软件工程
研究以系统化、规范化、可度量方法开发和维护软件的工程学科，涵盖需求分析、领域建模、架构设计、集成、调试与长期维护，核心职责是管理复杂系统的熵增与结构退化
核心事实
时间轴 (近 90 天)
软件工程黄金法则：永远不要存储能从已有数据推导出来的信息。
Dry-run（空运行）是软件工程中常见的预演模式：程序完整执行逻辑但不产生副作用，只输出将要发生的变化。
重复性的CRUD开发、模板化的前端页面、简单的脚本任务正在快速被AI压缩。
Pocock认为软件工程基本功在AI时代变得更重要，因为Agent的运行环境就是代码库本身，垃圾代码库会导致垃圾产出。
作者指出赢得黑客马拉松可能激励与优秀软件工程相反的行为——重功能数量轻可靠性、重外观轻功能、重演示轻正确性。
「代码即行为」的实用主义传统可以追溯到软件工程中对形式化验证与经验测试的长期权衡。
决策透明度（Decision Transparency）在软件工程中指将技术决策的背景、权衡过程和决策者信息记录并公开，使利益相关者理解决策缘由。
传统软件工程有代码审查、安全测试等标准化流程，但针对算法公平性、可解释性和潜在滥用的评估，在许多团队中仍处于“自愿参与”状态。
将主观质量转化为可操作指令的方法借鉴了软件工程中的“可测试性”原则。
该作品集涵盖了作者在AI应用开发和软件工程方面的实践，并展示了前端设计、信息架构和内容组织的综合能力。
还有 40 条时间轴事件
全部知识事实 (20)
AI生成的代码在功能逻辑上可能正确，但在性能优化、异常处理、安全加固等工程细节上往往存在不足
80%已验证AI代码审查工具正从一刀切的自动化走向更精细的可控性方向演进
80%已验证研究表明错误在需求和设计阶段被发现的修复成本仅为代码阶段的1/10到1/100
75%已验证斯坦福大学、MIT等机构的研究显示，在AI辅助编程场景中，需求描述的精确性比技术背景更显著地影响最终代码质量
65%已验证边界条件测试（Boundary Value Analysis）是软件工程中质量保障的核心方法论之一
65%已验证软件工程师的核心价值将从代码编写转向需求理解、架构设计和系统权衡等上游决策工作
70%待验证大量软件故障发生在输入值处于极端情况时，例如空字符串、零值、最大整数溢出等场景
90%待验证软件工程领域的经典研究表明，代码编写仅占软件总生命周期成本的约20%，而维护占据了剩余的80%
80%部分验证开发者与AI的协作模式正在从逐行辅助向项目级理解演进
80%待验证某些长期运行的企业级系统维护成本可达初始开发成本的4-5倍
60%待验证这六个维度对应软件工程中需求分析的经典框架：用户故事、业务上下文、问题定义、迭代范围、非功能性需求、技术约束
60%待验证工程师在棕地项目（Brownfield project）中约60-70%的时间花在理解现有代码上，而非编写新代码
60%待验证软件工程黄金法则：永远不要存储能从已有数据推导出来的信息。
50%待验证Dry-run（空运行）是软件工程中常见的预演模式：程序完整执行逻辑但不产生副作用，只输出将要发生的变化。
50%待验证重复性的CRUD开发、模板化的前端页面、简单的脚本任务正在快速被AI压缩。
50%待验证Pocock认为软件工程基本功在AI时代变得更重要，因为Agent的运行环境就是代码库本身，垃圾代码库会导致垃圾产出。
50%待验证作者指出赢得黑客马拉松可能激励与优秀软件工程相反的行为——重功能数量轻可靠性、重外观轻功能、重演示轻正确性。
50%待验证「代码即行为」的实用主义传统可以追溯到软件工程中对形式化验证与经验测试的长期权衡。
50%待验证决策透明度（Decision Transparency）在软件工程中指将技术决策的背景、权衡过程和决策者信息记录并公开，使利益相关者理解决策缘由。
50%待验证传统软件工程有代码审查、安全测试等标准化流程，但针对算法公平性、可解释性和潜在滥用的评估，在许多团队中仍处于“自愿参与”状态。
50%