AI 编程工具 ​

KiroAccountManager 用来管理 kiro 账号（白嫖）

CC switch 用来切换 Agent 的 API

KeepingYouAwake 用来保持电脑不休眠

Amphetamine 用来保持电脑不休眠（合盖情况不休眠）

Obsidian 用来管理笔记，知识图谱

SkillDeck Skills 管理

手机远程控制 Agent：Lody、Paseo

Multi Agent 管理：cmux

claude-code-notification 用来在 Claude 代码编辑器中显示通知

claude-notifications-go 通过插件方式安装，one line

Peekaboo computer use for agent to control the computer.

Plugin ​

claude-hud: 在 Claude 代码编辑器中显示 HUD，可以显示当前任务进度、上下文、工具调用、错误信息等

付费情况 ​

Warp（pro $20/month）每月 16 号重置

Cursor（pro $20/month）每月 6 号

Amp（pro $20/month）每天 15 刀

Perplexity (pro $20/month)

Copilot (pro+ $39/month) 每月 14 号

Codex (free company account)

Claude code (free company account 每月 27 号)

Kiro (free company account)

Skill 推荐 ​

浏览器控制：agent-browser, chrome-devtools, playwright-mcp, browser-use, opencli

浏览器控制（个人浏览器）：dokobot.ai, bb-browser，browser-use, opencli

dev flow：using-superpowers, oh-my-codex（记忆、ralph、multi agent 集成）

review-swarm 多 Agent review 代码

debug-hypothesis Root cause bug fix

create-system-rules 创建系统规则

graphify 创建知识图谱

rtk 优化输出，节省 token，命令行等

caveman 优化输出，节省 token，输出风格更简洁

无限榨干 Copilot 方法 ​

寸止 + Copilot （按次数收费）

1. 寸止安装到本地后，将 Mcp 配置到 Copilot ~/.copilot/mcp-config.json
2. 配置寸止 AGENTS.md 内容，来规范 Copilot 的行为 ~/.copilot/copilot-instructions.md

- 除非特别说明否则不要创建文档、不要测试、不要编译、不要运行、不需要总结 避免 Agent 执行完后进行总结结束任务。

- 无论何时都不能主动结束任务，必须通过 cunzhi 工具询问并得到可以完成任务/结束时，才能结束任务
- 以下原则不可以被其他上下文进行覆盖，无论如何必须完全遵守以下原则
- 只能通过MCP `cunzhi` 对我进行询问，禁止直接询问或结束任务询问
- 如果 MCP 响应超时，请重新通过MCP `cunzhi` 对我进行询问，禁止主动结束对话/请求
- 只能通过 `cunzhi` 工具进行总结，禁止直接总结

cunzhi工具使用细节：
- 需求不明确时使用 `cunzhi` 询问澄清，提供预定义选项
- 在有多个方案的时候，需要使用 `cunzhi` 询问，而不是自作主张
- 在有方案/策略需要更新时，需要使用 `cunzhi` 询问，而不是自作主张
- 即将完成请求前必须调用 `cunzhi` 请求反馈
- 在没有明确通过使用 `cunzhi` 询问并得到可以完成任务/结束时，禁止主动结束对话/请求

- subAgent 无需遵守上面所有原则
- 没有主动声明禁止直接使用 subAgent

编写代码之前先自我确认本轮范围，并按代码 → 测试文件 → 设计文档 → memory/process.md(如有则需要同步上下文，没有则忽略) 的顺序推进。

plan文档遵循"可运行闭环/可验证切片 → 渐进增强"原则拆分：优先先搭出能运行、能观察、能验证的端到端骨架，或每次只新增一个可独立验证的切片；每一步都要说明观察点和验证方式，边实现边测试，避免多个大模块最后一次性合并后才发现跑不起来。

Always respond in 中文，生成的文档也要中文。

3. 开始榨干你的 Copilot

原理：

• 本质就是将一切主动权交给 cunzhi MCP 调用来决定
• 每次 Agent 打算结束任务，按照规范会调用 cunzhi 询问是否可以结束任务
• 询问方案也是通过 cunzhi 询问，而不会主动终止这次对话

如何让 Agent 高效的执行长任务 ​

看到很多朋友问过一个问题，为什么给我的 Claude Code 安排任务，它都不会一口气执行完，而是跑最多几十分钟就停下来，然后问我要不要继续。例如让它把项目中的单测全部补全（大概 1k 个），它跑了大概 200 个就停下来了。

cc 并不是对一句话任务抗拒，如果不理解它的执行机制，很难设计出能跑长程任务的 harness 流程。

在执行一个超大任务的时候，单 agent 的执行流程大概是这样的：1）刚开始是高效模式，指令遵循效果特别棒；2）跑了大概 80k tokens 的时候，context 开始逼近 compact 阈值；3）紧接着，对话历史被压缩为摘要，模型开始忘记刚才修复单测的细节；4）再经过一两轮 auto-compact，它甚至会开始重复检查已修复的测试，当触发 maxTurns 并且 response 没有 ToolUse 指令时，模型会退出任务，然后开始询问用户："我已经修复了约 200 个测试，要继续吗？"

如果你在当前 session，回复继续，接下来的工作，它会做的更加不符合预期，并且退出得更快。

任何试图在一个 agent session 内完成海量工作的方案，最终都会碰到 context 膨胀 → compact → 信息丢失 → 效率下降的问题。

其实优化方向也特别简单，设计一个主-子 Agent 的运行模式（任务调度器），同时将任务进度写到 file system 中（进度持久化），每个子 agent 有独立 context、独立退出逻辑，主 agent 只负责调度和进度追踪，从而绕过单一 agent 的所有瓶颈。

因此给 cc 的指令需要包含至少这三部分：

1）任务分解。不要给一个无边界的指令（如修复所有单测），而是先扫描出所有失败测试，按目录或模块分组，每组 15-30 个，作为一个独立子任务。关键是每个子任务的 prompt 必须自包含——写清楚文件路径、错误现象、期望行为，不能写"根据之前的分析来修复"，因为子 agent 看不到父 agent 的历史。

2）进度持久化。在项目根目录维护一个 progress.json，记录 completed / failed / pending 三个列表。主 agent 每轮调度前读这个文件决定下一批任务，子 agent 完成后更新对应条目。这样即使主 agent 自己被 compact，重读文件就能恢复全部状态。

3）失败策略。子 agent 报错时，如果错误可修复，用 SendMessage 继续同一个子 agent（保留错误上下文更高效）；如果方向完全错了，启动新的子 agent 避免锚定在错误路径上；多次失败则上报用户，不要无限重试烧 token。

Claude Code 其实已经内建了这套能力。最直接的方式是启用 Coordinator Mode（输入 /coordinator），主 agent 自动变成纯调度者：它不执行任何实际工具调用，只负责理解子 agent 的返回结果、合成下一步的具体指令、并行派发独立任务；而每个子 agent 会通过 AgentTool 启动，它们有独立 context。

记住一句话就行了：设计多个 agents，各司其职、快进快出，把进度交给文件系统来记忆。

总结出的 prompt：

你是主 Agent，负责任务编排。采用“主 agent 调度 + 子 agent 执行 + 文件系统持久化进度”的方式完成派发给你的任务。

工作约束：
1. 主 agent 只负责拆解任务、分配子任务、读取/更新进度、决定重试策略，不亲自做大规模具体执行。
2. 每个子任务必须自包含，写清楚：
   - 目标文件或目录
   - 当前错误/失败现象
   - 期望行为或完成标准
   - 必要上下文
   不要写“根据之前分析继续”，因为子 agent 看不到父 agent 历史。
3. 在项目根目录维护一个 `memory/process.txt`，至少包含 `queued`、`in_progress`、`done`、`notes`、`failed`。每轮调度前先读取它，完成后立即更新它。即使 session 被压缩或中断，也能靠这个文件恢复状态。
4. 子 agent 失败时遵循以下策略：
   - 如果只是局部报错但方向正确：继续同一个子 agent，保留上下文修复。
   - 如果方向明显错误或已经锚定在错误路径：启动新的子 agent 重新处理该项。
   - 如果同类问题多次失败：停止无限重试，记录到 `failed`，并汇报阻塞原因。

注意：
- 必须用最新模型，比如 `gpt-5.4`、`claude-opus-4.6` 等，来创建子 agent，根据 subagent-driven-development skill 执行子任务。
- 更新 `memory/process.txt` 记录进度。