博客

关于打造自律工具、以及治理一支 AI 编程队伍的记录。

我们用自己历史上的七个真实 bug 考了五个编程模型，并做盲评。GPT 模型赢了审查；Claude 模型找到了 bug 却照样投票发布；最新的 Opus 有一半的时间冲破了字数上限。

我们把 CI 从 GitHub 托管运行器上迁走的那一晚

GitHub 在我们没有任何欠款的情况下冻结了我们的 Actions 运行器。我们领会了这个暗示：每个任务改一行，一个晚上，门禁在冻结够不着的运行器上用一半的时间跑完，预计花费减少 85%。

我们应用内的 AI 信誓旦旦地告诉我们某个网站已被屏蔽。其实并没有。真正的修复不是换一个更聪明的模型：而是两处丢失的事实，以及一个我们会全力捍卫的特性。

我们用一支 AI 编程智能体队伍来构建尤己。这篇文章讲的是，我们如何让它们对哪些决定属于自己拥有判断力，以及为什么我们把最要紧的决定交给机制，而不是交给文字。