代码变廉价后的评审方法:以证据和影响范围决定审查深度
O'Reilly Radar 作者 Markus Eisele 提出,在智能体大量生成代码的时代,评审不应逐行阅读,而应把证据作为接受代码的前提。做法是在实现前约定预期行为和影响范围(blast radius),用双向追溯检查实现与测试是否存在未经要求的行为漂移。
O'Reilly Radar 作者 Markus Eisele 提出,在智能体大量生成代码的时代,评审不应逐行阅读,而应把证据作为接受代码的前提。做法是在实现前约定预期行为和影响范围(blast radius),用双向追溯检查实现与测试是否存在未经要求的行为漂移。
Dify 发文讲解 AI Agent 与 Workflow 的区别:Agent 由模型在运行时从获批工具中选择下一步,Workflow 则由搭建者预先定义步骤与分支。文章建议流程固定可重复时用 Workflow,需逐次判断时用 Agent,并可在 Workflow 中嵌入 Agent 节点处理单个灵活环节。
针对引用提问中“在 Claude Code 和 CodeX 等不同 Coding Agent 之间如何共享上下文”的问题,Dash 回答在 Cindy 下很简单。
我很好奇一个问题: 大家在不同的 Coding Agent 之间到底怎么共享上下文? 比如我现在在Claude Code里跑完了一个项目,或者项目跑到一半,然后需要在CodeX里继续。 这两块的上下文怎么衔接比较好?有没有优雅的解决方案?
Tessl 工程团队介绍自研的 Tessl Code Review,称约 75% 的 PR 已无需人工评审即可合并。
pstack 作者 @poteto 公开了这个 Cursor 官方内置插件的工程原则设计思路,核心是随模型能力提升,把写给智能体的冗长步骤压缩为简短的命名原则。
perhaps one of the most durable parts of pstack are its engineering principles: very concise skills (~10-20 loc) that distill down good practices into its core. as models get smarter, i expect most of pstack skills to compress into short principles or workflows (a generic list of steps) and that i will be able to delete a few of them. how it works is that /poteto-mode contains a short index of available principles and tells agents "In your reply, name each principle that shaped a decision and the specific choice it changed." this is why you'll often see a Principles Named or Used section at the end of the agent's response many of these principles were extracted from my sessions correcting agents since the start of this year. some are inspired by problems i see people talk about, like Attack the Premise, inspired by @VictorTaelin's post https://x.com/VictorTaelin/status/2096273196412498057 you can also use the principles as skills if you want greater control, by invoking /principle-<name> https://github.com/cursor/plugins/blob/main/pstack/docs/guide/08-principles.md
【Tripo × Astra / Opus / Argon × Blender】 3Dモデル完成しました✨ -------------------- 制作スキルはリプ欄で配布いたします! GithubURL添付いたしますので、良ければご活用ください! -------------------- 制作期間はおよそ2週間(実質1ヶ月ですが、品質微妙で2回作り直しました💦) 簡単に制作ステップを解説すると以下の通りです。 ✅ 顔・身体・髪の毛・表情毎の3面図・アクセサリー類のイラストを作成 ✅上記のモデルをTripoで全て作成 ・全部SmartmeshP2.0 四角形5000~10000くらいのポリゴン数がおすすめ ・ポリゴン数が多すぎると、補正時に歪みやすくなります ✅各パーツをBlenderMCPで結合 ✅簡単な小物・装飾類は直接モデリングで作成してもらう ✅眼球のモデリング・手を補正 ✅リグ挿入・スキンウェイト調整、IK/FK制作 ✅揺れもの調整 ✅シェーダー調整 ちなみに翼の開閉もできるようにしました🔥 これは翼の構造自体をしっかりAstraに考えさせ、羽の配置を一枚一枚しっかりモデリングさせました! 気合でこれくらいの品質のものまで作れるのはホント凄いですね💦 #Tripo
https://x.com/i/article/2108375208570818560
作者花两周、三百多美元测试 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四款 Personal Agent,12 个日常平台中仅 33% 能稳定委托给 AI 处理,结论是有云电脑也不能完全脱离本机,最终选择 Dots 因为它能控制本机 Computer Use。
面壁智能介绍独立开发者基于 VoxCPM2 构建的端侧实时同传系统 VoxWeft,麦克风输入、语音分段、ASR、翻译、流式 TTS 和播放全部在 Apple Silicon 本地运行,代码与开发日志已开源。
AMD 与 Embedded LLM 在 vLLM 官方博客详解 Kimi K3 在八卡 AMD Instinct MI355X 上的推理优化。
推荐理由:原文拆解了 50 多个 PR 背后的缓存、MoE、内核融合与投机解码优化思路,读者可迁移到自己的推理栈排查瓶颈。
Anthropic 团队介绍 Claude Code 的代码审查流程,机器承担大部分阅读,人类注意力集中在高风险决策。6 月至 9 月合并 PR 翻倍以上,回退率下降超过 40%;monorepo 每日变更量从 5 月约 2,500 增至 9 月超过 30,000。
推荐理由:Claude Code 团队亲述自家六层代码审查流程与衡量指标,读者可对照调整自己团队的 AI 审查与人工介入方式。
要让这个闭环在机器人上跑通,需要三样东西: - 描述机器人和任务的提示词 - 用于感知、几何和运动的工具 - 上下文管理,让近期观测保持在视野内,较早的观测可在文件中取用
把像素变成机器人能用的坐标。 SAM 3 定位物体,深度把图像位置转成以米为单位的三维位置,计算工具负责处理向量和旋转数学。
ORA 的工作方式很像一个编程智能体。 编程智能体会读取文件、运行命令并检查结果。ORA 则观察场景、调用感知或动作工具、检查反馈,然后决定下一步做什么。
要让这个闭环在机器人上跑通,需要三样东西: - 描述机器人和任务的提示词 - 用于感知、几何和运动的工具 - 上下文管理,让近期观测保持在视野内,较早的观测可在文件中取用
Hao AI Lab 演示一条把像素转成机器人可用坐标的流程:SAM 3 定位物体,深度信息把图像位置换算成以米为单位的 3D 位置,再用一个计算工具处理向量和旋转数学。
Atlassian 基于 OCSF 开放模式在 Databricks 上构建安全湖仓,处理每天 440 亿条事件。结构化数据配合分区与 Z-ORDER 将代表性查询从约 45 秒降至 2–3 秒,提升 95%;启用 Graviton 集群与 Photon 后查询成本和运行时间减少约三分之二。
Databricks AI 研究团队披露其作为 AI Runtime(AIR)首位客户的使用方式:AIR 提供 NVIDIA H100 或 B300 GPU,支持从数十亿到近万亿参数模型的 SFT、离线 RL 与在线 RL 训练。
用这个梦境记录器记录你的梦想: https://x.com/fedesarquis/status/2110414012903038993?s=20
I built a dream logger. For all those dreams I forget five minutes after waking up. This little @M5Stack CoreS3-SE turns dreams into images using the @OpenAIDevs image-gen API. 🧵
给一只精力旺盛的猫做的小电视: https://x.com/axbehr/status/2109841447767998532?s=20
Connecting Codex to hardware helped me build my cat his own TV I have an extremely active cat who unfortunately loves TV a little too much (he tries to jump into it) I've always wanted to give him something more stimulating, so I decided to build him his own
这个迷你推理游戏里的侦探,跑在 @M5Stack 的 stick 上: https://x.com/danizeres/status/2109360377578586204?s=20
this is Felix, the detective in a mini mystery game i built for nights when i host dinner. and yes: he lives on an M5StickS3 from @M5Stack. i can ask him Qs about the case, pitch my lil theory, and get clues printed on an actual receipt 🧵 I built it with Codex, ImageGen, Decisions API & GPT-Transcribe:
一个电子墨水实时列车追踪显示屏: https://x.com/jamesdevonport/status/2103498810886664624
Vibe coded hardware is here, and amazingly fun! This week I'm covering how to use @OpenAIDevs Codex, @CloudflareDev Workers and the Zectrix Note4C to build your own custom eink display. I made a train tracking screen 🤓🚂 https://jamesdevonport.com/p/can-you-vibe-code-hardware
了解如何构建所有这些项目,或者分享你的项目,让其他人也能复现: https://youcanjustbuildthings.openai.chatgpt.site
GitHub 用原生功能构建的 GitHub App Evergreen,通过两个工作流自动化组织卫生:每季度审查外部协作者访问权限,未响应即默认撤销;检测并归档长期无人类活动的仓库,且从不删除仓库内容。它由 Go webhook 服务器驱动,状态以 JSON 文件提交到 controller repo,用 git 历史充当审计记录,决策通过仓库内的 checklist issue 完成。
hey @bot convert the linked essay to an ebook and email it to my kindle so i can read it on my flight
did you know you can submit Grok Bot (and Grok, Cursor) plugins? submit them here! https://x.ai/bot/marketplace/submit-a-plugin
把 https://learn.chatgpt.com/docs/sites 留在这里,方便你学习创建、发布和分享你的第一个 Site。
Simon Willison 用 Claude Code 中的 Claude Opus 5.5 Extra 做出实验性双人游戏 Chirp Pong,两台手机在静态 HTML 下通过麦克风发送的 chirp 音频传输游戏状态,无需网络代码即可对战。它在 Pong 基础上加入图形与玩法变化,让对局更复杂有趣,目前看起来可行。
Meta 工程团队详解如何把 AI 智能体作为开发流程参与者来构建独立 Groups 应用 Forum,采用 human-on-the-loop 模式并以验证通过的生产级产出衡量成功。Forum 在八周内达到与 Facebook Groups 的核心功能对齐,自主压测循环在开发期发现并修复了内存问题,内存占用和缺页约减半,上线后智能体还协助根因分析用户反馈。
推荐理由:原文复盘了 Meta 以智能体参与开发全流程的具体做法与度量标准,可迁移的工程经验比较扎实。
侧链压缩在现代音乐制作中无处不在,但它其实是音频领域最古老的技巧之一。一段简史,以及如何在 Suno Studio 中实现它 🧵
Meta 复盘 2026 世界杯期间的基础设施表现:7 月 19 日决赛(阿根廷对西班牙)WhatsApp 峰值超每秒 3000 万条消息,创平台历史纪录,是 2026 年跨年峰值的 1.23 倍。
Rohan Paul 解读论文 Self-evolving Agent Harness:自进化智能体会改写固定模型外围的提示词、记忆、工具和代码,采纳的编辑会延续到后续运行,坏编辑可能过拟合并扩散。
Apple 机器学习研究团队演示如何在 Mac Studio 上本地运行近万亿参数的 Muse Spark Open 等前沿模型,使用今天发布的新版 MLX(v0.30.1 起)与 macOS 26.2 的 RDMA over Thunderbolt 驱动。
推荐理由:Apple 给出了在 Mac Studio 集群上跑 816B MoE 模型的并行方案与基准数据,可迁移到本地大模型部署实践。
Addy Osmani 在 O'Reilly Radar 发表文章,提出智能体写代码时代码评审无法规模化,软件质量取决于围绕智能体设置的质量门等约束。约束包括单元测试、属性测试、变异测试和圈复杂度等指标,应在流水线全程施加反压,而非等到结尾的 CI 检查;人类注意力应留给品味、意图和架构等最需要判断的问题。文末含 Sonar 赞助内容。