与「团队协作」相关的搜索结果

AI Engineering Skills Map 系列之「使用 Coding Agent」 吴恩达老师的 AI 工程技能图谱第三篇详细展开： 1. 构建与部署 AI 应用 2. 软件工程基础 3. 使用 Coding Agent（本文主题） 4. 塑造构建方向 吴恩达老师认为：使用 Coding Agent 正在成为 AI 工程师的关键能力，而且它的演进速度比其他顶层技能都快，因为 Agent 本身在 harness 和模型两个层面同时快速迭代。因此，这项技能没有终态，只能靠持续的实验、构建和学习来维持。 # 用 Coding Agent 构建软件的通用工作流 通过访谈数十位顶尖 AI 工程师并复盘自己团队的实践，他归纳出一个一致的高层工作流，分三步： 1. 规划（Planning） 包含两部分：一是头脑风暴，可能涉及研究、实验、理解已有代码库；二是写 spec（规格说明），涵盖需求、技术设计、架构，随后生成执行计划。规划完成后还应审视计划本身：质疑关键假设，检查安全性、过度设计等问题。 2. 执行（Execution） 构建、测试、验证，关键在于把握智能体自主性与人工监督之间的平衡。一是让智能体以"校准过的自主程度"去构建；二是通过自动化和/或人工检查来验证输出。 3. 部署与监控（Deployment and monitoring） 部署可能经由 CI/CD 流水线或额外的人工关卡把关；随后用智能体观察日志、发现问题、提出并执行改进。 这个工作流有两个特别注意： 1. 它与前智能体时代的软件开发流程本质相似。真正变化的是注意力的重心：从写代码转移到决定做什么、设计架构、写 spec、验证输出。 2. 各步骤的时长弹性极大，可以省略。greenfield（从零开始）原型的 spec 可能只是一条快速写下的提示词；而有大量用户的 brownfield（存量）项目的 spec 则需要投入大量精力去撰写和验证。整个流程高度迭代，熟练的开发者知道何时该从后面的步骤退回前面：验证失败就引导智能体重建修复；监控发现问题就让智能体更新系统并重新部署。 # 五项关键技能 1. 指挥工作流（Directing the workflow） 知道如何走完上述每一步，并决定每一步投入多少人力、多少智能体算力，以及何时回退迭代。这背后是对速度、成本、技术风险、人力投入四者权衡的深刻理解，具体体现在：前期研究和规划做到什么程度、哪些关键工作保留人类所有权、如何选择架构、规划产物（如 spec）写多细、如何把工作拆解成可验证的步骤。 2. 赋予智能体自主性（Enabling agent autonomy） 这一节内容最密集，可拆成四个决策点： · 自主程度：盯着它交互式往返，还是委托一大块工作？何时设定明确目标让它循环直到成功？ · 上下文管理：构建过程会经历不同阶段，要判断何时把关键经验、用户反馈、假设（包括中途变化的假设）记录下来供智能体下游使用。 · 并行化：何时把任务拆解后让多个智能体并行，由人或更高层的智能体来编排；以及如何在多个并发会话之间分配人的注意力。 · 安全运行：设置权限、对高风险动作设关卡，在保持开发速度的同时限制泄露、数据丢失等损害。 3. 审查工作成果（Reviewing the work） 出发点是一个基本事实：智能体的输出是不确定的。我们事先不知道它会想出什么好主意，也不知道它会埋下什么 bug。因此审查和验证是拿到想要结果、并在偏离时纠正的关键环节。 具体手段包括： · 设计与任务匹配的测试和验证，按需结合行为验证和功能验证。 · 测试用户流程，可让智能体提供截图作为成功或失败的证据。 · 对定性/行为性评估，可使用评估集（eval sets），可能配合 LLM-as-a-judge。 · 决定测试的自动化程度。某些工作流会把测试完全自动化，让智能体能自行检查、自知何时完成。但必须评估这些测试是否真正对应你的目标，不对应就要演进它们。 · 使用智能体代码审查，运行 AI 驱动的安全和架构审计。 · AI 审查不够时，审慎地插入人工审查——主要审查代码行为，较少审查代码本身——同时探索进一步自动化的可能。 · 验证部署，并用智能体把监控和事故管理运营起来。 这里有一个值得注意的判断：人工审查的对象主要是"代码行为"而非"代码"，这反映了注意力重心的转移。 4. 定制智能体及其环境（Customizing the agent and its environment） 目标是让智能体高效获取所需上下文、访问工具、正确高效地构建。具体包括： · 集成 skills、插件、MCP 服务器，并在不再必要时（如新模型让旧 skill 过时）剪除它们。 · 用 hooks 自动化开发流程中可重复的部分，如触发自动代码审查或 CI/CD。 · 维护常驻上下文（AGENTS.md、CLAUDE.md），记录代码库信息、关键架构假设、代码风格、数据访问模式。 · 跨会话、跨并行智能体保存状态，随时间积累智能体的经验，比如通过运行后复盘记录哪些做法有效、哪些无效。 · 建立一致的约定和结构，让代码库对智能体可导航；定期清理智能体产生的技术债。 · 团队协作时，考虑如何在不同开发者的智能体之间协调上下文。 5. 编码智能体基础原理（Coding agent foundations） 要做好上述所有决策，需要理解智能体的工作机制：如何做代码库搜索/检索、如何管理上下文窗口、不同操作（增加工具调用、MCP 服务器等）如何影响上下文、智能体与子智能体如何交互、智能体是如何通过在 LLM 外包裹 harness 构建出来的。 这种理解让智能体不再是黑箱，帮助你识别典型失败模式： · 把简单方案过度设计 · 因缺乏显式验证流程而丧失严谨性 · 未达目标就停下 · 可能破坏文件或生产数据的动作 同时也帮助你推断智能体的状态、给出正确的指令或上下文来引导它，并在监控运行时更早发现它偏离轨道、需要介入。 # 对行业叙事的批评 结尾处吴恩达老师有一段针对性很强的观点。他认为社交媒体对如何使用编码智能体的描述往往过度简化。让智能体自主运行数小时、消耗数百万甚至数千万 token 有时确实有用，但目前超长时程任务的实际效用——尤其是相对成本而言——被夸大到超出现实。 他的结论是：最有效的编码智能体使用是一个复杂、高度迭代的过程，能够以高水平判断力适时介入，效果远好于放手长跑。

很多人还没理解，大模型的发展必然是需要与产品创新协同进行的。 整个世界处在一个大的自然选择过程中。对产品而言，人就是自然；对大模型而言，人+产品就是自然。当然，对人而言，自然就是自然。更进一步说，产品本质是人的生产和生活方式，而生活方式是在自然对人的选择过程之中被人选择的。当我们把大模型看作产品的智能驱动力，那么大模型的能力也就在产品被选择的过程中被选择。 没有翻译产品就不会有 Transformer 被选择；没有产品尝试用 LLM 补全 tool 指令，就不会有 tool use 能力被选择；没有 Manus，就不会有 agentic 任务能力被选择；没有 Claude Code 不会有 coding 能力被选择；没有 Anthropic 内部尚未发布的 Agent Teams 和 Claude Tag 雏形，就不会有 Opus 4.5 到 4.8 不断加强的 team working 能力被选择。当然反之亦然，没有 coding 能力的加强，Claude Code 不会像现在这样成功。 研究员们可以像数学家一样，从已经有的知识，以推理的方式得出所有可能的模型能力并构造数据进行训练，但最终被留下来的、在商业上被选择的能力一定是能与具备更好的人机交互体验的产品相适应的能力。 人们似乎总是因为大模型能力越来越强而对软件产品持有悲观态度，但我相信更强大的智能将会驱动更强大的产品和人机交互形态的诞生。不要低估人的适应力和创造力，尤其在 AI 的加持下。 人会很快适应 AGI 在现有产品形态中的表现，而随后创造新的产品形态来进一步释放人机交互的潜力，进一步地，模型被反哺加强，人们再次适应新的产品形态，继续创造更新的产品形态。 没错，我说了 AGI。我认为 AGI 早就来了，AGI 在渐进式地来。并没有一天会被称为「AGI 真的来了的那天」。大模型 agentic 能力和多步多轮交互界面协同发展，长程无监督任务能力和多会话管理界面协同发展，自迭代记忆+团队协作+长上下文+长期自我身份感知和所谓 agent-native IM 界面协同发展。 我们会看着一种新的智能持续演化，我们自身也会在这个过程中提高认知、不断升维，改进我们与世界的互动方式。这种黑格尔式的对立统一让我感到极度兴奋，你呢？

对于团队协作的代码，我会看代码，因为这是我交付的作品，代表我的品味，后续可能会由他人来维护。 对于个人项目，目前主要关注需求、验收和架构，不太关注具体代码了。

友情帮转，上海 KONG 放出 Rust 系统开发职位，群里小伙伴问，为什么不写薪资范围？ 我心想，这难道不是好事吗？ 你把自己的期望薪资递过去，他们给不起，那是他们的损失🤭 —- 👇岗位要求，转需 【友情帮转】 Rust 系统开发专家· 上海· KONG — 🚀【上海·极客团队】Kong 核心团队诚招 Rust 系统级开发专家（求扩散/求推荐） 各位 Rust 圈的大佬、伙伴们， 全球最受欢迎的开源 API 网关 Kong 正在为上海研发中心招募 Core Team（核心团队）的系统工程师（Systems Engineer）！ 如果你身在上海（或有意向来上海发展），对底层网络、高性能分布式系统、Async Rust 充满热情，渴望与全球顶尖的开源社区并肩作战，同时向往硅谷风范的国际化技术氛围、不卷、尊重技术的工作环境，这个机会绝对不容错过！ 💡 为什么加入 Kong 上海 Core 团队？ * 硬核技术中心： 上海作为 Kong 的重要研发基地，你将直接参与核心底层功能的研发，而非“边缘支持业务”。 * 全球级影响力： 你的代码将被全球数万家企业和无数开发者在生产环境中使用。 * 纯正外企氛围： 扁平管理，结果导向，拒绝无效加班。提供充足的硬件支持和与全球顶尖工程师直接技术碰撞的机会。 🛠️ 我们需要你做什么？ * 核心设计与实现： 负责 Kong API 管理软件及其底层架构的设计与开发，推进代理（Proxying）、负载均衡（Load Balancing）、数据库支持等核心功能的演进。 * 极致性能优化： 深入系统底层进行 Bug 排查、性能调优和 Low-level 优化。 * 开源社区共建： 与全球开源社区紧密互动，将最新的行业趋势和技术引入 Kong 核心。 * 技术沉淀： 编写高质量的技术文档（在 Kong，工程师自己为产品写 Docs，用技术讲好故事）。 🎯 我们希望你具备： * Rust 硬核实力： 3 年以上 Rust 实际开发经验，对 Async Rust 有深刻理解与实战经验。 * 系统级开发背景： 5 年以上服务端/系统级开发经验，具备设计高并发、高可用、高弹性分布式系统的能力。 * Linux 底层功底： 扎实的 Linux 系统调优、性能分析（Profiling）及网络栈（Networking Stack）知识。 * 网络协议专家： 熟悉 L4/L7 传输与应用层协议。 * 沟通与协作： 良好的英语读写和沟通能力（需要与全球分布式团队协作），强烈的 Owner 意识。 工作地点： 上海（支持线下协作与交流，提供极具竞争力的办公环境）。 ➕ 加分项（Bonus Points）： * 熟悉 Tokio 异步生态或有深入实践。 * 有 Rust 开源社区 贡献经验（PR/Maintainer）。 * 熟悉 NGINX / OpenResty / Kong / LuaJIT 技术栈。 * 对虚拟机底层实现（如 LuaJIT VM、eBPF、WASM）有深入研究。 📬 投递与勾搭方式 如果你就是我们在找的 Rust 隐藏大佬，或者你有合适的朋友推荐，欢迎随时联系！ 工作地点： 上海市中海国际A座 简历直达邮箱：chitty.li@konghq.com （邮件主题建议：姓名 - Rust Systems Engineer - 渠道来源） 官方投递通道：

在中国用 Gmail 的人，一定懂这种崩溃： 你明明只想看一眼——老板有没有发邮件、今天 Google Calendar 有没有会、客户那边回了没有。 就这么一个10秒钟能解决的事，你要：打开 VPN App → 选节点 → 等连接 → 打开 Gmail → 等加载 → 看完 → 关 VPN → 祈祷银行 App 别弹风控提示。 整套流程走下来3分钟。而你只是想看一眼。 更离谱的是，这件事每天重复5-8次。算下来每周光“开关 VPN 查信息”这个动作，就能吃掉你一个多小时。不是在工作，是在伺候工具。 我之前以为这就是在国内用海外服务的代价，忍着呗。 直到我发现 Airtap（ @airtap_ai）的 iMessage 功能，我整个人都不好了！！ 它让我做到了一件我以为不可能的事：不开 VPN，不打开任何 App，直接在 iMessage 里查 Gmail 和 Google Calendar. 没错，就是字面意思。 你在 iMessage 里发一句“帮我查一下最近有没有重要邮件”，它就真的去你的 Gmail 里查了，然后把结果用消息发回来。 “帮我看看今天 Google Calendar 有什么会” → 直接返回你今天的日程列表。 “过去24小时有没有来自 XX 客户的邮件” → 秒回，连邮件摘要都给你整理好了。 全程，我的 VPN 是关着的。全程，我没有打开过 Gmail。全程，我的银行 App、微信、支付宝运行得好好的，没有任何冲突。 这种感觉怎么说呢——就像你一直在爬楼梯上33楼，突然发现旁边有电梯。 原理也不复杂：你第一次需要在 Airtap 的云端环境登录一次 Gmail/Calendar（就这一次），之后所有查询都走云端已登录的环境，你本机完全不需要碰 VPN。 而交互入口，就是 iMessage。零门槛到什么程度？不用装 App，不用注册账号，不用任何配置。 给这个号码发条消息就行：+1-650-213-7322 我现在每天早上的习惯变了：起床，iMessage 发一句“帮我看看今天有什么会议和重要邮件”，30秒内收到今日 briefing。不用开 VPN，不用等加载，不用在 Gmail 和 Calendar 之间来回切。 做跨境的朋友应该更能体会——你跟海外客户、海外团队协作，一天要查十几次邮件和日程，每次都开关 VPN 简直是酷刑。现在一条消息搞定，效率提升不是一点半点。 除了 Gmail 和 Calendar，我还试了： “帮我看看 X 上有没有新回复” → 直接返回互动摘要 “帮我查查 YouTube 频道有没有新评论” → 不用翻墙就能掌握动态 这些海外平台的信息，以前每一个都要单独开 VPN、单独打开 App、单独等加载。现在全部压缩成一句话的事。 说真的，用了一周之后我回不去了。那种“问一句就知道答案”的丝滑感，跟之前“开 VPN 等半天查个信息再关 VPN”的割裂体验完全是两个时代。 唯一需要注意的：第一次使用某个服务时需要在云端登录一次（需要 VPN），但这是一次性的。登录完之后，日常查询就再也不用碰 VPN 了。 把这个号码存到通讯录：+1-650-213-7322 你的手机上就多了一个不用 VPN 也能随时查海外账号的入口。 每天被 VPN 折磨的朋友，试一次就知道了。 #justtextit# #textyourapps# #airtap#

神了，号称医疗模型拳打OpenAI脚踢Anthropic的中国模型公司百川智能居然开始做AI办公产品了？？ 百川智能正在内测一个主打人类与AI协作的团队工作平台“Nia Teams”，区别于百川此前面向C端的对话模型、垂直领域的百小医，该产品精准锚定企业团队协作场景，也是百川智能正式切入AI原生团队办公赛道的关键布局。 Nia Teams覆盖Web、iOS、Mac、Android多端，全平台数据互通，不管是手机还是电脑，都能同步查看、处理会话内的各项工作任务。 登录渠道分为账号密码、飞书账号两种，但采用权限白名单机制，获得权限后，才能进入平台使用全部功能。

之前发过一个收集全网免费额度的工具，现在竟然有人把这个入口做出来了！ OmniRoute一个入口搞定237个模型，所有免费额度智能路由、自动fallback、Token压缩省心又省钱 每个月大约有16亿的免费token额度 支持Claude Code、Codex、Cursor、Cline、Copilot，开发效率直接拉满 还集成MCP、A2A多模态API，团队协作稳如老狗 GitHub 6.4k stars

在 GitHub 上挖到一款硬核的开源项目管理看板：Kan，堪称 Trello 的高质量平替。 看板功能一应俱全：团队协作、项目管理、数据导入、标签与筛选、评论等都配齐。 GitHub： 官网： 支持直接从 Trello 导入现有项目，迁移顺滑省心；也能用 Docker 快速部署，几分钟就能跑起来。

免费开源的AI交易量化神器，直接用聊天就能交易！ Vibe-Trading：你的个人AI交易代理香港大学 HKUDS 团队出品！ 用自然语言就能让AI帮你： 研究市场 + 生成策略 一键跑回测 + 出报告 多Agent团队协作（量化、风控、加密专员等） 内置 456个量化Alpha，支持全球股票、加密货币、期货等。 还能安全接真实券商（只读 + 授权 + 杀手开关保护）。 一行命令安装超丝滑：pip install vibe-trading-ai Web界面也非常好用！对AI量化交易感兴趣的，强烈推荐这个项目。 工具分享非投资经验。

🧑‍💼【PMM Lead / Senior PMM（TradFi 方向）】 🔘有 Product Marketing / GTM / Growth 经验，能推动产品发布与增长结果。 🔘具备用户、市场和竞品洞察能力，能提炼清晰的产品定位与营销策略。 🔘英文可用于全球跨团队协作，对 Crypto / Web3 / FinTech 有兴趣或相关经验。 投递PMM Lead： 投递Senior PMM：