Jina Yoon 這篇 PostHog 文章提醒：模型變強後，過去救命的 AGENTS.md/CLAUDE.md 規則也可能變成阻力。Context Engineering 的重點正在從補資料轉向減噪音：用 /doctor 與人工修剪常駐內容，用 evals 測上下文是否真的防錯，再讓 agent 主動回報缺失，形成可驗證的 context feedback loop。
Tag: #coding-agent
10 篇文章
Kun Chen 這支 100 分鐘實作，不只是展示 agent 寫 code，而是在示範一套代理工作系統：人類只和 FirstMate 對話，由它派出市場、技術、UX、基礎設施與測試代理。真正的重點不是自動化多少工具，而是如何用決策畫布、權限閘門、文件化交接與端到端驗收，把多代理變成可控的工程團隊。
AI超元域用 3D 場景、SVG 動畫、Godot 沙盒遊戲與原生 Android App 測試 Claude Opus 5。這篇導讀整理 demo 亮點，也提醒：影片展示的是高強度樣本，不等於所有專案都能穩定複製。
Peter Yang 以 Claude Fable 5 的短期限與用量限制為背景，示範五種值得花高推理模型額度的任務：找高價值工作、做人生與商業計畫 stress test、把專案整理到可上線、規劃大功能，以及重構 codebase。重點不是迷信模型，而是把稀缺推理資源放在高判斷密度工作。
AI超元域實測 codebase-memory-mcp：用 MCP 將 codebase 索引成知識圖譜，替 Claude Code、Codex 補上呼叫關係、依賴、爆炸半徑與跨專案遷移分析。
Cahid Arda Öz 這篇文章把 Sakana Fugu 拆成兩個層次：Fugu 是基於 TRINITY 的快速 router，用小 backbone 加 tiny head 在單次 forward pass 裡選 worker；Fugu-Ultra 則是 Conductor，會寫出 subtasks、workers、access list 形成多 agent workflow。真正新意不是新 frontier weights，而是把模型能力組合放到 behavior layer。
Armin Ronacher 在 The Coming Loop 裡討論 coding agent 的下一個重點：不是模型內部 tool loop，而是外層 harness loop。任務進 queue、機器嘗試、harness 判斷是否完成、再續跑或重開 session。這種 loop 在 porting、benchmark、security scan 很有效，但用來寫長期核心程式時，會放大不可理解、過度防禦與責任外包。
Nate Herk 實測 Sakana AI 的 Fugu Ultra，結論比標題更冷靜：它不是比 Fable 或 Opus 更聰明的新單一模型，而是一個會把任務分派給 Opus、GPT、Gemini 等模型的 orchestration API。實測中 38 項任務有 36 項平手，但 Fugu 約慢 4.5 倍、貴 5 倍。真正值得注意的不是這次工具是否必用，而是多模型調度與單位經濟會成為 AI 工具選型的新基本功。
拆解 Claude Code 類 coding agent 的真正工程核心：agent loop、雙重預算熔斷、五層提示詞裝配、工具治理、上下文壓縮，以及 MCP 與 Skills 的擴充分工。
Factory 的 Luke Alvoeiro 這場演講，核心不是「多開幾個 agent 就會變快」，而是把 multi-agent 系統當成可長時間運作的工程組織：Orchestrator 規劃與定義驗收契約，Workers 逐步實作，Validators 以獨立脈絡做對抗式驗證。真正的槓桿不是平行數量，而是結構化交接、事前驗收標準與能隨模型進步而變強的架構。