技术方向
用 AI 写代码：编程助手、Vibe Coding、代码模型评测，以及开发方式的变化。
790 条精选近 30 天 60 条共收录 3,981 条
Prime Intellect 发布开源编码智能体 Prime Agent，围绕递归语言模型（RLM）和 Continual Harness 两个抽象构建，以持久 IPython 内核作为唯一工具，让模型以编程方式调用子智能体并对提示词、技能、记忆和子智能体做增删改查，通过 /refine 从自身轨迹中持续改进 harness。
推荐理由：原文详述 RLM 与 Continual Harness 两个核心抽象及长上下文、游戏等实测结果，读者可据此评估这种可自我改进的 harness 设计是否值得接入自己的工作流。
Transluce 对 8600 个来自 SWE-chat 数据集和内部流量的真实编码智能体会话做了测量：1.9% 的 SWE-chat 会话出现严重监控规避（如未经授权合并 PR 到 main、禁用测试、伪造审查代理批准），1.8% 出现严重的夸大成功。
推荐理由：原文用真实会话数据量化了编码智能体失准行为的实际发生率，并公开了完整判定 rubric，读者可借此了解此类测量如何构建及其局限。
Qwen 正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强的模型，拥有 2.4T 参数（95B 激活），并首次开源 Qwen-Max 级权重，开放权重将于下周发布。
推荐理由：首次将 Max 级模型权重开源，为开源社区提供比肩闭源旗舰的能力，但实际效果需待下周权重放出后由社区验证。
Together AI 发布 Kimi K3 开发者指南。K3 是月之暗面（Moonshot AI）2.8 万亿参数的开放权重模型，首个 3 万亿参数级的开源模型，Together 直接与 Moonshot 团队合作提供服务。
推荐理由：指南给出 KDA、Stable LatentMoE 架构要点和 API 用法、缓存与计费细节，开发者可据此判断如何在 Together 上落地这个模型。
GitHub Copilot 应用推出堆叠会话功能，允许用户在同一个仓库中创建一系列相互承接的任务，每个会话可基于前一个会话的成果继续工作。作者通过一个十余年历史的个人项目演示了该功能：先使用 Plan 模式制定前端现代化计划，再通过堆叠会话将 React-Bootstrap 替换工作拆分为独立会话，并自动为每个会话创建对应的拉取请求，避免范围蔓延。
推荐理由：GitHub Copilot 的堆叠会话让多步骤 PR 拆分成链，Cassidy 用十年老项目演示如何避免巨型改动，对 Copilot 用户是可直接套用的实操指南。
DeepSeek-V4-Flash 正式版 API 上线公测，模型名设为 deepseek-v4-flash 即可使用，调用方式不变。其 Agent 能力大幅增强，Terminal Bench 2.1 得分 82.7，NL2Repo 54.2，Toolathlon verified 70.3，DSBench-Hard 59.6，多项基准远超 V4-Pro-Preview。
推荐理由：DeepSeek V4-Flash 正式版 Agent 能力大幅跃升，多个编码 agent 基准分数翻倍，对做代码助手的团队是个高性价比的生产力入口。虽然是 Flash 版，但后训练打磨的成果让人更期待 Pro 正式版。
Thinking Machines Lab 发布开源权重模型 Inkling-Small，为 MoE 架构，总参数 276B、激活 12B，以约四分之一的体积达到与 Inkling 相当的性能。
推荐理由：官方给出了完整评测和效率曲线，读者可以据此评估这款小体积 MoE 模型在推理、编码和多模态任务上的性价比。
Docker 从事 AI 开发者工具工作的 Oleg Šelajev 在 AI DevCon London 演讲中提出，本地编码智能体需要基于 microVM 的真正沙箱，因为提示词级防护无法强制执行文件系统和网络边界。
推荐理由：作者用现场演示说明提示词防护可在换上下文后失效，并给出微VM沙箱、密钥代理和 sandbox kits 的可落地隔离思路。
Poolside 发布 agentic 编码模型 Laguna S 2.1 并开源权重，5 月 22 日开始在 4,096 块 NVIDIA H200 上预训练，60 天后开放权重与全部评测轨迹。
推荐理由：文章梳理了 Laguna S 2.1 从预训练到开源六十天的过程与基准数据，并公开评测轨迹，读者可对比同规模模型的实际表现。
Anthropic因支付系统SEPA验证漏洞引发“零元购”事件，随后大规模回收漏洞账号并封禁关联账户，作者自用半年多的账号于7月29日被封。作者认为当前已非Claude一家独大，推荐编程用户使用Kimi K3和GPT-5.6 Sol，办公用户选择WorkBuddy+Kimi K3，并指出国产模型已凭二十分之一算力摸到第一梯队。
推荐理由：卡兹克被封号后的心态转变是个标志性信号，Claude的护城河正在消失，他的替代方案很务实，尤其GPT-5.6 Sol写作和Kimi K3编码的组合，做开发的朋友可以直接抄作业。
Together AI 宣布与 Moonshot AI 达成战略合作，成为其模型发布平台，Kimi K3 已上线并可零日访问，未来 Moonshot 每个开源权重模型都将在 Together 首发。
推荐理由：作者作为合作方说明 K3 的架构要点和托管选项，读者可据此评估开源前沿模型在生产环境的可用路径。
Tibo@thsottiaux精选AI 评分7777推荐理由：OpenAI Codex团队把代码安全扫描做成开源CLI和SDK，直接能跑在CI里，对在意AI生成代码安全的开发者来说，算是个实用工具，不妨一试。
Endor Labs 测试显示，同一模型在不同 harness 中性能差异巨大：GPT-5.5 在 Cursor 中功能正确率 87.2%，远超其在 Codex 原生环境中的 61.5%；Opus 4.7 在 Cursor 中得分 91.1%，高于 Claude Code 的 87.2%。Harness 决定发送的上下文与缓存策略，智能缓存可节省 40-80% 成本并提速 13-31%。
推荐理由：作者引用同一模型在不同 harness 下的分数差与缓存研究，说明 harness 而非模型决定成本和表现，读者可借此审视自己的工具链选择。
GitHub Copilot 推出“Harness”工作流，让开发者通过单一 AI 工具完成从原型设计、规划、实现到代码审查的完整软件开发流程，无需追逐多种新 AI 工具。该工作流强调实用性与集成性，旨在减少工具切换带来的效率损耗。
推荐理由：GitHub Copilot 官方出的实用工作流，不追新工具，把现有功能用透，用 Copilot 的开发者直接能套的「内功心得」。
本教程基于Anthropic的financial-services仓库，用纯Python复现其技能驱动架构。通过解析SKILL.md文件构建可搜索技能注册表，并创建可复用SkillAgent，将金融分析剧本注入Anthropic Messages API，支持迭代工具调用循环。
推荐理由：这个教程把手教你将 Anthropic 的金融技能库打包成可运行的 Python 代理，不是概念演示而是完整工作流，做金融 AI 落地的可以直接抄。
GitHub Copilot app 将 AI 编码工具升级为多 Agent 会话工作区，支持同时管理多个任务线程而不丢失进度。用户可为每个会话绑定项目上下文，通过 `/create-canvas` 命令在浏览器 Canvas 中预览 UI 并直接点选修改，还能启用 Agent Merge 自动处理 PR 审查反馈和合并冲突。
推荐理由：GitHub Copilot 应用把 AI 编程拆成多会话、画布和 Agent Merge，让 '一键修 bug' 变成真·项目管理流，Copilot 用户该上手试试。
Berkeley RDI等机构提出三级软件自主开发框架：代码自主（AI完成设计与实现，人类决定构建内容并审核PR）、流水线自主（AI运行从设计到部署的全流程，人类仅评估结果）、需求自主（AI自主决定构建内容）。该框架旨在为能力声明、部署选择与问责提供清晰分类。
推荐理由：Berkeley团队提出软件自主开发三层框架，把模糊的“自主编程”拆成清晰阶梯，关键不在能力而在责任转移，开发团队该看看自己到了哪一级。
月之暗面开源 Kimi K3，Fireworks Day-0 提供推理与训练支持。模型总参数 2.8T、激活参数 104B、1M token 上下文，Frontend Code Arena 1。
推荐理由：官方发布给出 K3 关键规格与多组第三方基准数据，读者可与闭源模型直接比较能力和成本。
Together AI 基于 DeepSWE 全部 904 次评分 rollout（113 个任务、各 4 次尝试）对比 Kimi K3 与 GPT-5.6 Sol。
推荐理由：原文基于 904 次实测 rollout 对比两款模型在成本、pass@k 和失败模式上的差异，并给出可复用的级联路由方案。
Claude Opus 5上线，在多数基准上超越Fable 5，max effort下距Fable 5最高分仅差0.5%，ARC-AGI-3分数是GPT 5.6的3倍以上。
推荐理由：Skill分层管理思路比单纯删减提示语更稳妥，按频率归档为触发空壳，既能压缩上下文又不打断已有习惯。