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: #context-engineering
8 篇文章
Karpathy 的長口述提示法提醒我們：對新專案與 agent 工作流來說，prompt 的價值常不在精準，而在高頻寬地交代背景、限制、偏好與模糊直覺。
Chase AI 用 18 分鐘拆解 Claude Code 的 token 成本：少打字只是邊角，真正大頭在完整上下文反覆送出、prompt cache 是否命中、冷 cache 之後怎麼接手，以及該不該讓最大模型包辦所有任務。
Anthropic 的 Boris 分享 Claude Code 實戰流程：先用 codebase Q&A 建立理解，再透過計畫、工具、測試迭代、CLAUDE.md、MCP 與 SDK，把 terminal agent 變成團隊工程介面。
Matt Pocock 的 `/teach` 不只生成教材，而是用 Mission、可信 Resources、互動 HTML、Learning Record 與跨 Session 狀態，組成能依學習進度調節難度的系統。
Dynamic Workflow 把大型任務拆成大量平行 workers，再由 synthesis agent 彙整。本文比較 Skill、Subagent、Agent Team 與 Goal，拆解它何時值得使用，以及 token、權限與協調成本。
李宏毅以 OpenClaw 拆解 AI Agent：模型只負責判斷，System Prompt、工具、記憶、Skills、Subagent、Heartbeat、Cron 與安全邊界，才讓它能長期行動。
五個 GitHub 熱門專案共同描出 Agent 工具鏈的新分層：Open Design 管設計交付，Headroom 管 Context 成本，Taste Skill 管視覺約束，兩套學習型 repository 則補上人的長期能力。本文核對專案 README，整理適用情境、限制與低成本試驗方法。