#Claude · AI 短帖与讨论

装完 Claude Code 就停手的人亏大了，亏在后面这二十二个技能。清单分四组。每个都是独立的 GitHub 仓库，我数了三遍星数才敢信含金量，数完的结论是先装三个再说，哪三个最后揭晓。
建造组六个是干活的主力。superpowers 先计划先调试再动笔写代码。二十六万星这个体量说明是全球都在用的硬通货；gstack 一个包塞二十三个技能；caveman 回答不注水；ponytail 话少一行到位；codex 让 Claude Code 里直接跑 Codex。

套娃但好用；i-have-adhd 防止答案被埋在长输出里，这个痛点我天天犯。犯到看见名字就想装，装完的对话不用再喊三遍重点。重点就该在第一屏，第一屏找不到的答案等于没有，没有的答案再好也是零。
设计组六个全是门面担当。ui-ux-pro-max 给配色和字体方案，taste-skill 让页面一眼贵，impeccable 负责最后的打磨抛光，hyperframes 把网页直接变成视频，emil 做漂亮的界面动效。

gsap 管顺滑的网页动画，六个凑齐就是一个设计部，设计部的编制一个人一份。一份编制省的是外包的钱，外包报价单我见过。见一次心疼一次，心疼完默默点开仓库，仓库的地址在最后一段摆着。摆着等你拿，拿完回来点赞，赞是免费的。
研究组六个是查资料的利器。skill-creator 造你自己的技能，graphify 把笔记连成地图，last30days 一句话看全网这个月说了什么，agent-browser 让 Claude 玩转任何网站，find-skills 帮你找到任何技能。

claude-hud 实时盯着它在干什么，这六个是眼睛和手。眼睛六个配齐了世界就是你的资料库，资料库建好查资料的时间砍一半。砍下来的时间干正事，正事在下段是营销组加安装方式。方式一句话就够，够用的在下段到了，到了就看，看吧。
营销组四个收尾。remotion 用代码写视频，marketingskills 一包四十个营销技能，humanizer 专门去掉写作里的机器味，social-media-skills 是作者自己的内容包，四个凑齐就是市场部。

安装方式一句话，npx skills add 加仓库名，复制粘贴完事，完事的效率是装工具从此不动脑，动脑的事留给干活。最后揭晓我常用的三个，superpowers、caveman、last30days，一个管纪律一个管表达一个管情报。

三个顶日常八成的场景，八成够用了，剩下两成按需补。补的仓库地址全在上面四段里，段段都有链接，链接一行一个自己拿，拿走不谢。
BUILD 组，superpowers lnkd.in/eppbgRaK ，gstack lnkd.in/e8PYQ2z6 ，caveman lnkd.in/e4nxpEJi ，ponytail lnkd.in/eYzPcnAR ，codex lnkd.in/eTweEPmw ，i-have-adhd lnkd.in/eQEJZeMN 。
DESIGN 组，ui-ux-pro-max lnkd.in/eh5s-T6t ，taste-skill lnkd.in/emKJrHrX ，impeccable lnkd.in/eMSX587R ，hyperframes lnkd.in/ed-wSdsx ，emil lnkd.in/eWebzpnh ，gsap lnkd.in/e6avMtKZ 。
RESEARCH 组，skill-creator lnkd.in/er2tG4ZB ，graphify lnkd.in/eT9f97nW ，last30days lnkd.in/e6uRrEnT ，agent-browser lnkd.in/eUS4cxjs ，find-skills lnkd.in/eFcmubhq ，claude-hud lnkd.in/ecU6_AC9 。
MARKETING 组，remotion lnkd.in/ecX3gdvr ，marketingskills lnkd.in/egt-7ZwM ，humanizer lnkd.in/eekWNVYm ，social-media-skills lnkd.in/emDvetxm ，拿走不谢，句号。

三万一千颗星的仓库，翻开一看，分量最重的部分并非出自作者本人。这事本身就值得琢磨。出处这件事，README 单开一节交代得明明白白。四十八个智能体来自社区合集。二十一个技能是官方的。还有一百三十九个科研技能从别家搬来，全是聚合，一件件标着出处。

作者真正押注的货，是那条把零件送进你项目的通道，目录页在 aitmpl.com ，仓库挂在 github.com/davila7/claude… 。

第一步挑。本地敲命令进选单也行，开着网页版目录慢慢挑也行，路子随你选。架子上分着六类货，agents、commands、MCPs、settings、hooks、skills。安全审计、自动测例都有，PostgreSQL 的集成也在。

第二步装。敲条命令项目里落盘，参数照类别拼好，几条挤在同一行，一气配完。东西落位后，另有几枚开关管着运行时。本地面板看会话和性能。移动端界面盯实时回复，再加个开关就能从隧道暴露出去，手机上也能看。外加安装体检和插件权限清单，一应俱全。

坦白话说得也直。塞进你目录里的大头，提示词也好配置也罢，多为他人执笔。授权条款一家一个样，上手前翻出来读一遍才稳当。页面顶上那段赞助商给的安装指令，跟正经功能无关，站位唬人罢了。

评价给得克制又准确。当成目录加安装器，它合格。至于拿来就当最佳实践用，那份期待还请收着点。仓库今日又涨一百一十三颗星，总星数三万一千出头，ClaudeCode 圈的热门货，热度在那。

我的看法是这类聚合仓库走红，本身就是信号。零件在过剩，路径在稀缺。别人写的东西不缺。缺的是挑得动、装得上、跑得起来的那条流水线。作者没把功劳揽在身上，反而把生意讲透了，诚实这步走得漂亮，难得。

想用的先把它当货架逛一遍，挑两三件合用的试装，读一遍许可再上生产，货架上的货是别人的，放进你项目那一刻才开始归你负责。

那句标题够直白：SOMEONE WHO CAN'T CODE BUILT A 3D KART RACING GAME IN 5 DAYS JUST BY DESCRIBING IT TO CLAUDE。

翻译过来是，不会写代码的人五天造出一款 3D 卡丁车游戏，全程只靠跟 Claude 描述。成品的规格不糊弄：四十辆车、六条赛道，从罗马斗兽场、威尼斯运河到马丘比丘，还有一张万圣节主题图。

更有意思的是它的去处。游戏为 TikTok LIVE 做，观众能从聊天框直接加入比赛，边看边开。直播互动和赛车接在一起，等于把玩法塞进流量最密的地方。

Claude 干的活也超出写代码。素材用 Blender 处理，那些脚本也是 Claude 写的，本人从没打开过它。工具链里最难的那截被人跳过去了，剩下的只是把想法说清楚。详情在 reddit.com/r/ClaudeAI/com… 。

我留意的是五天这个数。过去这类项目按月算，卡住人的从来不是创意，是引擎配置、素材导出这些劝退环节。环节被模型接手后，剩下的确实是描述能力，说不清的人才回到原点。

当然这类个案不等于人人可复刻，赛道平衡和物理手感大概还得反复调。但为直播场景做游戏这个思路，值得做内容的人抄一遍。

一条 低赞的极简吐槽，把今晚整条线的隐性张力摆到了台面上：Skill issue. Claude on auto。三句、三个关键词：Skill（今晚讲了好多轮的 skill 单元）、Claude（今晚另一条线）、auto（AI 系统的自动模式）。三个词组合在一起说的是同一件事：AI 工具的内部组件出了问题，用户被自动挡在外面。

把今晚已经写过的几条收在这里：Scarlet 帖子说 Claude Code 的 auto mode classifier 炸了，自动审批层自己挂掉；刚才聊过的 NVIDIA Open Agent Safety Platform 用 agent 不能触达的地方做边界；Codex CLI 默认打开高危操作审批——今晚这一整圈都说同一个命题：AI 系统越来越擅长自己给自己加防护，可一旦防护层自己出问题，用户就被自动隔离。

这条 低赞帖子的 Skill issue，就是这层逻辑的又一次体现——AI 在自动模式下出错，第一受影响的不是 AI，而是用它的人。

今晚这条的另一层意思是工具安全性和工具可靠性之间的张力。Codex CLI 默认审批的逻辑是"宁可多问、不可误伤"，但 ask-everything 的代价是 AI 工具出错时用户被完全挡在外面。

这不是凭"哪个更好"能判的——只有"看你最在乎哪个"：在乎效率就用更松的默认，碰到自己需要的 Skill 出错就接受多问几次；抗风险就用更严的默认，遇到某些自动化需求得手动绕过去。这两种配置在 AI 时代会长期共存，没有哪一边是普遍正确答案。

留一格清楚的边界：这一条说的是工具侧故障，不是工具厂商的内部设计决策；故障影响的是少数用户，不构成对厂商系统稳定性的整体判断。Skill issue 的具体技术原因需要等 Claude 团队自己的事后解释，今天的吐槽方向是这一类问题在 AI 时代更普遍的隐喻：工具越自动、用户越不设防、出问题越尴尬。这不是哪一家产品的错，是 AI 工具这一类工具共同的成长痛。

给今天用 AI 工具遇到 Skill 出问题的人一句落地的：今天遇到 Skill 不响应，先别直接换个工具试——先看工具的状态页、运行日志、版本号、最近一次更新时间，看是不是 Skill 文件本身出错还是工具本身出问题。

这一步花两分钟，比反复切换工具省下的时间多得多；AI 工具的可靠性问题，绝大多数时候不是 AI 不够聪明，是配置或缓存出错。AI 不肯回你的时候，先让 AI 告诉你它在哪里，比自己给自己挖坑要稳。原帖作者主页：iamthecode.xyz

Anthropic 博客里的一则故事被转述得像段子，但每个环节都有实据可循：一位前物理学家向 AI 实验室发起挑战——"想打动我？用学术预算解决这个前沿问题"；Anthropic 接招，把问题交给 Claude；人类研究者看到进展后的反应是"继续跑，我去睡了"；最终 Claude 把问题解了出来，总预算约一两千美元。（博文细节以官方原文为准）

这则故事的甜点不在"AI 会做科研"——那个论断已经不新鲜——而在预算这个约束被摆上了台面。学术预算的含义是：不是给实验室拨一千万，是一个博士生几个月能动用的那点钱。当前沿问题的求解成本被压到这个量级，改变的是科研里那笔最古老的账：试错的次数第一次可以不受经费限制。

过去想法再好，穷实验室也只能挑最可能成功的赌一把；一两千美元级的算力开销意味着相反的姿势——几乎所有能想到的路线都试一遍再说。

"继续，我去睡了"这半句是整则里最有信息量的细节。它描述的是一种工作关系的倒转：人类从"盯着执行的人"退到"睡一觉回来看结论的人"——信任的分界线挪了位置，长任务的看守成本被系统接走。这与今晚撞线收尾、优雅停止那些机制是同一件事的两面：能安心睡觉的前提，是系统有收尾、有留痕、有可核的结论；否则研究者睡是睡了，梦里还在数那台机器跑到了第几步。

"1–2 千美元"这个数字也值得放进今晚的价格叙事里数一数：语音克隆折进账单一行、文档提取按到电费级、token 省掉两成五——现在轮到前沿问题的求解也被标上了学术预算的价格。三条线指向同一个趋势：AI 的贵，正在从"每一次调用"转移到"那一个真正需要它的时刻"；日常调用趋近免费，而一次性撬动大问题的开销，被压到了连研究助理都敢按下的水平。

留一格清醒：单个案例的预算口径（模型调用？人力？）未必与实验室成本可比，"解决"的定义也要看论文怎么写；但方向不会因此打折——当解题的成本先于解题的智慧降下来，科研里最稀缺的资源就开始从钱转向提问的人。这大概是这则段子味故事背后最扎实的一句。

给在做研究或研究性产品的人一句落地的：别等预算批下来再试——挑一个卡了很久的子问题，按"一个晚上加几百美元额度"的规格先跑一轮：把问题拆成模型吃得动的三步、每步给可核的产出。跑得通，你拿它去谈更大的预算；跑不通，你省下的是一整份申请书的时间。

第三方评测的"随后就到"来得很快：Artificial Analysis 官宣 Claude Opus 5.5 登顶 Intelligence Index——满分刻度上拿到 58 分，领先此前最佳数分，同时伴随降价 20% 与更大的缓存折扣。这条正好把"全面最强"这种含糊话拆成了十项可查的数字。

十项里赢六项：Humanity's Last Exam 61.4%（前最佳 59.1%、Claude Fable 5.1）、SciCode 66.9%（63.1%、Fable 5.1）、GDPval-AA v2.1、AA-Briefcase、AA-Omniscience、AutomationBench-AA；Terminal-Bench 4.0 拿到 59.6%，与 GPT-6 Astra（xhigh）并驾、比 Opus 5 高出 11 分；落后的三项也照实列出——CritPt、AA-LCR、GDP.pdf 略逊。

赢面最大的是代理式知识工作：在私有评测 AA-Briefcase 上 Elo 1822、比 Fable 5.1 高 143 点，分析质量与呈现质量双双领先——这是 Anthropic 第一次在呈现质量上超过 GPT-5.6 Sol；该评测用的是他们开源的参考 harness（Stirrup），方法可查。

成本侧的三个数字：每百万输入/输出 $4/$20（Opus 5 为 $5/$25，降 20%）；缓存读从 $0.50 降到 $0.20（相对未缓存输入便宜 95%，此前 90%）；尽管输出 token 多出 1.6 倍（每任务约 119k vs Opus 5 的 73k），每任务成本仍与 Opus 5 持平。

表里还有个安静但扎眼的对照：GPT-6 Astra 每个任务只用约 27k 输出 token——同样的榜，效率差出四倍多。五档 effort 里有四档（max/xhigh/high/medium）落在"智能 vs 每任务成本"的 Pareto 前沿，1M 上下文与图文输入不变。

我的看法：三家视角叠起来看才有意思——Anthropic 开发者账号称它"达到 Fable 5.1 的水平"、资深工程师把它当日常主力、而 AA 用可复现的 harness 给出赢六、平一、输三的账单；同一天 OpenAI 那边 Sol/Luna 也在调价，头部两家同时把"每任务成本"摆上台面，说明竞争的刻度已经从"谁分数高"挪到"同样的分数谁更便宜"。

对使用者，三条可直接行动：其一，按档位选——四档在前沿意味着未必非 max 不可用；其二，缓存读降价比标价降价更值钱——Agent 高频重读的场景收益最大；其三，"token 单价"和"每任务成本"要分开算——输出四倍效率差才是 Astra 的真护城河。

限定：评测集部分私有（AA-Briefcase），跑法基于开源 harness Stirrup；口径与完整方法以 AA 的方法学文档为准。

Claude 官方刚把 Opus 5.5 亮出来，是 Claude 5.5 家族的首发。公告里只有两句干货：多数任务达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。

同账号补充的两个口径也很关键：这是他们呼吁"放慢前沿节奏"之后的第一个模型，发布前由外部评估方测试（METR、Frontier Design），在最全面的对齐测试中拿到迄今最强分。

真正值得记住的是措辞。这不是"超越所有对手"，而是"多数任务追平自家上一代旗舰 + 更便宜"——实验室自己把话说得很克制，把"多数任务"这个限定语留在了句子里。对选型的人，这句话反而有用：它提示你别拿榜单分数当结论，用你自己的任务集测一遍，因为"多数"之外的那部分，正是你的业务可能踩进去的地方。

另一个数字更有分量：便宜四成。对跑 agent 的人，这直接改写默认模型的选择——同样的预算能多跑近一倍的轮次，原来因为成本砍掉的重试、多路并行和长上下文，现在可以放回去。价格不是排行榜上的数字，是能落地的轮次预算。

公告给的是相对口径（对 Opus 5），每百万 token 的定价和限额要以定价页为准；"多数任务"的测试集没公布，横向比较前先看它拿什么比的。

ns123abc 这条是 Anthropic 的官方故障播报——Mythos 5.1、Fable 5.1、Opus 5 三档同时挂掉，Claude app、API、Claude Code、Cowork 全线"partial outage"，只有 Claude for Government 100% 可用。

这条值得展开，是因为它不是一个"小波动"，而是一次覆盖主力模型的全面故障，对国内重度依赖 Claude 系列做开发的团队是一次真实的供应链冲击。

几个关键细节：

• 影响范围：Mythos / Fable / Opus 三档齐挂——基本上覆盖了 Anthropic 当下所有主力旗舰；
• 影响渠道：Claude app、API、Claude Code、Cowork 全部"partial"——意思是部分用户能访问、部分不能，没有完全中断但也不稳定；
• 唯一全可用：Claude for Government——美国政府客户专线优先级最高，这点再次印证 Anthropic 在政企客户上的 SLA 比消费级高一档；
• 故障时间：UTC Sep 22 01:50，对应国内 9 月 22 日上午 9:50，正好是工作时段，开发者体感最强。

这件事给国内 Claude 用户的 actionable：

• 立刻检查当前生产工作流对 Claude 的依赖度——如果你的 Agent、CI/CD、客服、内容生成全部押在 Claude 上，这次故障就是一次"压力测试"，结果会直接告诉你"模型路由设计够不够稳"；
• 多模型路由必须落地——本次故障期间，OpenAI / Google / Mistral / DeepSeek / 智谱 GLM / Qwen 全部可用，单押 Claude 等于把业务可用性赌在一家厂商的稳定性上；
• Claude Code 用户的替代路径——故障期间可以临时切到 Codex CLI / OpenCode / Cursor（带本地 fallback），不一定非要等 Claude 恢复；
• 企业用户优先用 Claude for Government SLA——如果业务对可用性敏感，可以考虑签政企 SLA，但价格会比 Plus 高一截；
• Anthropic 的故障响应历史——从 2024 年开始 Anthropic 大概每 2–3 个月有一次重大 outage，频率不算低，别把 Claude 当 100% 可靠的依赖；
• 建立"模型故障预案"——配置好自动 fallback、缓存兜底、人工接管三道线，别让一次 outage 让团队一天没产出；
• 关注 status.anthropic.com——官方状态页有实时更新，第三方推主 + Reddit 讨论也能交叉验证；
• 故障期间是测试国产模型的好时机——趁机评估一下 DeepSeek / GLM / Qwen 在你常用任务上的实际表现，说不定能找到一条更稳的备选。

这件事更深层的判断是：

"主力厂商故障"会越来越常态化——OpenAI、Anthropic、Google 每家都在快速迭代，每周发新版的同时也意味着更高的故障率。单押任何一家厂商都是不理性的生产设计。

国内做 AI 应用的团队，接下来一年最该补的功课不是"选哪个模型最好"，而是"模型挂了怎么办"——多模型路由、自动 fallback、SLA 监控、用户降级体验，这些"工程基建"才是当下真正的护城河。

如果你的工作流今天被这次 outage 卡住，说明你的系统设计还在"理想状态"假设里——赶紧补这一课。

Mr_Salio 这条"Opus 5.5 output is TERRIFYING"是个信号事件——关键不在 Opus 5.5 本身，而是Anthropic 在没发版通告的情况下给部分用户把 Opus 5 路由到了 Opus 5.5。

几个值得展开的细节：

• "Opus 5 is apparently being ROUTED to Opus 5.5 for some users"——这个细节是重点。Anthropic 没说"Opus 5.5 上线"，但后台悄悄把一部分 Opus 5 的流量切到了 5.5。这是典型的"软发布"——先小流量灰度、看用户反应，再决定正式发版节奏；
• "Opus 5.5 is making GPT-6 Astra and Fable 5.1 look way less impressive"——这是用户体感判断。Opus 5.5 在某些任务上让 GPT-6 Astra（OpenAI 当前旗舰）和 Claude 自家的 Fable 5.1 看起来都不香了，说明这代是 Anthropic 在 coding / 长任务 / agentic 维度上的明显抬升；
• "What the hell is Anthropic cooking?"——这问法本身就暴露了一件事：Anthropic 这次没按常理发"5.5 release notes"，让习惯了"版本号 = 公告"的社区感到意外。

为什么这种"静默灰度"对国内开发者值得注意：

• Anthropic 内部的版本节奏——他们从 Sonnet 4 / Opus 4 / Fable 5 一直走的是"小步快跑"路线，5.5 这种"非主版本号"的迭代特别多，但每次升级对长任务 / 工具调用 / 安全对齐都有实质提升；
• "路由升级"是头部厂商的常见做法——OpenAI 也干过类似的事（Pro 用户被静默切到 GPT-6 Pro），Anthropic 这边把"灰度"做得更隐蔽；
• 关注实际跑分——这类静默发版的实际能力，需要等独立第三方（Artificial Analysis / lmarena 等）跑完才能下结论，别只看一两个推主的体感。

几个 actionable：

• 如果你是 Claude Max / Team 用户——本周留意你的后台是不是悄悄被切到了 Opus 5.5；如果你之前精心调好的 prompt 在新版本上表现变了，多半是这次升级带来的；
• 跑现有评测集——把上周对 Opus 5 的评测集重新跑一遍 Opus 5.5，看看哪些任务效果跳变最大；
• 别着急迁移——静默灰度的版本 Anthropic 也会在几周内回滚一部分，这次升级的实际效果等独立评测出来再下结论；
• 关注 Anthropic 官方——他们大概率在本周内会发 5.5 正式公告，现在发的"TERRIFYING"类内容更像是抢先剧透；
• 模型选型要"动态校准"——不管你之前选的是 Opus 5 还是 GPT-6 Astra，每周花 30 分钟跑一遍回归测试，是 AI 时代开发者必须养成的习惯。

这件事给整个行业的一个更深信号是：头部厂商之间的"代际差距"在快速缩小。上周还在讨论"Opus 5 vs GPT-5.6"，这周已经是"Opus 5.5 vs GPT-6 Astra vs Fable 5.1"。每月一次的版本迭代让"选哪个模型"变成一个持续决策，而不是一次性选型。

对国内做 Agent / RAG / Coding 工具的团队来说，模型路由必须设计成"热更新"——每两周回来调一次路由权重，别让生产环境的模型选型停在两个月前。

shownotover 这条把本周的模型圈大事提前剧透了一遍：Gemini 4、Opus 5.5、Grok 4.7、GPT-6 Sol 四家模型本周内陆续上线。四个名字里 Grok 4.7 已经放出来了，其它三家还在排队。

一次性过一下各自的看点：

• Gemini 4：谷歌这次主打的升级点是原生多模态和长上下文稳定输出，对 Deep Research 这类"读一摞 PDF 再回答"的工作流是个大改版。
• Opus 5.5：Anthropic 这边一惯的慢节奏，5.5 大概率是工程优化 + 工具调用加固的版本，不是质变。适合当前 Opus 用户平滑升，不建议为它迁移。
• Grok 4.7：xAI 这边已经在上一轮发版了，主打同价同速、效果提升，SOTA 评测榜上的具体位次要等独立评测出来再下结论。
• GPT-6 Sol：「Sol」这个后缀猜测跟 OpenAI 上一轮"内部数学模型"的方向相关，可能跟科研 / 长推理性价比有关，也可能是简化版的轻量档。

几个使用层面的预判：

• 这周建议评测先于迁移——四家厂商都习惯"先发新闻再上真实能力"，第一版 24 小时内通常有 hotfix。
• 跑分优先看 HLE、ARC-AGI、LiveBench 这类不容易被训练集污染的，忽略厂商自报的 MMLU 子集。
• Agent / 工具调用场景建议等一周再灰度，因为首批接入的 SDK 一般跟不上模型本身的功能补全。

薅评测没问题，被"四选一"标题党带偏就亏了。

有人把 Claude 变成了一人公司：42 个 Skill 按真实组织架构摆开，每个都能从链接安装；他给这张图配的收尾是"同样的部门、同样的产出，不发工资"。

按部门看，覆盖得相当完整：

开发——Superpowers（框架级方法论）、Context7（上下文）、官方 skills 集（含 Skill Creator、MCP Builder、Webapp Testing）、Claude-Mem（记忆）。

github.com/obra/superpowe… / github.com/upstash/contex… / github.com/anthropics/ski… / github.com/thedotmack/cla…
设计——UI UX Pro Max、Taste（含 Frontend Design）、Transitions。github.com/nextlevelbuild… / github.com/Leonxlnx/taste… / github.com/Jakubantalik/t…
市场——45 个，从文案到 SEO 到引流磁铁。github.com/coreyhaines31/…
社媒——17 个，从写帖到 Reels 到封面图。github.com/charlie947/soc…
财务——8 个，从对账到审计。claude.com/plugins/financ…
小微企业——31 个，从现金流到工资到发票。claude.com/plugins/small-…
法务——9 个，从合同审查到 NDA 到合规。claude.com/plugins/legal

我的看法是，这张图真正的看点是组织架构成了 Skill 的目录结构：部门＝领域，岗位＝任务边界，装的时候按"公司缺哪个部门"补齐，而不是照星数堆一堆。它还顺带暴露了 Skill 生态的成熟度分层——开发与设计大多还是 GitHub 仓库，财务、法务、小微企业这几块已经上到 claude.com 的官方插件页，说明标准化先发生在"有明确流程"的领域。

一句提醒：部门齐全不等于公司能跑。Skill 之间没有真实组织里的责任与交接，产出质量仍然取决于你给的上下文和验收标准——架构图给的是分工，不是质量。

边界：数量与描述按原帖口径，我未逐个安装；各部门数字来自原帖列举。

Cloudflare 开源了一套 Claude Managed Agents 的自管方案。

claude-managed-agents 提供的是一个控制平面：Claude 开一个 Agent session 时，Cloudflare 自动拉起 sandbox；session 结束后，把环境关掉。

它要解决的六个问题

• 两种执行环境：MicroVM 或轻量 Isolate
• 状态持久化：session 休眠后可以恢复
• 网络出口控制：限制 Agent 能访问哪些域名
• 凭据注入：Agent 不直接拿到 secret，也能调用外部服务
• 私有网络访问：通过 Workers VPC 访问内网或其他云资源
• 自定义工具：接 Browser、Email、Image Generation 等能力

内置已支持 Browser Automation、Email、Private、Service Access、Image Generation。

最值得记的一点：凭据不必让 Agent 知道

凭据可以在网络出口层自动注入，请求经过代理再发出去。Agent 能访问某个服务，但不需要知道真实凭据。对长期运行、权限又比较高的 Agent，这比把 API Key 塞进环境变量稳妥得多。

我的看法

这份清单里没有一条是"模型能力"，全是"运行底座" —— sandbox、网络权限、secret、状态恢复。多 Agent 项目的竞争，正在从"谁能把任务做对"移到"谁能安全地让它跑很久"。

三个值得收藏的思路：生命周期跟 session 绑定（用完即毁）；权限从"给不给 key"改成"能不能到达"；状态可恢复，长任务不必赌"一次跑完"。

提醒：我没实测，原文也没给性能数据；它围绕 Claude Managed Agents 适配，换别的 harness 不一定能直接套。

仓库在这儿：
github.com/cloudflare/cla…

你们团队的CI告警还在靠人盯吗？ClaudeDevs分享了一个实战案例：他们把Claude Tag设为CI团队的on-call第一响应人。

具体怎么用的：

1. 自动读取告警、指标和日志——不用人手动翻看
2. 生成SITREP（态势报告），把问题的来龙去脉整理清楚
3. 维护一份lessons.md，每次事故都沉淀经验，越用越聪明

本质上就是把Claude Tag当成了一个永不下班的值班工程师，而且它还能从每次事故中学习，不断积累对你们系统的理解。

他们还开源了整套配置模板和Skills，可以直接拿来用。

这其实代表了一个趋势：AI Agent不只是写代码的工具，它正在变成团队里的一个「数字同事」——能接任务、能看数据、能写报告、还能从错误中学习。从Chat到Coding Agent再到AI Coworker，产品形态在快速演进。

Pi本身已经很好用了，但社区里有6个开源项目能让它的能力再上一个台阶。不管你是想多Agent协作、自动切模型、还是从零搭建工作流，基本都能找到对应的方案。

1. pi-subagents：多Agent分工协作

给研究员、执行者、审稿员分别配不同的模型和工作方式，主Agent负责派活和收结果。适合需要多角色配合的复杂任务，比如代码审查、文档生成这种场景。

1. pi-interactive-shell：AI盯终端，你随时接手

开发服务器、远程连接这类需要一直跑的程序，可以放进可见窗口里运行。中途需要你操作直接敲键盘就行，不用来回切换。实测很实用。

1. pi-model-switch：按任务难度自动换模型

简单任务用快速便宜的模型处理，遇到复杂问题自动升级到更强的模型。已经接了好几个模型的人用这个特别合适，省钱又不耽误质量。

1. pi-autoresearch：AI自动迭代优化代码

提出假设、改代码、测指标，效果好就保留，变差就撤回，然后继续下一轮。相当于让AI自己做A/B测试，省去了手动反复调试的时间。

1. pi-code：带着Claude Code的配置过来

如果你已经在Claude Code里积累了一套规则、Skill和工具配置，选这个可以直接迁移过来继续用，不用从头配。

1. monopi：从零开始的全家桶

任务管理、后台任务、子Agent系统一次装好。适合刚接触Pi、想一步到位搭好完整工作环境的人。

这6个项目基本覆盖了Pi进阶的主要方向，根据自己的需求选就行。

#Pi #AI编程 #开源项目 #Agent #Claude