本文基于 Dex Horthy（HumanLayer 创始人）软件工厂为什么会失败系列第三篇《Benchmarking the new frontier》整理而成。文章介绍了 SlopCodeBench 这一新基准如何通过“检查点”机制模拟真实开发中需求逐步演进的过程，弥补了传统基准“一次性摊开问题”的缺陷。Dex 亲自用该基准的一个子集实测了 Opus 5、Sonnet 5、Opus 4.8 三个模型，最强的 Opus 5 严格通过率也只有 24%，且随着开发推进，几乎所有模型生成的代码都会触发“代码劣化”检测规则。文章最后给出了一个更有前瞻性的验证思路：把强模型维护过的代码库交给弱模型接手开发，用“能否被顺利接手”反向检验强模型的代码到底维不维护得住。

本文基于 HumanLayer 创始人 Dex Horthy 在 AI Engineer World's Fair 的演讲《Harness Engineering is not Enough: Why Software Factories Fail》整理而成。文章回顾了“软件工厂”从2022年人工流水线到2026年“黑灯工厂”的演化路径，结合 Faros AI 的行业数据，剖析了当前编程大模型在强化学习训练中天然缺失“可维护性”奖励信号的根本原因，并给出了 Dex 团队实践验证过的“前置对齐四步法”，作为在模型能力边界内继续安全提速的解法。

本文是对 Go 语言机器学习框架 GoMLX 的一次两年后回访式全面梳理。区别于两年前的入门级介绍，这次聚焦于它经过 v0.28 重组后的整体架构：核心计算引擎已独立为 compute 仓库，形成“上层 API＋可插拔后端”的清晰分层；文章逐层拆解 Backend、Graph、Tensor、Store 四大抽象，用真实代码演示如何用纯 Go 训练一个神经网络，并盘点了 go-huggingface、onnx-gomlx 等生态工具，以及梯度检查点、KAN、分布式训练等最新能力，帮助 Go 开发者判断这套框架两年之后是否值得认真投入。

代码迁移曾是工程团队望而却步的多年项目，如今Anthropic用Claude Code把这类项目压缩到了几周甚至一个周末。本文基于Anthropic官方博客，详细拆解了Bun从Zig迁移到Rust、Anthropic Labs从Python迁移到TypeScript这两个真实案例，还原了AI代码迁移六步法的完整流程：搭建裁判系统、制定规则手册、压力测试、批量翻译、编译验证、行为对齐，并总结出“审查要对抗、验证要机械化、大模型只做裁判”等可直接落地的最佳实践。

Rust 异步生态核心团队 tokio-rs 宣布推出模块化全栈响应式 Web 框架 Topcoat。与传统依赖 WebAssembly（WASM）的 Rust 前端框架不同，Topcoat 选择了“服务端渲染优先 + 客户端轻量指令”的务实路线，允许开发者在保持 Rust 类型安全的同时，通过简单的 `$(...)` 宏将交互逻辑直接转化为跨编译的 JavaScript，获得类似 Phoenix LiveView 和 HTMX 的低心智负担开发体验。框架主打“行为本地化”设计原则，内置了请求级数据缓存、基于模块路径的约定路由以及代码级 Tailwind UI 组件。Tokio 创始人 Carl Lerche 表示，在 AI 编程大幅降低语言门槛的当下，Topcoat 的核心价值是帮助已使用 Rust 的工程团队摆脱多语言和多工具链撕裂的痛点，填补 Rust 从底层系统向全栈 Web 应用渗透的“最后一公里”。