最新文章

一次 67 元的 OpenCode Go 试用，让我们重新区分 API 单价与订阅的实际任务成本。从 iKanban 任务的配额消耗出发，讨论套餐兑换倍率、海外模型的访问风险，以及为什么更多 token 不会自动变成自己的能力。

参考自动驾驶从 L1 到 L5 的分级方式，我们不讨论具体技术细节，只看 AI 最终能达到的效果与人机分工，把 AI Agent 的能力分为 AL1 到 AL5：从代码补全、对话问答、自主探索的协作者，到提出超越专家方案的引领者，再到完全不需要人参与的自主系统。

同一个 GPT 模型，为什么换了运行环境，任务就可能中断、变慢或更难完成？从我们的 OpenCode 与 Codex 使用经历出发，讨论 Harness 如何影响可用性与能力发挥，以及怎样选择更适配的组合。

长时间运行的 AI agents 可以生成超过我们吸收能力的代码与研究成果。这些输出扩展了我们的生产能力，却不会自动转化成我们的知识、判断与能力。

一种实用的模糊查找工作流：把 shell 历史、编辑器搜索和浏览器历史变成分层索引，快速找回命令、项目上下文与 Web 资源。

我们第一次体验 DeepSeek Harness，为什么 Everything is a Plugin 的架构让我们决定在它上面重写 iKanban，插件组合带来了什么，以及哪些尚未成熟的工作流仍然需要自行补齐。

Claude 账号被封之后，备用方案重新成为主力。本文介绍 GPT、OpenCode、iKanban 和基于 skill 的 AI Workflow 如何让工作继续，也讨论它与 dynamic workflows 的差距，以及为什么编排能力更适合成为可移植的插件，而不是绑定在 runtime 中。