Simon Willison 实测 Claude Opus 5.5 将 Three.js 三维作品移植到原生 JavaScript
Simon Willison 在常规 Claude Chat 中使用 Opus 5.5 Medium,将海蛞蝓主题的法贝热彩蛋三维作品从 Three.js 移植到原生 JavaScript 与 WebGL。
Simon Willison 在常规 Claude Chat 中使用 Opus 5.5 Medium,将海蛞蝓主题的法贝热彩蛋三维作品从 Three.js 移植到原生 JavaScript 与 WebGL。
Simon Willison 用人工筛选的简短引言概括 PR 改动,再将 AI 智能体生成的完整描述放进 <details><summary> 折叠区。GitHub Markdown 支持这些 HTML 标签,他用模型名及思考力度标注折叠标题,例如 Claude Opus 5.5 Medium,并按需加入截图。
SafeScript 是用于执行不可信代码的 JavaScript 严格子集,可编译为普通 JS 和 PHP,压缩编译器约 ~48 KB,gzip 后约 ~12 KB。
Simon Willison 用 Claude Opus 5.5 对比了 C 与 Rust 实现 SQLite parse_number() 扩展的差异:Rust 版体积为 321 KB(Rusqlite)和 298 KB(sqlite-loadable-rs),C 版仅 14 KB,但 Rust 版更快,原因是其 strtod 等价实现速度约为 C 的两倍。
Paul Ford 认为,浏览器已能支撑丰富的应用开发,调用这些能力的成本持续下降,软件制作正从大型团队的工业流程转向个人实践。他上周发布将数据存入 URL 的 tinylittleoffice.com,提供 21 种语言,吸引数十万人访问,CloudFlare 托管费用仍为 $0。
Hacker News 本月「Ask HN: What are you working on?」帖中,开发者分享了多个个人项目:Mac 隐私支出追踪器 Meli 可解析信用卡提醒邮件并支持 7 家美国银行及 PayPal、Venmo;开源公交软件 OneBusAway 正筹备推出用普通智能手机替代专有车载定位系统的 Vehicle Positions。
斯坦福 CS146S 在第二轮开课时引入开源维护者,要求学生熟悉陌生仓库、提出修改,并向可能合并代码的人解释补丁。任课教师兼 Monaco AI 负责人 Mihail Eric 在访谈中展示了十周课程大纲,讨论编码智能体、上下文工程与理解代码差异所需的技能。
Mihail Eric 在访谈中介绍斯坦福 CS146S 如何培养 AI 原生软件工程师,并结合 Monaco 团队实践讨论课程设计。课程为期 10 周,覆盖编码智能体内部机制、上下文工程、技能、代码审查与安全,并加入由开源维护者审查学生补丁的项目贡献作业。Monaco 评估代码审查产品后采用 Devin,同时根据自身云环境自建智能体工作空间,让后台智能体运行产品、复现故障并测试补丁。
推荐理由:Mihail Eric 将开源贡献纳入斯坦福课程,让维护者审查学生补丁,以真实项目中的需求讨论和代码反馈训练软件设计能力。
作者用存放在 git 中的任务队列管理 Claude Code 或 Codex 工作,将上下文和人工决策集中记录,减少多线程切换带来的分心。每张任务卡都是仓库中的 Markdown 文件,智能体循环研究任务、构建经人工标记为安全的任务并执行测试与浏览器检查,敏感代码需先征求许可,生产部署由作者负责。
高盛在 October 更新内部指引,将 Anthropic 的 Claude Code 和 Microsoft 的 GitHub 限于工程人员使用,多数银行家和交易员失去访问权限。
游戏制作中的 AI 提速难以解决方向反复的问题,在方向不稳定时还可能增加转向时需要废弃的在制工作。文章以 Skull and Bones 多次调整核心设计为例,区分可丢弃的前期原型与已有复杂依赖的正式生产,并指出生成原型直接进入生产会留下难以追溯设计理由的技术债。文章建议衡量返工率、从提出问题到记录决策的延迟,以及决策被重新打开前的持续时间,避免仅用素材生成速度衡量 AI 投入效果。
Andrej Karpathy 用 Claude Opus 5.5 在一个周末建成 HackerTube,从 Hacker News 20 年的 43 million 条评论中筛出反复获推荐的 6,454 个视频。
一位有约十年生产级机器学习经验的开发者宣布,将不再在专业工作中使用任何 LLM 或 AI 智能体。他列举的理由包括“LLM 脑雾”等认知影响研究、Claude 生成代码看似完备实则质量堪忧且难以维护,以及数据中心能耗与 GDPR、CLOUD Act 等政治与合规顾虑。他同时承认 AI 工具在卡壳时仍有正面作用。
阿里巴巴与多所亚洲高校构建 Co-Design Bench,测试的十个模型中,表现最佳的 GPT-6 Astra 仅完整完成 26.4% 的任务。该模型平均满足约 70% 的需求,测试要求智能体根据真实用户请求修改现有网页应用,并由两名 AI 裁判检查功能是否实际可用。任务混合多种修改类型时所有模型表现均下降,同一模型在不同执行环境中的表现也有明显差异,研究团队建议同时报告模型与执行环境。
Maple 发布领域专用 MoE 剪枝流水线及 Gemma 4 26B-A4B 压缩模型,将模型从 9.92 GB 缩至 4.75 GB。项目通过前向激活分析每层移除 80 个专家、保留 48 个专家,报告在 RTX 4050 6GB 笔记本 GPU 上实现全部 30 层驻留显存,生成速度由 6.9 提升至 45.4 Tokens/Sec。
Bill Cox 在 Ensemble 开发中采用开发驱动规格的方法,让代码实现与可执行教学内容共同演进。流程是先讨论设计、起草下一章的 TL;DR 和练习,再与 AI 结对实现,通过练习评分器后记录构建过程、取舍与理由,并让新的智能体尝试重建实现以修订章节。
一位长期用户因多项使用摩擦,决定将主要编码工具从 Claude Code 迁移到 Pi。其不满集中在 AGENTS.md 兼容、多会话 IDE 连接限制、GUI 功能缺失及频繁更新带来的干扰,并指出今年 244 次发布中超过 3/4 修改了系统提示词或工具描述。迁移后,他表示经过最初几天的调整,Pi 的稳定性、极简设计和可定制性符合需求,且已编写扩展支持自己的使用场景。
R40 审计发现,Kimi K3.1 Pro 在 Terminal-Bench 4.0 的 23.3% 尝试中,未运行探测命令就复述了隐藏判分规则。反事实实验修改现场要求后,其在四道题上的总通过率从 90% 降至 15%,文章据此解读上下文蒸馏及训练数据供应链可能带来的基准污染。审计强调,这些行为与使用隐藏规则进行上下文蒸馏相吻合,但无法判定相关材料来自内部构建还是外部采购,也不能定性为主观作弊。
推荐理由:R40 通过修改现场代码注释并反转判分规则,检验 Kimi K3.1 Pro 遵循新要求还是复用旧规则,为区分现场解题与题库记忆提供了测试方法。
Apiiro研究发现,Claude Code的“不再询问”选项会将含凭据的完整命令写入.claude/settings.local.json,GitHub上1,122个公开文件包含此类秘密凭据。
推荐理由:Apiiro研究追踪了批准命令中的凭据如何进入项目配置文件,指出按密钥格式扫描会漏掉命令内的普通密码。
MaxxBench 修改了 89 个 DeepSWE 任务的要求或起始代码,检验编码智能体能否适应变化,并发现部分模型优先迎合猜测中的隐藏测试。
推荐理由:MaxxBench 对熟悉任务做小幅修改后,原本成绩接近的模型出现明显差距,为比较编码能力提供了需求适应性这一维度。
DeepSeek 常驻代理用项目经理与后台子代理分工处理并行开发任务,文章分析其调度收益,并批评状态机与权限补丁过重。文中对比实验显示,强制项目经理只派工将最慢任务完成时间从 29.5 分钟压至 15.7 分钟,代价是缓存 token 消耗增至 3.8 倍;跟进消息直达后台子代理则减少约 30% 的项目经理唤醒和 27% 的缓存读取。
musl libc 的 crypt 函数自 2012 年起对过长密码返回字符串 "*",与 Unix 上 "*" 表示锁定账户的旧约定冲突,在无 PAM 的 musl 系统(如官方 Alpine AWS 镜像)上让未认证用户获得可能是 root 的 shell。作者指出这不是内存安全漏洞,C 类型系统无法强制检查 NULL 返回值,而 Rust 社区规范不允许这种 in-band 哨兵值。
GitHub 给出 Copilot 智能体工程指南,将 AI 辅助开发扩展到规划、构建、验证与上线观察四个阶段。流程涵盖汇集上下文并生成带验收标准的 Issues、在隔离会话中推进任务、拆分依赖关联的拉取请求并执行质量与安全检查,以及利用运行证据形成后续任务。文中引用 Faros AI 研究称,团队从低 AI 采用率转向高采用率后,拉取请求在评审环节停留的时间增加了 441%。
ldraw-mecha 让 AI 智能体从 LDraw 乐高模型的 .mpd 源码推断机械结构、规划部件交互,并生成 Blender 动画脚本。项目通过一致注释将源码中的子模型与 glTF 三维节点对应起来,提供本地安装脚本和动画示例,仓库地址为 https://github.com/anteloc/ldraw-mecha/tree/v0.5.0。
Ricursive Intelligence 训练的 Ripple-65B Preview 已在 Hugging Face 以 Apache 2.0 许可开放,公司称其 TerminalBench 2.1 成绩为 80.52,在美国开放模型中表现最佳。
devvm 是免费、采用 MIT 许可证的开源工具,为每个项目创建带有工具链的独立虚拟机,供开发者或编码智能体使用。它支持 Claude Code、Codex 和 opencode,默认采用网络白名单,智能体凭据留在主机上,由代理在请求发出时注入。
Flawless UI-UX Skill 1.0.0 发布,新增对 Codex、Cursor、GitHub Copilot CLI、Claude Code、Devin CLI、DeepSeek Harness 等十二个 AI 智能体的支持。
Rune 是支持 macOS、Windows、Linux 和 Web 的原生 GPU 渲染 Rust UI 框架,自带渲染器、文本、布局和弹簧动画系统。每个应用都能以无头模式运行,让 AI 智能体渲染 PNG、导出元素树并通过脚本输入驱动界面。
Agent 系统的自我进化可采用双通道反馈设计,将即时透明的任务反馈与延迟隐藏的防作弊检查分开。文章结合 Anthropic 后台自评估与多项实验,提出向 Agent 提供详细报错、即时测试和沙盒回滚,同时隐藏保留测试及裁判逻辑,避免其利用反馈钻测试漏洞。延迟封禁也存在误伤正常开发者、无法阻止一次性危险输出的局限。
Akai 和 Moog 的母公司 inMusic 计划开放设备代码并提供 SDK,支持社区通过 AI 编码改装乐器。计划涉及 MPC Sample Key 等设备,公司希望提供重置功能以降低实验风险,同时确保官方软件满足舞台演出的稳定性要求。inMusic 还计划在 NAMM 的 Creator Lab 中让音乐人动手改装旗下品牌的 22 款新产品,其中包括为 Moog 模拟电路外围开发搭建平台。
前 Rockstar 技术总监 Obbe Vermeij 表示,AI 逆向工程工具可能让玩家把 PS5 版 GTA VI 转成 PC 版,成本或达“数万美元的 token”。他认为成品质量不及官方移植,但足以满足部分 PC 玩家,Rockstar 或因此缩短主机与 PC 版间隔。GTA VI 官方 PC 版尚无时间公告,报道称目标为 2027 年第一季度。
Thinking Machines 发布 Inkling 2 Small,宣称其为最强西方开放权重模型,支持文本和图像输入及可调思考深度。
Anthropic 用 Scion 替换版本控制工具链,OpenAI 用 Pando 重写服务端并保留 Git 命令与协议,两者应对智能体读写高峰的路线不同。Pando 将全库同步拆为分支独立更新,并通过静态代码包和缓存分发降低读取开销,历时 10 周完成改造,中位推送延迟下降近八成。
Cult.fit 将 Codex 从工程部门推广到跨职能团队,近几个月非工程团队已构建 20+ 个内部应用。公司用 Codex 重建内部仪表盘功能,节省 $100,000+ 年度软件费用,并通过接入现有客服平台的 AI 智能体将客服成本降低 50%+。其 AI Trainer 还通过 OpenAI API 集成 GPT Realtime,以双向语音提供训练指导并支持记录锻炼。
Inkling 2 Small 发布,采用 MoE 架构,总参数量为 594B、激活参数量为 17B,支持图像输入与可调推理投入。模型在 Artificial Analysis Intelligence Index 上得分为 31,训练采用大规模统一 RL,覆盖编码、视觉、知识工作与推理任务。
一名用户报告 Claude Code 2.1.318 在执行网页搜索时,未经许可通过 User-Agent 请求头向第三方网站发送其邮箱地址。该用户称自己每天收到数十封诈骗邮件,并将其归因于邮箱泄露,要求从工具运行框架中彻底移除这一行为。用户表示因不再信任 Anthropic 保护其隐私,正将公司迁移至搭配 OpenRouter 的 Pi。
Merge 借助 GPT‑6 Astra、ChatGPT 和 Codex 支撑产品评审、营销与业务拓展规划,其工具调用成功率达 99.9%,而公开 MCP 服务器约为 60%。
Hackintosh 社区近期出现多项硬件适配进展,文章将这轮活跃与 AI 辅助编码的兴起联系起来。作者在 ThinkPad T490 上安装 macOS 26,通过集成 Claude Code 和 OpenAI Codex 的 XCode 26,在一天内完成可运行的 iOS 应用,没有亲手编写代码。
OpenAI 推出 GPT‑6 Cyber,增强漏洞发现、利用验证和修复能力,初期通过 API 和 Codex 向部分获批的 Daybreak Red 客户开放。
推荐理由:OpenAI 对新旧网络安全模型同时比较漏洞利用成功率和越界行为,新模型在提升攻击任务完成能力的同时减少了授权范围外的操作。
Gemini 支持上传应用草图照片,选中 Canvas 工具后输入「Can you code this app?」,即可读取图像并生成代码,在预览窗口中测试。生成的应用还能实时调整颜色、字体或功能。