AI研发流程深度解析（十八）：Context Engineering——从Claude Code提示词瘦身80%重新检视流程约束
从Thariq披露的Claude Code系统提示词瘦身实验出发，重新检视前文提出的流程约束设计，提炼Context Engineering时代的6条新规则以及对综合方案的修正。
中
EN
AI研发流程深度解析（二）：Superpowers深度拆解——Skill即行为塑造
一个用纯Markdown驱动AI agent行为的系统，是如何做到可靠执行的？每个设计决策背后的失败教训是什么？
AI研发流程深度解析（四）：ECC深度拆解——Agent素材大全
一个覆盖261+ skills、跨7+ 平台的素材库，是如何组织和管理如此庞大的素材体系的？它选择不定义流程的考虑是什么？
AI研发流程深度解析（三）：OpenSpec深度拆解——Spec即共识契约
一个在人与AI之间建立"先同意再构建"共识层的系统，是如何设计其核心抽象的？工具化程度到了什么水平？
AI研发流程深度解析（六）：gstack深度拆解——虚拟工程团队
深度拆解一个试图把Claude Code变成完整工程团队的项目，分析其sprint链式传递、全流程覆盖与工具重度依赖之间的关系。
AI研发流程深度解析（五）：mattpocock-skills深度拆解——小而可组合的工程师技能
一个明确"不拥有流程"的skill集合，如何在保持小巧可组合的同时提供工程基础？它的需求澄清方法论有什么独特之处？
AI研发流程深度解析（七）：横向对比与流程体系探讨——承上启下
对五个项目做全景式横向对比，理解各自的设计取向和取舍，尝试探索一种相对全面而不失灵活的AI研发流程思路。
AI研发流程深度解析（八）：Explore节点——从模糊到精确
对比5个项目如何处理从模糊需求到精确问题定义的转化，分析探索阶段的强制程度、产出形式和深度调节机制的关键差异。
AI研发流程深度解析（九）：Spec节点——从意图到行为契约
对比5个项目如何将探索结果转化为可验证的行为规格，分析结构化程度、持久化策略和质量保障机制的关键差异。
AI研发流程深度解析（十二）：Review & Verify节点——从实现到确认
对比5个项目如何审查代码和验证实现，分析Review的层次设计、Verify的维度和强制程度选择的关键差异。