今天來看下這篇文章，第一次看的時候沒意識到重要性，後來看某個面試官在闡述 agent 工程師的區別時特地説到這篇文章才想起來

Anthropic building-effective-agents

Anthropic 觀察了幾十個在生產環境落地的 LLM 系統，發現一個反直覺的規律：最成功的實作往往不是用最複雜的框架，而是用最簡單、可組合的模式。

他們把所有涉及 LLM 自主行動的系統統稱為 agentic system，但在這個概念下做了一個關鍵的架構區分——

- 閱讀剩餘部分 -

這個章節要説明關於 Claude Code Analytics 的部分内容

計算 token 費用、分析工具使用模式、建立 Web Dashboard

首先加入 Token 計算器

這邊要查詢所有 session，計算每個 session 的 token 用量與美金費用

新增費用計算模組

新增 lib/costs.mjs：

- 閱讀剩餘部分 -

session保存格式結構如下：

json格式化如下：

為什麼選擇 JSONL？

Claude Code 沒有使用資料庫，而是選擇了最簡單的格式：每個 session 一個 .jsonl 檔案，每行一條 JSON 訊息。

結論：AI 對話是只增不改、需要人類可讀、不需要複雜查詢的應用場景，所以JSONL 是最合適的選擇。

- 閱讀剩餘部分 -

本文以一個中型 Unity 單機遊戲專案為基礎，探討在程式碼總量逼近百萬 token 的情境下，
如何透過設計專案專屬的 Claude Code Skills，有效降低 token 消耗並提升查詢效率。

一、Session 數據初步觀察

從 token 總量與增長趨勢來看，本次 session 並無明顯異常。

- 閱讀剩餘部分 -

Anthropic 上週宣布，6/15 起訂閱額度一分為二。

1. 人類在場、有互動的 Human-in-the-loop 用途（像是 Claude Code 日常使用）繼續吃原本的額度
2. 自動化工作流 Away From Keyboard（AFK）則改吃獨立的月度 credit——Pro 給 $20、Max 5x 給 $100、Max 20x 給 $200

這對 AFK 工作流和 harness engineering 來說是一記重拳，但同時也是重新審視自己 agent infra 的好時機。

- 閱讀剩餘部分 -