--- title: '工具链与开发框架' description: '建立 Agent 工具选型、上下文配置与工作流编排的判断力' --- # 工具链与开发框架 当你真正开始把 AI 接进开发流程，很快就会发现问题并不是“有哪些工具”，而是“该怎样组织工具、规范与上下文，才能让系统稳定地产出好结果”。这也是为什么这个栏目不做工具大观园，而更像一页工作流策略指南。 这里面其实有三条主线。第一条是工具选型：什么时候该上多智能体，什么时候该用更轻的协作方式，原型工具之间的差别到底会影响什么。第二条是上下文设计：规范怎么写，AGENTS.md 或 CLAUDE.md 这种被动上下文为什么往往比按需检索更稳。第三条是 workflow orchestration：当任务变复杂之后，你该如何把模型、工具与人类判断重新编排成一条可执行的工作流。 这一栏最有价值的地方，在于它会不断提醒你：问题不在于“装多少能力”，而在于让模型在正确的时机拿到正确的上下文、调用正确的工具、走正确的流程。读完这里，你应该更擅长做取舍，而不是更容易被工具名词带着跑。 ## 文章列表 ### [Claude Code Swarms：多智能体协作的新时代](./claude-code-swarms.md) **作者**： Addy Osmani **日期**： 2026-03-07 **核心观点**： 多智能体真正解决的不是“并行更快”这么简单，而是通过角色分工与上下文隔离，让复杂任务不再被单一长上下文拖垮。 **你将学到**： - 为什么复杂任务在单智能体模式下容易出现上下文退化 - 智能体团队、任务列表与消息系统分别解决什么协作问题 - 子智能体与智能体团队在适用场景上的关键区别 - 什么样的任务最值得升级到 swarms 式工作流 --- ### [如何为 AI 智能体编写好的规范](./how-to-write-good-spec-for-ai-agents.md) **作者**： Addy Osmani **日期**： 2026-03-07 **核心观点**： 很多 AI 协作问题表面上像工具问题，根子上其实是规格不清、目标不明与验收标准缺失。 **你将学到**： - 好规范为什么是智能体成功率的核心变量 - 该如何提供上下文、约束与可验证标准 - 常见的规范写法为什么会让智能体“看似会做，实际容易跑偏” - 怎样把模糊想法变成更可执行的任务说明 --- ### [AI 驱动的原型开发：v0、Bolt 和 Lovable 对比](./ai-driven-prototyping-v0-bolt-and-lovable-compared.md) **作者**： Addy Osmani **日期**： 2026-03-07 **核心观点**： 原型工具之间真正该比较的，不只是功能列表，而是它们各自更贴近哪种技术栈、工作流与团队协作方式。 **你将学到**： - v0、Bolt 与 Lovable 在定位和适用场景上的核心差异 - 各工具在哪类原型任务里更顺手、在哪些地方更容易碰到边界 - 选择原型工具时最值得优先看的维度是什么 - 如何避免因为“上手快”而把后续实现成本埋进工作流里 --- ### [为什么我在 AI 工程中使用 Cline](./why-i-use-cline-for-ai-engineering.md) **作者**： Addy Osmani **日期**： 2026-03-07 **核心观点**： 工具选择反映的不是偏好之争，而是你更看重开放性、可扩展性还是开箱即用的工作方式。 **你将学到**： - Cline 在 AI 工程语境下的核心优势在哪里 - 与其他编码工具相比，它更适合哪些实践者 - 开放式、可定制工具在长期工作流里可能带来什么收益 - 评估一款 AI 工程工具时，哪些维度比“是否热门”更重要 --- ### [AGENTS.md vs Skills：被动上下文为何胜过主动检索](./agents-md-vs-skills.md) **作者**： Vercel Team **日期**： 2026-03-07 **核心观点**： 对今天的模型来说，很多知识并不是“会搜就行”，而是“每轮都在眼前”时才最稳定，这让被动上下文的价值被重新放大。 **你将学到**： - AGENTS.md 这类持久上下文为何在评测中表现更稳 - Skills 没有被可靠触发时会带来什么实际问题 - 什么信息更适合放进被动上下文而不是等模型按需检索 - 设计项目级上下文文件时最值得优先写清楚什么 --- ### [Claude Skills 完整构建指南](./complete-guide-to-building-skills-for-claude.md) **来源**： Anthropic 官方文档 **核心观点**： Skills 的价值不在于“多一个扩展点”，而在于把重复出现的专业知识、工具调用与执行模式封装成可复用能力。 **你将学到**： - 设计 Claude Skills 时最关键的原则是什么 - 如何规划 frontmatter、提示结构与能力边界 - 常见 Skill 模式分别适合什么类型的问题 - 怎样测试、迭代并分发一个真正好用的 Skill --- ### [我们删掉了智能体 80% 的工具](./we-removed-80-percent-tools.md) **来源**： Vercel 工程博客 **核心观点**： 给模型更多工具不一定更强，很多时候反而会增加决策负担，让原本简单的任务变得更不稳定。 **你将学到**： - 为什么工具数量增加会带来选择成本与执行噪音 - 从 50+ 个工具缩减到 10 个工具背后的设计逻辑 - 性能提升 3.5 倍说明了什么样的系统取舍 - 设计工具集时该如何区分“能力覆盖”与“能力干扰” --- **返回**： [优质文章篇](../)