AI Agent 的安全风险，正在从 Prompt 扩展到运行环境
使用 Coding Agent 时，我们已经习惯了各种权限确认。读取文件、执行命令、访问网络，有些操作需要手动批准，有些则可以提前配置允许范围。
WorkBuddy 的提示词是怎么拼出来的
在 WorkBuddy 里新建一个会话，界面会先让你做几个选择：普通对话还是快速问答，写代码、做设计还是处理工作事务，要不要挂一个专家。
用 AI 写代码也别忘了安全：prompt 注入，可能把你的密钥全交出去
很多人把 AI 编程助手当成「听话的实习生」，啥都让它干。但 10 月连续曝出的几起事件提醒我们：能执行命令、能读文件的 Agent，本身就是攻击面。
Agent 为什么开始“越用越强”？一条自进化技术路线正在形成
上周六是 1024 程序员节，笔者在朋友圈看到不少开发者调侃:今年可能是最后一届「程序员节」了，明年是不是该改成「 1024 Agent 节 」了?
Agent 小知识：把动态 Prompt 做成一个系统组件
大多数人对 Prompt 的理解，它是一段提前写好的文字描述。在 AI 兴起的早期，包括现在，我们要让一个模型更好地分析并修复一段代码时，我们会写清角色、任务和几条要求。参考下面的示例：# 角色你是一名专业的软件工程师。# 任务请分析下面这段代码，找出问题并修复。
Agent 运作像开厨房：从点单到出菜
把 Agent 比作餐厅厨房，复杂概念瞬间通俗易懂。本文用“接单、查料、计划、动手、检查、出菜、复盘”的厨房流程，拆解 Prompt、RAG、Function Calling、MCP、Skill 等核心概念，并强调模型负责建议、系统负责授权执行、人负责关键确认的分工边界，帮你建立对 Agent 运作机制的系统认知。
如果你在用AI Agent，一定要试一下这个复盘Prompt！
喵今天要推荐一个 Prompt，如果你在用 AI Agent 的话，很推荐试一下。它可以让 AI Agent 帮你回顾一段时间内的聊天记录、任务和讨论，找出那些反复在做、值得整理下来的工作，再看看能不能把它们整理成 Skill、自定义子代理或者自动化。
让 Agent 输出稳定可控的 Prompt 方法
开场：一道专测"会不会只发提示词就行了"的题面试官： 你怎么让 Agent 输出稳定可控？用了什么 Prompt 方法？我： 我就在提示词里写"请如实回答、格式正确"，它一般都能做对。面试官： "一般都能做对"不够稳。
一篇文章讲清楚Prompt、Skill、Agent和MCP。
我想用一篇文章讲清楚Prompt、Skill、Agent和MCP这4个概念的区别、配合方式与选择条件。我想沿着同一个睡前故事任务，看清这四个概念的区别与配合方式。