Post su LinkedIn di **Rakesh Gohel** (costruisce infrastrutture di governance e prova per agenti presso **JUTEQ**) pubblicato intorno al **25 ottobre 2026**, circa 250 parole, accompagnato da un'**infografica** attribuita a *@rakeshgohel01*. Distingue tre grafi di cui un agente ha bisogno per decidere, usando l'esempio *"Riprenotare questo passeggero"*.
#knowledge graph#knowledge graph#grafo di contesto
Rakesh Gohel — builder chez JUTEQ (gouvernance et infrastructure de preuve pour agents IA) ; LinkedIn · newsletter rakeshgohel.substack.com.
Un articolo collettivo a sette autori (**Zach Davis**, **Michelle Gill**, **Elisabeth Hendrickson**, **Angie Jones**, **Sha Ma**, **Randy Shoup**, **James Wickett**), pubblicato su *Enterprise Technology Leadership Journal* da **IT Revolution** (autunno 2026, vol. 3, n. 2), sotto licenza CC BY-NC-SA. Circa **7.500 parole**, intitolato *« Toward a Pattern Language for Code Reviews in the Age of Agentic AI »*. **(A)** Impostazione: la revisione del codice è definita come un esame condotto da un'entità non autrice che porta a un'azione; gli studi empirici (Microsoft 2013, Mäntylä 2009, Beller 2014) mostrano che il suo valore risiede principalmente nella manutenibilità e nella condivisione della conoscenza, meno nel rilevamento di difetti funzionali. **(B)** Tre condizioni per togliere l'essere umano dal percorso critico: validazione deterministica massima, revisione **graduata per rischio**, una **traccia durevole** di ogni decisione dell'agente; *« no human in the loop »* è una scelta di configurazione, non un default. **(C)** Nove pattern componibili, presentati come una cassetta degli attrezzi piuttosto che come una scala di maturità: piccole modifiche, Shift Left, design for verification, pratiche di ingegneria deterministica, context engineering, ciclo continuo di qualità, revisione LLM avversariale, revisioni multi-agente, sviluppo guidato dalle specifiche. **(D)** Tre casi di studio: **Block**, **Cloudflare** (131.246 revisioni su 48.095 PR in un mese, 1,2 rilievi per revisione), **DryRun Security**. Estende le note del corpus su context engineering e revisione del codice assistita da agenti.
#agentic code review#code review#pattern language
Zach Davis (LaunchDarkly) · Michelle Gill (Engineered by AI) · Elisabeth Hendrickson (Curious Duck) · Angie Jones (Agentic AI Foundation) · Sha Ma (Topogy) · Randy Shoup (CircleCI) · James Wickett (DryRun Security) ; article collectif · IT Revolution.
Guida di ampio respiro di **Anthropic** a cura di **Louis Claxton** (team Applied AI), pubblicata il **21 agosto 2026** sul blog claude.com: una lettura dichiarata di **40 minuti**, circa **64.000 caratteri**, presentata come una raccolta di *plays* tratti dal lavoro del team con i propri clienti. (A) La diagnosi: con il codice non più il collo di bottiglia, lo spostamento avviene verso le fasi a monte e a valle della scrittura (piano, revisione/test, deploy), i controlli riga per riga smettono di reggere quando è l'agente a scrivere la maggior parte del diff, e il costo della governance aumenta perché le eccezioni continuano a passare per comitati periodici. (B) La risposta: sei fasi (Plan, Design, Build, Test, Deploy, Maintain) organizzate come un **loop** piuttosto che una catena, ciascuna conclusa da un **artefatto committato** che la fase successiva legge — `intent.md`, `spec.md`, `plan.md`, il diff e i suoi test, la PR e i suoi findings, il record dell'incidente. (1) La conoscenza istituzionale diventa file versionati: `CLAUDE.md`, skill, `REVIEW.md`, `bands.yaml`. (2) La governance si divide in due livelli, con la skill posizionata come controllo consultivo e l'hook come livello deterministico dietro di essa. La separazione dei compiti è posta come invariante — l'agente che scrive il codice non può approvarlo — e il pezzo si chiude con *"The loop keeps running. Human judgement stays above it."* Il corpus contiene già [[clinton-anthropic-secure-ai-native-sdlc-2026-07-21]] sul versante sicurezza dello stesso ciclo, e [[hingel-augment-how-ai-changes-sdlc-six-stages-2026-06-08]] sulla stessa scomposizione in sei fasi vista da un concorrente.
#AI-native SDLC#software development lifecycle#plays
Louis Claxton (Anthropic, équipe Applied AI) · sur le blog claude.com ; contributions créditées à Jim Blackhurst · Will Steuk et Jamal Arif.