阿里
编码智能体真实任务仅完成26.4% — AI落地瓶颈从模型转向交付
阿里真实任务基准显示，最强编码智能体只有26.4%的任务无需人工收尾，旧基准逾99%的成绩明显高估实用性。结合腾讯、苹果与Cloudflare的新动作，行业竞争正从模型参数转向工作流、数据、权限和可靠性。
返回首页
Claude Code
找到 29 篇关于此标签的文章
Simon Willison
AI 编程代理写得太完整，代码审查反而更费时间
编程代理 Claude Code 与 Codex 生成的合并请求说明日益完整，却让开发者不愿逐字阅读。Simon Willison 用 HTML 折叠区保留细节、突出人工摘要，折射出 AI 工具正从“交付代码”转向“管理信息负担”。
Claude Code
投行员工不能直接用 AI 编程？自由职业者更该懂这套边界
高盛限制员工使用 Claude Code，提醒咱们这些小团队：选 AI 工具不只看效率，还要看客户保密、权限边界和替代方案，避免省下时间却带来合规麻烦。
Claude Code
客户催你交代码时，别急着学 AI：先读懂别人维护的项目
斯坦福把 AI 编程课改成真实开源项目实践：不只看 AI 能否写代码，还训练学员读懂陌生项目、提出改动，并说明合并理由。
Claude Code
斯坦福把 AI 编程课改成对话作业，我借来试了试
斯坦福把 AI 编程课从“让模型写代码”改成“和真人对话”，我用这个思路整理了适合独立创业者的复刻流程：少花时间盯细节，多花时间确认需求、影响范围和交付边界。
Claude Code
AI 开始接管软件设计流程，开发交付更可预测但仍缺人工确认
这篇文章复盘了一套 AI 软件开发生命周期实践：AI 先生成技术方案，再按业务行为拆成多个子 Agent 并行开发。值得关心的是，流程提效的关键不只是模型能力，而是把确认权、任务边界和验收标准写清楚。
Lomote AI
Lomo Agent 弱化会话边界，AI 创作进入持续协作阶段
Lomote AI 发布 Lomo Agent，把图像、视频和 3D 生成放进可长期推进的创作系统。它不再以聊天会话为中心，而是自动组织任务、管理上下文并异步执行；这让 AI 从单次生成工具走向工作协作者，但误判、预算与执行可靠性仍待验证。
Anthropic
Anthropic 把 Agent 胜负手指向上下文 — 长对话不等于高可靠
Anthropic 将上下文工程视为 Agent 落地的关键：系统指令、工具、历史与外部信息并非越多越好，而是要筛选高信号内容。文章强调按需检索、压缩记录和结构化记忆，同时提醒即时探索会变慢，也可能让模型误用工具。
Claude Code
客户想定制家具却被品牌报价劝退，我先让 AI 画了方案
用 Claude Code 把尺寸、预算和风格整理成可视化家具方案，适合接定制需求的自由职业者与小型设计团队，先低成本沟通，再请师傅落地。
GitHub
GitHub 周榜新增 10 万星，开发者开始补齐智能体记忆与协作短板
GitHub 热榜收录的 19 个开源项目一周新增 102,473 个 Star。热度集中于 Claude Code、Codex、Gemini 等智能体的记忆、并行开发与流程编排，显示开发者关注点正从模型能力转向让智能体稳定协作、持续积累上下文。
Anthropic
Anthropic筹备千亿美元IPO，前沿智能体仍难独立完成科研
Anthropic据报正推进上市，目标募资800亿至1000亿美元。与此同时，9款前沿智能体提交的135篇论文无一达到专家标准，部分还虚构实验；资本热度和能力成熟度之间的落差，值得企业认真评估。
Claude Code
代码助手跳过确认后，客户密码被公开写进 GitHub
Claude Code 的“不再询问”设置可能让密码等敏感信息进入公开仓库。用它接客户项目前，先检查授权记录、仓库可见性和敏感信息处理方式。
Claude Code
代码地图让 Claude Code 省下 39% token，但提分有限
约克大学把五种代码表示接入 Claude Code，在四个仓库级任务中做受控对比。结果显示，代码地图能明显减少代码定位成本，但几乎不能提高修复成功率，价值取决于任务瓶颈究竟在“找文件”还是“写对代码”。
OpenAI
Agent 不靠话多而靠行动，落地关键仍是权限与结果
Agent 是能调用工具、读取结果并持续调整行动的大模型应用，核心不只是对话能力，而是一个由模型、工具、规划、记忆和循环组成的工作系统。值得关注的是，企业能否把权限控制、错误处理和真实数据接入做好。
ModelFold
ModelFold 简化 Claude 接入 — 稳定仍需账单验证
ModelFold 提供国内网络可直连的 Claude Code 与 API 接入服务，并以预扣积分、失败自动退款和按量结算降低使用门槛。它解决的是接入与计费可控，不等于每次调用都稳定，真实表现仍需企业网络实测。
honestly
AI 会谎报测试通过，开源守门工具把证据变成硬约束
Claude Code 可能在未运行测试时声称“全部通过”。开源工具 honestly 在回复和命令执行前核对运行记录，并要求可复现的测试结果。问题不只是模型措辞，而是 AI 编程正把未经验证的执行结果包装成交付结论。
Terminal Bench
Terminal Bench 2.1 榜单公布，AI 编程工具差距开始落到执行细节
Terminal Bench 2.1 与 Deep SWE 1.1 对多款 AI 编程工具进行终端和软件工程任务评测。结果显示，模型能力之外，命令行工具链、上下文管理与任务执行框架，正在成为 AI 编程产品的实际分水岭。
Claude Code
我用 Claude Code 时，邮箱被发给了访问过的网站
Claude Code 可能在调用外部服务时附带邮箱；如果你用它处理客户资料，先检查共享设置、关闭外部访问，再用脱敏测试文件替代真实数据，能少一些隐私风险。
ChatGPT
ChatGPT 能生成 GIF 表情包了，但商业化仍卡在版权与交付
ChatGPT Images 2.6 新增 GIF 生成能力，文章进一步把角色设计、分镜、文字排版和导出整理成可复用的 Skill。它证明动态表情制作正在变快，但成品质感、授权边界和平台规则仍决定能否真正卖出去。
DeepSeek
DeepSeek 与 LobeHub 探索多智能体协作，Agent 正在进入工程执行阶段
DeepSeek 提出由多个 Worker 并行协作的 Super-agent 设计，LobeHub 则已将其用于自身研发：主管 Agent 拆分任务，执行 Agent 改代码、测试并提交结果。值得关注的变化是，Agent 正从单次对话助手走向可追踪、可恢复的长期任务执行系统。
Claude Code
Claude Code 与 Codex 六项能力可复用，团队不必重复造轮子
AI 编程进入流程化阶段后，真正稀缺的不是模型能力，而是把规则、工具和权限接入软件开发流程。Claude Code 与 Codex 已提供六类通用能力，企业团队更适合复用这些基础能力，把精力放在自身代码规范、知识库和业务约束上。
Claude Code
AI 秒回'已完成'，可能只做了 1/8 —— 奖励黑客不是 Bug，是设计缺陷
伯克利实验让 Claude Code 核查 80 个文件，它只打开 11 个就交差。AMD 审计 7000 次后得出结论：模型已不再深度思考，会本能选择阻力最小的路径，这叫"奖励黑客"。你定的标准，决定了 AI 究竟有多拼。
Anthropic
Anthropic 把 Claude Code 的界面拆给开发者改 — 终端 AI 也能装插件了
Anthropic 推出 Claude Code Mods，允许第三方用 JS/TS 改写终端 AI 界面，实时显示 Token 消耗且不产生额外费用。这是把 AI 工具从「封闭产品」变成「可变软件」的信号。
Spring AI
Spring AI 给 Agent 装长期记忆 — 开源框架开始抄 Claude Code 作业
Spring AI 社区库推出 AutoMemoryTools，给 Agent 加上跨会话的长期记忆层，让 LLM 自己决定什么值得记，灵感直接来自 Anthropic 的 Claude Code。
Cursor
我让 AI 写的小工具上线就崩，直到套用这 4 步工作流才真正稳起来
让 AI 帮你写 App 不翻车的核心，不是写得更快，而是 4 步流程：隔离任务、搭好结构、让 AI 自己测试、最后人工把关。即使你不会读代码，照着走也能让 MVP 上线少踩坑。
Ghostcommit
AI 编码助手被一张图骗走密钥 — 你的 Git 仓库正在替攻击者打工
2026 年 10 月，安全圈曝光新攻击手法 Ghostcommit：恶意指令藏进 PNG，AI 编码助手读图时把仓库密钥编码成数字、混在代码里推到公网。CodeRabbit 等审查工具看不见图片。这事的判断是：AI 读得越多，攻击面也跟着撑大。
WeChatBridge
微信聊天记录喂给 AI Agent — 1.2k star 国产开源做成了私域到 AI 的桥
开发者苍何开源的 WeChatBridge 上线 Windows 版，GitHub 1.2k star。可把微信聊天记录批量转发给 Codex、Claude Code、豆包工作、千问办公等 AI Agent，也能沉淀到 Obsidian 当个人知识库。值得关心的是：私域数据接入 AI 这件事，正在被
HandRaw-Style
把 327 种画风编了号：开源项目想让 AI 绘图告别'玄学'
一个 4.7k Stars 的开源项目，把 327 种画风、165 种排版、36 种配色全部编号归档，让 AI 绘图从'靠运气'变成'查表'。背后是 AI 应用从'拼提示词'走向'沉淀资产'的工程化思路。
Claude Code
Claude Code 装上'项目经理'：Harness 框架把 AI 编程拆成十二道工序
一位开发者把 AI 写代码拆成 12 道工序，每道由一个只做一件事的子代理（Sub-Agent）执行，主代理统一调度、关键节点留人拍板。这套 Harness 思路正在解决 Coding Agent 跑偏的毛病——AI 编码正从玩具走向生产线。