过去一个半月（2026.06.16—07.31），软件工程领域的 Agent 研究明显向执行过程深入。根因分析开始检查模型能否还原故障传播链、能否自己操作生产式观测工具；编码 Agent 的评测也从最终通过率转向早期错误、恢复窗口和 PR 测试覆盖。Harness、技能和记忆不再只是提示工程配件，它们逐渐被当作需要静态分析、回归测试和版本治理的软件资产。

本文详细介绍 Cleaning Logs for Downstream Tasks (Registered Report) ，重点放在论文提出的 LogPurifier 方法、依赖分数计算、聚类式日志清洗流程，以及作者计划如何验证该方法对下游任务的影响。

这半个月（2026.06.01 – 06.15），软件工程领域有几个方向值得关注：Agent 上了生产之后错误信号传不到人手里、把执行轨迹和 harness 当成可以诊断和修复的对象、从零生成整个代码仓库的训练数据，还有代码评审带宽跟不上 Agent 产量的问题。

这半个月（2026.05.15 – 05.31），软件工程领域有三个方向值得关注： Agent 修改自己的源代码来自我改进、定位 Agent 执行过程中哪一步出了错、用形式化工具为大模型生成的代码做验证。

过去一个月（2026.04.15 – 05.15），软件工程领域涌现了大量以 LLM 为驱动的创新工作。本文基于每日论文推送的跟踪，梳理几个最值得关注的研究趋势。

NanoClaw 创始人 Gavriel Cohen 最近提出了三条 AI 时代的编程理念，乍看有些道理，但仔细一想，每条都在软件工程的雷区上蹦迪。

指令微调（Instruction Fine-Tuning / SFT）是将预训练大模型对齐到人类意图的关键环节。通过精心构建的指令数据集，模型得以从"下一词预测"的通用能力转化为"遵循指令、完成任务"的实用能力。本文系统梳理了指令微调的核心方法论，涵盖指令数据的构建策略与质量评估、主流训练算法（全参数微调、LoRA、QLoRA 等），以及从数据准备到模型评估的完整实施流程。

（一）一天，从提出需求到代码上线 我们课题组的报销流程一直很繁琐，至少我在处理了几次报销流程后是这么认为的。每次出差或采购后，导师总会选一位同学，他会在微信中戳每一位需要报销的同学，把发票、支付记录、行程单、审批表等等一大堆材料手动整理、归档。这种方式效率很低，经常出错，而且往往在提交之后被打回。 终于，从北京出差回来的那天下午，我突发奇想，正好我也在用Cursor（一种基于AI的智能代码编辑器...

多智能体系统（Multi-Agent System）中的协作策略与训练方法是当前 AI Agent 研究的热点方向。如何让多个智能体在共享环境中高效分工、协同决策并持续学习，是构建可靠运维 Agent 系统的核心难题。本文调研了多 Agent 协作的主流范式，包括基于角色分配的任务分解、基于通信协议的信息交互、以及基于强化学习与自博弈的协作策略训练方法。

微服务架构的广泛采用带来了弹性与敏捷性的提升，但也引入了性能评估与容量规划方面的新挑战。服务间复杂的调用链路、动态扩缩容策略以及资源竞争效应，使得传统的性能建模方法难以直接适用。本文从学术界视角调研了微服务容量评估与性能优化的最新研究成果，涵盖了负载建模、瓶颈检测、资源分配优化等核心问题及其解决方案。