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 95 条共收录 4,447 条
智能编程助手Cursor宣布与SpaceX合作，以突破算力瓶颈，加速其模型训练进程。该公司在不到半年内快速迭代了Composer系列模型：首款智能编码模型Composer问世后，Composer 1.5将强化学习规模扩大20倍以上，而Composer 2通过持续预训练，以极低成本达到了前沿性能水平。此次合作将使Cursor团队利用xAI的Colossus基础设施，大幅提升训练规模，从而显著增强模型的智能水平。
推荐理由：Cursor 抱上 xAI 的算力大腿，意味着 AI 编程工具的竞争正式进入「谁的 GPU 多」阶段。对开发者来说，Composer 系列模型接下来的进化速度会明显加快，值得持续关注。
Augment Code 从自家 monorepo 抽取数十个 AGENTS.md 文件，用内部评测 AuggieBench 对比有无该文件时 Agent 完成任务的表现，发现最好的文件带来相当于从 Haiku 升级到 Opus 的质量提升，最差的输出比没有文件还糟，同一文件在不同任务上可相差 30%。
推荐理由：Augment Code 用内部评测量化了不同 AGENTS.md 写法对代码生成质量的影响，给出的模式与失败案例可以直接迁移到自己的代码库。
Cognition 发布长文复盘，称自《Don't Build Multi-Agents》十个月后，其多智能体系统已在生产中可用，核心模式是写操作保持单线程、其他智能体只贡献智能。
推荐理由：作者基于自家生产环境实验总结多智能体落地模式，给出干净上下文评审、跨模型路由等可迁移的工程经验。
Cursor 团队针对用户全天依赖应用、崩溃影响严重的问题，聚焦内存不足导致的崩溃。通过为多进程架构设计细粒度监控系统，实时追踪版本发布后的崩溃指标。采用双重调试策略：自上而下关联功能与崩溃数据，监控大消息负载；自下而上通过崩溃观察服务、堆快照等定位根本原因。自2月底以来，全版本会话OOM率下降80%，自3月1日起请求OOM率下降73%。具体措施包括处理大文件加载和修复资源泄漏，以应对突发与渐进性内存耗尽。
推荐理由：Cursor 把自家 OOM 问题的排查方法论完整公开了，自顶向下加自底向上的双线调试思路对做桌面端 Agent 产品的人有参考价值，但本质上是工程复盘而非行业事件。
Kimi发布K2.6版本，专注提升开源编程能力。新版本在代码生成与理解方面实现优化，发布后在Hacker News获得132个点赞。此次更新强化了Kimi在开发者工具领域的布局，通过改进编程辅助功能，为开源社区提供更高效的代码编写支持。
推荐理由：Kimi K2.6 把长程编程和 Agent Swarm 能力带到了开源模型里，那几个 12 小时自主优化、13 小时重构旧代码库的工程案例比基准表更有说服力，做 Agent 的可以认真看看。
Codex 应用推出重大更新，正式支持 macOS 和 Windows 双平台。新版本集成计算机操控、应用内浏览、图像生成、记忆存储及插件系统五大核心能力，通过自动化操作与多模态功能深度整合，全面加速开发者工作流程。
推荐理由：Codex 这次更新不是小修小补，电脑操控和长期记忆让它从一个写代码的窗口变成了能跟着你开发全程的副驾驶，开发者工具的逻辑变了。
Claude Opus 4.7 全面上线，在高级软件工程任务上实现重大飞跃，93项编码基准测试解决率较 Opus 4.6 提升 13%，并首次解决四项前代无法完成的难题。新版本支持更高分辨率图像识别，在研究代理基准测试中总分达 0.715，长上下文性能表现最为稳定。模型定价维持每百万输入 token 5 美元、输出 25 美元不变。出于安全考量，其网络攻击能力较 Claude Mythos Preview 有所削弱，并配备自动拦截高风险网络安全请求的防护机制，合法安全研究人员可通过 Cyber Verification Program 申请使用权限。
推荐理由：Opus 4.7 不是最炫的模型，但多家真实用户反馈指出它在复杂工程任务上的可靠性提升是实打实的，尤其长链自主执行和指令遵循，对开发 Agent 的团队是一次直接的生产力升级。
Anthropic 发布 Claude Opus 4.7，定位为最强大的通用模型，擅长复杂推理与智能体编码，定价保持与 Opus 4.6 相同的 $5/$25 per MTok。
推荐理由：Opus 4.7 发布，定价不变但加入了 task budgets 和高分辨率支持，对于构建 coding agent 的团队，这次更新相当于给模型装了进度条和显微镜。
Thariq@trq212精选AI 评分7272推荐理由：Claude Code 1M 上下文听着爽，但 context rot 在 300k 就开始咬你了。这篇把 rewind、compact、subagent 三个操作的使用时机讲得极清楚，是目前最实用的 Claude Code 上下文管理指南，重度用户必读。
一项针对500家公司开发者使用Cursor的八个月研究发现，在Opus 4.5和GPT-5.2等先进模型发布后，人均周AI使用量增长44%。开发者初期用更强模型完成更多同复杂度任务，4-6周后开始转向更高复杂度工作，高复杂度任务量激增68%，远超低复杂度任务的22%。媒体广告、软件工具和金融科技行业增长最为显著。任务分布呈现结构性变化：文档编写、架构设计等管理性任务增长超50%，而UI设计等独立任务仅增15%，表明开发者角色正从代码生成转向代码库管理。研究揭示了类似杰文斯悖论的效应——AI效率提升反而刺激了总需求，并可能创造新的经济活动空间。
推荐理由：Cursor 拿 500 家公司八个月的真实数据证明了一个反直觉结论，AI 越好开发者用得越多，而且是从做更多简单活慢慢转向啃硬骨头。做 AI 产品的人该认真想想这个杰文斯效应。
Cursor新增画布功能，可将信息转化为可视化、可交互的界面，替代难以阅读的长篇文本。智能体能利用画布为真实数据创建仪表盘，或定制带逻辑的交互界面，应用于代码审查、学习库文档乃至管理其他智能体。该功能基于React组件库构建，包含表格、图表等原生组件。在数据密集型任务中尤为高效，例如聚合多源数据生成统一分析图表，或在代码审查中智能分组并优先展示关键变更。Cursor团队已借此显著提升了模型评估分析和复杂问题研究的效率，成为扩展人机协作信息带宽的关键工具。
推荐理由：Cursor 把 agent 输出从纯文本拉到可交互的可视化画布，PR review、eval 分析这些高频场景立刻能用上。做 coding agent 的同行该想想自己的 agent 输出形态是不是该升级了。
Gemini CLI 引入了子代理功能，这是一种专门的专家代理，能在独立的上下文窗口中处理复杂或高吞吐量任务，从而保持主会话的快速与专注。用户可通过 Markdown 文件自定义这些代理，并支持并行运行以提高效率。使用 @agent 语法即可轻松调用，实现精准的任务委派。该架构通过将复杂的多步骤执行过程整合为简洁的摘要反馈给主协调器，有效防止了“上下文腐化”。
推荐理由：Gemini CLI 把 agent 拆成了可自定义的专家小队，developer 可以把自己的开发流程切成可复用的 subagent，并行跑起来对大型代码库的效率提升会很明显。
Claude Code 发布 routines 研究预览版，支持配置包含提示词、代码仓库及连接器的自动化工作流，可按定时计划（每小时/每晚/每周）、API调用或GitHub Webhook事件触发，并在云端基础设施运行，无需本地电脑保持在线。适用于自动处理积压工单、代码审查、部署验证及告警分类等场景。目前向Pro、Max、Team及Enterprise订阅用户开放，每日运行次数限制分别为5次、15次和25次。
推荐理由：Claude Code 的 routines 让 AI 助手进入自动值守模式，定时修 bug、响应告警、审查 PR，很可能会改变开发者的工作流，可惜每日运行次数限制让重度用户有点不爽。
Cognition 发布 Windsurf 2.0，将云智能体 Devin 内置其中，用户在 Windsurf 本地规划后可一键交给 Devin 实施，Devin 会自建机器开工并提交 PR。
推荐理由：原文讲清了本地与云端智能体的分工逻辑，以及 Devin 接入 Windsurf 2.0 后从规划到审 PR 的完整闭环。
我们与NVIDIA合作，利用自主运行的多智能体系统，在为期三周内对235个真实CUDA内核进行了优化。该系统从零开始构建并优化Blackwell GPU内核直至汇编级别，实现了38%的几何平均速度提升，其中63%的问题超越基线，19%实现超2倍优化。这些内核直接影响AI训练与推理效率，传统上需资深工程师耗时数月乃至数年的优化工作，该系统在数周内即自主完成，并能探索更广阔解决方案空间，突破了人工逐项优化的限制。
推荐理由：Cursor 把自家多 Agent 系统拉去优化 CUDA 内核，38% 的 geomean 提速不算炸裂，但真正值得看的是它证明了 Agent 可以在无人干预下跑三周啃硬骨头，这对做 Agent 产品的人是个强信号。
Bugbot 的 bug 解决率已从 2025 年 7 月正式推出时的 52% 提升至近 80%，领先其他 AI 代码审查产品。其核心改进在于引入了规则学习机制，能够从实时代码审查反馈（如开发者反应、回复和人工评审意见）中自主学习，取代了原先依赖离线实验的更新模式。自测试版推出以来，已有超过 11 万个仓库启用该功能，生成了逾 4.4 万条规则。这些规则可根据信号积累被激活或禁用，帮助 Bugbot 更精准地识别问题。用户可在 Cursor Dashboard 中管理学习规则，以优化审查效果。
推荐理由：AI code review 赛道卷了两年，Bugbot 78% 的解决率终于把第二名甩开 15 个点，关键不是分数而是它开始从真实 PR 反馈里自动学规则，做 code review 工具的该认真看看这套闭环逻辑。
jietang@jietang精选AI 评分6969推荐理由：智谱 GLM 5.1 把长程任务记忆和自进化作为新能力，这比单纯编码提升更值得关注，做 agent 的团队可以认真评估它在持续任务上的表现。
Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。
推荐理由：原文梳理了 COBOL 难倒智能体的三个原因和可落地的两类场景，并给出迁移成本下降等具体案例，方法可参考。
Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全面开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与 SWE-1.6 Preview 表现相当，同时显著减少过度思考、循环推理和依赖终端等行为，更多使用并行工具调用；训练中引入长度惩罚，响应长度增长更慢且任务解决率保持稳定。
推荐理由：官方说明了用长度惩罚等训练手段改善模型 UX 的具体做法和效果，对关注智能体行为质量的人有可参考的细节。
Greg Brockman@gdb精选Codex 应用服务器是一次极具远见的绝妙之举，却真的没有得到足够的赞赏 你不仅可以在任何 harness 中使用你的 chatgpt 账号，还可以直接基于他们的产品构建你自己的应用。 他们就是让基于 codex 和用 codex 进行构建变得如此出色的体验 为了展示这种实用性，我想重点介绍一下由 @SIGKITTEN 制作的 kitty litter 应用。 他不必构建整个 harness 以及所有基础设施，而是接入了应用服务器，从而在移动端和开发机之间获得统一的体验。 当我在电脑上创建一个会话时，它会自动在我的手机上可用。你在本视频中看到的所有聊天，都是在我们连接到应用服务器时自动填充的。 我所有的技能。我的智能体。我的会话。我的文件夹。我的提示词。它们都随时可用——自动地。 因为它们由应用服务器暴露出来，还有许多其他端点。 这是一种很棒的 ux/dx，真的值得一些喜爱。 这几乎就像是他们希望你在他们的产品之上进行构建 ;) 顺便说一句，Litter 很棒 👍
推荐理由：OpenAI 官方背书 Codex 平台扩展能力，开发者可快速构建跨设备同步的 Agent 应用