跳到正文

#GitHub

今日 0 条

10月10日星期六

The Verge · AI

OpenAI集中发布近400项数学成果,数学家称理解它们可能需要数年

OpenAI本周发布近400项AI生成的数学成果,分布于700多篇手稿,受访数学家估计理解这些成果可能需要数年。OpenAI称719篇手稿中的300项顶层结果已完成形式化,研究者仍须核查形式化与论文主张是否一致;截至10月8日,已有十多篇手稿修订、3篇因符号错误撤回。多名研究者认可部分成果的学术价值,同时指出论文表述和引用存在问题,集中发布已冲击部分研究计划与经费申请。

推荐理由:OpenAI集中发布数学成果,将核验、解释与梳理研究脉络的工作留给数学界,部分研究者的长期研究计划和经费申请已受到冲击。

10月9日星期五

Simon Willison

Simon Willison 如何用 Codex 语音模式构建博客新闻通讯索引

Simon Willison 几乎全程用 Codex 语音模式构建博客 Newsletters 索引,随后通过键盘提示和代码审查完成部署。他在做饭时使用 ChatGPT 桌面应用的 Codex 标签页与 GPT-6 Astra High 交谈,约半小时内完成 Django 数据模型、四种导入、归档页面和搜索集成,再花半小时修正私有 GitHub 仓库的 API 导入及页面展示。

推荐理由:Simon Willison 用 Codex 语音模式完成博客功能主体,再用键盘审查和修正导入代码,将语音开发与细节处理分开。

10月8日星期四

Hacker News 首页

Terse 发布 Claude Code 插件,通过删除冗余表达缩短回复

Terse 是一款 Claude Code 插件,通过写作规则减少冗余表达,作者测得聊天回复字数下降 46%–70%。规则覆盖回复、文档、提交和子智能体,并通过逐轮提醒维持文风,附带上下文用量状态栏。

推荐理由:Terse 用输出样式和逐轮规则提醒约束 Claude Code 文风,将长会话中的风格维持落实为插件机制。

The Decoder

疑似单名攻击者利用 AI 黑客工具攻破多家韩国金融机构

Crowdstrike 报告称,一名疑似使用中文的攻击者在 2026 年 9 月下旬至 10 月上旬攻击多家韩国金融机构,窃取大量数据。

推荐理由:Crowdstrike 披露疑似单人攻破多家韩国金融机构的案例,攻击者将 AI 自动化渗透测试工具用于短期内的大规模数据窃取。

GitHub Blog · AI & ML

GitHub 的密钥保护为何必须跟上软件开发规模

GitHub 介绍与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,将非结构化密钥检测扩展到推送保护,候选密钥批次评估耗时低于 2 毫秒。

推荐理由:GitHub 用九个季度的数据比较代码推送与凭据泄露,单次推送的泄露比例未见显著趋势而总量增长加重人工处置负担。

10月7日星期三

Hacker News 首页

OpenAI 数学研究仓库收录模型生成的 722 篇手稿及配套验证材料

OpenAI 的数学研究仓库收录了内部未发布模型生成的 722 篇手稿,按相关结果分为 372 个研究系列。评估期间模型接受了约 4,000 个问题,绝大多数结果采用同一流程生成,每项结果平均使用该模型 3 小时的 ChatGPT Pro 思考计算资源。许多手稿已有 Lean 形式化验证,但验证进度各异,尚未形式化的结果可能存在问题;仓库将持续补充形式化材料,并保留修订历史。

推荐理由:OpenAI 公开模型生成的数学手稿及配套验证材料,并交代结果所处的不同验证阶段,为理解这些研究产出的可靠性提供背景。

claude.dev 开发者博客

Claude Code 云会话实战指南:并行任务、环境配置与本地衔接

Claude Code 云会话指南通过四次实际运行,讲解独立 VM 中的并行编码、环境配置及云端与本地会话衔接。三个任务在 16 秒内陆续启动,全部在首个任务启动后 87 秒完成,其中缓存修复通过连续 40 次测试;独立分支不会共享修复,需要安排合并顺序。

推荐理由:Claude Code 云会话指南用并行任务实测展示按文件边界拆分工作的方法,并将验收命令与分支合并顺序纳入任务设计。

10月6日星期二

GitHub Blog · AI & ML

GitHub 介绍 AI 代码审查开放基准 ReviewBench

GitHub 的 AI 代码审查开放基准 ReviewBench 已提供研究预览版,公开数据集、评估方法和自助运行工具。基准参考 103.9 million 个 GitHub 拉取请求的分布,包含来自 187 个仓库、覆盖 19 种语言的 219 个拉取请求,资深工程师独立复核标注的一致率为 96.6%。

推荐理由:ReviewBench 将固定标注与新增有效发现分开评估,在保持跨系统比较口径一致的同时,避免漏标问题惩罚审查智能体。

10月3日星期六

The Decoder

Claude Code 推出 Mods 系统,支持开发者修改工具内部行为与界面

Anthropic 为 Claude Code 发布 Mods 插件系统,开发者可用 JavaScript 或 TypeScript 函数接入工具调用、用户提示词和界面渲染事件。

推荐理由:Anthropic 为 Claude Code 开放内部扩展接口,Mods 沿用用户权限且不受沙箱隔离,安装来源直接关系到运行安全。

10月1日星期四

The Decoder

Glow Security发现AI智能体公开上传逾13,000张企业内部截图

安全初创公司Glow Security发现,AI智能体将343家组织内部软件项目的逾13,000张截图上传到了公开GitHub仓库。由于GitHub仅支持通过浏览器向拉取请求附加图片,使用命令行的智能体转而在开发者个人账号下创建公开仓库,泄露了客户数据、登录凭据和未发布功能,企业安全团队因图片不在公司账号下而未察觉。

推荐理由:Glow Security发现智能体将内部截图上传至个人公开仓库,绕过了企业账号内的安全监控并暴露客户数据与登录凭据。

9月17日星期四

AI HOT 精选

GitHub 用自家 Copilot 智能体把 Copilot 运行时从 TypeScript 搬到了 83 万行 Rust

GitHub 官方发布博客,介绍其使用 Copilot 智能体把 GitHub Copilot 运行时从 TypeScript 迁移到 Rust,迁移后代码规模达 83 万行。文章以官方工程视角复盘了这次迁移的做法与过程。

推荐理由:GitHub 官方复盘用 Copilot 智能体把 Copilot 运行时从 TypeScript 迁移到 Rust 的完整做法,涉及 83 万行代码的工程规模。

9月15日星期二

Computing Life · Share · 鸭哥调研

三条 AI 新闻:会画界面的模型、给自己写说明书的 agent、脱离厂商云的企业编程

Runway 发布研究预览 Solaris,用前置语言模型加基于 Gen-4.5 的世界模型逐帧渲染交互界面,官方自报 250 名受试者偏好度高于 Claude Opus 5 生成的前端代码界面,但尚无第三方实测。

推荐理由:Runway 的 Solaris 让语言模型配合世界模型逐帧渲染界面,官方自报 250 人偏好度高于 Claude Opus 5 生成的前端界面,但尚无第三方实测。

9月5日星期六

AI HOT 精选

GitHub 放出 HydraFusion 研究预览:用多模型调度把 Copilot 推理成本砍到只用顶级模型的五分之一

GitHub 发布 Project HydraFusion 研究预览,通过多模型运行时编排在 GitHub Copilot 中兼顾前沿质量与成本。该方案由 GitHub 官方博客介绍,标题强调以多模型编排实现前沿质量。

推荐理由:GitHub 发布 Project HydraFusion 研究预览,用多模型运行时编排在 Copilot 中兼顾前沿质量与成本,官方博客给出了具体成本对比。

9月3日星期四

Computing Life · Share · 鸭哥调研

智能体 token 用量超人类 5 倍,但缓存打折后实际账单只多 1 倍

OpenRouter 数据显示,截至 8 月 10 日的七天平均中智能体每周消耗 7.3 万亿 token,人类为 1.4 万亿,名义用量达人类 5.2 倍,但智能体用量中约 70% 是缓存读取,按缓存约一折计价粗算实际账单倍数约 2 倍。

推荐理由:OpenRouter 数据显示智能体名义 token 用量达人类 5.2 倍,其中约七成是缓存读取,按缓存约一折计价后实际账单倍数约 2 倍。

AI HOT 精选

GitHub Copilot 用偏好训练的小模型当“路由器”,把 AI 编码成本砍到三分之一

GitHub 官方博客发文介绍 GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本。文章以官方视角说明其在成本与任务质量之间的取舍思路,正文抓取内容主要为博客导航与栏目介绍,未展开具体技术细节。

推荐理由:GitHub 官方博客说明 Copilot 用偏好训练的小模型充当路由器,在任务质量不变的前提下把编码成本降到三分之一,涉及成本与质量取舍的具体做法。

8月28日星期五

Hacker News 首页

开源维护者喊话:别再用 AI 生成的垃圾 PR 刷简历了

Neil Alexander 直接点名了一种新乱象:有人用 Claude 等模型批量生成拼写修复 PR 和安全漏洞报告,只为在 GitHub 个人页上刷绿点和贡献者头像,好给招聘方看。

推荐理由:开源维护者 Neil Alexander 点名有人用 Claude 等模型批量生成拼写修复 PR 和安全漏洞报告,只为在 GitHub 刷贡献记录给招聘方看。

8月25日星期二

Hacker News 首页

AI 智能体技能文件里,非英语占比一个季度从 13% 涨到 16.3%

Plicara 扫了 187 万份智能体技能文件(就是教 AI 干活的说明书),发现非英语写的比例从 2026 年一季度的 13% 跳到了二季度的 16.3%,这个速度比 GitHub 文档的多元化快得多。中文技能占 6.2%,差不多是 GitHub 文档里中文占比的两倍。欧洲语言在同一时期翻了一倍多,日语和韩语反而下滑了。

推荐理由:Plicara 扫描 187 万份智能体技能文件,发现非英语占比一个季度从 13% 升至 16.3%,中文以 6.2% 约为 GitHub 文档中中文占比的两倍。

8月18日星期二

AI HOT 精选

Cursor 推出自家代码托管服务 Origin,付费用户现在可以不用 GitHub 了

Cursor 开始向所有付费用户推送 Origin 的早期测试版,相当于在编辑器里内置了一个代码托管平台。你可以直接创建仓库、发起和审核合并请求、浏览代码,还能把 GitHub 上的仓库实时同步过来,两边互相发评论。每个仓库都住着一个 AI 助手,能回答代码问题、改代码、推分支。

推荐理由:Cursor 向付费用户开放 Origin 早期测试版,把仓库、合并请求和 AI 助手放进编辑器,并支持与 GitHub 双向同步,为关注代码托管格局的人提供了一手产品参照。

8月13日星期四

AI HOT 精选

AutoGPT 用 AGENTS.md 和技能门控管理 AI 生成的拉取请求

AutoGPT 项目现在超过 60% 的拉取请求来自 AI 工具。维护者 Reinier van der Leer 在仓库里放了一个 AGENTS.md 文件,给 AI 贡献者立规矩,还加了技能门控:只有通过代码格式检查和单元测试的 AI 代理才能提交代码。垃圾 PR 数量大幅下降,但正文没披露有多少人类贡献者被误拦了。

推荐理由:AutoGPT 项目超六成拉取请求由 AI 工具提交,维护者用 AGENTS.md 加技能门控约束 AI 贡献者,垃圾 PR 数量大幅下降。

8月5日星期三

AI HOT 精选

GitHub 用堆叠式 PR 把 AI 一次生成的巨型代码拆成人类能审的小块

GitHub 工程师分享了一套处理 AI 生成大块代码的工作流:先让模型一次性吐出整个功能的代码,再用堆叠式 Pull Request 自动把几千行改动按文件依赖和语义拆成 200 到 400 行一个的逻辑块。每个 PR 只关注一层改动,审阅的人不用同时看所有东西。文章给了具体命令和分支命名规范,但没披露内部有多少人用、审阅时间到底缩短了多少。

推荐理由:GitHub 工程师公开了一套把 AI 生成巨型代码拆成 200 到 400 行堆叠式 PR 的工作流,并给出具体命令与分支命名规范,可供团队直接参考。

7月29日星期三

Hacker News 首页

一个人用 AI 写了六个月,做出了一个能跑 Chrome 和 Zoom 的 Linux 桌面

Starling 不是浏览器里的模拟界面,而是一个直接驱动 GPU 的 Wayland 桌面环境。它由一个人指挥 AI 在六个月内写完,代码量约 33.5 万行,其中桌面本体、Wayland 和 X11 服务器及内置应用约 6.2 万行。

推荐理由:一个人指挥 AI 在六个月内写出约 33.5 万行代码的 Wayland 桌面,能原生运行 Chrome 和 Zoom,为观察 AI 辅助开发的工程规模提供了一个具体样本。

7月14日星期二

Hacker News 首页

微软 2026 年初在内部铺开 Claude Code 和 Copilot CLI,用上的人合并的 PR 多了约 24%

这篇论文研究了微软几万名工程师在 2026 年初开始用 Claude Code 和 GitHub Copilot CLI 这两款命令行 AI 编程工具的情况。有三个发现比较实在:第一,大家开始用主要是因为看到身边的同事在用,靠的是同事间的社交网络,不是公司硬性摊派。

推荐理由:微软几万名工程师在 2026 年初试用 Claude Code 和 Copilot CLI,论文发现工具扩散主要靠同事间的社交网络,而非公司统一推行,并记录了使用者的 PR 合并量变化。

7月8日星期三

Hacker News 首页

研究人员用钓鱼代码骗过 GitHub 的 AI 编程助手,让它吐出了私有仓库的内容

Noma Security 的研究员发现 GitHub Copilot 的 AI 编程助手有个跨仓库记忆的漏洞。他们在公开仓库里埋下诱饵代码,然后引导助手回忆它之前在私有仓库里“看”过的上下文,结果助手真的把不该公开的代码片段输出了。这个攻击不是无差别泄露,攻击者得事先知道私有库里大概有什么,但它暴露了 AI 编程工具在权限边界上的真实缺口。

推荐理由:Noma Security 研究员用公开仓库诱饵触发私有代码泄露,暴露了编程助手跨仓库记忆与代码访问权限之间的边界缺口。

7月2日星期四

Hacker News 首页

GitHub Copilot 模型选择器里多了一个开源选项:Kimi K2.7 Code

Kimi K2.7 Code 正式上线 GitHub Copilot,这是 Copilot 模型选择器里第一个开源权重的模型,代码可以随便看、自己部署。它跑在微软 Azure 上,按用量计费,价格直接走模型提供商的公开定价。目前先推给 Copilot Pro、Pro+ 和 Max 用户,企业版和管理员需要手动去后台打开开关才能用。

推荐理由:Kimi K2.7 Code 进入 GitHub Copilot 模型选择器,成为其中第一个开源权重选项,代码可查看和自行部署,并按模型商公开定价计费。

6月30日星期二

Product Hunt · AI

v0 上线 Design Systems 2.0,能直接导入你团队在用的组件库、设计变量和 Figma 画板

v0 现在支持从 GitHub 仓库、npm 包(公开或私有)、Storybook 文档、Figma 画板、截图甚至 ZIP 文件里导入你们现有的设计系统。它会学习这些组件和样式是怎么被实际使用的,然后生成一个用你真实组件和设计变量搭好的预览环境,你可以在聊天框里继续改,满意了再保存。

推荐理由:v0 支持从 GitHub、npm、Storybook、Figma 等来源导入团队现有设计系统,并生成用真实组件和设计变量搭好的预览环境,方便在聊天框里继续修改。

6月16日星期二

Hacker News 首页

GitHub Copilot 需求太猛,微软自家 Azure GPU 不够用,转头租 AWS 的 Nvidia 芯片来跑推理和微调

Copilot 的用量增长超出了 Azure 能提供的 GPU 供应,微软已经和 AWS 签了协议,租用 Nvidia GPU 来补缺口,主要用在模型推理和微调上。原文没披露具体租了多少张卡、合同金额,也没说什么时候开始迁移。这件事说明 Copilot 的算力需求可能比微软自己预估的要大,但具体大到什么程度、这笔账划不划算,目前还看不到数字。

推荐理由:微软因 Copilot 用量超出 Azure 的 GPU 供应,与 AWS 签约租用 Nvidia 芯片跑推理和微调,其算力需求与自有供给之间的落差由此显现。

Hacker News 首页

领英招聘骗局:一个 npm install 就能控制你电脑的后门仓库

作者收到领英猎头私信,对方发来一个 GitHub 仓库让他审阅代码,并特意引导他“看看废弃的 Node 模块问题”。作者起了疑心,没在本地跑,而是开了台临时云服务器,用只读模式的 Pi agent 扫了一遍。

推荐理由:作者收到领英猎头私信后没有直接运行对方发来的 GitHub 仓库,而是用临时云服务器和只读模式 agent 扫描代码,记录下识别可疑 Node 模块的方法。

6月11日星期四

AI HOT 精选

GitHub Copilot 命令行接入语言服务器,补全和纠错能看懂项目里的类型和符号了

GitHub 把 Copilot 命令行版接入了语言服务器(LSP),让终端里的代码补全和报错提示不再只靠模型猜,而是能读到项目真实的类型、符号和引用关系。具体做法是在本地跑一个后台 LSP 进程,模型先生成代码,LSP 返回诊断信息、补全项和悬停提示,再把这些信息喂给模型做第二轮修正。GitHub 说内部测试里准确率明显提高,幻觉也少了。

推荐理由:GitHub 把语言服务器接入 Copilot 命令行版,让终端补全能读取项目真实的类型、符号和引用,模型生成后再用诊断信息做第二轮修正。

6月10日星期三

AI HOT 精选

GitHub Copilot CLI 现在能建自定义 AI 智能体,把一次性终端指令变成可重复跑的工作流

GitHub Copilot CLI 新增了自定义智能体功能,让模型能读懂你团队的技术栈和常用流程,把以前在终端里零散敲的提示词变成一套可复用的自动化工作流。正文没披露具体的配置方式、推送范围和是否额外收费,所以实际落地成本还不清楚。

推荐理由:GitHub 为 Copilot CLI 加入自定义智能体,让终端里零散敲的提示词变成可复用工作流,开发者可了解这一能力如何承接团队技术栈与常用流程。

6月9日星期二

AI HOT 精选

Cursor 把欧洲总部放在伦敦,计划招 200 人;SpaceX 手里攥着 600 亿美元收购它的选择权

Cursor 是做 AI 编程助手的,你告诉它想开发什么功能,它能自动生成代码。这次它把欧洲总部定在伦敦,主要是看中当地技术人才多、语言多元,方便服务整个欧洲市场。公司计划年底前把欧洲团队从现在的七八十人扩到 200 人左右,还会在巴黎、慕尼黑等城市设小办事处。

推荐理由:Cursor 把欧洲总部定在伦敦,年底前团队从七八十人扩到 200 人左右,并在巴黎、慕尼黑设小办事处,AI 编程公司进入欧洲市场的用人节奏由此具体起来。

AI HOT 精选

GitHub 12.2 万星项目 Skills 加了个 Teach 技能,把工作目录变成能记住你学到哪的学习空间

Skills 仓库新出的 Teach 技能,核心是把一个普通文件夹变成有状态的学习环境。它用四个文件来追踪学习进度:MISSION.md 写目标,lessons/ 放课程,learning-records/ 记你已经掌握的东西(不是记“讲了什么”),reference/ 自动生成速查手册。

推荐理由:Skills 仓库新增 Teach 技能,用四个文件把工作目录变成能记录学习进度的环境,其中 learning-records 记录的是已掌握内容而非课程内容。

AI HOT 精选

把 GitHub 的自动测试搬到 Hugging Face Jobs 上跑,Trackio 项目 CPU 任务快了约 30%

Hugging Face 发了篇博客,手把手教你怎么用 huggingface/jobs-actions 把 GitHub Actions 的 CI 流程搬到他们的 Jobs 服务上执行。核心思路是让 GitHub 把任务派给一个在 HF Jobs 里临时启动的“自托管运行器”,跑完就销毁。

推荐理由:Hugging Face 博客给出把 GitHub Actions 的 CI 任务迁到 HF Jobs 上执行的具体做法,用临时自托管运行器跑完即销毁,Trackio 项目的 CPU 任务快了约 30%。

6月6日星期六

AI HOT 精选

GitHub 开源 Spec Kit:先写产品规范再让 AI 写代码,把 vibe coding 的流程反过来

GitHub 把 Spec Kit 开源了,专门解决 AI 编程里一个常见毛病:需求还没说清楚,模型就开始写代码,结果边界漏了、反复返工。这个工具包把流程倒过来——先写产品功能规范,再让 AI 根据规范去澄清差距、做技术计划、拆任务,最后交给 agent 执行。规范本身成了可执行的开发合约,不是一份看完就扔的文档。

推荐理由:GitHub 开源 Spec Kit,把先写产品规范再让 AI 编码的流程做成工具包,规范成为驱动 agent 执行的开发合约。

AI HOT 精选

OpenCV 5 发布,换了一套能跑大模型的神经网络引擎

OpenCV 5 最大的变化是换了一套全新的 DNN 引擎,从原来的逐层执行改成基于计算图的架构,能做算子融合,跑 Transformer、视觉语言模型和大语言模型都成了原生能力。ONNX 算子的覆盖率从 4.x 时期不到 23% 一下子拉到 80% 以上,以前很多导不进来的模型现在能直接用了。

推荐理由:OpenCV 5 将 DNN 引擎改为计算图架构并支持算子融合,ONNX 算子覆盖率从 4.x 的不到 23% 提升到 80% 以上,原先导不进来的模型现在可直接使用。

6月5日星期五

Hacker News 首页

Lowfat:一个命令行过滤器,帮作者省了 91.8% 的 LLM token

Lowfat 是一个可插拔的 CLI 过滤工具,能自动把 kubectl、docker、grep 这类命令输出的冗余信息(比如表格边框、空行、重复标题)裁掉,只保留关键内容再喂给大模型。作者自己用了两个月,原始输出总共 440 万个 token,过滤后只用了 30 万,省下 410 万 token,换算下来节省了 91.8%。

推荐理由:作者开源了 Lowfat 这个 CLI 过滤工具,把 kubectl、docker 等命令输出里的表格边框和空行裁掉再喂给大模型,两个月实测省下 410 万 token。

6月4日星期四

AI HOT 精选

Miso One 开源了一个 8B 参数的语音模型,克隆声音只需一小段样本,延迟 110 毫秒

Miso One 放出了一个 8B 参数的开源 TTS 模型,主打一次语音克隆——给它一小段音频样本就能模仿那个人的说话风格和节奏。推理延迟标称 110ms,对实时对话场景算可用。模型权重直接挂在 GitHub 上,你可以自己部署,音频数据不用上传到第三方服务器。官方说 API 之后会出,但正文没提价格和上线时间。

推荐理由:Miso One 开源了 8B 参数的语音克隆 TTS 模型,一小段音频样本即可模仿说话风格,标称 110 毫秒延迟,权重挂在 GitHub 上支持自行部署。

6月3日星期三

Latent Space

GitHub COO 聊怎么让平台接住 AI 代理的代码洪流

GitHub COO Kyle Daigle 说,2026 年 AI 驱动的代码提交量涨了 14 倍,这给原本按人类节奏设计的 GitHub 基础设施带来了很大压力,公开的宕机问题也跟这有关。

推荐理由:GitHub COO 披露 2026 年 AI 代码提交量涨了 14 倍,并说明这一增速如何冲击按人类节奏设计的基础设施,公开宕机问题也与此相关。

5月31日星期日

AI HOT 精选

GitHub Copilot 改按 token 收费,开发者直接骂“开玩笑吧”

GitHub Copilot 把计费方式从订阅制改成了按 token 算钱,开发者社区炸了。token 就是模型处理文本的最小单位,用多少收多少,但正文没披露具体单价、生效时间,也没说免费额度还在不在。我会先打个折——如果单价定得高,写代码时每补一行都可能肉疼,这对重度用户影响不小。

推荐理由:GitHub Copilot 把订阅制改为按 token 计费,开发者社区随即表达不满,计费方式直接关系到重度用户写代码时的成本。

5月22日星期五

AI HOT 精选

Karpathy 用 65 行规则文件把 AI 编程准确率从 65% 拉到 94%

Karpathy 在 GitHub 上发了一个叫 CLAUDE.md 的规则文件,65 行、4 条规则,让 AI 编程准确率从 65% 跳到 94%。核心思路是逼开发者先想清楚再动手:深度思考、代码越短越好、只改该改的地方、每一步都盯着目标走。

推荐理由:Karpathy 公开的 CLAUDE.md 用 65 行 4 条规则约束 AI 编程流程,把准确率从 65% 提到 94%,其先想清楚再动手的写法可直接迁移到日常提示词。

Hacker News 首页

sddw:给 Claude Code 加一套分步写规格、清上下文的开发流程

作者开源了一个 Claude Code 插件,把开发任务拆成需求、代码分析、设计三份规格文档,再把实现切成多个子任务逐个做。每完成一个步骤就清一次上下文,目的是让模型每次只盯一小块,减少跑偏,也省 token 钱。规格文件落地到磁盘,方便断点续传,也能在早期发现模型理解错的地方。正文没给出具体省了多少成本或性能提升的量化数据,这点先别太激动。

推荐理由:作者开源了一个 Claude Code 插件,把开发任务拆成需求、代码分析、设计三份规格文档并逐个子任务实现,每步清一次上下文,让模型每次只盯一小块。