我们拆了2026年3月24日的一份Clawhub公开数据快照，样本共33,760个skills。这个市场的问题，不是供给不足，而是大部分供给没有穿过安装这道门。 下一阶段真正会赢的，不是功能最多的，也不是概念最大的，而是那些能让用户迅速完成一个动作、迅速看到结果、迅速形成依赖的 skill。这意味着Clawhub已经不缺供给，缺的是能真正形成安装的供给。很多skill完成了曝光，没有完成安装，而安装，已经明显向头部集中。
裸模型有四大硬伤：无记忆、不能执行代码、知识过时、无工作环境。Harness 六大组件逐一补救——文件系统管存储与版本；沙箱赋予代码自验证；AGENTS.md 无需训练即可注入知识；Web Search+MCP 打破知识截止；上下文工程对抗信息腐烂；编排+Hooks 保障多 Agent 协同质量。System Prompt 贯穿始终，是整套系统的神经中枢。 一句话摘要： 模型提供智能，Harness 让智能变得有用。如果你不是模型本身，那你就是 Harness 的一部分。
最近，「Harness Engineering」这个概念在 AI 工程圈里热了起来——Mitchell Hashimoto（HashiCorp 联合创始人、Terraform 缔造者）和 OpenAI 工程团队相继发文，描述了一套「让 Agent 可靠工作」的工程方法论。与此同时，笔者也在实践一套规范驱动（SDD）的 AI Coding 工作流，核心投入在于构建一套完整的 Spec 体系——把系统的意图、契约、行为规范结构化地写进仓库，让 Agent 有据可查。
从 speckit 踩坑到认知重建，从推翻精密架构到一个 AGENTS.md 文件重新出发。这篇讲的是"我做了什么，以及它为什么有效"。一个 AGENTS.md 文件，两个月后长成了拥有 22 个 Agent、27 个 Skill、28 个命令的工程体系。它不是设计出来的，而是被真实需求一步步逼出来的——中间经历了场景路由的建设与推翻、方法论的沉淀、多 Agent 协同代码审查的实战、运营活动配置的端到端落地，以及从一个人用到一个团队用的完整过程。如果你正在思考"AI 辅助开发到底能走多远"，这篇文章给出的不是理论答案，而是一份带着所有弯路和修正的实践记录。
Token正在重塑AI时代的价值坐标，它是效率革命的引擎，还是成本失控的暗礁？本期将从Token降本的视角，透视AI时代"新石油"的经济逻辑。
AI 以超乎预期的速度席卷开发领域，AI 工程化也成为各业务团队优先探讨的命题。输入法团队从实际需求出发，在Kuikly跨端项目中逐步探索并沉淀出一套 AI 工程化方案，目前已有不少需求按此流程完成开发并上线。以此文与大家分享其中的实践经验与思考，希望为同样在 AI Coding 工程化路上探索的团队提供一些可参考的思路。Kuikly是腾讯广泛使用的跨端开发框架，提供了使用Kotlin语言开发Android、iOS、鸿蒙、Web、小程序、MAC跨端应用能力。目前已在 QQ、腾讯新闻、QQ 音乐、搜狗输入法、QQ 浏览器等20+业务深度使用，服务业务的总页面数1000+、日活用户超5亿，满足了这些业务在众多场景下的各类复杂需求（应用场景案例）
在上一篇文章一个坏消息和一个好消息里，有“热心读者”非常关心，官号小编的工作岗位什么时候被裁。 作为利益相关方，小编我有必要出来澄清一下——得益于 AI 大模型的底层能力迭代和 Agent 代理的快速普及，我的工作可能真的快被 AI 所取代了。暴风哭泣.jpg
