别学AI了,直接用起来
学AI的最好方式就是别学了,找一个真实的业务问题直接上手。从一个月300块的生鲜门店AI助手案例出发,讲清楚从问题出发而非从技术出发的实践路径。
二十年软件工程经验,历经基础架构、云原生、开放银行等领域。
核心主张:AI 时代的生产力差距不在工具,在制度。当执行者从人类变为 Agent,围绕人类设计的旧制度——代码审查、手动测试、口头传递的隐性知识——全部失效。高生产力团队的共同点是建立了与 Agent 特征匹配的工程制度:闭环控制(规约定义输入,自动化验证检查输出)和持续演进(规约、测试、流程本身也必须迭代)。
这套方法论被系统化为《Harness Engineering Playbook》,由 Agents 特区社区集体创作,涵盖从可靠的单 Agent 编程到多 Agent 并行、再到组织级治理的完整路径。
Agents 特区已举办二十余期研讨会,汇集来自蚂蚁、腾讯、美的、PingCAP、券商、K12、土木工程等领域的一线实践者,覆盖测试约束、团队构建、端到端交付、Agentic 运维等前沿话题。
学AI的最好方式就是别学了,找一个真实的业务问题直接上手。从一个月300块的生鲜门店AI助手案例出发,讲清楚从问题出发而非从技术出发的实践路径。
Agents 特区社区邀请19位AI编程先行者参与线上圆桌研讨。与会者来自券商、医疗器械、K12教培、支付宝、开源基础设施等背景迥异的领域。本文探讨概率性系统如何通过确定性约束和独立性验证确保AI代码品质。
Lovable估值数十亿,却在47分钟内被挖出用户债务金额、家庭地址、API密钥。软件工程有产品经理、架构师、开发、测试、运维,但缺少一个独立、有否决权的验收人——土木工程叫它"监理"。
本文回应黄东旭最近关于"Vibe Engineering 2026.1"的文章。黄东旭用AI重写TiDB的PostgreSQL兼容层,代码品质已接近生产水平。但他90%时间花在评估AI工作成果。我们如何在普通团队中复制这种成果?
2025年,硅谷掀起Forward Deployed Engineer(FDE)招聘热潮。OpenAI、Anthropic、Databricks等公司纷纷招募FDE。这个新兴职位真的是创新,还是换了个洋气名字的传统"交付工程师"?
阿里的qwen-code CLI是基于谷歌Gemini CLI的分叉。法律上完全没问题,但从产品管理角度,这是个很草率的决定。用户发现初始化命令生成的还是GEMINI.md而不是QWEN.md,这是fork时检查不彻底的遗留。
AI写的代码不行?问题在于没有正确采用迭代方法论。迭代是通过多次尝试,不断逼近一个固定的目标。在软件开发领域,迭代可以用于所有环节——从需求澄清到实现测试。