跳到正文

#编码

今日 31 条
9月25日周五
  4. Databricks：Blog（RSS）61

    Databricks 推出 Unity Gateway CLI，集中部署和管理编码智能体

    Databricks 推出 Unity Gateway CLI，让管理员集中配置编码智能体的默认模型、MCP 服务器、技能、Smart Routing 和支出策略，开发者可用 ug claude、ug codex 等命令启动已批准的智能体。

    推荐理由：文章说明了集中配置、预算策略、Smart Routing 和追踪如何统一治理多类编码智能体，便于评估企业级落地方式。

9月24日周四
  2. 公众号：AI异类弗兰克47

    一人公司如何用豆包工作把 AI 变成「新晋合伙人」

    豆包工作完成升级，新增目标模式、计划模式、任务队列、在线编辑 md 文件等能力，可按验收标准自检返工、先出 Markdown 计划再执行，并自动排队处理任务。其计划模式可降低复杂任务的 token 消耗，配合豆包 2.1 Pro 模型可完成编程并输出 markdown、HTML、飞书文档等格式。用户下载或升级最新版电脑端可免费领取订阅权益。

9月23日周三
  1. 公众号：小林coding42

    WorkBuddy 拿下沙利文桌面 AI 智能体双榜第一，腾讯 Harness 工程实测解析

    WorkBuddy 在沙利文《2026年全球桌面AI智能体市场研究报告》中国区榜单中同时拿下个人端与企业级第一，评测涵盖产品技术领先与用户落地实效两大指数。其 Harness 支持 Hy 系列模型、国内主流开源模型及本地模型接入，并在实测中用约 31 分钟完成两万多行陌生项目改造，74 项测试全部通过，还拦截了三类提示词注入。

  3. 公众号：刘小排r44

    豆包工作实测：用它拍短剧、运营自媒体并搭建 AI 新品雷达工作台

    刘小排实测国产 AI 产品「豆包工作」，通过 plan 模式规划、goal 模式执行，完成 AI 短剧制作、自媒体策略迭代和 AI 新品雷达工作台搭建三项任务。自媒体盲测在补充 50 篇内容后，排序一致性从 -0.10 升至 1.00；新品雷达首版入库 67 个产品，最长单次任务约 35 分钟。9 月可领取一个月免费会员权益，工具仍存在遗忘部分要求等不足。

  5. Latent Space86

    Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 和 Luna

    Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，称多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并已成为 Claude Code 和 Claude 应用默认模型。

    推荐理由：汇总了 Claude Opus 5.5 与 GPT-6 Sol、Luna 的定价、基准和实际使用反馈，可用于比较同日模型更新的成本与能力取舍。

  6. Simon Willison18

    旧金山 10 月 14 日：一场关于 Agentic Engineering 的 Birds of a Feather 聚会

    Simon Willison 与 Jesse Vincent 将于 10 月 14 日（周三）晚在旧金山举办一场围绕 coding agents 的 Birds of a Feather 聚会，面向用 coding agents 构建新奇项目的开发者。活动采用非正式 show-and-tell 与自由交流形式，鼓励分享未公开的实验和未完成项目，不做产品宣讲，也不要求正式演讲。

  7. Claude：Blog（网页）74

    Anthropic 指南：如何准备 AI 驱动的代码现代化项目

    Anthropic 发布企业代码现代化准备指南，提出用 Claude Code 动态工作流前应完成六步：定义目标、建立变更证书、制定分级上线策略、准备环境与审批、构建并试运行智能体工作流、先小规模验证再扩展。指南区分 Uplift、Transform、Reimagine 三类现代化，并说明测试、差分验证、人工审查、CI/CD、安全合规和 token 成本估算等关键准备事项。

    推荐理由：文章把企业代码现代化拆成目标、证据、上线策略和工作流等六步，适合准备用 Claude Code 推进大规模改造的团队对照落地。

  8. Fireworks AI（网页）72

    Fireworks Research 发布 Ember-1：基于 Kimi K3 减少约 40% token

    Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持答案质量的同时减少约 40% token。官方称其在 7 项基准和两家客户生产流量中可将 Kimi K3 的推理缩短 35–50%，客户 A/B 测试显示每任务约少用 35% token；内部开发者切换后基本无感知。

    推荐理由：原文给出基准、客户 A/B 与内部编码流量的 token 节省结果，可帮助评估用专用模型压缩推理成本的路径。

  13. AWS Machine Learning Blog78

    Claude Opus 5.5 已在 AWS 的 Amazon Bedrock 和 Claude Platform 上线

    AWS 宣布 Anthropic 的 Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，它是 Claude 5.5 模型家族的首个模型，面向智能体编码、知识工作和长时间运行任务。

    推荐理由：文章同时说明模型能力、定价变化、可用区域和接入方式，便于团队评估是否迁移现有智能体编码与长任务工作负载。

9月22日周二
  1. Claude Platform：开发者版本说明（RSS）88

    Anthropic 发布 Claude Opus 5.5，并更新 Claude Platform 多项 API 能力

    Anthropic 于 9 月 22 日发布 Claude Opus 5.5，面向长时间运行的智能体编码和知识工作，默认 1M token 上下文窗口、128k 最大输出 token，价格为 $4 / $20 USD per MTok。

    推荐理由：官方同时列出模型规格、价格、可用平台和迁移中的 API 行为变化，便于开发者评估升级成本。

  2. François Chollet44

    可以委托写代码。永远不要委托理解。 如果代码此前是你管理理解的事实来源，那么你需要一个新的事实来源载体。如果以代码为中心的工作流曾是你形成这种理解的方式，那么你需要新的工作流。

    引用voxium@v0xium

    I am done with this shit. It is over. The state of engineering right now is horrible. It has been half a month since I started a new role at a big company. Nobody knows anything here. The specs, code, tests, PRDs, tickets, resolution of those tickets, reports, etc., everything is made by Claude Code. Nobody on my team likes this. They are being forced to ship as much as they can. I have heard multiple times from higher management that pushing code is not a bottleneck, so why are we slow? People are working 12 to 13 hours a day just to press enter. Nobody is reading anything. Humans in corporate are doing nothing on their own. Everyone, literally everyone, from an L1 to an L7 engineer here is doing the same thing. Talk to Claude. There is no sense of victory. Nobody is resolving bugs. In reality, nobody is thinking anymore. Everything is done by LLMs. It is so soul-sucking. I would not mind it, to be honest, if we were at least given the time to check out the code and see what is going where. But no, the goal is to just ship. No matter what happens.

9月21日周一
  3. Fireworks AI（网页）62

    Fireworks AI：前沿不是单个模型，而是 FireRouter 这样的模型路由器

    Fireworks AI 提出编码智能体应按任务选择模型，并用 DeepSWE v1.1 的 113 个任务、18 个模型测算：oracle router 可达 97.6% 通过率、每任务 $1.88，高于 GPT-6 Astra 的 74.1% 和 $6.52；仅用开放权重模型也可达 90.3%、$1.45。

    推荐理由：文章用 DeepSWE 的 oracle routing 结果说明模型池的互补能力，并给出 FireRouter 在真实编码流量中的成本对比。

9月18日周五
  1. GitHub Blog · AI & ML52

    GitHub 拆解 AI 开发争议：仍需读懂生成代码，Skills 未取代 MCP，RAG 也未过时

    GitHub Podcast 围绕 5 个 AI 开发热门观点展开分析，认为开发者仍需审查并承担 AI 生成代码的结果，招聘更看重使用判断力而非完全依赖或拒绝 AI。文章指出 MCP 负责标准化连接工具和数据，Skills 负责封装团队流程与最佳实践，RAG 仍可为模型提供训练数据外的相关信息；需要微调并不必然说明代码糟糕，但难理解的代码也暴露可维护性问题。

  2. 公众号：刘小排r47

    刘小排：到底什么叫“创业成功”？

    刘小排重新定义创业成功，认为其等于找到值得长期投入的赛道，并建立会自我变强、摆脱对创始人依赖的模式。他以 Agent 类产品和拼多多为例，说明用户创造新用法、供需互相强化可形成增长飞轮，让今天的成功降低明天成功的难度。最终标准是造出一台不需要创始人持续踩油门，仍能不断加速的机器。

9月17日周四
  1. Latent Space27

    AINews：AI 新闻现实核查（Yegge 关停 Gas Town，Databricks 使用 Astra 成本增加 60%）

    AINews 对近期 AI 新闻进行现实核查：Steve Yegge 因每月投入数千美元订阅编程智能体却只建成 Gas Town 而将其关停，Databricks 向约 3500 名工程师部署 GPT-6 Astra 后，编程总支出增加约 60%。同期 OpenAI 发布模型失对齐事件披露框架，Anthropic 将 Claude Cowork 与聊天界面合并为统一 Claude。

  4. GitHub Blog · AI & ML83

    GitHub 借助 Copilot 将 Copilot agent runtime 迁移到 Rust

    GitHub 借助 GitHub Copilot app 和 Copilot CLI，将 Copilot agent runtime 从 TypeScript、Node.js 与 V8 技术栈完整重写为 832,378 行生产 Rust，另有 468,689 行 Rust 单元测试。

    推荐理由：文章用真实迁移数据拆解了渐进式重写、跨会话协作和人工审查边界，可为大型代码库的 AI 辅助迁移提供方法参照。