AI智能体正从“单轮问答”走向“持续多步骤交互”，但业界对“如何设计多智能体系统”长期依赖经验直觉，例如“智能体越多，效果越好”。谷歌研究院联合麻省理工学院等机构，在最新论文《Towards a Science of Scaling Agent Systems》中，通过260组受控实验，对单智能体系统与四种多智能体架构（独立、中心化、去中心化、混合）在六个真实任务基准上进行了系统对比。结果显示，多智能体协作的效果高度依赖任务是否可拆解、是否需要频繁调用工具、是否要求严格的顺序推理：在财务分析等可并行任务上，中心化多智能体带来80.9%的性能提升；而在Minecraft规划等顺序任务上，所有多智能体架构反而让效果下降39%至70%。研究团队还发现，架构设计直接影响系统的错误传播速度，并据此训练出一个能提前预测最优架构的模型，准确率达87%，为工程实践提供了从“拍脑袋”走向“可计算”的路径。

Y Combinator于2026年7月底在GitHub上开源了内部Agent系统QM，一个专为初创公司设计的“多人在线Agent操作系统”。与市面上大多数面向个人的AI助理不同，QM为每位员工和每个项目分配独立的沙箱、记忆和权限，同时支持在Slack频道和Web端进行团队级协作。本文将从产品定位、技术架构、安全机制到部署方式，完整解读这个MIT协议开源项目，以及它背后折射出的“AI原生公司”组织形态变化。

AI辅助编程正在改变工程师的日常工作方式，很多人已经很少亲自动手写设计文档了。但设计文档承载的核心工作——想清楚一个项目里真正难、真正贵的决策——依然只能靠工程师自己完成。前谷歌与微软工程师Michael Lynch在他的新书节选中，系统总结了设计文档应该包含哪些部分、什么时候该写、该投入多少精力，并给出了大量可直接套用的示例。本文基于这篇原文，为中文读者梳理出一套完整的设计文档写作框架，帮助工程师在AI时代继续保持对“好设计”的判断力。

Mitchell Hashimoto是HashiCorp的联合创始人，也是终端模拟器Ghostty的作者。当地时间7月29日，他官宣了离开HashiCorp三年后的第一次正式创业——Superlogical，第一站是重做终端多路复用器，终局野心是打造覆盖人机协同全场景的“工作多路复用层”。公司获得Notable Capital与Amplify Partners领投的1000万美元种子轮融资，投资人阵容中不乏Stripe、Shopify、Patrick Collison等重量级人物，其中就包括12年前就下注HashiCorp的老朋友——Glenn Solomon。

Thoughtworks与Martin Fowler在瑞士召集的软件工程未来峰会传递出一个反直觉的信号：AI代码生成能力已经过剩，真正卡住行业脖子的是验证、信任和治理。报告揭示了“Harness Engineering”崛起、学徒制断代、决策瓶颈取代产能瓶颈、老板与工程师认知鸿沟等五大趋势，并给出了技术与管理两个层面的具体行动清单。最后的结论是：当生成变得廉价，人类的判断力和审美，才是唯一不会贬值的资产。