Anthropic 实践：用 Claude Code 跑大规模代码迁移
How Anthropic runs large-scale code migrations with Claude Code Anthropic 官方分享其如何用 Claude Code 进行大规模代码迁移 large-scale code migrations 的实战做法。作为既做模型又重度自用的厂商，其内部工程实践对社区有很强参考价值，展示了在真实巨型代码库上编排 agent 做批量、跨文件改造的方法论。原文以 X 长文 article 形式发布。对想把 coding agent 用于大范围重构与迁移的团队是难得的一手经验。
Beej 随笔《On Making》：让 AI 代劳的东西，不算“我做的”
https://beej.us/blog/data/ai-making Beej（许多人背过他的 socket 指南）这篇《On Making》从“造东西带来巨大满足感”切入，提出一个扎心判据：那些你只是发请求、由别人（或 AI）代为完成的东西，他并不视为“自己造的”，因此满足感大减，甚至会因此失落。在 AI 代劳越来越多的当下，这篇随笔触及了一个真实而少被讨论的情绪问题——当制作被外包给智能体，“创造带来的意义感”也在被稀释。Mario Zechner 评价它“开头很猛、随后发散”，但情感上极具共鸣。它不是技术文，而是一段关于“亲手做”为何重要的真诚自省。
The new rules of context engineering for Claude 5 models
https://x.com/trq212/article/2080710971228918066 本文介绍了针对Claude 5系列模型的新一代上下文工程规则。核心发现是过去过度约束模型已不再必要，新模型具备更好的判断力。文章提出了从”给规则”转变为”让Claude运用判断”、从”给示例”转变为”设计接口”、采用渐进式信息展示、简化工具描述、自动记忆管理、以及使用丰富引用（如HTML原型、测试套件）等最佳实践。最后建议保持CLAUDE.md轻量化，将技能视为轻量指南，并推荐使用’claude doctor’命令自动优化上下文配置。
How I Plan, Build, and Run Loops with Claude Code in 40 Minutes | Thariq Shihipar
- 这期是 Peter Yang 访谈 Claude Code 团队的 Thariq Shihipar，主题是：当模型越来越强，怎么从“我写一个 prompt”升级到 goal / loop / workflow，让 agent 能更久、更稳地工作。
- Thariq 把
/goal理解成一种“退出条件约束”：人已经做过足够探索和规格说明后，就告诉 agent 不要遇到小阻碍就停，而是自己补齐细节、继续推进，直到完成可验证目标。 workflow比单个 skill 更像一个编排层：可以把任务拆给多个 sub agents，并让独立 verifier/reviewer agent 按 rubric 检查质量，降低“模型偏爱自己输出”的自证偏差。- 视频里的核心方法论不是“多写提示词”，而是把 planning 看成一个反复消灭未知的过程：先让 agent 做 explainer、mockup、HTML artifact、技术边界调查，帮人搞清楚“我到底想要什么、系统哪里会失败”。
- 非技术任务也能 agent 化，但要先找到可验证信号。比如视频剪辑：先转写、识别手势/overlay 位置、做 caption UI 原型；如果审美或质量很模糊，就先用低成本 HTML artifact 探索，再进入更贵的 React / 渲染实现。
- Claude Tag / Slack 被描述成更适合并行和协作的 agent surface：后台 PR、测试、探索任务放在 Slack 线程里跑；本地 Claude Code 留给当前最需要人持续反馈的一件事。
- 随着模型变强，过长的系统提示、CLAUDE.md、skills 反而可能束缚模型。Anthropic 把 Claude Code system prompt 缩短了 80%；更推荐给原则和原因，而不是堆大量
never do X和例子。