Coding Agents & Complexity Budgets
https://leerob.com/agents Lee Robinson 分享了使用数百个 Agent 将 cursor.com 从 CMS 迁移到纯代码和 Markdown 的经验。他强调，AI 时代抽象的成本极高，应尽量回归原始代码。他提出了 Agent 理解代码库的四个建议：代码即真理、Agent 需具备验证能力（测试、Lint）、维护有效的 AGENTS.md 文件、以及建立自驱动的代码库自动化。他认为，通过减少不必要的抽象，可以显著降低复杂性并提升 Agent 的执行效率。
Claude Code 引入动态工作流 — Claude Code 核心开发者的总结
https://x.com/trq212/article/2061907337154367865 Claude Code 最新引入的动态工作流功能，允许 Claude 在运行时动态编写和执行 JavaScript 文件，从而创建自定义的“任务骨架”。这一机制解决了单一上下文窗口在处理长周期、复杂或对抗性任务时的局限性，如代理懒惰、目标漂移等问题。通过将任务拆解为多个子代理，Claude 可以实现更高效的并行处理和验证。该功能支持多种模式，包括分类与行动、分发与合成、对抗性验证等。虽然该功能增加了 token 消耗，但为处理复杂工程任务提供了强大的编排能力。
Cursor：构建云端代理的经验教训
https://cursor.com/blog/cloud-agent-lessons Cursor 分享了过去一年构建云端代理的经验。他们发现，云端代理的成功不仅仅是本地代理的迁移，更需要构建一个围绕代理的操作系统层。核心经验包括：高质量的开发环境是产品本身；长运行代理需要持久化执行平台；代理与对话状态的解耦；以及构建自愈环境的重要性。随着云端代理能力的增强，其架构越来越像是一个复杂的分布式系统，而非简单的脚本执行器。
Anthropic 探讨 AI 自主构建：递归自我改进的潜力与风险
https://www.anthropic.com/institute/recursive-self-improvement Anthropic 发布研究报告，探讨了 AI 系统自主设计和开发其后继者的可能性，即“递归自我改进”。数据显示，Anthropic 工程师的编码产出在过去几年中提升了 8 倍，部分归功于 AI 辅助。虽然目前尚未实现完全自主的自我改进，但技术趋势表明这一天可能比预期更早到来。该报告强调了这种能力在科学和医疗领域的巨大潜力，同时也警示了人类可能失去对 AI 系统控制的风险。Anthropic 计划通过研究来应对这些挑战，确保未来发展的可控性。