跳到正文
#编码
7月22日周三
  3. OpenRouter72

    今日在 OpenRouter 上线：Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite！ 两者均为其模型系列的重大更新，具备高吞吐量（150+ tok/s），适用于智能体场景，从高效 token 的编码与知识工作，到低延迟、高并发的子智能体。 详情如下 🧵

    推荐理由：Google Gemini Flash 系列更新到 3.6，150+ tok/s 的吞吐量对 agent 场景是实际提升，OpenRouter 第一时间上线，开发者可以直接调。

  4. Rohan Paul60

    Google 发布三款新 Gemini 模型，包括性能更强的 Gemini 3.6 Flash、高性价比的 3.5 Flash-Lite 以及专为网络安全设计的 3.5 Flash Cyber。其中，3.6 Flash 在编码测试 DeepSWE 上得分从 37% 升至 49%，输出 token 减少 17%，定价为 $1.50/1M 输入、$7.50/1M 输出。

    引用Google DeepMind@GoogleDeepMind

    我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。

  5. Rohan Paul41

    Plasma 发布开源工具 Fractal，为 Claude Code 和 Codex 等编码智能体提供分层循环架构，解决大型项目单次长会话易丢失或难以管理的问题。Fractal 为每个节点分配独立工作目录、内存和可审查的 Git 历史，支持“准备-规划-执行-审查-提交”循环，可通过 `pip install fractal` 安装。

    引用Plasma AI@Plasma__AI

    Introducing Fractal: An open source tool for building hierarchical agent loops. We built Fractal to solve our hardest problems.

  15. GitHub Blog70

    GitHub Copilot 推出 canvases 扩展，实现开发者与 AI 智能体实时协作

    GitHub Copilot 在应用中推出 canvases 扩展，这是一种共享交互式界面，开发者和 AI 智能体可在其中实时协作。用户通过 `/create-canvas` 指令创建画布，Copilot 可动态更新内容，用户则通过点击、编辑等操作与同一工作区交互。示例包括快速分类 Issue、生成交互式代码库关系图、管理会话工作树、优化提示词质量以及跨平台搜索知识联系人。

    推荐理由：Copilot 的 canvas 把对话变成可拖拽可点击的交互界面，处理 issue、探索代码都变得直观，日常依赖 Copilot 的开发者可以直接用起来。

  16. Josh Woodward69

    Google 推出三款新模型，旨在提升性能、降低延迟和成本。其中，3.6 Flash 在复杂编码任务上 token 用量最高减少 65%，3.5 Flash-Lite 速度达 350 输出 token/秒。3.6 Flash 和 3.5 Flash-Lite 已在 Gemini 应用上线，3.5 Pro 进入合作伙伴测试。

    引用Google DeepMind@GoogleDeepMind

    我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。

    推荐理由：Google一口气扔出三个Gemini Flash新模型，3.6 Flash把复杂编码token砍了65%，做Agent的成本敏感型选手可以直接收益，Cyber模型专攻漏洞修复是个有意思的细分信号。

  17. Prime Intellect64

    Prime Intellect 整合 23 个任务集，提供超 365,000 个智能体 RL 环境

    Prime Intellect 发布 research-environments，通过 verifiers v1 的 taskset API 将 SWE、终端和搜索三类共 23 个任务集统一到一套运行时和沙箱钩子下，总计约 365,000 个任务，包括约 198,000 个软件工程任务、约 28,600 个终端任务和约 137,600 个搜索任务。

    推荐理由：原文给出 23 个任务集统一为一套 API 的整合方法，以及 gold patch 验证和 reward hack 防护的具体做法，可复用于 RL 环境搭建。

  18. Augment Code 博客54

    Augment Code 解析循环工程及团队级智能体 SDLC 循环的实践

    Augment Code 提出循环工程（loop engineering）概念，指设计从触发、执行、验证到成果的智能体循环，人类只在需要判断的检查点介入。文章将其与提示词工程、上下文工程分层对比，给出代码评审、工单转 PR、漏洞修复、事件响应四类已在生产中运行的循环，并认为多个循环相互连接可形成软件工厂。

7月21日周二
  4. Simon Willison 博客75

    Anthropic 团队透露 Claude Tag 承担 65% 产品工程 PR，系统提示词缩减 80%

    Anthropic 的 Cat Wu 和 Thariq Shihipar 在炉边对话中透露，Claude Tag 现已承担 Claude Code 团队 65% 的产品工程 PR。Claude Code 系统提示词最近缩减了 80%，团队越来越多地依赖自动化代码审查处理产品“外层”变更。Fable 已能一次性完成大量功能实现，Thariq 还用它编辑了自己的产品发布视频。

    推荐理由：Anthropic Claude Code团队首次公开内部工作流和评估细节，系统提示精简80%、自动审查取代人工，对每个用编码代理的团队都有直接参考价值。

  5. IT之家·人工智能59

    Curative 创始人认同“SaaS 末日”论，称用 AI 两个月自研 CRM 替代 Salesforce

    美国健康保险公司 Curative 创始人 Fred Turner 认同“SaaS 末日”论，称公司已终止每年 60 万美元的 Salesforce 合同，并用 AI 编程两个月自研了 CRM 系统。Curative 计划今年削减约 80% 的 SaaS 支出，转投 AI。其定制 AI 智能体 Gwen 将合同谈判平均成本从 1500-2000 美元降至约 70 美元。

  6. Elon Musk42

    Elon Musk 发推推荐 Grok Build 命令行工具。据引用推文，Grok 4.5 在 Long-Horizon Terminal-Bench 上以二值通过率排名第一，超越 Claude Fable 5、Claude Opus 4.8 和 GPT-5.6-sol。在最严格评分标准下，Grok 4.5 在需要数百步完整工作流的复杂智能体任务中表现突出。

    引用X Freeze@XFreeze

    Grok 4.5 now also ranked #1 on the Long-Horizon Terminal-Bench by binary pass rate, outperforming Claude Fable 5, Claude Opus 4.8 and GPT-5.6-sol Under the strictest scoring metric - where a task counts only if it is fully solved with a perfect reward and zero errors......Grok 4.5 finished clearly ahead of every other tested model This matters for real-world coding, automation and difficult engineering work because long-horizon terminal tasks require much more than making partial progress The model has to maintain context, recover from mistakes and successfully complete an entire workflow across hundreds of steps Grok 4.5 is showing serious strength on complex agentic tasks over extended periods of time

  7. Modal 官方工程博客61

    Modal 与 Cognition 推出 Devin Outposts，AI 工程师可在自有 Sandbox 中执行任务

    Cognition 推出 Devin Outposts，让 AI 软件工程师 Devin 的执行环境迁移到用户自控环境，推理仍留在 Cognition 云端；Modal 是启动合作伙伴，7 月 21 日起开放 alpha。

    推荐理由：官方发布方介绍了 Devin 执行环境迁入自有 Modal Sandbox 的方式，GPU 按需启动和会话快照是可对比的实际能力变化。

  8. Tomasz Tunguz 博客64

    AI 工程生产力远超常态：从 20% 提升到 3 倍

    过去六个月多项数据显示，AI 工程生产力提升远超常态：NVIDIA 报告 3 万开发者提交代码量增加 3 倍且缺陷率持平，Anthropic 内部采用 Claude Code 后人均代码量提升 2.5 倍。多数公司仅分发 AI IDE 时效率提升约 20-30%，而构建智能体编排的前沿公司可实现 3 倍产出，软件工厂模式如 Devin 在 Nubank 带来 8 倍效率提升和 20 倍成本降低。

    推荐理由：作者汇总多家公司的公开数据，把 AI 编程提效分成三个梯队，读者可对照自身团队判断所处位置与差距。

  9. Claude Code：GitHub Releases50

    Claude Code v2.1.216 发布：修复长会话卡顿与多项 Agent 行为问题

    Claude Code v2.1.216 修复了长会话中消息归一化成本随轮次二次增长导致的数秒停顿问题，并修正了 OAuth token 过期后自动模式误判 HTTP 401、后台子智能体重启后恢复默认配置、以及工作树隔离子智能体重定向 git 目录等多项缺陷。新增 `sandbox.filesystem.disabled` 设置，可在保留网络出口控制的同时跳过文件系统隔离。

  11. Simon Willison 博客59

    逆向工程变便宜了：编码智能体正在改变家庭设备自动化的成本逻辑

    编码智能体大幅降低了逆向工程家庭设备的成本与心理门槛。过去，为未文档化、不稳定的API编写自动化脚本的投入产出比极低，且面临未来维护或接口变更的持续负担。现在，由于代码生成成本极低，尝试、失败甚至未来重写的心理包袱都显著减轻，改变了整个自动化尝试的决策逻辑。

  12. Cursor Blog64

    Cursor 测试新型 AI 智能体集群：规划者+执行者分工，4小时通过80% SQL测试

    Cursor 测试了新型 AI 智能体集群，将任务分解为规划者（使用最强模型）和执行者（使用快速廉价模型）。使用 Grok 4.5 时，新集群在 4 小时内通过了 80% 的 SQL 测试套件，而旧集群在第二小时前失败。该系统已用于构建浏览器、修复漏洞和生成数十亿 token 合成训练数据。

    推荐理由：Cursor首次公开agent swarm的内部架构和协调失败模式，把835页规格文档变成可运行的SQLite数据库并开源，对做AI编程工具的团队和agent架构师来说，这些细节是金矿。

7月20日周一
  1. Recode China AI80

    Moonshot AI 发布 Kimi K3，以高端定位冲击全球前沿模型

    Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，2.8 万亿参数，以 1679 分登顶 LMArena Frontend Code Arena，成为首个在该榜超越 Claude Fable 5 和 GPT-5.6 Sol 的开源权重模型，在 Artificial Analysis Intelligence Index 排名第 3（约 57 分）。

    推荐理由：作者从架构、定价和定位三个层面拆解 K3，指出它是中国首个以能力而非价格竞争的开源旗舰模型。

  5. OpenAI Developers：Blog63

    Codex Code Review 支持在 AGENTS.md 中编写自定义仓库审查规则

    OpenAI 为 Codex Code Review 推出自定义仓库规则功能，可在 AGENTS.md 中写明审查指导，Codex 在审查时应用相关规则并在 finding 中引用依据。官方测试显示规则引导下可找回 98% 的应报告问题，基线为 58.3%；文中还给出规则应小范围划分、写明不变量和安全路径、机械检查留给 CI 等撰写建议。

    推荐理由：官方给出规则写法与实测数据，团队可以照着把反复口述的审查经验沉淀进 AGENTS.md 交给 Codex。

7月19日周日