技术博客 全部文章

提出用“代理自主性”和“多代理编排能力”两轴评估 AI 工程实践，划分从辅助建议到异常管理式编排的六级工作模式，并强调每次代理运行都应预设目标、范围、权限、停止条件、证据和预算；高自主不等于放手，成熟团队应按风险、可回滚性和验证强度校准自治水平，避免权限滥用、摘要替代审查和伪并行。

文章提出提示注入源于大模型对系统、用户、工具、思维等角色边界的内部误判，作者用角色探针测量模型对 token 角色的感知，发现写作风格可覆盖真实标签，并通过 CoT 伪造和用户角色伪装验证攻击成功率与角色混淆强相关，结论是现有注入防御若不能实现可靠角色感知，将持续陷入脆弱对抗。

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。

Cursor用语义向量索引与本地稀疏n-gram正则索引协同检索代码：AST切块、自训练嵌入模型、Turbopuffer按代码库命名空间存储，Merkle树只同步变更并提供访问证明，simhash复用团队索引，动态上下文按需读取文件，最终在超大仓库中显著降低首次查询、搜索延迟、成本与Agent token消耗。

拜耳开发PRINCE，将临床前研究数据从结构化检索升级为自然语言问答和任务执行系统，结合Agentic RAG、Text-to-SQL、多代理编排、引用验证、监控评估、状态恢复和模型兜底，打通PDF报告与元数据，提升数据可访问性、可信度和研究效率；核心经验是生产级智能体不只靠模型，而依赖严格的上下文工程与可控工作流。

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。

Dynamic workflows 是 Claude Code 的脚本化多代理编排能力，由 Claude 为任务生成 JavaScript 工作流并在后台执行，适合代码库审计、大规模迁移、交叉验证研究等需要数十到上百代理的任务；用户可通过 `/deep-research`、提示中加入 ultracode、或 `/effort ultracode` 启动，可审批、查看、暂停、恢复、停止、保存为命令并复用；其优势是把计划、分支和中间结果放进脚本而非上下文，提高可重复性、规模和可靠性，但会消耗更多 tokens，并受并发16个代理、单次最多1000代理等限制。