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。
771 条精选近 30 天 96 条共收录 4,443 条
Augment Code 从零重构 Auggie CLI 的 harness，在 SWE-bench Pro 相同通过率下，Auggie v2 单任务成本 $1.27，Claude Code 为 $2.70，便宜 53%，平均耗时 330s 对 409s。
推荐理由：作者复盘了从 Vercel AI SDK、Mastra 到 Pi 的三次选型与减法思路，成本结论有 SWE-bench Pro 数据支撑，方法可迁移到类似的重构决策。
SiliconFlow@SiliconFlowAI精选AI 评分6767推荐理由：缓存输入每百万 token 0.25 美元，让需要反复读取长上下文的 agent 工作流更接近可长期运行，而非只看单次生成价格。
Google 在 Gemini API 更新日志中宣布 Gemini 3.7 Flash（gemini-3.7-flash）正式可用，称其为目前最智能的主力模型，面向编码与智能体场景。该模型在软件工程、Web 开发和智能体工作流方面有大幅改进，2026 年 12 月 31 日前提供入门优惠价，可从模型页和 Latest model guide 开始使用。
推荐理由：官方更新日志直接说明 Gemini 3.7 Flash 在编码和智能体工作流上的能力提升，并给出限时优惠价格与入门入口。
DeepSeek V4 Pro正式版与Grok 4.6在2小时内先后发布，均为1.6T/1.5T参数模型，逼近Claude Fable 5体验。
推荐理由：把准 Fable 级 Agent 能力压到输出百万 token 0.87 美元，与 50 美元的 Fable 5 形成数量级差距，团队对自动化任务的成本核算可能因此改变。
Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。
推荐理由：长程轨迹中出现自检与验证，对需要模型持续执行多步项目的团队，可能减少中途人工纠偏，比单纯基准分更有参考价值。
xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。
推荐理由：与 GPT-5.6 Sol 在智能体综合基准上持平，同时把输入 token 价格定在 2 美元，长任务应用的试错成本可能重新计算。
Codex 和 Claude 新增跨 Session 传消息功能后，新对话可从之前所有对话中选择可用消息，省去交接文档和 git 备份。作者据此重构工作流：主对话守住目标与决策，分支对话独立探索新想法，完成后由主对话读取完整记录。Codex 通过复制会话 ID 精确寻址，Claude Code 则用内置 session management 搜索对话历史，但桌面端只能搜索当前可访问的会话记录。
推荐理由：将跨会话消息转化为多分支探索的工作流，并对比了Codex精确寻址与Claude搜索式检索的实现差异和踩坑记录，可直接复用其指令来管理复杂的探索任务。
ZCode针对GLM深度优化，今日上线Goal、Subagents、Remote Control与闲时任务四大功能。在Z.ai Code Bench测试中，GLM-5.2搭配ZCode较搭配Claude Code任务整体通过率高2.39%；ZCode缓存命中率超98%，叠加1.5倍限时额度加成后，GLM Coding Plan整体使用量接近常规额度的1.8倍。
推荐理由：Goal模式将复杂任务从需要开发者逐轮推动变为设定目标后自行迭代，搭配Subagents并行协作，适合跨文件重构和全栈开发的长流程任务。
ClaudeDevs@ClaudeDevs精选AI 评分6969我们最近将自动模式设为 Claude Code 的默认选项，这意味着你不再需要批准每一个操作。 但什么决定某个操作是否可以安全运行？看看它是如何工作的：
推荐理由：视频拆解了 auto mode 的安全判断逻辑，帮用户理解自动执行与仍需人工确认的边界，适合想更高效使用 Claude Code 的开发者校准信任预期。
OpenRouter 基于每周超 55T token 的社区消费数据，推出新版 Auto 路由器（openrouter/auto），其模型选择在多数任务和成本档位上优于旧版。新路由器按约 30 种任务类型匹配近 7 天社区实际消费的模型，支持 cost_tier 参数（low 至 max）并遵循账户隐私设置。在 MMLU Pro 等基准上，新默认档位在多数领域以更低成本达到旧版同等性能。
推荐理由：基于平台每周55T token的社区支出分布，新路由将模型选择众包化，基准显示默认档成本下降超60%且多数任务性能不减，适合调用量大的应用。
ClaudeDevs@ClaudeDevs精选AI 评分7373
推荐理由：跨会话传递上下文不再是复制粘贴，摘要消息让多个并行任务间保持连贯成为可能，降低了开发者维护长流程的心智负担。
GitHub Copilot 应用中的斜杠命令可帮助管理会话、导航项目和自定义 Copilot 工作流。与 CLI 版不同，应用版命令更侧重工作流，如 /plan 用于编码前规划、/spar 用于挑战方案假设、/autopilot 用于自动执行实现。/clear 和 /model 在 CLI 和应用中均可用。
推荐理由：文章不是罗列命令，而是提供了可复用的场景模板，为 /plan、/spar 等命令配好了规划、评审和实现的具体提示词，省去从零组织任务描述的时间。
Together AI 在 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna：Luna pass@1 为 67.2%，DeepSeek 为 53.3%，但 DeepSeek 每次 rollout 成本约 $0.10，仅为 Luna（$0.61）的约六分之一。
推荐理由：原文基于同一轮 900 次 rollout 实测给出两款模型的成本、失败模式与分域表现，并提出可复用的低成本级联方案。
作者为Codex和Claude Code中300多个Skill做上下文瘦身，发现每次新会话仅Skill列表就占约9.9k token，按7月使用强度粗算，多余Skill列表约吃掉4到5亿token的上下文空间。
推荐理由：把低频 Skill 从全局暴露转为触发词动态加载，提供了工具多而上下文有限时的一种治理思路，量化了 token 节省，方法可迁移到其他 Agent 管理。
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。