全部文章

梳理蒸汽、电力、互联网到AI的技术叙事循环，指出乐观承诺常以“进步”和“不可避免”遮蔽代价，而批判虽迟到却会转化为制度护栏，成熟文明应为反思声音保留位置。

借 Linus 从亲自写代码转向 Linux 项目设计与协调的角色，说明 AI 编程不是简单提示生成代码，而是让专家像维护者一样把控方向、质量与取舍，软件能力重心转向架构判断和代理协作。

梳理自进化Agent的三条路线：经验/Skill存储、RL权重训练、零数据自学，指出经验总结者被系统性低估，未来关键在于同时实现自主出题与可训练总结者。

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。

2026年AI产业从模型规模竞争转向智能可用竞争，模型进化延伸到部署和使用环节，工程基础设施、可信执行、商业定价和组织形态同步重构，核心命题变为系统性驾驭AI并与其协同进化。

在 AI 编程时代，软件不应只分稳定版和开发版，代码仓库更像可复用模板，实验分支和面向代理的文档能让用户、开发者与 AI 更快迭代并共同验证功能。

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。