software-evolution

文章以纸巾为喻，论述了随着大模型成本降低，AI使用将从复用转向消费，Agent和软件可能成为一次性耗材，而真实反馈和验证将变得稀缺。

本文探讨了随着AI Agent能力的进化，Skill（技能/工作流封装）可能取代传统软件成为更重要的应用形态，未来Agent将围绕任务动态组合Skill，而软件则退居后台作为基础设施。

本文介绍了Code2LoRA，一种基于超网络的方法，用于生成代码语言模型的适配器，以应对软件演化中的挑战。

Code2LoRA 引入了一个超网络，该超网络能够从代码仓库中一次性前向传播生成 LoRA 适配器，使得冻结的代码大语言模型无需额外 token 即可适应仓库上下文，并高效支持不断演进的代码库。此外，它还提供了 RepoPeftBench，一个用于仓库条件代码建模的基准测试。