基于个人 2025 年度回顾与行业观察，我认为软件工程的核心正在发生结构性转移：从以代码为中心，转向以运行时可控性与成本治理为中心。AI 与 Agent 的普及，并没有削弱工程价值，而是把工程复杂性上移到了运行时、算力与预算层。
AI 工程
人工智能工程、大模型、智能体应用与实践。
从云原生到 AI 原生：Kubernetes 如何承载下一代 AI Agent
从云原生演进视角出发，系统阐述为什么 AI Agent 需要 Kubernetes 级别的基础设施，以及如何通过 Agent 编排、MCP 服务化与 AI 原生网关，构建真正生产级的 AI 原生架构。
2026 年 AI 的转折点：不是模型，而是基础设施、Agentic Runtime、GPU 效率与新型组织形态。
从 Block 的 Goose 项目出发，解析它为何成为 Agentic AI Foundation（AAIF）的首批项目之一，以及这背后所代表的 Agentic Runtime 与 AI-Native 基础设施演进方向。
本文以工程师视角，分析 ARK 如何通过声明式运行时和云原生架构，推动多智能体系统的工程化落地，并探讨其对国内 Agentic Runtime 生态的启示。
开源也会突然跑路？一个 AI 聊天开发工具居然直接 404 了
Lunary 作为 AI DevTool 领域的开源项目，突然删除 GitHub 仓库，暴露了商业开源项目的不稳定性与行业现象。
Agentic AI Foundation 与 AI 原生标准化
解析 Agentic AI Foundation（AAIF）的成立背景、战略紧迫性、与 CNCF/CNAI 的差异及分工，以及其对 AI 原生时代的深远意义。
Bun 被 Anthropic 收购，首次将通用语言运行时纳入大模型工程体系，揭示 AI 原生运行时的结构性趋势。
从架构、语义、社区活跃度和工程范式层面解读 Ark，分析其对 2026 年 AI Infra 趋势和 ArkSphere 社区的启发。
深度解析 Ark：AI 时代的 Kubernetes？还是一场新的工程范式重构？
对 McKinsey 开源项目 Ark 的深度分析：架构、CRD、控制面、设计范式、与其他框架的差异、生产可用性、趋势判断，以及对 ArkSphere 社区的启发。
AI 普及并不会在 2026 年封顶，真正的分水岭在于从"会用 AI 工具"走向"能构建 AI 系统"。本文结合一篇 2026 AI 预测与个人观察，讨论为什么 AI 工程时代尚未真正开始，以及未来三年开发者的现实窗口。
介绍如何通过配置扩展市场、安装 AMP 和 CodeX 插件，以及调整编辑器设置，将 Antigravity 打造为符合 VS Code 使用习惯的 AI IDE。