搜索“编码”

空白。 当然，转机仍出现在模型代际上。 9月下旬，Claude Opus 5.5的发布，让运行成本比上一代低40%，Anthropic在聚合平台上的调用热度迅速回升。这也意味着，“模型能力领先”仍然能带来定价权，但这个窗口期的长度，正在被对手的折扣和跟进速度持续压缩。 Rippling的案例就是一个切片。 2026年5月，开发者使用Anthropic模型处理编码工作的比例是57%，OpenAI只有16%。几个月后，OpenAI用正常价格20%到40%的折扣加赠送额度抢单，比例逆转为OpenAI 52%、Anthropic 18%。 而Replit，在OpenAI给出年额超1亿美元、折扣超30%的方案后，将主力模型切了过去。 业内人士认为，本质在于Anthropic的定价策略偏强硬，客户一旦触及合同用量上限，折扣直接取消。但当对手愿意用负利润率换份额的阶段，Anthropic就没了优势。 相对于Anthropic的巨额亏损，SpaceX三季度财报则提供了另一个参照样本。 2026年10月20日，SpaceX发布了第三季度财报，营收145.75亿美元，净利润44.04亿美元，实现了上市后首

匹配字段正文

增大、示例增多或指令微调而消失。 作者建议报告在多种合理提示词格式下的性能区间，而不是单一数字。对工程团队而言，实际教训更简单：修改提示词就是修改代码。它需要版本历史，也需要在到达用户之前经过测试。 同样的道理适用于工具描述，模型会将其作为提示词的一部分来读取。Anthropic 的指南建议，工具定义应当获得“与主提示词同等的提示词工程关注”。指南描述了一个编码智能体，它反复在相对文件路径上出错。当工具被改为要求绝对路径后，模型便不再出错地使用它。模型没有变，变的只是它读到的描述。 一次成功说明不了什么 第二条研究线索关注一致性。由 Sierra 的 Shunyu Yao 及其同事发布、并在 ICLR 2025 上展示的 τ-bench 基准模拟客服对话，其中智能体必须使用工具并遵循业务规则。作者引入了一个名为 pass^k 的指标：智能体在全部 k 次尝试中都正确解决同一任务的概率。 结果令人清醒。一个 GPT-4o 智能体单次尝试可解决约 61% 的零售任务。当它必须连续八次在同一任务上成功时，这一比例降至约 25%。一次能跑通的演示，几乎说明不了系统在第一千次运行时会有怎样的表现

匹配字段正文

径是否有效。 读这篇文章时我至少挑了十几次眉。我很难想象这种开发风格能用在出错代价更高的软件上，但对于一款游戏来说，这似乎效果出奇地好。 Jacob 说，Fable 5（以及后来的 5.1）正是让这种自主程度成为可能的模型。Opus 5.5 对他们来说不太够用，而当他们尝试用 GPT-6 Astra 来应用安全审查中的修复时，一切都停摆了： 每一项功能都被禁用了，并被标记为在安全修复完成后重新开启。Astra 遍历了我们整个产品，通过把不安全的东西关掉来让它们变得安全。 正是这类极端实验让我对游戏开发作为探索当今编码智能体能力边界的载体感到兴奋。 发布于 2026年10月29日下午5点 近期文章 氛围游戏开发的十月拐点 - 2026年10月28日 Battle Drones——一款氛围编码的、基于音频多人的 RTS - 2026年10月20日 你好 Python 3.15，再见 3.10，现在我可以使用 3.11 了 - 2026年10月12日 我博客的一个新功能，用我的声音构建 - 2026年10月9日 这是 Simon Willison 的链接文章，发布于 2026年10月29日。

匹配字段正文

可跨现有工具工作、对告警进行分诊，并在团队定义的权限范围内采取行动。分析师可以审查结果、改进流程，并选择哪些环节需要审批。团队已经掌握如何执行的调查，此后便可反复进行，而无需有人手动走完每一个步骤。 保障企业内部的 AI 安全 AI 已经融入企业工作之中。92% 的受访者表示至少有限度地在生产环境中使用了员工生成式 AI 工具，83% 表示在生产环境中使用了编码助手或智能体，55% 已在生产环境中部署 MCP 服务器或其他智能体与应用的集成。 这些系统可以访问源代码、检索公司文档，并跨应用执行操作。一家餐饮软件公司的安全负责人提出了许多团队正面临的问题：“你怎么才能真正知道这些智能体在做什么？” 这些担忧是具体的。47% 的受访者将员工向 AI 工具泄露敏感数据列为最大的担忧之一，46% 提到智能体超出其权限或被攻陷。另有 29% 担心提示注入或通过 AI 应用造成的数据泄露。 对许多企业而言，这些问题已经在拖慢部署。63% 的回复表示安全至少在一定程度上减缓了 AI 的采用，包括审查、审批要求以及对特定用途的限制。 安全团队需要知道哪些工具和智能体正在运行、它们归谁所有、它们能访问什

匹配字段正文

小标题 vibe 游戏开发的十月拐点 2026年10月28日 我之前写过，2025年11月是编码智能体的一个拐点——在那一刻，Opus 4.5 和 GPT-5.1 跨过了一个临界点，意味着它们各自的编码智能体成为了软件工程师可靠的日常工具。我认为我们在2026年10月又到达了一个新的拐点，而这一次是针对 vibe coding 电脑游戏。 四倍的侮辱 如果有人真的投入了功夫会怎样？ 你应该做一个游戏！ 尤其是 Claude Opus 5.5，在构建一款引人入胜的游戏所需的几个方面都展现出了有意义的改进： 3D 建模 音乐生成（参见 Scrimshaw Jukebox） 游戏设计（！） 最后一项尤其重要。模型们早就能做出看起来像游戏的东西了，正如我之前的实验所示。挑战一直在于做出一个真正好玩的游戏。 游戏设计是一个深奥的学科领域。我不会假装自己精通它——我懂得足够多，足以把它当作一门手艺来尊重。创造一个新颖、引人入胜的游戏循环，在恰当的难度上挑战玩家，并提供令人满意的学习曲线，是一门精妙的艺术。我原以为模型做不到这一点。 然后我试着告诉 Claude Opus 5.5“让它有趣得多”……

匹配字段正文

Space 同样的分离也为安全提供了有用的架构特性。如果生成的代码运行在一个永远不会收到服务凭据的沙箱中，那么该沙箱中就没有可供代码读取的凭据。本期节目描述了凭据单独持有并通过代理挂载，同时对沙箱流量可以流向何处进行控制。Anthropic 的隔离性文章描述了其产品中使用的更广泛的隔离与网络控制措施。 这种区分对性能也很重要。嘉宾们说，早期的一种做法是把整个编码智能体放在 API 后面的沙箱中。启动环境和智能体会在首次响应之前增加工作量；如果沙箱消失，运行中的智能体也随之消失。将各部分分离使平台能够在保持执行隔离的同时追求更低的延迟和更好的可靠性。 对于任何设计智能体运行时的人来说，这都是一个有用的视角。问问哪些部分需要存活，哪些部分执行不受信任的工作，以及哪些密钥真正需要出现在代码运行的地方。不同产品的实现会有所不同，但这些问题仍然有用。 一个帮助另一个智能体记忆的智能体 Managed Agents 还为记忆和多智能体工作流的实验提供了基础。Dreaming 的实现很简单，就是一个智能体检查另一个智能体的先前工作并写回记忆。这使得该功能成为用同一套底层托管智能体原语构建更高层行为的

匹配字段正文

完全自主的公司还有多远，预测从几年到永远不会都有。但在那之前，讽刺之处在于，管理主义的衰落可能看起来更像是每个人都变成管理者。并非每个人都会有直接下属，但会有更多人负责明确工作、委派执行、检查结果并更新流程。第二次管理革命与其说是管理的死亡，不如说是职业管理阶级对管理的垄断的终结。 软件工程师今天正深切感受到这一点，因为这份工作正从手工编写代码转变为管理一支编码智能体团队。工程师的一天越来越像管理者的一天：界定问题范围，把它拆解成任务，委派给并行工作的智能体，然后审查返回的拉取请求——批准一些，把另一些附上意见退回。随着智能体在更多领域变得有能力，更多知识工作者将做出类似的转变：从亲自执行每一步，转变为明确任务、委派执行和评判工作。诺和诺德的科学家和Rivian的供应链分析师已经在用Genie指挥智能体完成过去需要一支工程师或数据科学家团队才能完成的工作，从而让这些团队腾出手来专注于最具战略性的工作。 这对人类生产率和薪资来说是好消息，因为执行和判断在经济上是互补的：当AI降低常规执行的成本时，对指导执行的判断的需求就会上升。 数学家阿尔弗雷德·诺思·怀特海在一个世纪前观察到：“文明的

匹配字段正文

roVM 由 OpenAI 的沙箱软件在共享宿主机上创建和管理——在不使用网络连接或共享可写文件的情况下交换合成秘密，而这正是我们的系统本应防止的事情。智能体找到了一种利用处理器缓存进行通信的方法：缓存是一种小而快速的内存，保存着应用程序最近访问过的数据副本。从缓存读取数据比从主内存读取更快，智能体利用这一时间差进行通信。一个智能体通过从缓存中逐出选定数据来编码信息。另一个智能体则对重新加载该数据所需的时间进行计时，利用快速读取与慢速读取之间的差异来还原消息。” 一旦智能体就这些信号的编码和解码协议达成一致，它们就能在不更改共享文件、也不建立网络连接的情况下交换合成秘密。”在另一项相关攻击中，一个智能体“在连续写入与空闲之间交替，而另一个智能体则测量由此产生的时间差异，并利用这些差异来解码信号”。在这次攻击期间，该智能体的思维链写道：“可以创建类似声学调制解调器的信号……利用连续写入与空闲的对比。” RSI 是什么样子——一个人从零开始预训练出一个像样的模型：……Mirendil 揭示了 AI 研发优化能做到什么……在一个表明 AI 研究正被大幅增强的迹象中，AI 研发初创公司 Mir

匹配字段正文