软件工程标签_AI Agent技术社区

软件工程

AI Agent上线后怎么升级？先建立一套可回滚的变更控制

提示词、模型、工具和知识库的升级都可能改变 Agent 行为。本文给出变更单、固定样本、双轨回放、灰度切换和回滚的最小工程闭环。

nagualky123
2026-09-15 10:53:29

 424

 1

#人工智能 #软件工程 #语言模型 +1
AI Agent 报“已经完成”的时候，谁在替它验货？

SlopCodeBench 实测里没有一个被测 Agent 端到端解完长任务，最好的也只通过 14.8% 检查点。GitHub 热榜项目 unlazy 换了个思路：开工前先把验收标准写成机器可读的门禁账本，CHECK 退出码为 0 且 EXPECT 命中才算过，证据只留指纹；审批记录放在仓库之外，解析失败一律 fail closed。本文拆开它的门禁契约、Depth Tree 与三层验证，看“完成

 瓶盖
2026-09-13 17:05:09

 235

 4

#人工智能 #AI Agent #软件工程
AI编程时代软件工程怎么学：从底层思维认知到驱动智能体的架构跃迁

随着大模型与 AI Agent 在自动化编程领域的全面爆发，“软件工程是否已死”、“初学者是否还需手写代码”成为整个技术圈广泛探讨的核心议题。纯粹依靠死记硬背 API 与机械搬运语法的传统学习路径确实已经失效，但软件工程的底层逻辑非但没有贬值，反而成为驾驭智能体不可或缺的认知基石。本文从计算思维的第一性原理出发，系统解析从底层状态机、维度数组到面向对象的思维塑造，并给出大学一至两年内极简高效的技术

 艺杯羹
2026-09-12 22:25:15

 634

 10

#软件工程 #架构 #java +1
SK-002_Skill 的精确定义：认知科学到软件工程的交汇

在 AI Agent 系统的开发中，“Skill” 这个词被广泛使用，但很少有人给它一个精确定义。设计混乱：一个 Skill 应该多大？应该包含多少能力？边界在哪里？评估困难：如何判断一个 Skill 的质量？什么是 “好” 的 Skill？组合障碍：两个 Skill 如何协同工作？它们的接口应该是什么样的？安全风险：如果 Skill 的边界不清晰，Agent 可能在不恰当的场景下使用不恰当的能力

 王解
2026-09-12 21:54:23

 32

#软件工程
从“单一感官”到“全知全能”：多模态AI的技术架构、模型生态与2026年全景剖析

模态（Modality）指的是信息的存在形式和感知通道。人类通过多种感官感知世界——视觉（眼睛）、听觉（耳朵）、触觉（皮肤）——每一种感官对应一种“模态”。模态数据类型典型任务文本（Text）自然语言理解、生成、翻译图像（Image）像素矩阵识别、描述、生成音频（Audio）声波信号语音识别、情感分析视频（Video）图像序列+音频动作识别、事件理解3D/点云空间坐标三维重建、自动驾驶结构化数据表

 zhengliebin
2026-09-12 11:35:58

 419

 3

#人工智能 #架构 #软件工程 +3
AutoGPT：自主 AI Agent 的始祖与演进之路

2023 年初，GPT-4 刚刚发布，全世界还在惊叹于它能写诗、能编程、能聊天的时候，一个名为 AutoGPT 的项目悄然出现在了 GitHub 上。它的玩法简单得令人震撼：你给它一个目标，它自己想办法完成。你不需要写任何代码，不需要设计任何工作流，不需要一步步提示。你只需要说一句：“帮我调研一下市场上最好的咖啡机”——然后 AutoGPT 就会自己规划任务、搜索信息、整理资料、生成报告，全程无需

 zhengliebin
2026-09-08 11:18:43

 399

 9

#人工智能 #重构 #软件工程 +2
人月已死：AI 写代码时代，程序员的价值到底在哪？

AI 编程时代，程序员的价值何在？本文从 Brooks 定律（加人力反致延期）出发，剖析其三个命题：沟通成本 O(n²)、人均产出递减、交付周期 U 形曲线。AI Agent 改变的是协调成本——从人际沟通转向共享状态队列，成本降至 O(n)，使团队规模上限大幅提升。但定律骨架未变：任务可分解度仍是根本约束。程序员的核心价值转向“该建什么”（需求判断）、“怎么拆”（任务分解）、“什么算对”（验收评

 kruptos
2026-09-06 16:29:02

 290

 10

#人工智能 #软件工程 #个人开发 +2
别让Agent一口吃成胖子——从任务拆分到动态重规划的AI Agent工程化实战

当 AI Agent 面对调研、分析、工具调用和报告生成等复合目标时，稳定性差距往往不在模型大小，而在任务能否被拆成边界清晰、依赖明确、可验证、可恢复的小闭环。本文讲解 Plan-and-Execute、DAG 并行、上下文隔离、动态重规划、幂等与回滚、人工审批、评估与可观测性，并给出 Planner-Executor-Evaluator 架构、Python 核心代码和端到端案例，回答拆到什么粒度

 xiaoxingkongyuxi
2026-09-05 07:00:00

 763

 17

#动态规划 #算法 #人工智能 +3
自我改进型 AI Agent 如何安全发布：从指标达标到可证伪的发布门槛（第8期）

当下一条极具诱惑力的技术路线正在快速升温：**AI4AI，递归自我改进**。简单来讲，就是让一个 AI 系统，反过来优化训练、迭代另一个 AI 系统，甚至直接修改自身的提示词、工作流、技能库，完成自我升级。论文《Frontis‑MA1》正是朝着这个方向探索：训练一套 AI，让它精通机器学习工程，自主迭代优化模型。

TunerT_TQ
2026-09-02 00:00:00

 771

 22

#人工智能 #安全 #软件工程
华盛顿邮报为何拆分多个AI Agent：内容运营的岗位化架构设计

华盛顿邮报和 Tech in Asia 的最新实践都没有把内容工作简化成自动写稿。本文从目标、上下文、权限、交接和验收五条边界，给出适合小团队的岗位化 Agent 架构。

xierui123123
2026-08-29 20:46:15

 432

 13

#人工智能 #内容运营 #软件工程 +1
从“单一感官”到“全知全能”：多模态AI的技术架构、模型生态与2026年全景剖析

模态（Modality）指的是信息的存在形式和感知通道。人类通过多种感官感知世界——视觉（眼睛）、听觉（耳朵）、触觉（皮肤）——每一种感官对应一种“模态”。模态数据类型典型任务文本（Text）自然语言理解、生成、翻译图像（Image）像素矩阵识别、描述、生成音频（Audio）声波信号语音识别、情感分析视频（Video）图像序列+音频动作识别、事件理解3D/点云空间坐标三维重建、自动驾驶结构化数据表

 zhengliebin
2026-08-27 09:00:28

 668

 6

#人工智能 #架构 #开源 +4
Loop Engineering 是什么

Loop Engineering 是一种 AI Agent 工作流设计方法论。不再由人类手动逐轮 prompt agent，而是设计一个系统，让 agent 自行触发、循环迭代、直到达成目标。核心要点一句话定义让系统自动 prompt agent，而非人手动 prompt起源2026.06，由 Boris Cherny 引爆、Addy Osmani 系统化演进判断标准如果一件事你愿意每天手动检查一

 qq_36710118
2026-08-26 23:52:02

 448

 10

#软件工程
AI Agent 权限设计：一百个工具不能共用一把万能钥匙

Agent 接入邮箱、文件、浏览器、数据库与发布器后，工具数量也意味着权限面与出错半径。本文把 Agent 权限拆成身份、资料、动作和审批四层，并给出适合小团队落地的岗位化权限表。

xierui123123
2026-08-25 20:43:05

 642

 19

#人工智能 #网络安全 #软件工程 +1
Microsoft MagenticLite 解读：小模型 Agent 为什么需要编排、分工和沙箱

本文解读 Microsoft Research 的 MagenticLite、MagenticBrain 和 Fara1.5：小模型 Agent 的关键不只是参数规模，而是编排、分工、上下文管理和沙箱安全。

LYFlied
2026-06-22 13:34:32

 329

 9

#microsoft #人工智能 #软件工程
IEC61499 Python 运行时的实现

本文介绍了一个基于Python开发的极简IEC61499运行时系统，旨在为AI代码生成构建标准化模型。该系统通过完全对象化设计，将功能模块化为基本功能块（BFB）、复合功能块（CFB）和服务功能块（SFB），其中BFB采用同步ECC状态机，SFB则利用Python线程实现异步操作。文章重点展示了基本功能块的基类设计，并通过E_CYCLE周期定时器功能块示例说明实现方式。该架构通过严格的模块化规范，

姚家湾
2026-07-15 08:53:42

 238

 4

#人工智能 #软件工程
Agent 开始进入研发流程后，技术人的核心价值正在被重新定义

随着 Agent 从问答辅助逐步走向代码搜索、命令执行、测试协同和流程推进，它对研发工作的影响已经不再停留在“代码生成”层面。真正发生变化的，是研发闭环中的职责分配，以及技术岗位对能力结构的重新要求。过去主要依赖重复实现和机械执行的工作，正在被重新组织；而问题定义、流程拆解、结果验证和边界控制等工程能力，正在变得更加重要。本文尝试从工程实践视角出发，讨论 Agent 进入研发流程后，技术人的角色变

 qq_42963695
2026-04-20 15:46:48

 602

 19

#软件工程
别再只看SWE-bench分数：Agentic软件工程需要怎样的新评测体系

论文指出，Coding Agent 的端到端分数混合了模型、Harness、上下文、环境与验证器。本文拆解三类评测错位，并给出任务、过程、组件和运营四层评测方案。

LYFlied
2026-07-03 16:06:50

 379

 10

#软件工程 #人工智能
Dialogue-SWEBench解读：Coding Agent真正缺的不是代码能力，而是会提问

Dialogue-SWEBench 将 500 个真实仓库任务改造成多轮对话评测。本文解析需求 Schema、模拟用户与关键实验结果，并给出研发团队可落地的提问触发器、需求账本和协作评测指标。

LYFlied
2026-06-28 22:50:27

 410

 10

#软件工程
Codex 连续重试仍失败：给项目加一个“人工接管包”入口

当 AI 编程任务反复失败时，不要急着继续重试或升级套餐。本文实现一个面向开发者项目的站内人工接管入口：记录任务边界、验收条件、失败尝试和环境摘要，自动生成可审查的交接包，并给出判断容量问题、环境问题与任务定义问题的实用框架。

白潇翊
2026-08-03 12:20:12

 189

 3

#开源 #软件工程 #github
从0开始的agent框架第4章定时任务

本文介绍了Agent框架中定时任务的设计思路。作者采用最小堆数据结构来管理定时任务，堆顶始终存储最近到期的任务。系统通过单独线程监控堆顶任务，当任务到期时触发执行。插入新任务时采用O(n)时间调整堆结构，并唤醒等待线程重新计算等待时间。文章提供了Python实现代码示例，展示了如何添加定时任务（支持浮点秒数延迟）并返回任务ID。最后提到下一期将讨论流式输出优化用户体验。整个设计参考了Chromiu

m0_70945244
2026-07-20 09:48:42

 162

 6

#python #人工智能 #个人开发 +3
LLM Agent 框架以LLM为核心的智能Agent框架 - 具备思考、规划、执行、反思四大能力+ 深度增强技术

LLM Agent 框架以LLM为核心的智能Agent框架 - 具备思考、规划、执行、反思四大能力+ 深度增强技术。

技术与健康
2026-06-29 09:28:42

 374

 10

#软件工程 #自动化
代码执行与沙箱：让AI安全地“写代码、跑代码” ——CogitoAgent开发实战（七）

核心矛盾：AI能写代码，但不能让它破坏系统。JavaScript用vm沙箱——Object.create(null)切断原型链，冻结内置对象，移除process/require。Python用临时文件+execFile执行，限制环境变量和目录。两者共享30秒超时和10万字符输出限制。一句话：给AI能力，不给破坏力。

凌云拓界
2026-06-19 03:36:03

 233

 6

#人工智能 #安全 #架构 +3
Agent风险不是漏洞，而是可执行的失控

攻击者通过间接 Prompt 注入（在 Agent 处理的邮件中嵌入恶意指令），诱导 Agent 将一笔正常审批的金额篡改为异常数值，并通过审批流程。整个操作链路中，Agent 没有"违规"——它只是在执行它被"告知"应该执行的操作。Agent 的所有操作都是"合法的"——它有权限读取知识库，只是被诱导读取了不该读取的部分。这些案例的共同特征是：Agent 没有"被黑"，没有"利用漏洞"，没有"提

 workflower
2026-06-04 01:15:00

 565

 11

#人工智能 #软件工程 #设计模式 +2
深入解析 mini-swe-agent：极简架构下的强大AI软件工程代理

本文介绍了mini-swe-agent项目的核心架构与技术实现。该极简AI软件工程代理通过异常驱动的循环控制、YAML+BASH工具系统和结构化提示词实现了高效的代码修复功能。其主要特点包括：1）基于异常信号传递的主循环控制机制；2）模块化工具系统，通过YAML定义和Bash脚本实现；3）精心设计的提示词模板引导LLM执行五步工作流。项目采用清晰的架构分层（入口配置层、智能体循环层、模型环境层），

辰470
2026-07-05 17:33:38

 414

 9

#架构 #人工智能 #软件工程
AutoGen进入维护模式：Agent框架选型该从“库优先”转向“架构优先”

Microsoft AutoGen 仓库 README 显示该项目已进入维护模式，并建议新用户转向后继框架。这不是简单的工具更替，而是 Agent 工程从研究型多智能体编排走向可维护生产架构的信号。本文结合 AutoGen 仓库与 Anthropic Engineering 的 Agent 工程实践，拆解研发团队在框架选型、harness 设计、工具接口和长期维护上的取舍。

LYFlied
2026-07-08 16:05:10

 206

 5

#架构 #人工智能 #软件工程
详解Spec-Driven Development(SDD)：Agent 时代的软件工程新范式

Spec-Driven Development（SDD，规范驱动开发）是一种以规范（Specification）为核心驱动力的软件开发方法论。在编写任何代码之前，先编写一份结构化的规范文档（Spec）。规范成为人类开发者与 AI 共同的"唯一事实来源"（Single Source of Truth），代码是规范的最终实现产物。用微软的话说，SDD 是“思想的版本控制”——管理的重点从代码的演变历史

 江畔柳前堤
2026-08-03 15:22:43

 427

 7

#软件工程 #人工智能 #windows +4
从一个BA Agent的例子说起

从一个BA-Agent的例子说起

 LEO的MATRIX
2026-06-01 16:18:40

 491

 16

#人工智能 #软件工程
Python 高级编程 025：二分利器bisect模块

本文介绍了Python内置的bisect模块，这是一个基于二分查找算法的高效工具库，专门用于维护有序序列，提供检索和插入功能。文章通过对比传统排序方法的低效性，凸显了bisect模块的性能优势（时间复杂度从O(n)优化至O(log₂n)）。详细解析了六大核心方法（bisect_left/right和insort_left/right）的差异及适用场景，并通过代码示例展示了其在列表和双端队列中的实际

 郝学胜-神的一滴
2026-07-21 19:30:00

 394

 9

#python #算法 #开发语言 +3
斐波那契数列--python实现

本文介绍了斐波那契数列的两种Python实现方法：递归法和数组法。递归法时间复杂度O(2ⁿ)，空间复杂度O(1)；数组法使用辅助数组存储中间结果，通过迭代计算每个位置的值，时间复杂度O(n)，空间复杂度O(n)，以空间换时间提高效率。

Letitia1992
2026-03-06 21:30:11

 529

 19

#python #软件工程
GLM-4-9B-Chat-1M效果展示：对Git提交历史+PR描述+代码变更做联合归因分析

本文介绍了如何在星图GPU平台上自动化部署GLM-4-9B-Chat-1M - 本地百万长文本大模型镜像，实现对Git提交历史、PR描述与代码变更的联合归因分析。该镜像可精准追溯软件开发中的问题根因，适用于故障复盘、代码审计与工程知识沉淀等典型场景，支持离线、高可信度的长上下文推理。

王大帅爱钢炼
2026-02-04 00:33:08

 310

 5

#软件工程
ChatGLM3-6B-128K惊艳效果展示：128K上下文下多版本软件需求文档一致性校验

本文介绍了如何在星图GPU平台自动化部署【ollama】ChatGLM3-6B-128K镜像，实现超长文本智能处理。该方案能自动校验多版本软件需求文档的一致性，精准识别语义差异和潜在矛盾，大幅提升文档管理效率与质量，适用于大型项目的需求追踪和版本控制。

Lucy-Fintech社区
2026-02-27 00:03:18

 259

 3

#软件工程
山东大学软件工程2023级创新项目实训 | 一、开题答辩准备与项目选题落地

从SmartKitchen到StoryEcho的调整，是我们对选题方向和技术深度的一次重新审视。教师的反馈帮助我们认识到，创新项目实训不仅需要完整的功能规划，更需要清晰的技术实现路径和对难点的充分预估。目前项目选题和技术方案已经确定，后续将按照实施计划推进开发工作。本篇博客作为实训过程的第一篇记录，后续将持续更新项目进展。

2302_80659496
2026-04-13 17:34:50

 606

 14

#软件工程
当AI重塑软件工程，星河博士会聊了这些

的分享，以百度Comate内外部工程实践为例，梳理了AI Coding的演进路径：从早期以代码补全为代表的辅助工具，到如今以Agent为核心的人机协同体系，AI已不再只是帮助开发者写几行代码，而是开始参与产品规划、架构设计、代码开发、文档生成等研发全流程。是百度面向全国顶尖博士群体和产业工程师发起的高端交流与共创社区，致力于连接高水平青年科研力量与真实产业场景，通过项目共创、资源支持与成果转化等方

 百度大脑
2026-04-15 17:16:28

 716

#人工智能 #软件工程
别只盯着大模型了！智能软件概论大作业，这些冷门但好拿分的主题方向了解一下？

本文为《智能软件概论》大作业提供冷门但高分选题指南，避开热门大模型方向，推荐智能体系统、低代码平台智能增强、传统软件工程AI改造及领域特定智能开发工具等新颖主题。这些方向技术深度可控、实践资源丰富，助你在众多作业中脱颖而出，特别适合西电、计科、软工等专业学生参考。

局外狗
2026-04-16 12:06:01

 361

 5

#软件工程
端到端大模型的主要优缺点

• 数据来源非常有限：谷歌在Mountain Village（美国加州）办公室的厨房里采集了17个月，得到13万条数据，使得其机器人在谷歌的厨房里表现可以非常好。并且这种泛化是有选择的泛化，不是将其直接放到施工工地、非常嘈杂的后厨等场景中。它可以理解并响应那些在训练数据集中未曾出现过的命令，并基于底层语言模型提供的思路链进行推理，从而做出合理的决策。• 推理、响应速度仍有待提升：RT-2大模型中包

 workflower
2026-04-17 09:04:10

 253

 2

#人工智能 #深度学习 #设计模式 +2