#CI/CD
Databricks 出了个 Lakebase Branching，给 coding agent 一份隔离的数据库沙盒，改坏了也不碰生产数据，还有配套 CLI 工作流教程。
LiteLLM 被投毒，40 分钟偷走 195TB 数据，英伟达、三星这些大厂都中招了，搞 AI 基础设施的都得看一眼。
Cloudflare 搞了个 CI SDK，可以直接用 TypeScript 写流水线，不用再折腾 YAML 了，还带 AI 代理自动修复失败任务。
OpenAI 出了个开源安全工具 Codex Security CLI，能帮你自动扫描代码漏洞、集成进 CI/CD，安装只要一行 npm 命令，快试试。
宝玉分享的实操经验：把传统软件工程的代码审查、测试覆盖、灰度发布等方法用到 AI Agent 上，能少写 bug、少修 bug，适合正在用 Agent 写代码的团队。
GitHub 的 Agentic Workflows 解决了自动化流程中安全性和可控性的痛点，做 DevOps 或 CI/CD 的团队可以直接上手体验，值得关注。
GitHub 的转型方向直接关系到所有开发者和开源维护者——当智能体成为主要贡献者，代码审查和信任机制将彻底改变，建议关注这个趋势的开发者点开了解。
CI 失败排查是开发团队的日常痛点，Eigent 用多代理协作把根因定位从小时级压缩到分钟级，做 DevOps 或 ML 基础设施的团队值得关注这个开源方案。
AI 智能体开发者、云平台工程师和 DevOps 团队值得关注——Railway 的实践揭示了传统开发流程如何被 AI 改写，以及为什么“手写代码”正在成为过去式。
测试维护是 CI/CD 的痛点，MuMuTestUp 用变异测试和多智能体协作解决了断言弱和覆盖不全的问题，做自动化测试或持续集成的团队值得关注。
GitHub 把 AI 编程从“补全代码”升级到“管理整个开发流程”，做协作开发的团队可以直接用桌面应用跑 Agent 工作流，省去手动提 PR、查 CI 的麻烦。