在周末的公司【AI4SE 效能革命与实践：软件研发的未来已来】直播里，我分享了《AI编码工具 2.0 从 Cursor 到 AutoDev
在半个多月前，DeepSeek V3 发布之后，我们为 Shire 引入了多文件编辑的能力。在我们多次测试之后，我们发现 DeepSeek V3
在过去的一年里，我大量的时间都花费在了 AI 辅助研发的调研、方案与落地实践上：
在 2024 年年底，终于将我之前想跟随的自定义多文件编辑功能发布了。在最新的版本里，你可以体验一系列的 AI IDE 智能体特性：
在经过多个项目上的试用后，我们进入了持续的修修补补，以及功能的增强阶段。终于，我们发布了 Shire 1.1 版本，这个版本带来了更强大的交互支持，
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：