系列解读 Manus 联创张涛的 AI Native 组织实践，整个代码库共用一个智能体

@nicopreme 开源了管理其他 skill 的 meta-skill skill-diet，可压缩臃肿的 SKILL.md、修正与工具不符的内容，并把分层加载原则写进后续增补规则。

Stanford CS 329Z「Engineering AI Agents」第 10 课由 Terminal-Bench 与 Harbor 的作者讲解 Agent 评测工程，核心观点是软件正从「规则是真相」转向「评测是真相」，Evaluator 成为新工种。

Clean Code 作者 Robert C. Martin 开源 Skills「ub-mode」（github.com/unclebob/ub-mode），把 Clean Code / TDD 纪律整理为 coding agent 用的三段流程。

Manus 联合创始人张涛发文「用 Manus 改造 Manus」，介绍公司如何边吃狗粮边改造组织工作方式。研发通过 Manus-mono 统一入口让一人并行十几个需求、移动端约 7 人扛 4 个 App；产品经理用视频 PRD 和测账号录屏走完需求，约一半 PM 能独立从需求做到上线；市场团队搭建「数字同事」处理内容合作流程。

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）。