标签 AI Programming 下的文章

被举报 AIGC 了,hook 脚本到 github 取吧


时间过得真快,距离上次发话题已经过去几个月,成年人的时间真是不经用。马上过年了,想罢年前一定要发点东西出来的。预祝大家新年快乐。


场景是这样的:
当 claude code 读取代码时,往往倾向于读取整个文件,如果文件非常大(比如 5000 行 +),这样的文本塞进上下文。结果就是:

【AI 编程】拒绝上下文过载:如何让 Claude Code 学会 “渐进式阅读”2

什么是 “渐进式披露”?

举个例子,这就好比一个人类程序员接手新项目时,不会上来就把 10 万行代码从头到尾读一遍。你会先看目录结构(ls),再搜关键字(grep),最后只打开相关的那几十行代码(read)。

Anthropic 的文档里一直强调这一点:让模型先通过搜索定位,再通过切片读取。

但在实际的行时,claude code 执 “太勤快”,往往是直接 Read 整个文件。所以,我们需要给它装一个 “防呆开关”。

这个 Hook 是怎么工作的?

这是一个 Python 脚本,在 PreToolUse 时的 Hook(工具调用前拦截),配合 CLAUDE.md 的提示词,组合引导 claude code 读取精确上下文。

核心逻辑

这个方案由两部分组成:

为什么这个方法 Work?

这利用了 LLM 的一个特性:它们非常听 “报错信息” 的话。

当 Tool Use 失败并返回一个明确的 “推荐路径” 时,claude code 会立刻进行自我修正。

【AI 编程】拒绝上下文过载:如何让 Claude Code 学会 “渐进式阅读”4

这样就强行把它拽回了 “渐进式披露” 的最佳实践路径上。

如何食用

你需要两个东西:一个是配置在项目根目录的规则文件,一个是实际执行拦截的 Python 脚本。

1. 提示词 (CLAUDE.md)

把这段加到你的项目提示词文件 (CLAUDE.md \ AGENTS.md) 中。告诉 claude code 读取策略。

中文版本

### 文件读取策略 **强制规则**:每次调用 Read 工具时**必须**指定 `offset``limit` 参数,禁止使用默认值。

#### 参数要求

| 参数   | 要求           | 说明                          |
| ------ | -------------- | ----------------------------- |
| `offset` | **必须指定** | 起始行号(从 0 开始)         |
| `limit`  | **必须指定** | 读取行数,单次不超过 500 行   |

#### 读取流程 1. **侦察**:先用 Grep 了解文件结构,或定位目标关键词行号。
2. **精准打击**:使用 offset + limit 精确读取目标区域。
3. **扩展**:如果需要更多上下文,再调整 offset 继续读取。

**目标**:保持上下文精准、最小化。如果不遵守,工具调用将被 Hook 拦截。

English Version

### File Reading Strategy **MANDATORY RULE**: Every `Read` tool call **MUST** verify `offset` and `limit` parameters. Default full-file reads are prohibited for non-trivial files.

#### Parameter Requirements

| Param    | Requirement    | Description                   |
| -------- | -------------- | ----------------------------- |
| `offset` | **REQUIRED** | Start line number (0-indexed) |
| `limit`  | **REQUIRED** | Max lines to read (Max 500)   |

#### Workflow 1. **Recon**: Use `Grep` first to understand structure or locate keywords.
2. **Surgical Read**: Use `offset` + `limit` to read only the relevant section.
3. **Expand**: Adjust `offset` to read more context only if strictly necessary.

**Goal**: Keep context precise and minimal. Violations will be blocked by the PreToolUse hook.

2. Hook (Python 脚本)

从上面 github 仓库获取 hook 文件,并配置到你的 claude code(如果不熟悉可以直接把文件丢给 claude code 让他代劳)。

(这个脚本稍微有点长,但逻辑很简单:检查文件大小 → 检查参数 → 决定是放行、自动修正还是报错拦截)

效果

装上这一套之后,你会发现 claude code 的行为模式变了:

【AI 编程】拒绝上下文过载:如何让 Claude Code 学会 “渐进式阅读”5

虽然多了一步交互,但上下文极其干净,Token 消耗量大大降低,而且修改的准确率反而提高了。


📌 转载信息
原作者:
cedricthecoder
转载时间:
2026/1/23 08:59:45

自己稍微汇总了一下日常会使用的各类 AI 工具,真的蛮多的,汇总一下供各位参考,有推荐的工具也可以分享一下:

开发编程(终端 / IDE / 代码代理)

  • Claude Code(终端代码代理)
    • 使用:需要订阅 / API
    • 说明:终端里跑任务、改仓库、执行命令。
  • OpenAI CodeX(终端代码代理)
    • 使用:需要订阅 / API
    • 说明:终端里跑任务、改仓库、执行命令,功能与 Claude Code 类似
  • Gemini CLI(Google 终端 AI 代理)
    • 使用:可免费使用,有配额限制
    • 说明:Google 提供的终端 AI 工具,功能与 Claude Code 类似
  • Warp(AI 终端)
    • 使用:Build 计划需要订阅
    • 说明:现代化 AI 终端,Build 计划含每月 1,500 AI credits,支持 BYOK(自带密钥)
  • GitHub Copilot(代码补全 / 对话助手 / 终端工具)
    • 使用:通过 GitHub Education 免费领取 Pro
    • 说明:提供终端 Copilot 工具,可在命令行中使用 AI 辅助;同时支持 IDE 内实时代码补全和 AI 对话助手,支持多种编程语言
  • Cursor(AI IDE)
    • 使用:订阅 Cursor Pro
    • 说明:集成 AI 的现代化 IDE
  • OpenCode(开源终端 / TUI 代码代理)
    • 使用:开源软件,可接入多种模型
    • 说明:通用开源代理工具,支持接入不同 AI 模型账号,灵活配置
  • Replit(在线 IDE + Agent)
    • 使用:可免费使用,高级功能需订阅
    • 说明:浏览器内完成编写、运行、部署,适合快速原型开发和协作
  • v0 by Vercel(UI / 全栈原型生成)
    • 使用:订阅 v0 Premium
    • 说明:AI 驱动的 UI 和全栈应用生成工具,Premium 含每月 $20 credits


研究与知识工作(检索 / 文档 / 知识库)

  • Perplexity
    • 使用:订阅 Perplexity Pro
    • 说明:AI 搜索引擎,提供带来源的检索式问答和研究能力,支持文件上传分析
  • Notion AI
    • 使用:订阅 Notion AI
    • 说明:在 Notion 内实现内容总结、改写、知识库抽取与生成,作为工作流增强功能
  • ChatGPT(客户端)
    • 使用:Team 会员
    • 说明:OpenAI 的对话式 AI 助手,Mac 端支持访问本地的一些软件中的内容,比较方便。
  • Gemini(网页版)
    • 使用:Google One 学生会员
    • 说明:Google 的 期间模型,推荐深度研究、大香蕉。


编排与管理(账号 / API / 配置 / 额度监控、多 Agent 协作)

  • CC-switch(软件)
    • 使用:独立软件工具
    • 说明:统一管理 Claude Code / Codex / Gemini CLI 的账号、API、配置、MCP、Skills 等,简化多工具切换
  • Quotio(软件)
    • 使用:独立软件工具
    • 说明:监控 Claude Code / Codex / Cursor 等工具的用量和额度,支持 CLI Proxy API
  • Conductor(软件)
    • 使用:独立软件工具
    • 说明:多 Agent 协作平台,每个对话独立工作区,支持接入 Claude Code / Codex 等工具
  • Z Code(软件)
    • 使用:智谱提供的工具
    • 说明:智谱的 AI 编程平台,类似终端,偏多 Agent / 协作 / 集成的编程工作流

📌 转载信息
转载时间:
2026/1/21 21:46:54

项目地址:

huanchong-99/Terminal-Recognition-Automatic-Click-Tool: 识图终端自动点击 - 回车工具

(不是让 AI Coding 效率至少翻 5 倍的那个,那个没开发完成)

项目具体作用是自动点击和自动点击后回车


相信各位在用各类 CLI 编程软件或者是 AI IDE 的时候,经常性会出现需要点击确认或者确认后回车的情况,同时也不太敢开危险模式,就像

claude -c --dangerously-skip-permissions 

给予全部权限

更多的时候是希望他如果有 yes 选项的话,自动进行,如果是其他选项就停着等着人工来输入,比如说需要多选选择,所以在这种情况下,我用 AI 开发了这个小工具,两种模式,一种仅点击给 IDE 用,另外一种是点击加回车给 CLI 用。

模板图片允许加载多张,也可以只加载一张,然后你自己截张图,然后随便放个地方,加载的时候选择就可以了(用之前慎重,这相当于你手动开了一个危险模式,无脑全部 yes 同意)

觉得有用的话,辛苦点点 star

另外,汇报一下开发进度(AI Coding 效率翻倍的项目)



整体的开发调优还要一段时间(应该这个月能搞好),而且今天我发现了论坛有佬发布了 【开源】为了方便摸鱼,我做了个 AI cli 任务完成提醒工具(cc+codex+gemini)支持多种方式提醒,exe 更方便配置 - 开发调优 - LINUX DO 这个项目的任务监测,可以融入到现在这个开发进度里,做一个并行,现在我做的是单纯的 git 监测,但是有一个问题,就是如果说终端跑的报错了,或者什么情况没有提交 git,就监测不到,正好在考虑如何解决,就发现有佬发了一个这样的项目,简直是太好了


📌 转载信息
原作者:
huanchong
转载时间:
2026/1/20 10:17:10

Google 负责 Gemini API 的首席工程师 Jaana Dogan 在社交平台 X 上公开盛赞 Anthropic 推出的新工具 Claude Code。她透露,自己曾向该工具描述了一个困扰团队一年的复杂难题 —— 分布式代理编排系统,结果 Claude Code 仅用 1 小时就生成了可运行的系统框架。

尽管 Google 团队此前曾尝试过多种方案,但始终未能达成共识。令人意外的是,Dogan 提供给 Claude Code 的提示词仅有短短三段话。虽然她坦言生成的代码并非完美,仍需后续打磨,但其完成度已足以与团队耗时一年打磨出的成果相媲美。

Dogan 回顾道,2022 年的 AI 只能补全单行代码,而到了 2025 年,AI 已经能够重构甚至从零创建整个代码库。这种超越预期的进化速度,让原本认为 “自动化编程还需五年才能普及” 的专家们纷纷改变了看法。

目前,出于安全考虑,Google 内部仅允许在开源项目中使用 Claude Code。

𝕏 x.com
I'm not joking and this isn't funny. We have been trying to build distributed agent orchestrators at Google since last year. There are various options, not everyone is aligned... I gave Claude Code a description of the problem, it generated what we built last year in an hour.
11:57 PM - 2 Jan 2026 21K🔁 2.1K

📌 转载信息
原作者:
BunnHack
转载时间:
2026/1/4 18:26:56

分享一个我最近开源的 API 测试框架,专门解决 AI 编程助手写测试代码的痛点。

背景

不知道大家有没有让 AI 写接口测试的经历?我之前用 Claude、Cursor 写测试,遇到了几个非常头疼的问题:

场景 1:重复劳动

每次让 AI 生成测试,都要重新描述项目结构、认证方式、断言风格。测 10 个接口,同样的 fixture 和 setup 代码能重复 10 遍。

场景 2:Token 黑洞

一个简单的登录接口测试,AI 生成 200 行代码。发现断言写错了,让它改,又生成 200 行。改 3 次,消耗 2000+ Token,最后还是自己手动改的。

场景 3:调试死循环

AI 生成的测试跑不通,报错信息贴给它,它改了一版还是不对。来回复 5 轮对话,问题还在,Token 已经烧了 5000+。


解决方案

传统方式:自然语言描述 → AI 生成完整代码 → 运行报错 → 贴报错 → AI 重新生成 → 循环…

本框架:自然语言描述 → AI 生成 YAML → 框架执行 → 直接定位问题 → 改 YAML 一行

这个框架的解决方案:


传统方式:自然语言描述 -> AI 生成完整代码 -> 运行报错 -> 贴报错 -> AI 重新生成 -> 循环...

本框架: 自然语言描述 -> AI 生成 YAML -> 框架执行 -> 直接定位问题 -> 改 YAML 一行

| 对比项 | 传统 AI 生成 | 本框架 |

|--------|-------------|--------|

| 测试 1 个接口 | ~200 行代码 | ~20 行 YAML |

| 修改断言逻辑 | 重新生成全部代码 | 改 1-2 行 YAML |

| 10 个接口测试 | 重复 setup 10 次 | 共享配置,0 重复 |

| 调试一个问题 | 平均 3-5 轮对话 | 通常 1 轮 |


核心特性

| 特性 | 说明 |

|------|------|

| YAML 声明式用例 | 测试逻辑与执行代码分离,AI 只需生成结构化数据 |

| MCP Server | 与 Claude/Cursor 等 AI 编辑器无缝集成 |

| 接口 Workflow 编排 | 单文件支持多步骤接口调用,步骤间数据传递与断言 |

| 变量解析引擎 | 支持步骤间数据传递、全局变量、动态函数调用 |

| 自动认证管理 | Token 获取和刷新由框架处理 |

| 数据工厂 | 无需 Java 依赖,内置 Mock 数据生成 |

| 多格式测试报告 | Allure(离线 / 在线)、pytest-html(独立 HTML,美化样式) |

| 多渠道通知 | 钉钉、飞书、企业微信 |

| 单元测试 | 支持 Python 代码单元测试,Mock 依赖自动注入 |


快速开始

安装

 # 1. 安装 uv(如果没有)

curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. 安装 MCP 服务器(推荐:安装为 tool)

uv tool install git+https://github.com/GalaxyXieyu/Api-Test-MCP.git

# 验证

api-auto-test-mcp --help # 管理工具

uv tool list

uv tool uninstall api-auto-test # 以 `uv tool list` 展示的 tool 名称为准 

📌 转载信息
原作者:
xieyuDaniel
转载时间:
2025/12/29 15:57:20