·tian
认知外包陷阱：当你的团队离开 AI 就无法工作
将所有知识工作都交给 AI 代理的工程团队会逐渐失去底层技能。本文介绍如何识别不健康的 AI 依赖，并设计刻意练习以保护人类能力。
ai-engineering
team-dynamics
engineering-leadership
developer-productivity
·tian
衡量真实的 AI 编程生产力：能在 90 天滞后期中幸存的指标
速度代理指标在第 30 天时看起来非常诱人，但在第 90 天时却与代码质量背道而驰。本文探讨了那些能够揭示 AI 编程工具究竟是在复利生产力，还是仅仅将债务转移到下游的滞后指标与领先信号。
insider
ai-engineering
developer-productivity
metrics
+1·tian
AI委托悖论：你无法评估自己不会做的工作
将编码工作委托给AI的工程师，恰恰失去了验证AI输出所需的技能。研究表明，使用AI工具的开发者实际上慢了19%，却认为自己快了20%——39个百分点的认知差距驱动着代码质量持续下降的危险反馈循环。
insider
ai-engineering
code-quality
software-engineering
+1·tian
AI 技能倒置：当初级工程师在错误的指标上超越资深工程师时
AI 编程助手让初级工程师在仪表板上看起来生产力提高了 6 倍，但同时也掩盖了架构腐化、衡量标准失真以及威胁到整个工程人才培养管道的导师制崩溃。
ai-engineering
developer-productivity
engineering-management
mentorship
·tian
AI 可读代码库：为什么你的代码的机器可读性现在至关重要
代码库结构是 AI 辅助开发速度的最大杠杆。了解帮助 LLM 驱动的代理在第一次尝试时就能正确导航和修改代码的重构模式、文件组织策略和上下文工程技术。
ai-engineering
developer-productivity
code-quality
refactoring
·tian
氛围编程有害论：当 AI 辅助的速度扼杀软件质量
AI 编码工具承诺速度，却带来理解债务——有经验的开发者使用 AI 后效率降低 19%，生成的代码问题多 1.7 倍，76% 的开发者会发布自己不完全理解的代码。
insider
ai-coding
technical-debt
developer-productivity
+1·tian
上下文窗口即 IDE：AI 编程智能体成败的关键在于它能看到什么
METR 研究发现，有经验的开发者在使用 AI 编程工具时反而慢了 19%——瓶颈在于上下文检索，而非模型能力。检索质量、项目记忆文件和即时上下文模式决定了 AI 编程智能体究竟是提升还是拖累生产力。
context-engineering
ai-coding-agents
code-retrieval
developer-productivity
·tian
生产环境中的 Agentic Coding：SWE-bench 分数没有告诉你的真相
SWE-bench Verified 的评分已达到 80% —— 然而同样的模型在更难的基准测试中仅获得 23% 的分数，一项受控研究发现 AI 工具反而让经验丰富的开发者效率降低了 19%。本文将探讨编程智能体在何处真正交付价值，以及它们在何处悄然失败。
insider
ai-agents
coding-agents
benchmarks
+2显示第 13–20 篇，共 20 篇
上一页2 / 2