暂无搜索历史
过去我们讨论 AI Coding,很多时候默认有一个前提:先打开一个工具,再让 Agent 做事。这个工具可能是 IDE,也可能是 CLI、云端任务界面,或者浏...
最近读到 TRAE.ai 发出的《字节跳动技术副总裁洪定坤:AI Coding 的实践与探索》,很有共鸣。
从 Demo 看,它几乎总是很惊艳:给一张设计稿,几秒钟生成页面;把 Figma 链接丢进去,系统吐出 HTML、CSS、React 组件;再配上一个浏览器预览...
这里说的“组织系统”,不是一个抽象的大词,也不是单指公司里的权限平台、身份与访问管理 IAM 或安全合规系统。
它会搜索文件,会打开文档,会总结内容,会调用工具,会生成报告。屏幕上不断出现工具调用记录,文件一个个被读取,任务一步步推进。你甚至会有一种感觉:它已经像一个真的...
上一篇讨论的是:当 Skill 开始影响 Agent 行为之后,它就不能只作为经验文档存在,而必须进入测试、回归和评估体系。
过去一年,AI Coding 的讨论里,一个很明显的变化是:大家不再满足于让 AI 直接改代码了。
最近几周,Coding Agent 的更新非常密集。如果单独看,很容易觉得它们只是一些产品功能更新:OpenAI 收购一家云执行环境公司,AWS 推出 Agen...
TechCrunch 报道[1],Uber 在几个月内用完了全年 AI coding 预算,随后开始给员工和各类 agentic coding tool 设置使...
业务或产品先提出想法,产品经理整理 PRD,设计师产出设计稿,研发看 PRD 和设计稿评估实现,再拆前后端任务,写代码、联调、测试、上线。
如果一个团队的 AI 生成代码占比越来越高,出码率也在上升,但 PR 吞吐量没有明显变化,返工还是很多,验证和 review 压力也没降下来,那你很难说:研发效...
在组织调整周期里,经常会听到一种说法:“先别主动走,看看后面有没有裁员补偿。”在互联网公司的语境里,这也常被叫作“等礼包”。
过去几年,AI Coding 工具最容易被感知的价值,是补全、生成、解释、改写,或者帮助开发者快速完成一个初始实现。这个阶段解决的是“从空白到第一版”的问题,也...
一次看起来很合理的 Skill 改动,可能会让 Agent 变得更稳定,也可能让它偏得更远。
产品同学开始用 NoCode 搭页面,底层是 React,也能通过 Supabase 取数,甚至打通 Hive,把一些业务数据展示出来。
你把任务发给它,它理解、规划、调用工具,然后在对话里告诉你结果。这个形态非常自然,也非常成功。Chat 让 AI 变得足够低门槛,几乎所有人都知道该怎么用。
RepoZero 这篇论文,是一位参与相关工作的同学推荐给我的。他提到,这个工作和 ProgramBench 有明显的对照关系。这个提醒很有价值,因为它让“AI...
从代码补全,到对话式生成,再到 Coding Agent,AI 已经不只是帮工程师补几行代码,而是开始参与需求理解、代码修改、问题定位、测试生成,甚至尝试完成一...
过去我们谈 AI Coding,很容易把注意力放在模型上。哪个模型更会写代码,哪个模型更适合改工程,哪个模型在某个 Benchmark 上更强,这些当然都重要。...
如果 AI 已经能写 Native,企业还需要跨端框架吗?更进一步说,企业未来还要不要继续维护 RN、Flutter、小程序、Hybrid 这些跨端体系?还是应...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业