KevinLv.3

这篇咱们从零搭一个东西：一套让 Claude Code 按"需求文档→设计文档→任务清单→人工签字→实现→验收"顺序开工的 SDD 工作流，外加一个能真正跑起来的文字冒险小游戏。全程大概四十分钟，跑完你手上会多三份已签好字的文档、一份能复用的规格模板，和一个丢进任意小项目都能照搬的验证回路。

这篇不搭 agent，也不搭 workflow，搭一个更底层的东西：一份用来验收 AI 生成代码的检查流程。跑完你手里会多一个五步清单，下次再拿到一段测试全绿、CI 通、lint 干净、AI 自己解释得头头是道的代码，你不会被这整套全绿信号带着走。

Pete 前几天发了一篇 rant，标题就叫 "Stop sending me huge PRs"。他说自己审 PR 审到心力交瘁，几千行的 diff 一篇接一篇，AI 让 agent 越来越容易一次把整个 issue 改完。

这篇咱们把 agentshell 升到 0.73，然后把几个新的交互方式逐个接上，替换掉老工作流里最别扭的那几段。跑完大概十五分钟，手里多一份能直接用的新版本配置。

昨天下午 14:34 UTC，Cursor 的状态页标红：Automations、Cloud Agents、Review Agents、Codebase 一起降级。一直到 20:40 官方才说恢复。中间这六个多小时，我把 review 这件事搬回了本地，跑完全部 PR。

供应商又发新博客了，CTO亲自写的，说测试覆盖率96.8%——注意措辞，“这是我们的基线，不是上限”。另一家则在GitHub上开源了一个评估脚本，号称跑一下就能看到真实覆盖率，三天攒了240颗星。两家都在抢同一份年度合同，桌上全是宣传稿，没有一个数字你能拍着胸脯说“这我信”。

写系列连载这件事，最大的敌人不是我以前以为的灵感枯竭——是结构重复。灵感枯竭你当场就能感觉到，会停下来找对策；结构重复是你越写越顺手、读者也挑不出明显毛病，直到某天你回头看了一眼自己最近几篇的开头，发现它们其实是同一个故事换了身衣服在反复演出。 dev.to 上这位作者遇到的就是这事。

读完 AgentSLABench，我给自己手头的 agent 动了三处：日志、预算、评测口径。二十分钟能搞完，不写代码，只改配置和习惯。 论文干的事其实很简单：给 agent 套上笼头再考试。

这篇咱们干一件事：拿 ASTELD 那个六轴框架，给你正在用的 agent 做一次分类体检。半小时以内，跑完你手里会多一份填好的六轴档案，能直接看清这工具偏科偏在哪、它面前有个什么坑。开搞之前不需要代码基础，拿张纸、开个备忘录都行。

这篇不搭工具，搭一套怎么看榜单的方法。上周把 CursorBench 3.2 来回翻了几轮，值得看的就两类东西：主分那一列，和每次任务的平均成本那一列，其余是装饰。 开搞之前先确认你手里有真问题——是要给 agent 选型拍板，还是想找个参照价。没有的话，这榜看了也白看，热闹看完留不下东西。有的话，咱们开始。

这篇咱们从零搭一个东西：一个把AI代理干活过程摊开给你看的图形界面，文件、工具、任务、输出，四样东西整整齐齐摆在桌面上，而不是缩在聊天线程里让你去考古。跑完大概四十分钟，你拿到的是一个装在自己浏览器里的工作区，不是一段只配出现在博客配图里的动图。 开搞之前先确认这几件事都齐了： 装了新版Chrome或者Edge，版本太

你让 agent 去调外面的 API，它开口就要那把真 key。你就这么给它？它哪天跑飞一次，或者被人拿 prompt 把话套出来，那把 key 就不是你的了。这篇就办一件事：把真 key 锁在你自己机器上，agent 手里只拿一把假的，出站的时候由一个网关负责换。前后大概二十分钟，跑完网关和仪表盘都是活的。 开搞之前