demo 拆解 RAG 全链路，并把解析、索引漂移、验证和权限等生产故障具体化。

推荐理由：作者用真实资金交易系统的 21 个月实践，说明 AI 智能体时代测试门禁如何设计，以及绿色构建为何仍会放过错误结论。