深度文章

使用斜杠命令把 Claude Code 从聊天机器人改造成确定性执行引擎，并通过完整工作流自动完成整个功能开发周期。

GPT-5.1-medium实测评估了其在多个实际应用场景中的表现。医疗与心理健康领域准确率从75.6%升至77.3%，金融领域从71.3%升至75.4%，agent与工具调用从57.8%升至61.7%，显示在专业任务中能力强化。思考模式适合需要深度推理的复杂场景，但教育和法律行政领域下降，且高token消耗和响应时间可能限制日常应用。

GPT-5.1的战略转型意味着其应用场景的定位可能发生变化。模型在传统基准任务上的性能退步，表明它或许不再以复杂的专业分析、精确的数学推理或严格的指令执行见长。相反，官方强调的“更温暖、更有同理心”的特性，暗示其更适用于注重交互流畅性、情感陪伴和自然对话的场景。因此，对于需要高度精确性和逻辑深度的应用，该版本可能并非最优选择，而在强调沟通体验的领域，其潜在价值有待进一步评估。

谷歌Gemini 3 Pro作为全球最强多模态推理模型，展示了AI在复杂任务中的推理与执行能力。测试覆盖学习辅助、创意开发、代码生成和长期规划四个场景，要求生成可直接运行的代码或可交付成果。模型能够处理多模态输入，输出符合技术要求的HTML、React应用或策略报告，体现其将抽象需求转化为具体功能的能力，标志着AI在思考与实践结合上的进步。

全面介绍 Claude Code 的 MCP、CLAUDE.md、Skills、子智能体、Hooks、插件和定时任务。

作者如何构建一个能够生成 Skills、智能体和命令等内容的 Claude Code 插件，从此不再复制粘贴样板代码。

MiniMax-M2是一款专为编码与智能体应用设计的轻量级MoE模型，其轻量架构在多个能力维度实现了性能与效率的权衡。新版本在保持推理能力稳定的同时，显著优化了语言指令遵从及工具调用能力，准确率提升3.3个百分点。不过在部分专业领域的表现有所回落，体现了针对通用场景的优化侧重。

直接工具调用会为每个定义和结果消耗上下文。让智能体编写代码来调用工具，扩展性会更好。下面介绍它如何与 MCP 配合工作。

Claude Code 新增的两项沙箱功能：沙箱化 bash 工具和网页版 Claude Code，通过启用文件系统与网络隔离这两道边界，减少权限提示并提升用户安全性。

Claude 很强大，但真实工作需要流程性知识和组织上下文。介绍 Agent Skills：一种使用文件和文件夹构建专门化智能体的新方式。

上下文是 AI 智能体的一项关键但有限的资源。在本文中，我们探讨如何有效筛选和管理驱动智能体运作的上下文。

这是一份关于三个 bug 的技术报告，这些 bug 曾间歇性降低 Claude 的响应质量。下文会解释发生了什么、为什么修复花了时间，以及我们正在改变什么。

智能体的效果取决于我们提供给它们的工具。我们分享如何编写高质量工具和评估，以及如何使用 Claude 为自己优化工具来提升性能。

几周前，我从 Cursor 的智能体转向了 Claude Code，而且不准备再回去了。这篇文章介绍我的实际使用方式和最实用的技巧。

Desktop Extensions 让安装 MCP 服务器变得像点击按钮一样简单。我们分享其技术架构，以及创建优秀扩展的建议。

我们的 Research 功能使用多个 Claude 智能体，更有效地探索复杂主题。我们分享了构建这一系统时遇到的工程挑战和经验教训。

从配置环境到扩展并行会话，介绍充分发挥 Claude Code 能力的技巧和模式。

一种能提升 Claude 复杂问题解决表现的新工具

SWE-bench 是一个 AI 评估基准，用于评估模型完成真实软件工程任务的能力。