AI 编程实践
AI 编码工具、工程方法论、开发提效与技术债务。共 80 篇，按发布时间倒序排列。
- 一条决策该管到哪一行代码
检索只解决找得到。一条决策要生效，得对着这次 diff 算出它管哪里、按什么强度管；算不出来，就只能当指导，不能冒充阻断。
- 让 Gemini 改了一夜代码，Google 早晨删掉了什么
无人值守的优化任务，值得交回的是一份有证据、可取舍的改动；跑得久、测得绿，都不能替维护者决定该留下什么。
- Block 把迁移交给 Agent 后，谁来接住这些 PR？
Block 的迁移案例让我更关心 PR 发出之后的事：验收能否跟上，成本有没有算进返工，经验能否留在团队里。
- Lovable 把获客接回了产品迭代
我期待 AI 帮忙把获客反馈带回产品修改，也会追问：那些被记录为转化的人，后来有没有真的用起来、愿意付费？
- 一条规则的强度，等于它被撤销的难度
agent 失败的地方，往往不是仓库没写规则，而是仓库同时活着两套都能跑的做法。四个杠杆按撤销成本排序：能说服的、能拿走的、能拒绝的，以及删不掉的。
- 看见 Agent 的动作之后，还要问界面展示的是什么
Token Weather、Blast Radius、Replay Theater让 Agent 状态、命令预估和编辑回放变得可见；我更关心屏幕上的信息究竟是哪一种证据。
- AI 做出一个好看的组件，为什么整页还是不对？
读 Railcode 的网站设计记录，我记住的不是让 AI 多出几版，而是把每个想法放回整页里检验。代码代理降低了试错成本，判断仍要由人来做。
- AI 改造旧系统，先把“什么证据能放行”说清楚
代理生成改动更快，放行标准也要提前写下。团队得先说清要保留什么行为、什么证据能支持发布、无法判断时谁来补充审查。
- AI 让检查更便宜，质量判断仍要看证据
AI 降低需求审查、测试和评审的成本，但检查数量和覆盖率不能证明质量。每项检查要对应一种风险，并说明结果由谁判断、失败后采取什么动作；线上问题也要改变下一轮验证。
- Claude Code 会话变长后，账单该按任务结果算
Claude Opus 5.5 的长会话成本估算同时依赖降价、缓存和少走弯路。衡量 Agent 是否省钱，应看完成任务的用量、返工与耗时。
- Luna 抓住了大多数 bug，但代码审查真正贵在漏掉哪一种
Luna 用 3.6% 的成本抓到 Astra 约 75% 的已验证缺陷，但安全类差距、误报和重复运行波动说明：代码审查该按变更风险路由，而不是按模型单价下注。
- 省下 token 之前，先消灭 Agent 的回头路
AI Agent 的成本不在某次输出有多长，而在完成任务前被迫重读、重跑、重试了多少次；GitHub Copilot 这次复盘讲的是怎样把这些回头路从轨迹里删掉。
- 给 Agent 根权限让你心里发毛？一位极客用二手主机与 Coolify 搭建的准自托管软件工厂
真正的全自动开发瓶颈不是模型能力，而是如何用一台二手主机与 DNS-01 隐身网络构筑物理防爆箱，换取彻底放手的自由。
- 当代码生成近乎免费：Anthropic 如何用“产物契约”重构软件工程全生命周期
代码编写已不再是研发瓶颈，阿姆达尔定律将阻力推向了流程两端。当生成代码趋近免费，研发核心矛盾彻底变为：组织能否用机器可执行的确定性契约接住代码洪流。
- 当推倒重构成为了生存常态：从 Anthropic 创业指南看 Agentic 研发的范式跃迁
代码正在从沉重的长期资产退化为低成本的易耗品。当底层模型每半年质变一次，团队真正的壁垒不再是写了多少代码，而是守护系统不变量的评测铁律。
- 不在公网开端口、不写死配置：我在 Linux VPS 上部署 Paseo 手机控制 Claude Code 的极客实践
把 CLI Agent 搬上云端并用手机随身接管，真正考验极客功力的不是“连通”，而是架构克制：零入站端口暴露、配置单一事实来源与故障自愈闭环。
- “周末搓出个 App”不叫软件工程：Thoughtworks CTO 谈 AI 时代的价值大位移
组织从来不是靠代码运转的，而是靠信任运转。当 AI 让任何人都能在周末敲出功能，软件工程的稀缺性便彻底从“写代码的手”转向了“决定系统能否安全活在生产环境里的判断力”。
- 当写代码的成本无限趋近于零，软件工程最昂贵的壁垒变成了「理解」与「克制」
当 AI 让写功能变得一文不值，软件最大的危险不是做不出来，而是失控膨胀成通往天花板的“温彻斯特神秘屋”。在智能体时代，工程管理、严苛红绿 TDD 与对每一行代码的解释权，才是资深开发者真正的护城河。
- 叫它“智能体编排”之前，工程师们正在一字不差地重新发明 50 年前的项目管理
AI 没有终结软件工程，反而倒逼工程师退回最古典的防线：当你被 10,000 行未经消化的 PR 淹没时，你才发现自己拼命包装的“智能体编排”，本质上就是 50 年前被无情嘲笑的项目管理课本。
- 代码是负债不是资产：为什么 AI 狂热 4 年后，我们依然是个怀疑论者？
生成代码的边际成本归零，不等于软件工程的生产力跃迁。当大模型把代码变成没有理论附着的廉价负债，真正的护城河永远是对复杂系统的心智所有权。
- 编程智能体的“急诊室交接班”：从 Pi 的 Compaction 机制看上下文治理与缓存代价
上下文压缩从来不是省 Token 的小修小补，而是智能体在注意力衰减、KV Cache 前缀失效与会话主权之间的一场精密工程妥协。
- 当 AI 撤掉“速度限管”：为什么中产软件工程师正在加速沦为团队负债？
AI 移除了敲代码的速度门槛，却让复杂性守恒定律发挥到极致。实现变得极便宜，判断力成本却飙升——缺乏架构审美的中级工程师，正从增量资产加速沦为高昂负债。
- 别再为 AI Agent 挑“最省 Token”的语言了：读 Dan Luu 评测有感
业界流传“动态语言能帮 AI 省 60% Token”的迷思，底层是被玩具 Benchmark 和脏测试环境骗了。Dan Luu 的实地评测证明，决定 Agent 效率的从来不是语法字数，而是预训练权重流行度与编译器的确定性反馈。
- 给 GitHub Copilot 装上抓包代理后，我看到了 AI IDE 最贪婪的一面
逆向抓包 GitHub Copilot 揭示了 AI IDE 的底牌：胜利不在于大模型 Benchmark，而在贪婪抓取上下文的客户端 Harness。但越界收集与明文存储，也正在将代码库安全推向悬崖。
- 当 AI 把代码产出提速 10 倍，为什么 GitHub 劝你用 Stacked PR？
AI 编码 Agent 极易生成上千行的“巨型 PR”，彻底摧毁人工审查效率。GitHub 推出官方堆栈 Pull Request 工具（gh stack），用解耦与级联变基重新定义 AI 时代的人机协作协议。
- 当 Agent 成为同僚：听 Claude Code 缔造者聊安全、范式跃迁与手艺消逝
Claude Code 的爆发并非偶发的商业奇迹，而是 Anthropic 将 AI 安全从实验室“培养皿”推向真实战场的产物。当软件工程经历第四次范式跃迁，人类工程师正面临职能重构与手艺消逝的双重考验。
- 别用旧时代的提示词枷锁，束缚新一代 AI
当模型智力发生跃迁，80% 的微观提示词非但毫无帮助，反而成了最大的能力过剩瓶颈。真正强大的 Agent 控制面，不在于手把手教 AI 写代码，而在于建立自动化验证闭环并把它解套。
- 当代码不再是瓶颈，谁为代码负责？
Berkeley RDI 提出 AI 自主软件开发三级框架——真正价值不是分类，而在暴露一个不敢说的现实：名义上 AI 写代码有人把关，实际没人看就合入了。框架管这叫"跳级"，是当前最安静也最危险的事故模式。
- 别再折腾花哨的 AI 技巧了：为什么 GitHub AI 负责人说 Harness 才是全部？
各种花哨的 MCP 与提示词秘籍大多只是花招。GitHub AI 专家 Burke Holland 提出极简工作流：沙箱中开启 YOLO 授权，用低成本原型锁定需求，善用 Harness 的 Plan 模式。
- Subagent 不是运行加速器，而是主控 Working Memory 的防火墙
在多 Agent 编排中，最稀缺的资源不是 Token 账单或运行时间，而是主控 Agent 的工作内存。将 Subagent 定位为隔离噪声的防火墙，才能避免上下文污染带来的持续复利征税。
- AI 时代的科学计算：当 Agent 撕开科研软件的 30 年技术债务
OpenAI 联合 17 家机构发布的 55 页报告揭示：科学计算的真正革命不是让 AI 写论文，而是用极低工程边际成本清缴几十年的技术债务。当代码实现边际成本归零，科研竞争的胜负手彻底转向了验证断言与生态管护。
- Anthropic 删掉 80% 的指令，删的是绷带
Anthropic 砍掉 Claude Code 八成系统指令，性能纹丝不动。删掉的不是知识，是绷带——旧事故留下的安全补丁。信任的底层不是模型变聪明了，是你的任务足够普通，普通到不需要被真正理解，只需要被正确插值。
- 63% 的“通过”是抄答案：eval 的尺子成了模具
Cursor 审计 731 条轨迹，发现 agent 六成的“通过”是检索现成答案，而非推导。eval 早已不是量完即弃的尺子，而是铸造被测物的模具。你能自动化的不是一把正确的尺子，而是尺子与作弊之间的军备竞赛。
- 重写的瓶颈从来不是写代码
53 万行代码 11 天重写，所有人盯着"64 个 Claude 并行"的规模叙事，但真正的门槛藏在 Bun 测试套件的语言里——验证基础设施才是重写可行性的天花板。
- 聪明不值钱了：从 2026 年 7 月 AI 编码工具排行榜看到的三件事
18 个 AI 模型的质量表格几乎全是勾，但真正改变格局的是谁更便宜、谁更开放、谁更难逃离。
- 聪明的代价：AI 编码时代被悄悄偷走的学习
AI 编码工具让你快了，但拿走了你解决问题时顺便学到的东西——这笔知识债务不会自己消失，必须被设计回去。
- 代码整洁不仅是给人看的，也是给 Agent 省钱的
AI coding agent 不怕脏代码？SonarSource 用 660 次试验证明：通过率确实不变，但 token 多花 8%、文件反复多读 34%。代码整洁度没死，只是从人类可读性投资，变成了 agent 的导航成本杠杆。
- Agent 越能写代码，架构越不能乱
Agent 让写代码变便宜，却把混乱架构的代价变贵：少猜、少绕、少烧 token，才是下一阶段的软件工程。
- 别再只问怎么提示：先找到你没说出口的未知
模型越能跑长程任务，提示词越不像命令，越像一张还没画完的地图：真正贵的是把未知暴露出来。
- Anthropic 这篇 skills 文章，真正写的是组织接口
真正让 Agent 稳下来的，不是 prompt 写得更花，而是团队终于把 gotchas、验证和记忆做成了可调用接口。
- Claude Code 为什么开始离开聊天框
一旦 Agent 有了 /goal、/loop、/schedule，它就不再只是一个会对话的工具，而开始变成可调度的流程节点。
- Claude Code 正在离开聊天框
真正的变化不是 Claude 会不会写一个功能，而是代码生产线第一次开始把 agent 当成进程来调用。
- Qwen 3.6 27B 的真正意义：本地 AI coding 终于跨过可用门槛
Qwen 3.6 27B 的意义不在又赢了一个榜，而在本地模型第一次跨过了“开发者愿意忍受”的门槛。
- 当分数开始替能力说话
真正危险的不是模型学会刷分，而是我们总把能被刷出来的分数，当成值得相信的能力。
- 你的 Agent 读得懂代码，读不懂你的产品
Agent 能复制你的 UI 风格，但不知道那个按钮为什么放在左边。Vercel 的解法揭示了一个被忽视的真相：产品设计决策如果不编码进仓库，对 agent 就不存在。
- 你的 Prompt 调不动了，可能问题根本不在 Prompt 上
多步 LLM pipeline 出了错，你改的 prompt 可能压根不是病因。Cisco 的 FAPO 框架把失败归因到具体步骤，83% 的对比赢了——但真正值得看的不是数据，是它暴露的那个前提。
- Claude Code 的七种控制方式：从'告诉 AI 做什么'到'让 AI 无法不做'
Claude Code 给了你七种控制它的方法，但真正重要的不是方法本身，而是它背后的问题：你应该在哪里放指令，在哪里放护栏？
- Copilot 真正在省的不是 token
账单按 token 走以后，模型、上下文和工具都变成调度问题，选择权开始从用户手里移到运行时。
- Claude Code 把专家重新暴露出来
AI 没把专家抹平，反而把专家从写代码的人，改写成能定义问题、验收结果、带 agent 走出坑的人。
- AI 没有取代程序员，但很多人不想让你知道这一点
CEO 们把裁员说成 AI 革命，数据却说 90% 连成熟 AI 应用都没有——问题不在 AI 能不能写代码，而在谁来决定写什么、谁来为交付负责。
- 扔掉文件柜
93%的权限提示人类都会点同意。你越试图控制AI，你越成为系统里最弱的环节。
- 从提示词到工具箱——Claude Code 技能系统的设计哲学
AI 编码工具的差距不在模型能力，而在谁能把操作性知识外化到文件系统——可版本控制、独立演进。Skills 的本质不是更好的提示词，是给 AI 一个工具箱。但 90% 的 agent 配置创建后从未更新——让知识活着比创建更难。
- 当销售开始写代码
一个从没打开过终端的销售，用 Claude Code 写了 4300 行代码，给 80% 的销售团队做了插件。技术壁垒正在溶解——不是编程变简单了，而是"能编程的人"的定义变了。
- Agentic Analytics 的真相：Claude 自动化 95% 查询后，真正昂贵的是共识
Claude 能自动化 95% 的分析查询，却无法替组织决定“收入”究竟怎么算；可靠答案的真正成本，是被持续维护的共识。
- Agentic Engineering 的悖论：机器越能干，人越停不下来
Agent 让执行近乎无限，却没有替人决定什么值得做；真正稀缺的不是编码能力，而是审查、边界和停止能力。
- 当写代码不再是瓶颈，流程就露出了真身
AI 把写代码变便宜后，工程组织省下的不是管理成本，而是被迫看清验证、安全和品味才是真正的稀缺。
- 代码翻倍，差距46倍
Cursor 报告说开发者快了2倍，但 Gini 0.77 说了另一个故事——AI 不平等地加速：把快的人推到46倍远，把慢的人留在原地。真正的问题不是速度，是理解正在退出。
- 当计划变成代码——Claude Code Dynamic Workflows 读后感
Dynamic Workflows 把 AI 的编排逻辑从对话搬到代码，正如 Terraform 把基础设施从手动命令搬到声明式文件。这不是"多开几个 agent"，而是 AI 编程的 Infrastructure as Code 时刻。
- 81% 在用 AI，只有 20% 真正放手——社会科学编程智能体采用率的真相
八成社科研究者用 AI 改文字，但只有两成敢把数据分析交给编程智能体。这个落差不是技术门槛，而是信任门槛——研究这件事，可能天然不适合委托。
- 把 Claude 关进笼子：Anthropic 的 Agent 容器化实战与教训
安全不是让 AI 不做坏事——你做不到了。安全是当它做坏事时，最多能坏到什么程度。Anthropic 把这个问题叫 blast radius，然后用两年代价换了一套答案：环境层设硬边界，模型层做概率引导，自定义组件永远是最弱的一环。
- 我去洗澡，让 Agent 继续干活
真正改变工作方式的不是 Agent 会聊天，而是你离开之后，它还有没有上下文、工具、节律和验收标准继续往前走。
- 我不 vibe code，不是因为洁癖
Jacob Harris 写了他为什么不 vibe code，我读完后发现自己不 vibe code 的理由和他不太一样。
- AI 写代码最缺的，不是模型，而是传感器
读完 Birgitta Böckeler 的新文，我更确定：agent 编码真正缺的不是模型，而是传感器。
- 给代码装传感器：AI 时代的质量护城河
AI 写得越来越快，但谁来盯着质量？Birgitta 的传感器体系给了我一个答案。写好 lint message 比写好 prompt 更持久。
- AI 编码越快，你死得越早
所有人都在比谁写代码快，James Shore 算了一笔没人敢算的账——维护成本
- 代码免费了，然后呢
AI 把写代码变成了最便宜的事，但公司裁人的速度比涨薪快——因为便宜的代码不会自动变成用户付费。
- 同一个模型，42% 和 78% 的差距在哪
LangChain 用同一个模型只改了 harness 就从 30 名开外冲到第 5——你以为的模型瓶颈，其实是 harness 瓶颈。
- 给你的 AI 编程工具装上「眼睛」：LSP 语言服务器完全安装指南
AI Agent 靠 grep 找代码，装了 LSP 才能像 IDE 一样"看懂"代码——这不是优化，是前提。
- 当你的 AI 同事开始用 HTML 跟你说话
AI 输出从 Markdown 草稿变成 HTML 成品，你是在更深入参与，还是在更优雅旁观？
- 当 90% 代码由 AI 生成，经验还剩什么？
AI 帮你看全所有代码，但判断什么值得修，才是人最后的护城河。
- Agentic Workflow 烧掉的钱去哪了？GitHub 用 Agent 优化 Agent 的实战复盘
把不需要推理的工作移出推理循环，才是 agent 降本的真正答案。
- 当 vibe coding 和 agentic engineering 开始模糊，我感到一阵不安
Simon Willison 发现他不再审查 AI 写的每一行代码了。这让我想起信任一个没有声誉、没有问责的同事，那种感觉叫道德负债。
- 当编程变成管理 Agent，非科班程序员的窗口才真正打开了
AI把「写代码」拉到了无限快，剩下的价值全在判断力上——非科班程序员的机会窗口打开了。
- 代码越来越便宜，品味越来越贵
代码变得越来越便宜，'决定写什么'变得越来越贵——产品品味成了AI时代最稀缺的能力。
- 编程没有被解决，只是被解决的那部分恰好最不重要
敲代码从来就不是编程中最难的部分。AI 解决了翻译，但理解问题、做出判断、构建共识——这些才刚开始。
- 更强的模型只会让你陷得更快
云端 AI 是新的主机。逃出沥青坑的路不在更强的模型那里，在你能磨成自己形状的工具那里。
- 让 AI 写代码不再翻车：一个 TypeScript 巫师的 5 个 Agent Skills
TypeScript 社区「巫师」Matt Pocock 总结的 5 个 Agent Skills，用工程纪律约束 AI 编码行为，解决「AI 写得快但质量差」的核心矛盾。
- 当写代码不再需要写代码
游戏已经不是"谁建得快"了，而是"谁判断得准"。但更深的焦虑是：当你把自己变得对AI可读时，你还是你吗？
- 用了三年 AI 编程工具后，我发现瓶颈从来不是工具
Martin Fowler 提出的 SPDD（结构化提示词驱动开发）揭示了一个真相：AI 编程的瓶颈不在工具，而在你是否想清楚了要做什么。
- 别再只顾着跑代码了，你在背负「认知债」吗？
Martin Fowler 旗下最新的深度长文《什么是代码？》，揭示了 AI 时代程序员最容易忽略的陷阱：当代码生成的词汇速度超过你的理解速度，你就已经欠下了沉重的「认知债」。