当代码不再稀缺，程序员靠什么创造价值？
AI Coding 让实现成本快速下降，也把软件开发的瓶颈推向问题定义、方案取舍、结果验证和系统责任。代码会越来越便宜，正确会越来越贵。
EDITOR'S PICK
值得先读
RECENT DISPATCHES
最近写下的
别急着给 Agent 组建公司和团队
复制人类的组织结构，并不等于重构生产力。多 Agent 的分工应该来自问题本身；Agent 更现实的价值，是把人的时间还给创造。
关于企业中 AI 开发自动化的一些思考
企业要把 AI 开发从偶发辅助变成可复制的自动化体系，关键不只在 Harness Engineering，更在结构清晰、规则显式、权限可控、结果可验证的工程基础设施。
精读 Lost in the Middle（Liu et al. 2023）：长上下文的“位置偏差”与工程应对
Lost in the Middle 证明：把关键信息放在长上下文中间，LLM 最容易用不上，整体呈 U 型位置效应（首尾强、中间弱）。本文抓住论文的核心实验变量与结论，并把它翻译成可落地的系统策略：证据重排、两段式检...
读 ReAct：把“推理”接到“行动”上的最小工程闭环
ReAct 把 Thought / Action / Observation 交错写进轨迹，让模型一边推理一边调用工具，并用 Observation 把推理锚定到外部事实。本文按论文 Section 2 梳理核心机制，...
精读 LLM Powered Autonomous Agents：Planning / Memory / Tool Use 的工程化视角（全篇学习笔记）
Lilian Weng 的《LLM Powered Autonomous Agents》把 agent 拆成 Planning / Memory / Tool Use 三个部件，并用一个 loop 把它们粘成系统。本文...
重读 CoT 论文：它真正提出的不是一句“让模型一步步想”
重读《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》后，我更关心的不是 CoT 这个流行词，而是论文真正提出了什么、它为什么...
Prompt engineering | OpenAI API（对照翻译）
OpenAI 提示词工程指南对照翻译，涵盖模型选择、消息角色、提示词复用、上下文窗口与 GPT-5/推理模型写法。