标签
一篇论述软件工程师反复重造已被充分解决的基础设施（如身份验证、后台任务、速率限制和功能开关）的文章，用自定义代码换取经过验证的解决方案，却不得不自行维护和调试这些代码。
一篇观点文章，认为即使有了AI编码工具，平台工程和代码复用仍然有价值，因为token需要成本，而复用能带来杠杆作用。文中引用了Martin Fowler关于重构的类似论点。
一篇讨论常见统计谬误的文章，即对百分位数取平均值，并以哈姆雷特引言和 Hacker News 示例为框架，主张以同理心传达统计洞察。
作者描述了 exe.dev 如何通过“可计费事实”将计费与业务逻辑解耦——这些原子事件会触发与 Stripe 的后续对账，从而避免脆弱的计费代码。
Valentina Servile认为，即使AI编写更多代码，良好的软件设计仍然重要，因为优秀代码的受众现在既包括人类，也包括AI智能体。
一篇 Google Testing 博客文章，就如何回应代码评审评论提供指导，强调在有助于阐明决策和理由时添加上下文的重要性。
本文认为，销售AI封装器（现有模型的简单接口）比构建能在生产中可靠运行的AI系统更容易，并强调了部署中的挑战。
本文介绍了一项对AI代理编写的大型代码库进行重构的实验，证明重构能减少未来AI驱动更改的令牌消耗。作者详细阐述了方法论和结果，显示重构后输入令牌数量有所减少。
一位软件工程师对使用本地LLM进行智能编码感到沮丧，指出诸如技术债务、忽略指令和过度生成代码等问题，质疑其有用性。
Hillel Wayne 分析了阻碍形式化方法在软件工程中广泛采用的历史和实践障碍，区分了在代码和设计领域中的形式化规范与验证。
一位开发者反思了AI编码代理如何能够快速构建和修改软件，但开发者往往失去对代码库架构和决策的理解，从而带来新的工程挑战。
Addy Osmani 推荐使用 SonarSource 来在每次提交时捕捉错误和安全问题，并强调代码质量和品味的重要性。
本文介绍了CanItDelete，一个包含200个真实世界纯删除代码编辑任务的基准，并衡量了LLM如何避免删除代码。研究发现，前沿模型经常保留过时的代码，生成可通过测试但无法直接合并的补丁，并且加入以删除为重点的训练数据可以提高性能。
这篇博客文章认为，GitHub 的协作模式（分支、拉取请求、代码审查）已难以适应现代 AI 驱动的软件开发时代——在这个时代，LLM 和智能体以极高速度生成代码，因此需要重新思考工具和工作流程。
一档邀请 Hillel Wayne 的播客节目讨论了 AI 是否会推动形式化验证的主流采用，重点介绍了 TLA+ 在亚马逊的使用以及编写形式化规范的挑战。
一篇反思软件质量本质的博客文章，主张质量在于优雅地进行开发，并让代码库变得比发现时更好，同时探讨如何在软件产品中培养或破坏质量。
本文讨论了在AI辅助下编写高质量代码的挑战和最佳实践，强调需要进行严格的代码审查，避免盲目信任AI生成的输出。
本文讨论了将C/C++项目迁移到Rust的策略，强调增量迁移而非全面重写，并引用了Luca Palmieri和JetBrains的见解。
ExplainBench 是一个新的基准测试，用于评估编码代理生成的解释的可信度。研究表明，解释质量是代理评估的一个独立维度，且审计代理能够自动提升解释的可靠性。