gistfile1.txt

https://github.blog/developer-skills/github/completing-urgent-fixes-anywhere-with-github-copilot-coding-agent-and-mobile/
 This included the core purpose of the repository, the tech stack used, architecture constraints, coding standards, testing strategy, dependency management, observability, documentation, error handling, and more.
 https://github.com/github/awesome-copilot

https://blog.cloudflare.com/introducing-react-why-we-built-an-elite-incident-response-team/
Vibe coding：向 AI 模型提供自然语言提示以生成代码的实践可能会产生关键漏洞，这些漏洞可以被利用者通过远程代码执行（RCE）、内存损坏和 SQL 注入等技术进行利用。


https://simonwillison.net/2025/Oct/7/vibe-engineering/#atom-everything

1. Armen对AI编码工具态度的转变：

从负面到极度积极： 2月-3月开始缓慢转变，5月彻底改变看法。
转变原因： AI工具能完成他过去“讨厌做但又必须做”的工作，显著提高了工作效率和生产力。
具体案例：
快速构建日志可视化工具（过去需数周，现在Claude 30分钟完成）。
调试AWS权限问题时，Claude能结合世界知识和日志信息，帮助他并行解决问题。
自动生成重现案例（repro case）。
核心价值： AI工具就像“实习生大军”，能并行处理任务，让工程师专注于更核心、更有趣的工作。
2. AI编码工具对软件工程的影响：

提高门槛： 降低了构建自定义工具的成本，提高了决策效率。
学习辅助： AI能很好地解释复杂概念，帮助工程师更快理解新领域。
编程民主化： 更多非专业人士（如空中交通管制员）能通过AI工具解决实际问题，扩大了编程人群。
代码生成： 大部分“跑龙套”的代码（API端点、OpenAPI规范等）可由AI生成，工程师专注于核心逻辑。Armen自己公司80%的代码由AI生成。
人机协作： AI工具擅长处理重复性、繁琐的任务，人类工程师则专注于系统架构、决策、创新和代码审查。
“内啡肽效应”： AI工具的即时反馈和产出，有时像“老虎机”一样让人上瘾。
996现象： AI工具的出现，反而让一些人（尤其是初创公司）工作更长时间，因为“不想错过”机会，也因为AI能并行处理任务。Armen对此持批判态度，认为不可持续，且公司文化应超越工作时长。
3. AI时代编程语言的重要性：

仍然重要： 语言的选择仍然影响AI工具生成代码的质量。Armen发现Go在AI生成代码方面表现优于Python和Rust。
新的权衡： AI改变了语言设计的成本和收益，可能会催生更适合人机协作的新语言。
人类仍在循环中： 计算机完全取代人类编程的可能性很低，人类需要审查代码，因此语言的可读性、可维护性依然关键。
性能与可调试性： 语言设计中的性能与可调试性（如栈帧、Context Local）之间的权衡，在AI时代依然存在，甚至更复杂。