我们平日上网遇到一些外语网站或英文的文章，想认真阅读，但往往光是查单词就耗掉半小时，最后还是似懂非懂。而好用的翻译插件，很多又需要订阅会员，对学生党并不是太友好。直到最近遇到 Read Frog (陪读蛙)！这是一款开源的浏览器“类沉浸式”的翻译插件，核心功能完全免费！还能自由配置使用第三方大模型 API，比如 DeepSeek、OpenAI，花多少自己控。不只解决网页翻译需求，更像一个陪你读外文的双语助手，让你更好地边上网边学习外语………

这套机制最早来自 Routa 项目内部的 fitness 实践。我们最初把它以 `routa-fitness`

我还没从 Thoughtworks 离职的时候（现在在 Qoder 团队），我就想写一篇文章，把一张图里 `Loop` 那一栏补完整。那张图其实很直白：不是让 AI 生成更多代码，而是让 AI 在工程体系中稳定完成交付。左边是 `Rules`，把团队经验和开发约束变成 AI 可执行的工作规则；中间是 `Spec`，把模糊需求收敛成可拆解、可验证、可追踪的交付目标；右边是 `Harness`，把 AI 行为纳入工程治理边界，确保结果可验证、可度量、可放行。

> 之前 Codex Pet 很火，我也想在 Qoder 里放一个类似的小东西。于是，周末 Vibe Coding 了一把。做着做着才发现，它要解决的好像不是“再多一个 Notification”。

查看原文：从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻 - Blog | Phodal - A Growth Engineer

查看原文：长程验证：AI Agent 长任务的收敛机制 - Blog | Phodal - A Growth Engineer

上周买了一个带触发屏的开发板，想探索一下之前的一个想法：AI 时代能不能加速传统行业的一些软件开发的范式？作为一个写过物联网书籍的“资深”硬件专家，

Piece 尝试把编码智能体的局部代码修改映射为片段级构建反馈，让文件内部的函数、组件、接口和 JSX 结构成为可追踪、可验证、可回退的反馈单位。

过去几年，我们讨论 AI 对软件研发的影响，最常使用的仍是个人生产力：一个功能要多久，一名开发者能同时推进多少任务，Coding Agent 能生成多少代码。AI 确实显著降低了执行成本，过去数天才能形成的初步实现，现在几个小时后就可能进入 Pull Request。

最近我重新整理 [Better Harness](https://github.com/QoderAI/better-harness) 的 `references`

把一项能力写进 `SKILL.md`，再封装成 Agent 插件，并不难。真正困难的是，当它被不同用户、不同项目和不同 Agent