标签：technical-debt

• 测试、技术债与“以慢为快”的软件工程实践 The Pragmatic Engineer 2026-11-10
  文章探讨了测试作为手段的观点、技术债的偿还时机，以及通过前期规划、明确共识和确保可观测性来“以慢为快”的工程实践，强调避免沟通误解和盲目追求速度。
• 代码质量还重要吗？取决于这四大维度——从一次性软件到持久软件 AI Engineer 2026-10-21
  探讨AI时代代码质量的本质与必要性。软件的成功归结于理解与执行，而代码质量的核心在于系统结构与降低变更风险。演讲者提出软件正划分为'一次性软件'与'持久软件'两大范畴，并给出了基于失败后果、替换成本、依赖度与维护成本的判定框架，同时分享了如何通过标准化与自动化工具降低工程严谨性的成本。
• 重构之辩：在 AI 原生时代，延期技术债还是立即行动？ AI Engineer 2026-08-08
  Wisedocs 针对处理超大医疗索赔文件的复杂 AI 工作流管道进行了为期六个月的单体仓库（Monorepo）重构。本文深入探讨了在 AI 编程能力（如 Claude Sonnet 与 Open AI o3/Mythos）以指数级速度演进的背景下，评估重构的投资回报率（ROI）、AI 自动重构的局限性，以及技术债在 AI 时代下的演变特征。
• 氛围式编程的狂欢与宿醉：透视AI生成代码的技术债危机与重构生意 Best Partners TV 2026-07-16
  随着Vibe Coding的盛行，AI生成代码所带来的技术债问题正以前所未有的速度累积。本文探讨了专门提供AI代码清理服务的Slopfix团队及其商业模式，结合学术界对GitHub上大量AI提交的实证研究，深入分析了AI编程工具引入的代码异味、逻辑缺陷和高存货率问题，警示开发者在享受AI便利的同时，必须建立起坚实的工程护栏。
• 用 AI 重构子系统，到底是在清屎山还是在拆承重墙 yage.ai 2026-06-22
  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。
• 快速模型需要“慢”开发者：AI 时代的开发策略重构 AI Engineer 2026-05-22
  随着编码模型推理速度实现 20 倍的质的飞跃（如 Codex Spark 达到 1200 token/s），开发者必须从追求‘一次生成、大规模并行’的坏习惯转向实时的‘人机协作’。本文通过硬件层、架构层到开发实践的深度拆解，提出了一个实操手册：利用模型速度优势实现代码验证与自动化重构的零成本化，并强调了在模型生成速度超过人类认知速度时，保持代码质量、 steer 能力以及精确的上下文管理的重要性。
• 既然都是开源的，为什么还要花几亿去买 yage.ai 2026-05-19
  文章分析了Anthropic和OpenAI等AI巨头为何不直接fork开源项目，而是斥巨资收购。核心逻辑在于获取原开发团队的隐性知识、化解竞对截胡风险、掌控项目路线图，以及确保关键基础设施的深度整合与长期稳定性，而非仅仅是使用代码。
• 我用十年给了它跌宕起伏的一生，回顾一个软件的十年技术变迁【让编程再次伟大#51】 Peter Pang 2026-01-09
  本视频回顾了一个物联网终端系统十年的技术演进历程。从2016年基于浏览器的“Make it Work”方案，到引入容器技术Docker，再到语言迁移至Node.js，以及后续转向systemd管理和原生应用渲染。最终，系统升级为定制OS，并计划用Rust重写核心功能，以应对技术迭代和依赖管理挑战。视频强调了“3M原则”和技术选择的历史进程。