全部文章

解读 Anthropic 的 AI-native SDLC playbook：当 AI 加快代码实现后，如何用 Plan、Design、Build、Test、Deploy、Maintain 六阶段的 artifact 交接、Skills、Hooks 和评估门禁组织软件交付。

基于 Graphify 实现与 ApFramework 的受控源码验证，说明代码知识图谱怎样帮助编码 Agent 定位文件、符号与关系，并明确结构预检索与源码阅读、测试及长期记忆的边界。

用七层模型梳理编码 Agent 的长期记忆：区分上下文窗口、规则、会话事件、工程决定、来源知识与代码结构，讨论信息如何按任务路由、追溯来源并回写。

AI Agent 回答得流畅，数字却可能是错的。借 AWS 的 AgentCore 案例，看如何在工具、Agent 和协作链路上找错，并把测试、上线监测和反馈连起来。

分析美团 AutoResearch 从串行 LOOP、异步状态机到 CyclicGraph Engine 的三次架构演进，解释 Spawn-Converge 分叉探索、证据验证与 Harness 控制如何支撑长期运行的研究任务。