[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-claude-code-advanced-patterns-six-months-zh":3,"tags-claude-code-advanced-patterns-six-months-zh":28,"related-lang-claude-code-advanced-patterns-six-months-zh":39,"related-posts-claude-code-advanced-patterns-six-months-zh":43,"series-ai-agent-795e71d1-19c4-4e7e-9fe8-4f3e56375ebd":80},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":18,"translated_content":9,"views":19,"is_premium":20,"created_at":21,"updated_at":21,"cover_image":11,"published_at":21,"rewrite_status":22,"rewrite_error":9,"rewritten_from_id":9,"slug":23,"category":24,"related_article_id":25,"status":26,"google_indexed_at":27,"x_posted_at":9,"tweet_text":9,"title_rewritten_at":9,"title_original":9,"key_takeaways":9,"topic_cluster_id":9,"embedding":9,"is_canonical_seed":20},"795e71d1-19c4-4e7e-9fe8-4f3e56375ebd","用了 Claude Code 半年，這五件事我希望一開始就知道","\u003Cp>Claude Code 上手一週之後，大部分人還在問它「一個問題、拿一個答案、關掉視窗」。這個用法跟 ChatGPT 差不多，看不出差異。\u003C\u002Fp>\n\u003Cp>差別要從「讓它記住東西」開始。Claude Code 最被低估的能力不是跑 shell、也不是搜網頁，而是\u003Cstrong>跨 session 的記憶機制\u003C\u002Fstrong>：CLAUDE.md、MEMORY、Skill、Subagent、Cron、MCP server 這一整組工具，拼起來能把一個 AI 助手變成一個\u003Cstrong>會學習的數位分身\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>這篇整理用了半年後，最想回去告訴剛開始那個自己的五件事。不是功能清單，是「這些功能\u003Cstrong>應該用在什麼情境\u003C\u002Fstrong>」。\u003C\u002Fp>\n\u003Ch2>一、CLAUDE.md 不是人格設定，是 guardrail\u003C\u002Fh2>\n\u003Cp>很多教學把 CLAUDE.md 當作「給 Agent 寫人格」的地方，寫「你要直接、有觀點、不要用客服用語」這種指示。這些寫了沒錯，但用錯重點。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738620609-g10m.png\" alt=\"用了 Claude Code 半年，這五件事我希望一開始就知道\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\n\u003Cp>\u003Cstrong>CLAUDE.md 的真正用途是 guardrail\u003C\u002Fstrong>，不是 personality。它是你每次對話都會被強制注入的上下文，最有效的用法是寫\u003Cstrong>你反覆踩到的陷阱\u003C\u002Fstrong>，而不是泛泛的性格描述。\u003C\u002Fp>\n\u003Cp>例子，這種寫法沒用：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>你要簡潔、有觀點、不要囉嗦。\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>Claude 讀了這段幾乎什麼行為都不會改，因為「簡潔」跟「囉嗦」它本來就有判斷。有用的寫法是：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cul>\n\u003Cli>DELETE \u002F UPDATE 執行前，必須先用相同 WHERE 條件跑 SELECT 確認影響範圍\u003C\u002Fli>\n\u003Cli>API Key 禁止硬編碼，要用環境變數\u003C\u002Fli>\n\u003Cli>完成修改必須跑 linter 才能標記任務完成\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fblockquote>\n\u003Cp>這三條是\u003Cstrong>可執行的檢查點\u003C\u002Fstrong>。Claude 違反這些條件時你能指著條文說「你違反規則 X」，它會真的改。\u003C\u002Fp>\n\u003Cp>實務建議：CLAUDE.md 保持在 1KB 以內，寫「\u003Cstrong>事件驅動\u003C\u002Fstrong>」的規則（當你遇到 X 就要 Y），不寫「\u003Cstrong>狀態描述\u003C\u002Fstrong>」的規則（你是 Y 類型助手）。前者是 guardrail，後者是裝飾。\u003C\u002Fp>\n\u003Ch2>二、Memory 不是檔案系統，是「頻率 × 持久度」的儲存\u003C\u002Fh2>\n\u003Cp>Claude Code 的 Memory 大致分三層：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Session Memory\u003C\u002Fstrong>：當前對話的上下文，關掉就沒了\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Persistent Memory\u003C\u002Fstrong>：\u003Ccode>MEMORY.md\u003C\u002Fcode> + \u003Ccode>USER.md\u003C\u002Fcode> 跨 session 持久\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Skill Memory\u003C\u002Fstrong>：從經驗提煉的可重用工作流\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>表面看起來像三種檔案，實際上是\u003Cstrong>頻率 × 持久度\u003C\u002Fstrong>的兩軸：存得越久、調用頻率越低，就該用越濃縮的形式。\u003C\u002Fp>\n\u003Cp>踩過的坑：早期什麼都塞 \u003Ccode>MEMORY.md\u003C\u002Fcode>，包括「今天 deploy 了 v4.9.3」「某個客戶的 edge case 處理」這種臨時性事實。結果兩個月後 \u003Ccode>MEMORY.md\u003C\u002Fcode> 膨脹到 8KB，每次對話都被灌一堆無關歷史，品質反而下降。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>該存的三種東西\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>難重現但會重複遇到的陷阱\u003C\u002Fstrong>（例：\"Supabase RLS 在 service role 下會被繞過，所有 public routes 必須 \u003Ccode>status=eq.published\u003C\u002Fcode> 明寫條件\"）\u003C\u002Fli>\n\u003Cli>\u003Cstrong>專案的長期決策\u003C\u002Fstrong>（例：\"Stack A 使用 Nuxt 3，不遷 Next.js\"）\u003C\u002Fli>\n\u003Cli>\u003Cstrong>用戶明確的偏好\u003C\u002Fstrong>（例：\"commit 訊息用 conventional commits，不加 emoji\"）\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cstrong>不該存的三種東西\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>短期狀態（今天 deploy 了什麼）\u003C\u002Fli>\n\u003Cli>可以從 code \u002F git 讀出來的事（專案結構、最近 commits）\u003C\u002Fli>\n\u003Cli>單次專案的細節（「本次重構的檔案列表」）\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>這些短期資訊放 task list、git log 或 session memory 就夠。寫進 \u003Ccode>MEMORY.md\u003C\u002Fcode> 反而污染未來對話。\u003C\u002Fp>\n\u003Ch2>三、Skill 的價值在組合，不在單個 Skill 多強\u003C\u002Fh2>\n\u003Cp>很多人把 Skill 當「插件」使用，裝一個用一個。這樣看不出 Skill 的真正價值。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738619980-6887.png\" alt=\"用了 Claude Code 半年，這五件事我希望一開始就知道\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\n\u003Cp>\u003Cstrong>Skill 的化學反應出現在串接\u003C\u002Fstrong>。舉個具體例子，做一個新聞網站的內容管線，可以串 5 個 Skill：\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>keyword-research\u003C\u002Fstrong>：輸入話題，產出 SEO 關鍵字與搜尋意圖\u003C\u002Fli>\n\u003Cli>\u003Cstrong>content-brief\u003C\u002Fstrong>：輸入關鍵字，產出文章大綱 + 原始資料來源\u003C\u002Fli>\n\u003Cli>\u003Cstrong>draft-writer\u003C\u002Fstrong>:輸入大綱，產出第一版 HTML 文稿\u003C\u002Fli>\n\u003Cli>\u003Cstrong>humanizer\u003C\u002Fstrong>：掃描 AI 寫作模式，產出修訂建議\u003C\u002Fli>\n\u003Cli>\u003Cstrong>seo-optimizer\u003C\u002Fstrong>：輸入稿件，檢查 meta、canonical、內鏈密度\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>每個 Skill 單用都普通，串起來能跑出一條\u003Cstrong>零接觸\u003C\u002Fstrong>的文章產製線。重點不在 Skill 強度，在於它們\u003Cstrong>透過檔案系統傳資料\u003C\u002Fstrong>——每步輸出寫到固定檔案，下一步直接讀，不依賴記憶體變數。\u003C\u002Fp>\n\u003Cp>設計 Skill 的三個原則：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>單一職責\u003C\u002Fstrong>：一個 Skill 只做一件事，不要塞兩個功能\u003C\u002Fli>\n\u003Cli>\u003Cstrong>冪等\u003C\u002Fstrong>：同樣輸入跑兩次結果不變\u003C\u002Fli>\n\u003Cli>\u003Cstrong>可觀察\u003C\u002Fstrong>：每一步輸出落地為檔案，出錯時可以打開看\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>這三點看起來像 Unix 哲學，因為\u003Cstrong>它就是 Unix 哲學\u003C\u002Fstrong>。Skill 系統真正的設計靈感是 pipe，不是插件。\u003C\u002Fp>\n\u003Ch2>四、Subagent 派工的三種錯誤姿勢\u003C\u002Fh2>\n\u003Cp>Subagent 是「派生子任務」的機制，讓主 session 可以丟工作給獨立的子 Agent 並行跑。很多人第一次用會犯三個錯誤：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤一：濫用並行\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>把所有任務都丟 subagent。實際上\u003Cstrong>有順序依賴的任務並行反而更慢\u003C\u002Fstrong>，因為要把每個 agent 的結果餵給下一個，還得重新拼 context。只有\u003Cstrong>確定無依賴\u003C\u002Fstrong>的任務才適合並行。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤二：context 重複餵\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>派 subagent 時把整個對話歷史塞給它。Subagent 的價值就是\u003Cstrong>乾淨 context\u003C\u002Fstrong>，重新餵歷史違反設計。正確做法：給 subagent「目標 + 必要上下文」，讓它用空白腦袋做事。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤三：沒設 exit criteria\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>Subagent 不知道什麼時候算完成。預設行為是把話講完、寫個總結就停，但它可能只做了 30% 的任務就「結案」了。正確做法：在派工指令裡寫清楚「必須驗證 X 通過、必須產出 Y 檔案、必須回報 Z 數據」，沒達到不能結案。\u003C\u002Fp>\n\u003Cp>以 OraCore 的文章產製為例，我的派工模板是：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>把這 8 篇 markdown 轉成 HTML 並插入 DB。驗收條件：\u003C\u002Fp>\n\u003Col>\n\u003Cli>執行 \u003Ccode>SELECT count(*) FROM articles WHERE slug LIKE 'xyz-%'\u003C\u002Fcode> 結果為 8\u003C\u002Fli>\n\u003Cli>每筆 \u003Ccode>rewrite_status = 'done'\u003C\u002Fcode>、\u003Ccode>status = 'published'\u003C\u002Fcode>\u003C\u002Fli>\n\u003Cli>4 組 zh\u002Fen 透過 \u003Ccode>related_article_id\u003C\u002Fcode> 雙向連結。回報時附 SELECT 結果。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fblockquote>\n\u003Cp>Subagent 知道自己要達成什麼才算完成，結果品質直接從「猜它做到哪」變成「驗證數字」。\u003C\u002Fp>\n\u003Ch2>五、跨 CLI 協作：tmux、MCP server、檔案 bus 的取捨\u003C\u002Fh2>\n\u003Cp>用到一定程度會想「能不能讓 Claude Code 當主控，派工給 Codex、Gemini、本地的 llama.cpp 等不同模型？」這個想法合理，因為\u003Cstrong>每個模型有各自強項\u003C\u002Fstrong>：Opus 強在架構判斷、Codex 強在重構、Gemini 強在長 context 摘要。\u003C\u002Fp>\n\u003Cp>實作路徑有三種：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑一：tmux send-keys\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>用 tmux 開多個視窗分別跑不同 CLI，主控用 \u003Ccode>tmux send-keys\u003C\u002Fcode> 派指令，再 scrape terminal 讀回答。快速能動，但四個硬傷：沒 exit code、沒 structured response、terminal 字元污染、記憶靠人工。適合做 demo，不適合生產。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑二：MCP server\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>把每個 CLI 包成 MCP server 的 tool，主控呼叫 \u003Ccode>dispatch_to(model, task)\u003C\u002Fcode>，回應以 JSON 傳回。結構化、有錯誤處理、context 可以用 MCP resource 共享。工作量比 tmux 大（要寫 MCP server），但\u003Cstrong>一次投資長期受益\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑三：檔案匯流 bus\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>所有 agent 共用一個資料夾，透過檔案讀寫通訊。主控寫 \u003Ccode>\u002Ftasks\u002F001.json\u003C\u002Fcode>，worker 輪詢資料夾找新任務、寫 \u003Ccode>\u002Fresults\u002F001.json\u003C\u002Fcode>。簡單、debuggable、任何語言都能當 worker。缺點是輪詢開銷、沒即時性。\u003C\u002Fp>\n\u003Cp>我的結論：\u003Cstrong>demo 用 tmux、生產用 MCP、研究型實驗用檔案 bus\u003C\u002Fstrong>。不要想著一種解決所有情境。\u003C\u002Fp>\n\u003Ch2>結語：從工具到系統\u003C\u002Fh2>\n\u003Cp>Claude Code 最反直覺的地方是，它不是「一個工具」，是\u003Cstrong>一個會成長的系統\u003C\u002Fstrong>。用得越久，它越懂你。你踩過的坑變成它的 Skill，你的偏好寫進 Memory，你的專案規則刻在 CLAUDE.md。三個月後你會發現它已經不只是 AI 助手，更像是\u003Cstrong>一個繼續替你工作的數位分身\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>從「跟 AI 聊天」到「讓 AI 替你幹活」的距離，不是功能差距，是認知差距。先挑最痛的點切入：每天重複同樣指令的就寫 CLAUDE.md，多專案的就搞 project-level 規則，想讓 AI 自動做事的就上 Cron 加 Skill。\u003C\u002Fp>\n\u003Cp>重要的是開始用，讓系統自己長大。\u003C\u002Fp>\n\u003Ch2>延伸閱讀\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-anthropic-launch-zh\">Claude Design 上線：Anthropic 推 AI 設計工具挑戰 Figma\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-codebase-aware-system-zh\">Claude Design 最關鍵的技術細節：讀 codebase 建設計系統\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-features-guide-zh\">Claude Design 功能完整解析：從對話到 slide 只要一句話\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>","用 Claude Code 超過一週的人都會發現，它跟 ChatGPT 最大的差別不是能跑 terminal、也不是能搜網頁，而是它會記住東西並且隨使用成長。但多數人停在「跟它聊天」的階段。這篇整理半年經驗裡最有感的五件事：CLAUDE.md 的真正用法、Memory 該存什麼、Skill 組合的化學反應、Subagent 派工的三種常見錯誤，以及跨 CLI 協作（Claude Code \u002F Codex \u002F Gemini）的實作選擇。","OraCore Original",null,"OraCore","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738620609-g10m.png",[13,14,15,16,17],"Claude Code","AI Agent","CLAUDE.md","Subagent","MCP","zh",1,false,"2026-04-20T08:25:00.602016+00:00","done","claude-code-advanced-patterns-six-months-zh","ai-agent","cbfdbb12-d79f-47c3-8a9a-df1443ff0d74","published","2026-04-20T09:00:11.386+00:00",[29,31,33,35,37],{"name":15,"slug":30},"claudemd",{"name":17,"slug":32},"mcp",{"name":13,"slug":34},"claude-code",{"name":16,"slug":36},"subagent",{"name":38,"slug":24},"AI agent",{"id":25,"slug":40,"title":41,"language":42},"claude-code-advanced-patterns-six-months","Claude Code Advanced Patterns: 5 CLI Agent Design Tips","en",[44,50,56,62,68,74],{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":24},"38406a12-f833-4c69-ae22-99c31f03dd52","switch-ai-outputs-markdown-to-html-zh","怎麼把 AI 輸出改成 HTML","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778743243861-8901.png","2026-05-14T07:20:21.545364+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":24},"c7c69fe4-97e3-4edf-a9d6-a79d0c4495b4","anthropic-cat-wu-proactive-ai-assistants-zh","Cat Wu 談 Claude 的主動式 AI","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778735455993-gnw7.png","2026-05-14T05:10:30.453046+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":24},"e1d6acda-fa49-4514-aa75-709504be9f93","how-to-run-hermes-agent-on-discord-zh","如何在 Discord 執行 Hermes Agent","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778724655796-cjul.png","2026-05-14T02:10:34.362605+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":24},"4104fa5f-d95f-45c5-9032-99416cf0365c","why-ragflow-is-the-right-open-source-rag-engine-to-self-host-zh","為什麼 RAGFlow 是最適合自架的開源 RAG 引擎","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778674262278-1630.png","2026-05-13T12:10:23.762632+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":24},"7095f05c-34f5-469f-a044-2525d2010ce9","how-to-add-temporal-rag-in-production-zh","如何在正式環境加入 Temporal RAG","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778667053844-osvs.png","2026-05-13T10:10:30.930982+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":24},"10479c95-53c6-4723-9aaa-2fde5fb19ee7","github-agentic-workflows-ai-github-actions-zh","GitHub 把 AI 代理放進 Actions","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778551884342-8io7.png","2026-05-12T02:11:02.069769+00:00",[81,86,91,96,101,106,111,116,121,126],{"id":82,"slug":83,"title":84,"created_at":85},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"e41546b8-ba9e-455f-9159-88d4614ad711","openai-codex-plugin-claude-code-zh","OpenAI 把 Codex 放進 Claude Code","2026-04-01T09:21:54.687617+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00"]