思维链越长，拒绝越弱：H-CoT 与「拒绝稀释」
推理模型把思考过程摆到台面上，安全性却未必随思考时间提升。H-CoT 借助伪造的执行思路绕过前置判断，而长段良性推理会稀释拒绝方向。本文按原文脉络整理原理与机制。
Jev 的相关思想：只给任务最需要的上下文
Jev 是一套只给任务最需要上下文的 Harness：输入预检、工具审批、结果准入、轮次纠偏，旁路判定与主执行流解耦，落地「Only what's needed」。
用顶级模型搞科研：上下文管理比什么都重要
用大模型辅助科研，关键不是一次让它吐完整方案，而是先喂高质量上下文、严格限制当前阶段，再用自己的 taste 多轮迭代。
【公司AI编程培训】从零基础入门到团队工程化，附 AI 中转站科普与自建运营
从零基础入门 AI 编程到团队工程化：Coding Agent、AGENTS.md、Skill、MCP、Grill、Trellis；并附中转站科普（倍率、成本、上手开站）与公司自建运营模式。
Matt Pocock（grill-me）系列 Skill 工程化路径
按 Matt Pocock 的思路，把项目从对齐想法、落实 Spec、拆分 Ticket，到实现与审核，拆成一套可复用的 Skill 工程化路径。
Git 学习笔记：三个区域、常用命令与协作坑
本地工作目录、暂存区、资源库，加上远程一共四个区域。日常记住 add、commit、push 这条链路，协作时避开 main 裸奔，冲突也不能全交给 AI。
AI 编程时代，代码审美还重要吗？
Docker、微服务早已提示代码趋势：能跑、能换模块就够。所谓代码审美多半是复用幻想；更关键的是千层面式结构，以及数据流、体验与抽象是否正确。
大模型 Agent 工程实践：务实、复盘与底层思考
深耕大模型 Agent 落地：优先最小闭环、以 Agent 视角用日志调试、人机双向观察、第一性原理拆问题，并扎根操作系统与沙盒等底层能力。
Claude Code 源码笔记：Prompt 缓存、三层记忆与上下文压缩
Claude Code 源码侧观察：Prompt Caching 与缓存分裂、热温冷三层记忆、五级上下文压缩、MCP 工具按需加载，以及 Karpathy 式 Markdown Wiki 知识库。
Docker 和 K8s：镜像、Compose、代码进不进镜像
Docker 把程序和环境打包运行；Dockerfile 是清单，镜像是模具，Compose 一键拉起多服务。澄清代码是否打进镜像，以及 K8s 里 Container / Pod / Service 的层级与集群内外通信。