内容板块
进阶 vibe coding
理解模型、上下文与 Agent，实践任务表达、反馈、人的参与、MCP、Skills 和插件；基于成熟 Harness 从最小版本完成一个完整 Agent。小说写作及小说工作台作为综合练习用例，各专题教授可迁移的 AI 能力，再按需拓展其他应用方向。
03 让模型用好上下文与记忆 · 第 10 节
长输入为什么影响等待和费用
分清输入处理、逐步生成和完整任务的等待，以五条件真实记录核对首正文、流结束、输入输出及缓存用量，再合计工具往返和摘要前置调用的成本。
03 让模型用好上下文与记忆 · 第 11 节
按需读取、压缩和记忆各管什么
区分按需读取、压缩与记忆的职责，通过社区活动对照定位信息遗漏，再迁移到小说续写；按当前任务选择原文与摘要，核对状态并在新会话中重新读入。
03 让模型用好上下文与记忆 · 第 12 节
渐进式信息披露
从一场小说续写中的实际判断推导渐进式信息披露的资料设计，理解入口、工作卡与原文的分工，再沿真实实验记录检查读取与使用。
03 让模型用好上下文与记忆 · 第 13 节
自动记忆的使用与维护
以 Codex 为例理解自动记忆怎样积累用户偏好、协作习惯与项目经验，认识使用、贡献和维护的区别，并了解不同应用的实现差异。
04 说清任务，并判断 AI 做得怎样 · 第 15 节
让提示、材料与样例服务于任务
从一段含冲突事实的写法样例出发，推导材料用途、事实取舍与示范范围；用真实输入和返回核对样例影响，再迁移到接口文档、旧代码与分类任务。
04 说清任务，并判断 AI 做得怎样 · 第 16 节
让结果反馈进入下一轮改进
从一句真实对白推导问题位置、表达方向与修改范围，比较原句、实际返回和全文变化，再说明不同任务如何带回对应证据，让反馈参与下一轮修改。
04 说清任务，并判断 AI 做得怎样 · 第 17 节
从真实失败建立评估样本
把真实失败整理为可复用的评估样本，区分重复运行与任务覆盖，安排开发、回归和独立复查；用固定条件比较做法，并根据证据决定下一步。
04 说清任务，并判断 AI 做得怎样 · 第 18 节
怎样组合模型与工作流程，权衡效果与成本
从任务的能力需求与依赖关系出发，讲清五种模型与流程组合如何工作、可能产生什么收益、会在哪些环节失效；连接交接反馈、完整效果与总成本，引导读者在自身任务中形成可调整的工作模式。
05 理解工具、工作流与 Agent · 第 21 节
按任务选择工作流、Agent 或混合方式
区分控制权与步骤依赖，理解工作流、Agent 和混合方式的适用条件。通过路径已知与沿线索补查的真实对照，判断哪些步骤应固定、哪些选择值得交给模型。