近一天浏览数排行。
近三天浏览数排行。
从文章库里持续更新，保留摘要和分类，方便判断是否值得点开。
美团平台数百万商家面临海报设计资源匮乏、交付时效苛刻、内容同质化及批量质量失控等困境。AIGC技术为创意平权带来可能，但生成商业可用海报需克服精准文字渲染、和谐版式布局、统一美学风格、多任务场景支持及质量可量化评估等挑战。美团智能创作团队构建了PosterCraft、PosterOmni和PosterReward三大系统形成技术闭环。PosterCraft采用端到端优化，通过四阶段级联训练（包括大规模文字渲染优化、高质量海报微调、美学强化学习及视觉反馈精炼）显著提升文字渲染准确率，接近闭源商业系统水平。PosterOmni针对多任务设计需求，将扩图、补全、比例调整等六类任务统一于单一模型，通过专家训练、任务蒸馏及统一奖励模型进行强化学习，缓解任务冲突并提升编辑与创作能力。PosterReward作为首个海报质量评估奖励模型，构建自动化偏好数据集并通过四阶段级联训练，在专项基准上达到86%准确率，为生成模型提供优化信号并承担线上质检。三项工作全部开源，并在美团外卖套餐图生成、品牌IP设计等业务中落地，有效提升海报生产效率和质量。
本文记录了一次Oracle数据库恢复的故障案例。数据库处于open状态，但一个数据文件offline，尝试删除表空间时失败，错误提示文件无法读写。根据经验，初步判断可能是undo表空间文件offline导致，计划通过屏蔽异常回滚段或强制online文件解决。查询异常回滚段未果，进一步核查字典表发现异常：v$tablespace中存在两个undotbs1表空间记录，而ts$和file$信息不匹配，表明字典被篡改。现场确认有技术员根据deepseek AI的建议，直接执行了删除ts$和seg$记录的操作，但未处理file$，导致字典不一致，数据库因检查异常事务而停滞。通过修复字典、清理异常事务，数据库恢复正常，数据成功导出。案例警示，在数据库非常规恢复等高风险操作中，依赖AI建议需谨慎判断，避免不可逆错误，并务必制定回退方案。
文章回顾了软件工程自1968年以来的范式演变，从瀑布模型到敏捷、DevOps，指出核心假设“代码由人编写”首次被大语言模型打破。AI Coding Agent的演进分为四层：补全、对话、任务、自主流程，逐步将人类角色从作者转变为指挥者和审查者。Vibe Coding虽降低编程门槛，但易导致代码质量陷阱，需通过Agentic Engineering和结构化方法提升产出。核心主张是从Prompt-Driven转向Skill-Driven，强调持久化、可复用的Skill系统，如Spec-Driven Development和Ralph Loop等方法论。这些变革基于“用结构化知识驾驭非结构化AI能力”的原则，为AI时代软件工程提供新框架，凸显工程素养的关键作用。
Andrej Karpathy宣布半年未亲手写代码，转而使用AI Agent驱动开发，标志软件工程进入新纪元。他提出软件3.0概念：LLM作为新型计算机，编程通过提示实现，产生‘参差不齐的智能’。行业趋势显示AI编程工具从Copilot到Claude Code快速进化，效率提升数百倍。然而，AI放大工程缺陷，Vibe Coding可能导致技术债务，而Agentic Engineering强调人类在架构、验证和责任感上的核心作用。方法论如Matt Pocock的Skills系统、Spec-Driven Development、Ralph Loop的自主循环和Garry Tan的gstack虚拟团队，共同应对验证差距。Harness Engineering聚焦Agent运行环境，确保可靠性。文章指出，当开发速度不稀缺，工程化成为壁垒，人类需提升品味、判断力和系统审美。作为卷首语，它引出本书对AI时代软件工程方法论的系统探讨。
goal-workflow 是一套AI驱动的研发工作流系统，旨在自动化从需求分析到代码交付的整个软件开发生命周期。系统通过四个标准化步骤实现端到端闭环：首先，/prd 命令利用AI生成结构化PRD文档和Issue卡片，通过交互式问题澄清需求并拆解任务；其次，/goal 命令基于Issue实现功能代码，AI代理自动分析代码库、编写实现并运行测试；然后，/review-it 命令进行可信代码审查，遵循验证后执行、拒绝噪音、迭代修复原则，确保代码质量；最后，/ship-it 命令自动化提交流程，包括git操作、创建PR、合并代码和关闭Issue。工具兼容Claude Code、Codex等多种AI代码编辑器，提供双语支持和灵活部署，集成GitHub Issues、本地Markdown等平台。其核心理念是让AI处理重复性、规则性工作，释放开发者专注于创造性任务，提升团队研发效率和个人开发速度，减少需求理解不一致和返工问题。
Google在2026年I/O大会上发布Antigravity CLI，正式取代Gemini CLI，整合进Antigravity产品家族。该工具与Antigravity 2.0桌面版共享统一Agent引擎，支持自然语言交互，用户可通过对话指令Agent完成代码编辑、工作流编排等任务。核心特性包括Subagents（子智能体），允许主Agent派生子Agent并行处理后台任务如文档查询、构建验证，并拥有完整工具权限；终端沙箱利用操作系统原生能力（macOS sandbox-exec、Linux nsjail、Windows AppContainer）实现安全隔离，零启动开销；插件系统提供打包命名空间，可部署技能、智能体、规则等组件。安装通过一键脚本跨平台完成，认证支持本地和SSH环境。三大核心斜杠命令：/goal启用深度工作模式，自动执行复杂任务直到目标达成，使用独立模型评判；/schedule设置定时或循环任务，基于Cron调度实现自动化检查和报告；/grill-me用于方案对齐，确保AI输出准确。Antigravity CLI定位终端优先、键盘效率，与桌面版互补共享设置，提供统一AI开发工具链。
本文探讨了AI驱动的代码审查工具链Clawpatch与codex-review skill，旨在解决传统代码审查中审查者缺乏完整上下文的核心矛盾。Clawpatch通过`clawpatch map`命令将代码仓库映射为包含入口点、归属文件、上下文文件和关联测试的语义特征单元，突破了传统逐文件扫描的局限。它支持主流技术栈的自动识别，并基于这些语义单元调用AI进行审查，生成结构化的findings，包含分类、严重程度、置信度和证据。其修复流程设计保守，通过`clawpatch fix --finding `进行显式修复，并严格执行格式检查、类型检查、lint和测试的验证流水线，确保安全性。`deslopify`模式则专注于清理可本地验证的代码质量问题。codex-review skill为基于Codex CLI的审查定义了一套标准化的SOP，强调审查输出仅为建议、需验证、拒绝不切实际的边缘案例、修复精准且需闭环验证，并推荐使用subagent以避免上下文污染。文章最后通过一个Next.js项目的实战演示，从初始化、构建语义映射、执行审查到逐条处理findings，完整展示了该工具链的工作流程。这篇文章属于工具介绍与实战教程类型，详细阐述了如何结合自动化工具与规范化工作流，实现高效、安全且可追溯的AI辅助代码审查。