Anthropic 自研 Scion 版本控制系统，五个月迁完超大型单体仓库
当日合并量从 2500 次涨到 3 万次，git 成了瓶颈。Anthropic 用七人团队、五个月自建 Scion，代码检出快了两个数量级，基础设施占用降到原来的 1/200。
AI 应用
记录 AI 在设计、编程、机器人与电脑使用等实际场景中的落地。
主要来源
OpenAI (6)Anthropic (4)GitHub (3)Cursor (2)Linear (2)antirez (1)
文章
Gemini 4 Argon 发布，输出窗口拉到 100 万 token
DeepMind 把输出长度推到 100 万 token，让模型一次跑完整个仓库的重构。它在 DeepSWE 和长上下文上领先，却在 Terminal-bench 上输给 Claude Opus 5.5。
DHH 让 AI 重写 Campfire 结果证明人还得读懂代码
DHH 让 AI 智能体把 Campfire 从 Rails 重写成 Rust、Elixir 和 Go。有人逐条对比后发现，提示词没写清的地方模型全靠猜，压力测试也只测了一个指标。
AI 加速开发正在让软件故障变得不可解释
一篇被广泛讨论的批评文章指出，LLM 加速开发真正的代价不是故障变多，而是追问故障原因的习惯被正常化地放弃了，连带把责任归属也一起丢掉。
Nuanced 作者反思为什么计划模式已经不再有用
一位围绕计划模式搭建了整套桌面产品的开发者，如今说这条路走不通了。他的复盘解释了两件事：模型自己能做的决定越来越多，而人真正需要的是理解，不是一份 AI 写出来的长文档。
Whiteboard 开源人机协作画布，让智能体先把架构画出来再写代码
YC W26 团队开源的桌面应用 Whiteboard 把设计画布与代码仓库连在一起，智能体通过 SDK 在画布上绘制时序图与 ER 图，并标注自己的自主决策，人类点击图形即可跳转到对应代码。
当智能体把代码写得更快，Linear 用半年重做 CI
Linear 的 CTO 给团队开了一张“CI 成本太高”的工单。测试套件今年翻了近两番，他们把 PR 等待时间从 6 分多钟压到 5 分钟出头，每个测试消耗的机器时间也砍掉一半。
有人把 computer use 的单步成本压到了五十分之一美分
开源项目 typesafe-computer-use 不再把截图发给大模型，而是用 OCR 和无障碍树把屏幕读成确定性状态，再让小型决策模型在候选动作里选一个，单步花费约 0.0002 美元。
美国法院把购物智能体视为用户访问网站的工具
第九巡回上诉法院撤销了亚马逊针对 Perplexity Comet 的初步禁令，认为现有事实下是用户借助智能体访问亚马逊，而非 Perplexity 自身侵入网站。
真实企业代码把编码智能体的解题率压到了四成以下
Real-SWE 用获授权的私有生产代码库测试模型与编码工具组合，领先组合的通过率为 38.8%，多数困难来自遗漏业务要求和集成错误。
Herdr 让一块终端同时管理多台电脑上的智能体
Herdr 0.9 可以通过 SSH 把本地电脑、服务器和 Mac mini 上的工作区与智能体汇入同一个终端界面，让执行留在远端持续运行；跨机器协作与无感连接仍在后续路线图中。
Meta 把个人智能体装进了一台专属云电脑
Meta 发布个人智能体 Muse，用独立云端虚拟机运行浏览器与长期任务，并接入 WhatsApp、Stripe Link 和细粒度授权；它把个人智能体竞争推进到执行环境、支付与信任体系。
OpenAI 公开用编码智能体加速研究的内部数据
OpenAI 公开内部测量：研究组织中位数研究员日均消耗逾 600 美元推理、智能体工时已达人类的 3.1 倍，并宣布达成「自动化研究实习生」目标，正朝 2028 年 3 月的自动化 AI 研究员推进。
EEBench 给 AI 设计电路板打分，Claude Opus 5 暂居第一
GPT-6 Astra 演示画电路板后，其背后团队 atopile 推出 EEBench 基准：用真实元器件与 SPICE 仿真客观评测 AI 电路设计，Claude Opus 5 以 61.6% 领跑，GPT 系模型明显落后。
同样操控机械臂，Astra 比 Fable 5.1 更稳也更省 token
同一智能体策略下，Astra 在积木入碗任务上 19/20 对 Fable 5.1 的 8/20，输出 token 约少 80%；更难的拼图任务两边同为 2/20。
GitHub Copilot 推出 HydraFusion，多模型运行时编排逼近前沿质量
GitHub 在 Copilot CLI 中以研究预览形式推出 HydraFusion，在单模型、级联与独立评审三种模式间做运行时路由，比固定使用 Opus 5 质量更高且成本大幅下降。
agent.md 让 AI 编码接近手工质量，Fabien Sanglard 的实践
游戏引擎传奇 Fabien Sanglard 把对代码风格的唠叨全部写进 agent.md，让编码智能体每次开工自带规范。配合对抗上下文稀释的工程技巧，他把 LLM 编码从「能编译」推进到「接近手工质量」。
厌倦向 AI 反复描述需求，他做了个伪代码编辑器 Huzzah
一位工程师对聊天式编码智能体感到疲惫，转而用声明式伪代码文件作为持久提示，让 LLM 按 diff 重新生成代码。
Cursor 推出 Origin 代码托管 直接对标 GitHub
Cursor 开始提供代码托管服务 Origin，覆盖仓库、拉取请求与 GitHub 双向同步，并主打"智能体原生"的协作体验，正式向 GitHub 发起正面竞争。
工程师实测智能体开发工具，烧光 20 美元没跑通一个任务
软件工程师 Kira Howe 记录了试用智能体开发平台 ONA 的经历：登录反复失败，20 美元的算力被消耗在反复读取任务列表上。她认为如今的智能体开发软件大多是"水货"，营销浮夸、缺乏 QA，反而给工程师添了更多麻烦。
开发者用 Claude 生成的应用撞车开源项目，连 bug 都复刻
独立开发者用 Claude 生成的星空观测应用，被指与开源项目几乎相同，甚至复刻了原作者已修复的 bug。道歉和下线之后，AI 编程时代的代码溯源与原创性难题才刚刚开始。
Cursor 用量页移除美元金额显示 引发定价透明度争议
Cursor 将个人套餐用量页的美元计费改为 token 数量显示，用户无法直观看到花费，引发社区对 AI 编程工具定价透明度的激烈讨论。官方回应称按需用量仍显示美元金额。
Steelman Labs 剖析计算机操控智能体的架构天花板
Steelman Labs 研究发现，基于截图—工具调用循环的计算机操控智能体在 OSWorld-V2 仅 20.6% 完成率，多数任务中模型绕过界面直调 API，揭示当前架构的根本局限。
Cursor 智能体集群 Planner-Worker 架构与模型经济学发现
Cursor 发布新一代智能体集群系统，采用 Planner-Worker 分层架构成功从零构建 SQLite Rust 实现，并揭示不同模型组合在产出质量相近但成本差异巨大的关键发现。
xAI 开源 Grok Build：一个全功能的终端 AI 编程智能体
xAI 在 GitHub 上开源了 Grok Build（即 grok CLI），一个基于 Rust 构建的全功能终端 AI 编程智能体，支持 TUI 交互、MCP 服务扩展、沙箱执行和无需人工的 headless 模式。
Grepathy 让 AI 编程智能体的每个决策都可回溯
开发者发现 Claude Code 在项目中擅自创建了用户账号却无法解释原因——新开源工具 Grepathy 通过自动提取 AI 智能体的决策记录，将'为什么这样做'写入代码仓库。
antirez 谈 AI 时代的编程：控制想法，而非代码
Redis 作者 antirez 发表长文，认为在 AI 辅助编程时代，程序员应专注于控制软件的设计方向与核心理念，而非逐行审阅 AI 生成的代码。
100 行 Lisp 写一个 AI Agent：递归函数就是智能体循环
开发者用不到 100 行 Common Lisp 实现了一个完整的 AI Agent，证明智能体核心逻辑本质上只是一个递归函数，而 Lisp 的 homoiconic 特性让语言本身成为最强大的工具集。
Dan Luu 实测 AI 编程的幻觉泛滥与自动化测试解方
Dan Luu 深度剖析智能体编程的真实状态——模型大量编造结果、基准测试与实战脱节，并论证以自动化测试替代代码审查来驾驭 AI 辅助开发的效率与质量平衡。
Kimi K2.7 登陆 GitHub Copilot，开源模型首入代码助手选择器
Kimi K2.7 Code 成为 GitHub Copilot 模型选择器中首个可选的开源权重模型，由微软 Azure 托管、按用量计费，标志着 Copilot 从单一封闭模型走向多模型市场的平台化转型。
Browser Use 用 Firecracker 微虚拟机将浏览器 Agent 成本降低三分之二
Browser Use 团队重构了云浏览器基础设施，在普通 EC2 实例上运行 Firecracker 微虚拟机，将浏览器冷启动时间压缩至 400ms 以下、每小时成本降至 2 美分——为 AI 浏览器 Agent 的大规模部署提供了新的效率标杆。
SpaceX 以 600 亿收购 AI 编程智能体公司 Cursor
SpaceX 在纳斯达克上市仅数日后，宣布以 600 亿美元收购 AI 编程智能体公司 Anysphere（Cursor），将 Cursor 的产品与自家 Colossus 超级计算机结合，标志着 AI 编程智能体的商业价值达到新高度。
不花大钱在家使用AI编程的三种策略
自托管开源模型、租赁API算力、订阅前沿服务——一位工程师详细对比了在消费级预算下运行AI编程工具的经济账，并给出了一条同时适用于日常开发和智能体工作流的组合路径。
不要相信大上下文窗口——AI 编码智能体的真实注意力瓶颈
研究表明，无论模型的上下文窗口号称多大，100K token 之后便进入“盲区”——注意力急剧下降，编码智能体尤易受害。主动压缩和人工信号交接才是应对之道。
Miasma 蠕虫利用 AI 编程智能体配置文件发起供应链攻击
安全研究机构 SafeDep 披露 Miasma 蠕虫通过 GitHub 仓库中的配置文件，在 Claude Code、Cursor 和 Gemini CLI 启动时自动执行恶意代码，已感染 121 个仓库。
OpenAI 内部实验：零手写代码，用 Codex 智能体构建产品
OpenAI 团队用 Codex 代理在五个月内构建了一款完整产品，所有代码、测试、CI 和文档均由 AI 生成，无人手写一行代码。他们的经验正在重新定义软件工程师的角色。
论文解析智能体软件工程中的 Token 经济：60% 消耗在代码评审
一篇新论文分析了多智能体编程系统中的 Token 消耗模式，发现代码评审阶段占去近六成资源，输入 Token 是最大开销来源。这对理解 AI 代理的运营成本至关重要。
微软发布 MAI-Code-1-Flash，AI 编程模型进入效率竞赛新阶段
微软推出专为 GitHub Copilot 打造的轻量编程模型 MAI-Code-1-Flash，在 SWE-Bench 上全面超越 Claude Haiku 4.5，且平均节省 60% 计算 Token。
AI 时代原型迭代速度的质变
开发者 Daryl Cecile 分享了 AI 编程工具如何将他的原型制作速度提升约 4 倍，更重要的是改变了工作的「形状」——从逐行编码转向系统边界和契约设计，让曾经「想法很好但没有时间」的项目变成了一个下午就能完成的事。
Anthropic 与 OpenAI 借编码智能体找到产品市场契合点
Simon Willison 用详实数据论证，Anthropic 和 OpenAI 已将企业 AI 定价转向基于 API token 消耗的模式，证明编码智能体已在企业级预算中找到真正的产品市场契合点。
AI 智能体时代的工程组织：从审查代码到审查规范
当组织决定不再逐行审查 AI 生成的代码，软件工程的流程、职责和风险管控体系需要根本性重构。
Qwen3.7-Max：专为智能体时代打造的前沿模型
阿里的 Qwen3.7-Max 在代码智能体、MCP 集成和超长自主执行上实现突破，并在 35 小时的连续运行中独立完成了 GPU 内核优化，达到 10 倍加速。
Codex 入驻 ChatGPT 手机应用，智能体随时随地可用
OpenAI 将编程智能体 Codex 带入手机端，配合远程 SSH、程序化访问令牌和 Hooks 等企业级功能，让开发者从任意设备接入持续运行的 AI 工作流。
Anthropic 发布 AI 原生创业实战手册指导创始人用 Claude 打造公司
Anthropic 发布《The Founder's Playbook》，围绕 Idea、MVP、Launch、Scale 四个阶段，为 AI 原生创业者提供从市场验证到规模化运营的完整方法论和 Claude 实战框架。
安大略审计发现医生AI记录系统频繁编造基本信息
加拿大安大略省审计发现，20 个获批的 AI 医疗记录系统中，60% 的药物信息记录有误、45% 凭空编造患者信息，而评估体系中对准确性的权重仅占 4%。
计算机视觉操控比结构化 API 贵 45 倍
Reflex 的基准测试显示，基于屏幕截图的任务操控比直接调用 API 贵 45 倍，执行时间长 50 倍且结果不稳定，为智能体架构的经济学选择提供了硬数据。
哈佛临床试验显示：AI 在急诊分诊中超越人类医生
哈佛医学院发表在《科学》杂志上的临床试验显示，AI 在急诊分诊诊断准确率上显著超过人类医生，标志着临床推理技术的一次真正飞跃。
Claude 发布创意工具连接器 八款设计软件接入AI能力
Anthropic 为 Claude 推出了一系列创意工具连接器，覆盖 Blender、Adobe、Ableton 等八款主流设计软件，通过 MCP 协议让 AI 助手可以直接操控 3D 建模、音频制作和视觉设计等工作流。
OpenAI Codex 推出 Chronicle 屏幕上下文记忆功能
OpenAI 为 Codex 发布 Chronicle 研究预览，通过屏幕捕捉自动构建工作记忆，减少重复描述上下文的负担，同时带来隐私与注入攻击的新挑战。
DeepSeek V4 预览版把百万上下文带入开源模型竞争
DeepSeek 发布并开源 V4 预览版，提供 Pro 与 Flash 两个模型，并把 1M 上下文作为官方服务标配。这不仅是一次模型升级，也是在用成本和长上下文能力重新定义开源模型的 agent 场景。
OpenAI 发布 GPT-5.5 把 AI 工作流推向更高自治
OpenAI 发布 GPT-5.5，在保持速度的同时显著提升编码、知识工作与科研表现，更重要的是把模型进一步推向可独立推进任务的执行层。
Anthropic 推出 Claude Design 作为 AI 时代视觉设计工具
Claude Design 让设计师能够广泛探索创意方向，也让非设计背景的创始人、产品经理和营销人员能够轻松制作视觉作品——从原型、线框图到演示文稿和营销物料。
Kimi K2.6 带来开源编程与 Agent 能力新突破
Kimi K2.6 在开源编程领域取得重大进展，支持长程代码生成、设计驱动开发、智能体集群协作和主动式智能体交互，并推出 Claw Groups 研究预览版。
VS Code 默认启用 AI 共同作者提交标注
微软在一项仅改动两行的合并请求中，将 git 提交自动添加 AI 共同作者的功能默认开启，引发大规模社区不满。
Linear 发布 Agent Interaction Guidelines：智能体交互设计指南
智能体与人机交互的 6 条核心设计原则：身份披露、原生融入、即时反馈、状态透明、尊重退出、人类问责。
Variant：用 AI 无限滚动探索设计灵感
输入一个应用或网站的想法，通过滚动即可浏览 AI 生成的无限设计选项。像刷短视频一样探索设计灵感。
Mistral AI 发布 Forge：企业专有知识驱动的前沿模型系统
Mistral AI 发布 Forge，让企业基于专有知识构建前沿级 AI 模型。
OpenAI 放弃 SWE-bench Verified 转向 SWE-bench Pro
OpenAI 审计发现 SWE-bench Verified 存在严重的测试缺陷和训练数据污染问题，已停止报告该基准分数，并建议业界转向 SWE-bench Pro。
Google 发布 Gemini 3.1 Pro：新一代多模态推理模型
Figma 推出 Claude Code to Figma 功能，让开发者可以直接将代码转换为可编辑的设计稿。在 AI 时代，设计的核心工作是在无限可能性中找到最佳解决方案。