跳到正文

#编码

今日 54 条
9月21日周一
  1. Simon Willison 博客37

    一位工程师爆料：大公司团队全靠 Claude Code 写代码，无人阅读

    一位新入职大公司的工程师称，团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成，从 L1 到 L7 的工程师都在做同样的事——和 Claude 对话。没人喜欢这种方式，但被要求尽可能多地产出，管理层多次表示推代码不是瓶颈，员工每天工作 12 到 13 小时只为按回车，没有人阅读任何内容。

9月20日周日
9月19日周六
9月18日周五
  1. GitHub Blog22

    GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP

    GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分级；Skills 与 MCP 解决不同问题，MCP 提供工具与数据的标准接入，Skills 封装团队流程与最佳实践，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据之外的信息，减少 token 消耗并让回答更有依据。

  4. elsewhere：文章（RSS）50

    在AI艺术黑客松做《The Album》改编互动游戏，一位选手的复盘与反思

    作者参加超级发电站主办的AI艺术黑客松，做了一个改编自麦浚龙与谢安琪概念专辑《The Album》的实时互动游戏，玩家扮演酒保自由输入回应客人。技术方案采用2.5D等距视角，由剧本、独立subagent演员、导演程序和预制美术资产四层组成，demo部署在 https://elsewhere.news/the-album 并凭邀请码有限开放。

  8. Boris Cherny62

    Claude Code 在桌面端和网页端推出 Projects：一个项目即一段与 Claude 的对话，会自动把工作拆分为线程，作为并行云会话运行、在线程间传递上下文，并在用户离开后继续运行，目前对部分用户开放 beta。作者 Boris Cherny 表示自己不再手动管理会话，随想随发，由 Claude 拆分线程并记住他的工作方式。

    引用ClaudeDevs@ClaudeDevs

    Today we're rolling out Projects in Claude Code on desktop and web. A project is one conversation with Claude. It splits the work into threads itself, runs them as parallel cloud sessions, passes context between them, and keeps going when you leave. In beta for select users.

  9. Noah Zweben51

    Claude 推出 Projects 功能（引用 Claude AI 官方账号）：项目可从 Claude Code 的一个会话启动，用户描述任务后由 Claude 调度并行线程，在关闭电脑后继续运行。该功能今日起对部分 Pro 和 Max 用户的 cloud sessions 开启 beta，即将向所有 Claude 用户开放。

    引用Claude@claudeai

    Projects now run from one conversation, starting in Claude Code. You describe what needs doing, and Claude directs parallel threads that keep working after you close your laptop. In beta today for select Pro and Max users in cloud sessions; coming to all Claude users soon.

9月17日周四
  2. Latent Space（RSS）47

    AINews：Yegge 关停 Gas Town，Databricks 用 GPT-6 Astra 后编码支出增 60%

    Steve Yegge 关停了 Gas Town，并承认每月花费数千美元订阅编码智能体，却只做出了 Gas Town 这一个项目。Databricks 向约 3500 名工程师铺开 GPT-6 Astra，其在高复杂度系统设计与长周期任务上"明确"优于 Opus 5 / Sol 5.6，但整体编码支出增加约 60%，公司为此设立专门的 Astra 子预算。

  3. jietang66

    唐杰发文复盘，GLM-5.3-Flash 从首次在国内加速器上运行到承接全部生产流量只用两周，端到端吞吐达 3.2 倍，大量工作由 GLM-5.3 驱动的 Infra Agent 完成。

    引用Z.ai@Zai_org

    We’re sharing how GLM-5.3 helped build and optimize the inference infrastructure serving GLM-5.3-Flash. The system went from its first successful run to production readiness in less than two weeks, with end-to-end throughput tripling relative to the initial baseline. The key was dense feedback: local correctness tests, execution traces, microbenchmarks, and end-to-end measurements that enabled targeted hypothesis testing rather than reliance on aggregate performance metrics alone. https://z.ai/blog/glm-built-its-inference-infrastructure

    推荐理由：作者复盘了 GLM-5.3 智能体优化推理基础设施的两周过程，提出了可迁移的分层密集反馈方法与工程师角色转变的判断。

  4. GitHub Blog85

    GitHub Copilot 用 Copilot 把运行时迁移到 Rust：80 万行代码、128 个 PR

    GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript/Node.js 完全重写为超过 80 万行生产级 Rust，AI 智能体编写了大部分代码，跨 128 个 PR 增量合入 main，性能提升数个数量级，主要由一名开发者几个月内完成。

    推荐理由：GitHub Copilot 运行时迁移 Rust 的完整复盘，给出智能体并行协作、提示缓存与评审流程的可迁移工程方法。

  5. Greg Brockman59

    Greg Brockman 转发 Databricks 工程负责人 Peter Wendell 的推文：Databricks 已将 Astra 部署给全部约 3500 名工程师。引用内容称 Astra 在高度复杂任务（如高层系统设计、长程横向任务）上明显优于此前最高端模型 Opus 5 和 Sol 5.6，使用 Astra 的工程师整体编码支出较基线增加约 60%；中低复杂度任务上提升不明显，疑似已被现有模型饱和。此前通过约 200 名用户的试点验证质量与成本，使用 Unity Gateway 做分组实验，并为 Astra 设置专项子预算鼓励在复杂任务上选择性使用；Astra 与 Fable 尚无可靠对比，因数据保留政策未广泛推出 Fable。

    引用Patrick Wendell@pwendell

    Today we rolled out Astra to every engineer at Databricks (N=~3500). Some notes that may be helpful to others: 1. Astra unambiguously out performs our previous highest-end models (Opus 5, Sol 5.6) on highly complex tasks, especially those related to high level system design or long range horizontal tasks. 2. Engineers given Astra increased overall coding spend by around 60% compared to baseline. 3. It is not clear Astra meaningfully improves on medium/low complexity coding tasks compared to earlier models. We suspect those tasks are mostly saturated (i.e. perfectly executed) by existing models. 4. We learned above by piloting Astra with around 200 users to gain signal on both quality and cost. We use Unity Gateway to do cohort-based experiments for all new models. 5. We give engineers a sub-budget specific to Astra to encourage them to use Astra selectively on complex tasks while preferring lower cost models for everyday tasks. Our engineers are able to mix-and-match tools and models within their overall budget envelope (we also allow for increased budgets through various mechanisms). These budgets are defined in Unity Gateway and regularly revisited. Note: We do not have robust comparisons of Astra-vs-Fable because we have net yet rolled out Fable widely due to data retention policies.

  7. Greg Brockman32

    Codex voice for road trips:

    引用Jonathan Roomer@jonathanroomer

    I’ve got Codex (voice) in CarPlay. And it’s fantastic. I can now build things during road trips, while all 5 kids make a noise and my wife asks why I talk to the AI more than I talk to her. It runs through my Nightblood iOS app, which gives ChatGPT Voice a face, personality and full access to Codex, my Mac and all the native tools.

9月16日周三
9月15日周二
9月12日周六
9月11日周五
  1. Andrew Milich36

    直接在 Warp 中使用 Grok Build

    引用Warp@warpdotdev

    Warp now has built-in support for the Grok Build CLI. - Use Warp's rich input for agent prompts, with support for longer pasted prompts and multi-cursor - Use /remote-control to share your agent session to another device - Access the file explorer and code review panels

  2. GitHub Blog30

    GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板

    GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让开发者无需在编辑器、终端和浏览器之间切换即可完成 AI 编码闭环。diff 面板以绿色标注新增、红色标注删除，支持接受改动、留言或让 Copilot 继续修改；终端面板可直接运行项目命令并支持多窗口；浏览器面板可用 Pick & Polish 工具选中元素并让智能体调整。

9月10日周四
9月9日周三
  2. Mistral AI：News（网页）54

    Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 遗留代码

    Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐校验框架，用自定义解析器生成调用树并借助 Vibe CLI 启动上百个智能体补文档，最终采用人工把关的 coder、tester、reviewer 智能体工作流逐模块迁移。

  3. Microsoft：GitHub 新仓库15

    Microsoft 发布 frontier-ghcp-ttt-rvas 仓库

    Microsoft 在 GitHub 上线 microsoft/frontier-ghcp-ttt-rvas 新仓库，全称为 Frontier GitHub Copilot Train-The-Trainer Real Value Acceleration Solution（RVAS）。该仓库定位为 GitHub Copilot 的培训师培训与价值加速方案，目前公开信息仅包含仓库名称与全称。

  4. Together AI 研究与产品博客（RSS）67

    Together AI 深入解析开源 AI 编码栈：用 MIGHT 框架从闭源模型迁移到开源模型

    Together AI 发布长文，解析开发者从闭源模型转向开源模型所需的 AI 编码栈，提出由模型、推理、网关与路由、Harness、工具（Skills 与 MCP）组成的 MIGHT 五层框架。

    推荐理由：Together AI 把开源编码栈拆为 MIGHT 五层，给出大小模型分工和分层组合的具体实践方法。