Building software factories (with no slop)
本文探讨了AI生成代码带来的代码审查瓶颈和'AI垃圾'问题。作者认为，随着AI编码能力增强，人类审查速度成为瓶颈，导致代码质量下降。他提出解决方案：将代码库视为黑盒，通过定义清晰的接口、不变量、追踪和决策记录等'工件'来确保系统可检查性，而无需阅读实现代码。作者强调软件工程的核心是解决问题而非编写代码，未来工程师的职责是设计人与AI协作的系统。
相关文档
67 个 Claude Skills：把 AI 用成一支开发团队
文章系统整理了 67 个实用的 Claude Skills，涵盖需求规划、方案设计、编码、测试、排错、代码审查等开发全流程。作者介绍了 Skills 的概念（包含 SKILL.md 的文件夹，封装可复用的工作流程），并列举了来自 Anthropic 官方、Matt Pocock 和 SkillsMP 市场的技能资源，如 Skill Creator、Grill Me、Write a PRD、TDD、QA、Code Review、Systematic Debugging 等，附项目链接、使用方法和安装命令，帮助开发者把 Claude 用成一支完整的开发团队。
Agentic Code Quality
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。
我的 AI Coding Guide
本文分享了作者在使用 AI Agent 辅助编程时的实战经验。文章从精力管理、工程管理、快速反馈三个维度出发，提出了十一条核心原则，包括“Prompt即规格说明”、“使用最强模型”、“可逆沙盒原则”以及“Fail Fast”等。作者强调，在使用 AI 编程时，开发者应从执行者转变为管理者和审查者，利用工具链（Git、CI/CD）进行风险控制，确保代码的可维护性与安全性。
The AI Agent Complexity Ratchet: Why 90% Test Coverage Is Required
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。
10万开发者调查证实AI写的代码大部分是垃圾，这个Harness Engineering方法论把产出质量拉高了3倍
本文介绍了 HumanLayer 创始人 Dex Horthy 提出的“Harness Engineering”方法论，旨在解决 AI 编码 Agent 在复杂代码库中产出质量差的问题。核心观点包括：上下文窗口管理是关键（区分“聪明区”与“笨蛋区”），通过 Research-Plan-Implement (RPI) 流程压缩意图，以及利用子 Agent 进行上下文控制而非角色扮演。文章强调要审查计划而非代码，避免外包思考，并指出未来的挑战在于团队流程的适应。
像 Claude Code 团队一样做代码审查
文章介绍了 Anthropic Claude Code 团队的代码审查实践，以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是：AI 写代码占比接近 100% 后，人工逐行审查不再可行，应把人的注意力留给真正有风险的部分。做法包括按风险分级审批（低中风险由 AI 自动批准，高风险由人判断方向）、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故，认为大部分创业和中小公司都适用这种方式。
How I work with Agents
Thorsten Ball 分享了 2026 年 10 月他与 AI Agent 协作的工作方法：使用最新最强的模型，不必担心代码库积累 slop；提示时描述 What 而非 How；让 agent 贯通整个软件开发生命周期（运行、部署、看日志、处理 bug 报告），并为其提供定制工具；通过盲测实验评估 agent 对代码库知识的利用；不要手动管理上下文，让 compaction 工作；请求不可反驳的证明（端到端演示、前后对比数据）；拥抱异步工作流，给 agent 更大任务；利用定时唤醒等自动化功能；只审查高影响范围的代码。这些实践展示了 agent 驱动开发的新范式。
BestBlogs 早报｜Claude Duet 开启协作预览，Nemotron 升级多模态检索，OpenAI 拆解 ChatGPT 广告系统
本期早报精讲三篇 AI 前沿内容：Anthropic 开放 Claude Duet 研究预览，通过云端虚拟机和独立应用承接主动发现与持续执行任务，并设计分级授权机制；NVIDIA 发布 Nemotron 3.5 系列模型，将文档解析、多模态嵌入与重排连接成企业知识处理链路，实验证明更优检索可降低代理推理 token 开销约 13-14%；OpenAI 工程师拆解 ChatGPT 广告系统，展示如何用后训练 LLM 理解多轮对话中的商业意图，通过编排模型与竞价工具分工实现服务隔离与信任保障。速览部分涵盖天猫数字员工协作实践、代码质量投入判断框架及 Claude 设计蛋白质结合体等七条内容。
AI Native 实践续篇：迈向 Stage 8
作者继八月 AI Native 实践后，记录从 Stage 7 迈向 Stage 8 的多 Agent 工作方式探索。核心实践包括：用「测试测试」验证测试有效性（借鉴变异测试）；要求 Agent 交代判断依据；采用 1+N 组织方式，由 Captain 统筹调度其他 Agent，并保护其上下文不陷入实现细节；用 logbook Kit（lbkit）串起需求到上线的完整交付流程，通过 Preflight 预演减少中途打断；让 Delivery 与 Verify 两种角色形成对抗，发现分歧。作者强调多 Agent 有成本需按任务规模挑选，目标是保护人的完整注意力与决策密度，认为对抗机制比单纯循环更重要。
Agent评测入门，我最推荐Anthropic这篇文章
作者结合自身开发问答机器人Agent评测系统的工程实践，推荐并解读Anthropic的文章《Demystifying evals for AI agents》。文章分享了8个核心经验：Agent看到的信息与Judge评分时能获取的证据可能不一致，导致高准确率仍被判失败；LLM Judge的输出需要像外部API一样严格校验；信息不足时应允许Judge返回Unknown而非强行打分；评测环境配置、数据集同步、systemd部署等基础设施问题常导致结果不可信；需区分评分低与评分无效；要区分Capability Eval与Regression Eval，并使用pass@k、pass^k指标评估稳定性；以及务必人工检查Transcript而非只看分数。文章提供了大量真实踩坑案例，对Agent评测落地极具参考价值。
从“让 Agent 写代码”到“指挥一群 Agent 交付”：TRAE 新版和我的五个做法
作者结合测试 TRAE 新版本的体验，总结了 AI 编程的四个趋势：人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付，代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法：搭建 Agent 易于验证的环境（文档地图、自动化测试、原型、AGENTS.md 规则）、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降，而想清楚需求和验证结果的能力越来越值钱。
GitHub 发布 ReviewBench 审查基准，Cleric CTO 分享智能体故障诊断，a16z 谈消费者 AI 付费与信任
本期早报精讲三篇文章：GitHub 发布 ReviewBench 开放基准，基于 187 个开源仓库的 219 个 PR 评估 AI 代码审查智能体，提供多维指标与切片分析；Cleric CTO Willem Pienaar 分享 AI 智能体在生产故障诊断中的误判原因与改进方法，强调多假设并存、正常基线计算、依赖与时间线索及证据传播；a16z 解读消费者 AI 付费现状，指出约 4.5% 消费者付费订阅、高支出用户贡献过半收入，并探讨个人智能体的信任门槛与新商业模式。速览部分涵盖 Cresta 智能体构建器、WorkOS 开发者工作流、数学研究中的 AI、微软 ScholarEvolve 等内容。