跳到主要內容
AI 武林

Addy Osmani（部落格）

部落格 ・ 國際 ・ 英文 ・ A 級 ・ 20 筆內容 ・ 最近更新 2026/09/28

AI 輔助工程的實務文章

最受歡迎

依人氣

  1. 1文章入門EN

    Loop Engineering

    Loop Engineering 讓使用者不再直接提示 AI，而是設計系統讓 AI 自行執行迴圈任務。文章介紹了五個核心元件：自動化、工作樹、技能、外掛與子代理，並強調記憶與狀態管理的重要性。

  2. 2文章進階EN

    14 More lessons from 14 years at Google

    回顧了作者在 Google 的 14 年經驗，重點在於團隊協作、信任與系統設計。內容涵蓋如何選擇正確問題、避免模糊會議、建立明確的邊界、將可靠性視為產品功能、以及利用 AI 提升決策效率。

  3. 3文章高階EN

    Agentic Autonomy Levels

    探討了 AI 自主性的六個階層，從協助建議到完全自主的工廠式管理。作者提出「代理」與「排程」兩個維度來衡量自主性，並建議根據任務風險與可逆性，保守地從 Level 0 逐步升級至 Level 5。

  4. 4文章進階EN

    The 80% Problem in Agentic Coding

    探討了 AI 輔助程式設計從 70% 完成度轉向 80% 甚至 100% 完成度的趨勢，指出這並非單純的數量增長，而是程式碼錯誤性質從語法錯誤演變為概念性失敗。

  5. 5文章高階EN

    Long-running Agents

    探討了「長running AI 代理」的概念，即能夠持續運作數小時甚至數週的 AI 代理。與傳統短時對話不同，它具備跨沙盒、恢復失敗、留下結構化文件的能力。

  6. 6文章入門EN

    Own the Outer Loop

    探討了 AI 工程中的「外圈」概念，即人類必須對由 AI 系統執行的決策負責。隨著大模型能力增強，責任轉移至人類，人類需透過「品質」、「判決」與「可解釋性」三項核心概念來建立邊界，確保 AI 行為的安全與可追溯。

  7. 7文章進階EN

    The Code Nobody Reads

    探討 AI 輔助編寫程式後，「逐行閱讀程式碼」的過時趨勢。作者指出，雖然自動審查能大幅降低發現漏洞的成本，但確認真正可 exploits 的漏洞仍需人工介入。

  8. 8文章進階EN

    The Agent Stack Bet

    探討現代 Agent 架構面臨的治理與可靠性瓶頸，提出四項關鍵建築選擇：建立獨立的 Agent 身份而非共享憑證、提供跨系統的通用上下文、確保任務能跨越斷線與重啟持續執行，以及依賴開源基礎設施而非自研堆疊。

  10. 10文章入門EN

    Practical Loop Engineering

    介紹了「迴圈工程」(Loop Engineering) 的概念，即 AI 代理重複執行工作直到達成特定目標的自主迴圈。作者分享了他如何使用 Claude Code 的「目標」與「迴圈」兩個基本原語，來處理重複性任務、監控外部系統以及確保工…

最新內容

依發布時間

  1. 文章進階EN

    The Code Nobody Reads

    探討 AI 輔助編寫程式後，「逐行閱讀程式碼」的過時趨勢。作者指出，雖然自動審查能大幅降低發現漏洞的成本，但確認真正可 exploits 的漏洞仍需人工介入。

  2. 文章進階EN

    Brownfield Agentic Engineering

    探討如何在舊有程式碼庫中運用 AI 代理進行工程化。作者強調必須先識別程式碼的「安全區」與「紅區」，並建立可持續的知識儲存機制，避免重複考古。文章提出將程式碼解耦為不同風險等級的區域，並透過自動化測試驗證行為後再進行修改。

  3. 文章進階EN

    Agentic Skill Decay

    探討了 AI 代理（Agents）在執行任務時可能導致技能退化的問題。作者強調，雖然 AI 能快速完成工作，但真正的專業能力（如深度領域知識與審美判斷）仍需透過大量實踐（Reps）來建立。

  4. 文章入門EN

    Audit your Agent files

    探討如何定期審視程式碼代理的配置檔案，以確保其內容不會過時或膨脹。作者分享了自己使用 Claude 的 /doctor 命令來檢查技能、上下文和掛載程式的經驗，發現許多舊技能已遺失。

  6. 文章入門EN

    Practical Loop Engineering

    介紹了「迴圈工程」(Loop Engineering) 的概念，即 AI 代理重複執行工作直到達成特定目標的自主迴圈。作者分享了他如何使用 Claude Code 的「目標」與「迴圈」兩個基本原語，來處理重複性任務、監控外部系統以及確保工…

  7. 文章進階EN

    Agentic Code Quality

    探討了如何透過設定嚴格的約束（constraints）來提升 AI 代理生成的程式碼品質。作者指出，傳統的人工審查無法處理海量程式碼，因此必須在環境、測試和系統層面建立品質閾值。

  8. 文章入門EN

    Software Factories, Light and Dark

    探討軟體工廠的概念，指出軟體工廠的核心在於將「迴路」（Loop）堆疊起來並擴充套件至規模。作者強調，雖然迴路是基本單位，但真正的挑戰在於如何平衡自動化與人工判斷。

  9. 文章入門EN

    Own the Outer Loop

    探討了 AI 工程中的「外圈」概念，即人類必須對由 AI 系統執行的決策負責。隨著大模型能力增強，責任轉移至人類，人類需透過「品質」、「判決」與「可解釋性」三項核心概念來建立邊界，確保 AI 行為的安全與可追溯。

  10. 文章高階EN

    Agentic Autonomy Levels

    探討了 AI 自主性的六個階層，從協助建議到完全自主的工廠式管理。作者提出「代理」與「排程」兩個維度來衡量自主性，並建議根據任務風險與可逆性，保守地從 Level 0 逐步升級至 Level 5。

  12. 文章入門EN

    Loop Engineering

    Loop Engineering 讓使用者不再直接提示 AI，而是設計系統讓 AI 自行執行迴圈任務。文章介紹了五個核心元件：自動化、工作樹、技能、外掛與子代理，並強調記憶與狀態管理的重要性。

  13. 文章高階EN

    Long-running Agents

    探討了「長running AI 代理」的概念，即能夠持續運作數小時甚至數週的 AI 代理。與傳統短時對話不同，它具備跨沙盒、恢復失敗、留下結構化文件的能力。

  14. 文章進階EN

    The Agent Stack Bet

    探討現代 Agent 架構面臨的治理與可靠性瓶頸，提出四項關鍵建築選擇：建立獨立的 Agent 身份而非共享憑證、提供跨系統的通用上下文、確保任務能跨越斷線與重啟持續執行，以及依賴開源基礎設施而非自研堆疊。

  16. 文章進階EN

    14 More lessons from 14 years at Google

    回顧了作者在 Google 的 14 年經驗，重點在於團隊協作、信任與系統設計。內容涵蓋如何選擇正確問題、避免模糊會議、建立明確的邊界、將可靠性視為產品功能、以及利用 AI 提升決策效率。

  17. 文章進階EN

    The 80% Problem in Agentic Coding

    探討了 AI 輔助程式設計從 70% 完成度轉向 80% 甚至 100% 完成度的趨勢，指出這並非單純的數量增長，而是程式碼錯誤性質從語法錯誤演變為概念性失敗。

  18. 文章進階EN

    How to write a good spec for AI agents

    介紹如何撰寫高績效 AI 程式碼代理的詳細規格。作者提出五項原則：先以高層面願景啟動，再讓 AI 擴充細節；將規格結構化為類似 PRD 的正式文件，涵蓋六個核心領域；建立自我檢查機制與人機雙向約束；並強調持續迭代與維護。