Context-Engineering

GitHub intelligence 将跨会话的个人偏好、仓库事实、Dreaming 和跨仓代码搜索连接起来；Copilot Code Review Max 通过多模型独立审查与汇总机制扩展 PR 验证，同时将自动批准纳入分支保护规则。

两篇近期原创评测：Compact-Bench 用成对续跑测量上下文压缩导致的真实任务损失；SWE-Shift 用中途变更检验 Coding Agent 能否保留有效工作、恢复状态并刷新证据。

两篇 10 月 22 日的新论文：DoorDash 用多 Agent、实时业务状态和确定性质量门禁清理技术债；另一项实证研究发现过期 AGENTS.md/CLAUDE.md 会压过现有代码，明确来源优先级可显著减少错误修改。

今天从两个方向理解可控 Agent：用 Petri Net 在执行层强制授权、审批和预算约束；用小型模型学习 Plan–Retrieve–Select，让大规模工具选择成为可单独评测的能力。

今天关注 AI-native 系统规模化后的两道瓶颈：Letta 用 FrontierMemory 衡量 Agent 是否真正从过去任务中学到可迁移的经验；GitHub 则用按 Git 引用粒度并行写入和对象存储分离应对 Agent 驱动的代码流量。

今天关注 AI-native 软件工程从“Agent 能写代码”走向“机器速度下可治理、可验证”的两个方向：GitLab 把 agentic workflow、上下文、供应链安全、成本与证据链整合成 governed software factory；Wiz 则展示了如何用 harness、持续 benchmark 和稳定 finding lifecycle，把非确定性的 AI 代码分析变成可运营的工程系统。

今天关注 AI-native 系统里同一个规模化问题的两层解法：Uber 用统一 MCP Gateway 把数千个企业工具变成可发现、可治理的共享能力；Conversion 则用独立 decision model 做 tool search，把 114 个工具从全量 context 中按任务动态裁剪。

今天关注 coding-agent harness 如何把团队工程经验前移成确定性约束，以及 Agent Skills 生态如何从公共知识走向可评测的组织级能力资产。

今天关注 coding-agent 评测中的真实运行验证，以及长时程 Agent 的 prompt cache 设计。

今天关注 context quality 与 agent evaluation 两个工程问题。