上一篇讲过用 promptfoo 测 LLM API 类的 AI skill。可咱们日常写的更多是另一种——给 Cursor、Codex、Claude Code 用的本地 skill，它没有 endpoint，没有固定 prompt，调用方是另一个 agent。这种 skill 该怎么测？本文给一套从结构 lint 到行为回归的完整方案。

OpenAI 用 Codex 在五个月内生成了百万行代码，零行手写。背后的方法论叫 Harness Engineering——不是教 AI 怎么写代码，而是给 AI 搭一个"跑不偏"的环境。本文梳理从 Prompt Engineering 到 Harness Engineering 的四次进化，并用一个实战案例演示：一个不会 Rust 的老程序员，如何靠 Harness Engineering 用 Tauri 写出一个桌面 Todo 应用。

AI Agent 就像你新招的天才实习生——什么都学过，但到了你的项目里，连 CI 怎么跑都不知道。AI Skill 就是那份"入职培训手册"，把你的领域知识、工作流程、最佳实践打包成 AI 能理解和执行的模块。本文拆解写好 AI Skill 的方法、原则、示例和自检清单。

用 opencode 接入公司私有部署的 Qwen/DeepSeek（OpenAI-compatible API），日常写代码、改文档基本够用，还能省掉订阅费与 token 焦虑；关键是把 TLS 自签证书这关过掉，别用“关掉校验”这种野路子。

很多人一上来就要“搞 RAG”，结果三天后变成“搞不下去”。真正能跑起来的知识库，往往从最土的全文搜索开始：先能找、再能用、最后才谈自动化。本文给一条可落地的路线：全文搜索 → 轻量 RAG → 把流程封装成 Claude Skill / Cursor command。

AI 助手越来越强，但总是"差点意思"——它知道怎么写代码，却不知道你们团队的规范；它能生成文档，却不懂你们公司的模板。Agent Skills 是一个简单、开放的格式，让你给 AI 装上"技能包"，把领域知识和工作流程打包成可复用的能力。

Claude Code 是 Anthropic 推出的命令行 AI 编程工具，但按 Token 收费的模式让很多开发者"又爱又恨"。本文从基础用法到成本控制，用幽默风趣的方式教你如何高效使用 Claude Code，既提高效率又控制成本。