AI 评测为什么要不断加难，又要保住旧功能？
模型总分更高，为什么用户反而发现旧功能不能用了？
文章
由 AI 采访转化而来，每篇都能追到原视频。
AI 把攻击者变快以后，开源软件不能只等补丁
AI 让攻击者更快找漏洞、串联攻击，软件团队怎样避免补丁还没打上，依赖链就先失守？
Anthropic 每天合并约 3 万次代码变更，评审时人在看什么？
Agent 提交的代码多到人无法逐行读完时，评审该看什么？
AI 已经会写代码，企业为什么还需要一座“软件工厂”？
AI 可以很快写代码，企业交付却仍可能卡在事故诊断、评审、测试和跨团队交接。
Coding Agent 一次做对以后：Tessl 怎样搭起软件工厂的三层 Harness
Coding Agent 一次写对，不代表团队已经敢取消人工审查。
Agent 要改数据库，PlanetScale 先给它分支、预算和回退按钮
Agent 改应用时也可能需要改数据库，但错误的结构或查询可能影响所有用户。
票送给朋友后还能退款：Sonar 用 Gitar 演示代码审查漏掉的业务错误
测试全绿，怎样发现新功能与旧流程冲突的业务错误？
给客服 Agent 加一句安全提示，为什么任务反而做不完了？
修复 Agent 的一个问题，怎样避免弄坏原本正常的任务？
PR 开始按 Agent 的速度增长后，CI、评审和审计要怎样重建？
编程 Agent 让代码提交越来越快，团队怎样避免测试和评审队列抵消这些收益？
Flywire 把 Agent 写进 YAML：9,700 次代码评审背后的工作流思路
支付公司 Flywire 需要用 Agent 处理重复工程工作，也要守住客户数据和代码审核边界。
怎样知道 AI Agent 不是“看起来不错”？一套从 Trace 到 CI 的评测方法
Agent 每次回答和行动都不同，怎样知道新版本真的更好？
AI 写出更多、更大的 PR，谁来验证？Sonar 想让 Agent 接手整条验证链
AI 让代码改动变多、变大，团队仍要在合并前完成评审和集成检查。