阅读日报 · 2026-07-31
阅读清单
📚 今日阅读清单
2026-07-31 · 共 8 篇 · 整理自阅读记录
🤖 AI 编程
1. Agent Interaction Guidelines（AIG）— Linear Developers
Linear 提出的 Agent 交互指南：随着 Agent 大量承担软件的规划、构建、审查与部署，人机协作需要新的契约。AIG 定义了身份标识、状态透明、即时反馈、退出机制与委托模型等原则——Agent 必须清晰可辨、全程可审查、随时可终止，最终责任始终由人类承担。
🔗 查看原文 — linear.app/developers/aig
2. Anthropic 内部用了几百个 Skills，他们总结出了这 9 种最有效的类型
Anthropic 内部在 Claude Code 中运行数百个 Skill，梳理出 9 种最有效类型（库/API 参考、产品验证、数据获取分析、工作流规范化等）。Skill 本质是含脚本与资源的文件夹而非纯 Markdown；好的 Skill 清晰归属某一类别，配合负面示例与动态 Hooks 能显著提升 Agent 路由准确率。
3. Shell + 技能 + 压缩：长期运行且真正发挥作用的代理的技巧
OpenAI Responses API 三项原语的最佳实践：用精心设计的 Skill 描述与负面示例提升 Agent 路由准确率；将模板与示例内置于 Skill 以压缩 Token；用容器复用与服务端压缩保障长期运行的连续性；再以两层 Allowlist 与 Domain Secrets 防范数据泄露。三者结合即可构建可重复、可隔离、长时运行的实用 Agent。
🔗 查看原文 — developers.openai.com
4. The AI Agent Complexity Ratchet：为何需要 90% 测试覆盖率
Garry Tan 通过两个开源项目（约 97 万行代码）的实践指出：AI Agent 让 90% 测试覆盖率成本归零，形成"复杂性棘轮"——系统质量只升不降。Agent 随代码自动编写测试，缺陷逃逸率降一个数量级。测试覆盖率不是虚荣指标，而是把混乱代码转化为可控系统的关键；不构建棘轮的 AI 项目终将崩溃。
5. 一切都是拉尔夫循环（It's All Ralph Loops）
作者认为传统"搭积木"式软件开发已死，取而代之的是 Ralph 循环：把 LLM 视为新型可编程计算机，通过上下文工程编程"循环"，自动化工程师自身的工作职能，最终走向无需人力、自主演化产品的软件工厂。文中展示了 Loom 项目的自动验证与自愈能力，证明演化式软件愿景已成现实。
6. 代理原生架构：代码编写完成后如何构建应用程序
Every 提出的 Agent 原生应用构建指南：让 Agent 成为一等公民。核心原则——工具必须是原子原语且能力与 UI 对等；功能即提示词描述的结果，由 Agent 在工具循环中执行直至达成；以文件系统作为通用接口；在有限上下文窗口内合理设计。该架构让 Agent 涌现出开发者未预见的组合能力。
🔗 查看原文 — every.to/guides/agent-native
🌱 职场与个人成长
7. How to Earn a Billion Dollars — Paul Graham
Paul Graham 基于牛津联盟演讲指出：成为亿万富翁无需作恶，关键只有两个数字——增长率和持续增长的时间。做出让用户喜爱并愿推荐的产品就能实现指数级增长（月增 15%，五年增长 4384 倍）。最好的创业想法往往来自和朋友做有趣的项目，理解用户真实需求（同理心）才是成功的核心。
8. Maybe You Should Learn Something — Marginalia
鼓励成年人重新学习新技能——像素画、盲打、3D 建模、木工、一门语言皆可，每天 30-45 分钟足矣。关键在于接受初学时的挫败感：进步发生在睡眠而非练习当下。坚持数月跨过"糟糕之山"即进入实用的中级平台期；这是一项终身受益、且让人变得更有趣的长期投资。
