如何使用Linear管理Agent并构建软件工厂
作者分享了使用Linear工具管理编程Agent的实战经验。他将任务按结果层级组织，利用分流箱收集问题，并通过分批处理工作流来提高效率。文章重点强调了制定清晰的Ticket契约（目标、原因、结果）、确保Agent完整完成任务以及实现无监督并行工作，从而打造个人“软件工厂”以提升生活质量。
🏷️ 软件工程
25 篇Agent 自治级别：从单一代理到多代理编排
本文探讨了智能体工程中从单一代理到多代理编排的演变，提出了一个新的双轴模型：代理自治和编排。文章详细介绍了从辅助级别到并行委托级别的六个自治层级，以及 Claude Code 和 Codex 等工具在实现不同级别上的具体应用。
关于循环工程的思考：验证是核心
本文探讨了“循环工程”（Loop Engineering）的概念，即从编写提示词转向设计运行 Agent 的系统。文章指出，尽管生成器很重要，但循环架构中的核心瓶颈其实是验证器。通过 Bun 移植 Rust 的案例，作者强调了无论内外循环，严格的质量验证和测试才是决定项目成败的关键。
Factory 2.0: 从编程代理到软件工厂
文章探讨了软件工程的下一个阶段：软件工厂。该系统通过整合 AI 智能体，实现从需求到部署的端到端自动化闭环。文章强调了模型独立性、主权智能和持续学习的重要性，并指出工程师的角色将从单纯的代码编写者转变为构建自动化系统的架构师。
成为 AI 原生工程师的实践指南
本文探讨了尽管 AI 生成了大量代码，为何工程团队仍面临更多 Bug 和技术债的问题。作者 Shah Rahman 提出，工程师需从单纯的代码编写者转变为编排者，并介绍了成为 AI 原生工程师的四大核心实践：同步上下文工程、规范驱动开发、关键验证以及问题分解，旨在帮助工程师在 AI 时代实现真正的生产力跃升。
大规模代理开发验证：Devin 的端到端测试实践
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。
Claude Code 正在创造新型开发者：从 AI 助手到智能编排
文章探讨了软件开发的范式转移，指出开发者不应仅将 AI 视为简单的聊天或代码生成工具，而应构建围绕智能体（Agent）的完整操作系统。通过优化上下文管理、工作流编排和长期记忆系统，开发者能将 AI 转化为高效的工程系统。这种从“写代码”到“编排智能”的转变，将是未来的核心竞争力。
构建 7-Agent 软件工厂：Claude Code 高效开发指南
文章指出了当前 AI 辅助编程中“Vibe Coding”的痛点，即单一 AI 会话承担过多角色导致错误累积。作者提出了“软件工厂”的解决方案，通过构建包含代码库研究员、需求撰写者、规格撰写者、后端/前端构建者及测试验证者的 7 个专业化 Agent，将任务拆解并隔离。这种结构化流程利用 Claude Code 实现了自动化且高质量的功能交付，彻底改变了单人监督 AI 的低效模式。
为什么我不“凭感觉编程”：一位资深开发者对 LLM 编程的深度反思
文章翻译并分享了 Jacob Harris 关于拒绝使用“凭感觉编程”（即过度依赖 LLM 辅助编程）的观点。作者从经济成本、经验主义、抽象本质、摩擦的价值以及责任感五个维度展开论述。他认为，编程是在复杂现实中建立抽象的过程，需要深度理解架构决策和承担后果，而 LLM 只能解决偶然复杂性，无法处理本质复杂性，更无法替代人类的思考与责任。
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。
认知投降：AI 辅助编程中的隐形成本
文章探讨了软件开发中的“认知投降”概念，即工程师无脑接受 AI 输出而不进行独立思考。这与有益的“认知卸载”形成对比。作者引用实验指出，73% 的人会盲目接受错误的 AI 答案。这种现象会导致代码质量下降、技术债累积以及对系统理解的缺失。文章建议工程师应通过建立预期等启发式方法，在利用 AI 效率的同时保持独立判断，避免陷入理解赤字。
搓一个工业级 Skill：Skill 工程化实战指南（三）
本文基于前两篇的概念基础，深入探讨了如何利用软件工程标准从零构建一个“工业级” Skill。文章以开发一个多平台图文社交文案生成 Skill 为例，详细拆解了 Skill 的定义与路由、目录结构规范、frontmatter 契约设计，以及如何利用 references 分离长知识。此外，作者还介绍了 skill-creator 和 superpowers 等辅助工具，并强调了“用例驱动”的测试方法、边界处理以及防范 Prompt Injection 的安全审查实践。
Vibe Coding 时代：为什么 AI 不会取代软件工程师
本文深入探讨了“Vibe Coding”和 Agentic AI 的兴起对软件工程行业的深远影响。文章指出，虽然 AI 降低了编程门槛并替代了大量初级外包岗位，但同时也将工程师的角色从“代码编写者”转变为“AI 管理者”和质量把关人。迪拜正押注这一转型，构建 Agentic AI 的规则体系。作者强调，未来的核心竞争力在于理解力、审美判断和制定标准的能力，而非单纯的语法记忆，软件工程师将在新的技术分层中找到立足点。
AI正在不断吞噬软件与内容
文章探讨了AI时代下传统杠杆（软件、内容、分发）发生的深刻变革。随着Vibecoding的兴起，软件构建门槛降低，导致供给过剩和壁垒消失；内容生产虽被AI加速，但作者强调保有人类独有的“真实”才是核心壁垒。文章最后指出，在软件与内容杠杆效应减弱的背景下，构建和利用分发渠道杠杆将成为普通个体突围的关键策略。
郭宇｜Claude Code：知识工作者的终结
文章主要记录了前字节跳动员工郭宇对未来软件行业和程序员职业发展的预测。他认为随着 Claude Code 等 AI 工具的出现，软件形态将从静态产品转变为按需生成的服务。短期内 AI 赋能个体，但长期可能导致传统程序员和 SaaS 模式失效。他提到硅谷已缩减初级岗位，并预测未来只需提出想法，AI 即可自动完成从代码编写到商业推演的全过程。
The Definitive Guide to Harness Engineering
本文介绍了软件工程的新支柱——Harness Engineering（挽具工程），将其定义为一种通过系统化约束和引导，将 AI 模型转化为可靠、可控的“精英表现者”的工程哲学。文章提出了 R.E.S.T 框架来评估生产级 Agent 系统，并阐述了从“执行者”到“架构师”的工程师角色转变，以及如何通过工程化的“硬约束”解决 AI 系统的随机性与可靠性问题。
什么才是真正的 Harness Engineering？
本文基于 OpenAI 工程师 Ryan 的演讲，深入探讨了在 AI 代码生成日益强大的背景下，软件工程范式的转变。核心观点是“代码免费”，实施不再是瓶颈，人类真正的价值在于“指导”和“编排”。文章指出，Harness Engineering 的本质是将人类经验、标准和 taste 转化为上下文和 guardrails，赋予 agent 完整的权限和工具，使其成为自主的执行者，而人类则转型为团队的管理者，专注于定义标准、观察错误和优化流程。
为什么你的“AI 优先”战略可能大错特错
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。
让该死的 AI Coding 慢下来
本文由 libGDX 创始人撰写，批判了当前盲目依赖 AI 编程代理（Agent）的现象。作者指出，虽然 AI 能快速生成代码，但其缺乏学习能力且容易累积微小错误，导致代码库复杂度在短期内失控，甚至引发严重的服务故障。文章主张开发者应保持“慢下来”，将 AI 视为辅助工具而非决策者，通过人工把控架构设计和代码审查，才能构建出可维护、高质量的软件系统。
6种架构模式+60%质量提升：Harness开源项目落地实践
文章介绍了开发者 revfactory 开源的 Claude Code 插件 'Harness'，该工具将 Harness Engineering 概念转化为实际可用的协作架构生成器。它内置了 Pipeline、Fan-out/Fan-in 等 6 种协作模式和 5 套团队模板，利用 Progressive Disclosure 技术解决上下文问题。A/B 测试显示，使用该工具在 15 个软件工程任务中实现了 60% 的质量提升和 100% 的胜率，标志着多 Agent 协作从概念讨论迈向了工具化落地。
从写代码到管 Agent：斯坦福 AI 软件开发课要点解析
斯坦福开设首门 AI 软件开发课 CS146S，讲师 Mihail Eric 解析了初级开发者面临的就业“三重风暴”，并指出未来工程师的核心能力将从编写代码转向管理 Agent。文章探讨了多 Agent 工作流的误区、上下文切换难点，以及如何构建高测试覆盖和设计一致的“Agent 友好型”代码库。Mihail 认为，初级工程师因缺乏历史包袱，在 AI 转型中更具灵活性优势。
BestBlogs 周刊第 84 期：编排
本期周刊主题为“编排”，探讨了随着 Claude Sonnet 4.6、Gemini 3.1 Pro 等模型的密集发布与能力跃升，工程师的角色正从亲手写代码转向定义任务与调度 AI Agent。文章分析了模型层“加量不加价”的趋势，解读了 Claude Code 的哲学，以及阿里等一线团队的实践落地，指出判断力与系统思维正取代执行力成为核心稀缺资源。
Claude Code创始人：程序员，2026年开始消失
本文基于Claude Code创始人Boris Cherny的访谈，深入探讨了AI编程对软件工程领域的颠覆性影响。Boris预言“软件工程师”这一头衔将逐渐消失，编程将从专业技能转变为像读写一样的通用基础能力。Anthropic内部数据显示，AI已承担70%-90%的代码编写，人均工程产出提升了150%。文章指出，代码的“保质期”缩短至数月，传统的经验积累不再有效，未来的核心竞争力将是与AI协作的能力及第一性原理思考。
Skills 的正确用法：因需而建、可组合与可迭代
文章探讨了 AI Agent 技能使用的正确理念，反对盲目将整个 GitHub 封装为技能库。作者指出 Skill 应用于补充 Agent 缺失的特定能力，而非重复其已知功能。真正的价值在于构建可组合、可迭代的模块化方案，通过解决实际痛点来持续优化。
软件已死，超级个体时代到来
文章回顾了中国软件业三十年的兴衰史，从90年代因盗版缺失正版市场，到2000年代用友金蝶被SaaS模式颠覆，再到阿里腾讯凭借互联网思维突围。作者指出，随着AI技术爆发，软件生产成本骤降，传统软件工程模式正在瓦解。未来将呈现“巨头基建化、应用尘埃化、软件快消化”的趋势，具备产品、架构与销售能力的“超级个体”将利用AI工具成为新的经济核心，意志的直接具象化将取代传统编码。