标签：ci-cd
-
基于可观测性构建 AI Agent 的回归测试与自我修复闭环
AI Engineer
Arize 前线部署工程师 Sophia Yakoubovitch 探讨了 AI Agent 回归测试的难点。Agent 往往在运行时而非代码层面出错，单行 Prompt 修改可能改善某项指标却导致任务完成率下降。演讲提出了结合生产链路追踪的五步回归闭环，并展望了从人工介入转向由 Agent 自主排查、修复与演进的未来趋势。 -
一个闹钟，一份验收，就能养一个代码库
yage.ai
文章探讨了如何通过设置定时任务和明确的验收标准，将重复性的代码维护任务从依赖于过程确定性的死脚本或人工会话，转变为依赖于结果确定性的智能基础设施。核心观点是，基础设施应轻量化，通过唤醒机制、日志埋点、上下文外部化以及清晰的完工边界来构建，从而让代理能够自主决定下一步行动，而不是被复杂的流程图所束缚。 -
独立 AI Agent 构建者的宿命：终将重塑简陋版的 “CI/CD”
AI Engineer
本文探讨了独立构建多步骤 AI Agent 系统时所面临的隐性失效陷阱。指出智能体系统的核心风险并非显性崩溃，而是包装精美但质量不合格的产物。作者建议在数据交接的边界处部署输出结构、语气规范、事实校验及去重机制等硬性拦截门槛，用软件工程的思维保障智能体系统的可靠运行。 -
AI 速度下的 CI/CD 变革：Shopify CTO 深度解析 Tangle、SimGym 与 Liquid AI 实践
Latent Space
Shopify CTO Mikhail Parakhin 详细介绍了 Shopify 如何利用 AI 重塑工程工作流。重点讨论了第三代数据处理系统 Tangle、自动研究循环 Tangent 以及基于十年历史数据的客户模拟器 SimGym。此外，还分享了 Shopify 在生产环境中使用 Liquid AI 非变换器架构实现超低延迟搜索的实战经验。 -
为什么你的"AI 优先"战略可能大错特错？ | 宝玉的分享
baoyu.io
文章认为，'AI 优先'战略若忽视软件工程基础将失败。强调'软件工程优先'，需坚实的测试、CI/CD、监控与架构。以 CREAO 为例，展示了如何重构流程，让 AI 成为核心构建者，实现开发速度和质量的飞跃。AI 时代工程师核心价值正从代码产量转向决策质量。