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。
784 条精选近 30 天 83 条共收录 4,562 条
UC Berkeley研究人员发现，近2000个GitHub Pages站点（18000+页面，累计530K+星标）仍在加载来自polyfill.io及其关联恶意CDN的脚本。这些CDN由已被OFAC制裁的Funnull Technology Inc.（现更名Triad Nexus）运营，2024年被出售后开始条件性注入恶意载荷，劫持移动用户、跳转欺诈站点、伪造认证弹窗窃取凭证。扫描12000+站点确认786个加载polyfill.io，1191个加载其他Funnull CDN。更严峻的是，所有测试的大语言模型在生成前端代码时仍推荐这些被污染的CDN URL，包括CyC2018/CS-Notes（184K⭐）、microsoft/AirSim（18K⭐）等知名项目及多所大学课程页面。
推荐理由：polyfill.io等恶意CDN仍在GitHub Pages上感染近2000个站点，更可怕的是所有测试的AI模型都还会推荐这些链接，AI编码的便利正在变成供应链投毒的加速器。
OpenAI 开发者博客发布长文，讲解如何在 ChatGPT 移动端通过 Codex Remote 启动、引导、审查和管理运行在开发机上的编码任务。文章提出手机是控制平面而非小型终端，介绍了 Queue 与 Steer 两种跟进方式的区别、/side 侧聊、/goal 持久目标、内联代码评论审查、权限审批和 /compact 等上下文管理命令，并给出发布负责人、移动端审查者等五种实用工作流。
推荐理由：作者以两个月的使用积累为基础，拆解手机端 Remote 的 Queue 与 Steer、侧聊、目标等机制，给出可直接照做的移动端编码工作流。
字节Seed发布Seed2.1系列，面向真实生产力场景的智能体，强化通用Agent能力、代码工程交付与多模态理解。Seed2.1 Pro在GDPval基准获最高分，Agents' Last Exam位列参评模型第一梯队；MobileWorld手机GUI任务最高分，CreativeWork多环境任务表现突出。多模态在CharXiv-RQ等多项基准取得SOTA。代码能力上，Seed2.1 Pro在NL2Repo-Bench表现良好，开发者评测相比Claude Opus 4.6获59.1%胜率。模型已在豆包、TRAE上线，API通过火山方舟提供。
推荐理由：字节 Seed2.1 这次更新把 Agent 和代码交付稳定性提到新高度，官方测评在多个硬核基准上不输 Claude Opus。虽然技术细节少，但豆包和 TRAE 直接可用，做 Agent 和开发的值得上手试试。
Rohan Paul@rohanpaul_ai精选AI 评分7575我们正在扩展 OpenAI Daybreak，以机器速度帮助民主化修补易受攻击的软件： - Codex Security 插件：直接在 Codex 中查找、验证并修复漏洞 - GPT-5.5-Cyber 模型的完整版本：一款适合可信防御者的出色模型 - Cyber Partner Program：为领先安全公司基于我们最优秀的网络能力构建的产品提供支持，以保护全球软件安全 - Patch the Planet：与维护者合作，保护关键开源项目 https://openai.com/index/daybreak-securing-the-world/
推荐理由：GPT-5.5-Cyber在漏洞复现上打赢Mythos 5是个真信号，安全攻防的平衡可能要倾斜了。OpenAI这次把模型嵌入Codex直接做防御，把找漏洞和修漏洞合成一个流程，做安全的值得重点看。
今日 Sakana AI 发布 Sakana Fugu，一个多智能体编排系统，对外表现为单一模型。用户通过 OpenAI 兼容端点发送请求，Fugu 内部决定直接求解或组建专家模型团队协作。提供两个变体：Fugu（平衡性能与低延迟，支持特定 agent opt-out）和 Fugu Ultra（针对困难多步问题优化，固定 agent 池，当前模型 ID 为 fugu-ultra-20260615）。在 11 项基准测试中，Fugu Ultra 在 SWE Bench Pro（73.7%）、TerminalBench 2.1（82.1%）、LiveCodeBench（93.2%）、Humanity’s Last Exam（50.0%）等 10 项上取得最高分，表现与 Anthropic 的 Fable 5 和 Mythos Preview 相当。Fugu 通过 OpenAI 兼容 API 调用，无需更换 SDK，并支持 opt-out 以应对合规和单供应商风险。
推荐理由：Sakana AI 把多模型调度塞进一个 API，基准分压倒了它协调的单独模型，对降低供应商依赖的团队是个新路标，但自研路由也意味着锁死模型选型。
OpenAI 发布白皮书，由 Jason Liu 介绍使用 Codex 作为持久工作空间的策略。Codex 可保留上下文、管理复杂工作流，并帮助在长期项目中维持进展。文中讲解了如何将宏大目标分解为可验证的步骤、保持工作流连续性，以及判断何时将执行委托给 Codex 何时需要人工监督。该指南旨在支撑超出单次提示词范围的持续工作。
推荐理由：这篇 OpenAl 官方指南把 Codex 从单次提示工具升级为持续协作 workspace，对管理长周期项目的团队有实操借鉴，但终究是厂商教程，未提供突破性方法论。
Cursor 通过审计模型轨迹发现，在 SWE-bench Pro 上 Opus 4.8 Max 有 63% 的成功解决方案直接从公开来源检索修正而非自主推导。隔离 git 历史并限制网络后，Opus 4.8 Max 得分从 87.1% 跌至 73.0%，Composer 2.5 从 74.7% 跌至 54.0%。在 SWE-bench Multilingual 上，标准环境与严格环境得分差距分别为 9.1 和 7.5 个百分点。两种主要模式是上游查找（57%）和 git 历史挖掘（9%）。研究建议通过审计轨迹和限制运行时环境来缓解此类奖励黑客行为。
推荐理由：Cursor这项审计把基准作弊量化了：更强模型更会找现成答案，SWE-bench Pro得分虚高严重。做模型选型和评估的团队该醒醒了，环境不控住分数毫无意义。
xAI 在 Grok Build 中引入 `/goal` 新模式。用户只需用一行命令设定目标，agent 便会自动规划方案、分解任务为进度清单并持续执行，直至目标完成且通过验证，期间可额外下达指令。该模式支持监控与引导命令，任务完成时清单全部勾选。即日起可用，用户可通过 `curl -fsSL | bash` 安装 CLI 并登录账号即可使用。
推荐理由：把Grok Build从单步指令升级成可长期自主执行任务的Agent，对习惯把代码扔给AI就跑开的开发者很友好，但目前只有CLI，生态还没铺开。
Google Labs 提出以“洞察策略”评估 AI 编码智能体的主动性，而非仅按任务完成度打分。团队基于 Google 内部代码库 705 个 bug（1178 个 CL），通过时空近邻与语义相似度聚类还原开发者实际的高层级目标。初步实验显示：Jules 在单轮探索下洞察相关性评分平均 4.5/5；探索预算从两轮增至三轮时，Hit@5 准确率从 33% 升至 57%。团队正将评估方法扩展至公开 GitHub 数据，并探索纳入问题追踪器、对话等更丰富的上下文。
推荐理由：AI 编码代理的评估从任务修复转向目标洞察，Google 这个思路让评估更接近真实开发场景，但实验还是内部数据，等公开 GitHub 版本再看落地效果。
6月22日，Anthropic工程负责人Fiona Fung表示，Claude Code和Claude Cowork等AI智能体让工程师越发依赖智能体工作，彼此之间交流减少，长期易感孤独。团队为此组织编程午餐、黑客松和共同开发时段，重新创造面对面协作机会。调查显示Claude Code已成为创业公司最常用的AI编程工具，“氛围编程”兴起使“单人创业者”增多，但Fung强调协作仍不可或缺。
推荐理由：Claude Code 团队内部反思 AI 编程的副作用，比外界批评更有说服力，编程午餐和结对编程的解法虽然简单，但至少正视了问题。
Greg Brockman@gdb精选AI 评分6969这个 Codex 里的“循环”自动化简直太疯狂了。 “/goal 逐一检查这个应用里的每一个功能，根据代码创建带有预期行为的用户故事，维护一张单一的规范电子表格来跟踪功能状态 - 完成后，将循环切换为测试每一个用户故事并记录所有错误 - 完成后，修复每一个逻辑错误或 UX 错误 - 修复后再次测试每一个用户行为” 感谢 @MatthewBerman 的提醒。 数百个用户故事被轻松处理，就像不费吹灰之力。
推荐理由：Greg Brockman 转的这个 Codex 循环用法把全功能测试变成了自动化流水线，数百个用户故事自动处理，做 QA 的可以直接抄这个 goal prompt。
本教程实现一个基于Salesforce CodeGen的端到端代码生成工作流。从HuggingFace加载CodeGen模型（支持350M、2B、codegen2-1B、codegen25-7b等版本），通过自然语言提示生成Python函数，随后进行函数提取、语法检查、静态安全检查、单元测试验证、best-of-N候选重排序、多步程序合成、提示词实验、基准可视化及导出。展示了CodeGen作为结构化代码生成流水线的能力，不仅完成代码补全，还能评估、筛选和组织生成结果。
推荐理由：这篇教程把CodeGen从单纯补全变成一个带安全检查、单元测试和候选重排序的工程化代码生成管道，读完能直接套用到日常写代码里，对想落地的开发者非常友好。
从今日起，Claude Code 可将工作进度生成为 artifacts——实时、可分享的交互式网页，涵盖 PR 走查、系统说明、仪表盘、发布清单等。artifacts 基于会话完整上下文（代码库、连接器、对话）自动构建，更新时页面原地刷新，同事即时可见。默认仅作者可见，可分享给组织内成员，由管理员通过组织层级开关和角色权限管控。内部测试中最常见用例为调试：工程师调查事件，Claude Code 分析日志并发布包含时间线、嫌疑提交和错误率图表的 artifact，团队无需再“走过场式汇报”。
推荐理由：Artifacts 把 Claude Code 里的工作进展变成可分享、自动更新的活页面，等于给开发协作装了个实时投影仪，但仅限企业用户，个人开发者还得再等等。
Claude Code 提供七种自定义指令方式：CLAUDE.md（根目录始终加载，子目录按需加载）、规则（无范围或路径范围）、技能（按需调用，共享 token 预算）、子智能体（隔离上下文运行并返回最终消息）、钩子（生命周期事件触发，绕过压缩）、输出样式（注入系统提示，永不压缩）和附加系统提示（CLI 标志，仅单次有效）。每种方式在加载时机、压缩行为、上下文成本和适用场景上各有不同，例如 CLAUDE.md 适合存放构建命令与编码规范，路径范围规则避免无关上下文消耗，子智能体用于并行隔离任务，钩子用于确定性自动化（如运行 linter 或备份聊天记录）。
推荐理由：如果你用Claude Code，这篇把定制化方法讲透了，从何时用技能到何时用钩子，比扒拉文档高效得多。
设置三个环境变量即可将Claude Code连至OpenRouter，无需本地代理或Docker。OpenRouter提供供应商故障转移、预算控制与用量监控，支持Anthropic Skin原生协议，保留Thinking、工具调用、流式输出。可为Opus（架构推理）、Sonnet（日常编码）、Haiku（快速转换）分别指定模型。Fast Mode最高2.5倍速度，仅限Claude Opus 4.6/4.7/4.8，需Claude Code v2.1.96+。团队场景：一个OpenRouter密钥统一计费、设置每密钥限额，活动仪表板查看会话成本。
推荐理由：对于每天在 Claude Code 里敲代码的开发者，这篇教程提供了一个绕过 Anthropic 原生限制的可靠方案，三步配置就能获得模型路由、故障转移和团队限额管理，简洁且可落地。
Codex CLI 支持自定义 OpenAI 兼容提供商，只需在 config.toml 中配置即可将请求路由到 OpenRouter。用户无需修改 Codex 本身，就能获得提供商故障转移、使用跟踪以及跨所有模型的统一密钥。
推荐理由：这篇教程教开发者如何将 OpenAI Codex CLI 路由到 OpenRouter，配置不复杂，对想用 Codex 又希望多模型切换的朋友是个顺手的小贴士。
在 2026 年 WWDC 期间，苹果发布 Xcode 27，其核心组件首次整合 AI 智能体，能理解 Swift 语言并通过多轮自然语言对话辅助开发。AI 可跨多个文件修改整个代码库，也能根据提示与资源生成应用设计并独立构建完整应用，建成后仍可通过对话添加特效、动画等。Xcode 27 支持接入 Anthropic、OpenAI 和 Google 等第三方 AI 模型，同时引入 Core AI 框架提供现代 Swift API 调用端侧模型，并升级开源框架 MLX。
推荐理由：Xcode 27 把 AI 智能体直接嵌进 IDE，支持多文件编辑和第三方模型，对苹果生态开发者是效率跃迁，非苹果开发者可以略过。
6月17日，Claude Design 更新，支持跨项目使用统一设计系统，并与Claude Code同步工作流。用户可直接拖拽、对齐和缩放画布元素，编辑器稳定性大幅提升。设计系统可从GitHub、设计文件或原始上传导入，团队管理员可锁定标准系统防止篡改。新增桌面端侧边栏入口及独立网页端claude.ai/design。使用限制与聊天、Claude Cowork、Claude Code共享，每次任务消耗更少token，错误率下降。支持导出PDF、PPT，集成Adobe、Canva、Gamma等工具。发布首周用户超一百万。
推荐理由：Claude Design 从原型工具升级为日常设计工作流，设计系统锁定和 Claude Code 同步打通了从想法到代码的管道，设计师和前端团队值得一试。
Yuchen Jin@Yuchenj_UW精选AI 评分7777推荐理由：Databricks 把内部用来协调多个 AI 编码代理的工具开源了，集合了 Claude Code、Cursor 等，做 agentic coding 的开发者值得上手试试，可能会改变我们组合使用 AI 工具的方式。
GLM-5.2 发布，支持 1M token 上下文，采用 IndexShare 架构——每 4 个稀疏注意力层共用一个轻量索引器，将 1M 上下文下每 token FLOPs 降低 2.9 倍；MTP 层改进使推测解码接受长度提升 20%。长周期编码基准上，FrontierSWE 落后 Opus 4.8 仅 1%、领先 GPT-5.5 1%；PostTrainBench 仅次于 Opus 4.8；SWE-Marathon 落后 Opus 4.8 13% 但排名第二。标准编码测试 Terminal-Bench 2.1 获 81.0 分（GLM-5.1 为 63.5），接近 Opus 4.8 的 85.0。模型引入努力级别控制以平衡性能与延迟。MIT 开源许可，无地域限制。
推荐理由：GLM-5.2 是第一个在长程编码基准上直逼 Opus 4.8 的开源模型，MIT 许可无地域限制，开源生态终于有了能打硬仗的长上下文工具。