跳到正文

#编码

今日 10 条

4月16日星期四

Latent Space

GitHub 首次允许开源仓库禁用 Pull Request,AI 编程正在淘汰这套用了 21 年的协作流程

GitHub 最近悄悄上线了一个新选项:开源仓库可以彻底关掉 Pull Request 功能了。这是 PR 诞生 21 年来的头一遭。文章把这看作一个信号——AI 写代码的 workflow 已经变了,人和人之间那套基于 Git 的协作方式,可能不再适合 agent 之间打交道。

推荐理由:GitHub 上线新选项,开源仓库可彻底关闭 Pull Request,这是该功能诞生 21 年来第一次。文章由此讨论 AI 编码工作流变化后,基于 Git 的人与人协作方式是否还适配 agent 之间的交互。

OpenAI News

OpenAI 发布 GPT-Rosalind:一个专为生物医药研究做的推理模型

OpenAI 在 2026 年 4 月 16 日推出了 GPT-Rosalind,一个专门面向生物学、药物发现和转化医学的前沿推理模型。它现在以研究预览版的形式在 ChatGPT、Codex 和 API 里对通过审核的客户开放。

推荐理由:OpenAI 推出面向生物学、药物发现和转化医学的推理模型 GPT-Rosalind,以研究预览版在 ChatGPT、Codex 和 API 中向通过审核的客户开放。

4月15日星期三

X · @dotey(宝玉)

Claude Code 桌面端重写,现在能在一个仓库里同时跑多个编程任务

Anthropic 的 Claude Code 桌面端负责人说他们把应用从底层重写了一遍,主要为了让用户能更方便地并行处理多个编程任务。实现方式是用 Git worktree 给每个会话一个独立的代码副本,改完之前互不干扰,合并时再做可视化差异对比。负责人自称已经好几周没开过 IDE 和终端了。正文没提发布时间、性能数据和具体支持哪些平台,这点先别太激动。

推荐理由:Anthropic 的 Claude Code 桌面端从底层重写,用 Git worktree 为每个会话提供独立代码副本,让同一仓库里的多个编程任务并行推进、合并前互不干扰。

X · @claudeai

Claude Code 桌面版改版,一个窗口里能同时开好几个 Claude 会话干活

Anthropic 给 Claude Code 桌面版换了新界面,现在你可以在一个窗口里并排跑多个 Claude 会话,左边多了个侧边栏来管理这些会话。对写代码的人来说,这主要解决的是来回切窗口的打断问题——比如一边让 Claude 改后端,另一边让它写前端,不用再开好几个终端或 IDE 面板。

推荐理由:Anthropic 为 Claude Code 桌面版加入多会话并排与侧边栏管理,针对的是编码时反复切换窗口打断思路的问题。

X · @op7418(歸藏)

Claude Code 推出 routines,把定时任务和事件触发搬上云端,电脑关了也能跑

Claude Code 新出的 routines 功能,让你把一套工作流——提示词、代码仓库、运行环境和外部连接器——打包成一个云端自动任务。支持按小时/天定时、HTTP API 调用,或者响应 GitHub 上的 PR、push、issue 等事件。

推荐理由:Claude Code 把提示词、代码仓库和运行环境打包成云端任务,支持定时、HTTP 调用和 GitHub 事件触发,电脑关机也能执行。

X · @dotey(宝玉)

Claude Code 加了个 Routines 功能,让 AI 按预设条件自动跑任务,不用人盯着

Routines 相当于给 Claude Code 写好的任务模板,接上代码仓库和外部工具后,靠定时、GitHub 事件或 API 调用就能在 Anthropic 云端自己跑。Anthropic 内部已经在用,比如代码合并到发布分支后自动生成文档更新。

推荐理由:Anthropic 为 Claude Code 加入 Routines,任务模板可由定时、GitHub 事件或 API 触发在云端自动执行,内部已用于合并后自动更新文档。

X · @claudeai

Claude Code 推出定时任务功能,写好指令就能在云端自动跑,不用一直开着电脑

Anthropic 给 Claude Code 加了一个叫 routines 的研究预览功能。你可以一次性配好提示词、代码仓库和要对接的工具,然后让它按时间表、API 调用或事件触发自动执行。这些任务跑在 Anthropic 自己的服务器上,所以你的笔记本不用一直开着。正文没提怎么收费、有没有次数限制,也没说这个功能会推给哪些用户。

推荐理由:Anthropic 为 Claude Code 加入 routines 研究预览,可预设提示词、仓库与工具,按时间表或事件触发在云端自动执行,无需本地常开。

4月14日星期二

X · @dotey(宝玉)

与其说 AI First,不如先把测试、CI/CD 和监控这些软件工程的基础搭好

这篇文章的核心判断是:AI First 不是买几个 AI 工具订阅就能跑通的,它首先是一道软件工程题。AI 两小时写完代码,如果审查、测试、部署、监控和回滚还得靠人慢慢排队,瓶颈就从写代码转移到了 QA 和运维,25 人的团队照样快不起来。作者列出了几个硬性前提:自动化测试覆盖得够,不然每次 AI 提交你都得人工回归。

推荐理由:作者指出 AI First 的瓶颈会从写代码转移到 QA 和运维,并列出自动化测试覆盖、部署监控回滚等硬性前提,为团队评估自身工程基础提供参照。

X · @dotey(宝玉)

Vercel 开源 Open Agents:一个教你搭企业编程助手的参考项目,核心是把 Agent 和执行环境拆开

Vercel 把 Open Agents 开源了,这是一个给企业自建编程 Agent 的参考实现,可以直接 fork 走改。CEO 说现成编程 Agent 在大仓库里不好使,也不懂公司内部流程,所以 Stripe、Spotify 这些公司都在自己造。这个项目架构分三层:前端管会话和登录,Agent 作为持久化工作流跑着,沙箱提供隔离的代码执行环境。

推荐理由:Vercel 开源 Open Agents,给企业自建编程 Agent 提供可 fork 的参考实现,其把 Agent 与沙箱拆成三层、让 Agent 远程操作隔离执行环境的架构,是这类平台落地的一条具体路径。

最佳拍档

斯坦福论文:让 AI 自己写外挂代码,Meta-Harness 用完整历史记录教 coding agent 迭代优化

斯坦福、MIT 和 KRAFTON AI 搞了个叫 Meta-Harness 的系统,核心想法很简单:别让工程师手动调那层包裹在大模型外面的代码逻辑(harness),而是把这件事变成一个搜索问题,交给 coding agent 自己去翻历史记录、自己改代码。

推荐理由:斯坦福、MIT 与 KRAFTON AI 提出 Meta-Harness,把大模型外层代码的调优改成搜索问题,由 coding agent 翻历史记录自行改代码。

4月12日星期日

X · @Yuchenj_UW

MiniMax 开源 M2.7,并公开了用模型自己跑研发流程的实验结果

MiniMax 把 M2.7 开源了,同时发了一篇博客讲他们怎么让模型参与自己的研发。他们做了两件事:一是搭了个研究助手 agent,帮研究员查文献、盯实验流程、看日志、改代码、提 merge request,现在能扛起 30% 到 50% 的研发工作量。二是让 M2.7 自己改自己的测试脚手架,全自动跑了 100 多轮,内部代码评测涨了 30%。

推荐理由:MiniMax 开源 M2.7 并公开内部实验,其研究助手 agent 已承担三到五成研发流程,模型还自动改测试脚手架跑了一百多轮。

4月11日星期六

X · @dotey(宝玉)

OpenAI Codex 工程师:别反复给 AI 喂脏数据,给它造几个专用命令行工具

OpenAI Codex 团队的 Nick Baumann 分享了一个干活技巧:与其每次把文档、日志、API 输出整坨丢给 AI 去啃,不如把常用操作封装成带参数、输出 JSON 的 CLI 命令。Codex 本身就擅长用命令行,会自己搜命令、加 flag 筛选、把上一个命令的结果串到下一个,不需要你教它怎么调。

推荐理由:OpenAI Codex 团队的 Nick Baumann 分享日常用法,把日志、文档和 API 输出封装成带参数、返回 JSON 的 CLI 命令,让模型调用窄接口而非直接读原始数据。

X · @dotey(宝玉)

Anthropic 发布 Claude for Word 插件测试版,直接在 Word 侧边栏改文档

Claude 现在能直接嵌进 Word 干活了。选中文字用自然语言说怎么改,修改结果会以 Word 原生的“修订模式”呈现,接受或拒绝都在审阅面板里完成,不用再把内容复制到网页端来回倒。它会识别标题样式、编号和项目符号,改完格式不乱。你还可以上传参考文档,写作时标注引用来源。团队能把反复用的工作流(比如合同审查)封装成 Skill,一键复用。

推荐理由:Anthropic 把 Claude 嵌进 Word 侧边栏,改动以原生修订模式呈现,接受或拒绝都在审阅面板完成,省去复制到网页端来回倒的步骤。

X · @dotey(宝玉)

Claude Code 新增 ultraplan:在终端发起规划,去浏览器审阅批注,再决定云端或本地执行

Claude Code 推出了 ultraplan 预览功能,把代码规划从终端搬到了浏览器。你在终端输入 /ultraplan 加需求描述,Claude 会在云端读代码库、起草实现方案,终端不占着,你可以干别的。方案写好后在浏览器里打开,像审文档一样对具体段落加批注、打表情、反复改到满意。最后二选一:让云端直接执行并开 PR,或者把方案拉回本地终端跑。

推荐理由:Claude Code 把代码规划从终端搬到浏览器,用户可在终端发起任务、云端起草方案,再逐段批注修改,最后选择云端执行或拉回本地。

X · @claudeai

Claude 出了 Word 插件,现在可以在侧边栏直接写稿、改稿

Anthropic 把 Claude 塞进了 Word,目前是测试版。你在文档侧边栏就能让它帮你起草、编辑和修改内容,Claude 会保留原有格式,改动以修订模式显示,方便你逐条确认。这个功能只开放给 Team 和 Enterprise 用户,正文没提价格、支持地区,也没说什么时候正式上线。

推荐理由:Anthropic 将 Claude 接入 Word 侧边栏,支持起草和修改内容,改动以修订模式呈现,方便逐条确认,适合关注 AI 写作工具与文档协作方式的人了解。

4月10日星期五

claude.dev 开发者博客

从智能体视角看工具:Claude Code 如何设计工具

Claude Code 团队复盘工具设计,强调根据模型能力、智能体目标与运行环境持续调整工具。AskUserQuestion 在两种失败尝试后采用独立工具实现结构化提问,Task 则替代 TodoWrite,支持任务依赖与子智能体共享更新。上下文获取从预索引 RAG 转向 Grep 搜索和渐进式披露,Claude Code Guide 子智能体在自己的上下文中检索文档,只向主智能体返回答案。

推荐理由:Claude Code 团队以提问、任务协作和上下文搜索的工具迭代为例,将观察模型调用行为作为调整工具设计的方法。

最佳拍档

Sakana AI 开源 Shinka Evolve:让大模型自己写程序进化,用更少样本跑赢 AlphaEvolve

Sakana AI 开源了一个叫 Shinka Evolve 的框架,核心思路是让大语言模型像进化算法一样自己改代码、写新程序,不断迭代出更强的解法。它主要想解决谷歌 DeepMind 之前 AlphaEvolve 的一个痛点:太费资源,动不动就要评估上千个程序。

推荐理由:Sakana AI 开源的 Shinka Evolve 让大模型自行改写代码迭代解法,针对 AlphaEvolve 动辄评估上千个程序的资源开销,把重点放在样本效率的提升上。

量子位 · 公众号

腾讯开源3B模型HiVG,用“分段打包”把SVG序列缩短六成,生成质量对标GPT和Claude

腾讯混元放出了一个30亿参数的开源模型HiVG,专门把图片转成SVG矢量图。它的核心思路是把绘图指令和坐标打包成“段token”,再用一个叫HMN的模块给坐标编码做初始化,让模型更懂几何关系。这样生成的SVG代码序列比传统方法短了62.7%到63.8%,省token就是省钱。

推荐理由:腾讯混元开源30亿参数模型HiVG,把绘图指令和坐标打包成段token并初始化坐标编码,生成的SVG序列比传统方法短约六成。

X · @OpenAI

OpenAI 给 ChatGPT 加了个 100 美元/月的 Pro 档,主要给 Codex 重度用户用

OpenAI 新设了一个每月 100 美元的 Pro 订阅档,Codex 用量是 Plus 档的 5 倍,适合长时间、高强度的编程任务。这个档位保留了原 Pro 的全部功能,包括专属 Pro 模型以及 Instant 和 Thinking 模型不限次使用。到 5 月 31 日前有个限时活动,Codex 用量临时提到 Plus 的 10 倍。

推荐理由:OpenAI 新设每月 100 美元的 Pro 档,Codex 用量为 Plus 的 5 倍,5 月 31 日前临时提升到 10 倍,把高强度代码代理用量单独定价。

4月9日星期四

X · @dotey(宝玉)

Anthropic 发布 Claude Managed Agents,把 Agent 开发的基础设施全托管到云端,现已公测

Anthropic 推出了一套托管 API,让开发者不用自己搭沙箱、管状态、做权限和链路追踪,直接定义任务和工具就能上线生产级 Agent。官方说从原型到上线能从几个月缩到几天。它支持长时间运行的会话(断线不丢进度)和多 Agent 协调(一个 Agent 能拉起其他 Agent 并行干活,后者还在研究预览阶段)。

推荐理由:Anthropic 将 Agent 的沙箱、状态管理和权限追踪托管为公测 API,开发者定义任务和工具即可上线,官方称原型到生产可从几个月缩到几天。

4月8日星期三

量子位 · 公众号

DeepSeek 深夜更新网页版,新增快速和专家模式,灰度测试视觉模型

DeepSeek 网页版悄悄加了两个模式:快速模式主打日常对话,专家模式则专攻代码、网页搜索和更难的生成任务。有用户通过对话套话,模型自己说专家模式就是 V4,但官方没发公告,正文也没披露模型 ID、上下文规格、定价和发布时间,这点先别太激动。目前专家模式限量供应,不支持多模态和文件上传,有用户测出上下文上限大约 13.3 万 token。

推荐理由:DeepSeek 网页版新增快速与专家两种模式,专家模式限量供应、不支持多模态和文件上传,有用户测出上下文上限约 13.3 万 token。

X · @dotey(宝玉)

Anthropic 发了 Claude Mythos Preview,跑分断崖式领先,但不公开用,只借给 12 家大厂找漏洞

Anthropic 的新模型 Claude Mythos Preview 在 SWE-bench Verified 上拿到 93.9%,USAMO 数学证明冲到 97.6%,比自家上一代旗舰 Opus 4.6 提升巨大,对比 GPT-5.4 和 Gemini 3.1 Pro 也是全面领先。

推荐理由:Anthropic 把跑分领先的 Claude Mythos Preview 交给苹果、微软等 12 家大厂专用于漏洞挖掘,普通用户和 API 暂不可用,模型能力与分发范围的落差是这条的核心背景。

X · @AnthropicAI

Anthropic 启动 Glasswing 项目,用新模型 Claude Mythos Preview 找关键软件漏洞

Anthropic 发了个新项目叫 Project Glasswing,专门盯着最关键的软件做安全加固。背后用的是他们最新的前沿模型 Claude Mythos Preview,官方说它找漏洞的能力仅次于最顶尖的人类专家。不过正文没给出具体跑分、测试范围、怎么申请试用,也没说什么时候正式开放,所以实际效果还得等可复现的评测出来再看。

推荐理由:Anthropic 启动 Glasswing 项目,用前沿模型 Claude Mythos Preview 为关键软件排查漏洞,官方称其能力仅次于顶尖人类专家,这是 AI 参与安全加固的一条路径。

Latent Space

OpenAI 内部团队用 5 个月跑出一个零人工代码的项目,每天烧掉 10 亿 token

Ryan Lopopolo 的团队在 OpenAI 内部搞了个极端实验:5 个月里搭出一个超过 100 万行代码的仓库,所有代码全由 Codex 生成,合并前没有任何人工审查。他们每天消耗超过 10 亿 token,按市价估算大概一天要花 2000 到 3000 美元。

推荐理由:OpenAI 内部团队用 5 个月搭出超 100 万行代码仓库,全部由 Codex 生成且合并前无人工审查,每天消耗超 10 亿 token,展示了全自动编码流程的工程组织方式。

X · @Yuchenj_UW

GLM-5.1 在 SWE-Bench Pro 上跑分压过 GPT-5.4 和 Gemini 3.1 Pro,开源模型差距缩到半年

GLM-5.1 在 SWE-Bench Pro 编程基准上拿了 58.4 分,比 Opus 4.6 的 57.3、GPT-5.4 的 57.7 和 Gemini 3.1 Pro 的 54.2 都高。模型是 MIT 协议开源的,权重公开。发帖人说开源和闭源的差距现在大概只剩六个月。

推荐理由:GLM-5.1 以开源权重在 SWE-Bench Pro 上拿到 58.4 分,高于 Opus 4.6、GPT-5.4 和 Gemini 3.1 Pro,发帖人据此判断开源与闭源差距约剩半年。

4月7日星期二

MIT Technology Review · AI

经济学家说,判断 AI 会不会抢你饭碗,缺的不是任务清单,而是“降价后需求涨多少”的数据

芝加哥大学经济学家 Alex Imas 认为,现在大家用任务暴露度(比如 OpenAI 说房产中介有 28% 的工作能被 AI 干)来预测失业,基本没用。真正关键的数据是行业层面的价格弹性——也就是 AI 把成本打下来之后,降价能不能把需求拉到足够大,大到反而要多雇人。

推荐理由:芝加哥大学经济学家 Alex Imas 指出,用任务暴露度预测失业基本没用,判断岗位增减要看行业价格弹性,即 AI 降本后需求能否涨到多雇人。

4月4日星期六

X · @dotey(宝玉)

Anthropic 正式封堵订阅漏洞:Claude Pro/Max 不再给 OpenClaw 等第三方工具买单

Claude Code 负责人 Boris Cherny 发公告,太平洋时间 4 月 4 日中午起,Claude Pro 和 Max 订阅的额度不再覆盖通过 OpenClaw 这类第三方工具产生的用量。想继续在这些工具里用 Claude,要么买打折的用量包,要么用 API Key 按量付费。

推荐理由:Anthropic 从 4 月 4 日起把 Claude Pro 和 Max 的订阅额度限定在官方渠道,OpenClaw 等第三方工具的用户需改用用量包或 API Key 按量付费。

X · @dotey(宝玉)

DeepSeek V4 推迟发布,重写底层代码,就为了跑在华为昇腾 950PR 上

V4 跳票了几个月,原因是 DeepSeek 把模型底层模块重写了一遍,专门适配华为和寒武纪的硬件。现在 V4 能直接跑在华为昇腾 950PR 芯片上,预计几周内发布。这颗芯片单卡算力号称是英伟达 H20 的 2.87 倍,有 112GB 显存,带宽 1.4TB/s,还是国内唯一支持 FP4 低精度推理的芯片。

推荐理由:DeepSeek 为适配华为昇腾 950PR 等国产硬件重写了模型底层模块,V4 由此推迟数月并预计几周内发布,这条消息给出了国产芯片承接大模型推理的具体路径。

Latent Space

Marc Andreessen 反思浏览器之死、Pi/OpenClaw 架构,以及为什么“这次不一样”

Marc Andreessen 在播客里聊了 76 分钟,核心观点是这波 AI 跟 2016 年那波不一样,因为现在有了推理、写代码、让模型进业务流程干活(agent)和模型自己改进自己的能力。

推荐理由:Marc Andreessen 在 76 分钟播客里对比这波 AI 与 2016 年那波,指出推理、写代码、agent 进业务流程和模型自我改进四项能力是差异所在。

4月3日星期五

X · @op7418(歸藏)

阿里发了 Qwen 3.6 Plus,上下文拉到 100 万 token,Agent 和编程能力提升明显

阿里在百炼上线了 Qwen 3.6 Plus,主打 Agent 任务和编程能力,相比 3.5 版有明显提升。图像和文档理解也加强了,数学图像识别、真实世界问答和 OCR 表现都不错。这次默认支持 100 万 token 上下文,最长输出接近 99.1 万 token,输入 6.4 万 token,比之前 256K 的版本开发体验好很多。

推荐理由:阿里在百炼上线 Qwen 3.6 Plus,上下文从 256K 提升到 100 万 token,Agent 与编程能力较 3.5 版增强,图像文档理解同步加强。

X · @claudeai

Claude 的电脑操控功能 Cowork 和 Code Desktop 现在支持 Windows 了

Claude 把电脑操控能力带到了 Windows 上,覆盖 Cowork 和 Code Desktop 两个入口。正文只发了一句话和一条链接,没提支持哪些 Windows 版本、权限怎么管、操作延迟多少、要不要额外付费,也没说什么时候正式推送。

推荐理由:Claude 将电脑操控能力从原有平台扩展到 Windows,覆盖 Cowork 和 Code Desktop 两个入口,此前该能力仅在非 Windows 环境可用。

X · @dotey(宝玉)

晚点发了一篇 DeepSeek 深度报道,讲 V4 发布前的人员变动、路线选择和梁文锋的管理逻辑

晚点 LatePost 这篇报道卡在 V4 发布前夕,信息量不小。先说人员:DeepSeek 确认走了四位核心成员,包括 R1 核心作者郭达雅(近期离职,可能去大厂)、第一代 LLM 作者王炳宣(去年底被腾讯挖走),以及 OCR 和多模态方向的两位。

推荐理由:晚点在 V4 发布前梳理了 DeepSeek 四位核心成员离职与团队路线选择,为理解这家公司当前的组织状态提供了背景。

X · @dotey(宝玉)

Google 发布 Gemma 4 开源模型家族,全系改用 Apache 2.0 协议

Google 把 Gemma 4 全系列换成了 Apache 2.0 协议,商用、修改、分发不再受限,之前自家协议里的灰色地带这次清掉了。系列包含四个尺寸:31B Dense、26B MoE(混合专家架构)、E4B 和 E2B。31B 在 Arena AI 开源模型文本榜排第三,26B 排第六,Google 说它们表现超过体量大 20 倍的模型。

推荐理由:Google 将 Gemma 4 全系改用 Apache 2.0 协议,商用、修改和分发不再受限,此前自家协议中的灰色地带随之清除。

4月1日星期三

硅谷101 播客

E231|从B2B到A2A:阿里国际张阔谈AI如何把采购沟通从一周压到一天

阿里国际总裁张阔在访谈里给了个很具体的数字:他们的采购AI产品Accio,能把跨境采购的沟通时间砍到原来的五分之一,从大概一周变成一天。怎么做到的?就是把市场调研、设计稿生成、跨语言沟通、供应商筛选这些环节串成一条AI工作流,让买家带着专业的设计包去跟卖家谈,而不是从零开始比划。Accio今年3月月活到了1000万,还在逐月快速增长。

推荐理由:阿里国际总裁张阔披露,采购AI产品Accio把跨境采购沟通从约一周压缩到一天,并将市场调研、设计稿生成、跨语言沟通与供应商筛选串成一条工作流。

3月26日星期四

硅谷101 播客

E230|1万亿收入预期背后:英伟达的巅峰与软肋

黄仁勋在GTC上说,到2027年底,Blackwell和Vera Rubin两个平台的累计订单预计至少1万亿美元,而2024年全球半导体产业总销售额也就6000多亿美元。这期节目请了投资人、前英伟达芯片设计负责人和芯片架构师,一起拆解这个数字能不能落地。讨论认为,需求端确实旺盛,推理成本正在追上训练成本,未来Agent智能体铺开后Token消耗会更大。

推荐理由:黄仁勋在GTC给出到2027年底Blackwell与Vera Rubin累计订单至少1万亿美元的预期,节目请投资人和芯片设计负责人拆解这一数字能否落地。

3月17日星期二

OpenAI News

OpenAI 发了 GPT-5.4 mini 和 nano,主打编程和子任务,mini 跑得比 GPT-5 mini 快一倍多

OpenAI 在 3 月 17 号推出了 GPT-5.4 mini 和 nano,都是给高吞吐、低延迟场景用的轻量模型。mini 在编程、推理、看图、调工具上都比上一代 GPT-5 mini 强,速度还快了一倍多。

推荐理由:OpenAI 发布面向高吞吐低延迟场景的 GPT-5.4 mini 和 nano,mini 在编程、推理、看图、调工具上均强于上一代,速度提升一倍多。

3月13日星期五

阮一峰的网络日志

测试是新的护城河

一个 Cloudflare 工程师用 AI 花了一周时间、1100 美元 token 费,就复刻了 Next.js 十年的开发成果,API 覆盖率达到 94%。早期测试显示,这个叫 vinext 的新实现构建速度快了 4 倍,客户端打包体积小了 57%,现有 Next.js 应用不用改代码就能直接跑。

推荐理由:Cloudflare 工程师用 AI 一周、1100 美元 token 费复刻出 Next.js 实现 vinext,API 覆盖率达 94%,构建快 4 倍、打包体积小 57%,现有应用无需改代码即可运行。

3月11日星期三

Mistral AI

Mistral 用 Vibe 构建自动编写 Rails 测试的智能体

Mistral 基于其开源编码助手 Vibe 构建了一个自动编写 Rails RSpec 测试的智能体,可读取源码、生成或改进测试、按风格规则与覆盖率目标校验,并在 CI/CD 中无人干预运行。

推荐理由:Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法,包含上下文工程、技能文件与自定义工具的可迁移细节。

OpenAI News

OpenAI 给 Responses API 加了个电脑环境,让模型能自己敲命令行干活

OpenAI 在 2026 年 3 月 11 日说,他们的 Responses API 现在能调用一个 shell 工具,在托管的隔离容器里执行命令。模型(GPT-5.2 及之后版本)会自己提议该敲什么命令,API 负责在后台跑、把结果流式传回来,还能同时开多个会话并行处理。容器里带了文件系统、可选的 SQLite 和受限的网络访问。

推荐理由:OpenAI 为 Responses API 加入 shell 工具,模型可自行提议命令并在隔离容器中执行,结果流式返回且支持多会话并行,为 agent 开发者提供了新的运行方式。

3月6日星期五

OpenAI News

OpenAI 把代码安全扫描工具 Codex Security 开放给付费用户试用,下个月免费

OpenAI 在 3 月 6 日上线了 Codex Security 的研究预览版,面向 ChatGPT Pro、Enterprise、Business 和 Edu 用户,下个月可以免费用。这个工具相当于一个应用安全助手,会先读懂你的项目结构,生成一份可编辑的威胁模型,再根据这个模型去找漏洞、做验证、给修复建议。

推荐理由:OpenAI 将 Codex Security 开放给付费用户研究预览,下月免费,工具会先读懂项目结构生成可编辑威胁模型,再据此找漏洞并给修复建议。