工程师复盘十个月围绕 Claude Code 搭建守护框架的经验与教训
一位工程师复盘十个月为 Claude Code 逐步搭建 hooks、门禁和守护框架的经历，核心结论是“仪表会撒谎”，提示词只是请求，真正有效的是代码边界。
推荐理由：作者用十个月的真实失败数据说明提示词为何挡不住模型，并给出可复用的 Claude Code hooks 种子。
#编码
#编码
今日 47 条Google AI：DEV 作者专属（RSS）精选AI 评分7373 
Peter Steinberger 🦞@steipeteAI 评分1818CI 和 GitHub 之间正激烈争夺谁更拖我后腿。是时候重新思考我们的工作方式了。（不过我还是爱 GitHub 的，也完全理解他们的难处！）
Ant Ling@AntLingAGIAI 评分4444
jason@jxnlcoAI 评分3434- jason@jxnlcoAI 评分99
X.PIN@thexpinAI 评分6161
lauren@potetoAI 评分2424引用Matt Pocock@mattpocockukSuper excited to be interviewing @poteto, live, in ~48 hours on YouTube. We'll be nerding out about skills, high-velocity software factories, and learning SOTA techniques for shipping with agents. This Friday - 9AM PT. Don't miss it! https://youtube.com/live/MN9dGgmLyso
xAI：News（网页）AI 评分3939 xAI 将 Grok 接入 OpenCode，SuperGrok 与 X Premium 订阅可直接用于编码
xAI 宣布 Grok 可在 OpenCode 中使用，用户连接 Grok 账号后即可用 Grok Build 编码，该模型同样驱动 xAI 的终端编码智能体。在 OpenCode 内运行 /connect 并选择 xAI，支持 SuperGrok 订阅的 OAuth 浏览器登录，以及面向 SSH 或远程主机的 Headless / Remote / VPS 验证码登录方式。
xAI：News（网页）精选AI 评分6767 xAI 发布终端编码智能体 Grok Build 早期测试版
xAI 发布终端编码智能体 Grok Build 的早期测试版，面向所有 SuperGrok 和 X Premium Plus 订阅者开放。它支持计划模式审批、AGENTS.md、hooks、skills 和 MCP 服务器开箱即用，可将任务分派给并行运行的子代理，并提供 headless 模式（-p）与完整 ACP 支持。用户可输入 /feedback 提交反馈。
推荐理由：官方介绍覆盖计划模式、并行子代理和 headless 模式等能力，读者可据此判断如何接入现有终端工作流。
xAI：News（网页）AI 评分3838 xAI 将 Grok 接入 Kilo Code，SuperGrok 与 X Premium+ 订阅可直接使用
xAI 宣布 Grok 订阅可直接在开源智能体编程平台 Kilo Code 中使用，SuperGrok 或 X Premium+ 用户无需单独的 API key 即可连接 Grok 账号，调用包括 Grok Build 在内的最新模型。
xAI：News（网页）精选AI 评分6262 xAI 发布编码模型 grok-build-0.1，API 公测上线
xAI 将编码模型 grok-build-0.1 以公开测试形式上线 xAI API，该模型专为智能体编码任务训练，支持 Web 开发、调试和 MCP，也是驱动 Grok Build 的同一模型。
推荐理由：xAI 官方公告给出了 grok-build-0.1 的定位、速度、定价和适配工具，读者可据此评估是否接入自己的编码工作流。
xAI：News（网页）AI 评分3030 Composer 2.5 上线 Grok Build，可通过 /models 菜单选用
Composer 2.5 已在 Grok Build 中上线，用户输入 /model 后可在菜单中选择该模型。xAI 称其为一款快速、SOTA 的模型，擅长长时间运行任务与遵循复杂指令。
xAI：News（网页）AI 评分3939 xAI 将 Grok 接入 Warp：SuperGrok 与 X Premium 订阅可直接使用
xAI 宣布 Grok 与 X Premium 订阅可在 Warp 终端智能体开发环境中直接使用，覆盖近百万开发者。用户连接 SuperGrok 订阅后即可调用 Grok 模型，包括驱动 Grok Build 的 grok-build-0.1。更多智能体与集成即将面向 SuperGrok 和 X Premium 订阅者推出。
xAI：News（网页）AI 评分5656 xAI 为 Grok Build 推出 Agent Dashboard，支持同时管理多个编码会话
xAI 为 Grok Build 推出 Agent Dashboard，把所有会话集中到一屏，支持并行运行、按状态排序并优先处理等待输入的会话。用户可在 shell 运行 grok dashboard，或在会话内用 /dashboard（Ctrl+\）打开；支持不离开面板查看并回复输出、底部输入框派发新会话、接管任意会话，关闭面板后所有会话继续运行。
xAI：News（网页）AI 评分5858 xAI 在 Grok Build 推出 /goal 长时自主任务执行模式
xAI 在 Grok Build 中推出 /goal 模式，支持长时自主执行任务，智能体会持续工作直到任务完成并验证，包括审查代码、检查网页或执行脚本。用户只需一行给出目标，智能体会规划方案、把工作拆成进度清单并开始执行，期间可继续追加指令，另有新命令用于监控和引导长时任务，完成后面板显示 Complete 且清单全部勾选。
xAI：News（网页）精选AI 评分7373 xAI 开源 Grok Build 编码 Agent 与 TUI
xAI 宣布开源 Grok Build 的编码 Agent 与 TUI，源码已发布在 GitHub。
推荐理由：源码公开了 agent loop、工具、TUI 和扩展系统的实现细节，还支持本地编译和接自有推理服务。
xAI：News（网页）精选AI 评分7878 xAI 发布 Grok 4.5，主打编码、智能体任务与知识工作
xAI 于 7 月 16 日发布 Grok 4.5，定位为其最强模型，面向编码、智能体任务和知识工作，与 Cursor 联合训练。
推荐理由：官方发布页给出了基准分数、定价、token 效率和免费入口等具体数据，读者可据此与其他模型比较并选择使用场景。
xAI：News（网页）精选AI 评分7373 Grok Build 推出 Workflows 功能，可编排数百个并行 agent 后台完成任务
xAI 宣布 Grok Build 支持 Workflows，用自然语言描述任务后由 Grok 规划并在后台分发给数百个并行 agent 执行，完成后汇报结果。
推荐理由：官方说明了 workflows 的编排方式、agent 预算和复用机制，读者可据此判断它适合哪类多智能体任务。
xAI：News（网页）AI 评分5656 Grok 4.5 现已在 GitHub Copilot 中可用
xAI 宣布 Grok 4.5 上线 GitHub Copilot，覆盖云 Agent、Copilot CLI 和 VSCode IDE，用户可在模型选择器中直接选用，部分企业和商业用户需在 Copilot 设置中启用。该模型也可通过 SpaceXAI console 直接使用，定价为每百万输入 token $2、每百万输出 token $6。
xAI：News（网页）AI 评分5151 xAI 推出 Build Mode：用对话创建并发布网站、应用、游戏和仪表盘
xAI 推出 Build Mode，用户用自然语言描述想法，Grok 在对话中直接写出代码并生成可运行的预览，可继续修改布局、功能和样式。完成后可发布为 grok.me 链接或自定义域名。Build Mode 以 Early Beta 形式面向 SuperGrok Heavy 订阅用户开放，覆盖 grok.com、iOS 和 Android。
xAI：News（网页）精选AI 评分7878 xAI 发布 Grok 4.6，聚焦长程智能体与视觉交互任务
xAI 发布 Grok 4.6，在 Grok 4.5 基础上重点提升长程智能体和交互视觉类任务能力，在 Artificial Analysis Intelligence Index 上与 GPT-5.6 Sol 持平（61 分）。
推荐理由：官方公告给出了各基准对比数字、API 定价和开放入口，读者可据此评估 Grok 4.6 在智能体编码上的位置。
xAI：News（网页）AI 评分5454 Grok 4.6 上线 GitHub Copilot
xAI 宣布最新编程模型 Grok 4.6 在 GitHub Copilot 上线，覆盖云 agent、Copilot CLI 和 VS Code IDE，用户在模型选择器中选 "Grok 4.6" 即可使用，部分企业和商业用户需在 Copilot 设置中启用。该模型也可通过 SpaceXAI 控制台使用，价格为每百万输入 token $2、每百万输出 token $6。
TensorZero：实验与工程博客AI 评分3232 某大型银行如何用 LLM 与 TensorZero 自动化代码变更日志
欧洲一家大型银行的 DevOps 工程师 Mark 借助开源平台 TensorZero 构建变更日志自动化系统，接入 GitLab merge request 与 CI/CD 流程，并用 Ollama 实现全自托管部署，数据不出内网。系统利用内置的动态上下文学习（DICL），将工程师对 AI 生成日志的修改自动用于优化后续推理，无需微调或标注数据集。
TensorZero：实验与工程博客精选AI 评分6969 TensorZero 团队逆向 Cursor 的 LLM 客户端，公开其系统提示词
TensorZero 团队将自研开源网关部署为 Cursor 与 LLM 提供商之间的自托管代理，成功观察并替换 Cursor 的模型调用。
推荐理由：作者以第一手实验给出自建代理查看 Cursor 提示词的完整路径，还分享了系统提示词和模型分层等可复核的细节。
Berkeley RDI：Blog（AI 安全与评测）AI 评分6363 Berkeley 团队发布 OpenSage：自编程 Agent 生成引擎 ADK
UC Berkeley 等机构团队发布 OpenSage，一个让 AI 自动生成 Agent 拓扑、合成管理工具并控制分层记忆的 Agent Development Kit。
Prime Intellect（网页）AI 评分4444 Prime Intellect 在 Environments Hub 上线 FrontierSWE 编程基准
Prime Intellect 在 Environments Hub 上线 Proximal 的编程基准 FrontierSWE，任务为超长周期开放式技术挑战，智能体平均每个任务运行 11 小时且几乎全部失败。
Prime Intellect（网页）精选AI 评分6868 Prime Intellect 让 Codex 与 Claude Code 自主刷新 nanoGPT speedrun 优化器纪录
Prime Intellect 让 Codex（gpt 5.5 xhigh）和 Claude Code（opus 4.7 xhigh）在 nanoGPT speedrun Track 3 优化器赛道上自主迭代两周，约 10k 次运行、约 14k H200 小时，两个 Agent 均打破人类基线，Opus 以 2930 步刷新纪录（人类基线 2990）。
推荐理由：原文用约 10k 次运行的完整日志拆解了两个 Agent 在自主研究中的能力边界与失败模式，方法可复用。
Prime Intellect（网页）AI 评分6262 Prime Intellect 发布 prime-rl 0.6.0，支持万亿参数模型 Agentic RL 训练
Prime Intellect 发布 prime-rl 0.6.0，可在 28 个 H200 节点上以最高 131k 序列长度、sub-5 分钟 step 时间和 256 rollouts 批大小训练 GLM-5 等万亿参数 MoE 模型执行 SWE 任务。
Prime Intellect（网页）AI 评分5757 Prime Intellect 整合 23 个任务集，提供约 365,000 个 SWE、终端与搜索智能体 RL 环境
Prime Intellect 发布 research-environments，为 23 个开源智能体任务集提供统一 taskset API，涵盖约 198,000 个软件工程任务、约 28,600 个终端任务和约 137,600 个搜索任务，总计约 365,000 个环境，配套约 135,000 个预构建任务镜像。
Prime Intellect（网页）精选AI 评分7676 Prime Intellect 发布开源自改进编码智能体 Prime Agent
Prime Intellect 发布开源编码智能体 Prime Agent，围绕 Recursive Language Model（RLM）和 Continual Harness 两个抽象设计，通过持久 IPython 内核以程序化方式调用工具和子智能体，并支持对提示词、技能、记忆和子智能体进行 CRUD 式自改进。
推荐理由：官方介绍了 RLM 与 Continual Harness 两个抽象和公开的评测数据，读者可以据此评估这个开源智能体运行时的适用场景。
Microsoft AI：官方博客（网页）AI 评分2121 Visual Studio：面向软件开发者的 IDE 与代码编辑器
Visual Studio 现已支持最新版 .NET 与 C# 14，并原生集成 GitHub Copilot 与 Azure AI，覆盖 Web、云、桌面及 AI 工作负载。
Microsoft AI：官方博客（网页）AI 评分2222 GitHub Copilot 在 VS Code 中的 token 效率优化
GitHub 正在优化 VS Code 中 GitHub Copilot 的 token 效率，以应对其转向按用量计费后每个 token 都变得关键的变化。官方称让智能体框架更省 token 是持续进行的工作，将逐个小的改进持续投入。
Microsoft AI：官方博客（网页）AI 评分2222 Microsoft AI 生成式 AI 与 Copilot 产品组合概览
Microsoft 生成式 AI 通过深度学习按自然语言提示词生成文本、图像、音乐和代码，区别于仅做分析预测的传统 AI、预测式 AI 和对话式 AI。
METR：Research（网页）AI 评分5252 METR 发布 RE-Bench 基准，对比 Claude 3.5 Sonnet、o1-preview 与人类专家的 ML 研究工程能力
METR 发布 RE-Bench 基准，包含 7 个 ML 研究工程环境、71 次人类专家尝试，以及 Claude 3.5 Sonnet 和 o1-preview 智能体的结果，全部开源。
MiniMax：Blog（网页）精选AI 评分7575 MiniMax 发布 M2.5 模型，SWE-Bench Verified 达 80.2%
MiniMax 发布 MiniMax-M2.5，在 SWE-Bench Verified 得分 80.2%、Multi-SWE-Bench 51.3%、BrowseComp 76.3%，完成 SWE-Bench Verified 评测比 M2.1 快 37%，与 Claude Opus 4.6 的 22.9 分钟持平。
推荐理由：官方公布了 M2.5 在编码、搜索和办公场景的成绩与价格细节，读者可以据此比较它与同类模型的性价比。
METR：Research（网页）AI 评分5858 METR 测评前沿模型写 GPU kernel：KernelAgent 在改进版 KernelBench 上平均加速 1.8x
METR 发布对前沿模型编写 GPU kernel 能力的测量，用自建 KernelAgent 脚手架在改进版 KernelBench 上测试。相同模型下 KernelAgent 达到 1.81x 平均加速，远高于原 KernelBench 的 1.05x；o3-mini-high 单模型达 1.81x，全模型 best-of-k 达 2.01x。
MiniMax：Blog（网页）精选AI 评分7272 MiniMax 发布 M2.7：SWE-Pro 得分 56.22%，展示模型自进化工作流
MiniMax 发布 M2.7 模型，已在 MiniMax Agent 和 API 平台全面可用。该模型在 SWE-Pro 得分 56.22%（接近 Opus 4.6），VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高，MM Claw 准确率 62.7%。
推荐理由：官方给出了各基准的具体分数和自进化工作流细节，读者可以据此与同档模型做直接比较。
METR：Notes（网页）AI 评分1717 METR：面向更安全评估的基础逐动作监控器实现与评估
METR 研究人员 Reilly Haskins、Rif A. Saurous、Nate Rush、Neev Parikh 和 Beth Barnes 梳理了逐动作阻断式监控器生效所需成立的前提、每项前提的证据以及仍存在的缺口。该工作聚焦更安全评估场景下的监控器实现与评估。
METR：Research（网页）AI 评分5252 METR 发布 HCAST 基准：用人类耗时衡量 AI 智能体完成软件任务的能力
METR 在 arXiv 发布 HCAST（Human-Calibrated Autonomy Software Tasks）基准，包含 189 个机器学习工程、网络安全、软件工程和通用推理任务，并收集 563 条人类基线（超 1500 小时），任务耗时从 1 分钟到 8 小时以上。
METR：Research（网页）精选AI 评分7878 METR 提出"任务时长"指标：AI 可完成任务长度每约 7 个月翻倍
METR 提出用任务长度（按人类专家耗时衡量）来度量 AI 能力，发现 6 年来模型能以 50% 可靠性自主完成的任务长度呈指数增长，翻倍时间约 7 个月。当前模型对耗时 4 分钟以内任务成功率近 100%，超过约 4 小时则不足 10%；Claude 3.7 Sonnet 的 50% 成功率时间视界约一小时。
推荐理由：METR 用人类任务时长衡量智能体能力，给出 6 年约 7 个月翻倍的指数趋势及其外推含义。