标签：system-design

• 多 agent 不是更聪明，是更贵：它到底买到了什么 yage.ai 2026-10-21
  文章探讨了多 agent 系统并非自动提升智能，而是一笔用数倍 token 预算去换取特定工程指标的交易。多 agent 的价值取决于任务的特性，例如，子任务的独立性可以换取更短的端到端时间；信息复杂可以换取更广的搜索覆盖和查漏补缺；长程任务可以换取搜索多样性；上下文隔离可以换取干净的审查窗口。文章指出，如果任务卡在单步核心推理太难或步骤过于紧密，多 agent 可能会因协调故障而导致重复劳动。最终建议是先看清任务瓶颈，根据瓶颈选择单 agent + 高档位推理，或在特定条件下才考虑引入多 agent。
• 为 agent 重造地基：Anthropic 的 CI 与 Scion，哪些判断能复用、哪些不必照搬 yage.ai 2026-10-18
  Anthropic 针对其内部源码控制系统 Git 在面对高频运行的 Agent 任务时遇到的存储和性能瓶颈，重写了源码控制系统 Scion。Scion 采用了“轻客户端、重服务端”的架构，通过内容寻址替代传统 packfile，引入三层缓存机制，并优化了写操作（Changeset 机制）和合并流程，以适应永远在线、生命周期短的机器集群的需求。文章总结了重构过程中对研发流程、人与系统边界的工程判断，强调了流程优化、意图审查以及对成熟开源设计先例的借鉴。
• 从手动编码到AI辅助的软件开发历程与架构演进 The Pragmatic Engineer 2026-09-30
  文章回顾了从早期手动编写代码到利用AI辅助生成高质量代码的转变，重点探讨了软件开发中的技术里程碑（如纠删码），以及在数据存储架构重构、垂直扩展测试和利用AI作为新型建筑材料进行系统构建方面的思考与实践。
• 上周三件小事：agent 的账本、接口与房间 yage.ai 2026-09-09
  文章探讨了当前AI Agent在工程实践中的几个关键瓶颈和解决方案。核心观点包括：通过引入记忆系统（如Lemmalog）来维护Agent的推理账本，将概率性的语言理解与确定性的规则引擎分工；通过Model Hardware Standard (MHS) 允许大模型直接理解自然语言来定义硬件接口，降低传统软件对接的门槛；以及通过Agent-native工作区（Raft）重新设计协作规则，解决Agent在回合制工作流中的状态管理和交互问题。文章总结指出，未来的突破点在于构建模型外置的确定性工程支架，以应对模型能力快速提升带来的挑战。
• 对话Jeff Dean：AI的下一个拐点、物理约束与智能系统的第一性原理 Best Partners TV 2026-08-09
  本文深度整理了谷歌首席科学家 Jeff Dean 在 YC 创业学校的最新对话。他从第一性原理和物理约束出发，详细剖析了 AI 智能体（Agent）的演进、机器学习系统自动化的未来、TPU 的硬件起源与性能演进，并揭示了“数据搬运能耗是计算千倍”这一核心物理法则对系统架构的深远影响。此外，针对创业者如何在巨头阴影下选择高价值方向、如何培养工程品味、以及通过思想实验挑战默认假设，Jeff 提供了宝贵的洞察与方法论。
• 谷歌 Gemini 背后的男人，永远的代码之神！ · 乔木博客 向阳乔木 2026-08-06
  本文讲述了杰夫·迪恩（Jeff Dean）从传奇程序员到AI系统构建者的传奇历程。文章回顾了他从早期对复杂系统的直觉、在编译器和硬件层面的深入理解，到在谷歌期间通过MapReduce、Bigtable、Spanner构建革命性分布式基础设施，再到推动Google Brain和Gemini等AI模型的领导者角色。核心思想是：在系统构建中，通过预期失败和规模化来构建容错、高效的架构，并最终将AI从工具提升为能够主动执行任务的智能体。
• Loop Engineering 详解：从管理执行到设计自收敛的循环 yage.ai 2026-06-30
  文章详细阐述了“Loop Engineering”的概念，它代表了从单纯的Prompt使用向设计自收敛的循环系统转变。核心在于将AI从执行者升级为“AI Manager”和“Senior Manager”，通过建立反馈闭环、可检验的评估机制（如evaluation harness、tracking UI）以及将经验沉淀为SOP等机制，构建一个能自我诊断、修正和优化的开发引擎。文章强调，评估的艺术是关键，AI时代的评估应从路径约束转向边界约束，而非依赖传统TDD模式。
• 从流量控制到任务调度：AI Agent 开发范式转换 AI Engineer 2026-05-30
  Philipp Schmid 在 Google DeepMind 的实践经验基础上，深度解析了构建 AI Agent 与传统软件工程的五个核心差异，包括从确定性流程到目标导向、语义化状态管理、错误处理机制、从单元测试到评估体系的演进，以及 API 设计原则的变革。
• 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 2026-04-28
  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。
• TED2026 奇迹现场：11位创新者如何用思想重塑全球未来 TED 2026-04-16
  本场 TED 会议汇集了全球 11 位先锋演讲者，议题跨越了社会治理、医疗保障、技术创新与生态保护。从新加坡的自下而上政府改革到非洲的能源维修经济，从利用 AI 化学手段对抗物种灭绝到重新发掘被遗忘的女性作曲家，这些思想展示了跨领域协作与打破常规在应对全球性挑战中的核心价值。
• AI编程新工具Anti-Gravity与全栈开发实战答疑 用AI發電 2026-01-17
  本期对话主要围绕AI编程工具与全栈开发实战展开。Mike分享了Google推出的新工具Anti-Gravity及其在云端编程的优势，并推荐了Andrej Karpathy关于未来职场的观点。随后，对话深入探讨了n8n工作流的学习曲线、跨境电商的市场调研自动化、Web App转移动端（PWA与Native）的技术选型、数据库设计原则以及AI应用的各种安全与计费策略。