#软件工程

共 82 篇相关资讯，按重要度与时间排序，每 3 小时更新。

★ 3

AI 写掉几乎所有代码后，软件工程何去何从

Pragmatic Engineer 撰文讨论当 AI 承担几乎全部编码工作后，软件工程师的职责、技能结构与职业路径将如何重构。文章在 Hacker News 引发讨论，关注点集中在代码审查、系统设计与工程判断力的价值迁移。

Hacker News – AI1 天前

★ 3

Skill Dreaming：从 PR 流中演化代码仓库技能库

论文提出 Skill Dreaming 框架，从已验证的 Pull Request 中抽取可执行知识，构建仓库专属技能库并随新 PR 持续精炼。这些技能不仅指导编码智能体实现新功能，还维护测试、文档、兼容性与仓库约定。框架整合 PR 分析、技能管理、代码执行与持续集成，形成技能与仓库共同演化的闭环。

arXiv cs.AI5 天前

★ 3

SWE-Shift 基准发布：评估执行中途变更下的编码智能体

研究者提出 SWE-Shift 基准，模拟代码、依赖与需求在智能体执行过程中发生变化的情形，包含 120 个场景、12 类变更与 9 个干预位置。评测 17 个编码智能体系统，全部在变更场景下成功率低于无变更场景，GPT-6 Astra 从 67.35% 降至 24.79%。结果表明任务成功并不等…

arXiv cs.AI7 天前

★ 3

研究揭示编码智能体基准的「规范-测试」鸿沟

论文指出编码智能体基准常用自然语言描述任务、却用上游项目测试评分，通过测试需要描述中未给出的常量名、模块路径等信息，称为规范-测试鸿沟。作者构建五语言静态审计工具（精确率 89.2%、召回 92.9%），在 SWE-Milestone 上发现 98 个里程碑中 25 个存在此类依赖，含依赖单元失败…

arXiv NLP10 天前

★ 3

FlashNext-RL：Qwen3.8-Flash-Next 长程智能体 RL 系统优化

论文提出 FlashNext-RL，针对 Qwen3.8-Flash-Next 的架构与内存布局优化长程智能体强化学习训练，基于 prime-rl 并用 vLLM 生成软件工程 rollout。在单台 8xB200 节点上，非填充训练吞吐从约 395 提升至 4438 tokens/s/GPU，并…

arXiv cs.LG11 天前

★ 3

Uber 用智能体 AI 清理技术债，自动删除冗余代码

Uber 工程博客介绍其利用智能体 AI 自动识别并删除冗余代码，以清理长期积累的技术债。该方案让 AI 代理执行代码删除等高风险操作，并配套审查与验证流程。

Hacker News – AI12 天前

★ 3

调查：AI 生成代码提升调试难度与故障率，造成代码理解鸿沟

一项调查指出，AI 生成的代码虽能提速开发，但会显著增加调试难度与线上故障发生率，并在开发者与代码之间形成理解鸿沟。研究建议团队在使用 AI 编码工具时加强代码审查与可解释性实践。

InfoQ AI12 天前

★ 3

研究发布 Software World 框架模拟多智能体协作

论文提出 Software World 框架，用真实相互依赖的 Python 包构建软件世界，模拟多智能体协同维护代码。在三个世界、八个模型、超一万小时智能体工作中，最佳模型将下游包效率提升最多 31%，但也发现部分前沿模型会过早停止寻找改进机会。框架与轨迹数据已开源。

arXiv cs.AI13 天前

★ 3

Meta 工程师称 AI 生成代码难理解，HN 讨论如何应对

一名 Meta 工程师在 LinkedIn 表示，如今写代码像黑箱，若逐行审查 AI 生成代码将耗时过久，工程师可能交付自己并未完全理解的系统，这违背软件工程直觉。Hacker News 上就此发起讨论，询问其他工程师如何应对 AI 编写代码的审查与理解问题。

Hacker News – AI13 天前

★ 3

DocSpring 讨论：AI 写代码时代代码质量是否仍重要

DocSpring 博客发文探讨当 AI 承担大部分编码工作时，代码质量是否仍然重要，涉及可维护性、审查成本与长期技术债。文章认为 AI 提高产出速度的同时，质量规范与人工审查反而更关键。

Hacker News – AI15 天前

★ 3

Postgres 19 因 AI 审查发现过多漏洞而推迟发布

PostgreSQL 19 的发布被推迟，原因是 AI 代码审查工具发现了超出人类开发者修复能力的漏洞数量。该事件凸显 AI 辅助代码审查在提升缺陷发现率的同时，也给开源项目的修复流程带来压力。

Hacker News – AI16 天前

★ 3

AI智能体三周重构30万行代码，Code Health升至10.0

有报道称AI智能体在三周内重构了30万行代码，使Code Health评分从5.6提升至10.0。文章探讨代码质量是否真的因此变好，涉及AI自动化重构对软件可维护性的实际影响。

InfoQ AI20 天前

★ 3

Ars Technica：AI 编程智能体生成更多代码但软件产出未增

Ars Technica 发文讨论 AI 编程智能体的实际效果：代码生成量显著上升，但可交付的软件产出并未同步增长。文章指出智能体在重复检查、工具调用不稳定等环节消耗大量算力，提示业界关注过程质量而非单纯代码行数。

Hacker News – AI21 天前

★ 3

FEAgent：基于程序图的差分代理执行判定代码等价

论文提出 FEAgent，一种选择性代码等价性评估智能体，结合类型化程序图证据与差分代理执行来判断两段程序是否功能等价。它通过分支感知生成器构造区分性输入，由两个盲测 LLM 代理分别预测源与目标程序的可观测行为，并记录证据账本，最终输出等价、不等价或不确定。在 EquiBench 上，直接执行证…

arXiv cs.AI27 天前

★ 3