过去一年，关于“AI 生成代码到底能不能进生产、能不能进开源主干”的讨论，很多时候都被说得太虚。有人把它讲成效率神话，有人把它讲成版权灾难，还有人干脆把问题简化成“能不能用 Copilot”。Linux 内核最近给出的答案，反而是目前我看到最有工程味的一种：可以用，但别装作是工具在负责，责任还是你自己的。 内核文档已经新增了两份相关说明。一份是 A…

过去两年，“提示词”被讲得有点像咒语：有人把它说成一套神秘技巧，仿佛只要背几个模板，就能让模型瞬间变聪明；也有人开始反过来鄙视它，觉得 prompt 只是过渡产物，迟早会被更强的模型吞掉。 这两种看法都不太对。 对普通开发者来说，提示词更准确的理解是：你给模型下达任务时，用来描述目标、上下文、约束和输出要求的接口层。 它不神秘，也不低级。它本质上更…

如果你最近还在用“AI 编程工具就是代码补全”来理解这个赛道，那你看到的其实已经是上一阶段的产品定义了。2026 年的变化越来越明显：真正拉开差距的，不再只是模型会不会写代码，而是工具能不能进入你的终端、理解你的仓库、并行拆任务、接管执行链路，还能把成本和控制权交还给开发者。 GitHub 这一个月连续给 Copilot CLI 加了几件很说明问题…

过去很多人提到 MCP，还把它当成一个“给大模型接工具的协议”。这个理解不能说错，但已经明显过时了。到了 2026 年，MCP 更像是在往一层新的开发基础设施演化：它不只是帮模型调用工具，而是在试图重新定义 AI 系统怎么接文档、接服务、接前端交互、接跨系统能力。 这件事为什么值得写？因为它开始影响的，已经不是少数做 Agent 平台的人，而是越来…

这两个月，AI Agent 平台已经从“能不能做”进入到“该怎么选”的阶段。问题也随之变了：现在真正困扰团队的，不是找不到平台，而是平台太多，每一家都在讲多 Agent、工作流、记忆、工具调用、MCP、可观测、企业级部署，听起来都对，落到项目里却很容易选错。 这篇文章不打算做平台大全，也不打算按功能表逐项打分。我更想回答一个更实际的问题：开发团队、…

最近我觉得一个比“又出了什么新模型”更值得写的信号出现了：开源世界正在开始认真处理 AI 写代码这件事，而且处理方式并不是一刀切地禁用，而是把问题重新拉回工程责任。这件事为什么值得写？因为它说明 AI 编程已经过了“能不能用”的阶段，进入了“怎么纳入真实生产流程”的阶段。JetBrains 在 2026 年 4 月发布的研究提到，2026 年 1 …

过去几年，大家聊 AI 编程、Agent、自动化，更多是在聊效率红利。但进入 2026 年，我越来越觉得，开发者真正需要补的一课，不是怎么把工作流再提速 20%，而是怎么避免自己的工作流先把自己卖掉。 这不是危言耸听。最近几次供应链事件已经把问题说得很明白：攻击者盯上的，不再只是你上线后的应用，而是你写代码、跑 CI、签名发布、安装依赖的整个开发过…