Martin Fowler
PulseAugur coverage of Martin Fowler — every cluster mentioning Martin Fowler across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
Martin Fowler：数据准备是 Agentic AI 的关键
Martin Fowler 认为，要使 AI 代理有效，它们所交互的数据必须经过精心准备。他强调，当前的数据实践往往不足以满足 Agentic AI 的需求，Agentic AI 要求数据结构化、可靠且易于访问。Fowler 建议转向更强大的数据工程原则，以支持复杂 AI 代理的开发和部署。
-
Martin Fowler 详述 AI 系统中的“编排器税”
Martin Fowler 的文章《编排器税》探讨了使用 AI 编排器相关的隐性成本。这些系统虽然强大，但如果管理不当，会引入复杂性和开销，可能超过其带来的好处。Fowler 建议，理解并减轻这些“税负”对于有效的 AI 系统设计至关重要。
-
Martin Fowler 提倡 AI 工具增强而非取代人类输入
Martin Fowler 讨论了软件开发中的“约束工程”概念，强调 AI 工具应增强而非取代人类输入。他建议这些工具应将开发人员引导至其专业知识最关键的领域，确保人类智能在开发过程中保持核心地位。
-
理解“代理约束架”：AI代理背后的基础设施
这篇博文探讨了“代理约束架”的概念，它是在语言模型能够作为代理运行的周围基础设施。模型提供智能，而约束架通过管理记忆、提供工具和在循环中执行操作来提供可靠性。作者详细介绍了简单的代理循环为何在较长任务上会失败，因为模型会忘记之前的步骤和上下文，并介绍了 Martin Fowler 将约束架拆分为塑造代理行为的“指南”和提供反馈的“传感器”的想法。
-
新的 IRC-A 架构通过基础设施强制执行代理边界
提出了一种名为 IRC-A（Internet Relay Chat for Agents）的新型去中心化架构模式，作为代理工程中信任、边界和控制等开放问题的解决方案。该架构强调通过基础设施层面强制执行边界，而不是仅仅依赖提示工程。IRC-A 将推理代理与事务工具分开，确保代理无法直接访问生产数据库等敏感数据。它还实现了逻辑通道和能力过滤来强制执行代码边界，防止代理修改受限的代码库。
-
AI 对软件开发的影响：重构经济学与代理隔离
两篇不同的文章讨论了生成式 AI 对软件开发工作流的影响。Martin Fowler 的一篇文章探讨了在生成式 AI 背景下重构代码的经济优势。另一篇文章来自 fletch.sh，探讨了 Git worktrees 作为 AI 代码代理隔离边界的局限性，认为它们不足以构建健壮的代理环境。
-
Martin Fowler 探讨 AI 代码重构的经济学
Martin Fowler 的文章探讨了重构 AI 代理生成的代码所带来的经济优势。他详细介绍了一个实验，其中一个大型的 17,000 行 Rust 文件（属于一个主要由 Claude Code 和 Cursor 等 AI 代理编写的 150,000 行代码库的一部分）被重构。该实验旨在证明，现在投入 token 进行重构将减少未来开发任务的 token 消耗，并在每个重构阶段都指派一个新的代理来执行相同的更改，以避免学习偏差。
-
Martin Fowler 探讨本地 AI 模型用于编码；MDN 推出新服务器
Martin Fowler 的最新文章探讨了在编码任务中使用本地 AI 模型的可行性，并将其与云端解决方案进行对比。文章深入探讨了影响本地模型可行性的因素，例如硬件要求和性能。此外，MDN Web Docs 推出了一个名为 MDN MCP 的新服务器，旨在改进文档流程。
-
Hacker News 聚焦 Apertus 开放基础模型和可靠的代理式人工智能
Hacker News 重点介绍了两篇重要文章：一篇关于 Apertus，一个用于主权人工智能的开放基础模型；另一篇关于构建可靠的代理式人工智能系统。Apertus 模型旨在为特定国家或组织边界内的人工智能开发提供基础，而关于代理式人工智能系统的文章则深入探讨了创建可靠的人工智能代理的方法和挑战。
-
开发者提示驯服 Claude 的过度设计惯性
一位开发者发现了一个特定的指令，能够有效地引导 Claude 的编码行为，防止其过度设计解决方案。通过在 CLAUDE.md 文件中添加一行“默认采用最小的改动。仅在第二次出现后添加抽象，切勿第一次就添加。”，开发者观察到 Claude 倾向于创建过于复杂的代码架构的现象显著减少。这个简单的指令似乎能够抵消 Claude 根深蒂固的过早抽象的惯性，从而生成更简洁、更恰当的代码。
-
AI文本对网络的影响研究；VibeSec安全方法受质疑
一项新研究探讨了AI生成文本在互联网上的普遍影响，考察了其对网络内容和指标的影响。同时，另一项独立分析深入研究了“VibeSec”的概念，这是一种优先考虑团队士气和开发者体验的安全方法，并指出它可能对稳健的安全实践有害。
-
视频重新定义了LLM助手时代下代码的角色
一个新视频讨论了大型语言模型（LLM）如何改变代码的性质。该视频重新定义了代码的角色，认为随着LLM使机器可读的方面商品化，人类可读的概念模型方面变得更加重要。这一观点建立在Unmesh Joshi的一篇文章之上，该文章将代码视为一个概念模型。
-
VS Code将焦点从AI模型转向Agent Harness工程
VS Code团队最近关于其Copilot Agent Harness的文档，将焦点从单纯改进AI模型重新定位到增强周边基础设施。他们的内部基准测试VSC-Bench显示，超出一定程度的推理努力会降低性能，这表明调整Harness——包括上下文组装和工具暴露——比追求渐进式模型升级更为关键。最近的开发，如Agents Window、Agent Skills以及Martin Fowler的框架，都强调Harness是编码Agent的真正…
-
Spec驱动开发借助AI编码工具获得关注
Spec驱动开发（SDD）正作为一种更结构化的软件创建方法出现，与传统的“氛围编码”方法形成对比。该方法强调预先定义完整的规范，然后AI编码工具利用这些规范生成代码、测试和文档。GitHub Spec Kit等工具以及Claude Code等AI助手是此工作流程的核心，旨在减少导致代码库混乱的迭代式提示-修复周期。