关于 Agent Skills Dev

Agent Skills Dev 是一个聚焦 AI Agent 工程领域的中文深度内容平台。站点内容全部由独立研究产出，基于一手源码和英文原始文献的系统性分析，不做二次翻译式搬运。

我是谁

渔夫（GitHub: anxiong2025），独立开发者与 AI 工程研究者。本站全部内容的作者与维护者。

  • 技术背景：多年工程经验，长期关注 AI Agent 运行时、开发者工具链、大模型基础设施
  • 研究方向：Claude Code 源码架构、Agent Harness 工程、Skills 开放标准、MCP 协议集成
  • 公开项目：seo-skill（Claude Code SEO 审计技能）、本站 (agentskillsdev)
  • 创作频率：每周 1-2 篇长文，每篇投入约 10-20 小时的源码阅读与写作时间

我不做”AI 资讯搬运”和”日更短文”。每一篇发布的文章都经过：阅读原始英文材料 → 阅读相关源码 → 动手实测 → 成稿。这是本站和常见译介型 AI 博客的核心区别。

本站做什么

1. Claude Code 源码深度解析

基于 Anthropic 官方 Claude Code（约 51 万行 TypeScript）的完整架构拆解。不是”五分钟读懂”的总结，而是逐模块走读源码，画出调用链，指出设计权衡。

覆盖八大核心子系统：查询引擎、工具系统、权限决策、Agent 编排、记忆系统、Hooks/Skills、MCP 集成、终端渲染。配套书籍：《Claude Code Harness 架构设计与实战》（10 章 + 2 附录，持续更新中）。

2. Agent Skills 课程中文解读（吴恩达 × Anthropic）

基于吴恩达（Andrew Ng）与 Anthropic 在 DeepLearning.AI 推出的官方课程 Agent Skills with Anthropic。本站的解读不是课程翻译，而是：

  • 对照 Anthropic 官方 Skills 规范的独立分析
  • 配合 Google ADK、OpenAI Assistants API 等竞品的横向对比
  • 基于 Claude Code 源码验证课程中每个概念的底层实现
  • 国内开发者的常见误区与踩坑补充

3. Harness Engineering 方法论

综述 Anthropic、OpenAI、Geoffrey Huntley 等团队公开的 Agent 工程实践，提炼行业共识与分歧。进而讨论下一代范式——Environment Engineering。

4. 跨平台落地实战

所有理论分析都配合多平台落地：Claude.ai、Claude Code、Claude API、Agent SDK、Google ADK + Vertex AI、MCP 服务端集成。

内容原则

  1. 源码优先 — 所有技术断言必须可追溯到具体源码文件 + 行号，或官方文档 + 链接
  2. 原创分析 — 单纯翻译不收录，解读必须包含独立观点、对比、实测或批评
  3. 可验证 — 代码示例全部可跑通，真实命令输出而不是 AI 臆造
  4. 长文优先 — 追求深度覆盖，不写碎片化流量文
  5. 持续维护 — 旧文章持续更新 dateModified，废弃的技术标注淘汰时间

站点技术栈

  • 框架：Astro（SSG）
  • 部署：Vercel（全球 CDN）
  • 字体：系统字体 + JetBrains Mono（代码块）
  • 国际化：中文（主）+ 英文（核心内容）
  • 性能：首屏 JS < 10KB、静态 HTML 优先、图片懒加载

目标读者

  • 需要深入理解 AI Agent 架构的工程师——不是学”怎么用 ChatGPT”，而是学”怎么造自己的 Agent”
  • 正在构建 Agent 产品的技术负责人——需要了解主流框架的设计取舍
  • AI 研究者与评论者——需要系统性的一手分析材料

如果你找的是”5 分钟读懂 Claude”类内容，本站不是为你写的。

与 DeepLearning.AI 的关系

本站的 Agent Skills 解读基于 DeepLearning.AI 官方课程（免费，推荐先看原课程）。本站不是 DeepLearning.AI 或 Anthropic 的官方合作方，所有分析和观点均为本人独立撰写，文中引用原课程内容时会明确标注。

联系

如果你在文章中发现错误、有更好的源码追溯线索、或想讨论 Agent 工程的设计决策，邮件欢迎。

English EN 简体中文 ZH