Manus 联创张涛分享用 Manus 改造 Manus 的 AI Native 组织实践

作者介绍开源工具 Graphify 的做法：先用 tree-sitter AST 对整仓建持久知识图，再让 coding agent 通过 query / path / explain 查图改码，而不是每轮任务从头 grep 或盲目读文件，以省 token 并减少迷失。

作者转述 @yminsky 在 Bug Bash 的演讲，讲如何把代码库改造成更利于 Agent 工作的环境。核心观点包括用类型表达全局不变量、用 expect test 和库级确定性仿真提供毫秒级反馈、Agent 时代 code review 更重要，以及正式方法因成本结构变化从被冷落变为 Jane Street 正在组建团队投入的方向。

Hassan 公开他日常用 Agent 做应用的六步工作流：用 WisprFlow 录 1–5 分钟语音作 prompt，补截图或 Inspo MCP 作视觉参考，用 grill-me skill 让 Agent 主动追问澄清，拿到 v1 后发反馈迭代，每个新功能合并 PR 前先要快速录屏验证，满意就发到 X 否则扔掉。

LangChain 基于自家 GTM Agent、OpenSWE 和 Content Studio 三套内部 Agent。

邵猛转发并归纳 Thorsten Ball（AmpCode）的 How I Work with Agents 一文，核心观点是只把 Agent 塞进编辑器那一格不会带来收益，要让 Agent 横向覆盖构建、发版、CI、生产日志、feature flag 和监控。

作者绍介 AI Engineering from Scratch 发布的 vLLM 101 手册（作者 @ghumare64），基线为 vLLM 0.31.0，测试机为 NVIDIA L4（Qwen3-8B）和 DGX Spark（Qwen3-30B-A3B）。

作者推荐 enesozturk 开源的 Skill dimensional-drawing，指向组件源码、Storybook、URL 或截图，可产出一页苹果配件尺寸图风格的单色技术图，画架构（间距、圆角、图层、视口落位）而非文案。

邵猛批评 Kimi K3.1 Pro 此次宣发中所谓「英推 AI KOL 正义揭露」每个环节都很怪：所选 KOL 的关注与被关注比例及过往内容都不合格，Kimi 这一量级的团队不应绕开 X 的 Paid Partnership 平台规则。他认为模型若真强，最好的宣发是让 AI 开发者用起来，可借鉴 OpenRouter 上的老办法，扎堆刷屏只会变垃圾。

Anthropic Claude Platform 发布文章，讨论构建 Agent 时何时把子 Agent 折进主循环，认为 Skills 渐进披露在多项内部对比里质量常更好、成本与延迟更低。

邵猛转述 Claude 团队 Felix Rieseberg 的文章，把「对 AI 更有野心」拆成速度、高度、深度、广度四个方向，并用季度业务回顾 QBR 逐级演示提问方式。