ThoughtWorks
PulseAugur coverage of ThoughtWorks — every cluster mentioning ThoughtWorks across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Harness工程旨在确保AI生成的代码保持正确和连贯
Harness工程是一种管理AI生成代码的新方法，旨在随着时间的推移保持其正确性和连贯性。该概念由Birgitta Boeckeler提出，与传统软件工程中的测试Harness类似，但扩展到更广泛的代码库标准，如命名约定和架构决策。它包括为AI助手创建特定的知识库，并实施具有确定性工具或基于代理的审查的验证槽来强制执行这些标准。
-
Thoughtworks成为Anthropic Claude合作伙伴网络的精选合作伙伴
Thoughtworks已被认可为Anthropic Claude合作伙伴网络中的精选合作伙伴。这一指定突显了Thoughtworks在协助公司部署由Claude驱动的应用程序和代理系统方面的专业知识，帮助它们从初步测试过渡到全面生产。该合作伙伴关系旨在加速企业的AI采用并提高AI转型的经济可行性。
-
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。
-
本地AI采用对代理编码中的风险降低进行辩论
将AI模型引入内部进行本地执行是一种日益增长的趋势，但其在降低风险方面的有效性仍有争议。Thoughtworks的专家Ben O'Mahony和Rich Stokoe正在探讨这一主题，旨在阐明本地AI在代理编码方面的实际好处和缺点。
-
人工智能治理而非速度将决定企业成功：Teneo 和 Thoughtworks 的 CEO
CEO们正处于人工智能采用的关键阶段，重点已从快速实施转向可持续价值提取。最初认为人工智能将以更低的成本取代人力劳动的假设已被证明是错误的，一些公司如 Ford Motor Company 由于机构知识的流失而不得不重新聘用工程师。投资者期望人工智能带来快速回报与 CEO 面临更长的实施时间表之间也存在脱节。关键在于建立健全的人工智能治理，将人工智能支出视为资本配置决策而非 IT 费用，并将工作负载与最具成本效益的模型相匹配。
-
QCon AI New York 2026 开放注册，聚焦生产环境AI部署演讲
QCon AI New York 2026 现已开放注册，会议将于12月15日至16日举行。本次会议将汇集工程师，分享他们在生产环境中部署AI的实际经验，重点关注成功、失败和经验教训，而非供应商的演示。本次活动由Red Hat的Eder Ignatowicz担任主席，知名演讲者包括Google的Faye Zhang和Thoughtworks的Wes Reisz。
-
Thoughtworks为拜耳构建AI聊天机器人，以解锁临床前研究数据
Thoughtworks为拜耳开发了一款AI聊天机器人，帮助研究人员访问和分析多年的临床前数据。该工具允许使用自然语言查询数十年的研究成果，快速提取见解，同时遵守对科学研究至关重要的严格的信任和合规标准。
-
AI 采用使僵化组织失败；容器化为变革提供了模型
Mphasis 首席执行官 Nitin Rakesh 认为，组织押注于通过投资 AI 来弥补僵化结构是一个错误的策略，他将其比作在未改进底层系统的情况下增加智能。他将此与 Malcolm McLean 的集装箱化创新进行了类比，后者通过标准化货物处理而非仅仅提高船舶速度彻底改变了物流。Rakesh 认为，如果核心架构保持不变，AI 就像之前的技术一样，只会加速现有的组织惯性。Thoughtworks 和 IDC 的一项最新研究发现，虽…
-
Thoughtworks 和 Databricks 发布关于 AI 治理的数据平台手册
Thoughtworks 与 Databricks 合作发布了“数据平台手册”。该指南探讨了由智能体驱动的系统内治理不断发展的格局，并提供了行业领袖关于实时问责制和数据架构未来的见解。
-
Thoughtworks推出Agent/works™以实现企业AI代理治理
Thoughtworks推出了Agent/works™，这是一个旨在解决企业环境中扩展代理式AI所带来的治理挑战的新平台。该平台为跨各种云平台运行的AI代理提供了一个受治理的运行时、集中可见性和成本控制。此次发布是在Databricks Data + AI峰会上进行的，凸显了随着AI代理在业务运营中日益普及，对强大管理解决方案日益增长的需求。
-
Thoughtworks推出AI就绪度评估工具
Thoughtworks推出了一款新的AI就绪度评估工具，旨在帮助组织评估其当前能力。该评估侧重于六个关键维度，以识别优势和劣势。此举旨在指导企业有效扩展其AI项目并实现可持续的业务价值。
-
Thoughtworks通过Unity Catalog和Backstage简化数据访问
Thoughtworks发布了一篇博客文章，详细介绍了如何跨多个服务简化访问控制和审计日志记录。文章解释了Unity Catalog如何吸收操作数据库，从而允许Spotify的Backstage从一个位置管理访问策略。此集成提供了数据操作的统一审计跟踪。
-
AI 开发风险引发对安全编码环境的呼吁
一篇近期文章强调了使用生成式 AI 进行应用程序开发相关的安全风险，特别是“Vibe Coding”方法，该方法使非技术用户能够快速创建原型。AI 倾向于选择阻力最小的路径，这可能导致不安全的配置，例如暴露数据存储或授予过多的权限。作者强调，虽然 AI 加速了开发，但人工监督至关重要，并且必须辅以技术控制。提出的解决方案包括使用引导和感知机制来指导和验证 AI 输出的“安全环境”工程方法，以及组织变革，以确保 AI 驱动的软件开发中的效率和安全。
-
Thoughtworks Radar：AI代理通过新实践重塑软件工程
Thoughtworks最新的Technology Radar报告强调了AI代理驱动的软件工程的重大转变。报告强调了上下文工程、零信任、Harness工程和编码代理质量门等概念日益增长的重要性。这些发展正在重塑工程经理、架构师和技术主管如何进行软件开发及其周边环境。
-
LLM驱动的传记生成
Eugene Yan 使用了包括 GPT-4、Claude-v1.2 和 Cohere-xlarge 在内的几款大型语言模型，要求它们生成他的传记。他观察到，尽管模型捕捉到了他职业生涯的大致要点，但关于他的教育和就业历史，模型常常包含事实性错误。Yan 指出，GPT-3.5 和 GPT-4 在测试模型中表现最好，但仍然存在错误，这表明它们的知识仅限于其训练数据。