Anthropic 这篇 Claude Code 文章的中文译写：想更高质量地使用编程智能体，关键不在写更长的提示词，而在识别已知、未知，以及那些一开始完全看不见的盲点。

原文：A field guide to Claude Fable 5: Finding your unknowns。作者是 Anthropic 的 Thariq Shihipar。本文为中文译写/摘要版，图片来自原文。

Anthropic 这篇 Claude Code 文章的中文翻译：如何理解智能体循环，以及如何从基于回合的循环，逐步使用基于目标、基于时间和主动式循环。

原文：Getting started with loops。作者是 Anthropic 的 Delba de Oliveira 和 Michael Segner。本文为中文翻译，图片来自原文。

Anthropic 这篇 Claude Code 文章的中文翻译：Claude Code 现在可以按需编写并编排自己的多智能体执行框架。本文解释 dynamic workflows 的工作方式，以及最值得使用的模式。

原文：A harness for every task: dynamic workflows in Claude Code。作者是 Anthropic 的 Thariq Shihipar 和 Sid Bidasaria。本文为中文翻译，图片来自原文。

Google Research 的 Generative UI 论文翻译与梳理。配合合适的 prompt 与工具，现代 LLM 可以稳定地为任意输入生成一个完整、可交互的网页，而不是再吐出一段 markdown。在 LMArena 上对比 markdown 输出，Generative UI 被偏好 82.8%；对比人类专家手写的网站，也在约 50% 的 case 中达到可比水平。

原文是 Google Research 在 arxiv 上发的论文 Generative UI: LLMs are Effective UI Generators（Yaniv Leviathan 等人，2026）。这里做一份中文翻译和梳理。论文配套的可交互样例在 generativeui.github.io。文中插图均出自论文原文（图片版权归原作者所有）。

按工程栈分层梳理 Token、上下文窗口、采样参数、嵌入检索、工具调用与结构化输出等 12 个 LLM 核心概念，讲清各自作用、权衡与常见误区。

这组术语可以按工程栈分成四层来看。Token 与 Context Window 是资源预算层，决定一次请求能装多少信息、花多少钱、以及要不要先分块或摘要；Prompt 与 System Prompt 是行为控制层，用来规定任务、边界、格式与优先级；Temperature、Top-p 与 Streaming 是生成与传输层，分别影响采样随机性、候选截断方式和响应交付方式；Embedding、Rerank、Tool Calling、Function Calling 与 Structured Output 则属于“把模型接进系统”的能力层，决定模型如何检索外部知识、调用外部能力、以及以机器可消费的形式返回结果。

A quick sanity check to make sure the blog pipeline works end to end.

原文是一篇关于 Claude 最新模型提示词最佳实践 的文档。

A quick sanity check to make sure the blog pipeline works end to end.

Claude Code 的 worktree 功能本质上是把 git worktree 包了一层,让你能并行跑多个互不干扰的 Claude 会话——每个会话有自己的目录、自己的分支、自己的上下文。下面是具体玩法。

The smallest release that teaches you something beats the perfect plan.

Small releases reduce risk and keep momentum.

A quick sanity check to make sure the blog pipeline works end to end.

This is the first post in the new blog.