Piece：将 Coding Agent 的局部构建反馈提速 10x
Piece 尝试把编码智能体的局部代码修改映射为片段级构建反馈，让文件内部的函数、组件、接口和 JSX 结构成为可追踪、可验证、可回退的反馈单位。
2026/7/4
阅读更多B
Blog | Phodal - A Growth Engineer
Blog
验证工程：从 Vibe 硬件编程 Loop 到自迭代验证
上周买了一个带触发屏的开发板，想探索一下之前的一个想法：AI 时代能不能加速传统行业的一些软件开发的范式？作为一个写过物联网书籍的“资深”硬件专家，
2026/6/14
阅读更多长程验证：AI Agent 长任务的收敛机制
周末，我使用 Claude Code 的 `/workflows` 做了两个实验，结合我使用 Codex `/goal` 做的一系列实验，把两个能力放在一起看，
2026/5/31
阅读更多从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻
周末，我又凭感觉写了一个小想法：用 Swift 写一个 PowerPoint 查看器。因为我已经有一个技能可以生成幻灯片、XLSX 和
2026/5/24
阅读更多注意力 Harness：多 Agent 时代如何守住人的注意力
> 之前 Codex Pet 很火，我也想在 Qoder 里放一个类似的小东西。于是，周末 Vibe Coding 了一把。做着做着才发现，它要解决的好像不是“再多一个 Notification”。
2026/5/17
阅读更多Agent 应该如何解决繁杂任务：从 /goal 到长时间运行
我还没从 Thoughtworks 离职的时候（现在在 Qoder 团队），我就想写一篇文章，把一张图里 `Loop` 那一栏补完整。那张图其实很直白：不是让 AI 生成更多代码，而是让 AI 在工程体系中稳定完成交付。左边是 `Rules`，把团队经验和开发约束变成 AI 可执行的工作规则；中间是 `Spec`，把模糊需求收敛成可拆解、可验证、可追踪的交付目标；右边是 `Harness`，把 AI 行为纳入工程治理边界，确保结果可验证、可度量、可放行。
2026/5/10
阅读更多任务自适应 Harness：从 Trace 到多 Coding Agent 的协作记忆
在 Thoughtworks（现 Inspire） 的最后一个月里，我一直在为“下一个项目”准备一套 AI Coding 的端到端方案。这个方案基于 Claude
2026/4/22
阅读更多从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景
在时时使用多个 Codex/Copilot/Claude/Qoder 编写代码之后，我第一次明显感觉到，整个产品推进的节奏都被拉快了。
2026/4/20
阅读更多Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
几个月前，当 Coding Agent 的 CLI
2026/4/14
阅读更多Harness Monitor：当多个 Agent 同时写代码时，如何看住质量
TL;DR：[https://github.com/phodal/routa](https://github.com/phodal/routa)，Harness Monitor 在 `crates/harness-monitor` 目录下。
2026/4/13
阅读更多Gate First：为你的 Agent Team 构建 Harness 防御体系
今天下午，我在 Routa 的看板里点开一张已经进 Done 的卡：[Sub-issue] 为 GATE-first 专家提示注入单次 trace 状态摘要。
2026/4/9
阅读更多/phodal-writer：我如何把十年写作经验整理成一个 Skill
最近这段时间里，我做了一件比“让 AI 帮我写文章”更麻烦的事：不是继续打磨 Prompt，而是先让它系统分析我过去十年的文章，再把这些分析结果整理成一个可以被反复加载的写作
2026/4/8
阅读更多从 Rule、Spec 到 Harness：AI Coding 的分阶段演进路径
过去大半年里，我一直在帮不同规模的团队落地 AI Coding。从最早的一两个人试点，到十几个人的团队尝试让 AI
2026/4/7
阅读更多Harness 工程可视化：在 Vibe Coding 中重建工程可控性
在最新的 Routa Desktop 中，我们引入了 Harness 工程可视化系统。它并不是一个展示“AI 写了多少代码”的界面，也不是为了给生成式开发增加一层炫目的仪表盘，
2026/4/3
阅读更多Harness Engineering Skill：使用 Entrix 技能开始你的代码熵治理
当 AI 开始真正参与软件交付时，团队面对的核心问题已经悄悄变化了。过去我们关心的是代码写得够不够快、自动化够不够多，而现在，越来越多团队首先要回答的是另一个问题：当生成速度不断提高之后，系统靠什么抵抗持续上升的代码熵。
2026/3/30
阅读更多从 0 到 25 万行：一个 100% AI 编码的项目如何建立治理闭环
过去一个多月里，我在创建 Routa 项目时，做了一个很激进的决定：让 AI 来驱动这个项目，把我的 idea 变成 issue，再把 issue 推进成可运行的代码。
2026/3/24
阅读更多Entrix：我们如何用反熵机制治理 Vibe Coding
这套机制最早来自 Routa 项目内部的 fitness 实践。我们最初把它以 `routa-fitness`
2026/3/20
阅读更多AI 编码 3.0：当 Agent 协作开始被系统执行
过去一年，我们习惯用“AI 编码 2.0”来描述这一波技术跃迁：从代码补全走向 Agent 驱动，从同步交互走向异步执行，从一次性生成走向“生成—验证—回滚”的闭环。在那个阶段，一个共识逐渐清晰：AI 不再只是辅助，而开始参与执行。但如果只停留在这里，我们其实低估了变化的深度，因为真正发生转移的，并不是“谁在写代码”，而是——**谁在负责软件交付这件事本身。**
2026/3/19
阅读更多Harness Engineering 的下一步：Fitness Function 定义 AI Agent 的完成条件
Harness Engineering 之所以在过去几个月迅速成为一个热门话题，很大程度上是因为越来越多团队意识到：AI Coding 的问题，从来不只是模型能力问题。上下文工程、提示词策略、多 Agent 协作都很重要，但这些讨论大多仍然停留在“生成侧”。一旦 AI Agent 真正进入软件交付流程，问题的重心就会迅速转移。
2026/3/16
阅读更多当 Kanban 不再管理人：Routa Kanban 如何管理 Agent Team
> 摘要：当 Agent 开始结队工作时，真正的挑战就不再是“它们能不能写代码”，而是“我们能不能管理它们”。Routa Kanban
2026/3/15
阅读更多