记忆与技能系统
03
记忆
全局 memory file 只有 27 行，因为每一行都是所有 session 的常驻 token 成本。
全局放核心偏好（如"不用 mdash"），项目级 memory file 靠每次纠正 Agent 错误来渐进积累。不要一次性写好，让 Agent 自己把教训记下来。
04
技能
条件性知识拆成 skill，Agent 只在需要时才加载全文，不浪费 token。
渐进式披露（progressive disclosure）：启动时只加载一行 skill 描述，真正需要时才读取完整内容。用 npx skills CLI 管理。
05
警告
17.7 万 star 的 skill，实测让 Agent 多花 5% token 且结果更差。
GitHub star 衡量流行度不是效果。今天广泛传播的 skill 大多没经过严格评测。没发布过基准测试结果的 skill 不要装。安全风险也不可忽视。
工具效率与协作
06
工具
GitHub MCP 比 AXI 贵 3 倍、慢 2 倍，成功率还更低。
AXI（Agent eXperience Interface）是他设计的 Agent 工具标准，10 条原则优化 Agent 人机工效。token 高效输出格式比 JSON 省 40%。工具选择直接决定效率天花板。
07
规划
Lavish 把 Agent 的文字墙变成 HTML 交互原型，直接标注反馈。
使用当前项目的设计系统渲染，视觉效果和真实产品一致。可以直接在界面上标注、评论、点选决策，全程不用回终端。
自动化与规模化
08
流水线
人只在开头定方向、结尾把质量，中间 13 步全自动。
No Mistakes 流水线：建分支 → 理解意图 → Rebase → 对抗式审查 → E2E 测试录证据 → 文档 → Lint → PR → 持续看护。低风险变更他根本不看 diff。
09
思维
像工程总监那样工作——总监不 review PR，但质量不差。
不是逐行审查 AI 写的代码，而是建立自动化流程（No Mistakes）替你把关。只有风险评估标记"高风险"时才人工介入细看。
10
并行
Treehouse 一键开 worktree，关标签页自动回收，消除认知债务。
git worktree 的心智负担（取名、记用途、手动删）全部自动化。配合 tmux 多标签页，轻松管理多个并行 Agent session。
终极形态
11
过夜
Good Night Have Fun：给个目标，Agent 循环跑到你醒来。
适合可验证的循环目标：降低加载时间、提高测试覆盖率、反复找可用性问题并修复。支持 token/迭代上限，不会一觉醒来配额花光。
12
船长
First Mate 替你切上下文——看着它忙挺爽的，因为不然得我自己来。
统一入口下达指令，自动拆任务、开 worktree、分配 Agent、跑 No Mistakes、看护 PR。人退到船长位置只管方向：和用户交谈、理解竞争格局、画藏宝图。