写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术,或者一个兴趣、爱好
- 或者,就直接把你的个人博客、公众号直接搬到这里
登录/注册
收录了 项目技术架构工具 频道下的 50 篇内容

项目涉及十余家本土伙伴,跨语言、跨团队协作链条较长~

Kubernetes 社区推出融合 AI 与开源维护的完整框架,坚持人工责任优先。

“作为架构负责人,同时仍保持动手实践,这是团队中唯一有效的软件开发方式。”

生成式 AI 时代代码易得,但架构一致性难以保障,传统评审模式无法适配 AI 生成效率。本文介绍声明式架构,通过将 ADR 与事件模型转为自动化规则,实现轻量化合规路径,在去中心化治理的同时保持整体协同。

当 AI 代码生成效率持续提升,企业竞争的分水岭,已经从「能不能做出 Demo」转向「能不能推进生产落地」。

架构变更案例拓展了架构决策记录(ADR)的设计思路,用于评估各项决策后续可能发生的变更,能够挖掘隐藏的预设条件,协助团队预估变更的撤回成本与可逆程度。

NVIDIA 通过 DGX Spark 与 DGX Station 将数据中心级 AI 算力下沉至桌面环境,配合 NemoClaw 开源栈提供的安全运行时,为企业构建自主 AI 智能体提供了合规、可控、可扩展的技术底座。

“当 AI 从‘聊天框’深入‘执行层’,企业落地的逻辑变了。AICon 2026 深度聚焦 Agent 执行内核与智算架构重构,12 大专题现已开启,邀您分享那些‘踩坑’后的真知灼见。

AI Coding 如何从个人开发提效工具,进一步演进为覆盖 SDLC 全流程的智能化研发能力

MediaTek 试图进一步完善其围绕手机、汽车、IoT 等多终端场景的开发生态,并推动 AI 能力和游戏能力在天玑平台上的落地。

InfoQ与Gardy Booch探讨了当机器与人类共同编写代码时,架构应当如何进化的原则性议题。

通过“设计+规范”、“知识+工具”、“模式+流程”三大驱动,实现 AI 模型与工具的能力增强与研发团队工程优化的双向管齐下与双向奔赴

自动化测试之所以难以真正铺开,很多时候并不是因为团队不重视,而是因为门槛太高: 业务人员不会写代码,测试脚本又难维护。Microsoft Edge QA 团队开源的 AutoGenesis,想解决的正是这个问题: 让测试人员只需要用自然语言描述场景,就能借助 AI 生成自动化代码,并由确定性的程序稳定执行。基于这一路径,团队在 Windows、macOS、iOS、Android 四个平台上验证了方案可行性。本文将拆解其基于 MCP 的架构设计、代码生成与执行机制,以及它如何帮助非技术背景成员真正参与自动化建设,并通过 200 万+ 月执行步骤、99% 通过率、700+ 用例规模等数据,展示这套方案在效率、稳定性和规模化落地上的实际价值。

项目管理始终是企业提升生产效率的重要抓手

当前 AI Coding 工具在复杂系统中面临“结构不可控、上下文幻觉、资产难维护”的落地困境,代码采用率往往不足 10%。

Agent 能否真正进入研发流程?AI 写代码的边界到底在哪里?团队又该如何在效率和可控之间找到平衡?

目前 Muse 已覆盖小红书全部职能线,在主流 AI Coding 产品中率先实现非研发独立完成从创意到可上线代码的全链路 NoCode 交付

“我批准将这段代码投入生产环境,并承担随之而来的所有风险。”2026年最大的挑战,就是找到愿意说出这句话的人。

Moonrepo发布了moon v2.0,这是其自v1以来的首个重大版本更新。新版本引入基于插件的工具链系统,并支持包括JSON和TOML在内的多种配置格式。CLI也进行了重构,增强了任务继承与Docker集成能力。主要变化还包括架构转向以及VCS支持的改进。

AI 代码生成率从 0 做到 30%+,83% 的研发人员开始使用 AI 工具,个人体感提效 20-40%