<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[陈彬深大的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/motchen</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; motchen]]></copyright><item><title><![CDATA[从学习知识到调用知识：AI 正在改变人类使用工具的方式]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/170451296</link><guid>https://blog.youkuaiyun.com/motchen/article/details/170451296</guid><author>motchen</author><pubDate>Tue, 10 Nov 2026 17:50:15 +0800</pubDate><description><![CDATA[传统工具使用需先学习操作，成本高；而AI时代，只需清晰表达需求，即可调用知识完成任务。从“学工具”到“用AI辅助”，人类不再依赖前置学习，而是聚焦问题描述与结果判断。工具使用方式正由“人适应工具”转向“工具服务人”。未来关键能力不再是知识储备，而是提问能力、工具选择力与批判性思维。]]></description><category></category></item><item><title><![CDATA[AI时代的编程教育：我们还在培养电子管工程师吗？]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/164885314</link><guid>https://blog.youkuaiyun.com/motchen/article/details/164885314</guid><author>motchen</author><pubDate>Fri, 11 Sep 2026 00:04:42 +0800</pubDate><description><![CDATA[AI正在改变软件生产方式。过去，编程教育主要训练学生独立写代码；未来，代码生成成本下降，真正重要的能力将转向问题定义、产品设计、审美判断、测试验证和结果评价。AI使个人有可能完成过去一个团队的工作，因此编程教育不能只关注语法和手写代码，而应培养借助AI完成完整产品的能力。晶体管没有淘汰电子学，却淘汰了电子管时代的大量技能；AI时代的编程教育也面临同样的转型。
]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十九：当代码接近免费，软件工程必须重构]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/164370220</link><guid>https://blog.youkuaiyun.com/motchen/article/details/164370220</guid><author>motchen</author><pubDate>Fri, 04 Sep 2026 15:53:02 +0800</pubDate><description><![CDATA[本文讨论 AI 为什么要先重构软件工程。AI 已经能够生成代码，但软件工程还涉及任务边界、状态管理、权限、验证、失败恢复和长期维护。Agent 让执行路径从固定流程变成动态决策，也使这些控制问题更加突出。未来软件开发可能从手写代码转向模板、组件和 AI 装配，但可靠性仍依赖结构化约束。AI 只有先解决软件生产中的控制与验证问题，才可能进一步进入更复杂的真实世界系统。
]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十八: 对 AI 的理解决定使用效果]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/164209724</link><guid>https://blog.youkuaiyun.com/motchen/article/details/164209724</guid><author>motchen</author><pubDate>Mon, 31 Aug 2026 11:30:26 +0800</pubDate><description><![CDATA[本文讨论一个常被忽视的问题：很多人已经开始使用 AI，却还没有建立基本的 AI 心智模型。AI 不是更聪明的 Google，也不是一个真正理解任务的人。它会生成、会判断，但也会误解、越界和出错。Prompt、Agent 和各种工具都可以直接上手，但理解 AI 的能力边界同样重要。就像开车不需要会造发动机，但至少要知道，汽车不是一匹更快的马车。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十七：抽象之后，精确性去了哪里？]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/164193802</link><guid>https://blog.youkuaiyun.com/motchen/article/details/164193802</guid><author>motchen</author><pubDate>Sun, 30 Aug 2026 22:28:38 +0800</pubDate><description><![CDATA[提高抽象层级，但不失去控制能力。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十六：AI 让软件交付标准前所未有地提高]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163756481</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163756481</guid><author>motchen</author><pubDate>Fri, 14 Aug 2026 15:49:42 +0800</pubDate><description><![CDATA[AI 让写代码更快，也让检查代码更容易。过去很多项目依赖“没人仔细看”的隐性保护，功能能跑就能交付。但当甲方、攻击者都可以用 AI 扫描代码、追踪调用链、发现漏洞时，乙方就不能只交一份能跑的代码。AI 降低的是代码生成成本和检查成本，真正变贵的是提前发现问题、处理风险并承担交付责任。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十五：让 Agent 形成网络——Graph Engineering 与智能工作流]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163483556</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163483556</guid><author>motchen</author><pubDate>Wed, 05 Aug 2026 11:03:40 +0800</pubDate><description><![CDATA[文章摘要：本文探讨了多Agent系统从线性流水线向协作图结构的演进。传统流水线适合简单任务，但复杂项目需要Agent之间形成网状协作，包含多种角色（分析、设计、测试等）和动态交互（信息传递、反馈循环）。Graph Engineering的核心在于设计Agent、工具和状态之间的关系网络，通过角色分离解决单一Agent的职能冲突。未来软件工程可能发展为代码图与Agent图的双重结构，其中SIADOS模型描述状态流，而Agent图管理智能体协作，共同构成AI原生的新型开发范式。（149字）]]></description><category></category></item><item><title><![CDATA[从代码到经验：Agent Skill 会成为软件工程的新抽象层吗？]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163483263</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163483263</guid><author>motchen</author><pubDate>Tue, 04 Aug 2026 23:27:00 +0800</pubDate><description><![CDATA[摘要：软件工程的抽象层次正从机器语言、函数等传统模块，向Agent时代的"Skill"演进。Skill封装的不再是确定性计算，而是任务经验，包含目标、流程、验证等要素，形成任务级接口。未来软件工程将围绕Skill的可组合性展开，需要解决状态传递、语义约束等新挑战，并建立类似传统软件的工程约束，最终实现从"可执行代码"到"可执行经验"的转变，形成可组合的智能系统。这一演进将软件资产从代码扩展到经验与智能系统的组合。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十四：给 Agent 装上“X 光”——从代码搜索到关系理解]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163477507</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163477507</guid><author>motchen</author><pubDate>Tue, 04 Aug 2026 17:09:17 +0800</pubDate><description><![CDATA[摘要： 在复杂项目中，Agent仅通过文件搜索难以理解代码间的深层关系（如调用链、数据流、依赖项），导致修改效率低且风险高。为此，代码知识图谱通过结构化分析代码关系（函数调用、模块依赖、影响路径），为Agent提供“关系地图”，使其从被动搜索转向主动分析。这种模式不仅优化token使用（减少上下文消耗），还能识别废弃代码，辅助精准修改和清理。未来，Agent工作流将结合项目认知、关系图谱与动态验证，实现从“文件理解”到“系统级理解”的跃升，成为参与大型项目的关键能力。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十三：自适应调度——什么时候启用多Agent流水线]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163397045</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163397045</guid><author>motchen</author><pubDate>Sat, 01 Aug 2026 19:09:06 +0800</pubDate><description><![CDATA[本文探讨了多Agent系统在AI编程中的合理运用。核心观点是：多Agent并非默认解决方案，而应作为动态控制机制，根据任务风险等级灵活启用。文章提出三级调度模型：低风险任务采用单Agent（如代码注释修改）；中风险任务启用执行+审查双Agent（如业务逻辑调整）；高风险任务引入规划Agent（如跨模块重构）。这种状态驱动(SIADOS)的架构通过Harness控制边界，在保证风险可控的同时避免不必要的复杂度，体现"风险越低控制越轻"的渐进式编程理念。最终形成"状态分析-风险评估-动态调度-经验积累"的完整闭]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十二：一个 Agent 不够？——多 Agent 如何让 AI 编程更可靠]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163274590</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163274590</guid><author>motchen</author><pubDate>Tue, 28 Jul 2026 15:00:46 +0800</pubDate><description><![CDATA[AI 编程的核心挑战不在于任务执行，而在于工程可靠性。单一 Agent 虽能快速生成代码，但缺乏对系统影响的全面判断（如破坏公共组件、引入重复代码等）。真正的解决方案在于多 Agent 协作：执行 Agent 专注任务实现并提交包含改动说明、影响分析和验证结果的"证据包"，审查 Agent 独立评估合理性。这种职责分离模拟了人类开发团队的"开发-审查"机制，将AI从单纯的生产工具升级为具备工程思维的协作体系——一个创造，一个纠错，共同保障软件质量。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十一：Agent 不光要交代码，还要交证据包]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/163137984</link><guid>https://blog.youkuaiyun.com/motchen/article/details/163137984</guid><author>motchen</author><pubDate>Thu, 23 Jul 2026 16:48:58 +0800</pubDate><description><![CDATA[AI编程：从生成交付到验证式交付的转变 AI编程的核心价值不仅是生成代码，更在于构建可验证、可追踪的工程交付流程。生成代码只是第一步，后续需通过“证据包”说明修改逻辑、影响范围、验证结果及剩余风险（如未覆盖的测试路径或需人工判断的业务问题）。传统人工审查效率低下，而AI可先进行机器审查（如边界检查、调用关系验证），再提交结构化证据供人类快速审批关键风险。这种“验证式交付”将审查重点从逐行代码转向风险决策，确保项目可维护性和透明度。证据包应包含任务目标、改动摘要、测试覆盖及开放问题，形成可追溯的工程记录，推动]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之十三：AI 编程是 Reward 工程]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162998127</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162998127</guid><author>motchen</author><pubDate>Sun, 19 Jul 2026 22:15:53 +0800</pubDate><description><![CDATA[本文探讨AI编程中反馈机制（Reward工程）的核心价值。指出代码生成并非最大挑战，关键在于如何提供精准的持续反馈。当Agent处于"部分正确"的中间状态时，需要包含问题定位、错误原因、修改边界等要素的结构化反馈，而非简单通过/拒绝信号。高质量反馈能有效缩小搜索空间，需要具备准确性、及时性和可积累性。强调必须将人工反馈沉淀为测试用例、修改规则等可复用资产，才能持续指导Agent迭代。最终指出，模型能力决定Agent单步进展，而反馈质量决定其最终收敛方向，二者共同构成AI编程的核心闭环。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之二十：Agent 为什么会更快地制造技术债？]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162994182</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162994182</guid><author>motchen</author><pubDate>Sat, 18 Jul 2026 22:23:44 +0800</pubDate><description><![CDATA[AI 生成代码不等于完成软件工程，两者存在本质差异。AI 能快速生成代码片段，但无法自动处理软件工程中的架构设计、模块边界、测试验收等复杂环节。AI 编程会带来两大技术债：关系债（因忽视代码关联性导致隐性错误）和残留债（因保留废弃代码导致项目臃肿）。效率提升可能加速项目膨胀，若缺乏配套管理，AI 反而会加剧工程复杂度。关键解决路径包括：修改前强制关系分析、建立定期清理机制，以及将代码删除纳入AI工作流，以保持项目上下文准确性。AI 需要从"完成任务"转向"维护项目可持续性"。]]></description><category></category></item><item><title><![CDATA[Agent 如何成为一个项目的专家？]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162974612</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162974612</guid><author>motchen</author><pubDate>Fri, 17 Jul 2026 17:42:38 +0800</pubDate><description><![CDATA[大语言模型虽然具备广泛的知识储备，但在具体项目应用中仍存在显著局限。本文提出"项目级Agent"概念，指出通用模型需结合项目目标、设计意图、历史经验等环境信息，才能转化为解决特定问题的专业能力。与传统专家系统不同，项目级Agent通过动态加载环境形成临时专业身份，其关键在于将创造者的项目认知转化为结构化信息供模型理解。文章强调模型决定能力上限，而项目环境则确保能力精准应用于当前需求，并引出Agent启动时环境加载的关键问题。这种动态专家系统模式为实现AI在具体项目中的深度应用提供了新思路。]]></description><category></category></item><item><title><![CDATA[Agent + 无头网站：未来所有网站，可能都只有一个界面]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162912612</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162912612</guid><author>motchen</author><pubDate>Wed, 15 Jul 2026 20:35:38 +0800</pubDate><description><![CDATA[摘要： 当前网站设计以用户操作为中心，但AI Agent的崛起正在改变这一模式。未来，网站可能转向"无头"架构，仅向Agent提供标准化服务接口，而由Agent根据任务动态生成用户界面。这种"Agent+无头网站"模式通过MCP协议、VOIX声明式标签、A2UI动态界面等技术实现，能显著降低Agent的操作成本（相比传统HTML方式节省60-80%的token消耗）。网站开发重点将从界面设计转向服务能力暴露，而用户最终可能通过统一Agent入口访问所有服务，导致互联网服务呈现同质化交互体验。这一变革将使网站]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之七：Agent 启动时加载什么？——智能体的 Boot 过程]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162760299</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162760299</guid><author>motchen</author><pubDate>Fri, 10 Jul 2026 13:27:31 +0800</pubDate><description><![CDATA[长期项目中，Agent 每次启动都需要重新恢复项目状态。问题的关键不是让它读取更多文件，而是决定哪些信息应在什么时候进入上下文。本文提出把 Agent 的启动过程理解为一种 Boot 机制：先恢复项目结构、当前任务和状态，再按需要读取历史问题、修改记录和相关文件。AGENTS.md、CLAUDE.md 或独立状态文件都只是具体实现。真正重要的是建立稳定、最小、可重复的上下文恢复过程，让 Agent 能够跨多轮持续推进任务。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》：一种面向 Agent 时代的软件开发方法]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162737490</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162737490</guid><author>motchen</author><pubDate>Thu, 09 Jul 2026 19:02:04 +0800</pubDate><description><![CDATA[《AI渐进编程：从Prompt到项目控制》提出了一套让AI逐步推进、收紧和收敛的编程方法。全书分为五部分：1）从轻量Prompt入手启动任务；2）引入状态管理推进持续任务；3）通过协议文件建立项目上下文；4）构建验收机制形成闭环；5）应对长期维护挑战。核心逻辑是随着任务复杂度提升，逐步增加控制层（状态机、项目地图、修改日志等），让AI在明确边界内推进，而非依赖单一Prompt。书中特别警示AI可能产生的技术债，强调通过结构化文档保持项目可控性，最终形成"模型提方案-控制层定边界-状态存事实"的可持续协作模式]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》序言：把烧掉的 token 留下来]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162628813</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162628813</guid><author>motchen</author><pubDate>Mon, 06 Jul 2026 11:53:56 +0800</pubDate><description><![CDATA[《AI渐进编程》探讨如何让大语言模型从一次性生成工具转变为长期项目伙伴。作者将LLM比作炼钢炉，指出当前AI生成内容易停留在对话层面，缺乏持续性积累。关键在于建立项目沉淀机制——通过结构文档、状态文件、修改日志等工具，将每次生成的"热气"转化为可复用的"钢材"，使AI能基于历史上下文持续演进。文章主张分层控制策略，反对全自动处理，强调只有经过验证并融入项目体系的内容才能成为真正资产。]]></description><category></category></item><item><title><![CDATA[《AI 渐进编程》之十九：控制层最容易变坏的几种方式]]></title><link>https://blog.youkuaiyun.com/motchen/article/details/162569962</link><guid>https://blog.youkuaiyun.com/motchen/article/details/162569962</guid><author>motchen</author><pubDate>Sat, 04 Jul 2026 06:44:43 +0800</pubDate><description><![CDATA[本文探讨了AI项目控制层在长期运行中容易出现的六大反模式及其解决方案： 规则膨胀 - 不断叠加新规则导致系统臃肿 状态老化 - 状态文件与项目实际脱节 日志空心化 - 日志缺乏实质性内容 任务漂移 - 任务边界不断扩散 人工过载 - 过度依赖人工确认 Harness肥胖 - 控制层变得越来越重 解决方案建议： 分层管理控制要素 定期合并重复规则 及时清理过期信息 保持日志信息密度 明确任务边界 优化人工干预点 核心观点是：控制层的健康不在于增加更多约束，而在于保持精简有效，通过分层、去重、归档和瘦身四个关键]]></description><category></category></item></channel></rss>