1. When code is abundant

推荐理由： 这篇把“code is no longer the bottleneck”继续往系统层推进。GitLab 的判断是：当 Agent 可以大规模生成实现后，真正稀缺的东西变成 trust，而 trust 不能只靠更强模型或更长 prompt，而要由 context、verification、governance、identity、provenance 和 evidence 组成一个独立于具体模型的持久控制层。对 software factory 来说，优化目标也不应再是 lines of code 或 token throughput，而应转成 cost per accepted change。

核心要点：

  • GitLab 将一个有效的软件变更成本拆成 generation、environment setup、context、verification、review、remediation 和 governance。AI 主要压低的是 generation；如果 CI、review、validation 等环节没有同步压缩，整体交付速度不会线性提升。文章因此建议直接测量 cost / time per accepted change，而不是继续用代码产量衡量 Agent 效率。
  • Agentic development 的 durable layer 应该独立于模型存在。GitLab 将下一代平台抽象成四层：Agent Platform、machine-scale Execution、Context、Governance。模型可以被替换，甚至不同任务使用不同模型，但组织的 instructions、identity、policy、provenance、verification evidence 和历史不能随模型一起消失。
  • 当 intent、code、policy、evidence、deployment 和 production outcome 之间的关系以机器速度增长时，provenance 不再只是事后审计问题，而会进入 execution path。文章把这一闭环描述为从传统 SDLC 向 PDLC / software factory 演化：business intent 进入系统，Agent 生成软件，verification / governance 决定能否继续，production signal 再反馈到下一轮。

注：这是 GitLab CEO 的平台方法论文章，包含明显的 GitLab 产品立场；更值得参考的是它对 software-factory constraint shift 和控制层职责的拆解，而不是把具体平台方案视为唯一实现路径。

2. WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution

推荐理由： 很适合放在近期 self-improving agent / skills 这条线上看。过去的 skill evolution 往往直接从 trajectory 改 SKILL.md，导致大量失败原因、被拒绝的方案和跨迭代规律散落在日志中。WikiSkill 增加了一个独立的 persistent Wiki Layer，把经验先编译成结构化知识，再用这些知识指导可执行 skill 的修改。关键点是：skill 可以 rollback，但 knowledge 不 rollback。

核心要点：

  • Workspace 被明确拆成三层：Raw Layer 保存不可变 execution traces；Wiki Layer 持久记录 failure patterns、successful strategies、proposal impact 和演化历史；Skill Layer 只保存当前真正供 Agent 执行的 procedural instructions。这样可以把“发生过什么”“学到了什么”“现在应该怎么做”三个问题分开管理。
  • 每轮 evolution 由 Inference Agent → Wiki Maintainer → Skill Proposer → validation gate 组成。候选 skill 只有在 validation 上变好才会被接受，否则 rollback；但 wiki 会保留失败提案及其证据，避免下一轮重复犯同样的错误。消融实验中，给 Skill Proposer 提供 persistent wiki 后，平均 benchmark performance 从 48.7% 提升到 63.7%（+15.0 points）。
  • Skill evolution 与 model scaling 是互补的：Qwen 系列 4B / 9B / 27B 使用 WikiSkill 后平均分别提升 12.3 / 17.5 / 23.9 points；而且 skill 可以跨模型迁移。ALFWorld 上，Qwen-3.5-9B 使用 Qwen-3.6-27B 演化出的 skill 达到 70.2%，高于使用自身 skill 的 63.4%。这说明 knowledge discovery 与 skill execution 可以解耦，未来完全可以让更强模型负责总结经验，让更便宜的模型负责执行。

注：论文覆盖五类 benchmark 和五个模型，但仍属于受控实验。更值得关注的是三层知识架构、失败知识不回滚，以及把 skill discovery / execution 分离的设计，而不是直接外推具体分数到生产系统。