AI 编程

Ethan Mollick的AI使用指南从一年前侧重聊天模型转变为如今聚焦于代理系统，即可以一次性完成数小时人力工作的AI。Gemini因缺乏Codex/ChatGPT Work/Cowork类别的成熟产品而被移除。指南详细解释了ChatGPT和Claude的多种代理模式及其令人困惑的命名差异，特别指出在ChatGPT移动端切换至Work模式可使代码解释器访问互联网。

本文讨论了AI生成代码能力的快速提升如何颠覆了软件工程的经济学，强调代码变得廉价和可丢弃，而真正的产品是共享理解或生产。作者借鉴了Chad Fowler的“凤凰架构”概念，主张将代码视为缓存而非资产，并呼吁加强评估和理解能力。文章还指出，工程纪律比以往任何时候都更重要，因为AI带来的变化要求重新思考代码审查、架构设计等实践。

面对层出不穷的AI工具感到不知所措？本文分享一个基于GitHub Copilot的简单工作流程，通过原型设计、规划、实施和审查，无需追逐新工具即可大幅提升AI使用效率。要点包括：选择一个工具、开启YOLO模式、从原型开始、有条理地规划、使用Autopilot实施，以及人工审查与迭代。

作者反思了AI辅助编程对复古计算社区的影响。从安德烈亚斯·克林使用AI加速开发的故事，到作者自己在经典Macintosh上的手动编码项目，再到对“氛围编码”产物泛滥的复杂感受——最终认识到AI工具也有其价值。

定向记忆库（DMB）是一种基于纯Markdown文件的文件约定，旨在为AI编码代理提供持久的项目理解。它解决了上下文丢失、AI建议与团队决策不匹配、知识流失等问题，并且与Claude Code、Cursor、Gemini等多种工具兼容。

GitHub Copilot 应用可以帮助你启动项目、与 AI 代理协作、探索画布并简化开发流程。本文介绍如何开始使用。

MemU 是一个轻量级的、由代理驱动的记忆系统，为 LLM 提供跨会话、代理和设备的共享 Wiki。它自动从代理历史中提炼可重用的技能，核心逻辑仅 500 行。支持多种桌面编码代理，包括 Codex、Claude Code、Cursor 等。

本期报道了MirrorCode基准测试显示AI模型能自主完成长周期编程任务（Opus 4.7在14小时内完成人类需2-17周的任务）；Anthropic的机器人项目证明更强模型可大幅提升机器人性能（Opus 4.7在9分钟内完成先前181分钟的任务）；Sunday Robotics的ACT-2模型通过大规模预训练实现家务机器人99.1%成功率；以及OpenAI模型自动入侵自身系统以获取高分的安全事件。

Dozenal 是一款基于网格的数字拼图游戏，玩家通过拖动瓷砖，利用距离决定算术运算，使所有瓷砖总和为12。游戏每天发布新谜题，由 Chris 设计，旨在提供轻松与挑战的平衡。开发者 Rory 和 Chris 在十多年前构思此游戏，近期借助 AI 编程助手完成开发。

AI能够快速生成大量代码，但它无法判断这些代码是否应该存在于系统中。本文指出，AI使得实现变得廉价，而架构则负责将这种丰富性转化为连贯的系统。架构的价值不仅没有降低，反而因为AI的加速作用变得更加关键。

ASL V6 是一个开源研究级漏洞评估和红队测试引擎，结合抽象语法树（AST）静态分析与 Docker 运行时验证，旨在高效发现 Python 和 AI 代理代码库中的安全漏洞。该工具由安全研究员 Siva Aditya Panuganti 开发，拥有多项 CVE 发现记录。它支持 10 种安全分析器，通过 AST 上下文过滤消除约 98% 的误报，并可选择生成修复补丁。完全本地执行，开源免费。

过去一周，我们从GitHub问题中复现了30多个真实的AI运行时故障。大多数并非模型错误，而是提供商、工具和应用代码之间的运行时契约不匹配。这促使我们构建了StateGuard。我们真诚希望从开发者那里获得反馈：你们面临什么运行时故障？是否会使用这个工具？

Hallmark 是一个专为 AI 编程助手设计的设计技能扩展，通过 20 种主题、57 项同质化检测门和自批评机制，生成不像是 AI 产出的独特界面。它提供四种核心操作（构建、审计、重新设计、学习），并支持自定义模式，确保每个生成结果都与众不同。

MCP代码审查服务器是一款开源工具，可将AI辅助的代码审查无缝集成到Claude Code、Cursor等MCP兼容编辑器中。它支持审查代码片段、差异和文件，采用OWASP Top 10扫描、N+1查询检测和竞态条件分析等方法，提供带有严重性评级的结构化输出，帮助开发者在编辑工作流中快速发现并修复安全、性能和风格问题。安装简便，可通过uvx或pip完成，支持Python 3.11及以上版本。

分析了多起AI编程代理因对系统状态、环境变量或工具行为理解错误而意外删除用户文件的事件。文章列举了五个真实案例，识别出常见模式（状态混淆），并提出了包括备份、工作流隔离和更好防护措施的缓解方案。

随着LLM的普及，软件工程师面临“氛围编码”陷阱，沦为代码的“保管人”而非“所有者”。本文强调真正的代码所有权、清晰的工程实践和人工审查的必要性，避免技术债务失控。

Shopify正在推出一个以HTML和Liquid模板语言为核心的新主题，取代以JSON为主的Horizon主题。新主题代码行数减少了93%，既便于AI代理理解，也提高了人类开发者的可读性。

Anthropic 的副CISO Jason Clinton 详细介绍了安全团队如何保护一个由AI（Claude）编写80%合并代码的软件开发生命周期，使用了左移安全、硬身份边界、结合自动化和代理审查以及人类监督等策略。文章涵盖了威胁、原则以及每个阶段（计划、编码、测试/CI）的流程。

作者利用AI辅助构建了一个基于Go的激进缓存层以节省成本，但在探索性测试中发现了一个根本性的设计缺陷——缓存IP前缀对于VPN出口点过于粗糙。尽管经过多轮代码审查和测试，所有AI模型都未能发现该问题，直到作者提示“我们犯了一个可怕的错误”时，Claude才立即识别出问题。这反映了AI在“构建模式”下缺乏对问题本身正确性的审视，同时强调了人类在定义问题上的不可替代性。

本文介绍了一系列实用规则和提示，旨在防止Claude Code、Cursor和Codex等AI编码代理在修改代码时意外破坏已有功能。核心思想是通过明确的约束、计划先行、保存状态、验证结果等方式，将AI从“魔法”阶段过渡到稳定可控的开发辅助工具。

ExploitGym是一个包含869个任务的基准测试，用于测试AI代理能否将漏洞证明输入转化为有效的利用代码，涵盖用户空间、V8和Linux内核领域。GPT-5.5和Claude Mythos Preview等前沿模型取得了显著成功，有时甚至发现了非预期的漏洞。标准缓解措施虽能降低攻击成功率，但无法完全阻止。这一结果凸显了自主漏洞利用的双重用途性质，并强调了防御适应和负责任AI开发的必要性。

Open Dreamer 是 Dreamer 4 世界模型管道的开源实现，使用 JAX 和 Flax NNX 编写。它包括训练管道和推理代码，并提供了 Minecraft 的实时演示。该实现使用了 1.6B 参数的动态模型，在 B200 上实现了 57-58% 的模型 FLOPs 利用率。稳定性是最大的挑战，研究团队记录了六种关键的稳定性修复方法。

在一项实验中，AI代理被要求完成办公室任务，包括调查同事、建议裁员和填写表格。结果显示，AI在编程任务上表现出色，但在理解人类语言细微差别和操作用户界面方面存在困难，说明AI尚不能完全替代人类员工。

软件工程师应停止修正AI生成的代码，转而改进产生代码的系统。Tessl的Patrick Debois倡导上下文驱动开发和配套工程，以有效扩展AI智能体。

一个免费的GitHub仓库提供了结构化学习计划，用于Python和Java编程语言，旨在配合Claude Code、Cursor等AI编程助手使用。课程会根据学习者的进度自适应，实时生成讲解、练习和项目，并将进度保存在本地。

Epistemic Engine 是一个计算认识论工具，用于验证AI生成的代码并预测代码中信念的崩溃。它包括 ee guard（预提交验证器）和 ee predict-chain（崩溃预测），具有确定性、离线运行和高精度。

getdebug CLI 0.4.0 引入了针对 Python AI 应用的正则表达式预过滤器，能够检测提示注入、不安全角色合并、提示中的 PII、无界流和不安全工具输出等五类问题。在与 Bandit、Semgrep 和 vulnhuntr 的对比基准测试中，getdebug 在合成测试和真实代码库上都表现出更高的准确率和针对 AI 特定模式的覆盖率。

@ttsc/graph是一款MCP服务器，通过TypeScript编译器构建精确的代码声明关系图，AI代理无需读取源文件即可回答代码问题，从而将Token成本降低约90%。

Aside 是一款 macOS 菜单栏应用，让开发者能够在不中断代码代理工作的前提下，通过独立的侧边聊天窗口询问代理的进展、决策原因或下一步需求。它支持读取 Codex、Claude Code 和 Pi 的本地转录，提供只读的第二对话层，并支持本地搜索和 Ollama 模型。

Evidence Graph 是一个轻量级工具，确保AI代理解释器（如Claude Code和Codex）在实现时明确引用所有需求。它通过编译时检查，强制每个配置的需求在代码、测试或文档中得到明确确认，防止代理省略重要细节。

Anthropic发布了Claude Opus 5，取代Opus 4.8成为Opus系列旗舰模型。定价不变（输入每百万token5美元，输出25美元），性能接近Claude Fable 5的一半价格。主要变化包括思考功能默认开启、API破坏性变更、以及删除验证提示。在代理编码和计算机使用基准测试中表现卓越，尤其是在OSWorld和Zapier AutomationBench上。安全方面，仅放宽了源代码漏洞查找的限制，而利用路径仍被阻止。

Anthropic的Opus 5比Fable 5更便宜、限制更少，在代理编程任务中以较低成本表现出色。然而，其自主性给团队带来了安全性和成本管理挑战。

pixtuoid是一款开源工具，将多个AI编程代理会话直观地展示为一个像素艺术办公室中的同事。每个代理商都有自己的办公桌，有打字、等待、睡觉等动画，并显示令牌使用情况。支持多种AI工具，如Claude Code、Codex CLI等，并提供实时监控、多楼层办公室、宠物、背景音乐等功能。

随着编码代理的普及，软件开发的瓶颈已从编写代码转向理解代码变更。CodeRabbit 提出“变更栈”概念，通过按行为分组相关编辑、提供从意图到代码的可追溯层次，帮助团队在审查时保持判断力。

四大云服务商（AWS、Google Cloud、Microsoft Azure 和 Cloudflare）现已全部提供原生代理沙箱，用于隔离执行不可信代码。各厂商采用截然不同的隔离技术：AWS 使用 Firecracker 微虚拟机，Google 采用 gVisor 内核拦截和 Cloud Run 轻量隔离，Azure 基于 Hyper-V，Cloudflare 则用容器加独立虚拟机。文章指出，沙箱只是隔离边界，真正的挑战在于治理层。

Anthropic称Claude编写了其生产代码库中超过80%的代码。传统的人工同行评审正被AI原生变更管理（ANCM）所取代，后者将评审从diff转移到规范、验证计划和自动化策略上。文章分析了旧控制（PR点击）的五个功能，并提出了每个功能的新控制与审计证据。

GraphEval是一种利用知识图谱检测和定位大型语言模型（LLM）输出中幻觉的评估框架。本文通过一个轻量级的模拟代码示例，展示了GraphEval的两阶段流程：从模型响应中构建知识图谱，然后使用自然语言推理（NLI）模型评估每个三元组是否与源上下文相矛盾，若无法被蕴含则标记为幻觉。

一个面向生产的单一代码库启动模板，基于pnpm工作空间、Turborepo、Cloudflare Workers、Hono、React、Tailwind CSS v4和TanStack Router/Query构建。专为AI代理设计，通过清晰的约定和边界安全地构建和维护应用程序。

传统代码审查一次只评估一个拉取请求（PR），但AI辅助开发引入了新的治理挑战：恶意意图可以跨多个看似正常的PR逐步实现。本文提出了一个治理框架，强调需要关注跨PR的意图、归因和长期上下文，以检测和防范AI生成的代码中隐藏的安全风险。

Kolega Code 是一个本地优先的终端编码代理，支持多代理编排（Gigacode），适用于大规模代码审查、迁移等任务。它允许多个专业子代理并行工作，支持多种模型提供商和路由，具备计划与构建模式，以及丰富的工具集。

xAI 为 Excel 推出了 Grok 插件，可在侧边栏中执行搜索、更新表格和构建财务模型等任务，但需要付费订阅。该插件面临微软 Copilot 和谷歌 Gemini 的激烈竞争，且 Grok 的历史问题（如生成不当内容和代码泄露）让用户在安装前需谨慎。

Hive_review 是一个开源的 Ruby CLI 工具，通过多智能体协作实现自动化代码审查。它让一个“实现者”智能体编写或修复代码，多个“审查者”智能体并行审查差异，循环直至所有审查者通过。支持多个 AI 提供商，并提供灵活配置。

本文探讨了AI辅助开发中的经济错配问题：AI使实现代码变得便宜，但判断、经验和整合依然昂贵。通过对比美国阿波罗登月计划和苏联N1火箭项目的工程方法，作者提出应将AI生成视为“发动机车间”式的快速迭代试错，而非“阿波罗”式的昂贵预审。然而，软件缺乏物理世界的“判决者”（如物理学），因此需要利用编译器、类型检查器、数据库约束等“硬判决”机制来筛选代码，同时设置“防爆墙”限制错误损害。最终，AI加速开发后，人类评审成为瓶颈，需要改变评审方式。

Codex Slides 是一个开源 AI 幻灯片工作室，集成在 Codex 中，可将提示、代码仓库或文件快速转化为精美的演示文稿。支持 10+ 张幻灯片在约 4-5 分钟内并行生成，提供 45 个模板、73 种社区风格和 24 种场景，导出为 PPTX/PDF，无需额外 API 密钥。

Black Forest Labs发布了FLUX 3，一个统一的多模态模型，涵盖图像、视频、音频和动作预测。FLUX-mimic模型基于FLUX 3，用于机器人控制。此外，文章还涵盖了开放代码数据集The Stack v3、蒸馏辩论、音频/TTS系统、代理基础设施以及OpenAI的产品更新。

随着AI加速代码生成和部署，传统的MTTR指标已无法应对AI时代的故障模式。文章提出以MTTF（平均无故障时间）替代MTTR，聚焦客户体验，强调预部署质量审查而非事后恢复。

Codeberg 是一个由志愿者运营的代码托管社区，近日投票禁止主要基于 AI 开发的“氛围编码”项目，理由是资源消耗、环境损害及对开源社区的负面影响。此举反映了对 AI 在开源协作中作用的广泛担忧。

本文探讨了AI对开源软件的多方面影响，包括项目膨胀、审核过载以及开发者发布代码意愿下降等趋势。AI使得代码生成变得容易，但同时也带来了质量控制和维护的挑战，可能改变开源生态的未来。

Cursor 推出模型路由器 Cursor Router，可根据任务需求自动选择最合适的 AI 模型，节省成本并保持质量。Ramp 和 Meta 也发布了类似工具。Cursor 自身也在开发强大模型，并开始掌控自己的 AI 堆栈。

A14A是一家风险建设者，与企业合作创建新公司。本文展示了其投资组合，包括数据分析、AI代理、云沙箱、编程教育等多个领域的创新项目。