本文介绍了 Claude Code 团队在 AI 生成约 90% 代码的情况下如何重构代码评审流程。团队将代码评审从人工逐行阅读转变为分层自动化体系：包括 PR 前的 Claude 自验证、子代理 diff 审查、内部 skill（bug 猎捕、diff 缩减等）、以及每个 PR 的 AI 评审，仅将人类注意力保留给高风险决策。通过 CLAUDE.md 和 REVIEW.md 等文件向评审者注入项目上下文，并快速回滚机制兜底。6 月至 9 月间合并 PR 数量翻倍，回滚率下降超 40%，实现了用最少人工环节保障代码质量的目标。
文章介绍为编码 Agent 构建设计系统的实践：由于仓库中存在多个版本的相同控件，Agent 会复制混乱并放大问题。作者正在开发 design.how，提供可安装、可直接交给 Agent 使用的设计系统与六个免费 Skill：build-design-system 从现有应用构建语义 token、规范组件与校验规则；migrate-design-system 用多 Agent 协作迁移全应用并设置预算；token-mapping 按用途映射设计值；component-docs 生成组件文档；design-review 检查截图无法覆盖的交互状态。每个 Skill 附带 TESTS.md 与适配提示，可替换为团队自定义规则。
作者介绍Anthropic用两周时间将claude.ai核心体验提速3倍的方法论：先量化指标、用指令数稳定测量、设置棘轮防止性能回退，并在150多个并行线程中由Claude找问题、人做取舍。作者照此方法让agent优化自己的4个网站并整理成「闪电.skill」，其中公众号排版器打开到能打字的耗时从2238毫秒降至209毫秒，减少90.7%。文章还分享了优化过程中的踩坑经验，如旧草稿覆盖风险、测量干扰等，并提供skill的安装方式供读者使用。
Maestro MCP 正式开源，标志着移动端 UI 测试进入 Agentic UI Testing 时代。基于 Anthropic 的 MCP 协议，AI Agent（如 Claude、Cursor）可直接操控真机与模拟器，实时解析 UI 层级并自主调用交互指令跑通业务流程。相比传统脚本频繁崩溃的痛点，引入 Agent 运行时后可实现智能自愈，大幅降低回归用例维护成本。团队还可用自然语言描述用户路径，智能体即可自主探索、验证并沉淀可维护的回归工程。Maestro MCP 完全开源，延续 CI/CD 集成与 CLI 工具优势，无需推翻现有基础设施即可升级下一代自动化能力。
文章分析了 John Wang 对 OpenAI Codex 开源仓库的研究。Codex 从 2025 年 5 月的 98 个月提交、单一主作者，增长到 2026 年的 900+ 月提交、35 位常规贡献者，归因于大量使用 coding agent、团队扩招和对护栏规则的重投资。核心经验包括：AGENTS.md 把 review 踩过的坑编码成规则；规则按 Review → AGENTS.md → Lint/CI 三级演进；测试代码占 40%，分层执行保证速度；迁移通过 feature flag 推进并用 lint 锁定成果。结论是工程实现变便宜后，测试、边界、自动化和招人等经典工程要素反而更重要。
本文探讨了在AI代理大规模生成代码的背景下，如何通过约束和验证机制（如质量门禁）来保证软件质量。作者认为，传统的代码审查方式已无法应对海量代码，因此需要将质量检查嵌入到代理的运行环境、工具链和操作系统中。文章详细介绍了多种约束形式，包括单元测试、属性测试、变异测试等，并讨论了自主性、信任、反馈循环和扩展性等关键问题。最后，作者强调人类注意力应集中在最复杂的问题上，而自动化检查应承担大部分质量保障工作。
文章介绍了“评估工程”的概念，强调主观感觉无法替代系统化测试。构建可靠的AI评估体系需要三个核心部分：具有代表性的数据集、客观的打分器和预设的及格阈值。作者详细阐述了如何构建包含常规、边缘和已知失败的数据集，以及如何选择精确匹配、规则打分或模型打分机制。最后强调，评估必须在每次系统变更时自动运行，以防微小的改动引发严重的隐性回归。
本文盘点并测评了5个GitHub上热门的AI编程套件（如obra/superpowers、mattpocock/skills等）。这些套件通过硬编码工作流、需求文档化、强制诊断流程及工程护栏等方式，将工程规范编译成AI能理解的规则，有效解决了AI编程中的“跑偏”、需求飘移和瞎猜等问题。作者指出，开发者应基于自身习惯搭建专属的自生长AI编程套件，以大幅提升编程效率。
文章探讨了AI Coding Agent从修复代码转向承接完整产品需求时面临的挑战，介绍了全新的评测基准ICAE-Bench。该基准通过反向构造模糊需求、受控用户交互与黑盒测试发现，即使最强的Agent综合通过率也仅有38.2%。文章指出，澄清对话必须沉淀为结构化的状态，并建议企业构建包含版本化需求、干净环境重建和分类测试的闭环交付链路，以真正跨越从“聊天编程”到“项目交付”的鸿沟。
本文介绍了如何向 Agent 添加计算机和浏览器使用能力，以重现问题、验证修复和新功能。文章详细说明了在分类、实施和审查阶段利用计算机进行验证的价值，包括自动生成截图和视频以减轻代码审查负担，以及通过云代理并行运行以提高效率。
本文深入探讨了 Google Agent Skills 项目的构建与扩展。作者分享了如何通过标准化的存储结构、自动化 CI/CD 检查、持续的评估流程以及严格的所有权规则，来保证技能库在规模增长时的质量和可靠性。文章强调将技能视为产品而非简单代码片段，并介绍了利用 MCP 工具和 GitHub Actions 进行质量管控的实践。
本文介绍了如何使用 Codex 从零开始构建一个最小可用版 Chrome 生图词库插件。文章阐述了通过右键菜单收录、侧栏管理、本地同步服务以及数据分层（原始收录、原子词、组合配方）的完整流程，并详细演示了如何拆解长 Prompt 以实现词卡的独立复用。
文章介绍如何利用 WorkBuddy 结合开源项目 XianyuAutoAgent 实现闲鱼电商全自动化。通过 WorkBuddy 管理初始化、选品、文案生成、规则配置及测试复盘，用户只需简单的三步操作即可构建自动客服与运营系统，有效解决漏单和库存管理问题。
文章探讨了如何通过建立完善的评估系统来防止 AI 智能体随着时间推移而性能下降。作者提出了利用文件夹结构和特定提示词记录规则、错误和边界情况的解决方案，将模糊的“感觉”转化为具体的测试用例，从而确保智能体持续高效工作。
《Clean Code》作者鲍勃大叔表示，为利用AI生产力，他不阅读AI生成的代码，而是通过设置单元测试、QA流程、代码质量指标等严格约束来确保质量。他提出了由多个Agent组成的流水线实践，强调AI时代核心能力从读代码转向写测试和定指标。
Anthropic 分享了使用 Claude Code 进行大规模代码迁移的经验，包括将 Bun 从 Zig 迁移到 Rust（两周完成百万行代码）以及 Python 到 TypeScript 的迁移。文章介绍了六步迁移流程，强调建立强大的“评判者”系统、制定规则书和依赖映射，并说明 AI 如何通过并行处理和自动化验证改变了代码迁移的可行性。
本文深度解读了 Anthropic 官方如何利用 Claude Code 完成百万行代码的大规模迁移。文章介绍了 Bun 从 Zig 迁移到 Rust 及 Python 项目转 TypeScript 的惊人案例，并提炼出包括制定规则、小范围试跑、对抗性审查等在内的“六步迁移法”，为开发者提供了高效的 AI 编程与代码重构实战指南。
作者通过一年的 AI Agent 开发实践，发现 90% 的时间浪费在手动测试上。受芯片“验证不对称”理念启发，作者提出构建可验证的架构：通过前后端分离（ACI）使系统对 AI 友好，并引入“确定性断言”和“LLM 裁判”两级回归测试体系。最终实现了由 Coding Agent 自动运行的闭环开发，将开发者从繁琐的手工验证中解放出来，重塑了 AI 时代的开发效率。
本文介绍了 Devin 在构建端到端云测试能力方面的经验。通过增强计算机使用能力，Devin 能够自主验证代码变更，通过生成基于代码的测试计划、使用确定性脚本以及多模型路由，显著提高了异步软件工程中的测试可靠性和效率。
本文是一份面向开发者的 AI 产品构建实战指南。作者指出，仅将 AI 作为自动补全工具在复杂项目中会失效，真正的变革在于构建一套可复用的 'Harness' 系统。文章详细介绍了如何通过 .agent 目录结构（包含 AGENTS.md、SKILLS 等）将任务规格转化为可执行的软件，涵盖从规划、实现到验证的核心循环，并提供了适用于 SaaS、MCP 服务及 iOS 应用的通用工作流模板。
文章阐述了 AI 工程闭环中评估环节的重要性，详细介绍了手动评估、基于代码的确定性评估以及 LLM-as-a-judge 三种主要方法。作者建议从手动审查开始建立直觉，逐步定义并自动化具体的失败模式。文章还探讨了基于参考与无参考评估的区别，并强调应结合多种方法，优先使用二值评分以确保评估的清晰性与可靠性。
文章探讨了 AI 编程代理（Agent）如何改变软件开发的范式。作者通过 GStack 和 GBrain 两个开源项目的经验，指出 AI 使得同时实现高速度和高质量成为可能。核心在于构建“复杂度棘轮”：即 90% 的测试覆盖率。AI 代理能伴随代码编写测试、文档和评估结果，确保每次迭代都建立在质量底线之上，防止退化，从而实现只能变好不能变坏的“单向运动”开发模式。
本文深入浅出地讲解了 AI 编程领域热门的 Harness Engineering 概念。文章将其定义为围绕 AI 模型搭建的一整套工作环境与流程，对比了提示词工程、上下文工程的演进关系，并详细拆解了上下文架构、执行能力、任务编排、反馈机制和架构护栏五大核心模块。作者结合“万能视频下载总结器”的全栈项目实战，展示了如何利用 Plan Mode、MCP 工具、Browser Use 及文档沉淀等技巧，让 AI 持续、靠谱地完成复杂工程任务。
文章探讨了“AI First”战略的误区，指出单纯引入 AI 工具并不等于 AI 优先。真正的 AI 优先需要基于“AI 是主力构建者”的假设，彻底重构流程、架构和组织，即“软件工程 First”。文章详细介绍了 CREAO 团队如何利用脚手架工程、统一代码库、CI/CD 流水线和自愈反馈循环，实现 99% 代码由 AI 编写且一天部署多次的高效模式，同时也指出了该模式适用的场景与局限性。
本文深入拆解了 YC CEO Garry Tan 开源的项目 GStack。该项目提出了一种基于多角色的 AI 编程工作流，通过 23 个专用 Agent（如 CEO、工程师、QA、安全官）协同工作，将开发者从“写代码的人”转变为“管团队的人”。文章详细介绍了 GStack 的 Sprint 流程、真实浏览器测试、并行开发能力以及安全护栏机制，展示了其如何通过自动化代码审查、测试和部署，实现个人生产力的极大提升。
Anthropic 官方 Skills 生成器 Skill-creator 迎来重大更新，新增四大核心功能：评估系统、基准测试、多代理并行测试及描述调优。此次升级解决了长期以来 Skills 质量“黑盒”的痛点，通过量化测试（如通过率、耗时、Token用量）和自动迭代优化，显著提升了 Skills 的触发准确率和执行效果。
