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 741–760 条 · 共 1,426 条

7月1日星期三

Hacker News 首页

Anthropic 发布 Claude Sonnet 5:自主干活能力追平 Opus 4.8,价格还便宜一截

Claude Sonnet 5 是 Anthropic 目前最能自主干活的中档模型。它能自己定计划、用浏览器和终端跑任务,在推理、写代码、工具使用这些指标上比上一代 Sonnet 4.6 强出一大截,表现已经接近旗舰 Opus 4.8。

推荐理由:Anthropic 发布中档模型 Claude Sonnet 5,自主规划与浏览器、终端操作能力接近旗舰 Opus 4.8,定价低于后者,可与上一代 Sonnet 4.6 的基准提升对照。

AI HOT 精选

Anthropic 发布 Claude Science,把文献、数据分析、画图和写论文塞进同一个科研工作台

Claude Science 是一个给科研人员用的 AI 工作台,现在对 Pro、Max、Team 和 Enterprise 用户开放测试。它把文献检索、数据分析、图表生成和论文编辑整合到一个会话里,内置了 60 多个预配好的技能和连接器,覆盖基因组学、单细胞、蛋白质组学、化学信息学等领域。每次输出都附带可审计的代码、运行环境和聊天记录,方便复现。

推荐理由:Anthropic 将文献检索、数据分析、图表生成和论文编辑整合进一个会话,并预置 60 多个覆盖基因组学、单细胞等领域的技能,每次输出附带可审计的代码与运行环境。

AI HOT 精选

shot-scraper 1.10 新增 video 命令,让 AI 智能体自己录制浏览器操作演示

Simon Willison 发布了 shot-scraper 1.10,核心是新增的 video 命令。你给它一个 YAML 格式的“故事板”文件,它就能用 Playwright 驱动浏览器,把整个操作流程录成 mp4 视频。故事板可以自动启动开发服务器、填表单、点按钮、等待页面元素出现。

推荐理由:Simon Willison 在 shot-scraper 1.10 加入 video 命令,用 YAML 故事板驱动 Playwright 把浏览器操作流程录成 mp4,为智能体演示录制提供了一条可复用的自动化路径。

6月30日星期二

Hacker News 首页

Claude Code 偷偷在系统提示词里藏了隐形标记,用来识别 API 代理和时区

有人逆向 Claude Code 2.1.196 后发现,它会根据你的 API 地址和系统时区,悄悄修改发给模型的系统提示词。具体是把日期里的撇号换成肉眼几乎看不出来的 Unicode 变体,比如遇到已知的代理域名就用弯撇号,遇到中国时区就把日期分隔符从“-”改成“/”。

推荐理由:一手逆向分析,带代码和域名清单,不是猜测。隐写、技术细节、隐私信任三条全中。因为是个人博客、没有 Anthropic 官方回应,上限压在 85 以下。

Ben's Bites

GPT-5.6 发布了,但被美国政府卡着,普通人暂时用不上

OpenAI 推出了 GPT-5.6 系列,包含 Sol、Terra、Luna 三个模型,Sol 是里面最聪明的。目前只有少数合作伙伴能拿到权限,Sam Altman 说普通用户很快也能用,但一开始可能只限美国。文章没具体说美国政府卡在哪个环节。另外,OpenAI 还发了一篇关于 Codex 使用情况的经济学论文,显示非技术部门的采用率正在追上工程部门。

推荐理由:OpenAI 发布 GPT-5.6 系列三个模型,目前仅少数合作伙伴可用,普通用户开放初期可能只限美国,新模型的发布节奏与权限限制由此连在一起。

Computing Life · Share · 鸭哥调研

鸭哥实测:主流 AI 编程工具日常使用已无差别,只有 Google Antigravity 掉队了

鸭哥把 Cursor、Codex、Claude Code 和 OpenCode 拉出来横向对比了一圈,结论是:95% 的日常增删改查任务里,这几款工具用起来几乎一模一样,随时可以无缝切换。模型能力溢出了,功能清单也高度重合,选哪个纯粹看个人工作流偏好。

推荐理由:鸭哥横向对比 Cursor、Codex、Claude Code 和 OpenCode,指出日常增删改查任务中几款工具体验趋同,选型更多取决于个人工作流偏好。

Product Hunt · AI

v0 上线 Design Systems 2.0,能直接导入你团队在用的组件库、设计变量和 Figma 画板

v0 现在支持从 GitHub 仓库、npm 包(公开或私有)、Storybook 文档、Figma 画板、截图甚至 ZIP 文件里导入你们现有的设计系统。它会学习这些组件和样式是怎么被实际使用的,然后生成一个用你真实组件和设计变量搭好的预览环境,你可以在聊天框里继续改,满意了再保存。

推荐理由:v0 支持从 GitHub、npm、Storybook、Figma 等来源导入团队现有设计系统,并生成用真实组件和设计变量搭好的预览环境,方便在聊天框里继续修改。

AI HOT 精选

美团 LongCat Owl Alpha 在 OpenRouter 上蹿到最热门,1.6 万亿参数 MoE,全用国产 ASIC 训练

美团 LongCat 的 Owl Alpha 模型在 OpenRouter 上成了调用量最高的模型,用户已经烧掉 10 万亿 token。它是一个 1.6 万亿参数的混合专家模型,用 35 万亿 token 训练,全程跑在 5 万块国产 ASIC 上,没依赖英伟达 GPU。

推荐理由:美团 LongCat Owl Alpha 以 1.6 万亿参数 MoE 在 OpenRouter 上成为调用量最高模型,训练全程跑在 5 万块国产 ASIC 上,未用英伟达 GPU。

Hacker News 首页

Qwen 3.6 27B 是本地跑模型的甜点级选择

Piotr Migdał 在 Macbook Max M5 128GB 上实测了 Qwen 3.6 27B,用 8-bit 量化版跑出每秒 32 个 token,占 42GB 内存。他认为这是第一个能当通用智能用的本地模型。测试里它一次就生成出六边形扫雷的 npm 包,还搭了一个响应式落地页。

推荐理由:Piotr Migdał 在 Macbook Max M5 128GB 上实测 Qwen 3.6 27B 的 8-bit 量化版,给出每秒 32 个 token、占用 42GB 内存的数字,并记录它一次生成六边形扫雷 npm 包和响应式落地页的表现。

6月29日星期一

AI HOT 精选

两个 Vibe Coding 实用提示词:用第一性原理推导,再让 AI 当恶意用户来审代码

作者在开发 AIHOT 时用了两条提示词,一条要求 AI 从基本事实重新推导,别靠类比,结果挖出了一个隐藏的流量路由问题,逼着项目重写;另一条让 AI 扮演恶意用户攻击自己的代码,抓出了内存溢出死循环和未来时间戳污染这类手工审查很难发现的 bug。两条提示词组成“生成—验证”闭环,项目最近一周请求量超过一千万次。

推荐理由:作者在开发 AIHOT 时用两条提示词分别做第一性原理推导和对抗式审查,挖出隐藏的流量路由问题与内存溢出死循环等 bug,可迁移到日常 AI 辅助开发。

Hacker News 首页

一个老工程师的 AI 编程体验:从心流创作变成了流水线改稿

Andrew Diamond 把现在的 AI 辅助编程比作让小说家去批改学生作文。AI 能写出看起来没毛病的代码,但它不知道法律合规红线、外部接口延迟、团队接下来的改动计划,也不知道跟敏感数据处理模块会不会撞出安全漏洞。他把 AI 定位成一个干活快但缺系统级常识的初级工程师,需要资深的人把关。

推荐理由:Andrew Diamond 把 AI 辅助编程比作让小说家批改学生作文,指出 AI 写得出看似没问题的代码,却不懂合规红线、接口延迟与团队后续改动。

6月28日星期日

AI HOT 精选

马斯克说 Grok 4.5 已在 SpaceX 和 Tesla 内部测试,性能接近 Opus

Grok 4.5 基于一个 1.5 万亿参数的 V9 基础模型,训练时额外喂了 Cursor 的数据,现在在 SpaceX 和 Tesla 内部试用。马斯克说初步跑分接近甚至可能超过 Opus,但没说是哪个版本的 Opus、用的什么基准测试、测了多大样本。强化学习还在继续拉性能,Grok Build 工具链也在完善。

推荐理由:马斯克称 Grok 4.5 已在 SpaceX 和 Tesla 内部测试,基于 1.5 万亿参数的 V9 基础模型并加入 Cursor 数据训练,性能初步接近 Opus。

AI HOT 精选

新浪开源 VibeThinker-3B:推理能力能塞进小模型,但知识储备不行

新浪微博放出了一个 30 亿参数的小模型 VibeThinker-3B,在数学和编程题上能跟 DeepSeek V3.2、Kimi K2.5 这些大几百倍甚至上千亿参数的模型打平。它是在阿里的 Qwen2.5-Coder-3B 基础上,靠多阶段后训练(先监督微调学各种任务,再用强化学习专攻数学、编程、理科推理,最后自我蒸馏合并技能)把性能拉上去的。

推荐理由:新浪开源 30 亿参数的 VibeThinker-3B,在数学和编程题上追平参数量大数百倍的 DeepSeek V3.2 与 Kimi K2.5,其多阶段后训练流程也交代得较完整。

Computing Life · Share · 鸭哥调研

前沿模型安全重心移向运行时:GPT-5.6 和 Anthropic 走了两条不同的工程路

OpenAI 和 Anthropic 最新的系统卡显示,模型安全不再只靠训练阶段的对齐,而是转向运行时的管控。GPT-5.6 Sol 在推理过程中用激活分类器实时监测模型内部状态,在有害内容到达用户前就掐断,同时配套了账户安全分和两级扫描系统。

推荐理由:OpenAI 与 Anthropic 的系统卡显示,两家把安全重心从训练对齐移向运行时管控,GPT-5.6 Sol 用激活分类器在推理中实时监测内部状态,两条工程路径的差异提供了对比视角。

6月27日星期六

AI 群聊日报

GPT-5.6 Sol 发布但可能拿不到,GLM 5.2 抢不到货,STOC 现场跑通 AI 自动证数学题

OpenAI 预览了 GPT-5.6,分 Sol、Terra、Luna 三档,Sol Ultra 在 TerminalBench 2.1 跑出 91.9% 排第一,最便宜的 Luna 也超过了上一代旗舰 Claude Opus 4.8。但受前一天出口管制消息影响,群里有人泼冷水说“5.6 也发不出来了”。

推荐理由:OpenAI 预览 GPT-5.6 的 Sol、Terra、Luna 三档,Sol Ultra 在 TerminalBench 2.1 跑出 91.9% 居首,最便宜的 Luna 也超过上一代旗舰 Claude Opus 4.8。

Latent Space

OpenAI 发布 GPT-5.6 系列,但只给政府点头的 20 来家伙伴用

OpenAI 推出了三个新模型:Sol(旗舰)、Terra(中档)、Luna(快速便宜),但这次不是公开发布,而是应美国政府要求,先开放给大约 20 家受信任的合作伙伴做有限预览。

推荐理由:OpenAI 应美国政府要求,将 GPT-5.6 的 Sol、Terra、Luna 三个模型先开放给约 20 家受信任伙伴做有限预览,而非公开发布。

Computing Life · Share · 鸭哥调研

AI 编程正在进入它的 DevOps 时刻

字节在 FORCE 大会上公开了一组内部数据:TRAE 团队超过 90% 的代码由 AI 生成,但人均需求吞吐率只提升了约 60%。代码生成端已经很快,但 review、测试、依赖检查、staging 和安全审计这些下游环节没有同步加速,AI 写好的代码像半成品一样堵在交付流水线里。

推荐理由:字节在 FORCE 大会披露 TRAE 团队超 90% 代码由 AI 生成,人均需求吞吐率却只提升约 60%,差距指向 review、测试、依赖检查、staging 和安全审计等下游环节未同步加速。

Hacker News 首页

开源模型可能 2026 年 12 月追上闭源,但换个基准看差距纹丝不动

Jamie Dborin 用 Artificial Analysis 的 18 个基准测了开源和闭源大模型之间的差距。只看他们主打的“智能指数”,差距一直在缩小,按趋势线外推,到 2026 年 12 月 3 号左右开源就能追平。但把 18 个基准全算上,平均差距几乎是一条直线,稳定在不到 5 个月。进步最大的是编程,从落后 15 个月缩到一两个月。

推荐理由:Jamie Dborin 用 Artificial Analysis 的 18 个基准对比开源与闭源模型,主推智能指数外推的追平时间与全基准平均不到 5 个月的稳定差距形成对照。

6月26日星期五

AI HOT 精选

AI 的下一个突破口:在工作中边干边学

Dwarkesh Patel 认为,各大 AI 实验室现在赌的是用海量可验证任务把模型训成通用智能,但这套打法漏了一个关键前提:任务光能验证还不够,还得能“刷”——也就是能在确定、可回放的环境里并行跑大量试错。他用电脑操作举了个例子:让 AI 在 Etsy 上下单是可验证的,但你没法同时派一千个代理去冲亚马逊的结账流程,会被封。

推荐理由:Dwarkesh Patel 指出,AI 训练任务除了可验证,还需能在确定环境里并行试错,他用 Etsy 下单与亚马逊结账流程的对比说明这一条件为何难以满足。

AI HOT 精选

Ornith-1.0 开源四个编程智能体模型,397B 版本自称打平 Claude Opus 4.8

Ornith-1.0 放出了四个尺寸的模型,从 9B 到 397B 都有,MIT 协议随便用。它们基于 gemma4 和 qwen3.5 做后训练,用的强化学习方法同时优化任务拆解和方案自我修正,相当于教模型先想清楚步骤再动手改代码。

推荐理由:Ornith-1.0 以 MIT 协议开源 9B 到 397B 四个尺寸的编程智能体模型,后训练同时优化任务拆解与方案自我修正。