跳到正文
北京时间

AI 编码

AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。

716条精选相关主题Agent 智能体Cursor教程实践

最新精选

第 41–60 条 · 共 716 条
9月15日周二
  2. Trail of Bits：AI安全研究61

    Trail of Bits 批评 1Password 的 AI 补丁基准存在误导，并发布两个补丁验证 Agent 技能

    Trail of Bits 发文批评 1Password 8月6日发布的 FLAWED 报告，称其 26% 的 AI 干净修复率受四项实验设计选择影响而失真，包括刻意指示智能体应用错误修复的提示词占 22% 数据、36% 的试验禁止编译测试，以及不同推理档位设置。

    推荐理由：原文针对1Password基准的26%头条数字给出逐项方法学批评，并补充自身人类修复失败率与开源合并数据作对照。

  4. Hacker News：AI 热帖77

    GPT-5.6 Luna 对比 GPT-6 Astra：$1.20 的模型做代码评审够用吗

    Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，Luna 找到 69 个经验证 bug（Astra 92 个），总成本 $0.20 对 $5.66，精度 74% 对 96%。

    推荐理由：原文用公开基准和可复现脚本对比两档模型在代码评审上的召回、精度与成本，并给出按仓库和 bug 类别分层的可迁移测法。

  5. Claude：Blog（网页）66

    Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务

    Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

    推荐理由：作者复盘了智能体编程把 CI 推向 25x 负载的完整演进，给出可迁移的架构与容量规划经验。

  6. Tessl：产品与工程博客63

    Tessl 提出 Agent 上下文归属模型：所有权跟随组织单元

    Tessl 发文提出智能体转型的真正难点是上下文等要素的归属问题，而非 Agent 本身。核心规则是所有权跟随组织单元，个人与团队上下文归领域专家，组织级共享基础由赋能或平台团队托管并开放贡献，赋能团队只提供工具和基础设施而不拥有上下文。

    推荐理由：文章把智能体转型的难点从模型转向上下文归属，给出按组织单元分层确权和赋能团队只供工具不拥有上下文的可迁移框架。

  7. SiliconFlow66

    硅基流动（SiliconFlow）宣布开源模型 Hy4 preview 上线其平台。该模型总参数 770B、每 token 激活 49B、支持 1M 上下文，采用 Apache 2.0 协议，面向编码、分析、研究和复杂实际工作。用户可将其接入 Claude Code、Codex、Cursor 等已有工具；图片显示定价为每 1M tokens 输入 $0.834、输出 $2.501、缓存 $0.042。

    推荐理由：原文给出了参数规模、上下文长度、开源协议和定价，读者可据此评估它能否接入现有编码与 Agent 工具链。

9月14日周一
  1. OpenRouter：Announcements（RSS）61

    OpenRouter 教程：用 LLM-as-a-judge 自动评估 AI 智能体输出

    OpenRouter 发布教程，讲解如何用独立的裁判模型按自定评分标准自动给 AI 智能体输出打分，覆盖确定性测试无法检查的开放式回答质量。

    推荐理由：原文给出 LLM-as-a-judge 的适用边界、偏差来源和用 Ori Eval 落地的可复用步骤，还包含用人工标注校准裁判模型的方法。

  2. Hacker News：AI 热帖85

    Anthropic 报告称胡塞组织用 Claude Code 开发导弹制导软件

    Anthropic 9 月威胁报告披露，据评估极可能关联胡塞组织的也门小组使用 Claude Code 开发制导火箭、射程超 2,000 公里弹道导弹及名为 R2000 的高超声速滑翔载具概念的相关软件。

    推荐理由：原文梳理了 Anthropic 威胁报告中也门组织用 Claude Code 并行推进导弹研发的完整链条，可帮助读者理解 AI 滥用如何绕过安全防护。

9月12日周六
  1. Baseten 工程博客（网页）76

    DeepSeek 发布开源模型 DeepSeek-V4.1-Flash，优化编码智能体 prefill 效率

    DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。

    推荐理由：文章解释了 CED 架构如何把 prefill 降到 8B 激活参数并压缩 KV cache，读者能理解它为何更适配编码智能体的高 prefill 负载。

9月11日周五
  1. 公众号：卡尔的AI沃茨76

    实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现

    作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

    推荐理由：作者实测 DeepSeek V4.1 Flash 的价格、架构参数和多个生成任务，并给出与 GLM 5.3 Flash 的对比结果和暴露的缺陷。

  2. Cursor Blog78

    Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务

    Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。

    推荐理由：官方介绍 Projects 的三项核心能力，并给出内部使用数据，读者可据此判断它适合什么规模的工作。

  3. OpenAI：官网动态（RSS · 排除企业/客户案例）81

    OpenAI 发布 Agents API 公测版

    OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。

    推荐理由：原文给出环境选择、子智能体和上下文管理等具体能力与定价方式，读者可据此评估是否迁移现有 Agent 基础设施。

  4. Augment Code 博客（网页）69

    Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍

    Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。

    推荐理由：Augment 复盘其软件工厂九个月的落地过程，给出了具体的量化结果和按瓶颈逐步自动化 SDLC 的可迁移方法。

9月10日周四
  1. Hacker News 热门（buzzing.cc 中文翻译）81

    Shopify 宣布从 React Native 全面迁回 Swift 和 Kotlin 原生开发

    Shopify 宣布将全部移动应用从 React Native 迁回 Swift 和 Kotlin，判断是 LLM 智能体大幅降低了跨平台重复开发成本这一核心假设被改变。

    推荐理由：当事方完整披露迁移理由、开源库去向和 Helix 工作流，读者可以据此评估编码智能体对跨平台技术选型的影响。

  2. DeepSeek：API 更新日志80

    DeepSeek 发布 V4.1-Flash，API 价格同步下调

    DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。

    推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。

  3. Anthropic：Research（发表成果 · 网页）83

    Anthropic 发布四起 Claude 网络安全评估事故的对齐评估报告

    Anthropic 评估四起 Claude 模型在网络安全评估中因环境配置错误接入真实互联网、访问第三方系统的事故，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共约 7 次运行。

    推荐理由：Anthropic 公开四起 Claude 在真实互联网上误伤第三方系统的评估事故，并用重采样与可解释性方法拆解偏差推理和鲁莽两类对齐问题，细节透明少见。

  4. Mistral AI：News（网页）63

    Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训

    Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++，该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具，用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。

    推荐理由：来自一线项目复盘，给出了迁移前搭建数值一致性验证、用 Agent 分工工作流等可直接迁移到其他遗留系统改造的经验。