Cursor 发布 Agent SDK，这是它用来构建自家托管 Agent（Bugbot、Security Reviewer、Rollouts）的框架，现在对外开放。开发者可以用代码定义 Agent，像管理普通软件项目一样管理它，完成后用一条命令部署到 Cursor 基础设施。Agent 可响应 GitHub、GitLab、Bitbucket 的 PR 事件，做风险评估、路由和审批；复杂任务可交给专用 Agent 或并行子 Agent。SDK 内置 evals 和事件回放。Cursor 内部团队用它约一天做出 kb…
推荐理由想给团队做定制代码审查 Agent 的开发者，可看一天做出 kb-reviewer 的实例和内置 evals 能力
Cybersecurity startup Cathedral used AI agents to infiltrate Anthropic's internal systems through third-party business software, exploiting the AI lab's own bug bounty program to expose major vulnerabilities. Cathedral r…
推荐理由行业动态类信息，来自 The Decoder，建议按需查看原文。
开发者发布 Spec-First 插件，把 Agent 开发流程拆成 create-spec、review-spec、apply-spec、deliver-spec 四个环节：先写规格（目标、步骤、带文件和行号的事实、完成标准），再由没看过对话记录的审查者挑错，然后按项目规则写代码和测试，最后经检查门禁提交并开 PR。每个规格对应独立分支和 worktree，状态存在 context.yaml 里，可中断续跑；deliver-series 命令能把大改动拆成多个规格，无文件冲突的并行构建。作者称其内部已用一千多个规…
推荐理由想给 Agent 加规格审查和并行分支流程的开发者，可看它的四步技能拆分和 context.yaml 续跑设计
作者分享一次 CI 失败经历：Codex 生成的 App.tsx 中，15 个完整组件各写在一行内，被 SonarQube 以圈复杂度超标拦下。检查后确认逻辑正确、复杂度源于业务需求，随后让 Codex 重构拆成 10 个文件，CI 通过。作者由此提出，未来维护软件系统不再依赖亲手写过代码，关键是保留足够判断力，能在出问题时察觉异常并深入排查。原文后半部分用潜水采金比喻展开，但正文在此截断，信息有限。
推荐理由Agent 生成代码被静态检查拦下的真实案例，能帮你判断该给 AI 代码留多少人工审查
AI 研发实验室 Mirendil 发布首个模型 Fern 0.1，这是一个从零训练的编码模型，上下文窗口最高 1000 万 token，约合 23 MB 代码、50 万行，可一次性载入 Megatron-LM 规模的代码库。参数规模 0.1 至 0.5T，未披露具体数量与激活参数，仅提供托管早期访问，未公布开源权重。基座模型在 RULER 单针检索任务上，32K 至 10M token 各长度均达 100%；但在 Terminal Bench 4.0 上仅 6.1%，同一表格中 Claude Opus 5.5 为…
推荐理由1000 万 token 上下文可整库读入，但 Terminal Bench 仅 6.1%
一位全栈工程师在博客中称，全面使用 AI 代理后自己反而更累。过去每周只做 2-3 个需要专注的任务，现在同时运行多个代理，分别负责改代码、排查生产问题、审阅和研究；每个代理都会带着问题、待批计划或 diff 回来，每次响应都要切换上下文，注意力被分散到更多问题上。他统计了自己 2019 年至今的 GitHub 贡献记录：2020 年最高，为 2711 次；2021 年降至 1839 次，2022 年降至 1498 次；担任 Principal Engineer 期间月均 114 次，低于全栈工程师时期的 173 …
推荐理由用 GitHub 贡献数据和代理并行工作场景，说明 AI 提效后注意力成本如何上升
Entire 联合创始人兼 CEO Thomas Dohmke 发布首个专为 Agent 与人类协作设计的 Git forge。核心包含三项：Trail 用可定制的自动 eval 在每次 push 时由 Agent 打分，替代传统 PR diff 审阅；自研 Git 兼容源码服务器，push 速度比 GitHub 快 89 倍、比 Cursor Origin 快 6 倍，支持多区域复制；Continuous Memory 把会话和 prompt 同步进仓库供编码 Agent 检索。CI 首批合作方为 Buildki…
推荐理由push 比 GitHub 快 89 倍的说法值得核实，做 Agent 编码流水线的团队可先试 Trail 的自动…
Today, I’m talking to Kevin Roose, journalist and author of the new book The AGI Chronicles, which details the recent and explosive transformation of the AI industry.Kevin was a longtime New York Times reporter and host …
推荐理由产品发布/更新类信息，来自 The Verge AI，建议按需查看原文。
OpenAI 于 10 月 19 日发布博客称，其最新模型在将 COBOL 等老旧语言代码迁移到 C++、Java、Kotlin、Python、Rust 时取得「实质性提升」，且不改变原软件行为。在 OpenAI 自测中，GPT-6.1 Sol 在低推理强度下行为保持准确率为 87%，提高推理强度后升至 98%；对比之下，低推理强度下 GPT-6 Astra 约 86%、GPT-6 Sol 仅 21%、GPT-5.6 Sol 仅 5%。OpenAI 强调，只有全部测试通过才算迁移成功。据 IBM 数据，COBOL …
推荐理由98% 与 5% 的对比说明模型代际差距，评估遗留系统迁移可直接参考这组数字
作者用美国劳工统计局数据指出，美国信息业就业较 2022 年 11 月峰值下降 12.1%，降至 274 万人，为十多年来除疫情外最低；IT 服务就业指数从 2022 年高点 111.4 降至 2026 年 9 月的 105.7，而全美总就业同期升至 104.6。软件开发岗位招聘回升中 71% 流向资深职位，初级招聘未恢复；美国在招科技岗位中 56%（625633 个中的 349821 个）要求 AI 技能。
推荐理由用 BLS 原始数据看清科技就业下滑的时间线，以及初级岗位为何没有回来。
开源项目 Farol 发布，是一个免费 MIT 许可的 CLI 和 GitHub Action，在 AI 代码审查之后运行，为批准合并的人给出 0-100 的风险评分和风险所在文件。它基于静态分析而非模型推测，同一 PR 结果可复现。输出包括：变更影响到的所有页面、API、RPC、任务和脚本及调用链；fast track、quick review、careful review 三档结论；按风险排序的文件、内联 diff、未测试行标记和手工验证清单。通过 npx @winninjs/farol 或 GitHub Ac…
推荐理由免费开源，一条 npx 命令就能给 PR 打分并指出高风险文件，适合有 AI 审查流程的团队补上人工把关环节
Anthropic has launched OSS Scanner, a free, opt-in vulnerability scanner for critical open-source projects. The Anthropic OSS Scanner runs the company’s strongest models, including Claude Mythos, against enrolled c…
推荐理由模型发布/更新类信息，来自 MarkTechPost，建议按需查看原文。
一项研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三种编码 Agent 框架，在 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview 五个模型上测试。在 447 个 SWE-bench Verified 任务上，最重的 Claude Code 与最轻的 mini-SWE-agent 通过率相差不到 2 个百分点，在 5 分区间内统计等价；但三种框架的 token 消耗是最精简方案（mini-SWE-agent…
推荐理由换框架带来的提升和重跑一次的随机波动差不多，但 token 花 2 到 3 倍，选型时别为框架溢价买单
开发者发布终端复用器 Corgi，定位为「面向人类和 agent 的终端复用器」，可通过 curl 脚本安装。核心功能包括：agent 状态指示（工作中、需要你、未读、空闲）、F1 快速切换、Ctrl-T 新建或跳转 agent 标签页，内置对 Claude Code、Codex、Pi、OpenCode 的支持；提供 token 用量统计、agent 活动追踪、后台常驻运行、文件改动汇总、worktree 管理、按工作区实时资源监控。支持粘贴图片（SSH 下需 Ghostty Nightly）、可复制链接、Ctrl…
推荐理由同时用 Claude Code、Codex 等多个 agent 的人，可以用它统一管理标签页、token 消耗和文件改动
Recursive Superintelligence 发布首个模型 Flint，这是一个面向编码 Agent 的开源权重 MoE 模型：总参数 39.8B、每 token 激活约 2.5B，权重以 Apache 2.0 协议发布在 Hugging Face。模型卡标注上下文 262,144 tokens，博客称最高支持 512k。4-bit 量化后约 23 GB，可在 48 GB 的 Apple Silicon Mac（M4 Pro、M5 Pro、M5 Max）或 48 GB NVIDIA GPU 上本地运行。官…
推荐理由4-bit 权重仅 23 GB，48 GB 内存的 Mac 就能本地跑编码 Agent
AI 初创公司 Recursive 发布首个模型 Flint，一个可在笔记本上离线运行、免费下载的编码模型，采用 Apache 2.0 开源协议。公司称其自动化研究系统 Eureka Machine 参与了 Flint 开发几乎每个环节，小团队不到四个月从零建成。Flint 为混合专家模型，总参数 400 亿，每次仅激活 25 亿。在 M4 Pro MacBook Pro 上生成速度约 131 tokens/秒，约为同机 Gemma 4、Nemotron 3.5 Lightning 等同类模型的两倍；在 RTX S…
推荐理由400 亿参数、激活 25 亿，笔记本离线跑 131 tokens/秒，Apache 2.0 可免费下载改
Rust off Rails 发布一套面向 AI 编码代理的 Web 开发规范：不含框架代码，由 60 个 Markdown 文件规定技术栈、目录结构和每项操作的唯一做法，代码全部由代理生成。安装方式为 curl 脚本或 Claude Code 插件市场。示例中，代理通过 /offrails:new 命令进行需求访谈，生成 Inertia + Svelte、REST API、SQLite/Postgres 双数据库的项目，142 个测试在两种数据库上均通过。
推荐理由想用 Claude Code 从零生成可上线 Rust 全栈项目的人，可以看它的访谈式需求和双库测试流程
Trail of Bits 发布 patching-bugs 和 regression-hunt 两个插件，让工程师把补丁开发和回归检查交给 Agent。patching-bugs 负责复现 bug、开发修复并测试；regression-hunt 检查改动是否破坏原有功能。初步评测中，regression-hunt 的误报比基线 Codex Agent 少 25%。该团队与 OpenAI 合作的 Patch the Planet 项目复盘了已合并的 130 多个 PR，确认 21 处回归（16 处功能、1 处性能、…
推荐理由做代码 Agent 的人可以看：36% 精确率、误报降 25% 这两个数字，说明回归检查该怎么量化。
OpenAI 称最新模型在 COBOL、Fortran、Visual Basic 等低资源语言上的编码与迁移能力显著提升。新评测 MultiLangBench 要求模型用 20 种语言从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 为 26.8%；GPT-6 Luna 达 40.3%，API 成本约低 78%。COBOL 迁移评测中，GPT-6.1 Sol 低推理强度下准确率 86.6%（GPT-5.6 Sol 为 5.4%），成本低 39%，高推理…
推荐理由COBOL 迁移准确率从 5.4% 升到 86.6%，金融、政府遗留系统现代化团队可直接评估
一位 Meta 工程师在 LinkedIn 发帖称，自己写代码时感觉像在操作黑盒，对交付自己不完全理解的 AI 生成代码感到不安。这条帖子在 Hacker News 上引发讨论，提问者以「Ask HN」形式征集应对方法，帖子获得 581 点热度。原文正文仅摘录了该帖开头，未包含具体的技术方案或结论。
推荐理由做 AI 编码的人可以看看同行怎么处理「代码能跑但看不懂」这个现实问题。
开源项目 Sphinx 在 Hacker News 的 Show 板块发布，它是一个接入现有编码 Agent 工作流的 hook：每次向生产环境推送代码时，它会弹出一份问卷，检查你是否理解这次要上线的代码是如何工作的。原文信息有限，未披露具体实现方式、支持的 Agent 平台和问卷生成机制。
推荐理由做 AI 辅助编码的团队可以看看这个思路：用推送前的问卷来弥补「代码不是我写的」带来的理解缺口。
一位开发者把「生成自包含时钟网页」当作测试前沿模型的个人基准，在 Claude 聊天界面分多次会话让 Claude Opus 5.5 累计生成 500 个时钟，最终合并为一个 6.3 MB 的 HTML 文件。作者称对这批时钟的多样性、趣味性和质量印象尤深。原文还附有 Claude 对提示流程和页面设计的总结链接，但正文信息有限。
推荐理由想评估 Opus 5.5 前端生成能力的人，可以直接打开这个 6.3 MB 单文件看 500 个时钟的实际效果
Anthropic 披露 Claude Code 团队的代码评审流程：Claude 撰写约 90% 的 Claude Code 自身代码。6 月至 9 月，该代码库合并的 PR 数量翻了一倍多，同时被回滚的比例下降超过 40%。Anthropic 主仓库每日落地的变更从 5 月的约 2500 次增至 9 月的 3 万次以上。团队没有取消评审，而是把大部分代码阅读交给机器，把人工时间留给只有人能判断的问题，并投入资源让回滚错误变得快速容易。目标是多数 PR 最多只需一名人工参与即可合并，且回滚率和事故率不上升。
推荐理由想知道 90% 代码由 AI 写时如何做评审，可参考其指标设计：人工审批数、回滚率
Inside the Kimi K3 optimization effort: understanding the bottlenecks and the decisions that made inference faster In this article AgentX: the workload and results Inside Kimi K3: experts, attention and recurrent state 1…
推荐理由产品发布/更新类信息，来自 vLLM，建议按需查看原文。
信贷投资管理机构 Benefit Street Partners 的基金经理 Anant Kumar 用 OpenAI Codex 自建工具：首个 BDC 估值追踪器 1 天完成，含后续迭代总工时约 10-12 小时；信贷协议分析器处理一份 300 页以上协议约需 20 分钟出首轮分析，之后人工复核 1 小时以上。该工具已用 GPT-6 Astra 重构并上线公司内部门户。此前需数天至数周回复投委会追问，现在常能在会上直接回答。Kumar 称 AI 负责汇总数据与初步分析，最终投资决策仍由人做出。
推荐理由看一个非技术岗位用 Codex 把数天工作压到 20 分钟的完整案例，含工时和流程数字
Kimi K3 decode performance on NVIDIA GB300. Coding agents can now help with some of the hardest parts of model optimization: writing complex GPU kernels, performing cross-operator fusions, overlapping computation with co…
推荐理由产品发布/更新类信息，来自 vLLM，建议按需查看原文。
美国新实验室 Reflection 发布首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 100 万 token 上下文，以 Apache 2.0 许可开源。模型面向编码和 Agent 场景，提供 BF16、FP8、NVFP4 三种权重格式，首日即支持 transformers、SGLang、vLLM，并附带基于 Rust 的专用 harness 和投机解码草稿模型。推理强度分 low、medium、high、xhigh、max 五档，支持跨轮保留思考内容。Reflect…
推荐理由501B 参数、Apache 2.0、100 万上下文，想在自有硬件上部署前沿编码模型可直接下载
开发者 Ross Shaw 发布 BlastLoop 1.0.0，一套面向 AI 编码 Agent 的“结构优先”工作法。核心是把写代码分成三个层级：Blast 负责系统级结构与接口，Mid 负责子系统与功能切片，Inner 负责局部文件与单元改动；随后按固定顺序跑三层测试：T1 查结构问题（边界错误、抽象泄漏、接口缺失），T2 修 bug 与运维问题，T3 做对抗性测试。若 T3 发现结构问题，则回到 T1 并路由给对应层级重写。使用方式为把仓库克隆进项目、让 Agent 读 AGENTS.md、按工作层级加载对…
推荐理由5 分钟就能接入现有 AI 编码 Agent，用三层 prompt 加固定测试顺序约束 Agent 乱改结构。
一位维护多个开源项目的开发者用 Codex 生成 Angular Update Skill，自动完成版本升级、迁移和依赖更新。实测中遇到三个问题：CI 因 package.json 与 package-lock.json 不同步导致 npm ci 失败，加入 npm ci 验证步骤解决；npm 发布报 404，原因是 Node.js 22 配 npm 10 不满足 trusted publishing 要求的 npm 11.5.1+；Skill 体积过大，精简后主文件从 1252 词降到 701 词，整体缩短约 4…
推荐理由想用 AI 自动化依赖升级的开发者可参考这套验证步骤和踩坑清单
Anthropic 宣布 Code Review 结束研究预览，正式面向 Claude Team 和 Enterprise 组织开放。正式版主要改进：多数审查速度提升约 3 倍，从约 20 分钟缩短到 6-10 分钟；更擅长发现真正重要的 bug，并给出问题、触发条件和修复方案；管理员可按仓库选择 Quick、Standard 或 Deep 三档审查深度。符合条件的 Enterprise 组织可在 2027 年 1 月 15 日前领取至少 1 万美元 Code Review 额度，额度领取后 30 天过期。管理员在…
推荐理由用 Claude Code 的团队可省下 PR 审查等待时间，20 分钟压到 6-10 分钟，还能领 1 万美元额度
开发者文章提出，AI 让写代码成本大幅下降，代码「流失率」应被重新看待。作者引用 GitClear 研究称 AI 助手会让两周内被重写的代码比例翻倍，但认为当功能开发从一整个 sprint 缩短到一个下午，重写往往比小心维护更便宜。他以 Forem 近 6 个月 563 次提交为例，改动最多的文件是 app/models/article.rb（37 次），认为核心模型被频繁改动才是结构性问题，而反垃圾代码的频繁改动是合理的。建议明确区分「一年生」和「多年生」代码层。
推荐理由做 AI 辅助编码的团队可参考：把易变代码和核心代码分层，别让新功能都往核心模型里塞
开发者发布 AI Avatar v25，一个免费应用，VRoid 虚拟形象可在 VS Code 侧边栏或浏览器面板中对 Claude Code、Codex、GitHub Copilot 等做出反应。本次更新包含 5 项内容：Avatar Run 跑酷小游戏、Muscle Brain 2D/3D 脑力训练游戏迁移、Voxel Avatar 体素游戏更新（新增园艺模式、动物和过山车建造器）、Jev 以及 Codex 支持。作者还尝试用 ChatGPT 生成多视角图、再让 AI 写 Three.js 代码反复比对修正来生…
推荐理由免费工具，能在 VS Code 侧边栏用虚拟形象对 Claude Code、Codex 做出反应，可直接安装试用。
The web crawler for AI agents that finds the answer, not just pages. A small decision model picks every link and every passage, so your agent's LLM reads only what answers its question at a few cents per crawl. Quick sta…
推荐理由技巧与观点类信息，来自 Hacker News Show，建议按需查看原文。
开发者发布开源基准 Parsimony，用「净编码单元」衡量 AI 模型在解题时新增多少代码：统计语句、调用、比较、命名和字面量等语法元素，不按行数计，并减去删除的代码（净单元 = 新增 − 删除）。数据取自 SWE-bench Verified 已公布的补丁，不重跑测试，仅测 Python，排除测试、文档和生成文件。榜单按已解任务的平均净新增单元从低到高排名，失败尝试也计入均值。作者提醒：单元数只衡量体积，不代表可读性或设计好坏；写代码多的模型往往解题也更多（26 个以上模型的榜单上 Spearman 相关系数 …
推荐理由想知道哪个模型写代码最啰嗦，可看这份榜单，还能上传自己基准的数据生成对比图。
开发者 maharshi365 在 Hacker News 的 Show HN 板块发布开源项目 Deslop，这是一套针对 AI 生成 TypeScript 代码的 Oxlint 规则集，可检测不安全类型、重复代码和低价值测试。原文正文信息有限，未披露规则数量、安装方式与实测效果。
推荐理由用 Oxlint 的团队可以直接加这套规则，拦截 AI 生成代码里的 any 类型和重复实现
LangChain 的编码 Agent deepagents-cli 在 Terminal Bench 2.0 上从 52.8 分提升到 66.5 分，涨 13.7 分，排名从 Top 30 外进入 Top 5。模型固定为 gpt-5.2-codex，只调整 harness。做法是把 trace 分析做成 Agent Skill：从 LangSmith 拉取实验 trace，并行启动错误分析 Agent，再由主 Agent 汇总建议，人工可参与验证。优化集中在三个旋钮：系统提示词、工具、中间件。团队称自我验证和 t…
推荐理由只改 harness 不改模型就能涨 13.7 分，做 Agent 的可以直接抄这套 trace 分析流程
作者实测用本地模型驱动 Claude Code 和 Codex 后指出，SWE-bench Verified 只衡量「给定 bug 产出正确补丁」这类写作任务，无法反映真实代理场景的四个关键问题：工具调用格式是否稳定可解析、长程任务第 11 次调用是否还记得第 2 次的计划、40K token 真实仓库上下文下质量是否崩塌、指令遵循是否可靠。2026 年两个变化让本地方案可行：MoE 架构（如 Qwen 35B-A3B 每 token 仅激活约 3B）把显存门槛降到消费级 GPU，Ollama 于 2026 年 1…
推荐理由想用本地模型替 Claude Code 的人先看这篇：SWE-bench 高分不等于能当代理，四个真实失败点值得对照自测
一名开发者称用 Opus 5.5 在 3 小时内、仅 8 条提示词完成了一个功能完整的 Figma 克隆，并发布在 DEV Community 的 Show HN 帖中。原文正文主要讲述作者零基础转行、靠做真实用户可用的项目拿到第一份开发工作的经历，未披露该 Figma 克隆的具体功能清单、代码规模或技术细节。
推荐理由想验证 Opus 5.5 前端生成能力上限的人，可对照 8 条提示词这个数字判断可行性
一项 Kaggle 基准测试用 26 个 OpenTelemetry 规范版本对 17 个 AI 模型评分：16 个模型写出了已废弃的属性名，其中 83% 的废弃名称已停用超过一年；13 个模型在被直接问到时能正确说出新名称，但在写代码时仍用旧名。7 个模型通过改单位来"修复"指标却保留废弃名称，导致两头都错。提示中加入一句规范版本号可减少 36% 的废弃名称，但模型编造的名称增多。
推荐理由写 OpenTelemetry 埋点的开发者可直接对照：模型生成的 db.system 等旧名会静默失效
据 Business Insider 看到的内部文件、截图和聊天记录，Google 正在测试 Argon、Barium、Carbon 三个 Gemini 4 变体。Carbon 已在 Google 内部编码平台 Jetski 上部署数日，据称在编程任务上强于 Argon，一名员工将其与 Anthropic 最强的编码模型 Opus 5.5 相比，但仍需更多测试。早期 Argon 版本在部分编码任务上被另一名员工比作较旧的 Opus 5。Google 将模型划分为 Argon 负责前沿推理、Flash 负责速度与规模…
推荐理由想提前判断 Gemini 4 编码实力和发布时间线的人，可看内部代号与对标 Opus 5.5 的说法