标签：ai-assisted-coding
-
Bob大叔谈AI时代编程：为什么我不看AI写的代码，而用确定性工具驾驭Agent
📝
🎙️ Best Partners TV
📄 《代码整洁之道》作者Bob大叔与Matt Pocock展开对谈，分享其使用AI Agent写代码的经验。他提出不直接看AI代码，而是依靠CRAP度量、变异测试等确定性自动化工具与多Agent流水线实施约束，并探讨了架构设计、敏捷模式及新人学习路径。 -
AI 编程的效能悖论与自动化校验时代
📝
🎙️ AI Engineer
📄 本文探讨了 AI 编程工具带来的效率提升与代码质量下降的悖论，分析了卡内基梅隆大学与沃顿商学院的相关研究。Sonar 提出通过 ACDC（以智能体为中心的开发周期）框架，在双环路（内层智能体循环与外层 CI/CD 循环）中引入零信任、多维度的自动化校验，以解决验证债并确保企业级软件质量。 -
速度病：当整个团队提速10倍时会发生什么？
📝
🎙️ AI Engineer
📄 Ref创始人兼CEO Matt Dailey在演讲中剖析了AI时代下团队面临的“速度病”（Velocity Sickness）——即代码产出暴增却无实际业务影响的困境。他提出，工程团队应当从过度关注“实现与打磨”的传统IDE模式，转型为聚焦关键工程决策的“文档中心”模式，从而实现从“代码速度”到“想法速度”的跃迁，确保人类开发者始终掌控软件的核心所有权。 -
AI时代的软件工程重构：我们要不要阅读智能体生成的每一行代码？
📝
🎙️ Best Partners TV
📄 本文探讨了AI辅助编程背景下，开发者是否应当逐行阅读AI生成代码的行业大论战。通过分析HashiCorp创始人米切尔·桥本与软件工程大师Uncle Bob两种截然相反的协作范式，揭示了从“人工逐行审查”转向“严密测试与约束验证体系”的软件开发底层逻辑演变，以及代码生成成本骤降带来的研发范式革命。 -
ReviewDebt：量化与破解 AI 时代代码评审债的确定性度量框架
📝
🎙️ AI Engineer
📄 随着 AI 编码助手的普及，代码产出量剧增而人类评审精力受限，由此产生了“审查债务（Review Debt）”。本文详细介绍了 Sachin Gupta 提出的 ReviewDebt 度量框架，通过五个确定性信号指标，帮助团队在不降低研发速度的前提下，理性评估和控制代码审查负担。 -
【访谈】从零基础文科生到手搓App，AI时代的“人机共生”与造物体验
📝
🎙️ Best Partners TV
📄 本期访谈围绕腾讯AI工作台WorkBuddy的研发历程，探讨了英语文学背景的王博源如何利用AI工具实现零基础开发并上架App的经历。嘉宾共同拆解了AI Coding的演进、调试心智以及如何在AI洪流中通过“顺势造物”缓解焦虑。 -
欲速则不达：AI 狂热下的研发危机、文化崩塌与软件工程重构
📝
🎙️ The Pragmatic Engineer
📄 本文深入解析了 AI 浪潮对当前软件工程的颠覆性冲击。通过剖析 Meta 内部因 AI 编写和评审代码引发的安全漏洞等真实案例，揭示了“Token Maxing”等低效绩效指标与裁员恐慌如何共同瓦解优秀的研发文化。演讲者指出，AI 生成代码的滥用导致全球软件质量普遍崩塌，倡导工程师与管理者“慢下来以求快”，将 AI 应用于系统级集成，重新拥抱经典设计模式与架构校验，深化核心业务领域知识，拒绝将核心思考与学习能力外包给 AI。 -
用 AI 重构子系统，到底是在清屎山还是在拆承重墙
🎙️ yage.ai
📄 文章探讨了在利用 AI 重构复杂子系统时，技术实现（代码质量）与团队设计共识之间的冲突。核心观点认为，工程的难点不在于写代码本身，而在于在多目标约束下做出取舍的设计决策。AI 极大地提高了编码速度，但它无法替代对业务场景、历史事故记忆和团队间隐性共识的理解。真正的解决之道在于将争论焦点从代码质量转移到设计评审中，通过明确取舍和风险评估来建立团队共识。 -
普通人如何用 AI 工具零基础入门 Web 开发与自媒体实战
📝
🎙️ 课代表立正
📄 本期直播访谈邀请了麻省理工毕业的知识博主长毛兔，分享她作为非技术背景的普通人，如何借助 Lovable、Cursor、Claude 等 AI 工具跨越编程门槛，开发并上线独立产品。内容涵盖了 AI 工具的学习误区、API 成本控制、自媒体涨粉策略以及如何以需求驱动个人技术成长。 -
AI 驱动的 WebRTC 实践：零成本构建全平台 P2P 视频通话系统
📝
🎙️ Peter Pang
📄 作者分享了利用 AI 开发基于浏览器的 P2P 视频通话平台 o2o 的全过程。文章深入探讨了 WebRTC 的技术架构、STUN 与 TURN 服务器的成本权衡，以及在大语言模型超长上下文支持下解决复杂状态机 Bug 的工程实践经验。 -
Notion原型游乐场：AI如何赋能设计团队实现代码优先原型开发
📝
🎙️ How I AI
📄 本访谈深入探讨了Notion AI设计师Brian Leven如何利用其团队内部的“原型游乐场”（一个基于Next.js的应用程序）推动代码优先的原型开发。他详细介绍了AI编码工具如Claude Code如何加速设计迭代、通过早期接触真实环境提升设计质量，以及如何通过共享原型和组件促进团队协作。访谈还展示了AI驱动的命令和技能（如Figma转代码、自动化部署）如何简化工作流程，并强调了设计师理解AI模型能力在设计AI产品中的重要性。 -
Claude Opus 4.6 vs GPT-5.3 Codex：五天交付九万行代码的 AI 工程实战
📝
🎙️ How I AI
📄 本文深度对比了 OpenAI 的 GPT-5.3 Codex 与 Anthropic 的 Claude Opus 4.6 在真实工程场景中的表现。通过重构营销网站和核心应用组件的实战，揭示了 Opus 在创意构建与自主规划上的优势，以及 Codex 在架构评审与边界情况检测中的“首席工程师”价值，并提出了高效的 AI 协作工作流。