标签
作者认为，在AI驱动的软件开发中，评测系统（evals）正在取代传统自动化测试，成为提升开发效率和系统质量的关键。他提到Claude Code团队和Google的harness2等大厂都在加大这一领域的投入。
观察到许多独立开发产品的开发者已停止直接使用 git，而是让 Claude 或 Codex 代办所有版本控制工作，传统的开发"肌肉记忆"正在迅速消退。
本文提出 TokenEconomizer，一个经验驱动的外部控制器，通过注入微技能、裁剪无关工具以及中断失败循环来降低编码智能体的 token 成本。在 Claude Code、Codex 和 GitHub Copilot CLI 上，该方法在任务成功率相当的情况下实现了 18.4%–30.9% 的成本节省。
该论文分析了仓库级编码基准中的过度规范与规范不足问题，指出将真值信息泄露到任务描述会形成"剧透"，并提出生成简洁提示的建议以提升基准的可靠性与持久性。
Kent C. Dodds 提到他的代码库已达到120万行代码，同时引用 MEGA 的观点——在智能体驱动的开发中，瓶颈不是工具，而是人，并指出异步运行的远程智能体才是架构上的解决方案。
GitHub blog 分享在 AI 改变开发工作方式的背景下，开发者应重点培养的三项技能：学会指挥 AI 代理而非仅使用它、不盲目信任 AI 的首个答案、以及利用省下的时间解决更大的问题。
作者认为，关于AI将取代软件工程师和数学家的恐惧是错位的。他指出，这些职业之所以最先被自动化，是因为它们最现代化、流程最透明；而过时的行政和体力工作要等流程更新之后才会被逐步取代。
patio11 附和 Sahil Lavingia 关于「政府软件黄金时代」的观点，但提出限定条件：那些只是因为缺乏工程投入而糟糕的政府应用将迎来黄金时代，而那些因政策决策困难而破损的应用，仅仅换个新界面是无济于事的。
一条推文幽默地列出了 vibe coder 缺乏的必要工程概念，并引用了一个案例：一家南非咖啡连锁店的 CEO 用 vibe coding 写的 dashboard 将敏感数据泄露在了登录页面的源代码中。
分享自主型AI工程师「Devin」的实际应用案例与实践经验的「Devin Meetup Osaka #2」将于10月23日在 MonotaRO 总部举办。通过分享会、LT演讲和交流环节，围绕任务指令的技巧、代码审查与质量保障、团队落地经验等内容展开交流。
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。
Claude Code 的开发流程表明，为 AI 代理提供自动化验证机制（如 E2E 测试、属性测试和多代理对抗审查）可让 Claude 自行编写 90% 以上的代码，同时在 PR 合并量翻倍的情况下将回滚率降低 40% 以上。
一条推文批评了关于 LLM 已经「解决」编写极其复杂程序这一被过度炒作的观点，以经过验证的编译器 CompCert 为例，说明这项任务仍然需要顶尖的人类专业能力。
微软与卡内基梅隆大学（CMU）联合推出 PRAISE 计划，通过 CMU 的在线课程和在职导师指导，帮助微软早期职业软件工程师掌握 AI 增强的软件工程技能。该计划旨在帮助初级工程师适应正在重塑这一职业的 AI 工具。
一条观点推文，作者认为工程师若不全力投入 AI 就不算真正的工程师，呼吁放下自我、让 AI 接管控制权。
作者介绍了"锚定工程"（Anchor Engineering）这一软件开发方法，它将人类的设计判断编码为"锚点"——存储在与代码并行的"锚点手册"中的指导性约束，使 AI 编码代理能够在不丢失团队共识、质量和协作的前提下更快地构建系统。
Gergely Orosz 感慨当下是一个前所未有的时刻——整个科技行业，从初创公司到科技巨头、非营利组织、风险投资、政府到学术界，都在同时重新思考开发者工具和流程，而这一切主要由 AI 驱动。
开发者在2026年就业市场中常犯的错误是把完成项目等同于工程能力证明；AI降低了构建软件的门槛，但没有降低理解软件和做出正确决策的标准。作者强调面试中能解释架构决策和权衡取舍比展示AI生成的项目功能更重要。
一名工程师分享个人感悟：意识到自己并不比 AI 更聪明，未来应专注于成为 AI 的优秀编排者，为其提供正确的工具、数据与权限，同时承认自己比 AI 更懂的领域正在快速缩小。