今天关注 AI-native 软件工程的两个底层设计问题：Yad Konrad 用 program synthesis / CEGIS 重新解释 prompt、context、harness、eval 与 software factory，指出它们其实是在重新发现 specification、search space、search technique 和 verifier；另一篇新论文则直接比较 Agent Skills 与 Subagents，证明可复用知识该放进主 context 还是隔离到独立 subagent，关键取决于技能是否具有清晰的输入输出契约。
今天关注 AI-native 软件工程的两个新方向：Cursor Projects 把 coding agent 从单次会话推进为可持续数月、拥有共享上下文和 coordinator/subagent 架构的长期工作单元；Cognition 的 SWE-2 则直接把任务成功率与推理成本一起写进 RL 目标，说明 coding agent 的优化正在从单纯追求 benchmark 分数转向整条 cost-performance Pareto frontier。
今天关注 AI-native 软件工程从单个 Agent 走向平台化运行的两个方向：OpenAI 把 Codex harness 作为托管 Agents API 开放，直接提供长会话、context compaction、tool search 和 subagent orchestration；Atlassian 则把 shared context、organizational standards、always-on agent loops 和效果度量组合成 governed AI-native SDLC。
今天关注 AI-native 软件工程从个人 Agent 到组织级系统的两个跃迁：OpenAI 用内部数据展示 coding agents 如何进入研究生产流水线；Mastra 则公开自己的 software factory，展示 staged automation、observational memory 和可配置 human gates 如何把 Agent 接入真实 issue/PR 工作流。
今天关注 AI-native 系统的两个基础问题：Microsoft 把 context engineering 从 prompt 技巧提升为持续优化 knowledge、tools、skills 与 memory 的系统工程；Intuit 则展示了生产级 Agent 如何在灾备场景中把模型决策与确定性执行严格分离。
今天关注 AI-native 软件工程的两个 runtime/control-plane 问题：GitHub HydraFusion 用动态多模型编排优化 coding agent 的质量-成本曲线；Cloudflare 则把代码、生产流量和安全证据接进同一个漏洞发现与修复 Agent workflow。
今天关注 AI-native 软件工程的两个关键层：O’Reilly 用实际 software factory 经验把 SDLC 拆成可控的 Agent 流水线；Repo-To-Skill 则尝试把 GitHub 仓库里的工程 know-how 蒸馏成可验证、可路由的 Agent Skills。
今天关注 AI-native 软件工程的两个控制面：Microsoft 用 living specification 保存业务意图并重构 SDLC；Oracle 则把 production agent harness 明确为身份、权限、状态和独立验证的运行时边界。
今天关注 coding-agent harness 的两个方向：GitHub 用端到端任务成本而不是单次 tool-call token 优化 Copilot；Harness-of-Harness 则在现有 coding agent 之上增加多轮规划、实现、验证与持续改进控制层。
今天关注 AI-native 工程基础设施的两个方向：Sonar 用代码依赖图减少 coding agent 的 context tax；AWS 则把 agents、tools、skills 做成可发现、可审批、可追踪的组织级 Registry。