AI 资源库 · 已整理 6 项
查看与软件交付相关的 AI 资讯、工具、Skill、工作流和开源项目。
软件交付工具公司 Harness 调查了 700 名工程人员，想弄清 AI 编程工具如何影响软件发布。他们发现：发布越快，失败越多，团队倦怠也越严重——比如部署失败率超过 30% 的团队中，55% 的管理者说团队长期倦怠，而失败率低于 11% 的团队只有约 4%。有意思的是，84% 的受访者说 AI 其实减轻了倦怠，问题出在 AI 提高了交付期望，而底层的发布流程没跟着升级。对读者来说，这意味着：如果你的团队也在被发布拖垮，先别怪 AI，优先减少手工步骤、让回滚变简单，可能是最有效的抓手。
提供的材料未提及具体可用工具。
Harness 宣布收购了 Augment Code 的编程智能体产品，包括 Cosmos 软件工厂等，想解决的是：代码生成变快了，但测试和发布流程没跟上，反而成了瓶颈。他们计划让智能体在写代码时参考过去的部署失败记录，自动修复问题，但这项整合功能还没上线，具体怎么交换信息、权限怎么分配都没说清楚。目前 Cosmos 仍可在原网站使用，程序员依然要人工审核代码。对读者来说，如果团队用这套工具，现在只能用到基础功能，真正好用的部分还得等。
Harness 收购了 Augment Code 的部分资产，包括 Cosmos、Auggie CLI 和代码上下文引擎。以前，AI 写代码和把代码安全部署到生产环境是两件分开的事，中间要人工搬运信息。现在 Harness 想把这些环节连起来：让 AI 代理从工单或 bug 出发，自动规划、写代码和测试、提 PR，再交给 Harness 的交付、安全、成本等代理一路管到上线。对读者来说，这意味着软件开发可能从「AI 帮写代码」走向「AI 跑通整条流水线」，但具体开放时间和可用范围原文未说明。
很多工程团队的数据散落在 CI、部署、安全扫描等不同系统里，同一个服务在不同系统中叫不同名字，工程师和 AI 每次问“这次部署为什么失败？”都要手动拼数据，答案还每次都变。文章提出用“软件交付知识图谱”解决：把实体、关系和数据格式用“schema 即代码”明确定义，再统一同步和查询，让跨系统的知识变得可靠、确定。还强调图谱质量取决于数据质量，需要监控数据填充率、记录数据来源、持续评估，否则图谱也会退化。文章以博客形式给出架构和指南，未说明配套产品何时可用。
提供的材料未提及具体可用工具。
AI 让写代码从几天缩短到几分钟，但“写得快”和“上线的东西可信”是两回事。现在的问题是：代码改动变多变快，攻击者也从源码转向真正部署的产物，比如依赖被投毒、构建系统被黑、流水线被塞后门。这次分享提出让安全证据跟着产物走，把产物仓库当成上线前的管控关卡，持续检查新出现的漏洞并阻止有风险的版本流入生产。Harness 还演示了 DevOps Agent 和 AppSec Agent，另有 Firewall Agent、Lifecycle Agent 仍在路线图中；对团队来说，流水线本身就是安全边界。
本文回顾了 {unscripted} 在芝加哥和哥伦布的活动。现在 AI 写代码快了约 180%，但真正能上线的只多了约 30%。原因是代码提交后的评审、合规检查、安全流程还是人工慢慢走，堵住了。活动上介绍了几种办法：按风险开放自动化、用 Change Advisor 替代人工变更评审会、让被规则的 Agent 干杂活，以及把合规当功能来设计。对读者来说，如果团队用 AI 写代码却没多上线，问题可能不在写代码，而在提交之后的那段流程。