技术方向
用 AI 写代码：编程助手、Vibe Coding、代码模型评测，以及开发方式的变化。
111 条精选近 30 天 32 条共收录 387 条
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次实测 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，Luna pass@1 达 67.2%，约为 DeepSeek（53.3%）的 6 倍成本（$0.61 对 $0.10）。
推荐理由：原文用同一跑分实测两款模型的成本与质量取舍，并给出可复用的级联组合方法，适合按技术栈选型的读者参考。
Together AI 发布 Kimi K3 开发者指南，讲解如何在自家 API 上使用月之暗面 2.8 万亿参数的开源模型 K3，该模型支持 1M 上下文。
推荐理由：Together AI 直接服务该模型，指南给出推理档位、缓存和动态工具加载等实操要点，可帮助开发者控制 1M 上下文下的使用成本。
Conductor 发布 0.78.0，推出 Conductor Cloud：云工作区运行在隔离 microVM 上，关闭电脑后智能体仍持续工作，可从桌面应用或 API 打开，并支持分享链接、多人实时协作。
推荐理由：官方更新日志列出 Cloud 工作区隔离运行、团队实时协作和 Conductor API 的具体用法，读者可以据此判断是否迁移现有工作流。
Anthropic 工程师 Thariq Shihipar 介绍新一代 Claude 5 模型（如 Claude Opus 5、Claude Fable 5）的上下文工程新实践，团队删除了 Claude Code 超过 80% 的系统提示词，且在编码评测中无可测损失。
推荐理由：Anthropic 以 Claude Code 砍掉 80% 系统提示词的实测经验，总结新一代 Claude 模型上下文工程的六组新旧做法转变。
Cognition 在 FrontierCode 1.1 上对比 Fable 5 与 Opus 4.8 发现，尽管 Fable 5 每 token 单价是 2 倍，配合 sidekick 架构后每轮成本反而更低且得分更高（60.7 vs 54.6，$1.86 vs $2.04）。
推荐理由：原文基于 3000 次评测拆解成本去向，读者可以看到智能体计费为何不能只看单价，以及委托风格如何影响成本与质量。
2026 年 AtCoder 世界总决赛上，OpenAI 模型在启发式赛道“彻底击溃”人类选手，Psyho 估算人类至少还需数天才能追上其分数；次日算法赛道 7 小时内解出全部 5 题，包括 12 名人类顶尖选手无一解出的 2 题，主办方为其颁发了两个“人类投降”奖。作者认为这可能是人类最后一次有机会在与顶级 AI 模型的编程竞赛中取胜。
推荐理由：作者采访去年击败 AI 的冠军 Psyho，给出 2026 年 OpenAI 模型在两个赛道的具体表现和冠军本人的差距估算。
Cognition 发布迄今最强模型 SWE-1.7，以更低成本达到前沿级智能，基于 Kimi K2.7 底座，今日已在 Devin 的 Web、Desktop 和 CLI 中通过 Cerebras 以 1000 TPS 提供。
推荐理由：官方详细披露了 RL 训练方法、跨洲多集群架构和基准数据，读者可借此了解低成本训练前沿编码模型的可行路径。
Cognition 发布 Devin Fusion 预览，一个混合模型 harness，在 FrontierCode 1.1 Extended 基准上以更低成本保持接近 Fable 5 和 Opus 5 的编码性能。
推荐理由：官方公开了 sidekick 双智能体和动态路由的实现思路与成本数据，工程师可借鉴这套混合模型调度方法。
Figma 宣布设计 Agent 在开放 beta 中向更多用户开放，支持用提示词生成可复用的插件和基于 WebGPU 的 shader effects 与 shader fills，并集中在新 Tools 标签页。
推荐理由：官方公布设计 Agent 开放测试范围与新增能力，读者可据此评估自定义工具和上下文接入对现有设计工作流的影响。
Cognition 发布 FrontierCode 基准，从正确性、测试质量、范围控制和代码风格等维度衡量模型产出能否被开源维护者合并。
推荐理由：原文给出新基准的评分方法与各家模型分数，读者可以据此了解现有模型在代码可合并性上的真实差距。
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文分享内部数百个 skills 的使用经验，将其归纳为库参考、产品验证、数据取数等九个类别，其中验证类 skills 对输出质量的提升最为可测。
推荐理由：Anthropic 团队基于数百个内部在用 skills 的实践，归纳出九类划分和撰写技巧，读者可以对照改进自己的 skills 设计。
Anthropic Claude Code 团队成员撰写文章，讲解上周发布的 Claude Code 动态工作流：Claude 可即时编写针对任务定制的 harness，通过 agent()、parallel()、pipeline() 组合子智能体。
推荐理由：Anthropic 员工结合一手使用经验讲解动态工作流的原理与模式，并给出适用边界和 token 开销等实操建议。
Cognition 官方宣布发布 Devin Desktop，定位为 Windsurf 的下一代产品。
推荐理由：官方发布说明了 Devin Desktop 的能力构成和 ACP 开放设计，读者可以据此判断它对现有编码工作流的影响。
Cognition 工程师复盘 Devin 在云端虚拟机中自主测试代码变更的做法。Devin 进入测试模式会先写出基于源码的测试计划，再用截图、点击等 computer use 工具运行应用并验证改动，将登录等重复流程沉淀为仓库中的确定性测试技能，最后返回带标注截图、章节和通过/失败断言的测试报告与视频。
推荐理由：Cognition 工程师复盘 Devin 自主测试的构建经验，给出测试计划、测试技能和回放产物等可直接借鉴的工程做法。
Cognition 宣布融资超 $1B，估值 $26B，由 Lux Capital、General Catalyst 和 8VC 领投。Devin 上线两年，企业用量今年以来增长超 10 倍，run-rate 收入达 $492M。
推荐理由：官方公告提供了融资金额、估值、收入与客户案例等一手数据，可了解 Devin 的商业化进展和智能体定位。
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文介绍用 HTML 替代 Markdown 作为 Claude Code 输出格式的实践。他认为 HTML 在信息密度、可读性、分享便利和双向交互上优于 Markdown，并给出规格探索、代码审查、设计原型、报告和临时编辑界面五类用例及示例提示词，相关模板已发布在 GitHub。
推荐理由：Claude Code 团队成员分享用 HTML 替代 Markdown 作为输出格式的实践，给出五类用例和可直接套用的示例提示词。
Cognition 为 Devin 推出 Auto-Triage 功能，可监控 Slack、Linear、GitHub、Sentry、Datadog 和 webhook 等来源的告警与事件，自动排查、关联重复问题、标记负责人，必要时直接开 PR。
推荐理由：官方介绍了 Auto-Triage 的具体工作机制与 Modal 使用案例，读者可据此评估它能否承接团队的告警排查流程。
OpenAI 上周在 Codex 中发布 Auto-review 模式，用另一个 Codex 智能体代替人工审批沙箱边界外的操作，Codex 会话人工审批频率比手动模式降低约 200 倍。
推荐理由：原文给出 Auto-review 的拦截率与局限细节，并承认它不防模型 scheming，读者可据此判断该机制的实际边界。
Cognition 发布 Devin CLI，一款在终端本地运行的编码智能体，可完全访问本地代码库、工具和环境，可选 Opus 4.7、GPT-5.5 和自研 SWE-1.6 等模型，UI 用 Rust 编写的终端渲染库实现。
推荐理由：Cognition 官方发布 Devin CLI，本地终端编码智能体可将会话移交云端继续运行，读者可据此评估其与现有工作流的结合方式。
Ethan Mollick 提前试用 GPT-5.5 并撰写评测，认为其表明 AI 快速提升尚未结束。同一编程任务中 GPT-5.5 Pro 仅 GPT-5.5 Pro 真正模拟了城镇演化，耗时 20 分钟，而 GPT-5.4 Pro 需 33 分钟。
推荐理由：作者以早期访问实测对比多代模型，用同一编程任务和数据研究案例展示 GPT-5.5 的进步与边界。