AI 當工程師一年沒寫一行 code：Boris 談 Claude Code 的工程新秩序 Anthropic Claude Code 負責人 Boris 從 2025 年 11 月起沒有親手寫過一行程式碼，每天仍產出 10–30 個 PR。這不是「工具升級」，而是工程師身份的重寫——稀缺性從雙手的產能移動到腦袋的判斷力。
AI 你的 AI Agent 們需要一個共享大腦 — knowledge-pipeline 開源了 你的知識散落在每個 AI Agent 的 context window 裡，session 結束就消失了。knowledge-pipeline 是一條 6 層確定性管道，自動評分、路由、搜尋——零框架，純 Python，今天開源。
AI 記憶系統的三個工程取捨：Claude Code 的設計告訴我們什麼 Claude Code 的記憶架構設計揭示了三個工程取捨：索引層的維護成本、非同步濃縮的同步延遲、以及身份隔離的架構投入。沒有免費的午餐，關鍵是在你的場景下選對取捨。
AI LLM 不該只會聊天：從被動對話到主動執行的工程化轉折 Claude Code Harness 重新定義了 LLM 在開發中的角色：從被動的代碼生成器，轉向主動的任務執行者——透過工程化的約束框架實現自主迭代。
AI Claude Code 的多 Agent 編排，為什麼要從 Teams 開始想 Claude Code 的多 Agent 編排不該從「更聰明」開始想，而是從「如何分工協作」開始——oh-my-claudecode 用 Teams 模式解決的是複雜任務中的上下文和可控性問題。
AI 一場虛擬專家圓桌，讓 Rumelt、Grove、Meadows、Taleb 來批判我的系統 一位業界大佬用 AI 模擬了四位思想家來審視我的個人知識系統，四個完全不同的框架收斂到同一個核心問題：這個系統的產出，到底被消費了多少？
AI Issue tracking 的複雜度不是來自工具，是來自角色分工 Issue tracking 的複雜度問題不在工具，在於當初為彌補角色溝通鴻溝而設計的流程，如今反而成了負擔；AI Agent 時代改變了需求——從交接機制轉向共享上下文，但簡化帶來的可見性喪失需要謹慎權衡。
