循环工艺与最高循环：AI工程师的循环升降法则与群体智能
AI Engineer
探讨AI工程师的核心能力——在不同抽象层级的“循环”之间上下穿梭与调试。从最底层的Token、工具调用，到自动化Cron任务与软件工厂，AI能力正扩散至医疗、金融等各垂直领域。而人类汇聚、定义下一个循环的峰会与协作，则是驱动群体智能演进的“最高循环”。
Warp 首席执行官解析软件工厂与智能体自愈改进机制
How I AI
Warp 首席执行官 Zach Lloyd 在访谈中阐述了“软件工厂”概念及其内部运作，介绍团队如何通过 Slack、Linear 和 GitHub 触发并追踪智能体构建任务，并结合裁判模型打分与观察者智能体实现自我改进闭环，同时强调不可脱离传统产品调研与人类输入。
重构前线：Factory 如何通过现场部署工程构建“软件工厂”
AI Engineer
本文深度解析了 Factory 联合创始人兼 CTO Eno Reyes 关于现场部署工程（FDE）的演讲内容，探讨了如何通过模型无关的智能代理容器 Droid 建立自动化“软件工厂”，并指出提升“代理就绪度”（Agent Readiness）和构建确定性验证环路是实现研发自主化的核心关键。
逃离令牌城镇：Notion 的多模型互操作与软件工厂实战
AI Engineer
Notion AI 团队负责人 Sarah Sachs 分享了如何在大模型时代避免沦为“Token 贫困”阶层。她探讨了 AI 从助手向系统化协同的演进，揭示了供应商与应用商之间的竞争本质，并详细阐述了 Notion 倡导的“瑞士模式”多模型路由、开源权重杠杆、CPU 异构计算以及软件工厂中代理编排的安全治理策略。
为什么软件工厂会失败：超越 Harness 工程的智能体编码反思
AI Engineer
本文探讨了 AI 智能体编码与自动化“软件工厂”面临的瓶颈。作者指出，仅靠增加 Token 消耗或改进 Harness 无法解决代码可维护性下降的问题，因为现有强化学习模型缺乏对设计与架构质量的评估。未来开发应将 AI 辅助前置规划与人工审查结合，以保证质量与效率。
本地智能革命：构建属于你自己的 24/7 硬件级软件工厂
How I AI
硬件专家 Alex Finn 深度分享如何利用 Mac Studio、DGX Spark 及 RTX 5090 等设备组装强大的本地算力系统。通过 OpenClaw、Hermes 和 Tailscale 的协同，他成功搭建了可全天候自主运行、安全扫描和自动审查代码的环境 AI 与 sovereign 软件工厂，完美解决云端 API 成本过高的问题。
人工智能工程师世界博览会总结与展望
AI Engineer
本文记录了“AI工程师世界博览会”的第四天活动回顾，重点介绍了测试框架工程的主题演讲、前沿模型能力探索以及代码责任与问责制等核心议题。文章强调了在构建软件工厂和迭代学习中的重要性，并探讨了在智能体时代下如何重新定义人类对代码交付的责任归属问题。
软件工厂的缺失基元：构建自主代理群落
AI Engineer
软件工程师 Lou Bichard 探讨了如何通过“软件工厂”模式实现 SDLC 的自动化。他指出，尽管运行时和编排问题基本已解决，但代理协调（agent coordination）与上下文管理仍是核心痛点。他提出了以虚拟机（VM）为基础的开发环境隔离方案，并探讨了通过状态机和命令行工具（CLI）实现代理间协作的未来方向。
构建你的软件工厂：Cursor工程师谈AI代理自动化开发实践
AI Engineer
Cursor工程师Eric Zakariasson分享了其在公司内部通过产品“dogfooding”构建软件工厂的经验。他详细阐述了AI代理在软件开发中从辅助到完全自主的不同自治级别，强调了构建工厂所需的原语、模式、护栏和使能器。讲座还探讨了在AI驱动开发中，人类角色如何从执行者转向管理者，并分享了Cursor如何利用AI实现自动化工作流、测试、代码审查及持续学习。最后，讨论了在代理大规模协作、质量保障和团队文化转型中面临的挑战与解决方案。
Notion 的 AI 进化论：从自定义 Agent 到软件工厂的深度对谈
Latent Space
Notion 联合创始人 Simon Last 与工程负责人 Sarah Sachs 深度解析 Notion 的 AI 战略。对谈涵盖了从 2022 年至今的五次架构重构、自定义 Agent 的设计哲学、“软件工厂”的自动化愿景，以及如何在模型快速迭代中保持工程敏捷性。他们强调了 Evals（评估框架）作为 AI 核心竞争力的重要性，并探讨了 AI 如何改变软件工程师的定义。