#vibe coding
oh-my-hermes 实操：给智能体装上编码拆解与记忆作业层
oh-my-hermes 是为 Hermes 智能体设计的工程作业层插件，旨在解决复杂编码任务中的调度与验证难题。该工具通过模型路由、任务拆解及严格证据门禁，将自然语言转化为专业交付流，实测可降低约 85% 成本并大幅缩短耗时。其核心特性包括 12 类任务回退链、基于 Git Worktree 的安全并行执行、四态状态追踪及评审制长期记忆机制，有效防止上下文污染与虚假完成。尽管在超大仓库处理上仍有局限，但显著提升了开源模型的工程交付确定性。
Google 工程经理开源 agent-skills，用结构化规范约束 AI 写出生产级代码
Google 工程经理开源项目 agent-skills 通过结构化 SKILL.md 规范约束 AI 编码智能体，解决其生成代码缺乏工程纪律的问题。该项目覆盖定义、计划、构建等六大研发阶段，内置 25 个专业技能与反偷懒机制，强制 AI 遵循测试驱动及质量门禁标准。支持 Claude Code、Cursor 等主流工具集成，推荐从规格定义、TDD 及代码评审三步最小闭环起步，将无序补全转化为可预测的工程化构建，提升 AI 代码的生产级交付能力。
scroll-craft 开源 Agent Skill，让 AI 写出拒绝模板化的电影级滚动落地页
开源项目 scroll-craft 通过植入设计约束与工艺校验规则，解决 AI 生成落地页模板化问题。该 Agent Skill 支持 Claude Code 等环境，内置互斥页面文法、情感曲线及像素级排版规范，强制打破生成惰性。其核心亮点是集成无头浏览器巡检，自动验证滚动动效与可访问性。该项目将资深设计原则代码化，助力 AI 产出电影级网页，但在跨平台兼容及重型交互框架协同方面仍存在局限。
用 commit-rewriter 本地网页工具清洗提交记录，彻底消除 AI 生成噪音
针对 AI 编程代理生成提交记录杂乱的问题，Simon Willison 开源了本地 Web 工具 commit-rewriter。该工具提供可视化批量重写与 Diff 对照功能，支持一键清洗私有信息及机械描述，并具备自动分支备份与安全回滚机制。作为 Vibe Coding 交付链路的格式化工序，它有效解决了传统终端操作繁琐的痛点，帮助开发者在开源或交付前将 AI 生成的代码历史重构为符合规范的高质量日志，目前仅支持单分支线性历史清洗。
Claude Code 多智能体协作实战指南，从并行子代理到分布式团队的高效落地
Claude Code 多智能体协作提供 subagents 与 Agent Teams 两种架构。subagents 采用星型拓扑，适合独立任务委派；Agent Teams 为点对点网状结构，支持双向通信与状态共享，适用于复杂并行工作流。实战中需根据任务依赖度选型，并通过 Git worktrees 隔离并发写入冲突。同时应合理配置模型路由以控制成本，规避描述重叠与死锁风险。若缺乏三条以上独立并行流，建议优先使用单会话或 subagents 以提升效率。
commit-rewriter 用本地 Web 界面重写 AI 编程产生的杂乱 Git 提交记录
针对 AI 编程代理产生的杂乱 Git 提交记录，开源工具 commit-rewriter 提供了本地 Web 可视化清洗方案。该工具基于 Git 交互式变基，支持批量编辑提交说明、查看代码差异及自动备份分支，确保操作安全可逆。其核心理念是将 AI 快速生成与人类发布前治理解耦，作为自动化编码的质量过滤网。尽管单机清理流程已简化，但多人协作场景下的历史重写冲突仍是待解决的挑战。
用一句自然语言驱动本地 Blender 完成 3D 建模渲染全流程
开源开发者 Simon Willison 实验证实，AI 编程智能体可通过自然语言驱动本地 Blender 完成 3D 建模渲染全流程。该范式利用无头模式调用 bpy 接口，输出结构清晰的原生工程文件，支持多轮迭代与技能固化。尽管在复杂曲面拓扑生成上仍有局限，但在风格化资产创建、场景搭建及原型验证阶段具备显著效率与成本优势，标志着 AI 从代码补全向操控工业级软件底层引擎的转变。
用编码智能体驱动本地 Blender，一句提示词生成可编辑 3D 工程文件
测试显示，利用编码智能体驱动本地 Blender，可通过自然语言指令生成可编辑的 .blend 工程文件。该工作流将 3D 资产生成从像素渲染转向确定性程序化建模，支持场景迭代与技能固化，单次成本约 4.24 美元。尽管存在视觉反馈缺失等技术瓶颈，但 AI 产出标准工业格式文件，打破了生成内容与专业管线的隔离。这标志着大模型正转变为理解 3D 空间的技术助理，而非仅生成静态图像的玩具。
编码智能体挑选第三方工具的 1.7 万次实测揭示技术选型新法则
1.7 万次实测显示，编码智能体正颠覆传统技术决策：高频提及不等于最终采用，Stripe 等工具高度垄断；主流 AI 选型一致率仅 42%，深度受制于检索机制与语言生态，为开发者和技术厂商揭示了面向 AI 的全新适配法则。