上周我一个人把N个需求从前端写到后端，AI CR + 自己完成必要的测试，配好 CI/CD，上线观察，出问题自动回滚 + 重新修复发布。放在几年前的大厂，这个工作量大概需要四个人两周的时间。 自从AI coding出现之后，企业对于程序员的能力需求模型明显变了。 1️⃣ 端到端的交付能力 以前公司买的是你的部分领域能力(前端、后端、测试)，现在买的是你的结果。 之前程序员的分工很细，前端、后端、测试、运维各守一环。现在一个人完全能把整个开发流程闭环起来：后端顺手把前端写了，测试自己 cover 掉大部分，部署运维也自己进行，针对这个仓库和功能搭一套最合适的 CI/CD。 因为没有沟通摩擦和对齐成本，一个人做完通常比几个人每人做一块要来的快得多，出问题时的改动速度也快得多。 公司为此付的是 token 成本，token maximizer 那套排行榜现在大家有点反感，但不可否认的是，一个人的 token 消耗量和他的产出，确实是正相关的，我身边一天能用到10亿token的人依旧是少数，大部分人还是亿级别。 现在程序员得对整件事的结果负责，做完自己领域那一环就交差的时代过去了。 2️⃣ 验收能力 生成代码基本免费之后，瓶颈整个后移到了验证这一侧。 我最忙的时候同时开过 10 个 coding agent，表面上吞吐拉满、效率很高，但一个多小时后大脑就会被直接烧干。因为人脑本身的吞吐量对比 AI 来说真的太低了，卡住我的不是生成端，是我脑子里的 review queue，每个 agent 返回结果，我都要重建它的意图、检查实现、判断风险、决定下一步。 现在使用 AI 最重要的就是要学会验收，会写验收标准，测试怎么写、边界在哪、什么状态算做完、什么时候合入、CICD怎么配、配什么样的线上权限等等。AI 能替你写代码，替不了你定义什么叫做对了。 3️⃣ 判断和经验 写代码成本趋近于零有个副作用，那就是一旦方向错了，做错东西的速度也快了 10 倍。以前方向选错，损失是几周工时；现在 AI 一天就能帮你把错的东西做完、做精，等你回过神来，已经在错的路上跑出去很远了。 所以之前做过类似业务是个非常巨大的优势，它让你在项目还没开始之前，就能在业务和技术上做判断，直接砍掉错误方向，省下来的时间和 token 相当可观。 架构经验尤其值钱，AI 能照着你定的结构把每一块都实现得很漂亮，但要不要拆微服务、模块边界划在哪、状态放前端还是后端、哪个方案现在写着爽、三个月后会变成还不完的债，AI 给不了你笃定的答案。 业务判断也一样，哪些需求是伪需求、哪个功能上线根本没人用、哪里得提前留扩展点，一个有对应业务经验的工程师，才能在开工前就把这些坑都挖出来。 这些经验 AI 暂时替代不了，AI能把执行加速到极致，但选方向、划边界、判断，还得靠人的经验。

塞进 CI/CD，每个 PR 自动过一遍安全 说实话，这个用法才是它真正能落地的地方。 Strix 带了非交互模式（-n 参数），不弹交互界面，实时打印发现的漏洞，跑完输出报告，发现漏洞会以非零退出码结束，这一点很关键，意味着它能直接卡住 CI 流水线。 配进 GitHub Actions 也就十来行：👇 在 PR 场景下，它会自动只扫改动的文件，跑得快，不会每次全量扫，这样有问题的代码在合进主分支之前就被拦下来了，比上线后再补救划算得多。

搭建高效的内部开发者平台 工具选型的系统性参考至关重要 开源项目 awesome-platform-engineering-tools 它整理了从代码仓库、CI/CD 构建、容器编排，到监控告警、安全合规等全链路的工具选型方案 还收录了相关书籍、核心架构理念，以及从初级到专家的职业发展路线图 相当于一张清晰的导航图，无论是技术选型还是规划团队建设，都能找到权威的参考坐标。 GitHub：

我这些年反复讲过，让AI Agent好好写代码，所有的秘诀都写在了1990年代的教材里： - 踏踏实实写test，多写test，让test coverage尽可能高 - 认真做好CI/CD，千方百计避免messed up - 对于一个新项目，做好top-down design（specs driven），从features和requirement出发，设计architecture 和 interface，一层一层设计下去 - 对于一个快速增长的项目，先切分好文件，再切分好module，再划分成一堆service或者executives，提前解耦 - 对于一类的功能，提前做好design pattern的功课，减少重复，增加复用 - 如果codebase足够大，要么一点点修复但是提高test coverage，要么保持好specs、test、interface直接推倒重写，有空就重写， 永远重写，重写重写重写 近两年人类做的事情，就是把上面这些东西重新实践了一遍。

⚡ 在自己服务器上跑一个私有 GitHub，代码托管、代码评审、CI/CD 全都有。 GitHub 56.6k star，是自托管 Git 服务里最轻、最稳的老牌选手。 私有代码放在别人平台上总归不踏实，团队一多私有仓库还要按人头掏钱。 Gitea 用 Go 写的单文件，扔到一台小服务器上就能跑，吃的资源少到树莓派都带得动，Git 托管、Pull Request、包管理、流水线一整套开发协作全给你包圆。 小团队和个人开发者搭一个自己的代码大本营，从此代码彻底攥在自己手里。 省下 GitHub 团队版的订阅，还换来数据自主，值。 GitHub：

吴说获悉，据网络安全公司 Socket 披露，5 月 11 日，开源工具库 TanStack 旗下 42 个 @ tanstack/* npm包（共计 84 个版本）遭黑客恶意篡改。相关版本被植入了窃取 CI / CD 凭证的恶意代码，目标涵盖 GitHub Actions、AWS、Kubernetes 等核心环境，官方建议受影响用户立即轮换相关凭证。Socket 指出，此次事件属于正在扩大的“Mini Shai-Hulud”供应链攻击的一部分，目前开源 AI 平台 Mistral AI、自动化软件 UiPath 等多个知名命名空间也已确认受到波及。

准备运维和 DevOps 面试，网上搜到的大多是那种拼凑的题库，跟真实面试差别挺大。 DevOps-Interview-Guide 收录了 151 份真实面试记录，来自 85 家公司，问的问题都是候选人原样记下来的，没有二手转述。 覆盖 Kubernetes、Docker、Terraform、AWS、CI/CD、Linux、监控告警等方向。 GitHub： 同一家公司被面过几次的，每次单独存一个文件，能看出不同轮次和面试官风格的差别。 正在找 DevOps 或 SRE 岗位的朋友，翻几个目标公司的面试记录，比刷通用题管用。

精简系统和项目级别提示词的时候要谨慎... 模型来到了5时代之后，我让fable 5自动精简了一部分重复、冲突、无实际意义的系统提示词，最后大概删了58%的全局提示词，项目级别提示词删了55%，垂直模块的记忆删了20% 删完之后Agent都不知道怎么合代码了，开始进入睁眼说瞎话模式，但是实际的合入指引在项目ci-cd.md中依旧是存在的 很难定位到具体是这次精简导入的问题还是opus 5在发癫

现在只要有这俩，我就能干活了。 这几天的工作基本上都是给 Claude 发消息、检查一下效果、合 PR 。 我觉得 Cloud 端的 Coding Agent 有点被低估了，并行 Coding 非常的爽，没有没完没了的 Worktree，不用担心网络是否稳定。 只需要最开始配置一下 CI/CD，后面就爽爽干！