Go 1.28 大动作：泛型集合终于要进标准库了，Set、树形Map、堆一次性标准化
Go 官方 Collections 工作组正式提出泛型集合标准化方案，一口气带来 hash.Map、hash.Set、set.Set、tree.Map、heap/v2.Heap 等 7 个提案，并首次给出解决“二元方法问题”的抽象集合接口设计。这是 Go 语言标准库多年来最系统的一次集合类型补课。
Posts
上次说“没有靠谱的尺子”，这次 Dex Horthy 找到了一把——Opus 5 实测通过率只有 24%
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。
AI 写了 75% 的代码，工程师却越来越慌：“黑灯软件工厂”的问题不在 harness，而在模型本身
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。
不用 Python，也能训练大模型：两年之后再看 Go 语言机器学习框架 GoMLX
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。
百万行代码，两周搞定！Anthropic揭秘AI代码迁移六步法：秘诀不是改代码，是改流程
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。