本文为视频内容简介，由 AI 整理生成。
AI 能在几分钟内写完过去需要几天的代码，我们还需要 Clean Code、测试、架构和 Agile 吗？
Matt Pocock 和 Uncle Bob 的这次对谈给出了一个很有意思的答案：这些基本功不但没有过时，反而比过去更重要。因为 Agent 写代码的速度越快，制造混乱的速度也越快；而且复杂代码不只会拖慢人，同样会让 Agent 反复修改、彼此打架，最后陷入无法收拾的循环。
这期视频真正讨论的不是 AI 能不能写代码，而是当代码不再主要由人来写，我们应该如何保证软件仍然可靠。
本文为视频内容简介，由 AI 整理生成。
假设有一天，AI 写代码已经比你强，软件工程师还剩下什么工作？
这是 Anthropic Claude Code 团队的 Daisy Hollman 在这场演讲里提出的问题。她曾经长期参与 C++ 标准委员会，但过去一年多在 Anthropic 的经历，让她越来越觉得「自己能不能比模型更熟练地写代码」正在变得没那么重要。
因为当 Agent 可以自己读代码、改文件、运行测试、发现错误并继续修改时，人的工作就开始从「我来写代码」变成另外一件事：定义问题，提供信息，设计工具，建立反馈，然后同时管理多个 Agent 的工作。
我觉得这也是整场演讲最有意思的地方。它不是在介绍 Claude Code 的几个高级用法，而是在讨论一个更大的变化：当 AI 越来越会编程之后，我们该如何重新建设软件工程环境？
本文为 Pull Request 内容简介，由 AI 整理生成。
为 DeepSeek Harness Desktop 新增了对 Mac Intel 芯片（x64）的支持，此前仅支持 Apple 芯片（arm64）。
本文为 Pull Request 内容简介，由 AI 整理生成。
为 Pi 中的 DeepSeek V4 Flash 暴露 low 推理强度（reasoning effort）级别，此前 opencode 与 opencode-go 提供商仅支持 off / high / max。
本文为参考文章内容简介，由 AI 整理生成。
记录两篇介绍 Linux 异步 IO 模型与事件循环的文章，一篇讲底层系统调用，一篇讲上层的事件循环实现，合在一起可以完整地理解从 select/poll/epoll 到 asyncio 的整条链路。
Julia Evans 的文章以服务端需要同时监听大量文件描述符为背景，介绍了 select、poll 与 epoll 三种方式：前两者每次调用都需要内核重新检查全部文件描述符，内核不会记住要监控的列表，因此连接数上来后性能下降；epoll 通过 epoll_create、epoll_ctl、epoll_wait 让内核记住并只返回真正有事件的描述符，还讨论了水平触发与边缘触发的区别，以及 Go、Node.js、nginx 等对 epoll 的使用。
Medium 上的另一篇文章则从 Linux 机制的角度剖析 Python asyncio 事件循环：事件循环底层通过 selectors 模块选择 EpollSelector，进而使用内核的 epoll 对象（进程里表现为 anon_inode:[eventpoll] 描述符）；每次迭代计算超时后调用 epoll_wait 阻塞等待。定时器决定了 epoll_wait 的最大等待时长，而 self-pipe trick（一对 socketpair）用于在事件循环无限等待期间被其他线程或信号唤醒，三种机制的结果统一进入 _ready 队列顺序执行。
Async IO on Linux: select, poll, and epoll | Julia Evans
The Event Loop in asyncio: How Python Code Works on Top of Linux Mechanisms | Stanislav Garanzha