I Read the Clankers' Code
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。
The Civ50 experiment put 50 GPT-6.1 Sol agents into a Minecraft survival world. After 22 deaths on the first night, the agents turned cautious: they set a chicken handoff protocol, discussed appointing a fertilizer officer and scheduled fishing shifts.
Why it matters: The team compares how agents cooperate and compete in the same game, with the same model turning conservative in co-op survival but hunting for tools to bypass obstacles in team matches.
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。
一只 AI 智能体在夜间对小鼠实施了脑部手术。该消息在 Hacker News 首页获得 7 分、2 条评论。原文未披露所用模型、手术细节及结果。
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。
China's Ministry of Commerce and Ministry of Science and Technology issued Announcement No. 48 on October 16, 2026, proposing 40 new technologies for export bans or restrictions, 23 of them AI-related. Interim export registration rules already apply. The draft catalog takes comments until November 15, 2026. Frontier model thresholds include at least 10^26 FLOPs of training compute, at least 2 trillion parameters, or a top-10 global ranking at export time. Agents get separate capability thresholds.
Why it matters: The draft puts locally deployed restricted models abroad under export management, so firms self-hosting models face supplier licensing and update compliance.
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。
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。
An updated OpenAI support page says that from December, Plus, Pro and Business plans will share a token budget across ChatGPT and Codex, and Work's agent features will fold into the main interface. Users can see remaining quota and reset time in settings; once it runs out they can wait, upgrade or buy extra credits. Instant model chats don't count against the budget, but complex models and tasks burn it faster.
Why it matters: OpenAI will make ChatGPT and Codex share one token budget, so complex models and tasks drain quota faster and push users toward extra purchases.
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%。
Security startup Cathedral used an AI agent to reach sensitive internal data at Anthropic in under 12 hours, as part of Anthropic's external researcher security testing program. A draft report reviewed by The Washington Post says the data included employee records, salaries, offer letters, meeting notes and Slack messages.
Why it matters: An agent found flaws in Anthropic's business software, and third-party software bugs exposed staff records and internal messages.
An OpenRouter tutorial uses TypeScript and @openrouter/agent 0.11.0 to build an agent that checks Hacker News on a schedule and writes summaries. File-based memory stops it from re-reporting the same items after a restart.
Why it matters: It combines scheduled checks, persistent memory, cost limits and human approval into one always-on agent, a structure you can move to repo or status-page monitoring.
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。