标签
Michael Dell和Jensen黄仁勋在台北Computex上会面，回顾早期PC产业历史，讨论工程文化、台湾半导体起源，以及通过AI和制造业实现美国再工业化的机遇。
一篇关于「脑三明治」工作流的博客文章，提出工程师在使用 AI 编码时应先用脑理解问题、再放手让 AI 执行、最后再用脑审查成果，以避免技能退化并保持代码可审查性。
Gergely Orosz 推荐了 Uptime Labs，这是一家总部位于伦敦的初创公司，通过模拟演练提供事故响应培训，帮助工程团队做好应对故障的准备。他表示与该公司没有任何关联，只是欣赏好用的工具，这些信息来自一次播客中 Sam Newman 的介绍。
Gergely Orosz 指出，Anthropic 已开始在其工程博客上隐藏工程师的全名。他认为这一不寻常的做法源于 OpenAI 间谍事件后安全担忧的升级。
一位博主分享并点评 Claude 工程负责人 Felix Riseberg 的文章《How to be more ambitious》，探讨如何突破既有工作经验的限制，用 AI 重新定义问题，而非仅给旧工作流程加速。
Elon Musk 转发/引用了一则关于退休 NASA 工程师加入 SpaceX 的故事，对比 NASA 官僚化的审批流程与 SpaceX 快速迭代的工程文化，呼应'递归自我改进'的组织理念。
《Pragmatic Engineer》作者 Gergely Orosz 与 Uber 资深工程师 Uday Kiran Medisetty 带领观众了解 Uber 内部高度定制化的开发者工具体系，涵盖 DevPods、面向 AI agent 的构建流程、MCP gateway、Model Gateway、Agent Skills 仓库以及 PR 分类与衡量方式等。
Addy Osmani 认为，使用 AI 智能体进行软件工程如今已成为默认做法，并敦促资深工程师带头采用这一方式，与团队公开分享经验，而不是私下试验。
作者在AI编码工具大规模普及前离开了大厂，好奇这些公司如今是否已适应AI编程，或在验证变更、构建、部署和发布环节上瓶颈是否更加严重。
Gergely Orosz 讨论了引入和偿还技术债务的经济学发生了巨大变化，并质疑在 AI 时代，技术债务对软件工程团队还有多大意义。
一名软件工程师为初级开发者提供了务实的职业建议：他提醒年轻人忽略 ZIRP 时代遗留下来的过时经验，少讲大道理、多做实事、乐于助人；同时，在 LLM 时代要积极拥抱 AI 工具，但不要因此放弃自己的独立判断力。
一位 Staff Engineer 关于如何发现高影响力问题的方法论：接收问题而非请求，等待重复出现的模式，找到问题的共性形态，动手之前先做压力测试——最适合那些自下而上、对路线图有影响力的团队。
Warp 的一篇随笔指出，智能体驱动的工程已经分化为两个方向：「产品工程」（由人类负责确保产品的质量与实用性）和「工厂工程」（部署并优化智能体集群）。文章还讨论了这一转变面临的挑战，以及从提示词驱动开发迈向「软件工厂」的必然趋势。
对软件工程的反思，强调产品判断力而非代码编写，基于在VS Code的经验以及与Kent C. Dodds关于AI在产品工程中角色的对话。
采访OpenAI Codex团队负责人Thibault，探讨Codex的开发历程、核心采用Rust技术的原因、开源策略，以及OpenAI工程实践的变革。
Mitchell Hashimoto警告说，与其优先考虑短期结果，不如构建能够产生结果的稳健系统，在AI时代这一担忧被放大了。
这条推文批评了Meta公司员工士气低落和裁员问题，突显了该公司工程文化的衰退。
Meta 的工程文化因高管计划裁员大约60%的员工而严重受损，尽管业务表现强劲，但导致顶尖工程师流失和士气低落。
一篇有影响力的文章，主张公司在大多数问题上应偏爱成熟、“无聊”的技术，将有限的“创新代币”节省下来用于真正差异化的领域。它强调已知失败模式的重要性，以及相对于新颖性，整体优化更为重要。