-
‘断言Harness将被淘汰者，必未亲历工程实战’——前Kimi CLI负责人直击AI圈认知盲区
前Kimi CLI负责人指出，轻言Harness等工程编排层将被AI模型取代，暴露了对真实系统开发的陌生；模型擅长认知推理，但工程落地依赖Harness提供的调度、集成、可观测与容错能力，二者是互补而非替代关系。- 4
- 0
-
驾驭 AI Coding：一份面向团队的 Harness Engineering 落地规范
本文系统阐述 Harness Engineering 理念，结合腾讯内部实践，提供从理念到落地的团队级 AI Coding 规范，涵盖 6 大支柱架构、工具链映射与分阶段实施路线，帮助团队在约束下高效交付高质量代码。- 0
- 0
-
从 Agent Flow 到 AI Native：为什么通用 Agent 是“饮鸩止渴”
本文从一线研发视角反思通用 Agent 的局限性，主张回归解决具体问题的「Agent Flow」模式，强调确定性执行、独有数据价值及 AI Native 的本质是真实解决用户问题。- 0
- 0
-
OpenAI 内部揭秘：我们如何使用 Codex
文章详细揭示了 OpenAI 内部团队如何利用其 AI 编码助手 Codex，覆盖了从安全到基础设施的多个工程领域。它总结了七大核心应用场景，包括加速代码理解、高效重构与迁移、性能瓶颈识别与优化、提升测试覆盖率、加快开发速度、帮助工程师保持心流，以及辅助探索与构思。此外，文章还分享了六项实用的最佳实践，如从“提问模式”开始、像写 GitHub Issue 一样组织提示、逐步完善 Codex 环境等…- 0
- 0
-
淘宝直播 AI 提效探索的一些心得
文章围绕淘宝直播团队在过去半年中基于 AI 技术在工程侧提效的探索展开，详细介绍了服务端、前端、数据科学、测试和数据研发等职能团队如何结合 AI 能力进行创新尝试，例如服务端生成基础平台或中间件调用代码，前端生成简易 UI 样式代码等。文章分析了 AI 能力的优势与局限性，例如文本生成的涌现能力、固定思维过程以及对世界的有限理解等。通过任务拆分、输入提炼和人 "机" 交互设计等…- 0
- 0
-
从 MCP 到 Agent：构建可扩展的 AI 开发生态的工程实践
文章详细介绍了字节跳动 Trae IDE 在重塑软件开发范式、构建可扩展 AI 开发生态方面的工程实践。作者首先回顾了 AI 与 IDE 结合的演进历程，从代码补全到智能编程助手的转变，强调了 AI 对开发效率的显著提升。接着，文章深入解析了 Trae 中 Agent 的设计理念，包括其思考规划、执行、观察反馈循环，以及工具调用和上下文获取能力。核心亮点在于 Trae 如何通过引入 MCP（Mul…- 0
- 0
工程实践
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×