AI Native Digest

今天关注两个已经进入生产环境的 AI-native 模式：monday.com 如何从给旧产品撒 AI 功能转向真正的 agent-first 产品，以及 Anthropic 如何把 CI/CD on-call 做成可持续学习、可人工接管的 agentic incident-response loop。

今天关注两个 AI-native 系统层问题：如何把知识工作 Agent 的搜索、编辑、review 和交付绑定到同一版本化 workspace，以及为什么 self-improving agent 的 memory loop 会放大随机性并依赖隐藏的任务顺序。

今天关注两个很实用的 AI-native 工程问题：repo-scale coding agent 为什么会在上下文里产生 coherence debt，以及 Asana 如何用并行 Codex agents 把一个预计五年的测试基础设施迁移压缩到两周。

今天关注 coding agent 从“会改代码”走向“可负责的软件系统”：一篇把用户意图、虚拟用户反馈、测试和发布责任串成可追踪闭环；另一篇系统梳理模型之外的 harness、状态、检索、权限、验证和可观测性如何决定可靠性。

今天关注 agent harness 的两类工程问题：指令究竟通过哪些 surface 被可靠执行，以及 GUI agent 从能力 demo 走向可维护软件系统还缺什么。

今天关注 AI-native 软件工程里的两条更硬核路径：用 specification-first + verification loop 推进超大规模重构，以及让 coding agent 同时生成实现与机器可检查证明。

今天关注 AI-native 软件工程的两个现实问题：如何把多 Agent 从一次性编码任务推进到持续维护整个软件生态，以及 coding agent 的个性化 skills 是否真的比通用工程经验更有效。

今天关注 agent harness 的两层工程问题：同样能力的工具，接口架构本身就会改变 coding agent 的稳定性、探索方式和成本；而当 agent 系统进入生产环境后，prompt、tool、model、skill、workflow 也需要像软件配置一样被版本化、审计和治理。

今天关注 coding agent 的两个基础问题：长周期软件开发如何跨越单个 agent 的生命周期，以及一个现代 coding agent 到底由哪些核心组件组成。Genesis 把持久性从 agent 转移到项目本身，Ark 则用 1,471 行代码拆出一套可读的最小参考架构。

今天关注 agent 工程从‘更自治’转向‘可约束、可生产’：OpenCodeReview 用确定性边界降低代码审查 agent 的随机性与 token 成本，SiriusDeliver 则把 agent 推进到真实 DataOps 交付闭环。