技术博客 全部文章

从模型无状态、工具接入和任务执行机制出发，系统拆解 Context Engineering、Harness Engineering 与 Loop Engineering 如何组织上下文、权限、反馈、验证和持续运行。推导出模型决定能力上限，而上下文与工程控制系统决定 Agent 能否稳定、可控地落地。

分析编码代理和氛围编程带来的效率提升与信任危机，指出自然语言提示、Markdown 规格和代理自检无法可靠约束实现，主张将意图结构化为一等产物，并通过编译、模型映射、测试和漂移检测实现可审计的软件开发。

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。

企业微信团队介绍一套面向企业级移动端项目的 AI 编码 Skill，通过八阶段流水线、项目知识库、需求语义翻译、红线机制和编译/模拟器验证，解决 AI 上下文不足、定位不准、越界修改、验证不闭环和跨会话失忆问题，使需求开发可流程化、可校验、可接力。

梳理电子邮件加密从 X.400、MIME、PGP 到 S/MIME 的演进，指出端到端加密长期受制于密钥分发和复杂度，而现实中更普及的是依赖 STARTTLS、DANE、MTA-STS 的传输加密。邮件安全的主流形态，最终更多由服务商配置和基础设施承担。

Loop Engineering 将开发者从逐轮提示 AI 编码代理转为设计自动运行的提示循环，通过自动化、Git worktree、技能文件、连接器、子代理和外部记忆，让代理可并行发现任务、修复问题、验证结果并创建 PR，适合重复性、并行性和无人值守场景，但需控制误判、理解债务和 token 成本。

2026年二季度AI Agent从聊天框走向通用软件入口和垂直行业，但Token消耗、复核瓶颈与成本暴露，未来竞争转向人机闭环、模型路由、组织反馈和安全治理。

AISI评估显示，近期开放权重AI模型的网络能力落后前沿闭源模型约4至7个月，差距较2025年的6至10个月缩小，意味着防御方准备窗口变短且开放发布带来更持久的滥用风险。

Anthropic展示Claude Code用于大规模语言迁移，开发者在数天至两周内完成Bun从Zig到Rust及Python到TypeScript迁移，依靠规则手册、依赖图、多代理翻译、对抗审查和编译测试闭环验证，使原本多年项目降为可重复流程，Bun迁移已上线并降低内存、缩小二进制、提升性能。

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。