安装VS Code - 全能研发工具
为什么是VS Code？
因为目前大部分拥有图形界面的AI编程工具都是基于VS Code深度定制的，市场占用率和社区活跃度无可比拟。另外VS Code拥有海量的扩展库，可以支援几乎所有编程语言的开发工作。
首先前往下面的链接下载VS Code安装包并进行安装：
Download Visual Studio Code - Mac, Linux, Windows
安装好之后即可以看到VS Code的主界面。
安装Cline扩展 - 更好的本地编程Agent
为什么是Cline？
因为Cline支持多种安装模式（插件、本地CLI程序等），不仅支持VS Code、Cursor等软件，也支持JetBrains IDE，通用性比较好，而且支持自定义API，使用无需注册，拥有良好的自由性。
接下来我们安装Cline扩展，点击VS Code窗口左侧的扩展按钮，然后搜索Cline扩展并安装。
安装好之后会自动打开Cline对话窗口（这里将对话框移动到了右侧）。
接下来我们来修改Cline的配置。
修改Cline配置 - 使用更快、更好的大模型
为什么要自定义API和模型参数？
大模型本身在不断进化，我们不可能一直依赖一个模型完成所有工作。另外我们需要使用统一的API规则进行管理，因此需要自定义API。
这里我们选择API提供商为OpenAI兼容，然后填入阿里云百炼平台的URL。
- 北京地域：
https://dashscope.aliyuncs.com/compatible-mode/v1 - 新加坡地域：
https://dashscope-intl.aliyuncs.com/compatible-mode/v1 - 弗吉尼亚地域：
https://dashscope-us.aliyuncs.com/compatible-mode/v1
然后在API Key中填入获得的大模型Key（一般以sk-开头，切记保密）。
关于模型ID，可以选择下面这个页面中公布的所有模型，目前推荐开发工作中使用kimi-k2.6。
想综合比较不同模型之间的能力差别，可以参考下面这个网站。
配置完成之后，即可以保存配置项目返回对话页面开启对话（注意必须在VS Code中打开一个文件夹才能启动对话）。
添加MCP Server - 为AI搭配武器库
什么是MCP Server？
AI Agents有主动使用工具的能力，为了便于管理，我们会把工作中常用的一些工具提供给AI，让它在工作中根据自己的判断进行使用。MCP Server就是这样对一系列工具进行管理的一种集合方法。
为了更好地让AI完成工作，我们需要让AI拥有各类好用的工具，下面用一个例子来说明。
常见的一种工作内容是，我们可以让AI帮我们完成内容收集和调研任务，比如下面的工作：
在默认情况下，Agent会尝试调用命令行（curl程序）来完成工作，这种工作模式下效率和质量都一般。
我们可以修改Agent配置，添加MCP Server来优化这个过程，让AI拥有访问特定工作的能力。
这里我们安装一个用于获取网络数据的工具，它本质上就是一个Python库，可以访问下面的链接查看详情：
点击Cline上方的MCP Servers按钮，然后点击Configure，手动编辑配置文档，然后修改为如下内容：
{
"mcpServers": {
"fetch": {
"command": "uvx",
"args": ["mcp-server-fetch"],
"env": {
"PYTHONIOENCODING": "utf-8"
}
}
}
}
此时返回对话窗口，即可以允许Agent调用工具完成具体任务，如下所示：
编辑AGENTS.md - 给AI一本《指导手册》
什么是AGENTS.md
我们不希望每次和AI对话时都反复输入一堆约束和限定规则，因此我们可以把最常用的一些文本放在项目文件夹中，每次开启新对话时AI会自动读取这些内容。一般用来存放这些文本的文件就是AGENTS.md。
接下来我们对收集到的资料进行汇总和报告撰写，我们可以直接向AI提出工作需求。
通常而言，在没有进行良好提示词优化的情况下，AI输出的文本内容会比较刻板，也就是有「AI味」。我们为了增加文稿的流畅度和吸引力，往往会在描述任务时向AI提供很多额外的工作要求。而每次都输入一大堆文本很影响工作效率，这时候我们就可以使用AGENTS.md来存储一些常用的提示词文本。如下所示。
编写好AGENTS.md后再完成相同的工作，我们可以看到AI输出的内容有了明显的不同。右侧（添加AGENTS.md后的输出内容）的文本更贴近于人类的表达习惯。
我们一般会把最重要的工作约定、项目背景、开发指南等内容放到AGENTS.md中，让Agent始终遵守任务指南，或是了解当前现状。
安装SKILLS - 让AI学会更多的技能
什么是SKILLS？
简而言之就是技能库，技能库中的技能概要对Agent始终可见，如果在工作中Agent认为可以使用某些技能来更好地完成工作，则会读取技能的完整说明（一般是工具调用规则、行为指南、环境说明等）。
接下来我们来完成编码任务，我们希望根据我们上面的调研和总结成果，完成一个可互动展示的HTML页面。我们可以直接下达工作命令：
下面是得到的结果。
看上去不错，但是和我们见过的很多AI生成的页面非常雷同——同样的渐变色、斜体文字等。
我们怎么能优化这类工作呢？当然我们可以进一步修改AGENTS.md。或者，我们可以有更好的办法，那就是让AI学会「技能」。
我们在项目文件夹中创建一个用于编写前端页面的SKILL.md文件，如下所示：
这个文件可以让Agent了解和学习某些特定工作技能。注意，为了能够让Agent正确读取，这个文件的存放位置有明确要求（如当前示例会放在.agent/skills目录下）。
你可以在互联网上找到各种各样的Skills，比如如下的汇总页面。
##VoltAgent / ##awesome-agent-skills
此时，我们再让Agent执行相同的工作任务，可以看到Agent在工作时主动加载了对应技能。
然后观察输出成果，我们可以很容易地观察到Agent编写的页面质量有了显著的提高。
为了更加便捷地安装和管理SKILLS，我们甚至可以直接要求Agent自己寻找合适的SKILLS进行安装（依赖于find skills这个技能）。
需要注意的是，与AGENTS.md不同，SKILL在实际工作中是按需加载的。当然你可以手动制定让Agents加载某个SKILL。
相关链接和资料
Visual Studio Code - The open source AI code editor | Your home for multi-agent development
