多人协同智能体工程：让团队与AI无缝协作的六个关键实践
AI Engineer
本文探讨了如何通过多人协同智能体工程实现团队与 AI 智能体的高效协作。演讲者结合其十余年软件开发及智能体集成经验，提出了保持模型中立、统一多端人机接口、团队协作可视化、云端沙箱隔离、基于真实代码库基准测试以及自动任务路由等六大原则，以消除开发摩擦，降低 Token 成本，并安全地赋能非技术人员参与产品迭代。
重构后训练技术栈：Prime Intellect 开源智能体强化学习实践
AI Engineer
本文深入探讨了 Prime Intellect 开源后训练（Post-training）工具链的核心设计与应用。文章详细介绍了 verifiers v1 库如何通过解耦任务集、指令器和运行时来支持复杂的智能体，剖析了利用群组奖励解决模型过度思考的机制，并阐述了 renderers 库如何解决 Token 不匹配问题。最后介绍了异步强化学习框架 PrimeRL 以及其托管微调平台的最新进展。
为什么 Anthropic 工程师使用 HTML 文件作为 AI 技术规格
How I AI
Anthropic 的工程师 Thariq Shihipar 解释了为什么 HTML 正在取代 Markdown，成为与 AI Agent 交互的更优选择。他认为，尽管 AI Agent 的能力越来越强，但编写清晰的计划（Spec）和让人类保持在循环中（human-in-the-loop）仍然至关重要。HTML 作为一种更丰富的沟通媒介，不仅能让 Agent 生成可交互、可视化的计划、原型甚至定制化 UI，也使得开发者自己更愿意阅读和参与其中，从而提升了最终产出的质量。这种方法将开发者转变为“计算资源分配者”，其核心任务是通过高质量的规约来决定宝贵的计算资源应该花在何处。
超越 IDE：Steve Yegge 论 AI 智能体时代的软件工程重构
The Pragmatic Engineer
前亚马逊与谷歌资深工程师 Steve Yegge 探讨了 AI 对软件开发的彻底变革。他提出了 AI 采纳的八个等级，揭示了“吸血鬼效应”带来的开发者损耗与价值分配难题，并预测大型科技公司的创新终结。通过其开源项目 Gas Town，他展示了智能体编排器如何实现百倍生产力，同时警示了 AI 生成代码中的“异端”风险及“苦涩教训”对工程未来的深远影响。