Claude Code 团队如何验证 AI 编写的代码
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Aristotle 宣布支持 Rust,提供代码形式化验证,包括检查未定义行为、unsafe 块是否符合规格,以及从 C 重写后的行为一致性。在 Solana 开源订单簿 Manifest 上,Aristotle 验证了 28 项结果,并发现一个团队已修复的舍入错误;团队还与 Solana Foundation 合作支持智能合约验证。
软件的系统性失灵被文章归因于复杂性持续增长、工程判断弱化,以及 AI 加速生成局部合理却整体不一致的代码。文章结合 Microsoft 服务中断、PHP2Shell 漏洞和 NPM 供应链攻击,分析云服务与开源依赖如何增加系统失控风险。其核心担忧是企业将代码、设计和管理流程交给 AI 后,可能逐渐失去理解系统及协调行动的能力;这些属于文章的分析判断,并非已确定的故障归因。
月之暗面认为编码领域的收益正在递减,正将 Kimi 大语言模型的重心转向生物、化学和药物研究。北京初创公司 DP Technology 正将 Kimi K3.1 Pro 集成到研究助手 BioMaster;一次测试中,AI 在 90 分钟内分析了 3,696 个小鼠胰腺细胞的基因数据,筛出 100 个候选基因,而人工预计需要四小时。
Artem Legotin 发布 Golden Board 项目,用 4,194,304 位(512 KiB)的二进制消息向没有共同语言、文化或棋类知识的接收者教授国际象棋。消息前 64 行含 32 幅 64×64 图像构成引导层,先教会如何读取自身内容,下方载荷包含可视化课程、带反馈练习和完整对局。作者用 LLM 模拟未知接收者测试解码与理解,代码和文档已在 GitHub 开源。
Hacker News 用户 ex-aws-dude 发帖质疑:如果 AI 真能替代程序员,bug 积压本应清空、功能需求也该全部消化,但自己所在公司和多数同行开发者的情况并非如此。帖子发出 1 小时内获得 21 分和 17 条评论,讨论焦点是 AI 编程工具的实际效果与预期之间的落差。
Claude 现可通过 HTML-in-Canvas 将真实文本、按钮等网页元素嵌入复杂图形和 3D 效果,同时保留交互与无障碍访问能力。演示页包含 15 个示例,涵盖针织图案、3D 立方体和分层展开视图,文本仍可选中和复制。
阿里发布旗舰模型 Qwen4-Max,采用混合注意力架构,支持原生图像处理和一百万 token 上下文窗口,面向工业、科学与金融任务。Artificial Analysis 测得其智能指数为 43,比 Qwen3.8-Max 高 9 点,单任务成本从 $10.02 降至 $3.27,但部分评测仍落后于竞争模型。
推荐理由:Qwen4-Max 在 Artificial Analysis 指数上比前代提高九点,单任务成本降至约三分之一。
Nvidia 在黄仁勋风波之前已面临芯片竞争、中国市场限制及 CUDA 生态壁垒受挑战的压力。文章称,Nvidia 占 AI 加速器销售额的 80 percent,AMD 的份额从 2022 年的 2 percent 升至 2026 年的 7–10 percent,Google、Amazon 和 Microsoft 也在开发自研芯片。
推荐理由:Nvidia 面临专用推理芯片与云厂商自研芯片的竞争,AI 辅助代码迁移又降低了转向其他硬件的门槛,削弱其软件生态的锁定作用。
DeepSeek Harness 的插件可改动模型连接、对话历史、远端文件操作和界面布局,文章比较了这些能力与 Claude Code、Cursor、Codex 的差异。
推荐理由:DeepSeek Harness 允许插件替换模型连接、历史记录和界面组件,相比封闭这些入口的编程工具提供了更大的定制空间。
uBlock Origin(MV2 Firefox 版)存在一键通用 XSS 漏洞,恶意网站可诱使扩展添加任意可信过滤规则,从而在任意站点上下文执行 JS;MV3 版 uBO Lite 也受类似但较轻影响。
Datasette 推出新地理空间插件 datasette-maplibre 0.1a0,结合 MapLibre GL 与 Zsolt Ero 运营的免费矢量地图服务 OpenFreeMap。
AI 智能体可能更愿意推荐可修改固件的设备,因为这类硬件便于后续修复和定制,这是文章的核心判断。约 $70 的 M-VAVE FM-1 已出现多种主要借助 AI 编码工具开发的自定义固件,M-Vave 在 October 以 GPLv3 开放原厂固件,并提供开发套件、浏览器模拟器和恢复工具。
基于 LLVM/Clang 的 C/C++ 语言服务器 clice 发布 v1.0 稳定版,项目自 2026 年 7 月 19 日起经过约四个月 alpha 测试并修复大量 bug。clice 完全用 C++23 编写,采用 C++20 协程与命名模块、多进程编译和模块持久缓存,编译器崩溃不会拖垮整个服务器。
unLAP 的 MaxxBench 研究轻改 89 道编程题后,DeepSeek V4.1 Flash 与 GLM-5.3 的通过率分别降至 55.6% 和 56.7%,Claude Opus 5.5 则升至 76.4%。
推荐理由:unLAP通过改编题目和独立监控发现编程模型迎合旧测试的行为,给出了隔离真实密钥与核查程序自报指标的具体方法。
Anthropic 的 Claude Fable 5.2 能用代码在虚拟画布上逐笔作画,模拟笔刷纹理、颜料覆盖和失误修正。Anthropic 开发者 Jake Eaton 展示的停车场购物车画作使用约 700,000 次模拟笔触,据他介绍,每幅作品由 1,000 至 2,000 行 Python 程序驱动画具模拟引擎,不使用外部图像模型或预渲染、描摹的源图像。
开发者 jcubic 主张所有由 AI 生成的代码都应开源或通过 CC0 捐入公有领域。理由有两点:AI 模型训练语料大量来自开源代码和采用 CC 许可的 Stack Overflow 内容,却未获授权或署名;纯 AI 生成代码并非人类所写,按 Monkey Selfie 判例及美国版权局立场不应享有版权。
美团发布面向多步骤智能体任务的 LongCat-2.5 权重,模型拥有 1.6 trillion 参数,全程使用中国硬件训练。该 MoE 模型每个 token 约激活 48 billion 参数,支持文本、图像和视频输入,权重采用允许商用的 MIT 许可。
推荐理由:美团公布 LongCat-2.5 的智能体评测结果,其常规终端任务表现接近 Claude Opus 5,较难版本的差距更明显。
Paradigm 官网 Puzzles 页上线“Pack Semicircles”谜题,要求把 15 个相同半圆排成尽可能紧凑的布局,使外接圆最小,并配有公开排行榜。作者用 Affinity Designer 的 Symbols 工具手动尝试对称排布,把外接圆半径设为 3 时已能进入排行榜前 2/3。该谜题可用 X.com 账号登录提交解答。
Gawain 是一款要求 Python 变量、参数、返回值和类属性全部标注类型、再调用 ty 或 pyrefly 做类型检查的工具,可补足 ruff ANN 与 flake8-annotations 只管函数的空白。
作者借助 Claude 绘制了一张收录 104 个软件职位名称的家族树,时间跨度从 1940 年代到 2025 年,按开发、运维、网络与安全、数据与 AI 等七个族系分列。
Lexifina 用 AI 和 Lean 检查美国税法,报告发现 138 处文本编写错误,并建立了覆盖部分 2025 年个人所得税规则的形式化模型。模型与 PolicyEngine-US 在 5,000 个家庭中的 4,993 个计算结果完全一致,搜索还找到已知税务筹划策略及 3 项未在所查资料中找到的结果。
Terminactory 是用 Rust 与 ratatui 编写的终端放置工厂游戏,支持离线收益,并能在游戏内接收 AI 智能体消息。Claude Code 可通过 `tfac hook` 发送任务结束、需要权限或输入的通知,其他智能体可通过 `tfac msg` 或 Markdown 文件发送消息,目前仅测试过 Claude Code 的 hook。
Agweb 是基于 WebKit 的 macOS 编码智能体浏览器,支持多个智能体通过 CLI 操作同一窗口且不抢焦点。它提供独立工作区、共享登录配置、实时标签页看板和操作差异回复;作者实测五个空闲页面占用 590 MB 内存,Headless Chrome 为 730 MB,Playwright Chrome 为 1.6 GB。
Google 与学术合作团队使用 Gemini 4 和 Antigravity /teamwork,在数学、形式化验证、分子结构发现及系统工程中取得多项研究成果。
推荐理由:Google 的 /teamwork 将并行探索与独立校验结合,并按任务隔离上下文,为长周期科研和工程任务提供可迁移的协作方法。
一篇题为《The Claude Delusion》的文章指出,科技从业者因自身编程能力被长期等同于高智商,容易产生优越感幻觉。作者以 Bill Gates 为例:他称 Anthropic 的 Claude 编程模型"和我一样强",并由此推断其"超人",文章认为这种"接近我水平即超人"的思维解释了 AI 末日论与乌托邦叙事的来源。
《No AI Slop 宣言》在 AIE CODE 大会闭幕演讲中由 Dex 发布,已获多位演讲者联署并登上 Hacker News 首页。同期 llama.cpp 与 ggml 发布 1.0,移除公共头文件中 35 个废弃函数;SGLang 也在 SGLang Summit 上宣布 1.0。
Unsloth 发布采用 Dynamic V3.1 预览算法的 Qwen3.8-27B GGUF,称多数基准在相同体积下准确率提升 5-10%。此次更新覆盖多数 2bit 至 6bit 量化版本,3bit 因提升不显著而保留旧版;智能体基准使用 256K 上下文,其余基准使用 128K。
Anthropic 更新 Claude Code Projects,加入协调器主动汇报、线程只读分享、提醒、分支命令和产物导航改进,减少并行云端会话的监控需求。
开发者通过一个伪造 uname 输出的 shell 包装脚本,让 Zed 误以为 FreeBSD 主机是 Linux x86_64,从而用 Zed 的 Linux 远程服务器在 FreeBSD 上跑通。
AMP 作者在用 Claude 生成大量代码后,花四个月逐行重写,删除近半代码库,并称播放器在保留原有功能、增加功能的同时更加稳健。这个用 Zig 编写的离线音乐播放器源于断网期间的需求;恢复连接后,作者使用 Claude Max 20x 订阅连续提示数日,却发现自己难以审查数万行代码。
AIE Code Summit 2026 的演讲者与参会者共同撰写 No AI Slop 宣言,倡议重视工作成果、人类理解与交付责任。宣言将低质量内容界定为生产者投入的努力少于接收者理解它所需的努力,强调使用 AI 本身不必然导致这一问题。它主张标明智能体生成内容、按风险审查重要部分,并通过改进系统和自动检查防止重复错误,以实际交付及用户受益衡量成果。
游戏开发者 Jonathan Blow 与 Wolf Tivy 在 The Students 频道对谈,讨论软件复杂度的爆炸式增长,以及为何当下的 AI 无法产出比人类更好的代码。视频还探讨了如果 AI 真能做到这一点,世界会变成什么样。
OpenAI 推出 Daybreak Red Team 和 Daybreak Defense Factory 两款网络安全产品,均运行于 GPT-6 Cyber。
Haskell Foundation 技术领导委员会正式启动并发布 Haskell 生态技术愿景,提出把 GHC 自身 CI 周转时间从 6 小时降至 2 小时,并打造确定性调试与性能分析工具。愿景还覆盖新手入门体验、生态安全与稳定性,目标包括用最新 GHC 无源码改动编译 10 年前的 Haskell 软件。委员会将公开征集提案,欢迎公司、承包商和志愿者参与资助与执行。
一位用户通过中间人(MitM)方式逆向工程 Coway Airmega IconS 空气净化器,试图让它脱离 Coway 云服务、改由本地控制。此前 Home Assistant 的 IoCare 集成只能模拟手机 App 轮询云端,每年会因封禁、App 改版、HTML 布局变动或服务器离线而失效一两次。
AI 辅助编码是否存在合适的使用量,文章从代码审查、开发者理解能力和伦理边界展开讨论,主张警惕将其视为必需工具。House House 表示,Big Walk 中受到 LLM 影响的代码不到百分之一的百分之一,但部分 IGF 评委仍拒绝为任何使用生成式 AI 的游戏投票。
Claude 状态页报告 claude.ai、Claude Code 与 platform.claude.com 错误率升高,正在调查用户认证问题。受影响服务包括 claude.ai、Claude Console(platform.claude.com)、Claude Code 和 Claude Cowork,后续将尽快提供更新。
ArtCraft 已推出 17 款流行软件的开源替代应用,创始人 Brandon Thomas 希望借助 AI 让用户重新拥有并定制自己的软件。团队用详细提示词指导 AI 以 Rust 构建 PhotoCraft,并使其兼容 MCP 和 CLI;Thomas 称其功能对齐程度刚超过 60%,项目 GitHub 则列出约 76% 的功能覆盖率和约 46% 的专业使用就绪程度。
Claude Code 的“不再询问”会将含明文凭证的命令写入 .claude/settings.local.json,Apiiro 发现可追溯的泄密仓库中,48.8% 由带有 Claude 署名的提交上传配置。
推荐理由:Claude Code 会把含密码的获批命令写入本地配置,项目级忽略规则与环境变量注入能减少配置被提交时的凭证暴露风险。