在 2025 年，市面上发布了几款可以直接通过终端访问的 AI 编程助手。Codex CLI、Gemini CLI 和 Claude Code 是其中几个热门名称，它们都将大型语言模型嵌入到命令行工作流程中。这些编程工具能够通过自然语言提示来生成和修复代码，能力着实令人惊叹。我们记录了对这三款工具在不同任务中的评估结果，以确定哪一个才是最实用的。
每款助手都基于先进的 AI 模型，如 o4-mini、Gemini 2.5 Pro 或 Claude Sonnet 4，旨在提高生产力。我们将它们放置在相同的环境中，并通过特定的指标在真实的编程任务中对它们进行测试。这些任务涵盖了从 Web 开发到 数据分析等多个领域，通过此评估，我们旨在清晰地展现每款助手的优势！
Claud Skills 虽好，但是只能使用在Claude 的工具中，想在我们自己的应用中使用Skill 还得想想办法。
上周我介绍了goskills, 支持在常见的LLM 中集成Claude Skills的能力。没两天百度厂内的同学就基于它做了提效的工具，自动为批量的表结构按照特定的要求创建创建“建表SQL”： 类似cat user.data | goskills。
这激发了我的灵感，当初做这个工具的时候我还没想到可以这么简化调用Claude Skills，这促使我进一步优化这个工具，产品化并发布v0.1.3版本，更方便下载使用。
基本上，下载后在命令行中只需执行一句./goskills run --auto-approve --model deepseek-v3 --api-base https://qianfan.baidubce.com/v2 "使用markitdown 工具解析网页 https://baike.baidu.com/item/%E5%AD%94%E5%AD%90/1584", 就可以调用markitdown这个Skill将百度百科上关于孔子的网页转换成markdown格式：
所以你只需在程序中调用goskills run --auto-approve your_prompt 即可。文章后面我附上各种编程语言的示例。
在去年年底Claude推出MCP的功能后，MCP热度维持了小半年，MCP开发和研究风生水起。一年后，Claude又推出了一个新的概念：Skills。
Claude 的各种应用(desktop、code cli、claude.ai等)现在可以使用 “Skills” 来改进其执行特定任务的方式。“Skills”是包含指令、脚本和资源的文件夹，Claude 应用可以根据需要加载这些文件夹。
Claude 应用只会在Skill与当前任务相关时才会使用该Skill。使用Skill后，克劳德可以更高效地完成特定任务，例如使用 Excel 或操作pdf。
在执行任务时，Claude 应用会扫描可用Skill以查找相关匹配项。找到匹配项后，它只会加载所需的最少信息和文件——既保证了Claude的运行速度，又能让他快速获取专业知识。
Skills 功能强大：
下面是官方的一些资源：
除了官方的示例技能，很快又一群网友开发和整理了一批Claude资源，比如：
Claude 官方对SKILL的规范描述的比较清楚了，但是对于LLM 怎么使用SKILLs并没有一个详细的描述，这对于其他大语言模型使用SKILLs带来了很大的挑战。现在你看网上所有的关于Claude Skills讨论都是基于Claude 的各种应用的，鲜有openai、qwen、deepseek如何使用SKILLs的资料。考虑到 Claude官方对中国的敌意，以及在国内也很少能够购买Claude会员和使用Claude应用，我们对其他大语言模型使用SKILLs的研究还是很有意义的。
少有的几篇资料，从外部的视角分析Claude如何调用SKILLs的：
作为对SKILLs在其他大语言模型的探索，我实现了一个Claude SKILL的Go语言库，它提供了下面的功能：
接下来我就详细介绍这个库的功能。 库地址： https://github.com/smallnest/goskills
MCP技术毋须多言了，上半年火的一塌糊涂，现在进入冷静期了。
langchain 本身就很方便的集成进程内的工具，但是加上 MCP的功能，就如虎添翼，可以充分利用网上上万的MCP的服务。
langchain 自从上个月融资了1.25亿美元之后，资金充足，也更加有动力推进产品的演化，相继发布了langchain/langgraph 1.0的版本。 langchain 1.0中统一了agent的创建，使用create_agent代替之前的create_tool_calling_agent、create_react_agent、create_json_agent、create_xml_agent等。
这篇文章介绍 2（MCP的两种模式sse、stdio） x 2 (经典的langchain agent和1.0最新版create_agent两个模式)一共4个例子，介绍了langchain如何使用MCP 工具丰富其功能。
从 write() 到 recv() 的实用导览。
你运行了 curl http://example.com，现在在终端里得到了一些 HTML，但实际上发生了什么？Linux 会让你的字节经过一套明确的步骤：选定一条路径，查找邻居的 MAC 地址，把包放在，请求网卡发送，然后在另一端执行反向的操作。
这篇文章尽量简单地解释这条路。如果你用过 Linux，运行过 curl，或者试过 ip addr，你完全有能够读懂这篇文章。不需要多么高深的背景。
注意：当我在这篇文章中说“内核”时，我实际上指的是“Linux 内核及其网络栈”，即内核中运行并移动数据包的部分。
今天看到 @sysxplore 介绍的一个技巧，类似IPv6的0简写的方法，这是我第一次知道ipv4的地址还能这么直接写：
![](/127.1/admin # 可能绕过 "127.0.0.1" 的黑名单
http://2130706433/ # 十进制形式的 127.0.0.1`
来自投资人 @JTLonsdale 的见解。
根据国际能源署，数据中心电力消耗预计到 2030 年将增加一倍以上，达到约 945 太瓦时。 以这个数据为背景，这超过了大多数国家。 例如，德国在 2024 年大约产生了 431.7 太瓦时的电力。
Go 语言的 sync 包是其并发编程模型的基石，提供了实现同步和并发控制的关键原语。在过去的两年里（大约从 Go 1.19 到 1.25），sync 包及其子包 sync/atomic 经历了一系列重要的演进。这些变化不仅包括新功能的增加，还涉及性能优化、内部实现的重构以及开发者体验的显著提升。
本文基于 Go 语言官方仓库的 Git 提交历史，对 sync 包近两年的主要变化进行总结。
我们可以把 DeepSeek 稀疏注意力（DeepSeek Sparse Attention, DSA）中的闪电索引器（Lightning Indexer） 想象成一位专门负责阅读和检索《红楼梦》全书信息的“记忆筛选专家”。
例如，《红楼梦》全书篇幅巨大，如果我们想让一个语言模型（比如 DeepSeek-V3.2-Exp）记住书里的所有细节，并在读到某个句子时能立刻回想起所有相关信息，效率是个大问题。
