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 601–620 条 · 共 1,426 条

7月22日星期三

Hacker News 首页

Codeberg 修改服务条款,禁止上传 vibe coding 项目

Codeberg 会员投票通过了一项服务条款修订,禁止在平台上分享“主要由大模型生成且未经人工审核”的代码项目。提案给出的理由是这类项目版权归属模糊、缺乏基本的安全保障。我会先打个折:条款里没定义什么叫“主要由大模型生成”,也没说清楚“分享”是仅指公开仓库还是也包括私有仓库和 Pull Request,执行时间表同样没提。

推荐理由:Codeberg 会员投票通过服务条款修订,禁止分享主要由大模型生成且未经人工审核的代码项目,理由是版权归属模糊、缺乏安全保障。

Hacker News 首页

Fireworks 实测 Kimi K3 对战 Fable:单挑打平,但让两个模型分工干活准确率冲到 93%,成本最多砍掉 50 倍

Fireworks 用约 1030 个真实编程 agent 任务跑了一遍 Kimi K3 和 Fable 5。单看 SWE 这类修 bug 的基准,K3 正确率 92.4%,Fable 92.6%,几乎没差别。但拆开看,K3 擅长符号数学和开发工具链,Fable 在网页和数据可视化上更强。

推荐理由:Fireworks 用约 1030 个真实编程 agent 任务对比 Kimi K3 与 Fable,两者单挑几乎打平,按任务类型分工后准确率升至 93%,成本最多降为五十分之一。

Hacker News 首页

Poolside 发布 Laguna S 2.1:一个 118B 参数的 MoE 编程模型,在长周期任务上以小博大

Poolside 今天放出了 Laguna S 2.1,一个总参数 1180 亿、每次推理只激活 80 亿参数的混合专家模型,上下文窗口能到 100 万 token。

推荐理由:Poolside 发布的 Laguna S 2.1 采用混合专家架构,每次推理激活的参数约占总参数的 6.8%。

AI HOT 精选

Google 发了三款新 Gemini 模型,但旗舰 3.5 Pro 还是没影

Google DeepMind 一口气放出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。3.6 Flash 是新的主力,写代码和处理多模态任务更强,token 消耗最多能降 17%,比上一代 3.5 Flash 更便宜。

推荐理由:Google DeepMind 发布 Gemini 3.6 Flash 等三款模型,3.6 Flash 成为新主力,写代码与多模态能力提升,token 消耗最多降 17%,比 3.5 Flash 更便宜。

7月21日星期二

Hacker News 首页

Claude 不是编译器,它比编译器强在哪

作者推翻了自己 2025 年的疑问,说把 Claude 叫编译器是个分类错误——编译器只管把源码变成二进制,但 Claude 能跨层级干活,从战略、产品、架构一路聊到机器码。他拿 exe.dev 做分布式 DNS 服务器举例:多个 agent 循环同时开工,实现同一个设计,却在很多没问过的问题上做出了完全不同的选择。

推荐理由:作者以 exe.dev 的分布式 DNS 服务器为例,展示多个 agent 循环并行实现同一设计时,在未被问及的问题上做出各自不同的选择,由此说明 Claude 跨层级工作的特点。

Ben's Bites

Kimi K3 前端编程跑分超 Fable,但 token 浪费让价格优势归零

月之暗面发了新模型 Kimi K3,在 Arena 前端编程榜上压过 Fable 和 GPT-5.6-Sol,其他跑分也咬得很紧。模型很大,有 2.8 万亿参数,支持图片输入,上下文窗口 100 万 token,权重会在 7 月 27 号开源。

推荐理由:月之暗面发布 2.8 万亿参数的 Kimi K3,在前端编程榜上超过 Fable 和 GPT-5.6-Sol,但实际生成要多消耗一倍 token,单价优势被抵消。

AI HOT 精选

Anthropic 团队:Claude Tag 已承担 65% 的产品工程 PR,系统提示词砍掉 80%

Anthropic 的 Cat Wu 和 Thariq Shihipar 在 AI 工程师大会上跟 Simon Willison 聊了聊 Claude Code 团队的内部玩法。他们做的 Slack 协作工具 Claude Tag,现在包揽了团队 65% 的产品工程 PR。

推荐理由:Anthropic 的 Cat Wu 和 Thariq Shihipar 披露,内部 Slack 工具 Claude Tag 已包揽团队 65% 的产品工程 PR,系统提示词也缩减了 80%。

7月20日星期一

Hacker News 首页

Kimi K3 和 Qwen 3.8 开源夹击,Anthropic 的昂贵生意快撑不住了

这周 Moonshot 的 Kimi K3 和阿里的 Qwen 3.8 都发了,性能号称接近 Anthropic 的 Fable 5,而且模型权重马上要公开。文章算了笔账:Anthropic 自己不建数据中心也不发电,用的是租来的算力和电,所以推理成本会跟着用量涨。Fable 5 每完成一个任务,成本差不多是对手的 3 倍。

推荐理由:Kimi K3 与 Qwen 3.8 以接近 Fable 5 的性能和即将公开的权重入场,文章据此拆解 Anthropic 租用算力与电力带来的推理成本结构,其单任务成本约为对手三倍。

Hacker News 首页

实测 Kimi K3 写代码:一次跑通 Rust 优化,提速 2%,花了 1 美元

作者拿自己手调过的 Rust 函数去考 Kimi K3,让它“随便怎么优化都行”。模型自己选了 SWAR 方案,把 64 位寄存器当 8 个 u8 用,15 分钟给出代码,零报错直接跑通,最终程序快了 2%。通过 OpenRouter 调用,token 费用大概 1 美元。作者觉得这表现确实摸到了前沿模型的边。

推荐理由:作者把自调的 Rust 函数交给 Kimi K3 优化,模型自选 SWAR 方案,15 分钟给出零报错代码,程序提速 2%,调用费约 1 美元。

Import AI

开源模型网络攻击力追近闭源,Kimi K3 发布,Hassabis 提 AGI 监管方案

英国 AI 安全研究所(AISI)的测试显示,开源模型在网络安全任务上与闭源前沿模型的差距已从 2025 年的 6 到 10 个月,缩短到现在的 4 到 7 个月。具体来说,GLM-5.2 在 70 项细分网络能力评估中,表现接近 4.3 个月前发布的 Claude Opus 4.6。

推荐理由:AISI第一次公开量化开源与闭源模型在网络能力上的时间差,有具体模型和月份数字,虽然只是网络安全这一个维度,但数据本身够硬,值得从业者关注。

AI HOT 精选

Cursor 把 AI 智能体拆成“规划者+执行者”两队,用 Rust 重写 SQLite,4 小时跑通 80% 的测试

Cursor 重新设计了他们的 AI 智能体集群,把任务拆成树状结构:由最强模型当“规划者”负责拆解目标,便宜快速的模型当“执行者”负责具体干活。他们用这个新架构挑战了旧集群搞不定的任务——只靠文档,用 Rust 从零写一个 SQLite。结果新集群在所有模型组合下都赢了旧集群。

推荐理由:Cursor 用规划者与执行者的树状分工重做智能体集群,让强模型拆解目标、快模型执行,并靠文档用 Rust 从零写 SQLite,4 小时通过 80% 测试。

Computing Life · Share · 鸭哥调研

Coding Agent 需要沙箱,不只是为了拦命令

审批只能决定一条命令要不要开始跑,管不了包管理器启动后加载的脚本和子进程。文章顺着一次修 bug 的任务走了一遍:Agent 克隆仓库、跑 npm install、改代码、执行测试、最后推分支。

推荐理由:文章顺着一次修 bug 任务走完 Agent 克隆仓库、跑 npm install、改代码、执行测试到推分支的全过程,指出审批只能拦住命令启动,管不了包管理器加载的脚本和子进程。

7月19日星期日

彭博科技

月之暗面计划六个月内上市,刚靠 Kimi K2 模型追平了 OpenAI 和 DeepSeek 的旗舰

月之暗面(Moonshot AI)放出消息,打算在六个月内 IPO,直接原因是新模型 Kimi K2 在数学和编程跑分上追平了 OpenAI o3 和 DeepSeek V4 Pro。公司目前估值约 30 亿美元,2025 年靠 Kimi 聊天机器人的订阅和 API 费用做到了大概 1.5 亿美元收入。在哪上市、找谁承销,正文都没提。

推荐理由:月之暗面计划六个月内 IPO,直接原因是 Kimi K2 在数学和编程跑分上追平 OpenAI o3 与 DeepSeek V4 Pro,公司估值约 30 亿美元、2025 年收入约 1.5 亿美元。

Computing Life · Share · 鸭哥调研

Grok Build 开源了客户端执行层,模型和云端没开

xAI 把 Grok Build 在本地管理文件、命令和权限的客户端 harness 用 Apache-2.0 协议公开了,代码可以看、可以自己编译。但 Grok 模型、云端服务以及官方安装包的构建链还是闭源的。仓库不接受外部 PR,官方二进制用的内部 commit 也不在公开历史里,所以下载到的程序不一定对应公开的源码。

推荐理由:xAI 以 Apache-2.0 公开 Grok Build 的客户端 harness,代码可看可自行编译,而模型、云端服务与官方安装包构建链仍闭源,仓库也不接受外部 PR。

Hacker News 首页

Kimi K3 在写代码上跟 Claude 打平了,价格却便宜一大截

作者把 Kimi K3 和 Claude 放在日常写代码里对比,发现输出质量和消耗的 token 数几乎一样,分不出区别。但价格差很远:K3 API 每百万输入/输出 token 收 3 美元和 15 美元,Claude 是 10 美元和 50 美元。

推荐理由:开发者实测 Kimi K3 与 Claude 写代码,输出质量和 token 消耗几乎一致,而 K3 的 API 价格仅为后者的三分之一左右。

7月18日星期六

Hacker News 首页

Fable 5 对战 GPT-5.6 Sol:/goal 命令到底有没有用?

作者拿一个未公开的 NP-hard 光纤网络优化问题,让 Claude Fable 5 和 GPT-5.6 Sol 各跑了三轮 30 分钟测试,对比普通模式和 /goal 模式。Fable 5 的普通模式平均得分 32,386,比 Sol 的 34,261 低了 1,875 分(分数越低越好),而且三次普通跑分只差了 319 分,稳得离谱。

推荐理由:作者用未公开的 NP-hard 光纤网络优化问题,让 Fable 5 与 GPT-5.6 Sol 各跑三轮 30 分钟,对比普通模式与 /goal 模式下的得分差异。

Computing Life · Share · 鸭哥调研

给大模型建一个更小的可执行世界:DSL、FastAPI 与上下文基础设施

作者从自己放弃 DSL 的经历说起,指出 AI 大幅降低了设计语言、写解析器和准备示例的成本,让团队可以先建领域边界,再根据实际使用决定它的寿命。核心思路是把 FastAPI 当作原子操作层,DSL 负责描述完整计划,上下文基础设施保存过去的判断和纠正。

推荐理由:作者结合自己放弃 DSL 的经历,讲 AI 如何降低设计语言与写解析器的成本,团队可先建领域边界,再用 FastAPI 做原子操作层、DSL 描述完整计划。

AI HOT 精选

Cursor 评估负责人说 Claude Fable 5 在他们最难的那 1% 编程题里拿了 72.9%

Cursor 的评估负责人 Nate Schmidt 在 Anthropic 博客里讲了他们怎么判断 Claude Fable 5 能打。核心数字是 CursorBench 上 72.9% 的得分,比上一代跳了一大截。这个测试不是刷通用榜,专挑那些连真人都头疼的长尾编程问题。

推荐理由:Cursor 评估负责人 Nate Schmidt 在 Anthropic 博客说明,Claude Fable 5 在 CursorBench 上取得 72.9%,该测试专挑连真人都头疼的长尾编程问题。

7月17日星期五

Google DeepMind

Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型

Google DeepMind 发布 Gemini 3.5 Flash Cyber,基于 3.5 Flash 微调,用于快速发现、验证和修补漏洞,在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。

推荐理由:Google DeepMind 推出基于 3.5 Flash 微调的轻量网络安全模型,在 CyberGym 等基准上以多次调用取得接近更大模型的漏洞发现成绩。

Hacker News 首页

Claude Code 偷偷加了个 60 秒自动继续功能,没写更新日志,两天后才修掉

Olaf Alders 发现 Claude Code v2.1.198 在 7 月 1 日悄悄塞进一个行为:当 agent 向你要指令时,如果你 60 秒内没回复,它就自己拿主意继续跑。这个改动没出现在更新日志里,也没有独立的开关能关掉。作者用 Claude 自己去反编译压缩后的 JS 代码,确认逻辑就埋在里头,没有单独的功能标记。

推荐理由:作者用 Claude 反编译压缩后的 JS,确认 v2.1.198 在 7 月 1 日静默加入 60 秒无回复自动继续逻辑,更新日志未提且无独立开关。