LLM 正在侵蚀我的软件工程职业生涯，我不知道该怎么办
一名拥有 10 年经验的软件工程师反思 LLM 如何逐步侵蚀其领域知识、调试能力和代码架构三个专业支柱，以及面对 AI 时代就业市场变化的焦虑与困惑。
Linear 为什么这么快？技术深度解析
Linear 为什么能在毫秒级内完成 issue 更新？本文深度解析 Linear 的性能秘诀：浏览器中的数据库、本地优先的同步引擎、激进代码拆分、渲染优先认证靠后的架构设计，以及为速度而思考的 UX 决策。
zeroserve：用 eBPF 当配置文件的极速 HTTPS 服务器
zeroserve 用 eBPF 替代配置，实现零配置 HTTPS 服务。单核性能超 nginx 17%，eBPF 脚本比 Lua 快 50%，内存仅 15M。
Tokenomics：量化智能体软件工程中的 Token 消耗
多智能体编程系统 Token 消耗研究：代码审查吞掉近 60% Token，输入 Token 占 53%。AI 编程真成本不在写代码，而在反复审查验证。
pg_durable：PostgreSQL 内部的持久化执行框架
pg_durable 是 Microsoft 开源的 PostgreSQL 持久化执行扩展，让 SQL 函数通过检查点机制在崩溃后自动恢复，无需外部服务或编排器。
rsync Claude 辅助开发争议数据分析报告
通过排列检验与 Fisher 精确检验分析 rsync 引入 Claude 后的 bug 率，发现并无统计显著异常，版本落在历史分布正常范围内。
Gemma 4 QAT 模型：优化模型压缩，提升移动端与笔记本电脑效率
Google DeepMind 发布 Gemma 4 QAT 量化感知训练模型，通过 Q4_0 和移动端专用量化格式将 E2B 模型内存降至 1GB，大幅降低显存需求同时保留模型质量。
ScreenAI：用于UI和信息图表理解的视觉语言模型
ScreenAI是Google DeepMind推出的视觉语言模型，仅5B参数就在UI和信息图表任务上达到SOTA。核心创新是屏幕标注任务结合LLM自动生成训练数据。
KVarN：华为为 vLLM 打造的原生 KV-cache 量化后端
KVarN 是华为为 vLLM 开发的原生 KV-cache 量化后端。相比现有方案同时保留速度和精度，3-5x 容量，~1.3x 吞吐量，即插即用。
当 AI 开始构建自身——我们迈向递归自我改进的进展
Anthropic 研究所报告：AI 自主任务时长从 4 分钟跃升至 12 小时，基准测试迅速饱和，递归自我改进或将加速到来。