过去很长一段时间，很多所谓 Agent 框架给我的感觉都差不多：表面上在讲“智能体编排”，本质上还是把提示词、工具调用和一点状态管理缝在一起。能演示，能跑 demo，但离真正的工程执行环境还差一层东西。 OpenAI 2026 年 4 月更新 Agents SDK 之后，我第一次觉得这个方向开始更像“执行框架”而不是“提示词外壳”了。原因不是它又多…

最近 Linux 内核项目给出了面向 AI Coding Assistants 的正式文档。很多人看到这个消息，第一反应可能是：连 Linux 内核都接受 AI 代码了，说明 AI 编程已经彻底进入主流。 但我看完文档后的感觉刚好相反：这份文件最重要的不是“接受”，而是“划线”。它真正表达的是，AI 可以参与，但责任、人类签署和法律归属不能外包。这…

这段时间，大家都在讨论怎么把 Agent 接进业务流程，怎么让它调用工具、访问 API、跑多步骤任务。但我越来越强烈的感受是：Agent 这件事，真正短缺的已经不是“能力”，而是“治理”。能做事的 Agent 越来越多，能被安全地放进真实环境里的 Agent 其实并不多。 所以微软 2026 年 4 月初开源 Agent Governance To…

过去一年，很多 AI 编程产品都还停留在“给编辑器加一个更聪明的对话框”。Cursor 3 这次不太一样。它公开表达的方向，已经不是让你在 IDE 里更高效地补全代码，而是把开发者往一个新的位置上推：从亲自敲每一行代码的人，变成同时调度多个 Agent、审查结果、决定取舍的人。 这也是我觉得这次更新值得写的原因。它不只是一个产品版本升级，而是在提醒…

这几年，不管你是在看大模型、做 AI 应用，还是只是在用各种 AI 编程工具，几乎都会碰到一个词：Transformer。 很多介绍一上来就讲注意力机制、矩阵运算、位置编码，讲得没错，但对大多数开发者来说，问题其实更基础：Transformer 到底解决了什么问题？它为什么突然成了今天大模型的底座？ 这篇文章不打算把你变成论文作者，而是想用工程视角…