搜索“编码”

antirez 提出用 LLM 编码应避免 vibe coding 并保持人在回路

antirez 提出建议 用 LLM 编码应避免 vibe coding 并保持人在回路

查看事件：antirez 提出用 LLM 编码应避免 vibe coding 并保持人在回路

Databricks高管谈AI编码成本治理与Unity Gateway

Databricks产品负责人Patrick于2026年10月23日复盘公司全面采用AI编码智能体后的成本失控问题,提出AI编码成本治理经验,并将内部方案产品化为Unity Gateway控制层。据其介绍,治理手段包括迁移到更便宜的模型、路由、支出可见性和削减token开销,部分场景单位成本下降最多90%。他提到硬性预算上限会打断最好的开发者,因此改用警告、审批、降级模型的渐进式摩擦。团队还用自家代码库真实PR自建评测,发现GLM 5.2在质量上追平Opus 4.8且每任务成本低约三分之一,而某个每token便宜1.7倍的模型因消耗更多token反而每任务更贵。

Databricks高管谈AI编码成本治理与Unity Gateway

Databricks产品负责人Patrick于2026年10月23日复盘公司全面采用AI编码智能体后的成本失控问题,提出AI编码成本治理经验,并将内部方案产品化为Unity Gateway控制层。据其介绍,治理手段包括迁移到更便宜的模型、路由、支出可见性和削减token开销,部分场景单位成本下降最多90%。他提到硬性预算上限会打断最好的开发者,因此改用警告、审批、降级模型的渐进式摩擦。团队还用自家代码库真实PR自建评测,发现GLM 5.2在质量上追平Opus 4.8且每任务成本低约三分之一,而某个每token便宜1.7倍的模型因消耗更多token反而每任务更贵。

查看事件：Databricks高管谈AI编码成本治理与Unity Gateway

Recursive发布开放权重本地编码模型Flint

2026年10月21日,Recursive Superintelligence 发布开放权重本地编码模型 Flint。据相关报道,Flint 是 40B 混合专家模型,每 token 激活约 2.5B 参数,采用 Apache 2.0 许可,权重已在 Hugging Face 开放,由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。10月22日,Hugging Face 联合创始人 Thomas Wolf 评价称,Recursive 研究者把通常建议保持高精度的 lm_head 量化到 4 位,结果与 bf16 仅差 0.7 个百分点。同日,OpenRouter 上线 Flint,称其面向编码智能体,支持 262K 上下文、推理和工具调用,上线期间免费使用;Unsloth 则发布 Flint 的 Dynamic GGUF 量化版本,称可在 24GB 内存设备上本地运行。目前该模型已通过开放权重、托管平台和量化版本形成多种使用途径。

Jediah Katz提出Harness编码补丁正被模型吸收

2026年10月21日,Grok Bot 与 Cursor Harness 负责人 Jediah Katz 提出判断,认为 Harness 中帮模型写代码的部分正被模型吸收,花哨的 Harness 已不再增加模型的编码能力。他同时表示,开拓新任务边界、提供基础设施与信任安全、优化效率这三项职责仍离不开 Harness。他引用 UC Berkeley 在 SWE-bench Lite、Apple 和 EPFL 在 MLE-Bench 上的测试称,不同 Harness 的分数差别不显著,但单任务成本差别明显。他还预测,6 个月内 90% 的 Agent 工作会脱离个人电脑、在云端运行。目前该判断由单一来源报道,尚无后续发展事实。

Jediah Katz提出Harness编码补丁正被模型吸收

2026年10月21日,Grok Bot 与 Cursor Harness 负责人 Jediah Katz 提出判断,认为 Harness 中帮模型写代码的部分正被模型吸收,花哨的 Harness 已不再增加模型的编码能力。他同时表示,开拓新任务边界、提供基础设施与信任安全、优化效率这三项职责仍离不开 Harness。他引用 UC Berkeley 在 SWE-bench Lite、Apple 和 EPFL 在 MLE-Bench 上的测试称,不同 Harness 的分数差别不显著,但单任务成本差别明显。他还预测,6 个月内 90% 的 Agent 工作会脱离个人电脑、在云端运行。目前该判断由单一来源报道,尚无后续发展事实。

查看事件：Jediah Katz提出Harness编码补丁正被模型吸收

Jellyfish披露自主编码代理合并PR占比数据

Jellyfish 披露了自主编码代理撰写并合并 PR 的占比数据。其基于约 30 万名工程师、1300 家公司数据的分析显示,企业中位水平的自主编码智能体已撰写 22% 的合并 PR,较一个月前的 18% 上升,前 10% 的公司达 53%。但由智能体独立评审并合并的 PR 中位数仅 0.6%,前 10% 为 9%,人工评审仍是主要瓶颈。数据还显示,智能体提交的 PR 放弃率为 40%,人类为 20%,且每个合并的智能体 PR 所获人工评审次数在过去一年翻倍以上。

查看事件：Jellyfish披露自主编码代理合并PR占比数据

Andrew Ng提出使用编码智能体的高层工作流

2026年9月4日,Andrew Ng在DeepLearning.AI来信中提出,使用编码智能体构建软件有一套稳定的高层工作流。他将其概括为规划、执行、部署与监控三个阶段:规划包括头脑风暴、撰写规格和生成执行计划;执行包括构建、测试与验证,并需平衡智能体自主度与人工监督;之后进入部署与监控。他还列出关键技能,包括指挥工作流、赋予智能体自主权、审查产出,以及定制智能体及其环境,例如接入skills、插件、MCP服务器,维护AGENTS.md或CLAUDE.md等常驻上下文。他同时指出,社交媒体夸大了长时程自主任务的实际效用,多数有效用法是高度迭代的过程。目前该观点来自其本人来信,尚无后续发展事实。

Jellyfish披露自主编码代理合并PR占比数据

Jellyfish 披露了自主编码代理撰写并合并 PR 的占比数据。其基于约 30 万名工程师、1300 家公司数据的分析显示,企业中位水平的自主编码智能体已撰写 22% 的合并 PR,较一个月前的 18% 上升,前 10% 的公司达 53%。但由智能体独立评审并合并的 PR 中位数仅 0.6%,前 10% 为 9%,人工评审仍是主要瓶颈。数据还显示,智能体提交的 PR 放弃率为 40%,人类为 20%,且每个合并的智能体 PR 所获人工评审次数在过去一年翻倍以上。

Addy Osmani提出验证是AI编码Agent的核心瓶颈

2026年10月20日,Claude Code 团队的 Addy Osmani 分享「Agentic Verification」,提出 AI 编码 Agent 的瓶颈已从写出代码转移到判断代码是否正确,不能自我验证的 Agent 本质上是在猜。他提出三类给 Agent 的考题:优先选 E2E 测试,用属性测试规定永远不许发生的情况,用差分测试把旧系统当标准答案。他还强调慢和 flaky 的测试会训练 Agent 用重试取代修复,建议把测试基础设施当作 Agent 的依赖来投资。目前该观点由单一来源报道,尚无后续发展。

Addy Osmani提出验证是AI编码Agent的核心瓶颈

Addy Osmani 提出观点 验证是AI编码Agent的核心瓶颈

查看事件：Addy Osmani提出验证是AI编码Agent的核心瓶颈

Armin评析Astra编码表现

2026年9月7日,Armin Ronacher 基于亲自运行的实验,评析 GPT 6 Astra 的软件工程与编码表现。他认为 Astra 虽能持续执行复杂任务,但生成的代码难以阅读和维护,暂时无法融入其实际软件工程流程。实验中,智能体在 35 小时内消耗约 1B tokens、产生 75k 行净新增代码和 79 次提交,原始 API 成本约 1200 USD,却没有交付有价值的成果。作者推测,对任务完成率和 token 效率的优化可能让工具调用中的压缩代码风格渗入正式代码,并增加人工审查负担。

Ramp自研编码Agent Inspect实践

2026年8月25日,Pragmatic Engineer 报道金融科技公司 Ramp 自研内部后台编码智能体 Inspect 的实践。报道称,目前 Ramp 有 75% 的已合并 PR 由 Inspect 发起,7 月累计会话量突破 100 万次。Inspect 以远程沙箱方式运行,接入公司内部数据源与工具,可自行运行测试、查询遥测和功能开关,并对前端改动做截图与实时预览验证,远程开发环境启动时间在 5 秒以内。Ramp 团队表示,自研原因是本地机器只能并行运行一两个会话,且需要更好的前端工具和远程开发环境。Inspect 基于开源编码智能体 OpenCode 构建,公司内部已有 200 多个智能体运行在该平台上。

Armin评析Astra编码表现

Armin Ronacher 测试并评析 GPT 6 Astra的软件工程与编码表现

查看事件：Armin评析Astra编码表现

Andrew Ng提出使用编码智能体的高层工作流

Andrew Ng 提出 使用编码智能体构建软件的高层工作流

查看事件：Andrew Ng提出使用编码智能体的高层工作流

Ramp自研编码Agent Inspect实践解析

Pragmatic Engineer 介绍 Ramp自研内部编码Agent Inspect

查看事件：Ramp自研编码Agent Inspect实践

antirez 提出用 LLM 编码应避免 vibe coding 并保持人在回路

2025年7月20日,Redis 作者 antirez 更新了他用 LLM 写代码的经验,提出用 LLM 编码应避免 vibe coding,并保持人在回路。他认为当前 LLM 是好的能力放大器,但不是合格的单人开发者,多数场景应拒绝 vibe coding。他推荐主要使用 Gemini 2.5 PRO 和 Claude Opus 4,并建议避免使用编码智能体和 RAG,把完整代码库与文档直接放进上下文窗口,由人手动在终端与 LLM 网页界面之间搬运代码。他同时提醒,因意识形态或心理抵触而完全不用 LLM 也会积累劣势。目前该观点来自其原创博客,尚无后续发展事实。