本文探讨了Agent记忆系统的工程实践与演进，分析了记忆写入纪律、Prompt Cache冲突、跨模型容量、Embedding迁移及Agent自产Skill治理等问题。随着技术进步，记忆系统面临新的挑战，需关注存储选型、数据一致性及质量评估等工程问题。亚马逊云科技的S3 Files和S3 Vectors为记忆系统提供了新的基础设施选择，提升了持久性和并发能力。

Addy Osmani 提出了将高级工程师判断力编码为 AI Agent 的方法，称为 agent-skills。该方法通过结构化工作流和明确的检查点，确保 AI 在编程时遵循关键步骤，如编写规范和测试，从而提高执行质量，避免忽视正确性。

本文探讨了Claude Code的架构与工程实践，分享了使用经验和最佳实践，重点包括上下文管理、技能设计、工具使用和验证机制。作者强调合理设计上下文和技能，避免信息污染，以确保系统的稳定性。通过分层管理和明确规则，可以提高Claude Code的效率和可靠性。

GenAI编码代理的使用涉及复杂性，需要通过安全实验和快速反馈进行适应。与传统开发工具不同，GenAI的结果具有不可预测性，组织需调整工程实践，重视学习与适应，而非固定标准。

编译器在计算机科学中至关重要。Claude C Compiler（CCC）展示了AI在编程语言和系统工程中的进步，AI不仅能生成代码，还能参与系统设计。CCC的设计基于多年编译器工程经验，表明AI能有效融入现有工程实践。尽管AI降低了实现成本，但创新仍需人类的判断与创造力。未来，软件工程师的角色将转向系统设计与复杂性管理。

在北京COSCon'25大会上，中国开源正经历转变，AI成为背景，讨论更关注工程实践与长期发展。开源不再是哲学选择，而是实际工作方式，工程问题成为焦点，学术与工业界界限模糊，治理与社区合作成为重要议题。整体上，中国开源从“能否实现”转向“能否长期维持”。

本书为教育者和学习者提供机器学习系统的实用资源，强调基础知识与工程实践，涵盖理论、性能、实践、伦理和前沿，帮助读者掌握系统思维、流程工程和负责任开发等关键能力，通过实验与互动促进深入理解与应用。

本文介绍了一个三部分框架，帮助开发者将临时AI实验转变为可靠的工程实践。核心概念包括可重用的代理原语和上下文工程，以确保AI代理专注于相关信息，从而构建高效可靠的AI系统。

Meta推出的新指标“差异创作时间”（DAT）用于衡量开发者提交代码更改的时间，帮助识别流程瓶颈并提升开发效率。DAT通过隐私保护的遥测系统为Meta提供数据支持，促进工程实践的持续改进。

软件质量是指软件满足用户需求和功能要求的程度。高质量软件能降低维护成本，提高用户满意度，增强企业信誉。评估维度包括功能性、可靠性、可用性、效率、可维护性、可移植性和安全性。确保软件质量需要工程实践和测试，以满足市场和用户需求。

Kent McDonald在InfoQ播客中讨论了非软件公司中的产品管理。他指出，这些公司需要产品管理来确保软件开发的正确性和有效性，核心在于解决正确的问题和做出明智决策。他还提到在大型组织中推动良好工程实践的挑战，以及产品运营模型的应用。

DevOps专家汉娜·福克斯韦尔强调了工程实践的重要性，如持续集成、持续交付、测试驱动开发和结对编程，以创建协作的工作环境。她还强调了心理安全、有效领导和包容性实践的必要性。福克斯韦尔鼓励管理者通过指导、辅导和赞助提供平等的机会。

本文介绍了性能优化的挑战和方法，包括黄金60秒的性能分析方法、持续性能看护的实践和性能优化专家系统的崛起。同时总结了分析优化模式和常见的性能反模式与优化方向。最后指出随着功能性需求的长期积累，越来越多的复杂遗留系统中，性能问题或稳定性问题得以集中暴露，这为工程实践领域带来了机遇。