跳到正文

AI 编码

AI 写代码的一切:编码助手、Vibe Coding、代码模型评测与开发工作流变革。

1,426 条精选相关主题Agent 智能体Cursor教程实践

最新精选

第 481–500 条 · 共 1,426 条

8月14日星期五

Hacker News 首页

理解成了新瓶颈:为什么你还是要读 agent 写的代码

Geoffrey Litt 在 AI Engineer 大会上的演讲里抛出一个观点:就算 agent 写代码越来越强,人还是得看懂它在干什么。不是为了挑错——agent 自己会越来越擅长验证——而是为了能继续参与创作。一个项目要跟 agent 来回好多轮,你对系统的理解直接决定你下一轮能不能想出好点子。

推荐理由:Geoffrey Litt 在 AI Engineer 大会演讲中提出,agent 写代码越强,人越需要看懂它的工作,以便在后续多轮协作中继续提出新想法。

AI HOT 精选

Google DeepMind 发布 Gemini 3.7 Flash,一个专为写代码和跑智能体任务设计的轻量模型

Gemini 3.7 Flash 是 Google DeepMind 新推出的轻量级模型,定位是给开发者当“干活主力”,主要用在代码生成、工具调用和长上下文任务上。官方说它在这些方面比前代有明显提升,延迟更低、成本也更友好。不过这篇公告没给出具体的跑分数据和定价,只说会通过 Google AI Studio 和 Vertex AI 开放。

推荐理由:Google DeepMind 推出轻量模型 Gemini 3.7 Flash,面向代码生成、工具调用和长上下文任务,官方称延迟更低、成本更友好,适合关注编程与智能体开发工具选型的读者。

8月13日星期四

AI HOT 精选

阿里开源 Qwen3.8-2.4T-A95B,硅基流动当天就接上了

阿里放出了一个总参数 2.4T、激活参数 95B 的 MoE 模型,主要想干自主编程、深度研究和让模型直接跑完整业务流程这些事。硅基流动在发布当天就上线了 API,输入每百万 token 2 美元,输出 6 美元,缓存输入 0.25 美元。正文没给任何跑分或架构细节,所以性能到底怎么样还得等第三方评测,先别急着上头。

推荐理由:阿里开源总参数2.4T、激活95B的MoE模型,硅基流动发布当天上线API,输入每百万token 2美元、输出6美元,开源模型与推理服务商同步落地的节奏是这条的主要看点。

AI HOT 精选

Cursor 推出 builds 功能:云智能体启动速度提升至 3 倍

Cursor 现在会每小时在后台自动把代码仓库克隆好、依赖装好,提前做成一个“就绪环境”。当你启动云智能体时,它直接从这个环境启动,不用再等几分钟的冷启动,响应速度最多能快 3 倍。如果某次构建因为依赖更新或配置错误失败了,系统会自动隔离这个坏版本,智能体会继续用上一次成功的环境,不影响干活。

推荐理由:Cursor 为云智能体推出 builds 功能,通过每小时后台预构建就绪环境,把启动速度最多提升 3 倍,构建失败时自动回退到上一次成功环境。

AI 群聊日报

闭源模型的推理过程被批量扒光,Coze CLI 偷偷劫持本地 AI 工具

今天最值得看的是闭源模型的加密思维链被大规模提取。研究人员发现,把 Claude Opus 4.8 的加密推理块直接扔给同厂的 Haiku 4.5,后者就能逐字解码。这个方法在 Claude、GPT、Gemini 三家的 API 上都跑通了,用 Haiku 解码一万条轨迹的成本大概是 720 美元。

推荐理由:研究人员把 Claude Opus 4.8 的加密推理块交给同厂 Haiku 4.5 后能逐字解码,该方法在 Claude、GPT、Gemini 的 API 上均跑通,解码一万条轨迹成本约 720 美元。

Latent Space

xAI 发布 Grok 4.6 和 Grok Bot,AI 同事赛道来了个狠角色

xAI 一口气发了两个东西:新模型 Grok 4.6,和一个能直接登你的工具、像人一样操作、最后交活儿的早期测试版 Grok Bot。Grok 4.6 是个 1.5 万亿参数的模型,在 AA-Briefcase 这个知识工作基准测试里,分数跟 GPT-5.6 Sol Max 差不多,但便宜一大截:输入每百万 token 2 美元,输出 6 美元。

推荐理由:xAI 发布 1.5 万亿参数的 Grok 4.6,在知识工作基准上接近 GPT-5.6 Sol Max,输入输出价格却低到每百万 token 2 美元和 6 美元。

Computing Life · Share · 鸭哥调研

DeepSeek 开源 DSH:把 agent 的控制循环做成了可热插拔的插件,为 AI 自进化铺路

DeepSeek 在 8 月 13 日开源了它的第一个 agent harness,叫 DSH。它跟 Codex、Claude Code 这些现有工具最大的不同,是把 agent 的核心控制循环(agent loop)本身做成了一个可以在运行中随时替换的插件。这意味着,AI 在干活时不仅能调用新工具,理论上还能给自己换一套全新的思考或协作流程。

推荐理由:DeepSeek 开源了 agent harness DSH,把 agent 的控制循环做成运行时可替换的插件,与 Codex、Claude Code 的固定流程形成架构差异。

AI HOT 精选

AutoGPT 用 AGENTS.md 和技能门控管理 AI 生成的拉取请求

AutoGPT 项目现在超过 60% 的拉取请求来自 AI 工具。维护者 Reinier van der Leer 在仓库里放了一个 AGENTS.md 文件,给 AI 贡献者立规矩,还加了技能门控:只有通过代码格式检查和单元测试的 AI 代理才能提交代码。垃圾 PR 数量大幅下降,但正文没披露有多少人类贡献者被误拦了。

推荐理由:AutoGPT 项目超六成拉取请求由 AI 工具提交,维护者用 AGENTS.md 加技能门控约束 AI 贡献者,垃圾 PR 数量大幅下降。

AI HOT 精选

阿里首次把 Qwen-Max 级别的模型权重放出来了,总参数 2.4 万亿,每次只激活 950 亿

阿里 Qwen 团队开源了 Qwen3.8-2.4T-A95B,这是他们第一次把云端最强模型级别的权重直接公开。模型用了混合专家架构,总共 2.4 万亿参数,但每次计算只激活其中的 950 亿,所以跑起来比同体量的稠密模型省算力。它原生支持 26 万多 token 的上下文,能一口气处理整本小说,还能扩展到 101 万 token。

推荐理由:阿里把云端旗舰级别的 Qwen 模型权重开放出来,2.4 万亿总参数、950 亿激活的 MoE 架构和原生 256K 上下文,为关注开源模型能力边界的人提供了具体参照。

TechCrunch · AI

Lovable 完成 4 亿美元 C 轮融资,估值冲到 133 亿

Lovable 这家欧洲做“一句话生成应用”的初创公司,刚确认拿了 4 亿美元 C 轮,估值 133 亿美元,由 Menlo Ventures 和 Scaleup Europe Fund 领投。今年 6 月他们年化收入(ARR)刚摸到 5 亿美元,平台上现在挂着 6000 万个项目,每月访问量 9 亿。

推荐理由:Lovable 确认完成 4 亿美元 C 轮融资,估值达 133 亿美元,其年化收入半年内从零头升至 5 亿美元,欧洲 AI 应用层公司的融资与增长节奏由此有了具体样本。

8月12日星期三

Hacker News 首页

AI 正在抹掉软件工程师的“中产阶层”

作者用 2020 年休假回来代码库变乱,对比 2026 年一个普通周一早上就冒出 7 个 PR、其中一个改动 2.4 万行代码的场景,指出 AI 把做烂决策的速度限制彻底拆掉了。现在任何人都能对着智能体敲几小时提示词,产出一套看起来能跑的东西,但没人说得清数据从哪来、为什么加了 Kafka。

推荐理由:作者对比2020年休假回来代码库变乱与2026年一个周一早上冒出7个PR、单个改动2.4万行,记录AI如何让做烂决策的速度不再受限。

AI HOT 精选

Nathan Lambert 写了本 AI 教科书,但模型至今写不好长篇技术内容

Nathan Lambert 刚写完他的后训练教材《从人类反馈中强化学习》。他用大模型帮忙排版、校对和画图,但一让模型写完整的技术章节,输出就混乱、组织差,还会犯随机的概念错误。他认为,即使模型在编程和数学上已经超人,长篇非虚构写作能力却停滞了。文章没给具体跑分,但 Lambert 指出,主要卡在缺乏好的训练数据,而且推理阶段的算力堆叠对写作帮助不大。

推荐理由:Nathan Lambert 用刚写完的后训练教材做实验,发现模型能排版校对却写不好完整技术章节,还犯随机概念错误。这为判断大模型长篇非虚构写作的短板提供了具体案例。

AI HOT 精选

Meta 开源 30B 多模态模型 Muse Glimmer,主打本地跑 agent 任务

Meta 的超级智能实验室放出了第一个开放权重的模型 Muse Glimmer,现在可以在 OpenRouter 上调用。这是个 30B 参数的稠密模型,能同时处理文字和图片,用 Apache 2.0 协议开源,定位是给本地 agent 用的——也就是让模型在你自己电脑上干活,不依赖云端。

推荐理由:Meta 超级智能实验室发布开放权重模型 Muse Glimmer,30B 稠密架构支持图文输入,Apache 2.0 协议允许在本地运行 agent 任务。

TechCrunch · AI

AI 代码测试公司 Blacksmith 估值不到一年翻近 10 倍,到 5.5 亿美元

Blacksmith 刚拿了 4500 万美元的 B 轮融资,估值从不到一年前的 6000 万直接跳到 5.5 亿。它做的事是帮开发团队在上线前自动测试和验证代码——现在 AI 写代码太快了,测试反而成了新瓶颈。客户数从 700 多涨到 5000 多,包括 Mercury、Supabase 这些公司。

推荐理由:Blacksmith 在不到一年里估值从 6000 万美元升至 5.5 亿美元,客户数从 700 多增至 5000 多,其自动测试代码的业务对应着 AI 写代码提速后测试环节吃紧的处境。

AI HOT 精选

xAI 发布 Grok 4.6,重点强化了让模型长时间自主干活的能力

Grok 4.6 在 Grok 4.5 的基础上,专门训练了模型处理长链条任务的能力,比如做研究、分析信息、跨代码库工作,或者把一个想法直接做成能用的应用。在 AA 智能指数这个综合跑分上,它和 GPT-5.6 Sol 打平,都是 61 分;在 DeepSWE 1.1 这个软件工程测试里,分数从 4.5 的 54% 跳到了 65.9%。

推荐理由:xAI 发布 Grok 4.6,专门训练模型处理长链条任务,在 AA 智能指数上与 GPT-5.6 Sol 同得 61 分,DeepSWE 1.1 从 54% 升至 65.9%。

AI HOT 精选

Cursor 与 SpaceXAI 联合发布 Grok 4.6,专为长时间运行的智能体和交互式项目调优

Grok 4.6 在 Grok 4.5 基础上加了一轮补充训练,用模型自己生成的数据来强化推理和工程能力。它在综合 9 项基准的 Artificial Analysis 智能指数上追平了 GPT-5.6 Sol。这个模型更擅长把一个宽泛的产品想法直接做成能跑的第一版,在长任务里也开始出现自我检查、自己验证的行为。

推荐理由:Cursor 与 SpaceXAI 联合发布的 Grok 4.6 在九项基准的智能指数上追平 GPT-5.6 Sol,并针对长时间运行的智能体调优,长任务中已出现自我检查与验证行为。

Hacker News 首页

Nvidia 发布 Nemotron 3.5 Lightning 和 NeMo Switchyard:一个 300 亿参数的小模型

Nvidia 给 Nemotron 3 系列加了个新模型 Nemotron 3.5 Lightning,300 亿参数,用的是混合专家架构(MoE,把模型拆成多个小专家,每次只激活一部分,省算力)。它不负责统筹全局,而是在多智能体系统里干代码审查、安全告警监控这类专项高并发的活。官方说输出速度比同级模型快 4 倍,跑完一个智能体任务整体快 30%。

推荐理由:Nvidia 推出 300 亿参数的 Nemotron 3.5 Lightning,专攻多智能体系统中的代码审查与安全告警监控,官方称输出速度比同级模型快 4 倍。

8月11日星期二

Hacker News 首页

从加密的思考块里偷走大模型的推理过程

Anthropic、OpenAI 和 Google 返回给用户的加密思维链块可以在不同会话、用户和模型之间复用。研究人员把 Claude Opus 4 的加密推理痕迹塞进一个被越狱的 Claude Haiku 4.5,Haiku 就把 Opus 隐藏的思考过程一字不差地转录了出来,全程没有直接攻击强模型,也没触发反蒸馏保护。

推荐理由:研究人员把 Claude Opus 4 的加密推理痕迹塞进越狱后的 Haiku 4.5,Haiku 一字不差转录出 Opus 隐藏的思考过程,全程未触发反蒸馏保护。

Hacker News 首页

我把 GitHub Copilot 的网络请求拦下来看了看,发现它补全代码时偷偷塞了很多上下文

作者在 VS Code 里架了个中间人代理,把 Copilot 的 HTTPS 请求截获下来分析。每次代码补全请求携带的上下文远比屏幕上看到的几行多:当前文件内容、其他打开的标签页、光标位置、最近的编辑历史,全被打包成一个结构化的请求体发出去。

推荐理由:作者用中间人代理截获 Copilot 的补全请求,发现每次携带的上下文远超屏幕所见,包含当前文件、其他标签页、光标位置和编辑历史。

AI 群聊日报

Claude Tag 进 Slack 当同事,群友从隐私吵到卖一体机;Sol 5.6 口碑两极,有人靠 effort 分档救回来

Anthropic 推出 Claude Tag,以团队成员身份直接加入 Slack 频道,底层用 managed agent 技术,按 API 用量计价。群友围绕企业落地吵了一整圈:有人觉得搓一个不难但稳定难,还要跟公司 battle 权限;有人提出给老板卖本地部署一体机,本质是缓解焦虑。

推荐理由:Anthropic 推出 Claude Tag,以团队成员身份加入 Slack 频道,按 API 用量计价,群聊围绕企业落地时的权限协调与稳定运行展开讨论。