共 8 篇文章
FDE 技术栈清单 v2：52 个工具分 7 层，看你的 AI 交付缺哪一层
《FDE 技术栈清单》第二版把 AI 交付重整为七层 52 个工具：发现与上下文、数据与检索、编排与协议、交付与运行，外加新增的评测、可观测、治理三层。作者说明 v1 被三件事撑破——评测从加分项变成入场券、欧盟 AI 法案把治理压到工程师头上、协议收口后选型转向怎么管住。每层给出通过判据，末尾附每层一件的最小可用栈。核心判断是瓶颈已从模型能力转到授权边界：智能可以规模化，授权不能标准化。
面向产品经理的循环工程（Loop Engineering）
为产品经理引入循环工程理念，主张从写Prompt转向设计可复用的循环系统。一个有效循环包含五个要素：触发器、动作、证据、记忆和停止条件。将判断力固化为可版本管理、可评估的系统，让每次运行都比上一次更好。
一张图扒光5个国产模型：Kimi憋半天才动手，豆包忙了293次，GLM最吃状态
把DeepSeek V4 Pro、Kimi K3、GLM-5.2、豆包Seed-Evolving五个国产编程模型放入同一真实仓库修同一个Bug，用轨迹图记录执行过程。结果显示DeepSeek最稳健、Kimi动手最晚且调查最多、豆包动作最多、GLM状态型不稳定；还发现同一模型换Harness后执行路线改变，主张评估Agent应把模型与工作环境放在一起看。
横评Opus 4.8、GPT-5.5、DeepSeek V4、MiniMax M3，356元测出来的真实排名
花费 356 元用同一任务与提示词横评 Opus 4.8、GPT-5.5、DeepSeek-V4-Pro、MiniMax M3 在 3D、视觉网站、游戏与 Agent 长程四类场景：Opus 与 M3 视觉/3D 领先，GPT-5.5 审美粗糙，DeepSeek 视觉理解弱，给出分场景排名供选型参考。
LangChain发布 Eval Engineering Skill：迈向评测工程自动化
LangChain 发布 Eval Engineering Skill，让编程智能体从代码仓库与生产轨迹中挖掘上下文，自动构建可执行评测：梳理能力边界、从轨迹复现行为、与用户访谈确认方向、生成 Harbor 任务（指令、Docker 环境、验证器）并迭代。文章强调访谈式迭代远比一次性生成采纳率高，需警惕奖励投机；指出评测即训练数据，容器化让模型与提示词可替换对比，形成学习闭环。