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。
267 条精选近 30 天 217 条共收录 342 条
tmux 与 Claude Code 配合可为 AI 编程智能体提供可分离、可脚本化的会话环境。指南覆盖 --worktree --tmux 内置标志、多会话布局、send-keys 与 capture-pane 命令、.tmux.conf 关键配置及状态栏监控，并指出 tmux 在多智能体场景下无法识别智能体状态、屏幕抓取脆弱、跨会话无共享状态、滚动日志成本高等局限。
推荐理由：原文给出了 tmux 与 Claude Code 搭配的完整工作流配置，读者可直接复用 send-keys、capture-pane 等命令片段。
作者发布 superlite，一个面向 Claude Code 的自主构建插件，主打一次审批后自动并行执行任务。它通过任务图拆分、按能力分配 Sonnet/Haiku 子代理、用 hook 强制执行规则来减少人工介入，并在同一基准项目上以 16.1 分钟跑完 177/177 个隐藏测试，约为对照 superpowers 33.6 分钟的一半。
推荐理由：作者把 Claude Code 插件的并行策略、任务分层与同项目基准数据做了展开，可作为设计自动编码流水线时的参考。
作者 dom96 设计了针对大语言模型的对抗式编程语言 KillSwitch，其通过规格中的隐藏谎言、标识符字母计数、触发安全护栏的语句和以噪声填充的脚本等方式干扰模型。
推荐理由：原文给出一种针对 LLM 弱点设计的新型编程语言，并用其作为基准测试主流模型，读者可对比各模型在真正陌生代码上的真实理解能力。
研究提出TEAL，在无标签模式下为数据湖分析中的编码智能体演化可复用工具，并提升紧步骤预算下的准确率。Explorer从数据湖取证，Critic从Worker轨迹提出修改，变更须在不增加步骤且有轨迹证据支持时被保留。
推荐理由：TEAL以无标签双智能体反馈演化数据分析工具，并量化比较四种Worker大语言模型在两项基准紧步骤预算下的准确率提升。
软件工程师 thegreatpeter 发文劝退自建 AI 软件开发平台的做法，主张直接使用 Claude、Grok Bot 等前沿模型产品。他指出前沿实验室正在持续降低构建和迭代门槛，个人很难与之竞争，自己搭建平台往往会重蹈半途而废的覆辙；建议工程师把精力放在发现真实问题上，例如用 Claude 给父母的安卓电视去除臃肿体验。
推荐理由：作者从一线工程师视角劝退自建 AI 开发平台的做法，主张直接使用前沿模型产品，把精力放到发现真实问题上。
开发者 critiquebrowser 在 Hacker News 上以 Show HN 形式开源 Git 钩子工具 Sphinx，会在 AI 生成代码 push 之前基于 diff 向开发者提问，确认理解后才放行。
推荐理由：在 AI 智能体生成代码日趋常态的当下，把差异审查改造成由开发者亲自作答的反事实问题，给出了一条可参考的工程实践。
工程师 Mihai 在博客中系统梳理 AI 编码时代的自动化软件验证方法，介绍 Superpowers、RoboRev、Claude Code Review、Codex Review。
推荐理由：原文把多家 AI 代码审查工具放到同一套分阶段验证流水线中比较，给出了搭建或改造 CI/CD 时可参照的清单与配置示例。
Microsoft 与 CMU 推出 PRAISE（Preceptorship for AI-accelerated Software Engineering）项目，面向 Microsoft 早期工程师提供 CMU 在线课程并配以企业内部导师，培养 AI 加持的软件工程能力。
推荐理由：微软与 CMU 的 PRAISE 项目把企业导师和在线课程结合，为早期工程师补上 AI 工具使用中的判断力，可作为产学研培养路径的参考。
DeepSeek 发布 V4.1-Flash-1017，在官方基准的多项编码与智能体任务上超越自家前代以及 Claude Opus 5、GPT 5.6-Sol、Kimi K3、GLM 5.3 等更大竞品，模型权重开源发布在 Hugging Face 与 ModelScope。
推荐理由：原文给出 V4.1-Flash-1017 在 DeepSWE 等基准的准确率与单任务成本，并横向对比多家竞品，读者可据此判断该模型的成本效率边界。
亚马逊CTO Werner Vogels在深圳交流中提醒企业，AI决策不应被对错失窗口的恐惧驱动，应先想清楚要解决的问题、AI是否合适以及成本能否承担。他以2004年数据库故障催生Dynamo、云计算按用量计费、Nitro把管理面卸载到专用硬件等亚马逊自身经历做类比，强调Agent进入实际业务时需划定授权范围与执行规则，并主张开发者仍要承担验证债和判断责任。
推荐理由：把云数据库和云计算踩过的坑类比到 AI 与 Agent，亚马逊 CTO 给企业算的是一笔选型与责任的成本账。
Simon Willison 用 Claude Code（Opus 5.5 Extra）打造 LaTeX 渲染器，支持 MathJax 公式与 faster-latex 排版文档，并可通过 URL fragment 分享。
推荐理由：展示了用 Claude Code 逐轮迭代构建 LaTeX 渲染小工具的 prompt 写法与 XSS 防护思路，对想用 AI 智能体搭建前端工具的读者有直接参考价值。
EdgeKernelBench 与 LEKA 提出面向异构边缘后端的 LLM 内核生成统一评估和分层优化框架。EdgeKernelBench 通过统一 IR 和编译器接口连接目标后端，以 TVM 为参考编译器验证，基准范围从单个算子逐步扩展到紧凑模型图。
推荐理由：论文以统一 IR 跨边缘后端评估内核生成，并比较 LEKA、直接生成与 Claude Code 的性能达标结果。
Anthropic 公开 Claude Code 团队的代码评审流程，约 90% 的代码由 Claude 自身编写。流程覆盖 7 层机制：执行前验证、AI 评审、安全审查、自动化检查、按风险分级的人工批准、合并队列与灰度发布、快速回滚。
推荐理由：Anthropic 把 AI 主导环境下七层代码评审流水线与具体指标一并公开，读者可据此评估哪些环节适合引入自己的团队。
程序员 speckx 在个人博客中回顾从 ChatGPT、Cursor 到 Claude Opus 5.5 的工作流变化，自述从手写代码逐步转向 agent 编程与结果监督，到了 Opus 4.5/6 阶段，他按几个月合并 PR 数据测算的个人生产力约提升 3 倍。
推荐理由：作者按时间顺序记录 ChatGPT 到 Claude Opus 5.5 带来的工作流变化，为理解 agent 编程阶段的真实体感提供亲历参照。
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
StarSkirmish Bench v0.2 公布九款前沿模型用 1 小时写 C++ StarCraft 机器人的对战结果，GPT-6 Astra 排名第一、GPT-6.1 Sol 第二，Gemini 4 Argon、Claude Opus 5.5 与 Claude Fable 5.1 在 37 至 39 分区间并列。
推荐理由：给出九款前沿模型在 1 小时长程编码场景下的横向对比，可作为观察各家推理与工具调用能力的一份参考。
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
Handwired 是一个把常规 JavaScript 代码转换成神经网络的工具。示例 Mini OS 是一个用 JS 写的小型桌面，包含列表、动画、滚动、拖拽、图片等功能，转换结果输出到常规 DOM，包含 9,909 个权重和 130 层，训练次数为 0。
sparqlite 是一个用 Rust 编写的 SQLite 可加载扩展，可将 RDF 四元组存入普通 SQLite 表，并在 SQLite 进程内原生执行 SPARQL 1.1 查询和更新。
推荐理由：给出原生执行与 SQL 翻译的速度对比及 W3C 测试覆盖，为嵌入式 SPARQL 实现提供可核对的性能与兼容性基线。