Software-Factory

今天关注两个很具体的 AI-native 工程方向：Anthropic 如何把整个 SDLC 改造成由版本化 artifact 和自动 gate 驱动的循环，以及 SemaPLC 如何用 specification、compile 和 live-runtime verification 把 coding agent 的完成条件从‘模型觉得好了’变成‘外部证据确认可运行’。

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 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 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。

今天关注 coding agent 可靠性的两个关键层：如何在长轨迹中实时发现偏航并低成本纠偏，以及如何用 chaos engineering 系统测试 agent 对 LLM API 故障的韧性。

AI 生成代码评审与 coding agent 的历史经验复用。