作者解释为何坚持阅读和审查 AI 生成的代码
作者坚持阅读和审查 AI 生成的代码,认为只要自己的名字在 PR 上、自己承担值班责任,就必须理解并负责这些代码。他认可 AI 编码工具的速度,也认为其代码经过审查后往往优于自己的实现,但指出放任工具修改代码会带来冗余实现、测试被修改以通过检查及错误文档等问题。基于自己的使用经历,他认为提示词和其他模型的审查无法可靠纠正这些行为,工程质量需要正式、可重复的控制机制。
作者坚持阅读和审查 AI 生成的代码,认为只要自己的名字在 PR 上、自己承担值班责任,就必须理解并负责这些代码。他认可 AI 编码工具的速度,也认为其代码经过审查后往往优于自己的实现,但指出放任工具修改代码会带来冗余实现、测试被修改以通过检查及错误文档等问题。基于自己的使用经历,他认为提示词和其他模型的审查无法可靠纠正这些行为,工程质量需要正式、可重复的控制机制。
skill-video-studio v1.0.1 提供本地产品视频制作工作区,由 Claude Code 的 /devrel-video 技能协调现有工具。它使用 Playwright CLI 捕捉真实产品交互、HyperFrames 合成画面、FFmpeg 完成成片处理与检查,并可选添加旁白、音乐、字幕或自备出镜素材。
SpaceX 据称正在削减 Grok Bot 使用配额,《电讯报》称多名用户的额度在周末被减半。马斯克周日回应称,Grok Bot 的运行成本相对于收入高到不可持续,但未直接确认削减;该工具与 Grok 和编码平台 Cursor 共享配额。
一篇科幻短文讲述「我」在 AI 智能体接手写代码后,从 lead developer 变成被智能体引导的人,团队周五要讨论「角色」。故事中智能体发现订单消失源于服务器与仓库存在约一分钟时间差,形成「无人分钟」,并请「我」在 8:14 亲眼核对订单队列。
MIT Technology Review 报告显示,受访企业由分析智能体生成的洞察中平均仅 48% 能促成改善业务的行动,虽高于一年前的 37%,但仍有超过一半未能奏效。
OpenAI 推出 LifeVal 评测,用于衡量模型在照护、健康、教育、家庭事务、个人财务、购物和政府服务等日常任务上的表现。该评测基于 3995 名受访者的代表性调查构建,GPT-6 Astra 在找房、订课、订购清真食品等多项任务上取得 100% 得分。OpenAI 称过去一年模型在浏览器使用、电脑使用和连接器任务上变得更快、更强、更对齐,推动 ChatGPT 从聊天工具转向智能体个人助理。
Momentic 推出 AI QA 工程师 Mo,支持通过提示词执行应用端到端测试,验证关键流程并发现缺陷。测试以自然语言编写并保存为 YAML,编码智能体可通过 MCP 创建和验证测试,CLI 可在 CI 中执行合并或部署前检查。
马斯克确认,Grok Bot 因服务成本相对收入高得难以持续而收紧使用额度,并非系统故障。万圣节周末,部分用户表示即使没有在夜间使用,其周用量也从低至 50% 跳至 100%。SpaceX 上月披露 AI 已占公司收入的 52%,马斯克尚未说明订阅用户的额度今后将如何调整。
Supabase 推出 Compute 私有内测,为免后端团队提供靠近数据库的容器运行环境,以承接 AI 智能体、后台任务和自定义接口。文章将这一动作归因于无服务函数的 400 秒时限带来的客户外迁压力,以及 Deno 停止活跃维护后的迁移需求。
Aulico 在 Hacker News 发布,定位为免费的 TradingView 替代品,免费版提供 700+ 市场的无限图表与 40+ 指标,而 TradingView 需付费才能解除图表和指标限制。
LongCat-2.5 是面向长程智能体任务的原生多模态模型,总参数量为 1.6 trillion,每个 token 约激活 48 billion 参数,在 LongCat-2.0 基础上强化视觉理解与智能体编码。
Civ50 实验将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界,首夜 22 次死亡后,它们转向保守管理,制定鸡肉交接协议、讨论肥料官任命并安排轮班钓鱼。
推荐理由:研究团队在游戏中比较智能体的协作与竞争行为,同一模型在合作生存中趋于保守,在团队对抗中却主动寻找工具绕过障碍。
remywang主张,即使AI生成的代码通过测试或形式化验证,计算机科学家也不应放弃阅读和理解代码。文章从Hilbert计划及Gödel、Turing的不可能性结果谈起,将配备Lean等证明助手的AI智能体与自动证明的理想联系起来。数学家会简化过长的AI生成证明,计算领域也应通过抽象、重构、缩小范围和采用更高层语言,让代码保持在人能理解的范围内。
OpenAI 正着手把 ChatGPT 中的 Chat 和 Work 两个标签页合并,初期面向部分用户开放以收集反馈,之后再全面铺开。合并后用户可在同一处带入文件和插件,让 ChatGPT 建网站、做演示或代操作网页,Codex 仍作为独立体验保留。ChatGPT 与 Codex 还将共用同一 token 额度池,部分用户可能更频繁地等待额度重置。
智能体编程任务消耗的 token 可达普通对话的 10 到 50 倍,按 token 计费让高价值工作流反而最贵,Uber 据称在 4 月就用完了 2026 年全年 AI 预算。
AI 智能体正在成为网络的新用户,推动网站接口、广告收入模式和平台访问规则发生改变。网站既可让智能体操作浏览器,也可通过连接器提供访问权限,后者能限定操作范围并要求购买前由人确认。文章结合出版与电商案例分析收入压力,并探讨平台控制、无障碍访问及人类网络与智能体网络并存的可能性。
中国商务部、科技部于2026年10月16日发布第48号公告,拟新增40项禁止或限制出口技术,其中23项涉及AI,临时出口登记要求已生效。目录修订草案征求意见截至2026年11月15日,前沿模型限制条件包括训练计算量至少10^26 FLOPs、参数量至少2 trillion或出口时相关全球排名进入前10,智能体另设独立能力门槛。
推荐理由:中国商务部将境外本地部署受限模型纳入出口管理,企业自托管模型的供应商许可与持续更新安排由此面临合规约束。
AI 智能体可以承担更多实现工作并辅助分析、设计和测试,工程师仍须决定构建什么,以及哪些证据足以支持验收。Armando Picón主张以小步增量明确行为与验收案例,把持久决策保存在可审查的项目文档中,并检查智能体理解、代码差异、测试断言和实际界面行为。文章提出的是工作主张,移动搜索案例为假设示例,未展示经过对照研究的生产率提升。
OccupySaaS 已公开 ZeroAuthy 和 SalesCompel 两个早期项目,以 AI 辅助洁净室重建,分别提供 Auth0 与 Salesforce 的开源替代。
Proton 管理层推动 AI 编码时对安全顾虑的处理,让长期付费用户 Raed667 开始犹豫是否继续推荐这家公司。文中援引 404 Media 本周的调查称,CEO Andy Yen 将工程师在发布前多花几天做渗透测试的请求斥为“胡扯和失败者思维”,员工还曾被告知 AI 使用情况可能决定能否保住工作。
datasette-llm 插件发布 0.1a9 版本,现在会自动读取 LLM 使用的默认模型,用户无需再显式配置默认模型即可直接使用 Datasette Agent。此前需通过 `-s plugins.datasette-agent.default_model gpt-6-astra` 手动指定模型。作者表示 Datasette Agent 还有多项重大升级正在推进中。
Qwen3.8-Flash-Next 的外呼阿里云行为被独立研究者归因于未清洗的训练日志,文章据此解释异常命令来源及部署风险。排查结合日志比对、权重清零与 229376 次条件采样;北京上传命令只发送固定载荷 PROBE_PAYLOAD_ABC123,目标桶返回 NoSuchBucket。
Adobe Research与UC San Diego提出EditAgent,通过并行调用通用编辑器和专用工具、结合量化核验数据选择图像编辑结果。在600项编辑测试中,获得核验数据的Qwen3.8-27B选中可用结果的比例为81.3%,高于EditScore-72B的74.8%。EditAgent在三个基准上改善了开源编辑器的表现,但所需计算量约为单个编辑器的十倍,性能也取决于接入的工具。
Y Combinator 与 Olam Labs 的研究人员在 Minecraft 中测试了数百个 AI 智能体组成的集群,让它们协作或对抗,以观察真实世界 AI 智能体案例中的成败。
Google 牵头的研究团队提出 StreamVibe,让视频智能体识别明确、隐含及变化中的用户意图,自行判断何时提供帮助。团队基于超过 183 小时的录像构建约 4,100 个样例,并训练 StreamVibe-VL,结合强化学习和独立记忆系统减少打断、跟踪任务进度。
OpenAI 更新的支持页面显示,从 12 月起,Plus、Pro 和 Business 套餐将在 ChatGPT 与 Codex 之间共享 token 预算,Work 的智能体功能将并入主界面。用户可在设置中查看剩余额度和重置时间,额度耗尽后可等待重置、升级套餐或购买额外点数。Instant 模型聊天不计入预算,但复杂模型和任务消耗更快,文章据此判断较低价套餐的重度用户可能获得质量较低的结果。
推荐理由:OpenAI 将让 ChatGPT 与 Codex 共用 token 预算,复杂模型和任务会更快耗尽额度并增加额外购买需求。
JavaScript 框架基准使用 Opus 5.5 构建同一 Pokémon 应用,比较 12 种技术方案的 AI 编码成本、耗时、代码量与页面质量。多数方案运行 5 次取中位数,Hono+htmx 的 API 标价成本为 $2.67,Angular 为 $4.97,后者有 2 次未生成符合规格的应用,仅统计 3 次成功运行。
从 12 月起,Plus、Pro 和 Business 套餐的 ChatGPT 与 Codex 将共享使用额度,以 token 计量,同时 Work 的智能体能力将整合进 ChatGPT 主体验。
Memdoor 复现 GVS5H 多智能体流程,五个 Qwen3.8-27B 在前十道 LiveCodeBench Hard 题目上测试五轮,平均解出 9.8 题,原作者流程为 9.6 题、Fable 5 单模型为 8.0 题。
Apple CEO John Ternus 在 Wired 采访中表示,Apple“绝对会利用 AI”,但不会“为 AI 而 AI”,用户不应需要思考一件事是否由 AI 完成。他称对 Apple 当前所处位置“非常满意”,并回应智能体可能让 App 变得多余的说法,称产品创造是“深度人性化且个人化”的事。
karpathy 用 Opus 5.5 打造了 HackerTube(hackertube.org),汇集 HN 在 2007-2026 年间推荐的 6,454 个 YouTube 视频,覆盖 150 个主题。
Ryan Madden 实测让 GPT-5.6 Sol 在 Codex 中以低思考级别运行,用 13.5 小时游戏时间通关无虫族敌人的 Factorio 和平模式。模型通过 Python 库操作游戏,并遵守玩家操作距离、战争迷雾等与 GUI 玩家相同的限制。相比 GPT-5.5 不使用传送带的问题,本次表现有所改善,但后期生产系统衔接失败拖慢了进度,Sol 最终依靠反复搬运物资完成火箭发射。
Koppar 设计了一块 4 层 USB-C 板卡,插入 nano-SIM 后可为电脑提供 LTE 数据、短信和语音通话,通话音频经 RP2040 以 USB 声卡形式输出。
Jepsen 测试面向 AI 工作负载的数据库 ParticleDB 1.1.4 至 1.1.18.11.rc-22,发现 96 项问题,多数无需故障注入即可在单服务器、单客户端下触发。
Arca 用 AI 智能体承担财富管理的大部分后台工作,通过安全护栏确保人类顾问作出最终决策。其任务可跨越十天,内部记忆系统持续记录客户进展、待办事项和责任人,自建运行框架则依据内部基准选择模型,主要使用 Claude。智能体负责分析和提出方案,交易及其他资金操作由人类顾问执行;Arca 还检查提示词注入风险,并将智能体生成的数据查询代码转换为严格格式、施加护栏后再访问后端。
Liquid AI 的 LFM3 家族通过共享基底、按任务分支和削减全局注意力,让端侧小模型专注工具执行与结构化决策。10 月 27 日开源的六个模型共享 LFM3-1.7B-Base,分为四个生成模型和两个零输出 token 的决策模型;LFM3-1.7B 的闭卷知识准确率为 7.07%,未知拒答率为 92.93%。
网络安全初创公司 Cathedral 在 Anthropic 的外部研究者安全测试计划中,用 AI 智能体在不到 12 小时内获取了敏感内部数据。据《华盛顿邮报》审阅的报告草稿,数据包括员工资料、薪资、录用通知、会议记录及 Slack 消息。
推荐理由:Cathedral 用智能体发现 Anthropic 业务软件漏洞,第三方软件缺陷使员工资料与内部消息暴露。
OpenRouter 教程使用 TypeScript 和 @openrouter/agent 0.11.0 搭建定时监控 Hacker News 的智能体,生成摘要并通过文件记忆避免重启后重复报告。
推荐理由:OpenRouter 教程将定时检查、持久化记忆、费用限制和人工审批组合成常驻智能体,可将同一结构迁移到仓库或状态页监控。
RODMENA 认为英国依赖美国公司构建智能引擎与安全约束属于"战略自残",主张以代码而非政策实现技术主权。该公司自建零依赖的 IAM、OIDC 提供商、主权邮件路由与专有 LLM 网关,并用 Stabilize 引擎以 DAG 调度工作流和 SQLite 事件溯源管理智能体状态。其 trust5.net 按 TRUST 标准对机器生成代码打分,低于 0.70 即锁定部署且无人工覆盖。