共 22 篇文章
吴恩达老师「AI 工程技能地图」系列完整解读：构建 AI 应用 × 软件工程基础 × 驾驭编程智能体 × 塑造构建
吴恩达在 DeepLearning.AI 连载的「AI 工程技能地图」系统梳理了 AI 时代开发者最该掌握的四大板块：构建部署 AI 应用、软件工程基础、驾驭编程智能体、塑造构建。文章基于超万条职位分析与专家访谈，强调在智能体代写代码的时代，人的价值上移到'决定构建什么'，并给出每板块的核心技能清单与学习路径。
DeepSeek Harness 上线：一切皆为插件，一切皆是可能
评测刚开源上线的DeepSeek Harness（dsh）——DeepSeek打造的类Claude Code的Agent框架。核心理念是"一切皆插件"：模型、工具、技能、会话、沙箱、主循环等所有能力均由Cordis插件组合、可自由替换，配合Profile/Patch分层组装。随附四种模式（标准/PTC/极简/创造），PTC模式用一段TypeScript代码组织多轮工具调用以省上下文；还内置子代理、工作流编排、进程沙箱、审批守卫、MCP与Hooks生态兼容，密钥不进日志、默认不上传，强调开放自定义与可扩展能力。
在Uber规模下高效运营软件工厂
Uber工程博客分享在Uber规模下高效运营软件工厂的经验：AI已嵌入各开发阶段、超70%的PR由Agent完成、周活跃用户涨7倍。文章给出智能体会话成本公式与四层智能体框架，并从价格/token（帕累托模型选择）、token/请求（缓存TTL、CLI工具解析、代码模式）、轮次（上下文图）等层面系统优化，实现扩展7倍的同时单位成本下降34%-52%。
去哪儿网：AI Coding驱动大型核心系统重构实践
Qunar 技术沙龙（张培、薛锦泽）分享去哪儿如何用 AI Coding 驱动一次 15 万行高并发核心系统重构。难点是系统级不确定性：主流程强依赖、链路复杂、风险高。方法论上先把不确定性变成工程约束——用 Harness+Loop 四阶段闭环、里程碑加 Task 文件约束输入并沉淀验证证据、项目总览自动化执行、发布级质量控制。结果：总工时 100PD→30PD、核心链路 P50/P90 耗时约降 70%、资源成本省 45%、无 QA 介入顺利上线无故障。核心结论：AI 负责高频执行、人负责关键判断，最终沉淀的是团队的工程能力而非代码本身。
靠这 10 个优化点，我们把 Multi-Agent 工作流成本降了 50%以上
作者团队用AI Agent驱动前后端全流程开发（1个TL+6个子Agent），跑起来后钱烧得很快。先用AgentLens拆解成本，发现系统提示词、工具返回信息、历史消息是大头。围绕让AI只看到当前需要的上下文、减少无关与重复上下文三原则，逐一改造架构拆分、稳定前缀、渐进式披露、代码图谱、CLI替代MCP、长期记忆按需索引、工具调用并行化等方向，整体预估降本50%~65%。