Evals

今天关注 AI-native 软件工程进入规模化之后的两个核心问题：Spotify 发现 AI 带来的主要风险不是 AI 代码本身，而是变更吞吐增长快于 review、测试、发布和可观测性；GitHub 则用 Copilot 完成 80 万行级 agent runtime 的 Rust 重写，展示了增量迁移、agent fleet、独立 correctness oracle 和 human merge gate 如何让超大规模 agentic coding 变得可控。

今天两篇都在回答同一个问题：当 Agent 写代码已经很快，真正该建设的是什么。Prisma 把软件工厂落到统一运行环境，让 Agent 能从代码一路运行、观察、修复并验证；Strike 则从生产工程角度拆解 Agent 环境，强调 deterministic gate、skill eval、corpus hygiene 和 review burden 才是长期可复用的资产。