Personal Blog
个人博客共 18 篇
探索 AI 时代软件工程如何被重新组织｜从控制权迁移到中间表示，构建研发系统演化的解释框架。
All You Need Is Skill：端到端自动化的 MVP 闭环是如何跑起来的
这篇文章不讨论端到端自动化的最终形态，而是回到 MVP 阶段，讲清楚我们如何用 Skill 把多源输入、项目知识、任务建模、代码生成和 Review 组织成一个真正可运行的系统。它不是终局，却第一次让闭环成立。
当大家开始谈 Harness 时，我们真正该理解的是什么？从 Representation 到 Harness，再到 System，AI 研发正在进入新的一套系统分层
当 AI 开始真正“干活”，问题就不再只是模型够不够强，而是任务是否被稳定表达、执行是否能够持续、结果是否能够进入系统闭环。 最近业界开始频繁讨论 Context、Harness、Environment Engineering，这些词看似分散，背后其实指向同一个变化： AI 落地的竞争，正在从模型能力，走向系统组织能力。
90% 出码率是怎么来的？我们如何把研发任务组织成可运行的自动化链路
90% 出码率，不是因为 AI 已经可以直接“理解需求”，而是因为需求在进入执行前，先被组织成了系统可以接住的任务。 真正开始成立的，也不是一次更成功的 AI Coding，而是一条从多源输入、任务表达、执行编排到验证闭环的自动化链路。 如果说上一篇回答的是“链路开始成立了吗”，那这一篇要回答的，是“这条链路到底是怎么被搭起来的”。
AI 正在制造一批“伪专家”｜当“会讲”变得越来越容易，组织该如何重新判断谁值得被相信
生成式 AI 放大的，不只是效率，也不只是表达能力。 它真正带来的一个新问题是：当“像专家一样说话”变得越来越容易，组织必须重新判断，谁只是讲得清楚，谁真正做成过、跑通过，并且还能再做一遍。 当“看起来正确”变得越来越廉价，真正跑通过的经验，反而会重新变贵。
出码率到 90% 之后，我们真正验证了什么？端到端自动化的第一次真实落地
端到端自动化的关键，已经不再是单点生成能力，而是研发任务能否在真实业务约束下，被稳定地表达、执行与验证。我们真正验证的，不是一段代码能不能被生成，而是一条面向真实业务研发的端到端自动化链路，是否已经开始成立。
当网站开始为 Agent 提供接口，Web 的交互边界正在改变｜从 WebMCP 看网页如何从“界面”走向“能力入口”
当网站开始主动向 Agent 暴露可调用能力时，网页的角色就开始变化了。 它不再只是一个等待人类点击的界面，也开始成为一个可以被理解、被调用、被编排的能力入口。 WebMCP 的意义，不在于它今天已经多成熟， 而在于它让一件事情变得非常具体： Web，正在为 Agent 重写交互接口。
为什么 Spec 不是终点，而只是中间产物？软件研发正在从 Spec 驱动，走向表示驱动（RDD）
当执行不再稀缺时，软件研发的核心问题不再是“如何实现”，而是“如何让任务被系统准确表达”。 Spec 并不能解决这个问题，它只是一个开始。
当 GUI 让位于 Agent，软件为什么走向“系统”
软件工程的变化，很少从某一个具体技术点开始显现。 更多时候，是从一些具体的使用体验中，逐渐累积出来的。 当这些变化被放在一起看时，软件的形态，开始呈现出不同的方向。
为什么 PRD + 设计稿，无法支撑 AI 时代的研发协作？当 AI 开始参与研发流程：产设研协作可能会如何变化？
随着 AI 开始参与软件研发流程，一些变化正在逐渐显现。 在实际推进研发自动化的过程中，我们发现，影响并不只发生在“代码生成”这一层，更早出现在需求、设计与实现之间的协作方式上。 这篇文章基于一次真实的企业实践，尝试讨论一个具体问题： 当执行者开始从人扩展到系统时， 产设研之间的协作，是否需要重新定义？
当 AI 开始参与开发：软件研发为何会走向 Agent 协作｜从人类协作到 Agent 协作系统
当执行者开始改变之后，软件研发的协作对象也在发生变化。 从人类之间的分工，到人类与 Agent 的协同执行，一种新的研发协作结构正在逐渐形成。
信息越来越多，但我们真的更理解技术了吗？| 从信息流到主题结构
技术变化很少直接来自信息本身， 它往往是在主题不断聚合之后才逐渐显现。
从设计稿到生产代码：小红书如何用多阶段流水线自动化客户端开发
从设计稿到生产代码：小红书如何用多阶段流水线自动化客户端开发 📋 论文信息 - 标题: Production-Grade AI Coding System for Client-Side Development - 作者: Ruihan Wang, Chencheng Guo,
AI 时代，重新理解成长｜一份持续 260 期技术小报背后的技术观察
从持续 260 期的技术小报，到 AI 时代的软件工程观察。 这篇文章记录了一段技术人与技术变化共同成长的过程： 从整理信息，到观察趋势，再到参与 AI 研发自动化实践。 也是我在 AI 时代重新理解"成长"的一次回望。
当 AI 开始参与开发之后，软件工程正在重新学习“如何表达”
软件工程的下一阶段，不是更快地实现，而是让理解成为结构。 ——为什么端到端自动化最终会走向中间表示（IR）
问题也许不在 AI：软件研发开始适应新的执行者
当 AI 开始承担越来越多执行工作时，软件研发真正发生变化的，或许并不是效率本身，而是“困难出现的位置”。这篇文章尝试解释一种正在出现却尚未被明确描述的现象：研发瓶颈，正在悄然迁移。
我们可能一直误解了 AI 对软件研发的影响
当 AI 开始参与开发，真正改变的或许不是效率，而是软件研发中“谁在决定事情如何发生”。
企业研发 AI 自动化能力结构框架（v0.1）：从工具增强到端到端自动化的结构路径
写在前面：当 AI 开始进入软件研发，讨论往往集中在模型能力与生成效果上。但在企业真实环境中，自动化能否成立，更多取决于组织是否具备支撑 AI 长期运行的结构能力。 本文提出一个 L1–L4 的企业研发 AI 自动化能力框架，尝试回答三个问题： + “企业当前处在哪个自动化阶段？” + “为什么多数团队难以进入下一阶段？” + “从局部提效走向端到端自动化，需要补齐哪些结构能力？” 文章结合行业趋势与实践观察，给出控制权迁移模型、自动化断点地图与能力自测视角，作为理解与讨论企业研发自动化的一种结构工具。
从 AutoGLM 到 豆包手机：GUI Agent 技术探索与对比
引言 这个月，AI Agent 赛道接连出现两个关键动作，引发了技术圈的密切关注：先是字节的“豆包手机”作为全球首款 AI 原生硬件亮相；紧接着，被誉为“首个具备 Phone Use 能力”的智谱 AutoGLM 模型宣布开源。它们共同指向并加速了一个超越内容生成的新趋势：AI