软件哲学

Agent 写代码又快又少犯低级错误，传统 PR review 沦为机械点 approve，让 agent 互相 review 效果也不佳。本文分析了 PR review 在 AI 时代失效的原因，提出审核方式的四个革命性改变：时间点从 review PR 提前到 commit 之前（用提交锁 CR 文件和 hook 叫停自动提交）；标准从找小错误转向关注 code smell、过度设计和 PR 是否过大；动作从逐行阅读变为向 agent 询问意图、从手改代码变为修改 ABS 规则文档；频次从每个 PR 必

本文探讨 AI 时代软件开发范式的根本转变。当前工程师对 AI 辅助编程大致有三种态度：不信任（只用作代码生成器）、完全信任（Vibe Coding）、以及半信任。 作者提出，软件工程正经历类似"离散元器件→集成电路"的抽象跃迁：工程师的核心工作将从"写代码"转向"写 ABS"（Agent Behavior Specification）。ABS 包括 AGENTS.md、NEVER.md、BEST_PRACTICES.md 等规范 Agent 行为的文件。ABS 才是新时代的源代码，代码只是 ABS 的编

文章通过类比 60 年代的 LOC 指标，指出用 Token 消耗量衡量 AI 编程效率同样荒谬。深入解析了 LLM 的上下文机制（会话记忆、上下文压缩、注意力稀释），揭示超长上下文反而会导致代码质量下降、Bug 增多的恶性循环。作者以自身实践说明：精细拆解任务、保持短上下文，才是高效高质量产出的关键。

AI时代"Vibe Coding"盛行，但练习编程依然必要。人脑学习速度不因 AI 而改变；AI 既学了好代码也学了坏代码，你看不出问题它也看不出。文章用两个例子说明：缺乏经验者无法识别 JavaScript 对象引用陷阱，也无法在真正动手时回忆起课上学过的 API。结论：AI 只是地图，无法替代真正理解系统和工程复杂性的过程。

程序员正面临 AI 时代的迷茫与转型。本文指出，LLM 存在架构偏移、软件熵增、上下文困境、token 滥用四大致命问题，导致 AI 无法无监督地完成复杂开发任务。因此，程序员的未来角色将分为两个阶段：督导——审核 AI 代码、防止质量失控；编排——搭建多 Agent 协作的 AI 开发工作流。传统 IDE 将逐渐消亡，代码品味、重构、测试等能力将成为新的核心竞争力。

本文通过对比 Codex、Claude Code、Open Claw 和 Hermes Agent 四种主流 AI Agent 的上下文治理方式，直观讲解了什么是"上下文治理"。文章从最简单的规则文件与记忆目录，逐步演化到人格系统、自动记忆、技能生成和数据库检索，展示了 AI Agent 如何通过上下文管理变得越来越像真正的"长期工作助手"。最后，文章提出了一个重要观点：上下文本质上是智能体的"电子脑"，未来 AI Agent 的核心竞争力，很可能不再只是模型本身，而是上下文治理能力。