Agent 友好型软件应该怎么设计？

相关阅读（点击可打开）用现代 C++ 手搓一个 RISC-V 模拟器想用现代 C++ 写点“真家伙”？来手搓一个 mini-Redis。想知道 Git 背后到底在干嘛？这篇“从零实现 Git”讲透了。

一次 AI 对话到底花了多少钱？

一行代码都不看，怎么把开发交给 AI：两端确认

设想一种有点激进的开发方式：从整理 PRD、生成技术方案，到写代码、补测试、维护文档，都由 Agent 完成。人不再逐行检查中间产物，主要在开工和交付这两个位置作出决定。这种工作方式离我们并不远。难题

我已经不看 AI 写的代码了

最近用 Claude Code、Codex 这类 Agent 写项目，我越来越少做一件事：把它生成的 diff 从头到尾读一遍。有时候，我甚至不会打开源码。Agent 搜索仓库，改动文件，运行测试，启

AI 写代码，真正难的不是跑通测试

有个 C++ 任务，看起来简单到不像 benchmark：实现一个 LOG_WARNING()，然后把项目里所有打印 warning: 的地方，都改成用它。模型写出来的代码能跑。输出也对。但维护者可能

收到工资1002415.13元，爱你华为！！

昨夜，一位华为员工从传统开发岗成功转岗到算法大模型岗，在网上晒出自己100w的工资条并大胆示“爱”，在行业内掀起了阵阵热潮。如今，这股强劲的AI之风，终究还是吹到了后端领域，既是风险，也是机遇。传统C

全体C++人做好随时涨薪的准备吧！

大家都在说行业寒冬，降薪裁员不断……但为什么还有人薪资翻倍、Offer拿到手软？！👇🏻DeepSeek 开出154万年薪抢大模型工程师；腾讯、字节大模型岗位涨幅普遍超过30%各大厂开放招聘技术岗，80

明显感觉C++的面试已经变了。。

我敢断言：今年，90%的传统开发人都将面临“阵痛性转型”！不是岗位变少了，而是游戏规则彻底变了——那些只会写CRUD、调接口、做页面的开发者，正在被“大模型技术壁垒”快速边缘化！2026年，技术圈真正

MCP 和 CLI 到底有什么区别？别再把它们当成替代关系了

最近围绕 MCP 和 CLI 的争论很多。一边说：MCP 太重了。工具 schema 太占上下文。同样查一个 GitHub issue，用 gh 命令几百 token 就够，MCP 可能要带上一堆工具

为什么未来的 Agent 系统，拼的是调度而不是模型大小

我发现很多人看 AI Agent，还是习惯盯一个问题：哪个模型更强？上下文是不是更长？参数是不是更大？推理是不是更聪明？这些当然重要。但如果你真的把 Agent 放到工程里用一段时间，会发现一个很现实

从线程池到 AI Agent：并发思维正在变成新的生产力

我发现很多人用 AI Agent 的方式，有点像第一次接触多线程。看到它能同时干活，就兴奋。看到它能开多个任务，就觉得效率要起飞。于是一个需求丢进去：“帮我把这个项目优化一下。”“帮我重构一下架构。”

大模型正在变成新的操作系统，程序员该换一种学习方式了

很多程序员学习 AI 工具的方式，其实有点像早年学电脑。记几个快捷键。背几个菜单入口。收藏一堆“提示词模板”。看到别人说某个工具好用，就赶紧装一下。今天学 Cursor。明天学 Codex。后天学 C

AI Code Review 会淘汰初级程序员吗？

我最近越来越觉得，程序员真正要警惕的，可能不是 AI 会不会写代码。而是另一件更安静的事：AI 开始审代码了。过去，一个初级程序员写完代码，通常会经历这样的流程：先自己跑一下。觉得差不多了。提 PR。

Redis 创始人用 C 把大模型塞进 Mac：C++ 程序员的机会又回来了？

这两年，很多 C++ 程序员看 AI，多少有点割裂。一边是每天刷屏的大模型、Agent、AI 应用、工作流自动化。另一边是自己熟悉的东西：内存、指针、缓存、线程、网络、文件系统、编译器、性能剖析。看起

AI Agent 时代，程序员真正的护城河是什么？

很多程序员最近有一种很微妙的感觉。以前说 AI 编程，大家还能把它理解成“更聪明的补全”。你写一半，它补一半。你写个函数名，它猜下面几行。错了大不了删掉重来。但现在不一样了。Codex、Claude

我让 AI 修改一个 C++ 项目后，发现程序员真正危险的不是写代码

很多程序员第一次真正感到不安，不是因为 AI 会聊天，也不是因为它会写八股文。而是因为它开始能改代码了。以前我们还能安慰自己：它只是补全几行、写个脚本、生成一段 demo。但现在 Codex、Clau

最近，C++的招聘市场已经疯掉了。。。

2026年AI行业最大的机会，毫无疑问就在应用层！字节跳动已有7个团队全速布局Agent大模型岗位暴增69%，年薪破百万！腾讯、京东、百度开放招聘技术岗，80%与AI相关……如今，超过60%的企业都在

什么是事件循环：为什么 exec() 一跑，Qt 程序就“活”了

如果你刚从基础 C++ 进入 Qt，事件循环通常不是你主动去学的，而是你在真正开始写 Qt 程序时，被一连串现象逼着必须弄懂的。你第一次写 Qt 程序，往往很快就会碰到这些场景：• 在 main()

用纯 C++ 手写一个迷你信号/槽系统

在用 Qt 写界面的那些年，我最常敲的一行代码，大概就是这句： connect(button, &QPushButton::clicked, this,

QPointer 和传统指针有什么区别：为什么 Qt 需要“会自动变空”的指针

如果你已经学过 C++，第一次在 Qt 代码里看到 QPointer<T>，很容易冒出一个念头：这不还是个“指向对象的指针”吗？和普通的 T* 有必要分这么细吗？这个问题，光背定义其实不容易真正明白。

把 tmux 变成 AI 协作总线：我为什么觉得 smux 这个小工具很有意思

这两个月，越来越多做开发的人开始进入一种新状态：不是只开一个终端，不是只用一个 AI，也不是只盯着一个任务干到底。你可能一边让 Claude Code 改代码，一边让 Codex 看测试，一边让另一个

真正卡住 Codex 体验的，不是模型，而是它有没有进入你的工作流：我很推荐这个 codex-acp

最近大家聊 AI 编程，最容易聊偏的一件事，就是总把注意力放在模型本身。比如大家会讨论：• Codex 强不强• Claude Code 强不强• 哪个模型更会写代码• 哪个 Agent 更聪明这些当

很严重了，大家别轻易离职。。

AI Coding，问世不到3年，职场已经天翻地覆！感受到最近的招聘变化了吗？尤其是大厂的招聘动作：以前还分前端、后端、架构师……现在岗位表上只写四个字：Agent工程师！为什么会有如此变化？因为AI

我最近最想安利的 AI 开发工作流：YC 总裁开源的 gstack，真的能让 Agent 体验直接质变

最近一直在聊 Agent，聊 Vibe Coding。但我发现，一个很关键的问题，其实一直被很多人忽略了。真正卡住大多数人的，根本不是模型不够强，也不是 prompt 不够花，而是你没有一套像样的工作

在 AI 编程时代，为什么我们反而需要慢下来？

当代码生成越来越快，真正重要的能力，反而变成了：你有没有勇气慢下来，重新思考什么该做，什么不该做。过去一年，AI 编程代理真正开始进入主流开发者视野。从最初只能帮你补全几行代码、改一点小 bug，到现

Claude Code 的 Auto Mode，到底解决了什么问题？

把 Anthropic 这篇工程文章讲得更清楚一点原文：Claude Code auto mode: a safer way to skip permissions很多人第一次看到这个标题，可能会以为

AI 的下一站，不是“想更久”，而是“形成闭环”

这篇文章，受 Junyang Lin 那篇 《From "Reasoning" Thinking to "Agentic" Thinking》 启发，但下面我不准备按原文顺序复述，也不打算做逐段翻译。

从 Anthropic 到 OpenAI：Harness 的两种工程视角

最近一段时间，关于 Agent 和 AI 编程的讨论里，Harness 成了一个高频词。但很多人对这个词的理解，仍然停留在一个很模糊的层面：• 有人把它理解成多 agent 编排；• 有人把它理解成

为什么强模型仍然需要 Harness：Anthropic 对长任务应用开发的回答

很多人讨论 AI 编程时，最容易陷入一种直觉：模型越来越强，长任务、多文件工程、完整应用开发这些问题，迟早会被更强的模型自动解决。Anthropic 这篇文章最有价值的地方，在于它明确地指出：模型能力

Codex 最佳实践：C++ 工程师别把它当聊天机器人，要把它当工程搭档

AI 基础 Codex 最佳实践：C++ 工程师别把它当聊天机器人，要把它当工程搭档 从构建、调试、测试、AGENTS.md 到自动化，站在初学者视角理