Blog
Blog
PHODAL

TL;DR:https://github.com/archguard/archguard

两周前受彭鑫老师邀请,在《智能化软件开发微访谈·第三十四期 基于大模型的软件智能化开发实践》分享了我们在 Thoughtworks

TL;DR:我们试验了将 AI 应用到基于 Protobuf 的微服务架构中,基于 ArchGuard 治理平台、Shire AI 助手、Team AI 三个工具中,构建了一套完整的

随着AI技术在软件开发中的普及,开发人员的角色正在从单一技术专家逐渐转向“超级个体”——即具备跨界、创新和自我迭代能力的多面手。生成式AI不仅简化了传统开发流程,更通过不断迭代的反馈机制让开发人员掌握新技术栈、快速适应需求变化,并能将复杂的业务知识融入代码。本文结合生成式AI的实践场景,解析如何高效运用AI辅助工具并适应技术转型。

流式 BFF(Streaming Backend for Frontend) 是一种适用于 AI 原生架构的后端模式,旨在解决智能体协同过程中的数据流处理和接口不一致问题。

年初,我们注意到国内几大 AI 辅助编程工具,通过提供礼品和购物卡等推广手段,迅速引起了众多开发者的关注和使用。这种市场变化逐渐影响了我们开源

尽管,如过去构建 AutoDev 的 AutoCRUD、精准测试功能一样,我们有意去构建一个完全自动化的 API 开发智能体。但是依旧的,我们会遇到一些问题:

太长不看版:在新版本(0.8)的 Shire 中,你可以通过 Shire 智能体市场,一键下载和安装多个智能体,并直接在你的当前项目中使用。与此同时,你还可以

随着 Shire 的持续迭代,我们有了一些新的体会和感触,即 Prompt 不仅仅是一段提示词,而是可以直接执行的代码。而当是可执行的代码时,就是可执行、

去年,在那篇《Prompt 即代码:设计和管理 AI 编程的最佳实践》,我们分享了如何去在团队中

Feeds

RSS / Atom

最近文章

存档

2026 (2 个月)
2025 (12 个月)
2024 (12 个月)
2023 (12 个月)
2022 (12 个月)
2021 (12 个月)
2020 (12 个月)
2019 (12 个月)
2018 (12 个月)
2017 (12 个月)
2016 (12 个月)
2015 (12 个月)
2014 (12 个月)
2013 (9 个月)
2012 (3 个月)
2011 (1 月)
2010 (1 月)
1991 (1 月)

分类

标签

作者