Hey ████, I think there is room for both. 1. Prototypes and other throw-away code can be treated as totally black box. If you’re going to throw it away anyway, and if the blast radius of it breaking is low, it doesn’t need to be perfect. 2. Production code written by Claude should have a higher bar than if it was written by a human. At Anthropic, we have many guardrails in place to make sure this is happening: lots of lint rules, lots of tests, Claude-driven end to end tests, Claude-powered fuzzers running daily, automated code reviews and security reviews, automated code refactoring, and so on. Without these, you can end up with a mess that is hard to maintain down the line. Luckily, the model makes it increasingly easy to do these well — run a few daily routines, use Claude Code Review, etc. Your job is to hold the bar on code quality. If Claude’s code doesn’t meet the bar, try: - Using the latest frontier model (Opus 5 or Fable 5.1) - Increase effort to high or xhigh - Invest in your CLAUDE.md and skills to succinctly teach Claude how to work in your codebase If all else fails, steer Claude more when you work with it, or have Claude fix accumulated debt and rewrite your codebase to make it easier to work with. Or, wait for the next model. Best, Boris
#编码
Adam Wolff@dmwlffAI 评分5353引用Boris Cherny@bchernyIT之家·人工智能AI 评分6464 工信部印发《人工智能+软件》专项行动实施方案:2028 年推广至 2 万家规上软件企业、打造 100 个智能体软件标杆应用
工业和信息化部印发《人工智能+软件》专项行动实施方案,提出到 2028 年培育高水平智能编程工具和智能开发平台,推广应用覆盖 2 万家规模以上软件企业,组织实施 100 项智能化技改项目,打造 100 个智能体软件标杆应用,孵化 5 个以上优质开源项目;到 2030 年关键软件全面实现智能化升级。
Rohan Paul@rohanpaul_aiAI 评分7272
Cursor Blog精选AI 评分7878 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。
lauren@potetoAI 评分7272引用Cursor@cursor_aiIntroducing Projects, a new way of working in Cursor. Rather than creating a chat for every task, you work with a coordinator agent in a single, persistent thread. Like @bot, your agent is always on, proactively manages work with subagents, and improves over time.
Simon Willison 博客AI 评分6868 Shopify 宣布移动端弃用 React Native,回归 Swift 和 Kotlin 原生开发
Shopify 宣布移动应用从 React Native 迁回 Swift 和 Kotlin 两套原生代码。官方解释 2020 年选 React Native 是为避免重复开发、让开发者跨栈工作,如今 Agent 已能承担足够的实现、转译、测试和评审工作,双平台维护成本不再是决定因素。
GitHub BlogAI 评分5353 GitHub Copilot 应用入门教程:用 diff、终端和浏览器面板审查 AI 代码
GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板,让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行,用户可接受、评论或要求修改;终端面板可运行项目命令并支持多窗口,浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整,最后可直接在应用内接受变更并创建 pull request。
TechCrunch:AIAI 评分6565 OpenAI 因 Astra 需求过高暂停 $200/月 Pro 订阅
OpenAI 因新模型 Astra 需求过高、基础设施承压,宣布暂停 $200/月 Pro 计划的新用户订阅。产品负责人 Thibault Sottiaux 在 X 上表示 Pro 计划对系统压力最大,API 和 Go、Plus 等其他计划仍开放。Astra 于 9 月 3 日发布,主打推理、编码和计算机使用能力,OpenAI 未说明暂停持续多久或需求规模。
OpenAI:官网动态精选AI 评分8181 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。
jason@jxnlcoAI 评分6565OpenAI 开发者账号宣布 Agents API 开启公测,可用 Codex harness 构建并运行完全托管的云端智能体。平台负责编排、长时运行会话和上下文管理,开发者专注于智能体自身逻辑。
引用OpenAI Developers@OpenAIDevsGo from idea to a working agent faster with the Agents API. Build and run cloud agents with the Codex harness, fully managed by OpenAI. We handle orchestration, long-running sessions, and context management. You focus on what makes your agent unique. Available in public beta.
OpenAI Developers@OpenAIDevsAI 评分6464
Cognition 模型 / Devin 博客AI 评分7070 Cognition 发布编码模型 SWE-2,FrontierCode 1.1 Main 得分 50.0% 逼近 Fable 5.1
Cognition 发布编码模型 SWE-2,在 FrontierCode 1.1 Main 取得 50.0%,距 Fable 5.1 仅一分以内且成本低 64%,比 GPT-6 Astra 低数分但成本仅四分之一。
Tessl:产品与工程博客AI 评分5151 GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI
GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出,应在 CI 和 CD 之外增加第三个支柱 Continuous AI,即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。
Augment Code 博客精选AI 评分6969 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。
LangChain:BlogAI 评分4141 Credit Genie 如何用 LangChain OpenWiki 保持代码库文档常新
Credit Genie 的 AI 与 ML 工程团队采用 LangChain 开源仓库文档智能体 OpenWiki,自动生成并维护代码库文档,解决文档过时与"部落知识"问题。
DeepSeek:API 更新日志精选AI 评分8080 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。
MarkTechPostAI 评分6666 Google 开源 Mantis 漏洞审查技能包,让编码智能体查找、复现并修补漏洞
Google 开源 Mantis,一套协议无关的安全审查技能包,可让现有编码智能体跑完漏洞全生命周期,包括发现疑似缺陷、过滤误报、在 gVisor 或禁网 VM 沙箱中复现、写最小补丁并对补丁再攻击、给出 1 到 10 的风险评分。
OpenAI:官网动态AI 评分8282 OpenAI 发布 GPT-6 Astra,面向专业工作场景
OpenAI 发布 GPT-6 Astra,已在 ChatGPT Work、Codex 和 API 提供,定价为每百万输入 token $10、输出 token $50。
Rohan Paul@rohanpaul_aiAI 评分6565引用OpenAI@OpenAIWe mobilized 250+ people to strengthen our defenses across hundreds of systems. Our latest cyber models helped us find and fix vulnerabilities we might never have discovered otherwise. We’re sharing what we learned, the architecture, and a practical playbook so you can build your own Defense Factory: a continuous loop where AI agents find vulnerabilities, validate them, and verify that fixes work. https://openai.com/the-defense-factory/
Anthropic:Research精选AI 评分8383 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。
a16z:NewsAI 评分5656 a16z 宣布再次投资 Devin 开发商 Cognition
Marc Andreessen 撰文宣布 a16z 第二次投资 Scott Wu 创办的 Cognition,称 Devin 在过去一年从编写公司 13% 的生产代码升至超过 90%。
Mistral AI:News精选AI 评分6363 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。
Hacker News:AI 热帖AI 评分6060 什么是 AI 精神病之二:高产型 AI 精神病
作者延续上周对 AI psychosis 的分类,本周界定并分析高产型 AI 精神病,指人在大量生成 AI 产出却未真正提升工作价值时,因无法评估自身产出质量而与现实轻度脱节。
Google AI:DEV 作者专属AI 评分5252 Google AI 讲解 Loop Engineering 的四种失效模式及修复方法
Google AI 作者 Tilde A. Thurium 与 Annie Wang 对谈,讲解 Loop Engineering 即构建智能体系统反复迭代直到达成可度量目标的四种常见失效模式及修复方法。
Google Developers Blog精选AI 评分6161 Google 讲解 Harness 工程:如何评估、迭代并守护 AI 编码 Agent
Google Developers Blog 发布关于 AI 编码 Agent harness 工程的实践文章,主张用行为评估补充 Terminal-Bench、SWE-bench 等端到端基准。
推荐理由:Google 团队分享用行为评估迭代和守护 AI 编码 Agent 的方法,给出可复用的三步测试循环与示例代码。
Pragmatic EngineerAI 评分6666 Pragmatic Engineer 播客对话 Codex 负责人 Tibo Sottiaux:构建方式与工程文化
Pragmatic Engineer 播客采访 OpenAI Core Products & Platform 负责人、Codex 创建工程师之一 Tibo Sottiaux,讲述 Codex 的构建与迭代。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 发布 SWE-2 编码模型,以更低成本逼近前沿
Cognition 发布最先进编码模型 SWE-2,基于 2.8T 参数的 Kimi K33 后训练,在 FrontierCode 1.1 Main 取得 50.0%,仅比 Fable 5.1 低不到一分且便宜 64%。
推荐理由:官方详细公开了 SWE-2 的训练方法与成本惩罚公式,读者可以借此理解如何用 RL 推移整条成本性能前沿。
IT之家·人工智能AI 评分7070 OpenAI 称 GPT-6 Astra 需求空前,必要时或暂停新增 Pro 订阅
OpenAI Codex 负责人 Tibo Sottiaux 表示 GPT-6 Astra 需求前所未有,若持续上涨可能临时暂停新的 Pro 订阅,但现有用户订阅不受影响。Astra 于 9 月 3 日开放,上线初期遭遇算力瓶颈,官方推出额度重置补偿,并称优化后额度消耗最多可降至原来的四分之一到三分之一;Codex 此前周活跃用户约 2000 万。
Rohan Paul@rohanpaul_aiAI 评分6262引用Arena.ai@arenaMuse Spark 1.3 Max by @AIatMeta has reshaped the Pareto frontier for Code Arena: WebDev! Meta's latest model at Max reasoning is doing something interesting on the Arena Pareto frontier: it's the only model holding down the wide price band between Qwen3.8-max ($5/MToken) and Qwen3.8-Flash-Next ($0.39/MToken). The next closest model to the frontier is Meta's own, Muse Spark 1.3 on xHigh reasoning. Muse Spark 1.3 Max performs just 20 pts lower than Qwen3.8 (Max) while costing 30% less, and 24 pts from Kimi K3 (Max) while costing 70% less. - Muse Spark 1.3 Max: 1650 pts | $3.50/M - Qwen3.8 (Max): 1670 pts | $5/M - Kimi K3 (Max): 1674 pts | $12/M Overall in Code Arena: WebDev, Muse Spark 1.3 Max landed #8, ahead of Claude Fable 5 at #10 (+22 pts), Grok-4.6 (High) at #12 (+26 pts), and GPT-5.6 Sol at #14 (+33 pts). Congrats to the @AIatMeta team on this release!
公众号:数字生命卡兹克精选AI 评分7070 GPT-6 Astra推理等级怎么选才最省Token
卡兹克发文讲解GPT-6 Astra的推理强度等级(Reasoning Effort)含义,指出各档位是同一模型的不同思考预算,Ultra则类似拉起多个智能体协作的专项工作组。
推荐理由:作者基于烧完两个200刀会员的第一手使用体感,给出推理等级的通俗解释和分档位省Token的具体用法。
Together AI 研究与产品博客精选AI 评分6868 Together AI 深度解析开源模型 AI 编码栈 MIGHT
Together AI 发布深度解析文章,介绍开发者从闭源模型转向开源模型所需的 AI 编码栈,提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。
推荐理由:原文给出开放权重模型编码栈的分层框架,读者可据此按任务选模型、按价格选供应商并保持工作流稳定。
Inception Labs:BlogAI 评分6464 Inception 发布扩散大语言模型 Mercury 2.5
Inception 发布 Mercury 2.5,称其为目前最强扩散大语言模型,智能较 Mercury 2 提升 40%,在 NVIDIA GPU 上达 1,107 tokens 每秒,上下文 260K tokens,定价 $0.20/百万输入、$0.75/百万输出,发布期 8 折优惠。
TechCrunch:AIAI 评分6868 Cognition 以 480 亿美元估值融资 20 亿美元,AI 编码赛道投资热度持续
Cognition(Devin 开发商)宣布以 480 亿美元估值融资 20 亿美元,由 Andreessen Horowitz、Accel、Founders Fund、General Catalyst 和 Avenir 领投,距上次 260 亿美元估值融资仅四个月。
Claude:Blog精选AI 评分6767 Anthropic 发布 Claude Platform 降本指南并更新 claude-api 技能
Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法:提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。
推荐理由:官方给出了提示词缓存、反模式清理和 effort 校准三类降本方法及实测数字,可直接迁移到自己的 Claude API 应用。
ClaudeDevs@ClaudeDevs精选AI 评分6868Anthropic 团队文章指出,优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。
推荐理由:官方团队给出提示词缓存、反模式清理和 effort 校准三条降本路径,并用公开基准实测数字支持,方法可迁移到自己的 Claude 应用。
Pragmatic EngineerAI 评分6868 Gergely Orosz 梳理 AI 代码评审激增下的五种团队应对模式
Gergely Orosz 汇总各公司在 AI 智能体大量生成代码后的代码评审应对方式。GitHub 数据显示三年间 PR 数量增长五倍,2025 年底以来 PR 和提交数几乎翻倍。
Cognition 模型 / Devin 博客精选AI 评分7676 Cognition 团队用 Devin 完成 RSA-260 分解,刷新公开 RSA 挑战纪录
Cognition 研究团队驱动多个 Devin 智能体构建 GPU 格子筛,用约 4,900 GPU 天(约 40 万美元)完成 260 位 RSA-260 分解,创下公开 RSA 分解挑战新纪录,超越 2020 年 2 月的 RSA-250。
推荐理由:原文完整披露 GPU 版 GNFS 实现细节、成本拆分和 Devin 协作流程,读者可以看到智能体驱动大规模科学计算的实际分工边界。