ARCHIVE
아카이브
기존에 공개한 글을 원래 주소 그대로 보관합니다.
과거의 글에는 작성 당시의 기술과 관점이 담겨 있습니다.
356개 글 · 7 / 12 페이지
· ZH
上下文工程：构建生产级AI智能体的核心技术
深入解析上下文工程为何成为2026年生产级AI智能体开发的核心能力，超越提示工程——通过4个关键失败模式和5种核心技术，从Engineering Manager视角系统梳理信息规律设计方法。
· ZH
Karpathy的autoresearch——单GPU一夜自主运行100个ML实验
Andrej Karpathy开源的autoresearch是一款仅630行代码的工具，让AI Agent一夜之间自主反复执行ML实验。本文从工程管理者视角分析R&D团队的实际应用策略。
· ZH
LLM破解匿名身份 — 大规模在线去匿名化现状与防御策略
分析LLM驱动的大规模在线去匿名化研究，提出工程领导者需要掌握的组织安全应对策略。
· ZH
AI可靠性工程师：2026年工程团队的新范式与半人马Pod模型
初级开发者的角色正在演变为AI可靠性工程师(ARE)。从半人马Pod团队结构到代码审计招聘方式，再到缺陷捕获率指标——每位工程经理现在就需要实施的AI原生团队设计策略
· ZH
Claude在Firefox中发现22个CVE——AI安全审计新范式
深入分析Anthropic Claude Opus 4.6两周内在Firefox中发现22个CVE的案例，从CTO/EM视角探讨AI驱动的安全审计将如何重塑工程组织的安全实践。
· ZH
智能体扩展的科学 — Google研究揭穿"更多智能体=更好"的神话
Google Research的180配置定量实验揭示了多智能体悖论：顺序任务性能下降39〜70%、错误17.2倍放大，以及87%预测精度对架构决策的启示，从EM视角深度分析。
· ZH
RoguePilot — GitHub Copilot 提示注入漏洞与 AI 编码工具安全策略
RoguePilot 漏洞分析、被动提示注入风险和工程管理者必读的 AI 编码工具安全指南
· ZH
A2A + MCP混合架构：2026年多智能体生产策略
Google A2A与Anthropic MCP是互补关系，而非竞争。从EM/CTO视角理解两种协议的角色差异，学习在生产环境中安全运营多智能体系统的策略。
· ZH
Cursor Agent Trace — 追踪AI生成代码的开放标准正式登场
Cursor发布的Agent Trace 0.1.0开放规范提供了追踪AI生成代码贡献的系统化方法，在文件和行级别将代码标注为4种类型 （human/ai/mixed/unknown）。面向工程管理者和CTO，详解如何优化代码审查流程、应对合规审计，并量化团队AI工具的实际效果。
· ZH
用异构LLM架构将Agent集群成本降低90%
大型模型负责规划，小型模型负责执行的Plan-Execute模式。本文为EM和CTO提供异构模型架构成本优化策略的实战指南，结合真实数据深入分析如何在保证质量的前提下大幅降低Agent集群运营成本。
· ZH
Tool-R0：零数据Self-Play强化学习训练工具调用AI Agent
arXiv最新论文Tool-R0无需训练数据，仅凭Self-Play强化学习将LLM工具调用能力提升92.5%。深入解析Generator-Solver共进化架构与EM视角实务启示。
· ZH
Bayesian Teaching：LLM概率推理训练法 — Google研究分析
Google在Nature Communications发表的Bayesian Teaching研究，提出了一种训练方法论，使LLM在接收新信息时能够以概率方式更新其信念。本文从工程管理视角分析这项研究对AI智能体和企业系统的影响。
· ZH
Deloitte 2026技术趋势中的代理AI运营战略——89%企业为何难上线及EM的委派-审查-所有制框架
Deloitte Tech Trends 2026报告揭示震撼现实——全球仅11%的企业在生产环境真正运营代理AI。89%陷入停滞的根本原因不是 技术能力不足，而是缺乏有效的运营模式。本文为EM和VPoE提供周一起可即时执行的Delegate·Review·Own三阶段运营框架指南。
· ZH
MCP安全危机——60天内30个CVE与企业加固指南
MCP（Model Context Protocol）的攻击面正在急速扩大。本文分析30个CVE、三层攻击模型，并提供企业安全加固检查清单。
· ZH
ADL(Agent Definition Language) — AI智能体治理的OpenAPI标准
ADL（Agent Definition Language）是AI智能体的OpenAPI标准，以声明式方式统一定义智能体的角色、权限和工具访问权限。本文解析ADL规范核心字段结构，并提供EM和CTO可立即落地的企业级智能体治理导入策略。
· ZH
认知债务：Anthropic 2026年智能体编程报告警示的AI时代新型负债
Anthropic发布的《2026年智能体编程趋势报告》与"认知债务"新概念相互呼应——AI越多地代替人类写代码，团队对系统的共同理解就越悄然侵蚀。分析工程管理者现在必须采取的应对策略。
· ZH
2026年如何打造精英AI工程组织：为何3人团队能胜过50人
对登上Hacker News榜首的精英AI工程文化深度分析。解读人均营收$3.48M vs $610K五倍差距背后的原因，以及每位EM都应实践的Taste × Discipline × Leverage公式
· ZH
Olmo Hybrid——Transformer + Linear RNN 混合架构实现2倍数据效率
AI2的Olmo Hybrid将Transformer与DeltaNet以3:1的比例结合，仅用49%更少的token量达到同等精度，数据效率提升2倍。深入分析混合LLM架构的设计原理、性能基准测试，以及对LLM工程师的实务启示。
· ZH
AI便利循环：TypeScript暴涨66%背后的语言变革
基于 GitHub Octoverse 数据，全面分析 AI 编程工具构建的便利循环效应，揭示 TypeScript 暴涨 66%、Python 登顶的结构性 原因，并从 EM/CTO 视角提供 AI 时代技术栈长期选型与决策的实用框架与行动指南。
· ZH
Meta Llama 4 全面解析 — Maverick·Scout开源AI如何改变企业AI战略
深入分析Meta Llama 4 Maverick（400B MoE）与Scout（10M上下文）的架构、基准测试和成本结构，从CTO/工程总监视角探讨企业应如何重新定义开源AI战略。
· ZH
NIST AI代理安全标准 — EM现在应该准备的框架
NIST AI Agent Standards Initiative的核心内容，以及工程经理为强化团队内AI代理安全性可立即实施的分步骤清单。涵盖访问控制、审计日志、护栏设计等实战策略。
· ZH
用元工具优化AI代理工作流：AWO框架实战指南
基于arXiv论文的Agent Workflow Optimization(AWO)框架分析。通过将重复的工具调用模式编译为元工具，实现LLM调用减少12%、成功率提升4%的方法介绍。
· ZH
Claude Cowork 企业版发布——从开发者工具到全公司生产力平台
Anthropic Claude Cowork 企业功能深度分析。Plugin Marketplace、MCP 连接器、Excel·PowerPoint 集成——CTO 应提前准备的全公司 AI 导入战略。
· ZH
Deep-Thinking Ratio：将LLM推理成本降低50%的新指标
Google与UVA研究颠覆了"思考越长越好"的常识。利用Deep-Thinking Ratio(DTR)， 可在保持推理质量的同时将LLM推理成本减半。工程经理与VPoE必知的实践洞见。
· ZH
MCP正式成为开放标准——Linux Foundation与工程团队落地路线图
Anthropic将MCP捐赠给Linux Foundation，OpenAI、Google、Microsoft相继加入。76%企业已在评估导入，EM/VPoE必须掌握的实战策略。
· ZH
MIT EnCompass：用搜索算法将AI代理准确率提升40%
分析MIT CSAIL开发的EnCompass框架如何将搜索策略应用于AI代理执行路径，从实务角度大幅提升可靠性与准确率。
· ZH
Jira AI 代理与 MCP — 工程管理者的准备清单
Atlassian 在 Jira 中正式引入 AI 代理并全面采用 MCP。从工程管理视角分析团队运营变化与实践策略。
· ZH
LLM编码工具链优化——不换模型，仅改工具链即可提升15个模型性能
在LLM编码工具中，工具链（编辑格式、工具接口）优化比换模型更有效，可带来5〜14%性能提升。以Grok Code Fast从6.7%跃至68.3%的实际案例为基础，为EM与CTO整理工具链工程实战策略。
· ZH
AI模型蒸馏攻击实态——CTO必知的IP保护策略
深度分析Anthropic检测到的大规模AI模型蒸馏攻击案例，为企业在使用AI API时提供知识产权保护的实战策略与治理框架。
· ZH
Anthropic vs 五角大楼 — AI治理时代的CTO供应商战略
分析Anthropic拒绝五角大楼军事AI需求事件，指导CTO/VPoE如何建立AI供应商依赖风险和治理策略。