AI
Harness（系统）工程
从 prompt engineering 到 context engineering，下一步将走向哪里？本文以 Anthropic 工程博客近期呈现的脉络为线索，梳理 harness 设计、eval、containment（隔离）三个方向及其与 token 节省讨论的联系。
AI Token 节省方法
用 React POC 测量 AI 编程的 Token 成本，并通过 prompt caching、subagent、精简 MCP、context engineering 与 Cursor Composer 降低成本。
Token 的工作原理
AI Token 既不是单词也不是字符。本文系统讲解 BPE tokenizer 如何生成 Token、Token 如何变为 embedding 向量并进入模型、为何 decode 输出比 prefill 输入更贵，以及 KV cache 与 prompt caching 降低成本的原理。
AI 智能体工具
从四个角度梳理使用 Claude 进行前端开发时遇到的工具：CLAUDE.md、AGENTS.md 与 SKILL.md 的区别，MCP 的原理，Serena、CodeGraph 等代码智能工具的工作方式，以及如何阅读 GitHub Trending。
AI 前端工程师
在 AI 代替人编写代码的时代，前端工程师该如何成长并生存下去？本文基于 Karpathy 的 agentic engineering、Vercel v0、Stack Overflow Survey、METR 研究等可靠资料，梳理以验证、规格与判断力为核心的新能力和学习策略。