AI Agent 每次开工都是失忆的新人。决定它产出好坏的不是 prompt，而是 codebase 的结构。拆解三大失败模式——弱反馈闭环、导航困难、认知过载，以及「心智地图」问题。

Ousterhout 深模块——大量实现 + 简单接口——正是 AI 友好的代码组织方式。灰盒模块里人定接口、AI 管实现、测试锁行为。这是渐进式披露的落地方案。

把设计哲学编码成 skill 的实用手册：Getting Started → Main Flow → Shaping → Upkeep 的分层架构、slash+verb-first 命名约定、editable vs read-only，以及「skill 不必长」的克制。

用第 3 篇的最佳实践写一个可用的『线上故障排查』skill：description 触发条件 + 确认→缩小范围→假设→取证→修复→回归的六步循环，外加三条铁律。附完整文件，贴进 .agents/ 即可用。

给『线上故障排查』skill 加装 references/（Kafka 积压、JVM OOM、慢查询三本手册）、scripts/（日志聚合）、agents/（假设评审子代理），再用 grill-me→to-spec→to-tickets→tdd 跑通「idea→ship 主线」，附 adoption 清单。

解读 Simon Willison《Agentic Engineering Patterns》：当写代码的边际成本趋零，软件工程的重心从'写'转向'定义问题、验证结果、偿还认知债'，以及这套个人方法论的组织盲区。

交叉比较 Google、OpenAI、Anthropic、LangChain 四份 AI 原生 SDLC 报告：当代码生成从稀缺能力变成基础能力，瓶颈迁移到意图、验证、治理与判断。附四份材料的共同结论与各自盲区。

解读 Anthropic《AI 原生 SDLC 手册》：从 intent.md 到闭环的六个阶段、一条制品链、几道审批门，重新定义受监管企业如何在 agent 时代落地 Claude Code。

从 Agent = LLM + 上下文 + 工具 这个核心公式出发，用一个实习生类比和一个 50 行 Python Demo，讲清 AI Agent 的本质。

工具是 Agent 改变世界的方式。本文拆解工具的五种分类、MCP 协议的设计思路，并带你给 Agent 装上'天气查询 + 便签记录'两个工具。

Agent 的记忆系统——从进程内的临时便签到跨会话的向量检索。本文拆解 RAG 原理、三种记忆分层、知识组织方法，并动手搭一个能记住你偏好的问答 Agent。

Agent 搭好只是第一步——你怎么知道它变好了还是变差了？本文拆解 Agent 评估、模型后训练与持续进化闭环，并动手构建一个评测小平台。

Agent 不只活在对话框里。本文拆解语音 Agent、GUI 操作、多 Agent 协作架构，并动手实现两个 Agent 对话协作完成一个任务。