106 posts tagged with "AI Agent"

ClaudeCode 的 /loop 让 AI 自动定时执行任务，不用人盯着等结果。

1. 基础用法：/loop <interval> <prompt>，支持自然语言描述间隔
2. 底层实现：cron 表达式，最小粒度 1 分钟，秒级向上取整
3. 默认间隔：未指定 interval 时默认每 10 分钟执行一次
4. 取消方式：用自然语言 "Cancel the job for X" 即可停止
5. 自动过期：循环任务 3 天后自动删除，防忘记取消
6. 触发条件：只在 ClaudeCode 空闲时跑，与对话并行不打断
7. 失效场景：关闭会话即终止，不持久化、不可恢复
8. 持久化方案：Actions Workflow、Desktop Schedule Tasks

核心定位：/loop 是短周期、轻量级、可中断的自动值守，不是生产级调度。

Pi 不是「一个 CLI 加一个 RPC」——它是一个能在 CLI、Node.js 嵌入、子进程 RPC、JSONL 流四种场景下等价使用的 agent runtime。createAgentSession() 是统一入口。

1. 统一入口：createAgentSession() 同时支撑 CLI、SDK、RPC、JSON 四种姿势
2. AgentSession 三类方法：Prompt 排队、事件订阅、模型 / 状态控制
3. 四种运行模式：Interactive（TUI）/ Print（单次）/ RPC（stdin JSONL）/ JSON（事件流）
4. SDK vs RPC 选型：Node.js 嵌入 → SDK；Python / Go / Rust 集成 → CLI RPC
5. 最小 CLI 包装：40 行代码就能跑一个完整的 Pi agent
6. 五大核心启发：Pi 给 AI 产品开发的 5 条原则

Pi 在「统一多 provider」这件事上做得非常彻底——30+ 个内置 provider、4 种 key 解析语法、扩展可动态注册新 provider。但最值得记住的不是支持的 provider 多，而是它对「安全」这件事的态度：明确告知无沙箱，把隔离责任推给 OS / 容器 / 虚拟机。

1. 统一层 pi-ai：把 Anthropic / OpenAI / Google 等 API 收敛成统一接口
2. 两类 provider：订阅型（OAuth via /login）和 API Key 型
3. 4 种 key 解析：环境变量插值、shell 命令执行、转义符、字面量
4. model id 不用手动维护：列表随每次 release 更新
5. 思考等级 6 档：off / minimal / low / medium / high / xhigh
6. 安全模型：无沙箱，隔离责任在 OS / 容器 / 虚拟机层

shadcn/ui 官方 Skill，让 AI 写 符合规范 的 shadcn 项目代码。

1. 它是什么：放在 shadcn-ui/ui 仓库 skills/shadcn/ 下的官方 Skill
2. 解决的痛点：AI 写 shadcn 项目普遍走偏——用原生 div 替代组件、写自定义样式覆盖组件、手撸 chat UI
3. 核心机制：限定只跑 shadcn@latest CLI + 6 类强制 Critical Rules
4. 关键能力：shadcn mcp 给 AI 加 search/view/install 工具
5. 配套：--preset 主题码一键切换整套主题 + 组件
6. 结论：做 shadcn 项目 必装，别让 AI 瞎写

MiniMax-Coding-Plan-MCP 让 Claude Code 一次性获得 web_search + understand_image 两个能力。

1. 核心定位：专为 Coding Plan 用户设计的 MCP 服务器，2 个工具：网络搜索 + 视觉理解。
2. 背景：纯文本模型（如 DeepSeek v4）原生不能看图，understand_image MCP 给纯文本客户端补齐视觉能力。
3. web_search：调搜索引擎返回有机结果 + 关联查询，替代手动查资料。
4. understand_image：用视觉语言模型分析图片（本地或 URL），支持 JPEG/PNG/WebP。
5. 接入方式：一行 uvx 起服务，Claude Desktop / Claude Code / Cursor 全家桶通用。
6. 关键陷阱：API Key 和 Host 必须同区，否则直接报 invalid api key。
7. 发布：2025-11-20 首发，MIT 协议，stdio / SSE 双传输。

Pi 的 extension 是 TypeScript 模块，不是 YAML / JSON 也不是 hook 脚本。它能注册工具、命令、快捷键、provider、UI 渲染器，订阅 30+ 种生命周期事件——这套 API 是 Pi「minimal core」哲学的具体兑现。

1. 形式：TypeScript 模块，default-export function (pi: ExtensionAPI) { ... }
2. 作用域：全局 ~/.pi/agent/extensions/ 或项目本地 .pi/extensions/
3. 三类能力：订阅事件、注册功能、主动操作 session
4. 杀手锏：pi.registerProvider() 动态注册 / 覆盖 provider，无需重启
5. 状态管理：存在 tool result 的 details 里，跟着 entry 进 JSONL 树
6. 安全警告：extension 以完整系统权限运行，只装可信来源

bilibili-mcp 是把 B 站 27 个 高频操作打包成 MCP 工具的服务器。

1. 核心定位：B 站官方 API 之外的 AI 接入通道，覆盖 登录/采集/发布/分析/互动 五类场景。
2. 最大特色：登录由 AI 直接展示二维码，全程不需要切到终端。
3. 采集能力：搜索、评论、字幕、弹幕、视频详情一步到位，支持批量采集。
4. 发布能力：视频、图文动态、图文专栏（Opus）三类内容都能用 AI 代发。
5. 数据分析：热门视频、热搜词、每周必看、17 个分区排行榜、内置 UP 主画像。
6. 互动运营：私信、回复评论、未读消息、收藏夹查询。谨慎使用避免封号。
7. 接入成本：Python 3.10+，一个 git clone + pip install 就能跑。

drawio-skill：让 AI 用自然语言画 draw.io 图，省掉手动拖拽。

1. 它是什么：Agent Skills 格式的 Skill，AI 把一段描述转成可编辑的 .drawio 文件。
2. 核心痛点：流程图脑里清楚、手里画废；让 AI 写代码容易，画图靠拖拽。
3. 典型用法：自然语言描述图 → 生成 .drawio → 2 轮视觉自检 → 导出 PNG/PDF。
4. 对比 drawio-mcp：mcp 走 XML 动作点画；skill 走声明式一次性成型。
5. 成熟度：官方（jgraph）+ 社区（Agents365-ai）双线并存，跨 6+ Agent 平台。
6. 适用：架构图、流程图、ERD、UML 等结构清晰的图。
7. 结论：不想拖拽就首选 Skill。

写 Agent Skill 最容易踩的 4 个坑，加一份最小可用的模板。

1. 最小目录：一个 SKILL.md，Agent 只加载这一份。
2. 核心定位：description 决定何时调，不是"能做什么"。
3. 坑一：description 写漂亮话 = 装了个寂寞。
4. 坑二：SKILL.md 里塞百科，首次加载被拖垮。
5. 坑三：把 Agent 已经会的事写进去，浪费 token。
6. 坑四：装太多 Skill = 每轮白付 token。
7. 结论：Skill 的价值 = 领域知识 + 不可替代的本地动作。

Context7 把 AI 编码从"凭训练记忆"变成"实时查官方文档"。

1. 它是什么：Upstash 开源的 MCP 服务器，索引 3500+ 库的官方文档。
2. 核心痛点：LLM 训练数据落后于库迭代，AI 经常用旧版 API 或凭空幻觉 API。
3. 触发方式：在 prompt 末尾加 use context7，MCP 自动把最新版文档塞进上下文。
4. Token 友好：~1K token 工具开销，比 GitHub MCP 少一个数量级。
5. 成熟度：截至 2026-06 GitHub 57k+ Stars，覆盖 Cursor/Claude Code/Codex 全家桶。
6. 局限：私有仓库需 API Key，未收录的库 MCP 返空。
7. 结论：对不熟的库懒得翻文档，装它最划算。