青蛙小白

Claude Code 的三种驱动机制:goal、loop、workflows

默认状态下,Claude Code 在完成一个任务后就停下来等待 —— 即每轮结束后,将控制权还给我们,由我们决定下一步。这种交互方式对大多数任务足够,但某些工作需要 Claude 跨越多轮自主运行:修复一批测试直到全部通过、定期检查部署状态、对整个代码库做并行扫描。这时候需要的不是更多的手动催促,而是一套合适的驱动机制。

git worktree:同时在多个分支上工作

AI 编程工具改变了写代码的节奏。以前一个人同时只能推进一条线,现在用 Claude Code 或者其他 AI agent 可以很自然地并发:一个任务交给 agent 跑着,自己再开一个 session 做另一件事。问题随之而来——两个任务如果在同一个工作目录里,文件系统是共享的,两个 agent 会互相踩脚。 这不是 AI 工具的问题,是 git 工作目录没有为"并发"设计。git worktree 才是。

#Codex #AI Agent

学习笔记:Codex 使用电脑的三种方式

Codex 已经不只是一个待在终端和编辑器里的编程助手了。它现在可以通过不同的 surface 接触外部环境。这里的 surface 可以理解为 Codex 操作电脑和网页的入口,目前最容易混在一起的三种是:@Computer、@Chrome 和 @Browser。 它们看起来都和“用电脑”“打开浏览器”有关,实际边界却差得很远。选错入口,体验会立刻变差:需要登录态的后台任务,如果交给隔离的内置 Browser,它拿不到你的账号、Cookie 和浏览器扩展;只是看一个本地 localhost 页面,如果让 Computer Use 去打开真实浏览器一步步操作,就会把简单的页面验证变成慢点要死的慢动作。

#AI Agent

Google 发布 OKF:把 LLM Wiki 变成开放标准

今天 Google Cloud 发布了 Open Knowledge Format(OKF),一个把 LLM Wiki 模式标准化的开放规范。读完之后感觉这件事比标题看起来重要得多——它触碰的是构建 AI Agent 时一个真正的基础性问题。 问题:上下文组装是一个重复造轮子的苦差事 基础模型越来越强,但限制它们能做什么的往往不是模型能力,而是相关上下文的缺失。当一个 Agent 需要回答"怎么从我们的事件流里算 weekly active users?“时,它得从以下地方拼凑答案: