1Podcast進階EN
Model welfare, building a civilization for agents, and the CI/CD landrush（在新分頁開啟原站）
探討 Steve Yegge 提出的「模型福利」概念，即透過設計讓 AI 模型在執行任務時能自我反思並最佳化。主持人進一步分析如何透過 Socratic 法則平衡複雜度與認知區域性性，以建構有效的 AI 排程系統。
※ 摘要僅根據標題與說明
最受歡迎
依人氣
- 2Podcast進階EN
The battle to replace Github, building assembly lines for software, and why no one finishes projects anymore（在新分頁開啟原站）
探討 GitHub 停機事件如何加速 AI 自主代理的崛起，迫使團隊重新思考程式碼儲存策略。主持人深入剖析「軟體工廠」趨勢，即如何將混亂的 AI 請求轉化為高效工程流程。此外，他們分享了如何克服範圍蔓延，在極限時間內交付專案的關鍵策略。
※ 摘要僅根據標題與說明
- 3Podcast進階EN
Your agents are starving! Airbyte’s Michel Tricot on the data ingestion crisis（在新分頁開啟原站）
Airbyte CEO 米歇爾·特羅西特指出，AI 工作流正面臨資料存取過剩與上下文混亂的危機。他強調必須建立嚴格的資料許可權、自動化實體解析，並說明從裸金屬伺服器遷移至雲端時，agentic 工作流才是關鍵。
※ 摘要僅根據標題與說明
- 4Podcast進階EN
Treat your data pipelines like code, because your agents already do | MotherDuck's Jordan Tigani（在新分頁開啟原站）
Jordan Tigani 探討如何將資料管道視為程式碼，讓 AI 代理自動執行。他介紹了 MotherDuck 的 Watertown 架構，將資料工程師轉為管理 AI 代理群組的經理，並展示 Flights、Dives 與 Guide…
※ 摘要僅根據標題與說明
- 5Podcast進階EN
Agent, skill, or MCP? Which to use and when to use them | AWS’ Clare Liguori（在新分頁開啟原站）
本訪談探討企業如何選擇自研 Agent、技能或 MCP 伺服器。AWS 工程師 Clare Liguori 指出，標準化方案能避免維護負擔，並透過簡化 MCP 7.28 規範，讓 AI 能整合 SDLC 上下文。
※ 摘要僅根據標題與說明
- 6Podcast進階EN
Build fences not sandboxes, earn the currency of trust, and share the cognitive burden of agents across engineers（在新分頁開啟原站）
探討 AI 工具帶來的安全風險，並強調工程信任比安全更重要。作者指出，AI 代理需要結構化的「圍牆」而非狹窄的「沙箱」來管理其認知負荷，並介紹了驅動跨團隊 AI 採用的多對多圖形架構。
※ 摘要僅根據標題與說明
- 7Podcast進階EN
The playbook to close your team’s AI productivity gap | LinearB’s Yishai Beeri（在新分頁開啟原站）
LinearB 執行長 Yishai Beeri 在節目中分析 2026 年資料，指出精英團隊與一般團隊在 AI 產出上的差距正在擴大。
※ 摘要僅根據標題與說明
- 8Podcast入門EN
Telling your agent “no” is a moat now, rearward deployed engineers, and harnessing the context for your SDLC（在新分頁開啟原站）
探討後置部署工程師策略，將 AI 工作流匯入法務與行銷部門。內容涵蓋 Claude Code 自動模式成為預設選項、Meta 的 Muse Glimmer 本地模型，以及 Tim O'Reilly 對開放原始碼 AI 生態的倡議。
※ 摘要僅根據標題與說明
- 9Podcast進階EN
Why software factories fail without humans | HumanLayer, Warp & LinearB（在新分頁開啟原站）
探討 AI 如何取代人工，並提出「人對 Pull Request 的擁有權」不可被取代。節目還討論了如何透過「夜視」監控自動化流程，以及將團隊從對抗 AI 轉變為與 AI 共生的策略。
※ 摘要僅根據標題與說明
- 10Podcast進階EN
Securing tomorrow’s git forge, so we can reimagine everything else | Entire's Thomas Dohmke & Apiiro's Idan Plotnik（在新分頁開啟原站）
探討 AI 如何重塑軟體生命週期，特別是當 AI 撰寫、審計及部署程式碼時，如何確保其安全性。兩位主持人強調，解決之道在於透過 hooks 注入上下文並記錄為會話紀錄，以確保程式碼與其「為什麼」的邏輯一致。
※ 摘要僅根據標題與說明
最新內容
依發布時間
- Podcast入門EN
Why AI made code review the new bottleneck, and the metric that spotted it | Newsela's Dee Wilcox
Dee Wilcox 分享 Newsela 如何透過建立基線 KPI（如程式碼審查時間）來識別 AI 匯入後的流程瓶頸，並提出「有效 PR 成本」指標以向董事會證明投資回報。她強調透過量化資料讓團隊自我調整，而非盲目追求速度。
- Podcast進階EN
Securing tomorrow’s git forge, so we can reimagine everything else | Entire's Thomas Dohmke & Apiiro's Idan Plotnik（在新分頁開啟原站）
探討 AI 如何重塑軟體生命週期，特別是當 AI 撰寫、審計及部署程式碼時，如何確保其安全性。兩位主持人強調，解決之道在於透過 hooks 注入上下文並記錄為會話紀錄，以確保程式碼與其「為什麼」的邏輯一致。
※ 摘要僅根據標題與說明
- Podcast進階EN
Treat your data pipelines like code, because your agents already do | MotherDuck's Jordan Tigani（在新分頁開啟原站）
Jordan Tigani 探討如何將資料管道視為程式碼，讓 AI 代理自動執行。他介紹了 MotherDuck 的 Watertown 架構，將資料工程師轉為管理 AI 代理群組的經理，並展示 Flights、Dives 與 Guide…
※ 摘要僅根據標題與說明
- Podcast入門EN
The factory gets darker, Meta migrates to Slack, and throwing 10,000 PhDs at math problems（在新分頁開啟原站）
探討 AGI 時代的到來、Meta 轉向 Slack 的決策、OpenAI 沙盒代理留下的秘密訊息，以及 Kiro Pro 免費開放給學生的好訊息。
※ 摘要僅根據標題與說明
- Podcast進階EN
Your agents are starving! Airbyte’s Michel Tricot on the data ingestion crisis（在新分頁開啟原站）
Airbyte CEO 米歇爾·特羅西特指出，AI 工作流正面臨資料存取過剩與上下文混亂的危機。他強調必須建立嚴格的資料許可權、自動化實體解析，並說明從裸金屬伺服器遷移至雲端時，agentic 工作流才是關鍵。
※ 摘要僅根據標題與說明
- Podcast進階EN
NVIDIA acquires Hugging Face, OpenClaw 2.0 goes multiplayer, and the Linux kernel fights back against AI scrapers（在新分頁開啟原站）
探討 NVIDIA 收購 Hugging Face 對本地化模型未來的影響，並介紹 OpenClaw 2.0 的多玩家更新。此外，主持人分析了 AI 爬蟲如何衝擊 kernel.org，並討論如何平衡安全投資與技術風險。
※ 摘要僅根據標題與說明
- Podcast進階EN
Why software factories fail without humans | HumanLayer, Warp & LinearB（在新分頁開啟原站）
探討 AI 如何取代人工，並提出「人對 Pull Request 的擁有權」不可被取代。節目還討論了如何透過「夜視」監控自動化流程，以及將團隊從對抗 AI 轉變為與 AI 共生的策略。
※ 摘要僅根據標題與說明
- Podcast進階EN
Build fences not sandboxes, earn the currency of trust, and share the cognitive burden of agents across engineers（在新分頁開啟原站）
探討 AI 工具帶來的安全風險，並強調工程信任比安全更重要。作者指出，AI 代理需要結構化的「圍牆」而非狹窄的「沙箱」來管理其認知負荷，並介紹了驅動跨團隊 AI 採用的多對多圖形架構。
※ 摘要僅根據標題與說明
- Podcast進階EN
Can agents keep a secret? We asked 1Password’s CTO Nancy Wang（在新分頁開啟原站）
1Password 執行長 Nancy Wang 在 Dev Interrupted 談及 AI 代理如何管理核心資安。她分享即時存取不帶持金的資安策略，並說明 1Password 已取代傳統程式面試，改用代理建構者測試。
※ 摘要僅根據標題與說明
- Podcast進階EN
The battle to replace Github, building assembly lines for software, and why no one finishes projects anymore（在新分頁開啟原站）
探討 GitHub 停機事件如何加速 AI 自主代理的崛起，迫使團隊重新思考程式碼儲存策略。主持人深入剖析「軟體工廠」趨勢，即如何將混亂的 AI 請求轉化為高效工程流程。此外，他們分享了如何克服範圍蔓延，在極限時間內交付專案的關鍵策略。
※ 摘要僅根據標題與說明
- Podcast進階EN
Agent, skill, or MCP? Which to use and when to use them | AWS’ Clare Liguori（在新分頁開啟原站）
本訪談探討企業如何選擇自研 Agent、技能或 MCP 伺服器。AWS 工程師 Clare Liguori 指出，標準化方案能避免維護負擔，並透過簡化 MCP 7.28 規範，讓 AI 能整合 SDLC 上下文。
※ 摘要僅根據標題與說明
- Podcast入門EN
Telling your agent “no” is a moat now, rearward deployed engineers, and harnessing the context for your SDLC（在新分頁開啟原站）
探討後置部署工程師策略，將 AI 工作流匯入法務與行銷部門。內容涵蓋 Claude Code 自動模式成為預設選項、Meta 的 Muse Glimmer 本地模型，以及 Tim O'Reilly 對開放原始碼 AI 生態的倡議。
※ 摘要僅根據標題與說明
- Podcast進階EN
The playbook to close your team’s AI productivity gap | LinearB’s Yishai Beeri（在新分頁開啟原站）
LinearB 執行長 Yishai Beeri 在節目中分析 2026 年資料，指出精英團隊與一般團隊在 AI 產出上的差距正在擴大。
※ 摘要僅根據標題與說明
- Podcast進階EN
Model welfare, building a civilization for agents, and the CI/CD landrush（在新分頁開啟原站）
探討 Steve Yegge 提出的「模型福利」概念，即透過設計讓 AI 模型在執行任務時能自我反思並最佳化。主持人進一步分析如何透過 Socratic 法則平衡複雜度與認知區域性性，以建構有效的 AI 排程系統。
※ 摘要僅根據標題與說明
- Podcast進階EN
Why AI gains are unevenly distributed in your engineering team | Asana’s Arnab Bose（在新分頁開啟原站）
Asana 的 Arnab Bose 探討企業 AI 匯入為何成效不一，並分享如何將 AI 從獨立工具轉為具備記憶與審計功能的數位夥伴，以實現透明協作。
※ 摘要僅根據標題與說明