GLM-5.3发布，基座未变但后训练大幅提升编程能力，代码干净、长任务执行强，Token效率高。但存在死循环耗资源、通用智能弱、无原生视觉等短板。定位为需人类明确指令的强力执行者，适合已理解的任务，不适合探索性工作。

文章讨论了作者晋升为技术领导后面临的挑战与角色转变。作者需要承担更多责任，关注团队目标与结果，平衡技术细节与进度，同时应对办公室政治和团队成员情绪。在适应新角色的过程中，作者意识到领导与执行的不同，并努力学习与成长。

Anthropic 的多智能体研究系统强调规划者和执行者的重要性，通过记忆和工具提升效率。文章探讨了 Token 消耗、Agent 调试、自我进化和并行处理等新发现，指出 AI 应用开发的工程挑战，旨在通过多智能体技术提高工作效率。

我创建了一个简单的AI代理，展示了如何用基本的Python知识入门。核心组件包括与语言模型连接的“大脑”、管理动作的“记忆”、定义指令的“系统提示”和处理命令的“执行者”。这些步骤实现了用户输入到自动任务执行的过程。

生成式人工智能正在改变软件开发。最初的工具帮助代码补全，现在已能与开发者对话解决问题。第三代助手通过AI代理完成大部分工作，开发者设定目标，代理执行任务。这不会取代开发者，而是提升其重要性，需具备系统思维和设计能力。未来，AI代理将处理更多开发环节，开发者专注于更具影响力的工作。