AI Native Digest 2026-08-22
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 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 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。