黑箱转向（六）：从编码者到约束设计者？
AI 正在改变工程师的任务组合，但现有证据不足以宣布代码作者已经消失。本文把“约束设计者”限定为一种能力重心：定义问题、配置上下文与权限、审查小批变化、建立保证证据并从运行反馈中修正规范，同时说明阅读、调试和实现能力为何仍然重要。
AI 编程
黑箱转向（四）：控制不可读之物，需要哪些证据
控制复杂或生成式软件不能只靠逐行阅读，也不能只看测试是否通过。本文以转账系统为例，建立需求、契约、性质测试、实现分析、形式验证与运行监控组成的六层证据体系，说明每种方法各自能证明什么。
黑箱转向（三）：认知债——团队知道得越来越少吗
AI 生成代码可能让系统增长快于团队理解，但“不知道每一行”并不等于失控。本文把认知债定义为安全修改所需知识与团队实际可调用知识之间的缺口，区分技术债、理解债和意图债，并提出识别、度量与偿还方法。
黑箱转向（二）：生成—验证落差，真正的拐点
AI 可以在短时间内生成大量实现，但代码产量不等于交付能力。本文结合开发者调查和生产率研究，把“生成拐点”重新定义为团队的生成能力持续超过澄清、审查、整合和运行验证能力，并给出识别这一落差的指标。