跳到正文
9月17日周四
  1. GitHub Blog87

    GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust

    GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust,AI 智能体完成大部分代码,共 128 个 PR 增量合入 main 并持续发布。

    推荐理由:当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程,策略、回归样本和成本数据对同类迁移有直接参考价值。

9月11日周五
9月2日周三
  1. OpenClaw🦞51

    OpenClaw 转发 GitHub 的访谈视频,链接 https://youtu.be/5VSwaUXtPIE?si=vdegRI2eH4wXo2lG。GitHub 介绍视频由 OpenClaw 创作者 @steipete 及其维护者讲述该项目如何构建、扩展并保障安全,并称其为 GitHub 历史上增长最快的开源项目。

    引用GitHub@github

    🦞 @openclaw 2.0 has arrived! But what did it take to get here? 👀 Find out how creator @steipete and its maintainers built, scaled, and secured the fastest-growing open source project in GitHub history. 🚀 https://youtu.be/5VSwaUXtPIE?si=vdegRI2eH4wXo2lG

8月28日周五
  1. GitHub Blog53

    OpenClaw 走红后,维护者如何构建并保障其安全

    OpenClaw 是 Peter Steinberger 于 2025 年 11 月发起的个人 AI 助手项目,截至 2026 年 8 月已获约 388,000 星标、81,000 fork 和超 80,000 次提交。维护者在访谈中分享了应对海量拉取请求、重构贡献者信任与代码审查、应对供应链风险及平衡智能体能力与安全的经验,并总结了 GitHub 安全开源基金带来的教训。

8月14日周五
8月12日周三
  1. ByteByteGo56

    GitHub、Vercel 与 Replit 如何应对 AI 代码生成商品化

    当 AI 模型能以极低成本快速生成可用代码,代码生成本身不再是开发者平台的差异化优势。GitHub 押注编排,通过 Agent HQ 在临时云环境中协调多家模型供应商的智能体;Vercel 押注生产路径,基于隔离 microVM 沙箱;Replit 则押注验证,用真实浏览器驱动的自测循环捕捉“看似能用”的代码。三家公司均支持 MCP 标准,让任意智能体接入任意工具。

7月23日周四
7月18日周六
  1. GitHub Blog51

    AI 时代“小需求”的成本逻辑变了:GitHub 博客谈工程决策新范式

    工程师对小型功能请求的决策成本已超过代码实现成本。AI 智能体可在会议预热时间内生成首个补丁,将抽象的“是否在范围内”争论转化为可审查的具体产物。关键区分在于:代码生成便宜不等于维护便宜,只有人类能自信审查并承担长期责任的变更才算低成本。

7月9日周四
  1. Greg Brockman60

    Greg Brockman 引用 Next.js 核心开发者 @timneutkens 的反馈:其团队已测试 GPT-5.6-Sol 超过 2 个月,模型在日常 Next.js 工作中表现极佳,能理解架构权衡、调查复杂 issue、在修复 bug 时考虑代码库其他区域,短提示即可。它还端到端实现了 Next.js 服务器的大型重构,相关 PR 将在 Next.js 16.3 发布后合并。

    引用Tim@timneutkens

    We've been testing GPT-5.6-Sol for over 2 months now. It’s incredibly good in my day-to-day working on Next.js. It understands architecture tradeoffs. It can investigate complicated Next.js issue reports. It considers other areas of the codebase when fixing bugs. Needs very little guidance. Short prompts are enough. There’s some big refactors of the Next.js server that it implemented end-to-end with me pointing at high level possible improvements (we have skills for how to grab our failing test suites on PRs, deployment tests, etc.) Those PRs are ready to merge after Next.js 16.3 has been released.

6月24日周三
  1. Berkeley RDI:Blog82

    恶意CDN仍潜伏GitHub Pages,AI让情况恶化

    UC Berkeley研究人员发现,近2000个GitHub Pages站点(18000+页面,累计530K+星标)仍在加载来自polyfill.io及其关联恶意CDN的脚本。这些CDN由已被OFAC制裁的Funnull Technology Inc.(现更名Triad Nexus)运营,2024年被出售后开始条件性注入恶意载荷,劫持移动用户、跳转欺诈站点、伪造认证弹窗窃取凭证。扫描12000+站点确认786个加载polyfill.io,1191个加载其他Funnull CDN。更严峻的是,所有测试的大语言模型在生成前端代码时仍推荐这些被污染的CDN URL,包括CyC2018/CS-Notes(184K⭐)、microsoft/AirSim(18K⭐)等知名项目及多所大学课程页面。

    推荐理由:polyfill.io等恶意CDN仍在GitHub Pages上感染近2000个站点,更可怕的是所有测试的AI模型都还会推荐这些链接,AI编码的便利正在变成供应链投毒的加速器。

6月8日周一
  1. Rohan Paul66

    麻省理工新研究追踪超10万GitHub开发者使用三代AI编码工具(自动补全、交互式agent、自主agent)的生产漏斗。自主AI agent使代码提交数提升180%,但实际发布仅增30%。代码量激增近300%,经人工审核后收益降至150%,最终发布仅增约30%。研究估算替代弹性为0.25,即AI能力大幅提升时仅能替代少量人类工作。应用市场同样显示新应用数量增加,但总使用量未升。瓶颈在于人类仍需负责审查、测试、打包和发布等环节,AI加速的局部任务并未转化为同等产出增长。

    引用Rohan Paul@rohanpaul_ai

    FT publisehd a piece. AI is raising software supply faster than demand. AI is producing far more work inside companies, but the new evidence says much of that extra motion is getting lost before it becomes shipped product or customer demand. Last week's MIT study tracked software teams across the full production funnel, from files edited to reviewed work to software releases, rather than treating code volume as value. AI helped developers create or edit nearly 300% more files, but the gain fell to 150% at review and only about 30% at release. The gap means AI is strongest at speeding local tasks, while human review, coordination, product judgment, testing, and launch processes still decide how much value survives. --- ft .com/content/8e9ae7a4-7209-4e2c-aa36-f3af77d6ce1f?syn-25a6b1a6=1

5月25日周一
  1. Simon Willison 博客58

    引用阿尔明·罗纳彻的话

    当前最令人沮丧的问题是,人们提交的 issue 报告并非本人原话,而是经过 AI 重写。这种“AI 垃圾”导致描述混乱,AI 生成的结论往往不准确却充满自信,造成对根本原因的完全猜测、虚假的最小复现步骤、错误的代码类比以及不相关的错误列表。作者因此希望 issue 报告能浓缩为人类实际观察到的四个要素:运行的命令、预期结果、实际结果以及具体的错误或日志。

5月11日周一
  1. Sam Altman77

    用户指示AI模型Codex去赚取5美元,Codex自主完成了一系列任务:寻找开源安全审计赏金项目,提交有效的拉取请求,与维护者沟通,并处理了GitHub验证流程,最终使工作被合并。经过约22小时的工作,用户获得了16.88美元的首笔付款。按此推算,若每日重复,月收入可达506.40美元。这初步实现了Sam Altman关于AI能主动为人赚钱的愿景,虽然金额尚小,但标志着一个令人兴奋的开端。

    引用Chris@chatgpt21

    Codex 在我什么都没做的情况下帮我赚到了钱.. 今天对我来说是个巨大的转折点,我让 Codex 去帮我赚 5 美元。它出去找了一条小型开源安全/审计赏金路径,提交了一个合法的 PR,跟进维护者,保护了我的付款信息隐私——(在我没要求的情况下),处理了 GitHub 证明/验证循环,并让工作被合并了。 它花了大约 22 小时进行多项安全审计。 今天我收到了那个实验的第一笔付款:16.88 美元。 如果每天重复,那就是每月 506.40 美元的运行率。 这还不是能改变生活的钱,但能亲身体验 Sam Altman 对 AI 的愿景——它会自己出去为你赚钱——这让人非常兴奋。开始看到这一点的开端真是太棒了。

    推荐理由:一个普通用户让 Codex 独立完成安全审计并赚到真金白银,是 agent 走向「替你赚钱」的第一个可信证据,Sam 只回了 interesting,比十万字 PR 都重。

1月19日周一
  1. Steve Yegge:Medium46

    史蒂夫的生日博客

    作者临近57岁生日,回顾了近期在AI领域的活跃动态。人工智能领域正吸引大量资本涌入,作者因其文章和项目收到了众多风险投资人的接触,并因Gas Town相关加密货币$GAS产生了约30万美元的交易费收入,但他强调需专注于软件开发而非被资本或社区分散精力。文章还讨论了利用20余个AI智能体进行高端编程对工作与休息节奏带来的影响,表现为频繁的深度小睡需求。