技术博客 全部文章

阐释 Claude Code 与 Codex 的目标型、定时型和主动型循环如何驱动代理迭代完成任务，指出自动化必须以可验证的停止条件、独立验证代理和人工判断为边界，适用于结构明确的运维、分诊与修复流程，不适合主观创作。

随着代码代理以高吞吐量生成变更，传统人工代码审查无法独立保障质量，团队应在代理周围构建覆盖测试、静态分析、安全策略、环境反馈和发布流程的分层质量门与反压机制，并根据风险、产能和质量目标动态调整约束，将人工注意力集中于复杂判断。

分析 AI 代理驱动的软件工厂，指出生成代码已不再是瓶颈，真正约束是验证与人工判断；完全无人审查的暗工厂会积累理解债，合理做法是用架构、测试、类型和审查门控制代理自治边界。

智能体工程应由模型负责调查、实现、验证等内循环，人类负责外循环的质量证据、发布裁决和可解释责任；随着 AI 生成代码占比上升，瓶颈从生成转向审查、验证、理解和维护，团队需要用测试、日志、权限、审计与问责契约建立反压机制，避免认知投降、认知债务和编排成本失控。

文章系统拆解现代浏览器工作机制，以 Chromium 为主线说明网络加载、HTML/CSS/JS 解析、样式计算、布局、绘制、合成、GPU 渲染、V8 执行、模块加载、多进程架构与站点隔离，并对比 Gecko 与 WebKit 差异，结论是理解这些内部流程有助于优化页面性能、稳定性与安全性。

Google白皮书认为AI正重塑软件生命周期：智能体关键不在模型而在工具、规则、上下文、评测等“ harness”；开发者工作从写代码转向写规格、控上下文、做验证。AI可大幅压缩实现环节，但需求、架构和最后20%仍依赖人类判断；长期看，缺少测试、评估和路由的vibe coding会推高成本，工程化智能体才具备可持续性。

AI编码代理显著提高代码产出，但真实交付价值增幅有限，质量、缺陷、审查时长和零审查合并风险上升，软件工程瓶颈已从写代码转向验证与信任；审查策略应按风险半径分层，用测试、CI和异构AI审查处理低风险与重复工作，让人类负责意图判断、高风险路径和最终合并，团队优势将来自可信审查体系而非代码生成量。

Loop engineering把人与编码代理的交互从反复写提示转为设计自动循环系统，由自动化、worktree、技能、连接器、子代理和外部状态组成，负责发现任务、分派执行、验证结果并持续推进；Codex和Claude Code已具备类似能力，但成本、验证、理解债和认知放弃风险仍需工程师把关，核心变化是杠杆点上移而非责任消失。

软件债务分为技术债、认知债和意图债；AI代理能重构代码、解释系统，却无法还原未写下的目标、约束与决策理由，只会用猜测填空。代理越多，未外化意图的成本越高。团队应把关键“为什么”写入规格、AGENTS.md和决策日志，因为代码变便宜后，人类意图成为最稀缺资产。

多代理并行不等于个人产能并行，真正瓶颈是开发者的判断、审查与合并能力；若盲目启动大量代理，只会增加上下文切换、浅层评审和认知债务。有效做法是按可审查速率限制代理数量，区分可委托任务与需亲自判断任务，批量评审并让机器自证，把注意力当作稀缺串行资源来架构。