2026年8月15日 大语言模型能建议 Metamorphic Relations，但它们无法保证正确性 大语言模型在发现 test oracles 时是个不错的头脑风暴伙伴，但它们会产生幻觉性质，并遗漏领域约束。以下是如何在不发布虚假测试的前提下使用它们。 metamorphic-testingllmtest-oraclesai-engineering
2026年7月19日 你的 Claude 对话已经是文档了。只是它会在 12 小时后消失。 LLM 对话包含意图、被拒绝的替代方案以及可运行的代码。这正是文档应该包含的内容。以下是将 ephemeral chat 转换为持久、可搜索的文档，同时不丢失叙事的方法。 literate-programmingllmdocumentationai-engineering
2026年7月13日 大语言模型可以预先审查你的代码，但它无法主持会议 费根审查需要四到六个人、两小时才能审完250行代码。大语言模型可以通过承担准备工作和检查清单的执行来削减这部分成本，但它无法取代人类角色去发现最昂贵的缺陷。 fagan-inspectionsllmcode-reviewai-engineering
2026年6月12日 五种实现却没有多数派：如何真正选出最佳方案 N-version programming 听起来很简单：运行多种实现，然后挑出最佳答案。但在实践中，'最佳'远比'最常见'更难定义。 n-version-programmingimplementation-selectiondifferential-testingai-engineering
2026年6月11日 同一个 LLM 可以写出五个版本的函数。下面介绍如何让它们真正不同。 基于 LLM 的 N 版本编程不需要多个模型。通过变化提示词、角色设定和推理约束，你可以从单个模型中提取多样化且正确的实现。 n-version-programmingllmdiverse-implementationsai-engineering
2026年5月27日 验证光谱：为什么 AI 编写后端代码最出色 AI 编码遵循一条验证梯度：后端在毫秒内确定性地验证，Web 需要分钟级的视觉回归，移动端受限于物理现实需要数小时。验证速度和确定性沿着这条光谱递减，反馈循环直接决定了 AI 编码在哪里能发挥作用、在哪里会碰壁，决定了AI编码的可行边界。 ai-engineeringbackendwebmobilevalidationai-codebase
2026年5月26日 恐惧 vs. 碾压：AI 编程的两种现实 AI 编程对能够从任何混乱中恢复的精英团队有效。其他人则只能面对恐惧、失败的 CI 和被放弃的实验。差距不在模型本身。 ai-engineeringsoftware-architectureproductionai-codebaseteam-dynamics
2026年5月24日 AI 编程落地生产环境：为什么大多数团队半途而废 大多数团队尝试 AI 编程，代码上线后被 QA 驳回，然后放弃。问题不在于模型——而在于缺少让 AI 输出变得可信任的护栏。 ai-engineeringsoftware-architectureproductionautotomyai-codebasebest-practices
2026年5月23日 Fuck-u-code：你的 AI 流水线遗忘的确定性质量关卡 你已经有类型检查、代码风格审查和架构规则。但你的确定性栈对复杂度、重复代码和命名灾难视而不见。以下是零成本的解决方案。 ai-engineeringdeterministicguardrailscode-qualitystatic-analysisci
2026年5月22日 为什么第一版从来不是问题：AI 编程与长期维护 AI 编程工具擅长生成第一版。真正的工程挑战始于第四版——当团队需要改动某些东西而不破坏其他一切时。 ai-engineeringsoftware-architecturerefactoringai-codebaselong-term-maintenance
2026年5月22日 AI 生成代码与可替换性原则 衡量 AI 生成代码质量的真正标准不是它在第一天能否运行，而是在第三十天你能否在不 rewrite 其他所有内容的情况下替换它。 ai-engineeringsoftware-architecturereplaceabilityai-generated-codemaintainability
2026年5月22日 AI Codebase 的确定性护栏 人工审查不一致，AI 审查更不可靠。AI 生成 codebase 唯一可扩展的防线是确定性 enforcement：让构建失败的规则，而非被忽视的建议。 ai-engineeringsoftware-architectureguardrailssemgrepci-cdcode-review-automation
2026年5月17日 在 AI 时代，代码评审会变成规格评审 当 AI 能从规格生成实现、测试和 contracts 时，人类最有杠杆效应的工作会前移到上游。最需要被严格审视的，是规格本身。 ai-engineeringcode-reviewspecificationsliving-specificationsci
2026年5月16日 AI 安全栈: types、contracts、property tests 与 mutation gates 如果你想让 AI-generated code 能在生产环境里站得住，光靠 code review 不够。你需要一套从 type constraints 到 mutation testing 与 runtime containment 的分层安全栈。 ai-engineeringsafety-stacktypesdesign-by-contractproperty-based-testingmutation-testing
2026年5月16日 Stanford CS146S 对 AI coding 的判断是对的。缺的课程是架构 这篇对 Stanford CS146S 的评析认为，它准确看到了 AI coding 的转向，但真正决定长期质量的仍是 AI architecture：系统是否可替换、可约束、可持续演进。 ai-engineeringsoftware-architecturestanfordcs146sguardrailsagentic-development
2026年5月15日 为什么很多优秀的工程策略直到 AI 出现才真正变得划算 Design by contract、property-based testing、mutation testing、model checking 从来不是坏思路。真正的问题是它们长期需要太多专业判断才能维持，而 AI 正在改变这笔账。 ai-engineeringsoftware-reliabilitydesign-by-contractproperty-based-testingmutation-testing
