标签
一篇博客文章，介绍了批评软件工程中过度使用缩写的系列内容，探讨了缩写疲劳的文化和营销原因。
本文探讨了AI编码代理的炒作与现实之间的差距，认为它们对于加速工作流程的某些部分有效，但在架构、调试和审查方面仍需人工监督，并质疑当前基准测试是否衡量了正确的东西。
Katelyn Lesse 的一条 Twitter 主题讨论，认为团队应该直面项目中最困难的部分，而不是逐步回避，并以 Stripe v2 账户的故事为例说明。
作者认为，直接从 VCS（如 Go 语言的做法）获取依赖比使用带有发布步骤的包注册中心（如 Ruby、npm、PyPI）更安全且更易于审计。
一条推文观察到，新毕业的软件工程师依赖 Fable 5 而不是理解代码库，这突显了软件开发实践中的一个潜在问题。
一位拥有20年经验的软件工程师称赞Fable的代码编写能力，称其卓越，并预测将发生重大变化，同时指出由于成本高昂，需要与OpenAI竞争。
一篇文章探讨为何许多开发者难以正确使用Git，涵盖常见错误如对合并冲突恐慌、提交过大以及分支管理不善，并分析根本原因。
Rohan Paul 讨论了特斯拉据报的每位软件工程师每月800美元的AI支出预算，认为这设定了一个新基准。Chamath Palihapitiya 评论说，如果特斯拉这样做，每周超过200美元的支出就是浪费。
Dan North 提出了“当前最佳简单系统”（BSSN）方法，作为软件开发中快速粗糙与过度工程之间的中间道路，提倡满足当前产品需求的简单性。
作者分享了从使用superpowers切换到mattpocock/skills的体验，比较了两套AI编程技能集的优劣，强调了mattpocock/skills更节省token、更灵活，并讨论了AI辅助软件工程的演进方向。
一场关于计算机科学是否属于数学的学术争论，引用计算机泰斗Knuth的名言，涉及离散数学与算法本质的讨论。
ContextSniper是一个令牌高效的代码记忆层，用于使用LLM代理进行仓库级程序修复。它在SWE-bench Lite上将令牌使用量降低高达51.5%，成本降低高达36.4%，同时保持相似的解决率。
本文介绍了Hecate，这是首个能够量化LLM集成应用中提示层和代码层复杂度的工具。它采用基于霍尔逻辑的Prompt-as-Specification形式化方法，并在开源仓库上评估了52个候选度量，以识别那些能够捕获超出传统纯代码度量的结构广度。
本文介绍了Mastermind，一种双循环框架，通过学习可复用的漏洞复现策略来处理仓库级任务，通过将策略学习与执行分离，在冻结执行器的情况下实现了84.5%的通过率。
Agent4cs 是一个多智能体框架，采用自底向上的方式总结大型层次化代码库，使用专门的智能体进行摘要、关键词提取和质量保证，相比于基线，在语义一致性上提升了最多 8%，在关键词覆盖率上提升了 38%。
Gergely Orosz认为，经验丰富的软件工程师之所以仍然有价值，是因为他们能区分好代码与坏代码，而人工智能代码生成器仍无法可靠地做到这一点。
该项目将《Clean Code》的工程原则适配到JavaScript，提供每个原则的bad/good对比，帮助开发者写出可读、可复用、可重构的代码，解决团队协作中代码腐烂的问题。
lobste.rs 上的一个社区讨论询问开发者，有哪些工具和技巧能够有效传达并发展心智模型，并与详尽文档形成对比。