-
Vibe engineering
本文介绍了一种有纪律、负责任的 “Vibe engineering” 方法，适用于经验丰富的软件工程师，它与快速、不负责任地使用 AI 的 “Vibe 编码” 截然不同。得益于涌现的**编码代理**（比如 Claude Code、Codex CLI 和 Gemini CLI），它们可以迭代、测试和修改代码，这让经验丰富的开发者能用 LLM 更快地完成工作，同时保证软件的质量绝对靠谱。作者强调，玩转…- 0
- 0
-
为什么人类是人工智能最大的瓶颈（以及 2026 年将迎来什么） | Alexander Embiricos (OpenAI)
OpenAI Codex 的产品负责人 Alexander Embiricos 讨论了其快速演进和愿景。自 8 月以来，Codex 增长了 20 倍，每周处理数万亿个 token，成为 OpenAI 服务最多的编程模型。Embiricos 设想 Codex 成为一个积极主动的“软件工程队友”，参与到整个软件开发生命周期中，超越了单纯的代码生成。他解释说，将 Codex 集成到熟悉的集成开发环境（I…- 0
- 0
-
来自 2000 万个 Pull Requests 的数据揭示了 AI 转型的实际情况 — Nicholas Arcolano， Jellyfish
Jellyfish 的 Nicholas Arcolano 通过分析来自 20 万开发者提交的两千万个 Pull Requests 得出的见解，详细说明了 AI 对软件工程的实际影响。该研究定义了成功的 AI 采用，量化了主要来自交互式 AI 编码工具的生产力提升：PR 吞吐量增加 2 倍，周期时间减少 24%。它还发现了副作用，例如 PR 规模增加 18%，但指出目前对代码质量没有显著的负面影响…- 0
- 0
-
关于 AI 辅助软件交付成熟度模型的探讨
本文面向 AI 辅助软件交付领域的实践者和管理者，借鉴自动驾驶分级理念，提出了一个从 L0（无 AI 辅助）到 L5（全自主 AI 交付生态）的成熟度分级模型。该模型详细阐述了每个级别的定义、AI 能力特征、人机分工演变以及 Prompt 驱动开发实践，各级别之间呈现明显的递进关系。文章提供了各级别的典型场景和行业案例，并设计了包含人员、流程、技术等五个维度的成熟度自评工具帮助团队评估现状。最后给…- 0
- 0
-
分享一下我对好代码的理解
本文围绕“什么是好代码”这一核心问题展开，作者结合自身职业发展，从初入职场时仅关注完成任务的“黑盒认知”，逐步深化到对代码质量的全面理解。文章提出，好代码不仅要满足功能需求和稳定性，更应兼顾用户体验、开发效率、可维护性与成本控制，并引用了阿里巴巴内部“金码奖”的评审标准，从稳定、体验、效率、成本四个维度对代码质量进行了量化分析。作者进一步强调，编写好代码需要具备全局视角，遵循设计原则（如开闭原则）…- 0
- 0
-
谈谈 AI 编程时代的「道法术」
本文基于“道法术器”的框架，深度剖析了 AI 编程时代软件开发面临的变革与挑战。作者首先指出开发者在使用 AI 工具时常见的误区，如过度依赖或完全排斥，以及对 AI 能力边界的模糊认知。随后，文章详细阐述了 AI 编程的三大核心要素：模型、工具与人，强调人作为指挥官与决策者的核心地位。核心内容围绕“道”（永恒的软件工程原则，如价值、抽象、简约、演化、权衡、协作）和“法”（经过验证的方法论，如敏捷精…- 0
- 0
软件工程
-
✈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：×