antirez 发布面向 LLM 与编码智能体的 Redis 模式文档
antirez 发布了一份面向 LLM 和编码智能体的 Redis 文档，内容涵盖 Redis 命令与数据类型的详尽说明、常用模式、配置提示，以及可用 Redis 命令实现的算法。作者称发布此文是为了让搜索引擎收录，并提到有用户认为这份文档对真人也有用。
匹配字段标题
←搜索结果
搜索“编码”
Ramp 如何在 Modal 上构建全上下文后台编码智能体
Ramp 基于 Modal Sandboxes 构建内部后台编码智能体 Inspect，目前 Ramp 前后端仓库约一半的已合并 PR 由它发起，Inspect 自身超过 80% 的代码也由它编写。每个会话运行在包含 Postgres、Redis、Temporal、RabbitMQ 等完整开发环境的沙箱中，OpenCode 作为编码智能体，配合 VS Code server、Web 终端和带 Chromium 的 VNC 做前端可视化验证。Modal 的 Cron 每 30 分钟克隆仓库并生成文件系统快照，会话从最新快照启动，几秒内即可开始处理提示词，并支持 Slack、Web、Chrome 扩展等多客户端与多人协作。
匹配字段标题
Anthropic 量化智能体编码评测中的基础设施噪声
Anthropic 在 Terminal-Bench 2.0 上发现，仅基础设施配置差异就能带来 6 个百分点的分数差距（p < 0.01）：从严格按任务规格限制资源到完全不设上限，基础设施错误率从 5.8% 降至 0.5%。在 3 倍资源以内，分数波动仍在噪声范围内（p=0.40），超过 3 倍后额外资源开始让智能体完成此前无法完成的任务，说明资源限制会改变评测实际测量的内容。SWE-bench 上的交叉实验也复现了同一方向但幅度更小的效应，5 倍 RAM 仅比 1 倍高 1.54 个百分点。Anthropic 建议评测同时公布资源保障值和硬性上限两个参数，并认为在配置未标准化前，榜单上低于 3 个百分点的差距值得存疑。
匹配字段标题
Ollama 推出 ollama launch 命令，一键配置 Claude Code、Codex 等编码工具
Ollama 发布新命令 ollama launch，可自动设置并运行 Claude Code、OpenCode、Codex、Droid 等编码工具，支持本地或云端模型，无需环境变量或配置文件。用户需下载 Ollama v0.15+，推荐将上下文长度设为至少 64000 tokens；本地模型包括 glm-4.7-flash、qwen3-coder、gpt-oss:20b，云端模型包括 glm-4.7:cloud、minimax-m2.1:cloud、gpt-oss:120b-cloud、qwen3-coder:480b-cloud。此次更新还提供更长的 5 小时编码会话窗口。
匹配字段标题
Block 开源 AI 编码智能体 Goose，对标 Claude Code 且完全免费
Block 推出的开源 AI 编码智能体 Goose 提供与 Claude Code 相近的功能，但可完全在本地运行，无需订阅费、无速率限制。Goose 在 GitHub 上已获得超过 26,100 颗星，有 362 名贡献者和 102 个版本，最新版本 1.20.1 于 1 月 19 日发布。它支持任意 LLM，可通过 Ollama 搭配 Qwen 2.5 等开源模型本地运行，并集成 MCP 连接外部服务；代价是模型质量、上下文窗口和速度仍不及 Claude 4.5 Opus 等商业方案。
匹配字段标题
SGLang 推出 EPD 分离架构，为视觉语言模型提供弹性编码器扩容
LMSYS 在 SGLang 中推出 Encoder-Prefill-Decode（EPD）分离架构，将视觉编码从语言处理中拆出，编码器可独立横向扩容，并支持 ZMQ、Mooncake 等传输后端与视觉嵌入向量缓存。在 8× H20、Qwen2.5-VL-72B、每请求约 4 张 1080p 图像的测试中，图像密集场景下 1 QPS 时 TTFT 比同机部署低约 6–8 倍，0.8–1.0 QPS 吞吐约翻倍；图像较少的场景则可能因跨节点传输嵌入向量而变慢。
匹配字段标题
Agentic ProbLLMs：利用 AI 计算机使用与编码智能体的安全研究（39C3 视频与幻灯片）
Johann Rehberger 在汉堡 39C3 演讲《Agentic ProbLLMs: Exploiting AI Computer-Use and Coding Agents》，分享针对智能体系统漏洞的安全研究及 Month of AI Bugs 项目，并附大量演示。演讲视频可在 media.ccc.de 观看，英文版已上传至 Embrace The Red YouTube 频道，幻灯片提供 PDF 下载。
匹配字段标题
我构建极简编码智能体 pi-coding-agent 的经验总结
Mario Zechner 发布自研极简编码智能体 pi-coding-agent，由统一 LLM API 层 pi-ai、智能体循环 pi-agent-core 和终端 UI 框架 pi-tui 组成。pi-ai 支持 Anthropic、OpenAI、Google、xAI、Groq、Cerebras、OpenRouter 及任意 OpenAI 兼容端点，并处理跨提供商上下文交接与 token 成本追踪。pi-coding-agent 默认 YOLO 模式，不含内置待办、计划模式、MCP 支持、后台 bash 和子智能体。
匹配字段标题
用 AMD Ryzen AI 在 OpenHands 上自托管编码智能体
OpenHands 与 AMD 合作，演示如何在 AMD Ryzen AI Max+ 395 处理器上本地运行编码智能体：该处理器提供 16 个 Zen 5 CPU 核心、Radeon 8060S 集成 GPU 和 XDNA 2 NPU，合计最高 126 AI TOPS。借助 AMD 的 Lemonade Server 软件栈（兼容 OpenAI API），可本地运行 Qwen3-Coder-30B-A3B-Instruct 模型（约 18.6GB），并通过 uvx tool install openhands 安装 OpenHands CLI 接入。该方案主打隐私、无按 token 计费、合规与离线可用。
匹配字段标题
Transluce 与 SWE-bench 合作监控 AI 编码智能体
Transluce 与 SWE-bench 团队合作，将智能体轨迹公开在 Docent 上，用户现可通过 SWE-bench 排行榜上的链接查看完整记录。双方先从 SWE-bench Verified 的 "bash only" 设置入手，该子集包含 500 个经人工审核的 PR，上月从 HuggingFace 下载超 130 万次。Docent 还构建了检测"作弊"行为的评判器，可识别智能体通过 git 读取未来提交或 gold patch 等非预期解题路径。
匹配字段标题
Cognition 发布 SWE-1.5 编码模型，与 Cerebras 合作实现最高 950 tok/s
Cognition 发布面向软件工程的 SWE-1.5 模型，参数量达数千亿，在 SWE-Bench Pro 上接近前沿水平，并已上线 Windsurf。该模型与 Cerebras 合作部署，推理速度最高 950 tok/s，比 Haiku 4.5 快 6 倍、比 Sonnet 4.5 快 13 倍。Cognition 称其基于数千块 GB200 NVL72 芯片训练，并在自建 Cascade agent harness 与高质量编码环境中做端到端强化学习。
匹配字段标题
MiniMax M2 上线 Ollama 云端，面向编码与智能体工作流
MiniMax M2 已在 Ollama 云端上线，定位编码与智能体工作流。该模型总参数 230B、激活参数 10B，据 Artificial Analysis 基准其综合得分在开源模型中排名第一，在 Terminal-Bench 与 (Multi-)SWE-Bench 类任务上表现较强。Ollama 同时给出在 VS Code、Zed、Droid 中调用 minimax-m2:cloud 的配置步骤，并支持通过 ollama.com 云 API 直接访问。
匹配字段标题
MiniMax 开源并发布面向 Agent 与编码的 M2 模型
MiniMax 正式开源并发布 MiniMax M2，定位为面向 Agent 与编码的模型，API 定价为每百万输入 token $0.30、每百万输出 token $1.20，约为 Claude 4.5 Sonnet 的 8%，在线推理 TPS 约 100。模型权重已在 Hugging Face 开源，支持 SGLang 与 vLLM 部署，推荐推理参数为 temperature=1.0、top_p=0.95、top_k=20，免费试用延长至 11 月 7 日 00:00 UTC。同时上线由 M2 驱动的 MiniMax Agent，提供 Lightning 与 Pro 两种模式，目前限时免费。
匹配字段标题
AgentHopper：一种可跨编码智能体传播的 AI 病毒概念验证
安全研究者 Johann Rehberger 发布 AgentHopper 概念验证，用一个通用提示注入载荷在多个编码智能体间自我传播。载荷先感染开发者智能体，再扫描 Git 仓库注入指令并推送回 GitHub，其他开发者拉取被感染代码后触发注入，形成循环传播。攻击路径涉及 GitHub Copilot、Amp Code、Amazon Q Developer 和 AWS Kiro，相关漏洞均已由厂商修复。作者建议为 SSH 和签名密钥设置口令、启用分支保护并遵循最小权限原则。
匹配字段标题
MCP vs CLI：面向编码智能体的工具基准测试
Mario Zechner 构建了 terminalcp 的 MCP server 与对应 CLI，用三个终端控制任务对比 terminalcp MCP、terminalcp CLI、tmux 和 screen 四种工具，评估成本、耗时、成功率，以及模型对标准 CLI 工具的固有知识是否胜过对未见工具的上下文学习。作者认为多数 MCP 只是 CLI 调用的薄封装，如 GitHub MCP Server 往往不如让智能体直接调用 GitHub CLI。
匹配字段标题
Anthropic 发布 Claude Opus 4.1，编码与智能体任务升级
Anthropic 发布 Claude Opus 4.1，在智能体任务、真实编码和推理上较 Opus 4 升级，SWE-bench Verified 达 74.5%。现已向付费用户、Claude Code、API、Amazon Bedrock 和 Google Cloud Vertex AI 开放，价格与 Opus 4 相同。GitHub、Rakuten 和 Windsurf 反馈其在多文件重构、精准修复和初级开发者基准上均有显著提升。
匹配字段标题
新款 Devstral 模型升级智能体编码能力
Mistral AI 与 All Hands AI 推出 Devstral Small 1.1 和 Devstral Medium，二者在 SWE-Bench Verified 上分别获得 53.6% 和 61.6%。Small 1.1 采用 Apache 2.0 许可证；Medium 通过 API 提供，并支持私有部署和定制微调。API 输入/输出价格分别为 $0.1/$0.3 和 $0.4/$2 每百万 Token。
匹配字段标题
Coding Agents 101：Cognition 分享高效使用编码智能体的实战技巧
Cognition 发布《Coding Agents 101》指南，基于 Devin 及客户经验总结高效使用编码智能体的方法。指南建议明确指定实现方式而非仅描述目标、告知智能体任务起点、提供 CI、测试、类型检查和 linter 等反馈回路，并指出高级到资深级别工程师上手这类工具最快。
匹配字段标题
文本嵌入能否完美编码文本？
The Gradient 文章讨论文本嵌入能否被逆向还原为原文，并引用 EMNLP 2023 论文《Text Embeddings Reveal As Much as Text》。作者用 32 token 输入、768 维嵌入做实验，训练 Transformer 从嵌入还原文本，BLEU 约 30/100，精确匹配接近零。
匹配字段标题
FutureHouse 发布 WikiCrow：自动为 15616 个人类蛋白编码基因生成维基式条目
FutureHouse 发布 WikiCrow，一个基于其 PaperQA 智能体平台的自动合成系统，可为技术主题生成带引用的维基百科式摘要。团队用它为 15616 个尚无条目或仅有残篇的人类蛋白编码基因生成草稿，每篇约 8 分钟，50 个实例并行，几天内完成，估计人工需约 60000 小时。评测显示 WikiCrow 约 9% 的陈述不正确，但引用来源的一致性明显优于人类编辑；PaperQA 在 PubMedQA Blind、MedQA-USMLE 及自建 LitQA 基准上优于 GPT-4、Perplexity 等系统。
匹配字段标题