一、Agent Skills 的开放标准，只管格式不管目录 二、六款 Agent 的 skill 目录地图 三、为什么目录分裂比格式分裂更难搞 四、我最后是怎么解决的 五、结语 参考文献 本文首发地址 https://h89.cn/archives/632.html 上周我订阅了 Kimi Code。安装、登录、打开项目，一切顺利。直到我习惯性地敲出 /git-release，终端没有任何反应。 我愣了一下，以为指令记错了。又试了 /summarize-changes、/code-review，全部石沉大海。这些 skill 我都写在 ~/.claude/skills/ 里，用了大半年，怎么可能突然消失？ 排查了十分钟，问题定位到了：Kimi Code 根本不读取 .claude/skills/ 目录。 这不是 bug，是设

- 阅读剩余部分 -

一、事故现场 二、根因：PG 从 15 升级到 18，飞牛相册没跟上 三、为什么不能直接软链接 四、修复（两条命令） 五、教训：你知道要升级 PG，但不知道谁会因此挂掉 1. 升级 PG 可以，但别急着删旧版 2. 依赖特定 PG 版本的应用，必须保留旧版 3. purge 旧软件包前，确认有没有下游还在用它 六、同样的坑可能怎么踩 一个 apt upgrade，629 项相册内容集体失败。根因只是几行硬编码的路径。 本文首发地址 https://h89.cn/archives/629.html 一、事故现场 打开飞牛相册，新图片人脸识别失败，第一反应当然是应用自己的问题，重新安装模型/重建索引，都提示失败，卸载飞牛相册(删除数据)，再次识别扑头盖脸一堆红字： 629项内容失败，initdb failed: exit statu

- 阅读剩余部分 -

启动时发生了什么 全局配置也会加载 真正有意思的是运行时 这个功能什么时候加的 Claude Code 的做法 Codex 的做法 Hermes Agent 的做法 四端对比 什么时候该放子目录 AGENTS.md 验证方法 写在最后 本文首发地址 https://h89.cn/archives/627.html Monorepo（单一代码仓库，多个项目共用一个 Git 仓库）里写了分层的 AGENTS.md，每个子目录一套规范，Agent 应该按需加载——想得很美。但你有没有验证过，Agent 真的读到了你放的那些文件？ 我之前以为得同时维护 CLAUDE.md 和 AGENTS.md，后来发现只放一个就行。 启动时发生了什么 OpenCode 启动时做了一件事：从当前目录向上遍历，按 AGENTS.md → CLAUDE.md → CONTEX

- 阅读剩余部分 -

一、三层观测：从"它说了什么"到"它做了什么" 二、实操：用 bpftrace 看 Claude Code 在干什么 三、语义鸿沟：eBPF 知道"它做了什么"，但不知道"为什么做" 四、为什么通用安全工具不够：AI Agent 没有稳定行为基线 五、eBPF 不是银弹 沙箱防逃逸，审批防越权，但 Agent 拿到合法权限后的行为——没人看得见。 本文首发地址 https://h89.cn/archives/625.html 上个月披露的 TrapDoor 攻击，攻击者在 .cursorrules 里埋零宽 Unicode 字符，Agent 读取后自动遍历文件系统外发密钥。这个月 Miasma Wave 2 更进一步——后门配置文件直接丢进项目目录，你克隆仓库、打开项目，后门就激活了。 没有弹窗，没有告警，沙箱也不触发。攻击完全发生在授权边界内，A

- 阅读剩余部分 -

一张表定乾坤 ¥72 能买多少 token？ 盈亏平衡：用多少才不亏？ 深层差异：不只是价格 Zen Go 的 6x 杠杆 Token Plan 的预付折扣 按用量选 本文首发地址 https://h89.cn/archives/623.html 三个方案摆在面前：OpenCode Zen Go 套餐月费 ¥72，MiMo Token Plan ¥39，DeepSeek API 按量付费。 选哪个？先说结论：看用量，别看广告。 编码场景实测：4 条会话，加权平均缓存命中率 97.31%，输入:输出 ≈ 165:1。下面用保守估计 95% 命中 + 95:5 输入输出来算。 一张表定乾坤 先看单价（95% 缓存命中 + 95:5 输入输出）： 方案 Flash 等效单价 Pro 等效单价 月费 DeepSe

- 阅读剩余部分 -

一、RAG 的真相：48% 的失败率被藏起来了 二、Context Window 革命：1M 已成标配 三、Wiki 模式：不是复古，是重新对齐 四、六维度拆解：RAG 和 Wiki 到底差在哪 五、决策框架：什么时候选什么 六、收束：误区、行动建议、一句话结论 本文首发地址 https://h89.cn/archives/620.html 2024 年，每个做 AI 知识库的人都在说 RAG。检索增强生成，Retrieval-Augmented Generation，这串字母组合几乎成了企业知识管理的唯一答案。搭一个向量数据库，把文档切成块，灌进 Embedding 模型，再套个重排器——恭喜你，拥有了一个"AI 驱动"的知识库。 但 2026 年 4 月，OpenAI 联合创始人 Andrej Karpathy 发了一条 X 帖子，描述自己怎么用一组

- 阅读剩余部分 -

硬件底子速览 软件架构：Gunyah Hypervisor + PVM + GVM 架构全景 Android 作为 GVM 是怎么跑起来的 PVM 安全域：仪表盘为什么不跑 Android PVM 和 GVM 互不干扰，靠的不是一句"虚拟化" PVM ↔ GVM 怎么通信？ 座舱 Android 开发到底跟手机开发差在哪 产业棋局：高通的一盘大棋 结论 本文首发地址 https://h89.cn/archives/615.html 做了几个月 SA8397P（Snapdragon Cockpit Elite）座舱 Android 开发，最大的感受不是高通这次堆了多少算力，而是：GVM 里的 Android App 旁边，PVM（Protected VM）安全域里跑着另一套随时不能挂掉的操作系统。 搞懂了 PVM 和 GVM 怎么共存，

- 阅读剩余部分 -

数据说话 为什么 AI 反而让你更累 谁是真正的受益者 对自己诚实的建议 参考内容 本文首发地址 https://h89.cn/archives/614.html UC Berkeley Haas 的研究团队花 8 个月盯着一家约 200 人规模的科技公司。结论简单到残忍：AI 没有自然减少工作量，它只是让工作变得更密集。 午休时间有人在发 prompt，开会前五分钟在发 prompt，深夜十二点还在发 prompt。有人同时挂着三个 AI 工具来回切换。最初确实很爽——一个任务过去要半小时，现在五分钟搞定，还能顺手多干两个活。但几个月后，这些人普遍感到比以前更累。不是那种「今天活多」的累，是「明明什么活都变快了，为什么我的时间更少了」的累。 这不是感觉，是实测。 数据说话 Berkeley 这个研究不是孤例。2026 年关于 AI 和生产率的调查出了一堆，数字看起来不完

- 阅读剩余部分 -