#编码

Deccy：面向AI辅助软件工程的决策管理框架

Deccy是一个pre-alpha阶段的决策管理框架，用于借助AI开展软件工程，将人类的高层决策与AI执行分离。它以deccy-cli、一组deccy-agent自定义代理以及deccy-viewer的形式发布，后者将决策及其关系可视化为有向无环图，其中每个决策都带有理由，并依据其依赖关系进行评估。该团队面向意图容易丢失的长期项目，并据轶事反馈称，在采用deccy建模的项目中，编码代理所需的引导更少。

关于用 AI 智能体构建形式化工具的初步建议

Oath Technologies 的 Mike Dodds 分享了几个月来构建语义、验证器和证明工具链的笔记，其中大部分工作由 AI 智能体完成。该演讲基于这些实践经验，就使用 AI 构建形式化工具提出了初步建议。

Show HN：AlgoCademy 让你在真实工单上借助 AI 练习编程

AlgoCademy 在 Show HN 上线了一个练习平台，开发者要在五个 Python 和 JavaScript 代码库中处理 30 个工单，指挥一名 AI 队友写代码、跑测试，而该队友会故意犯下逼真的错误。每个工单从提问、指挥、验证、保护和性能五个维度评分，首个 Lakeside Wheels 工单免费，含 25 次 AI 回复。Pro 为月度订阅，覆盖 25 个工单和 50 次回复，另有积分包：19.99 美元 200 次回复，49.99 美元 600 次。

测试即数据：一种保持 AI 生成代码可验证的方法

Martin Fowler 提出将测试写成数据而非代码，这样当编码智能体也重构测试时，AI 生成的生产代码仍可验证。该方法结合客户测试、黑盒测试、表格或 YAML 测试用例，以及 AI 生成的测试运行器，测试数据保存在文本文件中，更易于审查并防止意外修改。文章基于 2026 年初对 26 位 Thoughtworks 开发者的访谈，他们表示一旦 AI 重构测试，他们就不再完全信任这些测试；文章还将该方法与变异测试、基于属性的测试和人工探索性测试相结合。

Google 发布 Gemini 4 Hydrogen，声称速度是 Gemini 3.8 Flash 的 2.5 倍

Google 发布了 Gemini 4 Hydrogen，这是 Google DeepMind 的一款闭权重模型，定位低于 Gemini 4 Carbon 和 Argon，作为编码和智能体工作流的日常主力。它提供 1,048,576 token 的统一窗口，四档思考级别（默认高档），API 定价为每 100 万输入/输出 token 1.50/7.50 美元，全窗口统一价格。Google 报告称其在 Terminal-Bench 4.1 上达到 57%，而 Gemini 3.8 Flash 为 18.2%；在 Artificial Analysis Intelligence Index 上得分为 51，但该模型在 Agent Arena 上仅排名第 5；在 Antigravity 中与 Carbon 搭配使用时，配额消耗比单独使用 Carbon 少 24%，完成速度快 19%。

同一件事，精选收录的是《Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows》

AI 是否存在“适量”一说？关于软件中 LLM 使用的辩论

一位自称对 AI 持怀疑态度但并非反 AI 的作者认为，软件中 LLM 的使用不存在可接受的“适量”，并援引 Overcast 由 Claude 生成的代码以及 Big Walk 披露其代码中仅不到百分之一的百分之一被 LLM 触及为例。他主张，使用 LLM 就意味着参与一个剥削性系统，并指出越来越多证据表明依赖编码代理的开发者正在出现“去技能化”。

研究发现：2026年上半年13.7%的新npm包存在AI风格的过时版本锁定

Kobi Mozgori抽样了25万个npm包，发现新包中锁定依赖版本大多为已被取代的整数x.0.0版本的比例，从2019年至2024年初的1%–2.4%基线，上升至2026年上半年的13.7%，并在2026年下半年至11月初降至7.6%。2021–2023年，锁定依赖在包创建时的中位年龄约为155天，而2026年第二季度为451天；创建时几乎所有锁定版本均为最新发布的包占比从约28%降至约10%。作者将该模式表述为推断而非证据，因为注册表元数据无法显示是谁或什么编写了清单，并指出2026年中期以来的下降尚无解释。

ArtCraft 克隆 Photoshop 和 Acrobat，现在目标是把一切重建为开源软件

ArtCraft 创始人兼 CEO Brandon Thomas 在旧金山举行的 AI Engineer Code Summit 上发表了一份关于基于 AI 的开源的宣言，称公司已发布 17 个流行软件工具的开源版本，包括用 Rust 构建的 Photoshop 替代品 PhotoCraft 和一款名为 PdfCraft 的 PDF 工具。

Loose Ends：对 AI 代理遗留的未使用代码进行存活性检查

Loose Ends 是一款新的 CLI 工具，用于检查变更中添加或修改的代码是否仍可从真实入口点到达，标记出孤立的新增代码、新近孤立的代码以及被替换后仍留在原地的实现。它跨 TypeScript、JavaScript、Python 和 Java 构建存活性图，并且只报告本次变更所造成的影响，因此已有的死代码永远不会阻塞拉取请求。可通过 npm 安装，需要 Node.js 20 或更高版本以及 git。

GitHub 上星标最多的 AI 工具中，有多少是由编码智能体编写的？

对 GitHub 上 52 个星标最多的 AI 工具仓库的完整 git 历史（共 324,088 次提交）进行分析后发现，中位数仓库在其最后 180 天的活动中有 16.9% 的提交带有 AI 签名，52 个仓库中有 21 个达到 25% 或以上。星标数与 AI 签名占比之间未发现可检测的关联（Spearman ρ = -0.05，p = 0.72），且 36,892 次签名提交中有 85.3% 来自 Claude，其工具默认会添加 trailer。作者提醒，大量使用 AI 的情况集中在 2025 年或之后启动的项目中，因此样本无法将 AI 使用与项目新旧程度区分开来，且每个 AI 百分比都是下限。

Google 发布 Gemini 4 Hydrogen，一款面向编程和智能体工作流的快速执行模型

Google 推出 Gemini 4 Hydrogen，这是一款为日常编程和智能体工作流中的快速执行而构建的模型，已在 Gemini API、AI Studio、Gemini for business、Gemini 应用、Google 搜索和 Google Antigravity 上全球上线。

同一件事，精选收录的是《Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows》

CodeRabbit 年经常性收入突破 1 亿美元，智能体软件治理需求增长

CodeRabbit 的年经常性收入已突破 1 亿美元，服务超过 20,000 家客户、120,000 名日活跃用户、300,000 多个开源项目以及超过 850 万个已连接的代码库仓库。该公司表示，工程团队现在每周通过 CodeRabbit 运行超过 300 万个拉取请求，并已在代码进入生产环境之前发现超过 1 亿个问题。CEO Harjot Gill 认为，在智能体规模下，没有人能够逐行审查每一处变更，因此需要一个独立的检查层，而不是由编写代码的智能体来承担这一职责。

Gondola 收入翻倍，团队借助 Codex 完成更多工作

Gondola 在扩大对 OpenAI Codex 的使用的同时，收入翻了一番；Codex 使其首席工程师的产出提高了 50%。这家帮助创意工作者获得署名和就业机会的公司还使用 ChatGPT 简化日常工作。

Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进

Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。

微软研究院焦点版第98期：AI翻译、KLS猜想证明与更快的编码智能体

微软研究院焦点版第98期重点介绍了AI进展使通用翻译更接近现实，以及一项新证明解决了高维几何中悬置31年的KLS猜想。本期还涵盖CompactionBench和APEC，它们将编码智能体的上下文压缩成本最多降低25.4%，执行时间缩短9.6%，以及Latent Core Tokenizer，它在104种语言上改进了分词。

Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进

Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。

使用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关

一个基于 Amazon Bedrock Application Inference Profiles 和运行在 AWS Fargate 上的 LiteLLM 构建的自助式 LLM 网关，通过 OpenAI 兼容 API 对外暴露 Bedrock 基础模型，为开发者提供单一 base URL 和每用户密钥。该方案增加了每用户支出控制、按模型配额隔离以及 CloudWatch RPM/TPM 可观测性，并使用 Langfuse 实现提示词级遥测。自助发放密钥需要 LiteLLM Enterprise，因为免费版仅限五个用户。

Moonshot AI 的 Kimi K3.1 Pro Highspeed 在 Amazon Bedrock 上线

Moonshot AI 的 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 上可用，它是 Kimi K3 的后训练版本，具有相同的 3T 级开放权重架构和 100 万 token 上下文窗口，使用更多后训练算力进行训练，以支持长时程智能体工作并减少事实性错误。Moonshot AI 报告其输出速度是 Kimi K3.1 Pro 的 2–3 倍，现有 Kimi K3 用户可以通过更改模型 ID 进行切换。该文章展示了 Chat Completions、Responses 和 Converse API 调用、价格为 Standard 一半的 Flex 层级、使用 prompt_cache_breakpoint 的显式提示缓存，以及将模型连接到 OpenCode 编码智能体。

游戏的下一个起源故事：AI如何加速独立开发者、工具制造商和世界构建工作室的发展

a16z的Anish、Jon和作者认为，AI可以加速游戏三大核心原型——独立开发者、先知型工具制造商和世界构建工作室——而不是取代它们。编码智能体现已帮助独立开发者弥合技能差距：一个智能体在Blender和一个引擎中搭建了一家受Habbo Hotel启发的唱片店，随后加入了宠物领养机制，并保持代码库向后兼容。Jon使用ChatGPT和Codex为他八岁的儿子制作了一个受《Ghost of Tsushima》启发的Minecraft模组。

Holiday Extras 使用 Codex 将客户专业知识转化为更好的应用

Holiday Extras 正在使用 OpenAI 的 Codex，将客户专业知识转化为更好的应用、更高的预订转化率和新的增长机会。这家旅行附加服务公司正在重新思考借助该编码模型可以构建什么。

用 Gemini 4 Carbon 在 Antigravity 中将 NetHack 重制为 3D 动作 RPG

一位开发者使用 Google Antigravity 平台中的 Gemini 4 Carbon，将 1987 年的 roguelike 游戏 NetHack 重制为现代 3D 动作 RPG，并将其移植到 Web 技术和 wasm 上。该构建依赖 /swarm 功能，该功能会生成具有独立上下文的子代理来互相审查输出，此外还使用了用于 3D 资产生成的 Blender MCP 服务器。Gemini 4 Carbon 可通过 Google AI Ultra 计划使用。

Simon Willison 为其 vibe-coded 工具站点新增基于标签的浏览功能

Simon Willison 为 tools.simonwillison.net 新增了基于标签的浏览功能，让访客可以按标签浏览他收集的 244 个 vibe-coded 工具。他使用剩余的 Fable 5.2 额度，让 tree-sitter 分析每个工具的代码，以识别其中的 JavaScript API、库和 Web API 主机。首页现在会为上述每一类标签类别显示标签云。

《Big Walk》用AI修复Bug，引发独立游戏界清算

独立游戏《Big Walk》使用AI修复了一个Bug，这一披露在独立游戏界引发了清算。许多独立游戏节评委现在表示，任何程度的AI编程都不可接受。

Fable 5.2 还是 Opus？在 Claude Code 中何时使用哪个模型

Claude Fable 5.2 现已可用，一份新指南说明了在 Claude Code 中何时从 Opus 5.5 起步、何时升级到 Fable 5.2，或降级到 Sonnet 5.5 或 Haiku 5.5。指南还涵盖如何将一项任务拆分到多个模型上执行，其可用性与使用限额因套餐而异。

谷歌工程师用 Gemini 4 Argon 和 Z3 捕获 fuzzing 漏掉的 Go 边界检查缺陷

一位负责谷歌 agent skills 项目的工程师构建了一条流水线：Gemini 4 Argon 读取 Go 源码和 RISC-V 反汇编，将存活的 runtime.panicBounds 陷阱转换为 Z3 约束，然后 go test 将任何满足条件的输入重放为真实复现用例。该工作流捕获了 skill-lint 中全部三个植入缺陷和三个潜在缺陷，而未设种子的 go test -fuzz 漏掉了两个植入崩溃，因为 Go 按容量而非长度检查切片。用 data[:len(data):len(data)] 将容量裁剪到长度后，fuzzer 在三次运行中均使两个越界缺陷崩溃，中位数分别为 0.28 秒和 0.17 秒。

OpenAI工程师在AI Engineer Code Summit上详述使用Codex的新工作方式

OpenAI开发者体验工程师Dominik Kundel和Charlie Guo在AI Engineer Code Summit上发表了题为“New Ways of Working with Codex”的演讲，内容涵盖DevDay上宣布的改版Codex Cloud v2、作为管理编码线程控制平面的语音模式，以及名为dots的个人代理。Kundel表示，Codex Cloud现在充当后台执行器，允许本地Codex将任务移交给云端，但他承认云端工作流仍需变得更简便。

Grok Build 编程智能体泄露数千用户的机密数据，包括 SpaceXSI

安全公司 Claroc 发现，SpaceXSI 的 vibe-coding 智能体 Grok Build 通过可分享的应用链接泄露了数千用户的专有商业信息和其他敏感机密。尽管 Grok 对 URL 进行了随机化处理，只有持有确切链接的人才能访问数据，但一项设计决策使得任何人都能枚举出数千个活跃项目，而点击这些链接通常会暴露所有相关数据。泄露的材料包括内部商业计划、广告提案、体检结果、邮轮厨房检查清单，以及员工姓名和身份证号，其中部分来自 SpaceXSI 自身构建的 24 个应用，包括一份机密入职计划、一张涵盖 594 个账户的销售区域地图，以及销售工具的内部系统地址。

NaiveAI 的 Naive-N0.5-Flash 声称每秒 2,100 个 token：它的编码能力如何？

Latent Space 测试了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，这是一个源自小米 MiMo-V2.5 的编码模型，搭配 NaiveRT 推理引擎，并与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 进行了对比。在作者的运行中，它峰值接近每秒 2,000 个 token，在思考密集型任务中持续约 1,000 个 token，中位响应时间为 3.1 秒，而两个对比模型分别为 5.3 秒和 10.1 秒。在困难的 HLE 问题上，开启思考时它平均完成约 108,500 个 token，约为 GLM 5.3 Flash 的九倍和 DeepSeek V4.1 Flash 1017 的 11 倍，作者指出样本为每个难度级别 10 个问题，且未进行准确性评分。

Google DeepMind 发布 Gemini 4 Carbon，面向智能体编程、网络安全与科学推理

Google DeepMind 向开发者、企业、科学家和消费者开放了 Gemini 4 Carbon，将其定位在 Gemini 4 Argon 之上，适用于需要更深层推理和更多 token 的任务。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，每任务成本比次优外部模型低 2 倍以上，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的 introductory 价格相同。Google 还预览了 Google Antigravity 中的 /swarm，可将单个提示转化为协同工作的智能体团队，并报告 Carbon 在模拟网络攻击测试中拦截了 99% 的攻击轨迹。

Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，在 IPO 路演启动之际重夺 LLM 榜首

Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2，二者在多数独立排行榜上位居榜首，包括 Artificial Analysis Intelligence Index v5（65 分）和 SemiAnalysis GDPx（16.4%）。价格下调 20%，降至每 100 万输入/输出 token 8 美元/40 美元，但 SemiAnalysis 报告称，每项 GDPx 任务的成本从 67.16 美元升至 88.15 美元，因为该模型会编写数百到数千个测试用例，并启动子代理来检查其工作。多项评估显示，max effort 级别的表现不如 high，且 Fable 被限制为每周订阅额度的 50%。

Anthropic 记录了一项提示词调整，使 Claude Fable 5.2 合并重复代码

Anthropic 为 Claude Fable 5.2 编写的文档称，该模型会密切关注其所处理代码的归属者。在小型编码任务的测试中，当提示词未提及归属时，模型在不到 10% 的运行中合并了重复代码；而当提示词说明代码库属于模型自己时，这一比例约为 75%。建议的句子是：你是这个代码库的所有者和长期维护者，它的设计由你决定。

Anthropic 发布 Claude Fable 5.2，面向高难度技术工作

Anthropic 发布了 Claude Fable 5.2，这是一款为最艰巨的技术挑战和雄心勃勃的开放式项目而设计的模型，在编码、推理和视觉方面均有提升。公司建议大多数编码和知识任务从 Opus 5.5 开始使用；Fable 5.2 即日起在 Pro、Max、Team 和 Enterprise 套餐中提供。

评测：Gemini 4 Carbon 的编程能力超过其判断力

Every 的实测评测发现，Google DeepMind 今日发布的 Gemini 4 Carbon 在编程上比 Gemini 4 Argon 强得多，能构建更好的 3D 物体，并可在极少监督下连续工作数小时。测试者对其需要多少监督意见不一，评测称早一天发布的 Anthropic Fable 5.2 抬高了期待：旗舰智能体还应选对工作、遵守限制并知道何时完成。Google 向 Every 提供了提前访问权，未对评测施加影响。

Meta 发布 Muse Ember，其最小、最高效的智能体任务模型

Meta 发布了 Muse Ember，这是其最小、最高效的模型，面向智能体全天执行的重复性工作，例如工具调用、编码子任务、路由、抽取和长文档解析。Meta 称其在约三分之一成本下达到 Claude Haiku 5.5 的最佳分数，并击败 GPT-6 Luna 的所有配置，价格为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。该模型配备 100 万 token 上下文窗口、最高 51.2 万输出 token，原生支持文本、图像、音频和视频输入，即日起在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 提供。

Every 评测：Fable 5.2 几乎无需引导即可构建完整产品

Every 报道称，Anthropic 的最新模型 Fable 5.2 让 Kieran Klaassen 构建了一款视频编辑器，融合了 Adobe Premiere、After Effects 和 Ableton 风格的功能，并由一个 AI 智能体运行，Everycut 在他开始三天后上线。该评测称，Fable 5.2 能承接整个产品，并持续构建、测试和优化，直到可日常使用；相比之下，Opus 5.5 需要用户不断检查其工作，而 Fable 5 和 5.1 则能连续数小时或数天运行大型任务。Every 称这是其测试过的首个让专业人士无需阅读底层代码就能构建生产级工具的模型。

超越代码生成：开发者的智能体工程指南

GitHub 发布了一份面向开发者的智能体工程指南，介绍了 Copilot 如何支持软件工作中的规划、构建、验证和观察四个阶段。该指南引用了 GitHub 今年 10 月单周 12 亿次提交的数据，比一年前增长超过 400%，还引用了 Faros AI 的一项研究：随着团队从低 AI 采用率转向高 AI 采用率，拉取请求在审查环节的停留时间延长了 441%。指南详细介绍了多项功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、云沙箱、会话连续性、共享记忆、Copilot Dreaming 和 Copilot Fusion。

谷歌研究发现，过时的 TODO bug 引用在 13% 的会话中分散了编码智能体的注意力

) 引用。智能体在 6% 的遇到情况下对 bug ID 采取了行动，其中 83% 的行动并非由开发者提示；41% 的未提示绕行追逐的是已关闭的工单，而 57% 触及的是仍然开放的 bug 并扩大了范围。在控制开发者、代码库复杂度、任务类型、模型层级和其他因素后，未提示的 bug 绕行使每次会话增加了 70% 的步骤、77% 的 token 和 105% 的等待时间。

微软研究院的 PDD Kit 对智能体编写的全栈 Web 应用进行形式化验证

微软研究院推出了 PDD Kit，这是一个研究原型，可将开发者的自然语言意图转化为 Verus 形式化规范，证明编码智能体生成的 Rust 代码对任意输入均满足该规范，并在证明无法覆盖之处回退到测试。在 GitHub Next 的 Chopin 中进行的一次演示中，团队使用 PDD Kit 验证了 Pet Store 的登录逻辑——这是一个约 5,000 行的 Rust 全栈应用——开发者审查的是意图产物，而非逐行审查生成的代码。PDD Kit 目前仅能验证 Rust，其保证依赖于六个经开发者批准的可信组件，包括 bcrypt 密码校验和两次数据库查询。

Thinking Machines 发布 Inkling 2 Small，在 Artificial Analysis 智能指数上得分 31

Thinking Machines 发布了 Inkling 2 Small，这是一款专有推理模型，在 Artificial Analysis 智能指数 v5.0.1 上得分 31，比 Inkling Small 高 18 分，并计划在稍后一个尚未确认的日期以 Apache 2.0 许可证开放权重。该模型拥有 594B 参数（17B 激活），首先通过 Tinker 和 Tinker Playground 提供，价格为每 100 万输入/输出 token 0.30/1.00 美元；它在编码和幻觉基准上与 Gemini 3.8 Flash（high）持平，但落后于 Claude Sonnet 5.5。它在每个智能指数任务上平均输出约 150K token，约为 Inkling Small 的 4 倍，每任务成本为 1.18 美元，而后者为 0.20 美元。

软件工程正在如何改变：两个时代的对比

软件工程师 Neil Kakkar 报告称，他在 AI 原生初创公司 Tano 每月提交 200 多个拉取请求，约为他在 PostHog 时速率的 11 倍，也约为其早期产出的十倍。他将这一跃升归因于 AI 智能体取代了代码审查和沟通开销，同时指出新的成本，如上下文频繁切换、共享上下文丢失以及 AI 计划限制。