106 posts tagged with "AI Agent"

Claude Design 是 Anthropic 2026 年 4 月推出的 AI 设计工具，社区在 4 天 内逆向出开源替代 Huashu Design，GitHub Star 一个月破 1.7 万。

1. 本质是 skill：一套注入 AI Coding 终端的设计 skill 文件，自然语言描述需求，Agent 自动生成成品，不是 SaaS 产品。
2. 七大交付能力：交互原型、可编辑 PPTX、60fps 动画、信息图、设计变体、风格顾问、5 维评审。
3. 品牌资产协议：5 步硬流程——问→搜→下载→提取色值→固化 spec，绝不从记忆猜品牌色。
4. Junior Designer 工作流：先问澄清问题、先出占位符、尽早展示——理解错比晚发现便宜 100 倍。
5. 反 AI Slop 规则：禁止紫渐变、emoji 图标、Inter 字体、过度圆角，用 oklch 色域和 CSS Grid。
6. 一句话总结：Claude Design 是更好的图形工具，Huashu Design 让图形工具这层消失。

RLHF 是大模型从"能用"到"好用"的关键一步。它不解决"模型知不知道答案"，而是解决"答案像不像人话"。

• 三阶段工作流：SFT 教指令遵循 → 奖励模型学打分 → PPO 用打分信号优化策略。
• 奖励模型的核心任务：给任意 prompt+response 打出标量分数，替代人类实时标注。
• PPO 的奖励不是纯 RM 分，而是 RM 分减 KL 惩罚——防止模型为刷高分胡说八道。
• PPO 对超参极度敏感，RM 不准确会导致优化跑偏，这是 RLHF 最大的工程难点。
• DPO（NeurIPS 2023）直接砍掉奖励模型和 RL，把偏好对齐变成分类问题。
• DPO 更稳定更省资源，已成 RLHF 主流替代方案。

SSE 和 STDIO 是 MCP 的两种传输方式，区别不在通信模式，在进程边界——STDIO 面向本地进程，SSE 面向远程服务。

• STDIO：客户端 fork 子进程，通过 stdin/stdout 收发 JSON-RPC，零网络开销
• SSE：客户端连远程 HTTP 端点，服务端推送事件，需处理鉴权和网络延迟
• 选择逻辑：本地工具用 STDIO，远程共享服务用 SSE，场景决定选型
• 核心差异：STDIO 进程由客户端管理生命周期，SSE 服务端独立部署
• MCP 演进：原始 HTTP+SSE 已被 Streamable HTTP 替代，不再需要双通道拆分
• 关键提醒：本地工具用 SSE 是自找麻烦，多了端口、CORS、鉴权，收益为零

对齐是把"会说话的模型"变成"能帮忙的助手"的关键一步。

• 问题：基座模型只会续写 token，不会服从指令。
• 定义：对齐 = 让输出符合有用、诚实、无害 三 个标准。
• SFT：用"指令→回答"样例做监督微调，教会模型执行任务。
• RLHF：人类打分排序 → 训练奖励模型 → PPO 强化学习优化。
• DPO：直接从偏好数据学习，省掉奖励模型，训练更稳定。
• 代价：过度对齐有"对齐税"——创造力下降，安全与能力需要取舍。
• 现实：对齐不是一锤子买卖，用户反馈是最好的持续对齐信号。

AI 模型的流式输出本质是单向长文本推送，SSE 比 WebSocket 更合适，多数场景不需要双向通道。

• SSE：基于 HTTP，服务端到客户端单向推送，内置自动重连，零额外握手成本
• WebSocket：全双工双向通信，需要协议升级，实现复杂、资源开销大
• 选择逻辑：AI 问答是客户端发一条请求、服务端流式返回文本，单向通道完全够用
• 双向需求：语音对话、实时协作编辑才需要 WebSocket，纯文本问答不需要
• 坑 ①：HTTP/1.1 下同一域名最多 6 个 SSE 并发连接，多标签页可能占满
• 坑 ②：组件卸载时忘记手动关闭 EventSource，连接不会自动释放，导致内存泄漏

.vscode/launch.json 不是 Claude Code 的配置文件，但它是 Claude Code 获得调试能力的"基础设施"——MCP 调试服务器通过它让 AI 学会打断点、查变量、单步执行。

1. launch.json 的归属：它是 VS Code 调试器的配置，定义"怎么启动调试器"——用 Node 还是 Python、传什么参数、设什么环境变量。
2. Claude Code 怎么调试：通过 MCP 服务器（如 Claude Debugs For You）桥接——Claude 发指令 → MCP 翻译 → 调 VS Code Debugger API → 读 launch.json → 启动调试。
3. Claude Code 自己的"launch config"：不在 .vscode/，在 .claude/settings.json（权限和钩子）+ CLAUDE.md（项目指令）+ .mcp.json（工具集成）——它定义的是"AI 怎么跑"，不是"程序怎么跑"。
4. 核心区别：launch.json 回答"程序从哪里启动、参数是什么"；Claude Code 配置回答"AI 能改哪些文件、能用什么工具、每一步要遵循什么流程"。
5. 一句话记住：launch.json 是程序的入口，Claude Code 配置是 AI 的入口——两件事别搞混。

AI Coding 工具越来越多，配置文件越来越乱——CC Switch 用一个 GUI把 Claude Code、Codex、Gemini CLI 等工具的 Provider、MCP Server、Skills 全管起来，一键切换，不用再手改 JSON。

1. What：桌面应用，系统托盘常驻。50+ 内置 Provider 预设，一键盘切换 API 供应商，所有工具的配置自动同步。
2. Why：Claude Code 一天切三次模型，Codex 用 Kimi，Gemini CLI 用 DeepSeek——三个工具三套配置，手动改早晚改出问题。
3. How：Tauri 2 + React + Rust。本地 SQLite 存配置，内置代理做请求转发和自动故障转移。配置修改走原子写入，不会写到一半断电变砖。
4. 隐藏能力：MCP 双向同步——在 CC Switch 加一个 MCP 服务，Claude Code 和 Codex 都能用。Skills 从 GitHub 一键安装，自动检测更新。
5. 一句话记住：你不需要手动改 settings.json 了。

AI Coding 的下半场不是 更强的模型，而是更难违反的流程。

1. Superpowers 是什么：一套 Claude Code 插件，注入 14 个 skill，强制 5 阶段不可绕过流程。
2. TDD 硬约束：RED-GREEN-REFACTOR 循环被写进 skill 代码，测试必须先失败才能写实现。
3. 官方收编信号：Anthropic 一月将其纳入官方插件市场——承认纯灵活无法规模化。
4. 数据说话：任务完成率 62% → 89%，token 消耗增加 37%。
5. 版本化管理：skill 是文本文件，可 git 提交、code review——团队第一次能把 AI 写代码的规矩版本化。
6. 动态 vs 静态：相比 .cursorrules 和 CLAUDE.md，skill 按任务状态精确触发，不打扰无关流程。
7. 一句话记住：把规则写进 skill 代码，不是 prompt 里。

agent-browser 和 Playwright CLI 的区别不在"谁更好"，而在谁在做决策——是 LLM 自己看着办，还是人写好每一步指令。

1. agent-browser 目标驱动：给自然语言目标，LLM 自己规划并执行
2. Playwright CLI 步骤驱动：open → click → fill，每一步都得人写清楚
3. agent-browser 用 Accessibility Tree + @ref，Token 仅为完整 DOM 的 5%
4. Playwright CLI 交互结果写磁盘，Agent 按需读，Token 比 MCP 方案省更多
5. agent-browser 直连 CDP 复用登录会话；Playwright CLI 默认隔离上下文
6. 容错逻辑相反：agent-browser LLM 语义兜底，Playwright CLI ref 变就挂
7. 两条路都能走，走反了就是纯烧 Token

Playwright MCP 和 Chrome DevTools MCP 不是竞品——一个负责"开"，一个负责"修"。

1. Playwright 做浏览器自动化（干活），DevTools 做性能诊断（找问题）
2. Playwright 基于 Accessibility Tree，Token 仅为原始 DOM 的 20-30%
3. DevTools 基于 CDP，能拿到网络瀑布、Lighthouse、堆快照等完整运行时数据
4. Playwright 支持全平台浏览器；DevTools 仅 Chromium
5. DevTools 独有 Trace 自动分析、Lighthouse 审计、V8 堆内存快照
6. Playwright 独有 Auto-wait、跨浏览器测试、结构化定位

一句话：日常交互用 Playwright，需要性能/网络排查时切 DevTools。