1. Scientific Computing in the Age of Agentic AI

推荐理由： 基于八个真实科学计算项目，分析 agent 如何参与软件迁移、GPU 重构、性能优化和长期维护。

核心要点：

  • 工程师和研究人员的角色从亲自实现，转向定义目标、拆解任务和验证正确性。
  • Agent 最适合具有明确验收信号的任务，例如输出一致性、性能基准和参考实现对齐。
  • 降低重写成本也会产生更多无人维护的分叉，因此上游合并和长期维护责任仍不可缺少。

2. Agent Swarms and the New Model Economics

说明： 超出七天窗口，但属于近期 multi-agent software factory 领域较完整的工程实践。

推荐理由： Cursor 公开了数百个 agent 并行构建软件时的任务树、上下文隔离、版本控制、冲突解决和 review 架构。

核心要点：

  • Planner 只负责拆解和决策，Worker 只负责局部实现；扩展能力主要来自上下文隔离，而不只是并行计算。
  • 人类时代的 Git 和 code review 难以承受极高提交频率，需要 agent-native VCS 和独立冲突解决机制。
  • 多种 review 视角、共享设计文档和由 agent 维护的 Field Guide，有助于控制长期漂移。