标签：ai-assisted-coding
-
Anthropic自研版本控制系統取代Git：應對AI規模代碼激增的實踐與思考
Best Partners TV
隨著AI生成代碼導致每日代碼合併量激增十倍，Anthropic面臨Git在超大型單體倉庫下的擴展性瓶頸。7人團隊耗時5個月構建了基於客戶端始終在線假設的內部版本控制系統及配套工具，顯著降低資源消耗並提升延遲。本文介紹其架構原則、AI輔助開發過程、工程師角色轉變以及對現有工具鏈瓶頸的啟示。 -
Token 成本微不足道：重构研发效能与合并 PR 的真实成本
AI Engineer
Jellyfish 研究与 AI 负责人 Steve Jamison 结合行业工程遥测数据指出，尽管企业在 AI 上的 Token 花费激增，但在单次代码合并（PR）的总成本中，Token 支出平均仅占 2.5%，其余 97.5% 仍为工程师薪资。AI 赋能大幅提升了人均 PR 产出（最高提升 67%），进而使单次 PR 综合成本下降了 26% 至 32%。过度限制 Token 属于因噎废食，评估 AI 投资的关键在于单次 PR 产出效率与工程综合 ROI。 -
生成廉价而审查昂贵：如何终结 AI 垃圾代码交付
AI Engineer
随着 AI 编码能力爆发，生成代码的速度远超人类理解与评估的速度，导致大量未经深度思考与边界推敲的'垃圾代码'（Slop）涌入代码库。本文指出代码是负债而非资产，真正的工程核心在于对权衡、架构边界与未知风险的判断与担责。面对审查瓶颈与团队绩效焦虑，唯有依赖强约定架构、声明式边界与精细化任务解耦，方能实现带判断力的工程编排。 -
DeepSeek 开源 6
个昇腾仓库，真正新的是决定哪些不必兼容
yage.ai
DeepSeek与华为开源昇腾软件栈，确立分层复用策略：锁定上层API与语义，放开底层字节布局与Kernel实现。此举通过AI降低双平台开发成本，以工程边界替代通用性能突破，为跨芯片兼容提供务实路径。 -
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。 -
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。