再次推荐 Google Engineering & DevRel Leader @addyosmani 重磅开源的 Agent Skills (69.7✨)，把资深工程师的生产级工程纪律，固化为 AI Agent 可机械执行、强制验证、跨工具复用的工作流 Agent Skills: Production-grade engineering skills for AI coding agents. 它要解决什么问题？ AI Coding Agent 的默认行为是"走最短路径"——跳过规格、跳过测试、跳过安全评审，给出能跑但不可靠的代码。Agent Skills 的立论是：质量不靠提醒出来的，要靠强制流程托底的。它把"什么时候写规格、测什么、怎么评审、何时发布"这类隐性工程判断，固化成 Agent 必须遵循的步骤。 顶层架构：六阶段生命周期 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP /spec /plan /build /test /review /ship 8 个 slash 命令作为入口，分别对应一个阶段，自动激活对应 Skills。Skills 也会按上下文自动触发（写 API → api-and-interface-design，写 UI → frontend-ui-engineering）。/build auto 在一次批准后自动跑完计划与实现，但每个任务仍独立测试、独立提交、遇险即停。 24 个 Skills 的分布 1. Meta - 1 个 using-agent-skills（路由，决定该用哪个技能） 2. Define - 3 个 interview-me、idea-refine、spec-driven-development 3. Plan - 1 个 planning-and-task-breakdown 4. Build - 7 个 incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design 5. Verify - 2 个 browser-testing-with-devtools、debugging-and-error-recovery 6. Review - 4 个 code-review-and-quality、code-simplification、security-and-hardening、performance-optimization 7. Ship - 6 个 git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch 几个值得点名的设计取向 · doubt-driven-development：对抗性"新上下文复盘"，CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，可选跨模型升级。这是该仓库比较有原创性的一项，针对高代价/不可逆决策。 · source-driven-development：框架决策必须挂在官方文档上，要引源、要标注未验证项。直接对治 LLM 编造 API。 · deprecation-and-migration 把"代码即负债"单列为技能，配套强制 vs 建议性弃用模式与僵尸代码清除——很少见但有工程味。 · Google 工程文化底蕴：Hyrum's Law（API）、Beyonce Rule 与测试金字塔（测试）、变更尺寸约 100 行 + 评审速度规范（评审）、Chesterton's Fence（简化）、主干开发（git）、Shift Left 与 feature flag（CI/CD）。来源明确标注自《Software Engineering at Google》与 Google 工程实践指南。

黑客松 @HerstoryWeb3 线上 Workshop：和 @solana DevRel @Mikkke_crypto 一起，了解怎么样更好地在Solana链上开发出第一个黑客松项目！ 时间：5月8日 15:00 (UTC+8) 地点：Google Meet（社群内共享） @dev3pack @vercel @ElevenLabs

东京 WebX 2026 昨天圆满收官！作为本次盛会的最后一天，0G 团队可以说是满负荷运转，现场交流非常火爆。 回顾昨天的精彩瞬间： 1️⃣ 高能 Panel 观点碰撞：昨日傍晚，我们的 APAC Head @jtsong2 登上了 CRYL Stage，与 The Block、Gonka AI 及 Playable Intelligence 共同探讨了“去中心化 AI 堆栈：基础设施、应用与未来”。他重点分享了 0G 的模块化 AI 基础设施与 DA 方案。围绕“与传统云巨头竞争”、“自主 AI agent 链上协同”以及“用户 Context 隐私保护”等核心议题，深度剖析了 0G 的技术解法：去中心化网络不只是算力补充，更是未来 AI 信任与协同的基石。 0G最近落地的隐私计算等产品，用户的规模化增长也体现了当前路径的重要性🎤 2️⃣ Booth G-29 完美谢幕：这两天展位非常热闹，感谢所有专程来找我们面基和交流的朋友。能在线下直接听到大家对 0G 的反馈与支持，这种面对面的交流真的很棒 ☕ 3️⃣ 技术干货 Workshop：昨天下午，我们的 APAC DevRel @dragon888 在东京 AI 金融峰会（AI Finance Summit Tokyo）上，主持了 0G 生态组件的专题 Workshop，现场深度拆解并演示了底层技术的最新进展 🧱 再次感谢东京，感谢所有在线下相遇的伙伴！WebX 2026 虽然告一段落，但 0G 构建去中心化 AI 基础设施的脚步不停。我们下一个现场见 👋👋

DeFi Development Corp. 宣布，英国子公司 DeFi Development Corporation UK PLC 已不再参与公司的 SOL Treasury Accelerator（SOL 储备加速器）战略，双方已解除关联，公司亦终止与该英国公司的循环信贷安排。英国子公司已宣布拟更名为 Cykel AI PLC，未来将专注于人工智能业务。

Google Developer 这场圆桌干货真多。 Google Developer 这场圆桌讨论含金量非常高，推荐所有的程序员和产品经理都可以看看。 几位嘉宾都是谷歌非常资深的工程师和管理者，他们分享了各自对接下来程序员职业发展的看法，应该是我今年听过最有见地和接地气的判断了。 下面是我的笔记： 1、程序员应该主动放下对语法的执念。过去学习一门语言，往往要花大量时间记忆各种语法细节。 现在这些工作越来越适合交给 AI。真正值得投入精力的，是理解这门语言为什么这样设计、适合解决什么问题，以及不同技术方案背后的取舍。语法越来越容易获得，判断力反而越来越稀缺。 2、Senior Engineer 的定义变了。过去资深工程师的价值，是能写出别人写不出来的代码。 现在资深工程师的价值，更多体现在理解复杂系统、拆解复杂问题，以及做出正确的权衡判断。 面对同一个需求，他知道哪些方案适合业务长期发展，哪些方案只是看起来很先进，实际却会带来新的复杂度。 3、AI 正在模糊职业边界。谷歌有团队做过一次统计，一周时间里，软件工程师大部分时间都在补文档、写设计文档，而 UX Researcher 反而开始写代码。 过去很多需要跨团队协作的事情，正在被 AI 压缩到一个人身上完成。 确实，AI 会让每个人获得一些跨领域能力，但大多数时候只能达到入门水平。产品经理能写一点代码，工程师能做一点设计，研究员能做一点原型。 但真正的竞争力，依然来自自己专业领域里的高级判断力。 4、AI 时代，内部文档的重要性反而在上升。当团队开始大量使用 Agent，相当于团队规模突然翻倍，而且新增成员几乎没有任何背景知识。 如果设计决策、业务规则和历史上下文没有被记录下来，再聪明的 Agent 也很难发挥作用。 5、AI 时代最危险的事情是把思考让渡给 AI。 很多人现在写代码的方式是，把需求告诉给 AI，让它生成，错了再让 AI 修改。 时间久了之后，系统虽然还能运行，但自己已经说不清楚为什么这样设计、为什么这样实现。 这就是所谓的 Cognitive Debt。 AI 给出答案之后，不验证、不质疑、不追问，直接接受，表面上效率很高，实际上是在逐步放弃自己的判断能力。 短期看是在省时间，长期看是在搭纸牌屋。等系统真正出问题的时候，你会发现自己根本不知道它为什么会这样工作。 6、以前开发者负责的是实现路径，诸如用什么语言、什么框架、怎么写每一行代码。 现在越来越多时候，开发者要描述的是 end state，也就是最终想要什么。 你要把问题、目标、约束、边界、质量要求讲清楚，然后让 AI 去实现。 但这件事没那么简单。不是随便写一句 prompt 就完了。 你得非常清楚地知道：什么叫 done，什么叫 good，用户真正要解决什么问题，系统要满足哪些质量标准。 比如功能正确只是 done 的一部分，性能、可访问性、交互体验、稳定性，也都应该写进意图里。 7、架构能力正在往下沉。以前可能只有高级工程师、架构师才经常考虑系统拆分、模块关系、通信方式。 现在只要你用 Agent，你就得想这些问题。 比如，一个任务应该交给一个 Agent 跑一天，还是拆成十个 Agent 各跑一小时？哪些任务适合后台跑？ 哪些任务必须人盯着？一个 Agent 的职责边界在哪里？多个 Agent 怎么协作？这些都已经变成普通开发者也要面对的问题。 8、很多人把 AI 当工具用，但更高阶的玩法是把 AI 当成一个持续成长的协作者。 真正有价值的动作，是分析 Agent 的错误。Agent 为什么会犯这个错？是上下文缺失？规则不清晰？还是需求本身有歧义？ 很多人遇到错误之后第一反应是赶紧修复。 但优秀的工程师遇到错误之后第一反应是总结。因为修复一次错误，只能解决今天的问题。理解错误产生的原因，才能解决未来的问题。 9、一个特别实用的方法，是把 AI 当成一个专门挑刺的导师。 代码写完之后问它：我漏了什么逻辑没？哪里会出问题？别人会怎么反对这个方案？文档写完之后也问同样的问题。 很多时候最有价值的，是让 AI 帮我们发现自己看不见的盲区。 10、不要把忙碌误认为生产力。 很多人喜欢吹嘘说自己同时启动了 20 个 Agent 干活，并行在干 10 个任务，看起来很厉害。 理论上确实可以同时开很多个 Agent 干活，但人的注意力不能并行。Agent 多了以后，我们可能会花大量时间分配任务、检查结果、修正方向，最后看起来很忙，其实生产力不一定高。 真正重要的能力，是知道哪些事情应该交给 Agent，哪些事情必须自己深度参与。 忙碌和有产出是两回事。 11、不要试图跟上所有变化。AI 时代很容易陷入一种错觉，好像每天都有新工具出现，自己只要慢一步就会被淘汰。 一个具体的方法是，给自己设定固定的实验预算。比如每个月认真研究一个工具，或者每周固定留出几个小时做实验。 适合自己的就留下，不适合自己的就快速放弃。 变化越来越快之后，真正重要的能力已经不是追热点，而是筛选热点。

带 Polymarket Developers 附属的 Builder fireplace 宣布将关闭 从 1 月下旬主网上线到关闭仅半年多一点的时间，期间还曾融了 150 万美元 世界杯结束后，预测市场或正在迎来一场寒冬，这对小型终端平台更是打击 Polymarket Builders 数量超过 450+，但周交易量已连续 5 周下滑，后面陆续关停的小平台可能不在少数

99$ 一年的 Apple Developer 赚回本的比例是多少？ RevenueCat 的订阅应用报告（目前最大的公开数据集，覆盖 ~115,000+ 个 app）： 上线一年后，中位数订阅 app 的月收入约 $72。也就是说，做了内购/订阅并且真正上线的 app，中位数大概头一两个月就能覆盖 $99（扣掉苹果 15–30% 抽成后稍慢一点）。 所以每个月花几千块买 token 开发应用还没赚到钱的朋友不要犹豫了，尽快上架 apple store 吧