1. The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks

推荐理由： 这篇把 repository-scale coding agent 的 context problem 讲得非常具体：问题不只是“上下文太长”，而是一次修改依赖的事实是否在 agent 真正写代码的那个时刻仍然可用。作者把缺失的耦合事实称为 coherence debt，并通过 7 个模型和 5 个 harness 做控制实验。它对 context engineering 的启示很直接：应该围绕 edit dependency 维护 working set，而不是把更多仓库内容一股脑塞进 prompt。

核心要点：

  • 作者把 repo-level 修改抽象成 coupled-fact graph：测试、import、配置、migration rule 等事实要么来自当前 context，要么来自模型的 parametric memory；两者都覆盖不到的部分就是 coherence debt。实验表明，事实一旦缺失，增加 token 或让 agent 多探索并不能恢复正确性。
  • availability 比 distance 更重要。 只要关键事实仍在上下文里，它离实际 edit 很远也可以正常工作；反过来，缺一个事实就会精确损失依赖它的那部分工作。更麻烦的是 agent 往往不会停下来报告“不知道”，而是猜一个值、造一个文件，把缺口伪装成已经完成的工作。
  • 不同 harness 为维持同样的事实可用性付出的 token 成本可相差 10 倍以上。而且 stale convention 比没有 convention 更危险：当代码与规范冲突时，agent 往往遵从规范。对 harness 的要求因此不是简单“多读文件”，而是 在写入时确保依赖事实可用，并从产物反查 agent 实际使用了什么事实。

2. Asana cleared 5 years of engineering work in 2 weeks with Codex

推荐理由： 这是近期非常具体的 production software-factory 案例：Asana 没有拿 agent 做绿地 demo，而是让它处理一个多年累积的真实基础设施迁移——彻底移除已经成为前端升级阻塞点的 Enzyme。更值得注意的是流程并不复杂：短 prompt、最多 4 个并行 agent、隔日两次人工检查、所有修改仍由工程师 review。它说明 AI-native workflow 的价值经常来自 把原本经济上“不值得做”的大规模维护任务重新变得可执行。

核心要点：

  • 项目从一个只有 5 句话的 prompt 开始，最多 4 个 Codex coding agents 在各自独立的 codebase copy 中并行工作；工程师每天检查两次进度并 review 每个 proposed change。Asana 还发现，简单指令反而比更复杂的 agent setup 更有效。
  • Enzyme 最终在约 1.5 周工程工作量、跨 2 个日历周内完全移除；模型和基础设施成本约 $12K。Asana 之前的 staffing plan 预计至少需要 5 年、约 $6M。这些数字来自厂商案例，应当作为单个项目证据而不是普遍生产率结论。
  • 更重要的变化不是单次“提速”，而是项目选择逻辑发生改变：团队开始重新评估过去因为成本过高而搁置的 migration、rewrite 和 performance cleanup。Software factory 的一个现实落点因此可能是 持续消化技术债和长尾维护 backlog，而不只是更快生成新功能。