系统学习 AI 工具使用技巧，所有文章免费阅读。
Claude 的 Computer Use 功能可以操控电脑：截屏识别、鼠标点击、键盘输入。本文构建一个完整的桌面自动化 Agent，实现 RPA 级别的任务自动化。
当 Agent 有 10+ 个工具可用时，如何让它自主选择正确的工具？本文讲解工具描述优化、Tool Search、工具组合策略和并行调用。
Claude Code 是 Anthropic 的 AI 编程助手。本文深度讲解：MCP Server 配置、Sub-Agent 多智能体协作、Hook 自动化、Skills 开发、最佳工作流。
Claude 的 Memory Tool 可以跨对话保存和检索信息。本文讲解记忆系统的架构、使用场景（个性化助手、知识积累），以及记忆管理策略。
构建实时 AI 体验：Server-Sent Events 流式输出、工具调用参数的细粒度流式传输，以及前端渐进式渲染的完整方案。
全方位降低 Claude API 费用：Prompt Caching（省 90%）、Batch API（省 50%）、Effort 参数、模型选择策略、token 优化技巧。附成本计算器和监控方案。
从零构建一个生产级 AI Agent：需求分析、架构设计、工具编排、错误恢复、日志监控、安全防护。完整的 Agent 项目实战指南。
深入理解 AI Agent 的四层架构（Agent Loop → Runtime → MCP → Skills）。从单轮对话到自主决策循环，设计可靠的 Agent 系统。
Programmatic Tool Calling 让 Claude 在容器内直接执行代码，无需往返 API。本文讲解容器化工具执行的架构、安全模型和性能优势。
在三大云平台上使用 Claude：AWS Bedrock 的 Converse API、Google Vertex AI 的集成方式、Azure Foundry 的配置。对比各平台的功能差异和最佳选择。
生产级 AI 应用的上下文管理三件套：Compaction（压缩摘要）、Context Editing（自动裁剪）、Prompt Caching（缓存复用）。本文讲解最优组合策略。
Claude 支持 100 万 token 的超长上下文（Beta）。本文探索实际应用场景：整本书分析、大型代码库理解、长期对话记忆，以及性能和成本考量。
Agent Skills 是 Claude 的专业能力模块：生成 PPT、分析 Excel、处理 PDF。本文讲解 Skills 的设计原则、自定义 Skill 开发和 MCP 的关系。
Model Context Protocol 是 AI 连接外部系统的开放标准。本文讲解 MCP 的架构设计、Server 开发、Client 集成，以及与 Claude Code 的配合使用。
