标签
文章认为，“AI slop”的争论混淆了作者归属、生产力和工程质量，并提议将生成式编码系统视为工程控制回路中的高吞吐量、易出错的生产者，将稀缺技能转向规范制定、验证和问责。
文章认为，AI辅助开发中的真正分歧并非AI与人类编码的对立，而是无监督生成与经过验证的工程之间的对立；工程师应当围绕AI生成器构建验证与控制系统。
Addy Osmani 的文章《Agentic 代码质量》指出，AI agent 产生大量代码后，传统人工 code review 无法规模化，质量保障应转向依靠 harness、质量闸门和约束来兜底，并讨论了自主性与信任问题。
Gergely Orosz 分享了他早前对 OpenAI 应用团队为何能如此快速发布 ChatGPT 的深度剖析，基于对工程负责人 Evan Morikawa 的独家采访。文章涵盖了 OpenAI 的工程文化、类似独立初创公司的运作方式、紧密的研究整合以及高人才密度。
Florian Herrengt 的一句引言，关于 AI 生成的代码如何导致项目复杂混乱，无人理解系统，突显软件工程中的风险。
Florian Herrengt 博客文章中的一段引文讨论了 AI 辅助开发如何导致无法调试、错综复杂的代码库，连 Claude 等 AI 工具也无法修复问题，凸显了软件工程中日益严重的问题。
观点文章认为，AI智能体移除了代码变更的速度限制，导致工程文化薄弱的团队积累难以管理的技术债务，使资深工程师的工作变成大规模审查AI生成的PR。
一篇鼓励开发者以清晰意图编写代码的文章，认为命名困难往往揭示了抽象设计的问题，并指出理解代码的“为什么”与“是什么”同样重要。
卡尔·纽波特反思了人们对Claude Code等AI编程工具的最初热忱，以及开发者因隐藏漏洞、质量问题和不持续的工作流而日益幻灭，认为目前将所有代码生产外包给AI并不可行。
作者反思为什么人工智能的编码能力被视为所有行业领域的领先指标，质疑这种外推，并指出许多职业仍未受到数字化进程的影响。
Addy Osmani 反思了人工代码审查在确保代码质量方面的历史作用，并开始探索如何将其应用于 AI 智能体。
本文认为，Go 的设计理念——强调团队协作、简洁性、兼容性和强大的工具链——使其成为 AI 辅助软件工程时代的理想语言，在这个时代，审查和维护 AI 生成的代码比从头编写代码更为重要。
这篇文章论证了代码审查是一项可学习的技能，引用了关于 Google 代码审查实践的研究，并回应了关于基于 LLM 的审查的常见说法。面向软件开发者。
认为AI不会消灭程序员，而是通过降低入门门槛，将他们的工作转向更有野心、更专业化的实验，比如GPU加速数据库。
Gergely Orosz 评论了 Hillel Wayne 对其他领域工程师的采访，这些工程师惊讶地了解到版本控制——一项软件工程师习以为常的做法。
与 Lean 和 Z3 的创造者 Leonardo de Moura 的访谈节目，讨论 Lean 的工作原理、LLM 在形式化验证中的作用，以及 AI 辅助证明如何改变软件开发和数学。
一篇分析编程语言为何失败的文章，认为语言的采用更多取决于它如何服务于程序员这一职业、艺术和工作，而非技术优势。
Sean Goedecke 发布了一封来自读者的电子邮件，批评他对人工智能对软件工程影响的务实立场，并附上了他的回复，将这一情况与工业革命和砸毁机器的卢德分子进行了类比。
一位开发者解释说，尽管有注释和说明，AI 编码 agent 还是会不断调高数据库连接池的最大连接数，唯一可靠的护栏是一个测试——一旦该值改变，测试就会失败。
Gergely Orosz 宣布 Casey Muratori 将作为嘉宾参加 The Pragmatic Engineer Podcast，并向关注者征集想提问的问题。