Agent Skills 是供应链组件：一次关于技能安全模型的演讲
Liran Tal 在 AI Native DevCon London 的演讲中指出，Agent Skills 不只是给人类看的 markdown，一旦被 Agent 信任就能影响其读取内容、调用工具和访问工作区，因此应被视为供应链组件。
#上下文工程
TesslAI 评分6262 TesslAI 评分5252 GitHub Next 的 Don Syme：仓库自动化需要 Continuous AI
GitHub Next 的 Don Syme 提出在 CI 和 CD 之外增加第三根支柱 Continuous AI，即由仓库事件或定时触发的自动化 AI 工作流，用于持续文档、代码改进、问题分诊和故障分析。
The Pragmatic EngineerAI 评分2222 Sam Newman 谈构建弹性分布式系统与微服务
《Building Microservices》作者 Sam Newman 在新书《Building Resilient Distributed Systems》中提出分布式系统三法则：信息传输需要时间、资源可能离线、资源并非无限，并指出多数故障源于资源耗尽。
The Pragmatic EngineerAI 评分2828 2026 年科技行业现状：没人再手写代码，工程师同时跑 5-10 个 Agent
The Pragmatic Engineer 在 LDX3 工程领导力大会的主题演讲给出 2026 年科技行业快照：几乎没人再手写代码，同时运行 5-10 个 Agent 已成常态，IDE 正在淡化。
Martin FowlerAI 评分2222 Martin Fowler 谈 LLM 的"养育"与代码可读性之争
Martin Fowler 在最新 Fragments 中提出，构建确定性软件与"养育"推理型 LLM 是两回事：前者发现 bug 通常能修复或禁用组件，而 LLM 没有这种简单修复或停用手段。
BestBlogs · AI 高分AI 评分6262 OpenAI 研究员 Noam Brown：1 万个 Agent 解世界级难题，多 Agent 贡献不到 10%
OpenAI 研究员 Noam Brown 在与 Dwarkesh Patel 的对话中表示，多智能体系统的收益有限，1 万个 Agent 解出世界级难题时多 Agent 的贡献不到 10%。他认为推理时计算比单纯增加 Agent 数量更具突破潜力，并指出 AI 写代码快并不等同于交付快，瓶颈已从编码转移到上下文管理与协作。他还谈到递归自我改进不会一夜爆发，因为许多科学实验必须串行进行。
The Pragmatic EngineerAI 评分3232 分布式数据库与 Peter Mattis：从 GIMP、Gmail 到 CockroachDB
Cockroach Labs 联合创始人兼 CTO、GIMP 原始作者 Peter Mattis 在 The Pragmatic Engineer 播客中回顾了从开源到 Google 再到创办数据库公司的历程。
Sean GoedeckeAI 评分3838 人机协作是为了对齐，而非能力提升
针对“软件工程正进入人机半人马时代”的观点，Sean Goedecke 认为 AI 辅助的工程师虽然比 AI 和人类单独都强，但并非在编程本身上更强。AI 写的代码能编译、少有并发错误，问题在于不可维护、为满足虚构需求牺牲重要需求等“品味”问题，因此人类的核心价值是让 AI 对齐组织价值观。前沿模型对工作程序员存在错位，如堆砌大段注释和无用单元测试，而对齐比能力更难解决且更依赖上下文。
Martin FowlerAI 评分1212 Martin Fowler 碎片集：AI 安全风险、语法高亮与 Forward Deployed Engineer
Martin Fowler 在 9 月 24 日的碎片集中回应 Rob Bowley 的观点：真正该担心的不是未来 AI 灭绝人类，而是当下 AI 被轻率快速地接入一切，智能体部署中常出现 Lethal Trifecta 安全漏洞。
AI Coding DailyAI 评分2222 Opus 5.5、GPT-6-Sol/Luna、Grok 4.7 编程实测对比
作者在 24 个编程提示词上实测 Opus 5.5，在 144 个提示词上实测 GPT-6-Sol 与 GPT-6-Luna，并单独测试 Grok 4.7 的编程表现。
The Pragmatic EngineerAI 评分2626 Maggie Appleton 谈设计工程：用 Jigs 和规格驱动 AI 编码 Agent
GitHub Next staff research engineer Maggie Appleton 在 Pragmatic Engineer 播客中分享设计工程实践：她用手绘笔记本草图启动项目，因为比向 Claude Code 描述更快，且次日仍可回溯。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 五大热论：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决的是不同问题，前者是可读的打包经验，后者是连接工具与数据的标准接口，二者可组合使用。
Armin RonacherAI 评分2222 用 Opus 5 重写推文后，Pangram 还能识别出 AI 吗？
Armin Ronacher 用 Opus 5 按 David Sacks 推文的结构生成了一段 8 段、350 词以内的文本，Pangram 判定其为 100% AI 生成。随后他逐段人工改写，与原文相似度约 50%、无一句相同，仅用 LLM 修正错别字。Pangram 自称误判人类文本为 AI 的比例为 0.0041%，漏检 AI 文本为 0.34%。
Armin RonacherAI 评分6262 Armin Ronacher：为什么我们又在为编码做这件事？
Armin Ronacher 用 GPT 6 Astra 跑了一个周末的无人值守软件工厂，35 小时产出 75k 行代码、79 个 commit、约 1B tokens（约 1200 美元 API 成本），但没有交付任何有价值的东西。
Armin RonacherAI 评分2222 Armin Ronacher 谈 LLM 如何让独立开发者同时做出同样的项目
Armin Ronacher 想给廉价 CarPlay 车机棒刷第三方固件，通过 Pi 与 LLM 对话得知了用 Rust 重写 CarPlay 协议的 CatPlay，并让 Kimi K3 和 Sol 帮忙搞定刷机与为对应 SoC 编译。
Zed BlogAI 评分3636 Zed 谈 Xanadu 为何在等待 AI 智能体
Zed 认为 Ted Nelson 的 Xanadu 超文本构想之所以长期无法落地，是因为缺少能耐心追踪每一层引用的用户，而 AI 智能体正好补上这一环。DeltaDB 用 Lamport 时间戳、Merkle 树、CRDT、廉价存储、常连网络和 Firecracker 级微虚拟机等六十年积累的组件，实现"永不复制、只引用，永不覆盖、只版本化"的 xanalogical 计算。
IndyDevDanAI 评分1212 Agentic Engineering 操作层级：该把 Agent 的注意力放在哪里？
IndyDevDan 提出 Agentic Engineering Operating Level 框架，把工程师和 Agent 可操作的层级分为五级：Code Primitives、Code Structure、Data and Execution、Delivery and Intent、Agentic Systems。
Addy OsmaniAI 评分3434 Addy Osmani：Agentic Skill Decay——AI 智能体时代工程师如何避免技能退化
Addy Osmani 提出"Agentic Skill Decay"概念，指出 AI 智能体虽能跳过大量编码实践，但工程师的品味与判断力仍来自亲手做"reps"。
Steve YeggeAI 评分2222 Steve Yegge：用 21 个 Claude Max 账号、每月 12.2 万美元 token 构建 AI 智能体组织
Steve Yegge 每月花费约 12.2 万美元 API token（约每天 4000 美元），使用 21 个 Claude Max 账号，并以每周 2 个的速度增长，用于开发他做了 30 年的游戏 Wyvern。
Addy OsmaniAI 评分3636 Addy Osmani：人类判断不会离开软件工厂，只是换了位置
Addy Osmani 认为软件工厂是围绕软件工作的可重复循环，但可交付的代码仍需人类品味与所有权，人类应前置决定产品意图、系统设计和质量标准。他指出用 Claude Code 或 Codex 配合多会话、带验证的 SPEC 和约束就能走很远，只有当系统需要可重复、事件驱动时才值得建工厂。
Addy OsmaniAI 评分5050 Addy Osmani：Agentic Code Quality——用约束与质量门禁替代逐行代码审查
Addy Osmani 提出，Agent 每天产生数十万乃至上百万次代码变更，逐行代码审查已不可行，软件质量转而取决于围绕 Agent 设置的约束，即质量门禁。这些门禁包括单元测试、属性测试、验收测试、变异测试，以及圈复杂度和行长等代码质量指标，并贯穿 Agent 从解释器到控制器再到生产的全流程。人类注意力应只投向自动化护栏失效时的复杂问题，否则会拖慢机器速度的流程。
宝玉的分享AI 评分2222 关于 Agent 的几个判断：通用 Agent 通吃、插件生态与模型护城河
针对 @cellier_ 提出的通用 Agent 吃掉垂直 Agent、开放吃掉封闭、下沉吃掉傲慢三个判断，宝玉补充了自己的六点看法：通用 Agent 赛道本身也会是少数赢家通吃，小通用 Agent 同样没有生存空间；开放与封闭的差别不在开源或模型切换，而在插件生态，Skill 加 MCP 是关键。
Addy OsmaniAI 评分3838 Addy Osmani：软件工厂的明与暗——从循环、Harness 到无人审查的暗工厂
Addy Osmani 提出软件工厂由循环、Harness、工厂三层构成：循环是单个 Agent 重复执行任务的最小单元，Harness 是沙箱、工具、记忆与完成判定，工厂则是多个 Harness 化循环共用一个审查门。明工厂保留人类判断，暗工厂让 Agent 自行定范围、构建并发布代码，无人阅读细节。他指出图中生成、测试、扫描几乎零成本，唯一难以扩展的是审查门这一"判断"环节。
Addy OsmaniAI 评分2222 Addy Osmani：工程师必须掌控 Agent 的"外循环"
Addy Osmani 在 AI Engineer World's Fair 2026 闭幕演讲中提出，工程师必须掌控智能体工程的"外循环"，即对系统负责。他将智能体定义为模型加 Harness，循环为调查、实现、验证、重复，工厂则是规模化运行的循环。
Steve YeggeAI 评分3232 Steve Yegge：AI 模型能力曲线为何对大多数人"变平"
Steve Yegge 提出"平坦曲线社会"：模型智能仍在指数增长，但最强大的模型将被各国政府像核武器一样管制，多数企业和开发者只能用到 Fable 级模型。他指出开源模型落后前沿约七个月，且难以突破 Fable 级，因为算力供应链正被锁定。他还提出"辨识地平线"概念，认为用户因缺乏足够难的问题而无法区分更强模型。