丢失的东西 26.7-8月中下旬总结
0. 前言
怎么说呢，这段时间，我觉得我现在到了一个“新的阶段” 很多方面都发生的变化让我有点难以说起，况且我对于现在自己的文字和表达都较难看得“顺眼” 这些变化有生活相关、工作相关和自己相关，还有 AI 相关
2026¶
需要思考和解决的问题太多了 26.6月总结
0. 前言
现在的每一天我都感觉，需要思考和解决的问题真是太多了。
无论是工作上的还是生活上的，重要的还是不重要的，都会出现在我面前等待着我。
当然它们有积极的一面，也有消极的一面，但还是觉得这样活着还是会感到些许疲惫。
更何况，现在我的耐心，也变得越来越难以保持，总在想着下一个，过程变得越来越“随便”。
加速焦虑的环境，膨胀廉价的文字，精美统一的图纸，渴望进化的飞轮，丰富梦幻的想法......
人们贪婪着，上瘾着，迷恋着，竞争着，这些标签和结果，
不断想用结果来证明自己，踩着过去的自己来宣告着自我的价值。
而我也渐渐地感觉到，这一切都容易变得虚假起来，变得类似起来，变得“光鲜亮丽”起来。
他们说这一切的变化叫做“革命”，享受着推翻事物的快感，挥舞着高高在上的旗帜。
我其实也能理解，只不过再难以看清对方和世界，灵魂上雕刻的印记，和残留的花纹。
从 CLI Agent 到本地 Agent Runtime：一套包装本地 Agent 的工程模式
文档目标
- 解释 Codex / Claude Code 这类 CLI Agent 如何从“终端里的命令”变成“工作流里的 Runtime”
- 用 Agentara 作为具体例子，拆解包装本地 Agent 需要补齐的运行时抽象、记忆机制和安全边界
- 总结这套模式在个人知识库、团队协作和仓库维护场景中的可迁移原则
失败与恐惧的回声 26.3-4月中旬总结
0. 前言
有些结果落下来时，并不会立刻把人击中。
最先收紧的，往往不是事实本身，而是呼吸、判断，以及看待自己的方式。
后面我才慢慢意识到，这段时间真正反复回响的，并不只是一次失败，还有被它重新唤醒的另一种旧声音：恐惧。
失败把我拉回现实，让我承认差距确实存在；恐惧却总想把我从现实里拽走，在很多事情还没开始之前，就先一步占领身体和情绪。
所以回头看，这段时间更像是在同时面对两门课。
一门课，是承认失败不是对整个人的否定，而是对当前能力边界的一次校准。
一门课，是学会在心里发颤的时候，依然不把自己交给退缩，而是继续往前走一点。
别再只盯着 SKILL.md 格式了：5 种更值得关注的 Agent Skill 设计模式
当越来越多 Agent 工具开始支持相似的 Skill 组织方式后，很多开发者仍然把注意力放在“外壳”上：
SKILL.md怎么写- frontmatter 怎么配
references/、assets/目录怎么摆- YAML 字段要不要补齐
这些当然重要，但它们解决的，本质上只是封装格式的问题。
真正决定一个 Skill 是否好用、是否稳定、是否能复用的，往往不是它“长什么样”，而是它内部的能力结构怎么设计。
一切都在加速 26.1-2月总结
本来想回顾下25年的，但这一切衔接的太快了。而我也没有好好给自己留出时间。
那就顺带着3月相关的结果尘埃落定，再来抽出时间完成吧。
0. 前言
日复一日，时复一年，岁月就这样匆匆流逝……就这样逃亡着，它改变了整个世界。
它既不休息，也不停留，更不会折返。直到最终将你化为了一粒微尘。
第一次读到的时候，有一瞬间没明白自己被什么触动了。
后来想，大概是"微尘"这个词。
不是某种诗意的消逝，而是字面意义上的——被抹去，不被记得，连痕迹都没有留下。
这种恐惧我平时不太说出来，但它是真实存在的。
这两个月，时间加速的感觉不是比喻。
没有喘息的余地去问"我在哪里"，因为一停下来，已经又被推着走出去很远了。
推特永远有读不完的内容，永远有一种"你在落后"的低鸣。
我知道这种焦虑本质上是对不确定性的应激，但知道归知道，感受是另一回事。
“如果要 90 分的结果，那么就需要要付出 120 分的努力。”
听起来还有很多的事情还要做。
交代过去 25.12月总结
0. 前言
12 月对我来说，并不是发生了什么巨大转折的一个月。
更多的时候，它像是一个需要被收尾的节点。
就像这一年里的很多事情已经发生过、推进过，也在当下留下了结果和感受。
与其急着从中提炼结论、寻找答案，我更需要先做的一件事，是如实地把它们交代清楚。
对我来说，每个月抽出时间来进行总结，在这个阶段的意义并不在于给未来下判断，也不是为变化找理由，
而是让已经发生的事情有一个清晰的位置——
什么是用来交代过去的，什么是用来记录现实的，什么是需要单独拆出来、面向未来慢慢重建的。
当一些问题被清楚地记录下来，而不是反复被带入现在，它们才真正成为“过去”。
Anthropic Agent Skills 完整指南：让 AI Agent 掌握专业技能的标准化方案
引言
随着大语言模型在各个领域的应用越来越广泛，如何让 AI Agent 更好地完成特定领域的专业任务成为了一个重要课题。Anthropic 推出的 Agent Skills 提供了一个优雅的解决方案——通过标准化的技能包（Skill），让 Claude 能够动态加载专业指令和资源，从而在特定任务上表现得更加专业和一致。
本文将深入介绍 Anthropic 的 Skills 项目，帮助你理解其核心价值、技术架构和实际应用。
跨平台 Skills 实践指南：在任何 AI 工具中使用专业技能
引言
Anthropic 的 Agent Skills 提供了一套优雅的专业技能管理方案，但最初它是 Claude 专属特性。随着社区的发展，现在有多种方案让其他 AI 编程工具（Cursor、Windsurf、Aider 等）也能使用 Skills，甚至在 LangChain、LlamaIndex 等框架中实现类似的 Skills 模式。
本文将介绍三种跨平台 Skills 实践方案，从开箱即用到深度定制，以及在实战中创建和迭代 Skills 的最佳工作流。
前置阅读：建议先阅读 Anthropic Agent Skills 完整指南 了解 Skills 的核心概念和技术架构。